Metaheuristics
65 theses under this subject heading
Tedarik zinciri ağ tasarımı problemleri için çok amaçlı ve çok aşamalı çözüm yaklaşımları
Bu tezde, tedarikçi seçimi ve tedarik zinciri ağ tasarımı problemleri için bir çok ölçütlü karar verme yaklaşımı, bir çok amaçlı matematiksel model ve bir de metasezgisel yaklaşım geliştirilmiştir. Öne sürülen yaklaşımların etkinliğinin gösterilmesi için bir üretim firmasının tedarik zinciri ağı ele alınmıştır. Firmanın üretim yeri sabit ve değiştirilemez olduğundan tüm tedarik zinciri ağının tasarımı problemi 2 ayrı probleme ayrıştırılmıştır. İlk problem tedarikçilerle üretim alanı arasındaki ağın oluşturulmasına odaklanırken ikinci problem üretim tesisi, depolar ve müşteriler arasındaki ağın oluşturulmasına odaklanmıştır. İlk problem bir tedarikçi seçimi problemi olarak ele alınmıştır. Bu sebeple öncelikle tedarikçi seçimine etki eden ölçütler ve bu ölçütlerin ağırlıkları belirlenmiş daha sonra da bu ölçütlere göre tedarikçiler değerlendirilmiştir. Seçime etki eden hem nitel hem de nicel ölçütler olduğu için nitel ve nicel ölçütlerin bir arada ele alınmasına olanak tanıyan bir algoritmanın kullanımı gerekliliği ortaya çıkmıştır. Bu sebeple ilk problemin çözümü için Buckley'in bulanık AHP yaklaşımı kullanılmıştır. İkinci problem için çok amaçlı bir matematiksel model geliştirilmiş ve firmadan elde edilen verilere göre çözdürülmüştür. Hesaplama sonuçları modelin kabul edilebilir bir zamanda optimum çözümü verdiğini göstermiştir. Diğer taraftan, problem NP-Hard sınıfından bir problem olduğu için bu model büyük boyutlu problemlerde optimum çözümü veremeyecektir, bu sebeple bir metasezgisel yaklaşım geliştirilmiştir. Metasezgisel yaklaşımla yapılan hesaplama sonuçları önerilen yaklaşımın bir saniyeden daha az bir süre içerisinde yüksek kalitede sonuçlar verdiğini göstermiştir.
Sezgisel optimizasyon algoritmaları tabanlı kaotik sistem üreteci
Kaotik sistemler, deterministik olmalarına rağmen öngörülemez dinamik davranışlar sergilemeleri sayesinde bilgisayar bilimleri başta olmak üzere birçok disiplinde önemli rol üstlenmektedir. Özellikle düşük hesaplama maliyeti ve sade yapılarıyla öne çıkan bir boyutlu kaotik haritalar uygulamalarda yaygın olarak tercih edilmektedir. Ancak bu avantajlara rağmen kısa kaotik aralık, sınırlı dinamik davranış gibi zayıf yönleri olabilmektedir. Bu nedenle, mevcut haritalar üzerinde iyileştirme yapmak veya daha iyi kaotik davranışa sahip yeni bir boyutlu kaotik haritalar önermek güçlü yöntemler geliştirilmesine katkı sunmaktadır. Bu tez çalışmasında birçok detayı barındıran ve zorlu bir süreç olan yeni bir boyutlu kaotik haritaların keşfi için bir mimari önerilmiştir. Meta-sezgisel optimizasyon yöntemi kullanılarak geliştirilen mimari farklı yapısal özelliklere ve uygulama amaçlarına yönelik kaotik haritalar üretebilecek esnekliğe sahiptir. Çalışmada yapılan deneylerde önerilen mimari için dört farklı senaryo uygulanarak yeni bir boyutlu kaotik haritalar elde edilmiş ve çeşitli analiz yöntemleriyle değerlendirilmiştir. Deneysel bulgular önerilen mimarinin zengin dinamik davranışlar, geniş kaotik bölgeler, güçlü ergodiklik ve yüksek istatistiksel rastgelelik özellikleri sergileyen haritalar üretebildiğini ortaya koymuştur. Bu çalışmanın literatürdeki benzer çalışmalardan ayrılan en dikkat çekici yönlerinden biri sınırlı ve sabit yapılar ile kısıtlanmaksızın çok geniş bir fonksiyon ve matematiksel terim uzayı içerisinden sezgisel olarak seçim yapılarak çok çeşitli kaotik haritaların üretilebilmesidir. Bu esneklik, hem teorik analizler açısından daha geniş bir çeşitlilik sunmakta hem de uygulamalar için özelleştirilmiş kaotik sistemlerin tasarlanmasına imkân tanımaktadır. Tüm bulgular önerilen yaklaşımın literatürdeki mevcut yöntemlere kıyasla daha esnek, optimize edilebilir ve uygulamaya yönelik güçlü bir çerçeve sunduğunu ve özellikle şifreleme ve rastgele sayı üretimi gibi alanlarda yüksek potansiyele sahip olduğunu göstermektedir. Bu çalışma ile yeni kaotik haritaların tasarlanması ve kullanılabilirliğinin gösterilmesi yoluyla, kaos teorisi ve uygulamaları alanındaki bilgi birikimine önemli bir katkı sunulması hedeflenmektedir.
Elektrikli araçlar için menzil tahminine dayalı şarj planlama modeli
Menzil kaygısı sorunu (range anxiety) elektrikli araçlara (EA'lara) geçişi olumsuz yönde etkileyen en önemli faktörlerden biri olmaya devam etmektedir. Menzil kaygısını tetikleyen unsurlar arasında EA sürücülerinin kalan menzil göstergelerine yeterince güvenmemeleri gelmektedir. Bununla birlikte, EA sürücüsünün yolculuğun başında kalan menzil bilgisine göre rota üzerinde şarj için durması gereken yerleri bilmesinin de menzil kaygısını düşürme potansiyeli bulunmaktadır. Akıllı ulaşım teknolojileri sayesinde EA'ların sürücü bilgilendirme sistemleri gerçek-zamanlı verilere erişebilse de belirlenen rotanın koşulları dikkate alınarak menzil tahmini yapılmadığı sürece oluşturulan şarj planının menzil kaygısını azaltması beklenemez. Bu çalışmanın amacı, belirlenen bir rota için gerçek-zamanlı menzil tahminine dayalı şarj planı oluşturarak EA'nın minimum yolculuk süresi veya maliyeti için nerede ve ne kadar şarj olması gerektiğini belirlemektir. Menzil tahmini için, yolculuğa ait statik öznitelikler ve dinamik öznitelikleri girdi olarak alan derin sinirsel ağ (DSA) modeli kullanılmıştır. Şarj planlaması kapsamında, şarj istasyonlarında doğrusal olmayan şarj süresini, zaman dilimlerine bağlı değişen şarj fiyatlarını, uygunluklarını (dolu/boş bilgisi), araçtan şebekeye enerji satışı uygulamalarını (Vehicle to grid /V2G), birden fazla ve farklı güç seviyelerinde şarj ünitelerini dikkate alan karma tamsayılı doğrusal programlama modeli geliştirilmiştir. Ancak geliştirilen matematiksel programlama modelin çözüm elde etme süresi açısından yetersiz kalması nedeniyle çözüm yaklaşımı olarak genetik algoritma ve matematiksel programlama modelinin hibrit kullanımından oluşan mat-sezgisel bir yaklaşım önerilmiştir. 32 farklı büyüklükteki problem üzerinde yapılan test sonuçları, mat-sezgisel yaklaşımının hem minimum yolculuk süresi hem de minimum yolculuk maliyeti için genetik algoritma ve sezgisel yaklaşımlardan daha başarılı sonuçlar verdiğini göstermektedir.
