Genetic algorithms

Fama-French faktör modelleriyle oluşturulan portföylerin davranışsal açıdan test edilmesi: Borsa İstanbul'da hibrit bir model uygulaması

Bireylerin rasyonel olduğu ön kabulüyle piyasa etkinliğini öne süren Fama (1970) mevcut piyasaların tüm bilgileri içerdiği ve piyasa katılımcılarının anormal getiri elde edemeyeceği görüşü ile finans literatürüne farklı bir bakış açısı kazandırmıştır. Söz konusu görüş ampirik çalışmalarla da desteklenmiştir. Ancak destekleyici çalışmaların yanı sıra piyasalarda anomalilerin de var olduğunu, tüm bilgilerin piyasaya yansımasının mümkün olmadığını ve yatırımcının anormal getiri elde edebileceğini öne süren çalışmalar aynı zamanda yatırımcının rasyonel olmaktan ziyade irrasyonel tavır sergilediğini gözler önüne sermiştir. Tüm bu kavramlar Davranışsal Finans teorisi çerçevesinde değerlendirilirken yatırımcı davranışları her boyutta incelemeye alınmıştır. Bilişsel önyargılar ve hevrestikler bu incelemelerin ana temasını oluşturmakta ve bununla birlikte sosyolojik ve psikolojik olgular çalışmalara yön vermektedir. Bu olguların yanı sıra bireylerin rasyonel kararlar verme davranışı dışında, farklı bakış açılarıyla kararlar vermeyi tercih ettiği bir diğer alan da İslami Finans'tır. İslami Hukuk kuralları çerçevesinde şekillenen İslami Finans yatırımcıların finansal kararlarında dini inançlarının etkisini konu edinmektedir. Tüm bu teorik alt yapı çerçevesinde çalışmada Fama ve French (2015) tarafından ortaya konan beş faktörün hangilerinin hangi tip portföylerde etkin olduğunu ortaya koyabilmek amacıyla, elde edilen veriler, Genetik Algoritması optimizasyonuyla oluşturulan Yapay Sinir Ağları tabanlı hibrit bir modelle analiz edilmiştir. Bu çerçevede geleneksel ve İslami bakış açısıyla oluşturulan portföyleri oluşturmada olası farklılıkların da altı çizilmiştir. Bu amaçla öncelikle Borsa İstanbul Tüm Endeksi'nde yer alan 159 firmanın ve Borsa İstanbul Katılım 50 Endeksinde yer alan 29 firmanın 2014- 2021 arası dönemin çeyreklik verileriyle oluşturulan portföylerle her iki endekste de Fama ve French Beş Faktörlü Modelin geçerliliği test edilmiştir. Yapılan analizler neticesinde, Fama ve French Beş Faktörlü regresyon modeliyle uygulanan Panel Veri Analizi testlerinde, geleneksel ve İslami bakış açısıyla oluşturulan portföyler üzerinde etki eden faktörlerdeki olası farklılıklar tespit edilmiştir. Ayrıca, uygulanan Genetik Algoritması optimizasyonuyla oluşturulan Yapay Sinir Ağları tabanlı hibrit modelle yapılan değerlendirme neticesinde, benzer şekide, farklı bakış açılarıyla oluşturulan portföylerde etkin gen parametrelerinin değişkenlik göstermesi farklılaşmaya işaret etmektedir. Sonuç olarak geleneksel bakış açısıyla ve İslami bakış açısıyla oluşturulan portföylerdeki farklılaşma davranışsal açıdan incelenmiştir. Bunun yanı sıra uygulanan iki model çerçevesinde genetik algoritması optimizasyonuyla oluşturulan yapay sinir ağları tabanlı hibrit modelin sonuçlarının daha spesifik çıktılar ürettiği sonucuna varılmıştır.

Özgün mimari dokuların ön tasarım sürecinde yeni dokular üretilmesinde tasarım aracı olarak kullanılması: Bursa örneği

