Bu çalışma, birden fazla uydunun başlangıç konumlarından belirlenen hedef konumlara sınırlı itkiyle, birbirleriyle ve yasak bir bölgeyle çarpışmadan taşınması için COAEES adlı yeni bir evrimsel optimizasyon yöntemi önermektedir. COAEES, “Constrained Optimization-oriented Adaptive Experience Exchange Strategy” ifadesinin kısaltmasıdır ve Türkçede kısıtlı optimizasyona yönelik uyarlanabilir deneyim değişimi stratejisi olarak açıklanabilir. Yöntem, mevcut kişisel ve küresel en iyi çözümlerin yanında bir önceki nesildeki aday çözümleri de kullanmakta; geniş arama, rekabete dayalı güncelleme, trigonometrik yerel arama ve yiyecek arama benzeri yerel iyileştirme kuralları arasında geçiş yapmaktadır.

Altı matematiksel karşılaştırma fonksiyonunda COAEES; Parçacık Sürü Optimizasyonu (PSO), Diferansiyel Evrim (DE), Yapay Arı Kolonisi (ABC) ve Kütleçekimsel Arama Algoritması (GSA) ile karşılaştırılmıştır. Yüz bağımsız koşuda Sphere, Rastrigin ve Griewank fonksiyonlarında ortalama sıfır; Ackley fonksiyonunda 8,88 × 10⁻¹⁶ ve Rosenbrock fonksiyonunda 21,8 ortalama sonuç bildirilmiştir. Friedman ortalama sıralamasında COAEES 1,00 ile ilk sıraya yerleşmiştir. Ancak çalışmanın bildirdiği Nemenyi kritik farkı 2,306’dır; COAEES ile DE arasındaki 1,43 ve PSO arasındaki 2,29 sıralama farkları bu eşiğin altında kaldığından, makalenin “bütün rakiplerden anlamlı derecede üstün” yorumu kendi sayılarıyla tam olarak desteklenmemektedir.

Dört uydulu terminal buluşma senaryosunda uyduların 1.000 saniye içinde farklı hedeflere ulaşması, 100 metre yarıçaplı merkezî engelden uzak kalması, aralarındaki mesafeyi en az 80 metre tutması ve her eksendeki kontrol ivmesini ±0,1 m·s⁻² sınırları içinde koruması istenmiştir. Gösterilen çözümde toplam ΔV 28,84 m·s⁻¹, en küçük uydular arası mesafe 116,70 metre ve en küçük engel merkezine uzaklık 139,23 metre olmuştur. Yüz bağımsız karşılaştırmada COAEES için ortalama toplam ΔV 29,77 ± 5,22 m·s⁻¹ bildirilirken PSO için 909,78 ± 163,97 ve DE için 366,85 ± 57,64 m·s⁻¹ verilmiştir. Bütün yöntemler güvenlik kısıtlarını sağlamış, fakat COAEES yaklaşık iki kat daha fazla hesaplama süresi kullanmıştır.

Türkiye açısından değerlendirme: Yaklaşım; Türkiye’de küçük uydu kümeleri, yörünge üzerinde servis, dağıtık gözlem, uydu formasyonu ve otonom görev planlama çalışmaları yürüten üniversiteler ile uzay teknolojisi ekipleri için incelenebilir bir çevrim dışı optimizasyon yöntemi sunmaktadır. Türkiye’deki gerçek görevlerde kullanılmadan önce algoritmanın yerli görev geometrileri, yüksek doğruluklu yörünge dinamiği, J2 etkisi, atmosferik sürükleme, ölçüm ve itki belirsizlikleri, iletişim kısıtları, hareketli engeller ve arızalı uydu senaryolarıyla sınanması gerekir. Donanım döngülü test, uçuş bilgisayarında çalışma süresi ve bağımsız görev karşılaştırması yapılmadan bu çalışmadan gerçek bir Türk uydu sürüsünün yakıt tüketimi, görev güvenliği veya operasyonel başarısı doğrudan çıkarılamaz.

Araştırmanın ana katkısı, aday çözümlerin yalnızca mevcut en iyi konumlara değil, önceki popülasyondan seçilen farklı çözüm durumlarına da bakarak güncellenmesidir. Ancak yüklenen sürümde uzun dönemli bütün nesilleri tutan kalıcı bir deneyim belleği bulunmamaktadır. Tanımlanan \(H^m\) arşivi yalnızca \(m-1\) numaralı neslin bireylerini içermektedir. Bu nedenle yöntem, bütün optimizasyon geçmişini kullanan uzun süreli bir hafıza sisteminden çok, bir önceki neslin yeniden örneklenmesine dayalı deneyim aktarımı olarak değerlendirilmelidir.

Araştırmanın çözmeye çalıştığı problem nedir?

Uydu sürüsü yeniden yapılandırmasında birden fazla uzay aracı aynı zaman aralığında yeni konumlara hareket etmektedir. Her uydu hedef konum ve hıza ulaşmalı, itki kapasitesini aşmamalı, diğer uydularla güvenli ayrımı korumalı ve yasak bölgelerden geçmemelidir. Kontrol girdileri değiştikçe bütün uyduların yörüngeleri birlikte değiştiği için arama uzayı yüksek boyutlu, doğrusal olmayan ve çok sayıda yerel çözüme sahip hâle gelmektedir.