Closed-loop supply chain network for end-of-life wind turbines considering CO2 emission and employment
End-of-life (EOL) wind turbines (WT) are the issue that will need to be addressed on a mid- to long-term scale, as the use of wind energy is on the rise around the world. In order to deliver efficient and effective operations, it is necessary to establish a systematic approach to handling EOL WTs. Thus, a closed-loop supply chain network is essential for meeting this demand. To accomplish the aforementioned aim, text mining and clustering are used to compress the literature review. Hence, literature is lacking. Next, a multi-objective mathematical model for a closed-loop supply chain network covering CO2 emissions, employment, and transportation and process costs is provided. Due to the model's reduced complexity in component movement from wind farms to disassembly centers, an uncapacitated p-median problem is applied to center selection. The novel meta-heuristic Improved Crow Search Algorithm solves the p-median problem (I-CSA). An integrated local search portion in gap and time improves convergence to an optimal or near-optimal solution in the discretized Crow Search Algorithm (CSA). The thesis proposes a structured, closed-loop supply chain for EOL WTs. Text mining and clustering find literature gaps, another thesis contribution. Finally, a new meta-heuristic approach is used to the uncapacitated p-median problem for the first time.
Coordinated production – inventory – distribution - routing problem on closed loop supply chain with recycling option
In this study, a coordinated production, inventory, distribution and routing problem in a closed loop supply chain is considered. The closed loop supply chain tackled in this study is capable of both recycling and disposal activities. The primary aim of this study is to investigate the performance of coordinated decisionmaking for production, inventory, distribution and routing in a closed loop supply chain. The problem is dealt with both the production-inventory trade-off and distribution-routing plans at each period on both forward and backward flows. The problem is formulated as a mixed integer linear programming model and solved optimally. The case study for a fats oil supply chain is conducted and results are given. According to case study results, the proposed coordinated decision-making reduces operational costs of the overall chain by about ten percent. Furthermore, random test instances are generated for evaluating the mathematical programming model. A comprehensive sensitivity analysis of this model is performed to assess the effect of changing the model parameters' values. Problems under different scenarios (such as changes in number of nodes and periods) are also run to investiagte CPU time and optimum cost . A decomposition heuristic based on a simulated annealing algorithm is proposed for solving large scale instances. Furthermore, a software with a graphical user interface is developed to automate all calculations for all problem sizes. An extensive comparative study is conducted to compare the results of the mathematical programming model, proposed heuristic and the two stage approach solving forward and backward flows of CLSC respectively.
Çoklu depolu araç rotalama probleminin hibrid algoritmalar yöntemiyle çözülmesi
Araç rotalama problemi, 60 yıla yakın bir süredir çalışılan konular arasındadır. Araç rotalama problemi 1959 yılında ilk defa Dantzig ve Ramser tarafından akademik bir çalışma olarak ortaya konmuştur (Dantzig ve Ramser, 1959). ARP, en basit haliyle, n adet müşteriye tam olarak hizmet sağlarken ortaya çıkan kısıtların göz önünde bulundurulduğu ve aynı zamanda maliyetin en aza indirgenmesinin amaçlandığı rotalama problemidir. Araç Rotalama Problemi, işletmelerde özellikle dağıtım kanallarında rota planlarının yapılması sırasında karşılaşılan ve lojistik maliyetlerini önemli ölçüde belirleyen, sıralama ve gruplamanın yapıldığı NP-zor kombinatoryal optimizasyon problemidir. Bu problemin çözümü için önerilen kesin ve sezgisel çözüm metotları vardır. ARP için en etkili sonuçlar veren algoritmalar ise metasezgisel algoritmalardır. Literatürde ARP'yi inceleyen çok sayıda araştırma yapılmış ve halen üzerinde çalışılan bir konudur. Bu çalışmalar çoğunlukla tek bir depoyu göz önünde bulundurmaktadır. ARP türlerinden Çoklu Depolu Araç Rotalama Problemi diğer türlere göre daha realistik bir durumu göz önünde bulundurur (Crevier, Cordeau ve Laporte, 2007). Bazı işletmeler yaptıkları işlere göre farklı lokasyonlarda bulunan müşterilerine tek bir depodan hizmet vermek yerine farklı konumlarda bulunan birden çok depodan hizmet verebilmektedir. Bu durumda Çoklu Depolu Araç Rotalama Problemi'nden söz edilir. Çalışmalarda geçmişten günümüze doğru geldikçe rotalama problemleri çözümü için metasezgisel yöntemlerin kullanımı artmıştır. Bu tez çalışmasında çoklu depolu araç rotalama problemini çözmek için metasezgisel yöntemlerden Genetik Algoritma ve Yapay Sinir Ağları ve bir kümeleme algoritması olan K-Means kullanılmıştır. Genetik Algoritma ve Yapay Sinir Ağlarında birbirinin eksikliklerini tamamlayan iki yapı mevcuttur. Genetik Algoritma yapısı gereği global taramada, Yapay Sinir Ağları ise yerel optimum sonuç bulmada etkin olup iki yöntem birleştirilerek daha yüksek performans sağlayan sonuçlar bulmak hedeflenmektedir. Bu yöntem bilinen kıyaslama problemleri üzerinde çalıştırılmış ve çoklu depolu araç rotalama problemi için uygulanmıştır. Anahtar kelimeler: Araç rotalama problemi, çoklu depolu araç rotalama problemi, metasezgisel yöntemler, hibrid algoritmalar.
Atölye tipi üretim çizelgelemede metasezgisel yaklaşımlar ve yapay sinir ağı uygulaması
Üretim çizelgeleme, üretim planması çalışmaları içinde ileriye yönelik kısa periyotlu planlar olarak kabul edildiğinden etkin bir çizelgeleme ve kontrolün üstünlükleri ve üretim sürecine katkıları çoktur. Kaynakların etkin kullanımı verimliliği yükseltirken müşteriler açısından da siparişlerin zamanında karşılanmasını sağlar. En basit çizelgeleme sistemi bile karmaşık bir çözüm yapısına sahiptir. Uzun tedarik süreleri de talebin doğru olarak tahmin edilmesini güçleştirmektedir. Bu tür yönetilmesi zor üretim süreçleri için çizelgeleme problemlerinin etkin şekilde çözümlenmesi büyük önem arz etmektedir. Atölye tipi çizelgeleme problemleri (ATÇP), NP-zor problemler sınıfında yer alan kombinatoryal problemlerdendir. Bu tip problemlerde kısıtlar arttıkça çözüm uzayı sonsuza doğru gitmeye başlar ve kesin optimum çözümü bulmak gittikçe zorlaşır. Bu nedenle son yıllarda bu tip problemleri çözmek için metasezgisel algoritmalardan yararlanılmaktadır. Bu tez çalışmasında ATÇP için kullanılan metasezgisel yöntemler ve literatür çalışmaları açıklanmıştır. Ayrıca çizelgeleme için C# programlama dili kullanılarak yapay sinir ağı (YSA) algortiması geliştirilmiştir. Taillard karşılaştırma problemlerinin atölye tipi üretim verileri kullanılarak, geliştirilen YSA yöntemi ile toplam işlem süresi (makespan) hesaplanmıştır. Elde edilen sonuçlar literatürde bulunan sonuçlar ile karşılaştırılmış ve algoritmanın etkinliği test edilmiştir.
