A novel logistic transfer using optimization algorithms in natural disasters and humanitarian services
Is this your thesis?
This record came from a bulk archive import. If it’s yours, link it to your profile.
Abstract (TR)
Günümüzde mal, hizmet veya insanların bir noktadan başka bir yere taşınması faaliyetlerinde bulunan binlerce kuruluş bulunmaktadır. Çağımızın dinamik koşulları nedeniyle örgütlerin hedefleri ve sınırlılıkları oldukça değişkendir. Bu bağlamda kuruluşların en sık karşılaştığı sorunlardan biri araçların servis noktalarına dağıtımı, nakliye, lojistik gibi faaliyetlerin gerçekleştirilememesidir. Bu çalışmada, PSO tabanlı Ant Conny optimizasyon yöntemi kullanılarak minimum yolu bulmak için verimli Lojistik transfer algoritması sunulmuştur. Bu çalışmadaki ana katkı, minimum yürütme süresi ile en iyi yolu bulmak için PSO'yu Ant Conny optimizasyon yöntemiyle birleştirmektir. Sunulan yöntemi doğrulamak için çeşitli senaryolar yürütülür. Son olarak, elde edilen sonuçlar aynı sorunu çözmek için sunulan çeşitli çalışmalarla karşılaştırılmıştır.
Author
Suha Abdullah Ahmed Ahmed
Institution
How to Cite
Suha Abdullah Ahmed Ahmed (Yüksek Lisans Tezi). A novel logistic transfer using optimization algorithms in natural disasters and humanitarian services, 2022, Altınbaş University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Altınbaş University
- Samuel P. Huntington'ın Medeniyetler Çatışması' ve Immanuel Wallerstein'ın Dünya Sistemleri Analizi'nin karşılaştırılması(2024)
- Olumsuz çocukluk deneyimlerinin ebeveyn tutumları üzerindeki etkisinde öz yeterliğin moderatör etkisi(2025)
- The conscious impact of fractal dimension in hospital architecture: Enhancing warmth and comfort(2024)
- Kablosuz sensör ağında optimize edilmış özellik seçimi ile hibrit makine öğrenmesi tekniğine dayalı gelişmiş anomali tespit sistemi tasarımı(2025)
- Synthesis and evaluation of nano particles for anticancer application(2025)
- An optimized malware detection technique using subspace learning- based one-class classification(2023)