Çalışma bu problemi çevrim dışı görev planlama problemi olarak ele almaktadır. Amaç, uçuş sırasında anlık geri beslemeli kontrol üretmek değil; manevra başlamadan önce belirlenen sürede uygulanabilecek kontrol dizilerini hesaplamaktır.

LVLH koordinat sistemi nasıl tanımlanmıştır?

Bağıl hareket, yerel düşey–yerel yatay koordinat sistemi olarak bilinen LVLH çerçevesinde modellenmiştir. Bu sistemde:

• X ekseni merkezî gövdeden dışarıya doğru radyal yönü,
• Z ekseni referans yörüngesinin açısal momentum doğrultusunu,
• Y ekseni ise sağ el sistemini tamamlayan ve dairesel yörüngede hareket yönüne karşılık gelen doğrultuyu

temsil etmektedir. Çalışmanın 4. sayfasındaki Şekil 1, Dünya çevresindeki referans uzay aracıyla X, Y ve Z eksenlerinin ilişkisini göstermektedir.

Uydu hareketi hangi denklemlerle modellenmiştir?

Her uydu için durum vektörü konum ve hız bileşenlerinden oluşmaktadır:

\[ \mathbf{x}_i(t)= [x_i,y_i,z_i,\dot{x}_i,\dot{y}_i,\dot{z}_i]^{T} \]

Kontrol girdisi ise üç eksendeki kontrol ivmeleridir:

\[ \mathbf{u}_i(t)= [a_{x,i},a_{y,i},a_{z,i}]^{T} \]

Bağıl hareket doğrusal Clohessy–Wiltshire sistemiyle ifade edilmiştir:

\[ \dot{\mathbf{x}}_i(t) = \mathbf{A}\mathbf{x}_i(t) + \mathbf{B}\mathbf{u}_i(t) \]

Sistem matrisleri çalışmada şu biçimde verilmiştir:

\[ \mathbf{A}= \begin{bmatrix} 0&0&0&1&0&0\\ 0&0&0&0&1&0\\ 0&0&0&0&0&1\\ 3n^2&0&0&0&2n&0\\ 0&0&0&-2n&0&0\\ 0&0&-n^2&0&0&0 \end{bmatrix}, \qquad \mathbf{B}= \begin{bmatrix} 0&0&0\\ 0&0&0\\ 0&0&0\\ 1&0&0\\ 0&1&0\\ 0&0&1 \end{bmatrix} \]

Yörüngesel açısal hız kaynakta:

\[ n=\sqrt{\frac{\mu}{R_c^3}} \]

olarak tanımlanmıştır. Burada \(\mu\) merkezî gövdenin kütleçekim sabitiyle ilişkili parametresini, \(R_c\) ise referans dairesel yörüngenin yarı büyük eksenini göstermektedir.

Bu model dairesel referans yörünge etrafındaki doğrusal bağıl hareketi temsil etmektedir. Çalışmada J2 bozunumu, atmosferik sürükleme, Güneş ve Ay çekimi, itki hatası, durum kestirim hatası veya iletişim gecikmesi modele eklenmemiştir.

Amaç fonksiyonu ve güvenlik kısıtları nelerdir?

Genel optimizasyon problemi kaynakta aşağıdaki biçimde tanımlanmıştır:

\[ \min J = \sum_{i=1}^{N} \int_{t_0}^{t_f} \|\mathbf{u}_i(t)\|^2\,dt \]

Kısıtlar:

\[ \mathbf{x}_i(0)=\mathbf{x}_i^0, \qquad \mathbf{x}_i(t_f)=\mathbf{x}_i^f \]

\[ \|\mathbf{u}_i(t)\|_{\infty} \leq U_{\max} \]

\[ \|\mathbf{r}_i(t)-\mathbf{r}_j(t)\| \geq d_{\mathrm{safe}}, \qquad i\neq j \]

şeklindedir. İlk koşul başlangıç ve terminal durumlarını, ikinci koşul itki veya kontrol ivmesi sınırını, üçüncü koşul uydular arasındaki güvenli mesafeyi tanımlamaktadır.

Burada önemli bir raporlama sorunu bulunmaktadır. Amaç fonksiyonu kontrol ivmesinin karesini bütünleştirmektedir. Sonuç tablolarında “yakıt tüketimi” olarak verilen ΔV ise m·s⁻¹ birimindedir ve normal olarak kontrol ivmesinin büyüklüğünün zaman boyunca bütünleştirilmesine karşılık gelir:

\[ \Delta V = \int_{t_0}^{t_f} \|\mathbf{u}(t)\|\,dt \]

\(\int\|\mathbf{u}\|^2dt\) ile \(\int\|\mathbf{u}\|dt\) aynı amaç değildir. Çalışma optimize edilen karesel kontrol maliyeti ile raporlanan kümülatif ΔV arasındaki dönüşümü açıklamamıştır. Bu nedenle “yakıt optimizasyonu” sonucu yorumlanırken amaç–ölçüt farklılığı dikkate alınmalıdır.

Merkezî engel nasıl ele alınmıştır?