Zaman pencereli araç rotalama problemine uygulanan meta-sezgisel çözüm önerilerinin karşılaştırılması
Yöneylem Araştırması alanının önemli bir bölümü Araç Rotalama Problemi (ARP) ile uğraşmaktadır. ARP, günümüzde gelişen dağıtım şebekelerinin çok çeşitli sektörlerde kullanılan nakliye araçlarının müşterilere istedikleri hizmet veya malı teslim etme sorununu tanımlamaktadır. Zaman Pencereli ARP (ZPARP) ise daha gerçekçi bir senaryo ile müşterilere götürülecek hizmet veya malın yine müşterinin belirlediği zaman dilimi içerisinde gerçekleştirilmesi problemini inceler. Yöneylem araştırmasının karşılaştığı pek çok güncel problem hesaplamasal olarak yoğun kaynak gereksinimi duyan karmaşık problemlerdir. Bu nedenle bu tür problemlere kesin çözüm bulmak oldukça güçleşir. Bu tür durumlarda en yaklaşık çözüm bulmaya yarayan sezgisel veya meta-sezgisel yöntemlere başvurulur. Meta-sezgisel yöntemler genellikle doğadaki yaşam formlarından esinlenen evrimsel algoritmalardır. Bu araştırmada ZPARP problemi Genetik Algoritma (GA) ve Set-tabanlı Parçacık Sürü Optimizasyonu (S-PSO) meta-sezgisel yöntemler ile çözülmeye çalışılarak karşılaştırmalı bir değerlendirilmesi yapılmaktadır. Stokastik niteliğe sahip S-PSO ile açgözlü ilklendirme niteliğine sahip GA algoritmalarının başarım durumları Solomon'un kıyaslama veri kümesi ile karşılaştırılarak bu çözüm yöntemlerinin ZPARP'ne uygulanabilir yaklaşık çözüm bulmaları incelenmektedir. Anahtar kelimeler: ARP, meta-sezgisel, parçacık sürü optimizasyonu, genetik algoritma
Çok amaçlı hibrit akış tipi çizelgeleme probleminin metasezgisel yöntemle çözülmesi ve bir tekstil işletmesinde uygulama
İşletmelerin planlama yeteneklerinin artırılarak süreçlerin daha verimli hale getirilmesi ile işletmeler maliyet, işgücü, üretim süresi konularında tasarruf sağlayıp, müşteri memnuniyetlerini arttırabilmekte ve karlılıklarını yükseltebilmektedirler. Optimizasyon ve çizelgeleme problemleri projelerdeki faaliyet sayılarının fazlalığı, işgücü ve hammadde gibi ek kaynaklar, faaliyetler arasındaki öncüllük-ardıllık ilişkileri gibi etkenler sebebiyle oldukça karmaşık bir yapıya sahiptir ve büyük bir çoğunluğu çözümü zor problemler olarak nitelendirilmektedir. Bu tür problemlerin çözülmesi çoğu zaman kesin çözüm algoritmaları ile mümkün olamamaktadır. Hibrit akış tipi çizelgeleme problemleri birden fazla özdeş ve paralel şekilde çalışan makinenin bulunduğu ikiden fazla akış tipi üretim aşamasını içermektedir. Hibrit akış hatları çok sayıda işletmede gözlenebilmektedir. Elektronik üretiminde, ilaç sektöründe, bilgisayar endüstrisinde, kağıt üretiminde, kozmetik sektöründe, tekstil alanında ve günlük hayatta kullandığımız pek çok ürünün imalat süreçlerinde hibrit akış tipi üretim sistemleri kullanılmaktadır. Bu tez çalışmasında bir tekstil işletmesine ait hibrit akış tipi çizelgeleme problemine, yapay sinir ağları ve genetik algoritmaların birleşmesi sonucu meydana gelen NöroGenetik algoritma ile çözüm sağlanmıştır. Bu hibrit yaklaşım ile global optimum sonuç aramada etkin bir yöntem olan genetik algoritmalar ve yerel optimum sonuç bulmada başarılı olan yapay sinir ağları dönüşümlü olarak çalıştırılmıştır. Bu iki algoritmanın güçlü yanları birleştirilerek üretim planlama ve çizelgeleme konusunda iyileştirme sağlamak amaçlanmıştır. Elde edilen sonuçlar işletmenin gerçek verileriyle karşılaştırılmış ve oluşturulan algoritmanın etkinliği yorumlanmıştır.
Türkiye'nin uzun vadeli enerji tüketiminin metasezgisel algoritmalarla tahmini
Energy is one of the most important topics for the sustainable development of countries. Due to the fact that the energy used can be depleted, it imports many energy sources, and environmental factors, it is of great importance for Turkey to forecast how much energy needs may be in the future. In this study, whale optimization algorithm (WOA) was preferred from metaheuristic algorithms in order to forecast the amount of energy consumption of Turkey until 2040. A genetic algorithm (GA) and an artificial bee colony algorithm (ABC) were used to measure the performance of the WOA. These heuristic algorithms are increasingly preferred by the high forecasting performance obtained from the models they create. All models are arranged linear and quadratic and the result is obtained. Data for independent variables such as gross domestic product (GDP), population, imports and exports affecting energy consumption were used between 1990 and 2019. These data are taken from TUIK (Turkish Statistical Institute), BP World Energy Statistics Report, World Bank and IEA (International Energy Agency). Modeling of the past 30 years has been provided to determine the equation that gives the closest result to the actual value. For the next 20 years, calculations were made according to 4 different scenarios. According to these calculations, it was observed that the ABC linear model works better than the other two models with values of 99% R^2 and 4.35% MAPE.
