Hedef: Gerçek dünya ulaşım sistemlerinde en uygun yol planlaması için arama algoritmalarını uygulamak.
Bu projede, Londra metrosunu temsil eden özel bir veri kümesi üzerinde klasik arama algoritmaları kullanarak yapay zekâ tabanlı bir rota bulucu geliştirdim. Sistem aşağıdaki yöntemleri desteklemektedir:
- Genişlik Öncelikli Arama (BFS)
- Derinlik Öncelikli Arama (DFS)
- Uniform Cost Search (UCS) — hat değiştirme cezası ile ve cezasız
- Sezgisel BFS — bölge tabanlı sezgisel fonksiyonlarla
Sistem, gerçek dünya metro verilerini işleyerek seyahat süresi ve hat geçişlerini dikkate alarak en uygun rotaları hesaplar. Özel maliyet fonksiyonu, hat değişimlerini (+10 dakika) cezalandırarak gerçekçi yolcu tercihlerini yansıtır.
Değerlendirme: Farklı algoritmalar, ziyaret edilen düğüm (node) sayısı ve toplam seyahat maliyeti üzerinden birden fazla test rotasında karşılaştırıldı.
Çözülen Zorluklar: Sonsuz döngüler, tutarsız bölge atamaları, optimalite–verimlilik dengesi.
Model ve Araçlar: Python, Pandas, özel grafik yapıları (NetworkX gibi harici kütüphanelere izin verilmedi)