Dört uydulu mühendislik senaryosunda LVLH koordinat sisteminin merkezine 100 metre yarıçaplı küresel yasak bölge yerleştirilmiştir. Her uydu için:

\[ \|\mathbf{r}_i(t)\| \geq 100\ \mathrm{m} \]

koşulunun sağlanması beklenmektedir. Bununla birlikte merkezî engel kısıtı genel problem denklemi içinde açıkça gösterilmemiş ve cezalandırılmış uygunluk fonksiyonuna nasıl eklendiği matematiksel olarak verilmemiştir.

COAEES’in temel fikri nedir?

Popülasyondaki her aday çözüm, manevra boyunca uygulanacak kontrol değişkenlerinin bir bileşimini temsil etmektedir. Her adayın:

• mevcut konumu \(\mathbf{X}_a^m\),
• kişisel en iyi çözümü \(\mathbf{X}_a^{\mathrm{best}}\),
• popülasyonun küresel en iyi çözümü \(\mathbf{X}^{\mathrm{gbest}}\)

bulunmaktadır. Ayrıca önceki nesildeki adayların konumları:

\[ H^m= \{ \mathbf{X}_1^{m-1}, \mathbf{X}_2^{m-1}, \ldots, \mathbf{X}_M^{m-1} \} \]

arşivinde saklanmaktadır.

Makale bu yapıyı bütün tarihsel popülasyon hareketlerinin saklandığı bir depo olarak tanımlasa da denklem yalnızca bir önceki nesli içermektedir. Eski nesillerin arşivde tutulduğu, örneklendiği veya ağırlıklandırıldığı bir bellek yapısı gösterilmemiştir.

Arama evresi nasıl değiştirilmektedir?

Aramanın erken döneminde geniş keşfi, son döneminde yerel iyileştirmeyi artırmak için faz göstergesi doğrusal olarak azaltılmaktadır:

\[ C_m = C_{\max} \left( 1-\frac{m}{N_{\max}} \right) \]

\(m\) mevcut nesli, \(N_{\max}\) toplam nesil sayısını göstermektedir. \(C_m\) başlangıçta yüksek, son nesilde sıfıra yakın olmaktadır.

Her aday için ayrıca rastgele bir eşik üretilmektedir:

\[ \rho_a = \rho_{\min} + (\rho_{\max}-\rho_{\min})\zeta_1, \qquad \zeta_1\sim U(0,1) \]

\(\rho_a\) değeri sabit \(\rho_{\mathrm{th}}\) eşiğiyle karşılaştırılarak keşif veya sömürü evresi seçilmektedir.

Keşif evresinde hangi kurallar kullanılmaktadır?

Keşif evresinde önce adayın kişisel en iyi konumu ile popülasyonun küresel en iyi konumunun ortalaması alınmaktadır:

\[ \mathbf{X}_a^{\mathrm{ref}} = \frac{ \mathbf{X}_a^{\mathrm{best}} + \mathbf{X}^{\mathrm{gbest}} }{2} \]

Referans yönlendirmeli güncelleme

Aday çözüm, azalan faz katsayısı ve rastgele bileşenlerle referans konuma doğru hareket ettirilmektedir:

\[ \mathbf{X}_a^{m+1} = \mathbf{X}_a^m + C_m\, \mathbf{r} \odot \left( \mathbf{X}_a^{\mathrm{ref}} - \mathbf{X}_a^m \right) \]

Burada \(\mathbf{r}\), her bileşeni 0–1 arasında seçilen rastgele vektör; \(\odot\) ise bileşen bazında çarpımdır.

Rekabete dayalı diferansiyel güncelleme

Alternatif kuralda bir başka adaydan alınan bileşen ile mevcut adayın bileşeni arasındaki fark referans değere eklenmektedir:

\[ X_{a,b}^{m+1} = X_{a,b}^m - X_{c,b}^m + X_{a,b}^{\mathrm{ref}} \]

Bu işlem popülasyondaki farklı çözümlerden yararlanarak çeşitliliği artırmayı amaçlamaktadır. Metin bu bireylerin “tarihsel arşivden” geldiğini söylese de verilen denklemde \(X_{c,b}^{m}\) gösterimi mevcut nesli işaret etmektedir. Denklem, açıklama ve sözde kod arasındaki nesil gösterimi tam olarak tutarlı değildir.

Yerel iyileştirme evresinde ne yapılmaktadır?

Yerel evrede adayın uygunluk değerinin küresel en iyi uygunluğa oranına bağlı bir olasılık oluşturulmaktadır:

\[ P_a = \kappa\zeta_2 \frac{ f(\mathbf{X}_a^m) }{ f(\mathbf{X}^{\mathrm{gbest}}) } \]

Bu ifade minimizasyon probleminde küresel en iyi uygunluk sıfıra yaklaştığında sayısal olarak büyüyebilir veya tanımsızlaşabilir. Çalışmada sıfıra bölünmeyi önleyen küçük sabit, normalleştirme veya üst sınır belirtilmemiştir.