Uygunluk mesafe dengesi tabanlı sezgisel optimizasyon algoritmalarının güç sistemi problemlerine uygulanması
Bu tez çalışmasında, modern güç sistemlerinin planlanması ve işletiminde kritik öneme sahip kısıtlı güç sistemi problemlerinin çözümü için hibrit optimizasyon algoritmalarının geliştirilmesi amaçlanmıştır. Bu kapsamda, optimizasyon alanında iki önemli konu üzerinde araştırma yapılmış ve önemli kazanımlar elde edilmiştir. Bu konulardan ilki, uygunluk-mesafe dengesi (Fitness-Distance Balance, FDB) ve dinamik uygunluk-mesafe dengesi (Dynamic Fitness Distance-Balance, dFDB) seçim yöntemlerini kullanarak tek amaçlı meta-sezgisel algoritmaların arama performansının geliştirilmesidir. Erken yakınsama ve zayıf çeşitlilik problemlerinden muzdarip olan uyarlanabilir bilgi edinme-paylaşma (Adaptive Gaining-Sharing Knowledge, AGSK) ve Levy uçuş dağılımı (Levy Flight Distribution, LFD) algoritmalarının handikaplarını ortadan kaldırmak ve böylece arama performansını iyileştirmek için FDB seçim yöntemi kullanılmıştır. Baz algoritmaların seçim stratejileri FDB yöntemi kullanılarak yeniden tasarlanmış ve global optimizasyon problemlerini etkin bir şekilde çözme yeteneğine sahip hibrit FDBAGSK ve FDBLFD algoritmaları geliştirilmiştir. Bu çalışmanın orijinal katkılarından biri olarak geliştirilen dFDB seçim yöntemi manta ışını yiyecek arama optimizasyon (Manta Ray Foraging Optimization, MRFO) algoritmasına uygulanmış ve dFDB-MRFO olarak isimlendirilen yeni bir hibrit algoritma önerilmiştir. Araştırmanın yürütüldüğü ikinci konu, kısıtlı güç sistemi problemlerinin optimizasyonudur. Bu kapsamda ilk olarak, stokastik rüzgâr, güneş, hidro ve gelgit enerji kaynakları ile Çok-Terminalli Yüksek Gerilim Doğru Akım (ÇTYGDA) iletim hattı bağlantılarını içeren IEEE 30-baralı güç sisteminde Çok-Amaçlı Optimal Güç Akışı (ÇAOGA) probleminin optimizasyon modeli sunulmuştur. Önerilen problemin optimizasyonunda çok amaçlı çekirge optimizasyon algoritması (Multi-objective Grasshopper Optimization Algorithm, MOGOA) ve literatürdeki güçlü optimizasyon yöntemleri kullanılmıştır. Simülasyon sonuçları, MOGOA yönteminin, elde edilen Pareto optimal çözümlerin doğruluğu ve bunların dağılımı açısından oldukça rekabetçi sonuçlar elde ettiğini göstermiştir. Ardından, önerilen FDBAGSK algoritması dağıtılmış üretim ve iki terminalli YGDA iletim bağlantılarını içeren IEEE 30 ve IEEE 57-baralı güç sistemlerinde Alternatif Akım/Doğru Akım Optimal Reaktif Güç Akışı (AA/DA ORGA) probleminin çözümüne uygulanmıştır. Simülasyon sonuçlarından elde edilen bulgular, hibrit FDBAGSK algoritmasının büyük ölçekli güç sistemlerinde ORGA probleminin farklı konfigürasyonlarını verimli bir şekilde çözebildiğini göstermiştir. Optimal Otomatik Gerilim Regülatörü (OGR) tasarımında kullanılan PID, PIDF, FOPID ve PIDD2 kontrolcü parametrelerinin optimizasyonuna hibrit FDBLFD algoritması uygulanmıştır. Optimum OGR tasarımı için en iyi kontrolcü performansı, FDBLFD tabanlı PIDD2 ile elde edilmiştir. Son olarak, Yönlü Aşırı Akım Röleleri (YAAR) koordinasyon problemi hibrit dFDB-MRFO algoritması kullanılarak optimize edilmiştir. Önerilen optimizasyon yönteminin etkinliğini doğrulamak için, farklı karmaşıklığa sahip beş test sistemi üzerinde kapsamlı bir simülasyon gerçekleştirilmiştir. Simülasyon sonuçları, önerilen hibrit algoritmanın, YAAR koordinasyon problemini çözmek için verimli ve güvenilir bir yöntem olduğunu doğrulamıştır. Tüm sonuçlar bir arada düşünüldüğünde tez çalışmasında önerilen uygunluk mesafe dengesi tabanlı hibrit optimizasyon algoritmalarının güç sistemi problemlerine karşılaştırılan diğer algoritmalara kıyasla daha düşük hata ve yüksek doğruluk ile optimum çözümler üretebildiği gözlemlenmiştir.
Çevrimiçi sosyal ağlarda derin öğrenme ve hibrit metasezgisel algoritma tabanlı nefret söylemi tespit sistemi
Sosyal medyanın son yıllarda yükselişiyle birlikte çevrimiçi ağlar, dünyanın her yerindeki milyarlarca insanın birbirleriyle etkileşimde bulunduğu, çeşitli içeriklerin paylaşıldığı ve sayısız günlük aktiviteyi gerçekleştirdiği canlı bir ortam haline gelmiştir. Sosyal ağların bu yoğun kullanımı birçok problemi beraberinde getirmiştir. Bu problemlerden biri olan Nefret Söylemi; bir kişiyi, olayı, kuruluşu, toplumu ya da düzeni hedef alan ve ifade özgürlüğünü aşan paylaşımların tamamıdır. Bu içeriklerin en başta insan haklarını ihlal etmesinden dolayı yayılmasının engellenmesi önem arz etmektedir. Ne yazık ki sosyal medya verileri, aşina olduğumuz geleneksel verilerden önemli ölçüde farklıdır. Muazzam boyutuyla beraber paylaşılma hızı göz önünde bulundurulduğunda, Nefret Söylemi tespiti sisteminin yapay zeka destekli yöntemlerle hızlı karar verme kabiliyetine sahip bir yapıda olmasını zorunlu kılmaktadır. Karmaşık bir yapıya sahip Nefret Söylemi problemi, disiplinler arası birçok problemin çözümü için uygulanan mevcut yapay zeka yöntemlerine ek olarak farklı yeni tekniklere yönelik talepleri beraberinde getirmektedir. Bu çalışma ile beraber Nefret Söylemi tespiti problemi için literatüre yeni bir soluk kazandıracak metasezgisel optimizasyon algoritmaları ve bu algoritmaların hibrit versiyonu önerilmiştir. Tamamlanan bu tez çalışmasında Nefret Söylemi tespiti problemi bir optimizasyon problemi olarak modellenmiştir. Önerilen hibrit metasezgisel optimizasyon algoritması, Nefret Söylemi probleminin çözümü için ilk kez kullanılmıştır. Önerilen yöntemle beraber çeşitli son teknoloji optimizasyon algoritmalar ve yapay zeka temelli algoritmalar kullanılarak sistemin başarısı değerlendirilmiştir. Önerilen yöntemin çevrimiçi sosyal ağlarda Nefret Söylemi içeriklerinin tespit edilip yayılmasının engellenmesi için etkin ve güvenilir çalışıp çalışmadığı ve diğer yöntemler karşısındaki başarısı çeşitli değerlendirme ölçütleri kullanılarak incelenmiştir. Elde edilen umut verici sonuçlar ışığında önerilen yöntemlerin birçok farklı sosyal ağ probleminin çözümünde uygulanabileceği öngörülmektedir.
Bulut sistemlerde görev çizelgeleme problemlerine metasezgisel bir çözüm modelinin geliştirilmesi
Bulut bilişim teknolojisi birçok verinin internet ortamında barınmasını, değerlendirilebilmesini, kullanıcıların yalnızca tükettiği hizmet kadar ödeme yapmalarını sağlayan sanallaştırılabilir ve ölçeklenebilir kaynakların toplamıdır. İnternet altyapısının gelişmesi, Nesnelerin İnterneti teknolojisinin yaygınlaşması, büyük verinin hızlı artışı ve buna yönelik çalışmaların ortaya çıkması, yapay zekâ çalışmalarındaki gelişmeler gibi birçok sebep bulut teknolojilerinin yaygınlaşmasına neden olmuştur. Bulut bilişimin en önemli mekanizmalarından biri sanal makinelerdir. Sanal makineler müşterilerin ihtiyaçları doğrultusunda bulut sistem üzerindeki kaynaklardan oluşturulurlar. İş hacmine bağlı olarak müşterilerin sanal makine sayıları ve özellikleri çeşitlilik gösterebilir. Müşteriler bu sanal makinelerin özelliklerine ve kullanım sürelerine göre bulut sağlayıcıya belirli ücretler öderler. Sanal makineler üzerinde çalıştırılması gereken görevlerin yanlış çizelgelenmesi görev tamamlanma süresinin (makespan) artmasına ve doğal olarak da müşteri için maliyet artışına yol açar. Görev tamamlanma süresindeki bu artış, dolaylı olarak bulut sağlayıcının da enerji sarfiyatı ve bakım onarım maliyetlerini olumsuz etkiler. Bu sebeple bulut sitemlerde sanal makineler için iyi bir görev çizelgeleme algoritmasının kullanılması hem müşteri hem de bulut sağlayıcı açısından zorunludur. Görev çizelgeleme, NP-hard tipi bir problemdir. Deterministtik yaklaşımlar yerine metasezgisel algoritmaların kullanılması performans açısından bu tip problemlerin çözümünde sıklıkla tercih edilmektedir. Ancak öte yandan, problem tipinden dolayı, rastgele arama temelli metasezgisel algoritmaların lokal minimalara takılma olasılıkları da yüksektir. Bu olasılık görev ve sanal makine sayılarının artmasıyla daha da artabilmektedir. Bu sebeple kullanılan metasezgisel algoritmaların bu sorunu aşacak mekanizmalar kullanması gerekmektedir. Bu çalışma bu sorunun çözümü için farklı bir yaklaşım mekanizması kullanan ve güncel metasezgisel algoritmalardan olan Denizanası Arama Optimizasyonu (Jellyfish Search Optimizer) temelli bir çözüm önermektedir. Önerilen yöntemin en özgün yanı, daha hızlı bir şekilde lokal minimalardan kurtulmak için farklı bir benzerlik kontrolü ile dinamik popülasyon artışına imkân vermesidir. Böylece arama uzayında daha verimli bir keşif süreci gerçekleştirilmiş olmaktadır. Buna ek olarak bu algoritmanın, görev çizelgeleme problemi için çoklu iş parçacığı (Multi-Thread) ve çoklu-süreç (Multi-Process) analizleri de bu tez kapsamında yapılmıştır. Önerilen yöntemin performansı, CloudSim simülatöründe farklı senaryolar için karşılaştırmalı olarak denenmiş ve ispatlanmıştır.