Trigonometrik yerel arama

Önce küresel en iyi çözümden “yiyecek konumu” oluşturulmaktadır:

\[ \mathbf{X}_a^{\mathrm{food}} = \exp(-1/P_a) \mathbf{X}^{\mathrm{gbest}} \]

Ardından sinüs ve kosinüs terimleriyle yeni konum üretilmektedir:

\[ X_{a,b}^{m+1} = X_{a,b}^m + \cos(2\pi\zeta_3) X_b^{\mathrm{food}} p(\rho_a) - \sin(2\pi\zeta_3) X_b^{\mathrm{best}} p(\rho_a) \]

Ölçek fonksiyonu:

\[ p(\rho_a) = B\exp \left[ -\frac{(\rho_a-\mu)^2}{2\sigma^2} \right] \]

şeklindedir. Bu Gaussian benzeri terim, belirli eşik çevresindeki güncellemeleri daha güçlü hâle getirmektedir.

Sınırlı yiyecek arama güncellemesi

Diğer yerel kuralda aday, kişisel en iyi konumuna ve kendi mevcut durumuna bağlı biçimde güncellenmektedir:

\[ \mathbf{X}_a^{m+1} = \left( \mathbf{X}_a^m - \mathbf{X}_a^{\mathrm{best}} \right) p(\rho_a) + p(\rho_a)\, \mathbf{r}\odot\mathbf{X}_a^m \]

Güncellemelerden sonra bütün kontrol değişkenleri izin verilen sınırlar içine kırpılmaktadır. Bu kırpma, kontrol ivmesi sınırını doğrudan sağlamaktadır; fakat uydular arası mesafe ve engel güvenliğinin nasıl sağlandığı ayrıca açıklanmış bir onarım yöntemi yerine cezalandırılmış uygunluk değerine bırakılmış görünmektedir.

Tarihsel deneyim yeniden kullanım aşaması nasıl çalışmaktadır?

Ana güncellemeden sonra ikinci bir deneyim aktarım aşaması uygulanmaktadır. Bu aşama nesil sayısına göre erken, orta ve geç dönemlere ayrılmıştır.

Erken dönem

Önceki popülasyondan iki çözüm seçilmekte ve farkları mevcut adaya eklenmektedir:

\[ \mathbf{X}_a^{\mathrm{new}} = \mathbf{X}_a^m + C_{\mathrm{ee}} \left( \mathbf{H}^1-\mathbf{H}^2 \right) \]

Orta dönem

Üç tarihsel çözüm ve rastgele vektör kullanılarak iki fark terimi birleştirilmektedir:

\[ \mathbf{X}_a^{\mathrm{new}} = \mathbf{X}_a^m + C_{\mathrm{ee}} \left[ \mathbf{r}\odot(\mathbf{H}^1-\mathbf{H}^2) + (1-\mathbf{r})\odot(\mathbf{H}^1-\mathbf{H}^3) \right] \]

Geç dönem

Geç aşamada mevcut çözüm ile seçilen tarihsel çözümün ortalaması alınmakta ve küçük diferansiyel düzeltme eklenmektedir:

\[ \mathbf{X}_a^{\mathrm{new}} = \frac{ \mathbf{X}_a^m+\mathbf{H}^3 }{2} + C_{\mathrm{ee}} \mathbf{r}\odot (\mathbf{H}^1-\mathbf{H}^2) \]

Sayfa 9’daki Algorithm 1, ana güncellemeden sonra adayların değerlendirildiğini, deneyim yeniden kullanım aşamasından sonra tekrar değerlendirme yapıldığını göstermektedir. Bu nedenle makalenin deneyim değişiminin “ek hesaplama yükü olmadan” gerçekleştiği iddiası sözde kodla uyumlu değildir. Her iki değerlendirme gerçekten uygulanıyorsa COAEES bir nesilde klasik tek güncellemeli yöntemlerden daha fazla amaç fonksiyonu değerlendirmesi yapmaktadır.

Kısıtlar nasıl ele alınmıştır?

Algoritma adımlarında şu işlemler belirtilmektedir:

1. Kontrol noktalarının ve manevra zaman düğümlerinin belirlenmesi,
2. Aday kontrol dizilerinin oluşturulması,
3. CW denklemlerinin bütünleştirilmesi,
4. terminal hata, uydular arası mesafe ve itki ihlallerinin hesaplanması,
5. cezalandırılmış uygunluk değerinin oluşturulması.

Ancak aşağıdaki bilgiler verilmemiştir:

• kontrol noktalarının sayısı,
• kontrolün zaman içinde sabit, doğrusal veya başka bir biçimde enterpole edilip edilmediği,
• sayısal bütünleştirme yöntemi ve adım büyüklüğü,
• terminal konum ve hız cezalarının katsayıları,
• uydular arası çarpışma cezası,
• merkezî engel cezası,
• fizibilite ile maliyet arasındaki öncelik kuralı.

Bu eksiklikler, çalışmanın temel mühendislik sonuçlarının bağımsız olarak yeniden üretilmesini güçleştirmektedir. Ayrıca giriş bölümünde ceza fonksiyonlarının elle ayarlanan katsayıları eleştirilirken yöntemin kendisinin ayrıntısı açıklanmayan cezalandırılmış uygunluk kullanması yöntemsel bir gerilim oluşturmaktadır.

Karşılaştırma fonksiyonlarında hangi sonuçlar elde edilmiştir?

Sphere, Rastrigin, Ackley, Griewank, Quartic ve Rosenbrock fonksiyonları kullanılmıştır. Her yöntem 50 birey, 1.000 nesil ve 100 bağımsız koşuyla değerlendirilmiştir.

Sayfa 11’deki Şekil 2, COAEES eğrilerinin çoğu fonksiyonda ilk nesiller içinde sıfıra yaklaştığını göstermektedir. Friedman ortalama sıralamaları:

Makale Nemenyi kritik farkını 2,306 olarak vermektedir. Bu durumda COAEES ile rakipler arasındaki farklar şöyledir:

• DE: 2,43 − 1,00 = 1,43
• PSO: 3,29 − 1,00 = 2,29
• ABC: 3,71 − 1,00 = 2,71
• GSA: 4,57 − 1,00 = 3,57

Kritik fark 2,306 ise yalnız ABC ve GSA farkları eşiği aşmaktadır. PSO farkı 0,016 ile eşiğin altında, DE farkı ise belirgin biçimde altındadır. Dolayısıyla “COAEES PSO, DE, ABC ve GSA’nın tamamından Nemenyi testine göre anlamlı derecede üstündür” sonucu kendi sayılarına göre doğru değildir.

Çalışmanın bir bölümünde Wilcoxon “signed-rank”, başka bir bölümünde “rank-sum” testi yazılmıştır. Bu iki test farklı örnekleme varsayımlarına sahiptir. Test istatistikleri ve düzeltilmiş p değerleri verilmediğinden hangi testin gerçekten uygulandığı doğrulanamamaktadır.

Karşılaştırma fonksiyonlarının matematiksel tanımları, karar uzayı boyutları, arama sınırları ve Quartic gürültü dağılımı da açıklanmamıştır. Özellikle Quartic sonuçlarının negatif olması, kullanılan gürültü tanımını bilmeden standart sonuçlarla karşılaştırılmasını engellemektedir.

Dört uydulu buluşma senaryosu nasıl kurulmuştur?

Referans yörüngenin yarıçapı 6.878 km, manevra süresi 1.000 saniye ve kontrol sınırı her eksende ±0,1 m·s⁻² olarak belirlenmiştir. Merkezde 100 metre yarıçaplı küresel engel bulunmakta ve uydular arasındaki minimum güvenlik mesafesi 80 metre olarak uygulanmaktadır.

Sayfa 13’teki üç boyutlu çizim, dört yörüngenin yarı saydam merkezî kürenin çevresinden geçtiğini göstermektedir. Aynı sayfadaki güvenlik grafiğinde uydular arası minimum mesafe bütün manevra boyunca 80 metrelik kırmızı eşik çizgisinin üzerinde kalmıştır.

Toplam ΔV 28,84 m·s⁻¹, uydu başına ortalama 7,21 m·s⁻¹, minimum uydular arası mesafe 116,70 metre ve engel merkezine minimum uzaklık 139,23 metre olmuştur. Kontrol grafiklerinde girdiler belirtilen sınırların içinde kalmaktadır.

Üç ile sekiz uydu arasındaki ölçeklenebilirlik sonucu nedir?

Bütün senaryolar 80 metrelik uydular arası ve 100 metrelik engel sınırını sağlamıştır. Sekiz uyduda minimum uydular arası mesafe 92,79 metreye kadar düşmüş ve güvenlik marjı 12,79 metre olmuştur.

Hesaplama süresi çalışmanın kullandığı Intel Core i7-9750H işlemcili ve 8 GB belleğe sahip bilgisayarda 104,3 saniyeden 270,2 saniyeye çıkmıştır. Bu aralıkta yaklaşık doğrusal bir artış görülmektedir. Ancak ikili çarpışma denetimlerinin sayısı uydu sayısıyla karesel olarak büyüyebileceğinden, 3–8 uydu arasındaki eğilim çok daha büyük sürüler için doğrusal ölçeklenebilirlik kanıtı değildir.

PSO ve DE karşılaştırmasında ne bulunmuştur?

Dört uydulu senaryo COAEES, PSO ve DE ile 100’er kez çalıştırılmıştır. Her yöntem için 30 birey ve 500 nesil kullanıldığı belirtilmiştir.

COAEES’in ortalama ΔV değeri PSO’nun yaklaşık %3,3’üne ve DE’nin %8,1’ine karşılık gelmektedir. Başka bir ifadeyle bildirilen azalma PSO’ya göre yaklaşık %96,7, DE’ye göre yaklaşık %91,9’dur.

Bu kadar büyük fark yöntemin güçlü bir sonucu olarak görünmekle birlikte aşağıdaki nedenlerle bağımsız yeniden üretim gerektirmektedir:

• PSO ve DE’nin parametre ayarları ayrıntılı verilmemiştir.
• Cezalandırılmış uygunluk fonksiyonu açıklanmamıştır.
• COAEES sözde kodunda nesil başına iki değerlendirme aşaması bulunmaktadır.
• Metin eşit amaç fonksiyonu değerlendirmesi kullanıldığını söylerken aynı popülasyon ve nesil sayısını vermektedir.
• Amaç fonksiyonu karesel kontrol maliyeti, sonuç ölçütü ise ΔV’dir.
• Yakıt farkı için ayrı bir anlamlılık testi veya güven aralığı karşılaştırması sunulmamıştır.