Güncel akıllı optimizasyon algoritmalarıyla duygu sınıflandırılması
Sosyal ağlar, son yıllarda günlük yaşam tarzının önemli bir parçası haline gelmiştir ve gittikçe önem kazanmaktadır. Ağ analizi, bir sosyal sistemi incelemek için en iyi yolun sistem üyeleri arasındaki bağları incelemek olduğu varsayımıyla toplumsal yapıyı inceleyen bir yaklaşımdır. Günümüzde sağlık, eğitim, akademik gibi birçok alanda kullanılmaktadır. Sosyal ağların aktif bir şekilde kullanımı sosyal ağ analizi gereksinimi ortaya çıkarmıştır. En bilinen sosyal ağ analizi problemlerinden biri olan duygu analizi – fikir madenciliği insanların, ürünler, hizmetler, kuruluşlar, bireyler, konular, etkinlikler, başlıklar ve nitelikleri gibi varlıklara yönelik fikirlerini, duygularını, değerlendirmelerini, derecelendirmelerini, tutumlarını ve hislerini analiz eden çalışma alanıdır. Bu tez çalışmasında duygu analizi ilk defa bir optimizasyon problemi olarak ele alınmıştır. Duygu analizi problemi için, güncel akıllı optimizasyon algoritmalarından Balina Optimizasyonu Algoritması ve Sosyal Etki Teorisi tabanlı Optimizasyon Algoritması uyarlanmıştır. Daha verimli sonuçlar alabilmek için Sosyal Etki Teorisi tabanlı Optimizasyon Algoritmasına hafıza özelliği eklenilmiştir. Çalışmada IMDB, Polarity ve Amazon olmak üzere üç adet veri seti kullanılmıştır. Sonuçların performanslarını değerlendirmek için literatürde en çok bilinen değerlendirme ölçütleri olan doğruluk yüzdesi, kesinlik, hassasiyet, F-Ölçütü ve MCC kullanılmıştır. Elde edilen sonuçlar otuz üç tane denetimli öğrenme algoritmalarıyla karşılaştırılmıştır. Sonuçlar incelendiğinde, metasezgisel optimizasyon algoritmalarının duygu analizinde başarılı sonuçlar verdiği görülmüştür.
Increasing efficiency of combinatorial optimization problems on quantum annealers using classical computers
Google's claim of quantum supremacy is a big milestone in the history of quantum computing. Despite the claim, the practical applicability of quantum computers remains questionable due to the low number of quantum bits and high noise rates. An alternative model of quantum computing is quantum annealing, which is capable of solving only an optimization problem in a specific format. Quantum annealing is being actively researched due to the fact that the scale of such devices has increased up to thousands of qubits. This relatively high number of qubits enables quantum annealers to solve problems of larger sizes, hence makes them usable in real-life scenarios. The specific format of the solved optimization problem is called an Ising formulation, which can also be represented as quadratic unconstrained binary optimization (QUBO). The QUBO consists of a set of qubits with corresponding bias weights and the quadratic weights between the qubits. This thesis presents two schemes for weight optimization in the QUBO formulation of two different combinatorial optimization problems. Both schemes involve a classical computer redefining the QUBO weights that is interfaced with an annealing device, which solves the QUBOs. The first combinatorial problem is the task assignment problem, in which the biases represent the computational costs of tasks and quadratic terms model communication between tasks. The second problem is the circuit mapping problem, where the biases represent the fidelity of quantum gates, while the quadratic terms model qubit movement. The first approach named weight optimization algorithm (WOA) searches for a desirable ratio between the qubit biases responsible for fidelity of mapping quantum gates to physical qubit topology and the quadratic terms responsible for qubit movement. The desirability of the ratio is defined by the total fidelity resulting from both qubit movement and mapping. The second presented model uses ant colony optimization (ACO) to update the quadratic terms of the QUBO that solves the task assignment problem. However, this model can be generalized to any combinatorial optimization problem solvable by the ACO. Efficient updates of the weights based on the answers from previous QUBOs are expected to guide the reformulated QUBOs towards the optimum of the objective function. At the same time, this algorithm would allow utilizing the stochasticity of quantum annealers for better exploration of the solution space and their speed for faster generation of candidate solutions. The introduction of the WOA into the quantum annealing workflow for quantum circuit mapping resulted in reduced qubit movement in 72.9% of all problem samples. Moreover, it allowed to increase the total fidelity of the mapped circuit by 39% on the IBM Vigo device and 107% on IBM QX2. The experiments have been performed on the tabu search QUBO solver from the D-Wave quantum annealing software stack. The results for the ant colony weight optimizer are limited due to the unavailability of a quantum annealing device.
Değişken komşuluk arama yöntemi ile otomatik stoklama ve erişim sisteminde isteklerin sıralanması ve dijital ikiz alt yapısının oluşturulması
Günümüzde hızla gelişen teknolojiler sayesinde her alanda maliyetleri en aza indirebilecek teknolojiler mevcut. Bunlardan bir tanesi de otomatik depolar. Bu depolarda toplanan stoklama ve erişim taleplerini sıralayarak sistemi daha verimli hale getirmek mümkün. Bu çalışma kapsamında istekleri sıralamak için meta sezgisel bir yöntem olan değişken komşuluk arama kullanılmış ve bu yöntemin ana sorularını oluşturulan komşuluk yapısı ve durdurma kriteri için deney tasarımı yapılarak her bir değişkenin sonuçları nasıl etkilediği incelenmiştir. Farklı depo yapılarında çalışmaya uygun bir simülasyon program tasarlanmış ve belli aralıklarla sıralama algoritması çalıştırılarak sonuçları incelenmiştir. Böylece gelecek dönemler için belli bir sistemin birebir aynısını yansıtan ve burada elde edilen sonuçlar doğrultusunda karar vericiye yardımcı olabilecek bir dijital ikiz alt yapısı oluşturulmaya çalışılmıştır.