Dolayısıyla sonuçlar COAEES’in verilen uygulamada daha düşük raporlanmış ΔV ürettiğini göstermektedir; farkın tamamının yalnızca tarihsel deneyim mekanizmasından kaynaklandığı kanıtlanmamıştır.

Parametre duyarlılığı nasıl değişmiştir?

Dört uydulu senaryoda popülasyon büyüklüğü 20, 30, 40 ve 50; maksimum nesil sayısı 200, 300, 400 ve 500 olarak değiştirilmiştir. Her birleşim 100 kez çalıştırılmıştır.

Daha fazla birey ve nesil daha düşük ΔV ve daha yüksek fizibilite sağlamıştır. Buna karşılık en küçük hesaplama bütçesinde her dört koşunun yaklaşık biri kısıtları ihlal etmiştir.

Metin, “popülasyon en az 30 ve nesil sayısı en az 400 olduğunda bütün kombinasyonlarda fizibilite %100’dür” anlamına gelen bir yorum yapmaktadır. Tablo ise 30/400 koşulunda %96, 40/400 koşulunda %99 göstermektedir. Yalnız 30/500, 40/500, 50/400 ve 50/500 birleşimleri %100’dür. Bu nedenle metindeki genelleme tablodaki sayılarla uyuşmamaktadır.

Ayrıca çalışmanın önceki bölümlerinde \(N\) uydu sayısını, \(M\) popülasyon büyüklüğünü ifade ederken duyarlılık bölümünde popülasyon büyüklüğü için yeniden \(N\) sembolü kullanılmıştır. Bu notasyon değişikliği teknik okumayı zorlaştırmaktadır.

Çalışmanın desteklediği sonuçlar

• Önceki nesilden seçilen çözümleri kullanan uyarlanabilir bir evrimsel optimizasyon akışı tanımlanmıştır.
• COAEES verilen altı karşılaştırma fonksiyonunda raporlanan ortalama sonuçlar bakımından PSO, DE, ABC ve GSA’dan daha iyi sonuç vermiştir.
• Dört uydulu gösterim senaryosunda terminal, kontrol, uydular arası mesafe ve engel mesafesi sınırlarını sağlayan bir çözüm üretilmiştir.
• Gösterilen çözümün minimum uydu mesafesi 116,70 metre, minimum engel merkezine uzaklığı 139,23 metredir.
• Üç ile sekiz uyduluk senaryoların tamamında tanımlanan güvenlik eşikleri sağlanmıştır.
• Yüz bağımsız koşuda COAEES için bildirilen ortalama ΔV, çalışmada kullanılan PSO ve DE uygulamalarından daha düşüktür.
• Popülasyon ve nesil sayısı artırıldığında ortalama ΔV azalmış, fizibilite oranı yükselmiştir.
• Yöntem, kullanılan masaüstü bilgisayarda sekiz uyduya kadar birkaç dakikalık çevrim dışı optimizasyon süreleri göstermiştir.

Çalışmanın kanıtlamadığı sonuçlar

• COAEES’in gerçek bir uydu sürüsünde güvenli ve yakıt verimli çalıştığı gösterilmemiştir.
• Yöntem donanım döngülü benzetim, uçuş bilgisayarı veya yörünge deneyiyle doğrulanmamıştır.
• Gerçek zamanlı veya araç üzerinde çalışabilecek hesaplama süresi gösterilmemiştir.
• Hareketli engeller, arızalı uydular, iletişim kesintileri veya durum belirsizliği incelenmemiştir.
• J2, sürükleme, kütle değişimi ve itki hataları altında güvenlik gösterilmemiştir.
• Gerçek yakıt kütlesi veya itici sistem verimliliği hesaplanmamıştır.
• Üç ile sekiz uyduluk testler çok büyük uydu sürülerine ölçeklenebilirliği kanıtlamamaktadır.
• COAEES’in bütün modern optimizasyon algoritmalarından üstün olduğu gösterilmemiştir.
• Nemenyi testi COAEES’in PSO ve DE’den anlamlı derecede üstün olduğunu verilen sıralamalarla doğrulamamaktadır.
• Tarihsel mekanizmanın her bileşeninin katkısını ayıran bir ablasyon çalışması bulunmamaktadır.
• Çarpışma ve engel cezalarının katsayıları açıklanmadığından güvenlik davranışı yeniden üretilememektedir.
• Raporlanan ΔV değerinin doğrudan optimize edilen karesel kontrol amacıyla aynı olduğu gösterilmemiştir.

Çalışmanın güçlü yönleri nelerdir?

Çalışmanın ilk güçlü yönü, yalnız matematiksel karşılaştırma fonksiyonlarıyla yetinmeyip aynı yöntemi uydu yörünge yeniden yapılandırma senaryosunda denemesidir. Terminal hata, uydular arası mesafe, engel uzaklığı, kontrol sınırı ve ΔV birlikte raporlanmıştır.

İkinci güçlü yön, tek bir rastgele koşu yerine karşılaştırma fonksiyonları, algoritma karşılaştırması ve parametre duyarlılığında 100 bağımsız koşu kullanılmasıdır. Ortalama ve standart sapma değerleri, tek koşunun rastlantısal başarısının ötesinde bilgi sağlamaktadır.

Üçüncü güçlü yön, yakıt–güvenlik–hesaplama süresi arasındaki ödünleşimin görünür kılınmasıdır. COAEES daha düşük ΔV üretirken PSO ve DE’den yaklaşık iki kat daha uzun çalışmıştır.

Dördüncü güçlü yön, algoritma güncellemelerinin denklemler ve sözde kodla verilmesidir. Ana yapı anlaşılabilir durumdadır; eksiklik daha çok kısıt cezası, kontrol parametreleştirmesi ve uygulama ayrıntılarındadır.

Başlıca sınırlılıklar nelerdir?

Yöntemin temel yeniliği olarak sunulan tarihsel deneyim belleği yalnızca bir önceki nesli saklamaktadır. Uzun dönemli arşiv, unutma mekanizması, kaliteli geçmiş çözümlerin korunması veya arşiv büyüklüğü yönetimi bulunmamaktadır.

Ceza fonksiyonları çalışmanın girişinde temel sorun olarak eleştirilmesine rağmen kendi cezalandırılmış uygunluk fonksiyonunun formülü verilmemiştir. Bu, yöntemin hem yeniden üretilebilirliğini hem de karşılaştırmaların adaletini sınırlandırmaktadır.

Kontrol noktalarının sayısı, zaman ayrıklaştırması ve karar uzayının boyutu açıklanmamıştır. Dolayısıyla “problem boyutu uydu sayısıyla doğrusal büyümektedir” yorumu bağımsız biçimde kontrol edilememektedir.

Benchmark fonksiyonlarının boyutu ve sınırları belirtilmemiştir. Karşılaştırılan algoritmaların ayarları ayrıntılı verilmediğinden aşırı güçlü veya zayıf parametreleme olasılığı dışlanamamaktadır.

Algoritmanın yeni bileşenlerini tek tek kaldıran ablasyon deneyi yapılmamıştır. Tarihsel yeniden kullanım, uyarlanabilir eşik, trigonometrik arama ve yiyecek arama kuralından hangisinin ne kadar katkı sağladığı bilinmemektedir.

Model doğrusal CW dinamiğine ve sabit dairesel referans yörüngeye dayanmaktadır. Çevresel bozucular, model belirsizliği ve kontrol uygulama hataları bulunmadığı için elde edilen güvenli mesafeler gerçek görev güvenlik marjı olarak kabul edilemez.

Çalışma hakem değerlendirmesinden geçmemiştir. Kod, ham sonuçlar, rastgele tohumlar ve çalışan veri deposu bağlantısı sunulmamıştır.

Çalışmanın Yöntemi ve Bulguları

Sayısal deneylerin genel yapısı

COAEES parametreleri

Dört uydulu senaryonun ana sonuçları

Şekillerin temel mesajları

• Şekil 1: LVLH koordinat sisteminin Dünya, referans yörünge ve uzay aracıyla ilişkisini göstermektedir.
• Algorithm 1, sayfa 9: Ana güncelleme ve tarihsel deneyim aşamasından sonra iki ayrı değerlendirme adımı bulunduğunu göstermektedir.
• Şekil 2: Altı karşılaştırma fonksiyonundaki yakınsama eğrilerini, Friedman sıralamalarını ve çalışma sürelerini göstermektedir.
• Şekil 3: Dört uydu yörüngelerini, engel küresini, güvenli mesafeleri, ΔV değişimini ve her uydunun konum, hız ve kontrol bileşenlerini göstermektedir.
• Şekil 4: Uydu sayısı 3’ten 8’e çıkarken toplam ΔV ve hesaplama süresinin yükseldiğini, minimum uydu mesafesinin genel olarak azaldığını göstermektedir.
• Şekil 5: COAEES, PSO ve DE yörüngeleriyle 100 koşudaki ΔV, süre ve güvenlik mesafesi dağılımlarını karşılaştırmaktadır.
• Şekil 6: Popülasyon ve nesil sayısı büyüdükçe ortalama ΔV’nin azaldığını, hesaplama süresi ile fizibilite oranının yükseldiğini göstermektedir.

İstatistiksel ve yöntemsel değerlendirme

Yüz bağımsız koşu kullanılması olumlu olmakla birlikte yalnız ortalama ve standart sapma raporlanması, özellikle büyük yakıt farklarının dağılım biçimini ve aykırı değerlerini tam olarak açıklamamaktadır. Figürlerde tekil noktalar gösterilse de medyan, çeyrekler arası aralık ve ikili anlamlılık testleri verilmemiştir.

Nemenyi yorumundaki aritmetik tutarsızlık, istatistiksel sonuçların nihai sürümden önce yeniden hesaplanması gerektiğini göstermektedir. Wilcoxon testinin türü de kesinleştirilmeli ve her karşılaştırma için test istatistiği, p değeri ve çoklu karşılaştırma düzeltmesi verilmelidir.

Algoritma karşılaştırmalarında yalnız aynı birey ve nesil sayısını kullanmak hesaplama bütçesini eşitlemeyebilir. COAEES ana ve tarihsel güncellemeden sonra iki değerlendirme yapıyorsa karşılaştırma toplam amaç fonksiyonu çağrısı üzerinden yeniden kurulmalıdır.