Eruh su dağıtım şebekesinin metasezgisel yöntemlerle optimizasyonu
Ülkemizde artan nüfusa bağlı olarak su kaynaklarının doğru kullanımı ve suyun tüketicilere ulaştırılması konuları gittikçe önemini arttırmaktadır. Suyun tüketicilere ulaştırılması maliyet gerektiren birçok işlemden oluşmaktadır. Bu maliyetin büyük bir kısmını su dağıtım şebekeleri oluşturmaktadır. Bu doğrultuda suyun tüketicilere ulaştırılması için kullandığımız şebeke borularının tasarımı da önem kazanmaktadır. Şebeke borularının maliyetlerini azaltmak için şebekenin tasarımı ve optimize edilmesi amacıyla kullanılan birçok yöntem bulunmakta olup, metasezgisel yöntemler kullanılarak boru çaplarının optimize edilmesi de bunlardan biridir. Bu çalışmada da mevcut bir içme suyu şebeke hattı, Epanet programında yeniden tasarlandıktan sonra Epanet-Matlab araç seti kullanılarak şebekedeki boruların çapları ile ilgili maliyet optimizasyonu yapılmıştır. Optimizasyon da metasezigesel yöntemler olan genetik algoritma (GA) ve parçacık sürü optimizasyonu (PSO) algoritmaları kullanılmıştır. Epanet programı ile tasarım yapılırken su dağıtım şebekesinin boru kotları ve çapları mevcut durumuna uygun bir şekilde hazırlanmıştır. Mevcut durumuna uygun bir şekilde Epanet programı yardımı ile yeniden tasarlanan şebeke hatları Matlab programına aktarıldıktan sonra şebeke borularına belli basınç kısıtlayıcıları getirilmiştir. Bu doğrultuda genetik algoritma ve parçacık sürü optimizasyonu algoritmaları kullanılarak şebeke boruları optimize edildikten sonra elde edilen yeni boru çapları yeniden Epanet programına girilerek sistem başarılı bir şekilde çalıştırıldı. Genetik algoritma ve parçacık sürü optimizasyonu algoritmaları ile yapılan optimizasyon sonuçları karşılaştırıldı. Bu tez çalışması kapsamında ele alınan Siirt iline bağlı Eruh ilçesi içme suyu şebeke hattı ile ilgili, yapılan optimizasyonlar sonucunda şebekenin boru maliyetlerinin bir miktar düşürüldüğü görülmüştür. Elde edilen sonuçlar incelendiğinde yapılan optimizasyonda kullanılan algoritmaların kontrol parametrelerinin değişkenliğine bağlı olarak ortaya çıkan maliyetin azalma miktarı da farklılık göstermiştir. Bu tez çalışmasında Epanet-Matlab araç seti kullanılarak yapılan maliyet analizinde doğru kontrol parametreleri kullanıldığında başarılı sonuçlar elde edildiği tespit edilmiştir. Anahtar kelimeler: Epanet programı, Matlab, Epanet-MATLAB araç seti, metasezgisel optimizasyon algoritmaları, Genetik algoritma, Parçacık sürü optimizasyonu algoritması
CMAC sinir ağı öğrenme yöntemi kullanılarak yeni melez GSA ve PSO optimizasyon algoritmalarının geliştirilmesi ve başarım analizi
Son zamanlarda karmaşık ve zorlu problemlerin çözümünde kullanılmak üzere geliştirilmiş metasezgisel algoritmaların sayısı oldukça fazladır. Bu algoritmaların birçoğu, doğal olayların, sistemlerin veya canlı türlerinin davranışlarından ilham alarak mühendislik problemleri için en iyi çözümü bulmayı amaçlamaktadır. Yeni algoritmaların bazıları en iyi çözüm arayışında, iki veya daha fazla algoritmanın veya metotların hibritleştirilmesi ile meydana gelmektedir. Bu tez çalışmasında, karmaşık ve zorlu mühendislik problemlerin çözümünde etkili ve verimli sonuçlar elde etmek için iki yeni algoritma geliştirilmiştir. Bunlardan birincisi, Newton'un evrensel çekim yasasına dayanarak geliştirilen Yerçekimsel Arama Algoritması (GSA) ile bir yapay sinir ağı yöntemi olan Serebellar Model Eklem/Artikülasyon Denetleyicisinin (CMAC) hibritleştirilmesine dayanan algoritmadır. İkincisi ise, kuş ve balık sürülerinin hayvan toplulukları içerisinde yiyecek bulma davranışlarından esinlenerek sunulmuş Parçacık Sürü Optimizasyonu (PSO) algoritması ile CMAC yapay sinir ağıyla hibritleştirilmesine dayanan algoritmadır. Geliştirilen GSA ve PSO algoritmaların varyantları sırasıyla CMACGSA ve CMACPSO olarak adlandırılmıştır. Önerilen CMACGSA algoritmasında GSA'daki parçacıkların / ajanların kütlesini hesaplamak için farklı bir öğrenme prosedürü kullanılmaktadır. CMAC sinir ağı, GSA parçacıklarının / ajanlarının kütlelerini hesaplamak için klasik GSA'ya entegre edilmiştir. Klasik GSA'da ajanlar başlangıçta rastgele olarak konumlandırılırken CMACGSA'da CMAC'in başlangıçta giriş değerlerini kuantalama işlemi CMACGSA'nın başlangıç kriteri olarak uygulanmıştır. Ek olarak, CMACGSA algoritmasına literatürde var olan üç farklı mekanizma eklenerek iyileştirmeler yapılmıştır. Bu mekanizmalardan ilki, yerel minimuma takılmasını önlemek için popüler yöntemlerden biri olan Lévy mutasyonu, ikinci mekanizma ise, yineleme sırasında arama sınırlarının aşılmasını önlemek için sınır kontrol yöntemidir. Sonuncusu, yineleme sırasında belirli sayıda iyileşme olmazsa, ajanların konumlarını rastgele yeniden belirleyen hata (sayaç) işleme mekanizmasıdır. Geliştirilen diğer algoritma olan CMACPSO'da ise, klasik PSO algoritmasındaki hız güncelleme mekanizmasında bulunan iki rastgele değişken yerine, dinamik öğrenme yeteneğine sahip değişkenler kullanılmıştır. Ayrıca algoritmanın başlangıç adımında CMAC'in kuantalama işlemi uygulanmış ve sınır kontrol mekanizması eklenmiştir. CMACGSA ve CMACPSO algoritmalarının performanslarını değerlendirmek ve klasik GSA ve PSO algoritmalarına göre üstünlüğünü incelemek için, standartlaştırılmış 2014 Evrimsel Hesaplama Kongresi tarafından sunulan CEC 2014 test paketi kullanılmıştır. Tezin deneysel analiz kısmında CEC 2014 test paketinden seçilen farklı türde toplam dört fonksiyon için iki boyutta (2D) sonuçlar elde edilmiştir. Ayrıca ek olarak, CEC 2014 test paketi için farklı boyutlarda (10D, 30D, 50D) da elde edilen sonuçlar değerlendirilmiştir. Elde edilen sonuçlar, klasik GSA ve PSO algoritmaları ile kıyaslanmıştır. Ayrıca, 30D'de elde edilen sonuçlar en güncel yöntemler (SOTA) ve önceki çalışmalarda bildirilen GSA ve PSO varyantları ile karşılaştırılmıştır. Karşılaştırma sonuçlarına göre, CMACGSA ve CMACPSO, geliştirilen öğrenme yeteneklerinden dolayı üstün performans sergilemişlerdir. Son olarak, CMACGSA ve CMACPSO'nun kapsamını ve gerçek dünya problemlerindeki uygulanabilirliğini incelemek amacıyla, bu algoritmalar farklı türde mühendislik problemleriyle test edilmiştir. Bu problemler; kaynaklı kiriş problemi, basınçlı kap tasarımı ve üç çubuklu makas tasarımı problemleridir. Bu problemlerin çözümü, mevcut algoritmalar ile karşılaştırılmış ve sonuç olarak, CMACGSA ve CMACPSO algoritmalarının mevcut bazı algoritmaların gerisinde kaldığı, klasik GSA ve PSO algoritmalarına göre ise daha başarılı performans gösterdiği görülmüştür.