Teknik sonuç

COAEES, çalışmada tanımlanan idealize edilmiş bağıl yörünge ortamında güvenli ve düşük ΔV’li çözümler üretmiştir. Önceki nesilden alınan diferansiyel bilgiler, popülasyonun güncel en iyi çözümlere erken kilitlenmesini azaltmış olabilir.

Bununla birlikte sonuçların yöntemsel gücü; açıklanmayan ceza fonksiyonu, belirtilmeyen kontrol ayrıklaştırması, amaç–ΔV farklılığı ve karşılaştırma bütçesi belirsizliği nedeniyle sınırlandırılmaktadır. Yöntem gerçek görev planlaması için umut verici bir araştırma prototipidir; doğrulanmış uçuş algoritması değildir.

Kaynak ve Yöntem Notu

Çalışmanın tam özgün adı:A Constrained Adaptive Experience Exchange Strategy for Spacecraft Swarm Trajectory Reconfiguration

Yazarlar ve sıraları: Zhongxu Zheng; Jingxian Wang; Yan Zhang; Yuzhu Bai; Yong Zhao; Moufa Hu.

Eş birinci yazar veya eş katkı bilgisi: Çalışmada yer almamaktadır.

Sorumlu yazar: Moufa Hu.

Kurumsal bağlantılar:

1. National Key Laboratory of Science and Technology on Automatic Target Recognition, College of Electronic Science and Technology, National University of Defense Technology, Changsha, Çin.
2. College of Aerospace Science and Engineering, National University of Defense Technology, Changsha, Çin.
3. State Key Laboratory of Space System Operation and Control, Changsha, Çin.

DOI: 10.2139/ssrn.7201743.

SSRN’ye yüklenme tarihi: 29 Temmuz 2026.

Yayın platformu: SSRN.

Dergi: Kabul edilmiş veya yayımlanmış bir hakemli dergi bilgisi çalışmada yer almamaktadır.

Özgün yayınevi: Hakemli nihai yayın bulunmadığından doğrulanmış bir makale yayınevi yoktur. SSRN, erken aşama araştırmaların ve preprintlerin paylaşıldığı açık erişimli araştırma platformudur.

Yayın yılı: 2026.

Kaynak türü: Clohessy–Wiltshire yörünge modeli, evrimsel optimizasyon, matematiksel karşılaştırma fonksiyonları ve çok uydulu sayısal görev senaryoları içeren araştırma preprinti.

Hakemlik durumu: Çalışma hakem değerlendirmesinden geçmemiştir. Bulgular bağımsız hakem değerlendirmesi ve olası düzeltmeler öncesindeki erken araştırma sonuçlarıdır.

Resmî kaynak bağlantısı:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7201743

Yazar katkıları: Yüklenen çalışmada ayrı bir CRediT yazar katkı bildirimi bulunmamaktadır.

Fon desteği: Yüklenen çalışmada ayrı ve açık bir fon desteği bölümü bulunmamaktadır.

Çıkar çatışması: Yüklenen sürümde ayrı bir çıkar çatışması bildirimi yer almamaktadır.

Veri ve kod erişimi: Çalışmada algoritma kodu, ham sonuç dosyaları, rastgele tohumlar veya kamuya açık yeniden üretim deposu bağlantısı verilmemiştir.

Bu Türkçe açıklama, yüklenen çalışmanın 22 sayfası; LVLH şeması, hareket ve optimizasyon denklemleri, COAEES’in 13 güncelleme ve deneyim aktarım denklemi, sayfa 9’daki sözde kod, altı tablo ve Şekil 1–6’daki yakınsama, üç boyutlu yörünge, güvenlik, yakıt, ölçeklenebilirlik, algoritma karşılaştırması ve duyarlılık grafikleri incelenerek hazırlanmıştır. Bilimsel içerik yalnızca çalışmanın sunduğu model, yöntem ve sayısal sonuçlara dayandırılmıştır.

Dış kaynak kontrolü yalnızca özgün başlığın, SSRN kayıt numarasının, DOI’nin, yüklenme tarihinin ve platform statüsünün bibliyografik doğrulanması amacıyla kullanılmıştır. Çalışmada bulunmayan dış yörünge veya optimizasyon sonuçları açıklamaya eklenmemiştir.

Çalışmanın başlıca yöntemsel sınırları; yalnız doğrusal CW dinamiğinin kullanılması, gerçek uçuş ve donanım doğrulamasının bulunmaması, kontrol parametreleştirmesinin açıklanmaması, ceza fonksiyonunun verilmemesi, amaç fonksiyonu ile raporlanan ΔV arasındaki fark, karşılaştırma bütçesinin belirsizliği, ablasyon deneyinin olmaması ve kod ile ham verilerin paylaşılmamasıdır.

Makalenin Nemenyi anlamlılık yorumu, ortalama sıralama değerleri ve 2,306 kritik fark birlikte değerlendirildiğinde PSO ve DE için desteklenmemektedir. Parametre duyarlılığı bölümündeki %100 fizibilite genellemesi de Tablo 6’daki %96 ve %99 değerleriyle çelişmektedir. Bu noktalar nihai hakemli sürümden önce düzeltilmelidir.