Yapay çekirge sürü optimizasyonu
Optimizasyon genel olarak en iyiyi bulma sürecidir ve belirli bir arama uzayında tanımlanan bir probleme kabul edilebilir bir çözüm bulmayı amaçlar. Yapay zekânın gelişmesiyle birlikte, optimizasyon problemlerinin çözümü için meta-sezgisel algoritmalar popüler hale gelmiştir. Meta-sezgisel algoritmalar, özellikle doğadaki biyolojik sistemlerden ve sürü davranışından esinlenir. Sadece bir yöntemin bütün optimizasyon problemlerini çözmesi mümkün olmadığından, literatürde birçok meta-sezgisel algoritma geliştirilmiş ve geliştirilmeye devam etmektedir. Bu bağlamda, bu tez çalışmasında, zor optimizasyon problemlerinin çözümü için çekirge sürülerinin rastgele zıplama ve bitkileri istila etme davranışlarından esinlenerek yapay çekirge sürü optimizasyonu (ALSO) adı verilen sürü zekâsı tabanlı meta-sezgisel bir algoritma önerilmiştir. Çekirgeler yiyecek arama için aile ve sosyal olma üzere iki fazda birbirleriyle etkileşimde bulunurlar. Ailesel fazda, yerel bir alanda çekirgeler küçük gruplar halinde yiyecek arar ve sosyal fazda topladıkları bilgileri paylaşırlar. Önerilen algoritma, 22 test fonksiyonu ve 3 mühendislik tasarım problemi üzerinde test edilerek yaygın ve yeni geliştirilen optimizasyon algoritmaları ile karşılaştırılmıştır. Simülasyon sonuçları, diğer algoritmalarla kıyaslandığında önerilen ALSO algoritmasının oldukça rekabetçi olduğunu kanıtlamaktadır. Ayrıca, aynı koşullar altında, ALSO algoritması daha az çalışma zamanı ve bellek alanı gerektirmektedir.
Zaman-maliyet-kalite ödünleşim problemlerinin çözümünde baskın olmayan sıralma-II öğretme-öğrenme tabanlı optimizasyon'nun (NDSII-TLBO) kullanılması
Günümüz inşaat sektöründe tüm taraflar projeyi en kısa sürede, mümkün olan en düşük maliyetle ve mümkün olan en yüksek kalitede tamamlamaya çalışmaktadır. İnşaat projelerinde çok amaçlı optimizasyon konusunda pek çok araştırma yapılmıştır. Başlangıçta, çalışmalar zaman-maliyet dengesine odaklanmıştı. Son zamanlardaki çabalar, geleneksel zaman-maliyet ödünleşiminde güvenlik, kalite, kaynaklar, çevre, sürdürülebilirlik gibi daha fazla hedefi içermektedir. Bu çalışma, genel proje kalitesini en üst düzeye çıkarırken proje süresini ve maliyeti en aza indirmek için çok amaçlı işlevleri dikkate almaktadır. Öğretme-Öğrenme Tabanlı Optimizasyon (TLBO) sınıftaki bilgi aktarımından ilham alan popülasyon tabanlı bir optimizasyon algoritmasıdır. Baskın olmayan sıralama-II (NDSII), popülasyon çözümlerini bir çok çok amaçlı evrimsel algoritmanın seçim işleminde çok önemli olan Pareto baskınlık ilkesine göre sıralamak için kullanılır ve kalabalık mesafe ölçümü, aynı sıradaki çözümlerin mükemmelliğini tanımlar. Bu çalışmada, zaman-maliyetkalite optimizasyon problemlerini optimize etmek için, NDS-II kavramı ve kalabalık mesafe hesaplama mekanizması, TLBO algoritması ile birleştirilmiştir. Birleştirilmiş model MATLAB programlama dilinde kodlanmıştır ve 7 ila 18 aktivite arasında boyutlandırılmış dört farklı zaman-maliyet-kalite vaka çalışmasına uygulanmıştır. Anahtar Kelimeler: Zaman-maliyet-kalite ödünleşim problemleri, meta-sezgisel yöntemler, öğretme-öğrenme tabanlı optimizasyon (TLBO), baskın olmayan sıralama-II (NDS-II)
Applications of operations research techniques for operational decisions in healthcare industry
This thesis addresses two common scheduling problems that are encountered in the health care industry, the patient admission scheduling (PAS) problem and nurse rostering problem (NRP). The PAS automatically assigns elective patients to beds for the duration of their stays considering medical needs and preferences. Both static and dynamic versions are studied in this dissertation. For the static version where patient admissions are known in advance, a mixed integer programming (MIP) based heuristics are proposed. The problem is decomposed into a set of smaller problems and iteratively solved. A similar approach is also proposed for the dynamic version which several real life applications such as existence of the emergency patients, operating room constraints, and patient delays are additionally considered. The approach on the PAS generates schedules within fifteen percent gaps from best known solutions in faster times. The DPAS solution reports six new best-known solutions on test data. The last problem in the thesis, NRP, is a complex scheduling problem in which nurses must be assigned to shifts according to a set of constraints. Two variants of the problem are studied. While one of the versions deals with common constraints such as shift requests and cover needs, the other version extends the previous one with skills and departmental assignments. The standard version is solved via a hybrid of MIP-based heuristics and meta-heuristics approaches to provide powerful schedules. A mat-heuristic algorithm is proposed for the extended version. Computational experiments show that the hybrid algorithm obtains seven new best-known results and the mat-heuristic approach reports six new best-known solutions on instances when a stand-alone IP solver is not able to provide schedules.
Enerji verimliliği analizinde iyileştirilmiş yabani at eniyileyici – çok katmanlı almaç hibrit (IWHO-MLP) modelinin kullanımı
Bu çalışma, Yabanî At Optimize Edici'nin optimizasyon süreçlerindeki başarısını artırmak amacıyla, yerel uzaylarda takılma ve erken yakınsama sorunlarının üstesinden gelebilecek stratejiler geliştirmeyi hedeflemektedir. Performans değişimi, çok katmanlı algılayıcı örneği aracılığıyla gözlemlenmektedir. Bu bağlamda, Rastgele Yürüyüş Stratejisi kullanarak yerel uzaylarda çözüm çeşitliliği sağlamak amacıyla Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması geliştirilmiştir. Bu algoritmanın performans ölçümü için iki zorlu test seti olan CEC 2019 seçilmiştir. Alternatif algoritmalarla rekabet gücü ölçülmüş ve performansının üstün olduğu gösterilmiştir. Bu üstünlük, yakınsama eğrileri ve kutu grafikleri ile görsel olarak ortaya konmuştur. Önerilen algoritmanın, farklı ve güçlü bir algoritma olarak değerlendirilebilmesi için Wilcoxon işaretli sıra testi kullanılmıştır . Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması, gerçek dünya problemini ele alarak Çok Katmanlı Almaç eğitimine uygulanmıştır. Hem Yabanî At Optimize Edici hem de Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici algoritmaları Hataların Karesinin Ortalaması sonuçları ve Alıcı Operatör Karakteristiği eğrileri kullanılarak test edilmiştir. Çok katmanlı almaç eğitimi için University of California Irvine'dan Enerji Verimliliği Problemi veri seti kullanılmıştır. Bu veri seti, akıllı binaların giriş özelliklerini dikkate alarak ısıtma yükü veya soğutma yükü faktörlerini değerlendirmektedir. Amaç, akıllı binalarda ısıtma, havalandırma ve klima sistemleri teknolojisinin kullanımı yoluyla ısıtma yükü ve soğutma yükü faktörlerinin en verimli şekilde değerlendirilmesini sağlamaktır. Çok katmanlı almaç mimarisini eğitmek için Yabanî At Optimize Edici ve Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici seçilmiş ve önerilen Rastgele Yürüyüş Stratejili Geliştirilmiş Yabanî At Optimize Edici Algoritması'nın daha iyi sonuçlar ürettiği gözlemlenmiştir.
Elektriğin dirençli ortamda hareketini temel alan yeni bir meta sezgisel algoritma tasarımı
"Optimizasyon" kelimesinin Türk Dil Kurumu'ndaki karşılığı "en uygun duruma getirme" olarak belirtilmiştir. Hepimiz günlük hayatta bilinçsizce bir optimizasyon süreci yaşamaktayız. Yolculuk yaparken rotayı seçerken veya basit alışverişlerimizi yaparken, mevcut duruma göre en uygun seçenekleri tercih etmeye çalışmaktayız. Küçük ölçekli optimizasyon problemlerini beyin gücümüzü kullanarak veya geleneksel algoritmalarla çözebilmekte, ancak büyük veya karmaşık problemlerin çözümü için bilgisayarlardan faydalanmaktayız. Bilgisayar destekli optimizasyon problemlerini çözmek için birçok algoritma tasarlanmıştır. Geleneksel algoritmalar, basit yapılarına rağmen yavaş çalışma süreleri ve esnek olmayan uygulanabilirlikleri nedeniyle sınırlıdır. Geleneksel algoritmalar sadece belirli tipte problemleri çözebilme yeteneğine sahiptirler. İlerleyen bilim ve teknoloji sayesinde, daha hızlı çalışan ancak yine problem bağımlı olan algoritmalar geliştirilmiştir. Bu algoritmalar genellikle sezgisel algoritmalar olarak adlandırılır ve belirli bir problem türünün çözümü için kullanılmaktadır. Ancak, bu algoritmalar geleneksel algoritmalardan daha hızlı olmalarına rağmen problem çeşitliliği konusunda esnek değillerdir, bu nedenle eksik kalmışlardır ve gelişim ve değişim ihtiyacı ortaya çıkmıştır. Bu ihtiyaçtan yola çıkarak meta-sezgisel algoritmalar geliştirilmiştir. "Meta" kelimesi antik Yunanca 'da "ötesi" veya "sonrası" anlamına gelir. Bu nedenle, meta-sezgisel algoritmaları "sezgisel ötesi" veya "sezgisel sonrası" algoritmalar olarak düşünebiliriz. Meta-sezgisel algoritmalar, sezgisel algoritmalardan daha hızlı çalışırken, bir probleme veya belirli bir problem türüne bağımlı olmadan çalışabilme özelliğine sahiptirler. Bu tez çalışmasında, Elektriksel Arama Algoritması (EAA) adı verilen yeni bir meta sezgisel algoritması önerdik. Önerilen algoritma, ahşap, cam ve gazlar gibi yüksek dirençli alanlarda elektriğin hareketine dayanmaktadır. EAA, arama uzayının alt ve üst sınırlarında yalnızca bir ajanın başlattığı ve kutup adı verilen yapılar oluşturan benzersiz bir başlatma şemasına sahiptir. Bu aşamadan sonra EAA, arama yapmak için benzersiz küresel ve yerel arama stratejileri kullanmaktadır. Arama mekanizması, zıt kutuplara hareket eden elektronlara dayanmaktadır. EAA algoritmasının ilk başlatma şeması, kutup arama mekanizması ve en iyi çözümlerin güncelleme stratejisi ile karşılaştırıldığında diğer meta sezgisel yöntemlerden farklıdır. EAA, IEEE-CEC-2019'daki "100 Basamak Yarışması " test fonksiyonları, literatürde sıklıkla kullanılan dört test fonksiyonu ve bir np-hard kümeleme problemi ile test edilmiştir. Kümeleme problemi için iyi literatürde iyi bilinen dört veri seti kullanılmıştır. Bu veri setleri İris, Wine, Seeds ve Hepatit C Virüsü (HCV) veri setleridir. EAA, bu iyi bilinen test fonksiyonları üzerinde yedi farklı meta sezgisel algoritma ile karşılaştırılmış ve kümeleme probleminin sonuçları ise X-Ortalamalar algoritması ile karşılaştırılmıştır. Ek olarak, sonuçların anlamlılığını göstermek için Friedman İşaretli Sıra testi ve olay sonrası Wilcoxon Testi yapılmıştır. İyi bilinen test fonksiyonlarının tümünde, EAA ya en iyi sonuçları vermiş ya da diğer karşılaştırılan algoritmalara benzer sonuçlar vermiştir. EAA'nın IEEE-CEC-2019 test fonksiyonlarındaki puanı, düşük iterasyon sayılarıyla bile EAA'nın rakip algoritmalara benzer sonuçlar elde edebildiğini göstermektedir. Sonuçlar, EAA'nın yerel noktalara takılmamak için sağlam bir mekanizmaya sahip olduğunu ve yavaş ama kalıcı bir hızda hareket ettiğini göstermektedir.
Hybrid soft computing methods for improving real estate price forecasting
Real estate has a very important place for countries and the world economy. The fact that real estate has a heterogeneous structure, that is, the diversity of the properties that make up each property itself, shows that the methods to be selected for determining the sale and rent value of the real estate are important. For real estate price estimation, it can be said that non-traditional methods are more successful than traditional ones. In recent years, metaheuristic approaches for real estate valuation have increased and researches on this subject are continuing. The superiority of metaheuristics in solving non-linear and complex problems provides an important advantage for real estate valuation. In this study, a hybrid approach has been developed for real estate valuation by using artificial neural networks and feature selection methods. The grid search method was used for the most suitable model parameters before the analysis with the artificial neural network. It is aimed to increase the model success by optimizing the parameters that can be selected for the model with grid search method. In addition, in order to minimize possible errors and prevent overfitting during training, the data was divided into appropriate training sets by cross validation technique. The selected data set for this study contains housing data of various districts of Istanbul province, which has a significant value for Turkey. Considering that data preprocessing is important for the success of the model, data preprocessing steps were performed for each district data. After the data preprocessing process, firstly feature selection method, then grid search method with cross validation and finally artificial neural network method with cross validation were applied step by step. The advantage and success of the artificial neural network method, which is one of the metaheuristic approaches, is supported by this study for real estate price estimation involving many variables. With this model developed for real estate appraisal, it is aimed to examine the properties that affect real estate prices and to contribute to valuation methods in addition to finding realistic price estimation. In addition, it is an important advantage that it is possible to follow the price changes in the real estate market which has a heterogeneous structure with this research, and it is thought that it will provide benefit for the subsequent real estate appraisal studies.