Kentler ekonomik, sosyal ve teknolojik gelişmelerin etkisiyle hızlı değişimlere maruz kalmıştır. Her kentin bu değişim, gelişim ve dönüşümlere verdiği yanıtlar farklı düzeylerde olmuştur. Plansız ve kontrolsüz bir şekilde başlayarak devam eden kentsel yayılma süreçleri, olumsuz sonuçlar doğurmaktadır. Kentsel değişim ve dönüşüm dinamiklerinin analiz edilmesi ile kentlerin gelecekte nasıl bir yayılma gösterecekleri tahmin edilebilir. Tasarımcılar tarafından, özellikle tasarım sürecinde ve tasarımı analiz etmede bir araç olarak çeşitli bilgisayar yazılımları ile bilimsel çalışmalar ortaya konmaktadır. Dünyada ve ülkemizde kentsel dokuların planlı büyümelerine altlık oluşturacak şekilde bina ölçeğinde ve kentsel ölçekte sayısal ortamda yapılan çalışmalar, günden güne yayılmaktadır. 15. ve 17. yüzyılları arasında önemli ticaret ve üretim merkezlerinden biri olan Bursa 17. yüzyıl başlarından 19. yüzyıl ortalarına kadar oldukça durağan bir görünüm sergilemiştir. Bursa'da, 19. yüzyıl ortalarından itibaren kendi iç dinamikleriyle değil, daha çok göç ve plansız büyüme gibi etkilerle sosyal, ekonomik ve fiziksel bir değişim süreci yaşanmıştır. Bu değişim, günümüzde de gelişmekte olan ülkelerin tipik dinamiklerini yansıtan biçimde devam etmektedir. Bu çalışmada, Bursa özelinde ön tasarım aşamasında kentsel yayılma öngörü modelleri oluşturulması amaçlanmıştır. Modeller için Bursa'nın özgün kent dokusunun nüvesi durumunda bulunan Hanlar Bölgesi kaynak olarak alınmıştır. Bu kapsamda, Hanlar bölgesi kent dokusu, mekan dizim ve biçim grameri analizleri ile irdelenerek çeşitli sayısal veriler ve biçim kütüphanesi elde edilmiştir. Bu veriler, sayısal ortamda mimarlıkta üretken tasarım araçlarından genetik algoritmalar ile işlenerek mimari dokular elde edilmiştir. Üretilen dokular ile özgün doku arasındaki uyum veya ayrışma, mekan dizimsel ve fraktal boyut analiz verileri karşılaştırılarak tartışılmıştır. Çalışma kapsamında elde edilen modeller, tasarıma yön vermesi açısından önem taşımaktadır.

Değişken yoğunluklu kaynak kısıtlı proje çizelgeleme için matematiksel modelleme ve genetik algoritma yaklaşımı

Üretim planlaması için proje çizelgeleme yaklaşımları, ürün karmaşık ve yüksek oranda özelleştirilmiş olduğundan, genellikle sipariş üzerine üretim (MTO) veya sipariş üzerine mühendislik (ETO) sistemlerinde kullanılır. Bu sistemlerde, üretimin her aşamasının kendi karmaşıklıkları ve özellikleri vardır. Bu sebeple genel olarak üretimin tüm faaliyetleri bir projenin aşamaları olarak düşünülebilir. Bu tür üretimde, basit bitiş-başlangıç öncüllük ilişkileri gerçek üretim sürecini doğru bir şekilde temsil etmez, bu nedenle üretim süresini ve maliyetini en aza indirmek için faaliyetler arasındaki örtüşmeye izin verilmelidir. Bu çalışmada, değişken yoğunluk formülasyonu ve dört farklı öncüllük ilişkileri kullanılarak kaynak kullanımını dengelemek ve üretim süresini en aza indirmek için bir matematiksel model geliştirilmiştir. Bu modelde tüm proje faaliyetleri değişken yoğunluk formülüne göre gerçekleştirilmektedir. Bu, belirli bir süre içinde tamamlanan bir faaliyetin yüzdesinin, o anda gereken kaynak tahsisi miktarına bağlı olduğu anlamına gelir. Bu model, NP (non-deterministic polynomial) zor problemler sınıfına aittir; bu nedenle, bahsedilen problemdeki uygun çözümleri hesaplamak için bir genetik algoritma yeni bir kromozom yapısı ile birlikte önerilmiştir. Genetik algoritmanın parametreleri üç seviyeli deneyler üzerinden optimize edilmiştir. Sonuçların, matematiksel model ve genetik algoritma için küçük problemlerde aynı olduğu, orta ve büyük problemlerde ise matematiksel modelin sonuç bulamadığı görülmektedir.

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.

Genetik algoritmanın bazı çevresel ekonomik güç dağıtım problemlerine uygulanması

Enerji üretim sistemlerinin optimal bir şekilde işletimi ve planlanması enerji üretiminde çok önemli bir yer tutmaktadır. Klasik olarak bir enerji sisteminin optimal işletimi kullanılacak yakıt maliyetinin minimize edilmesi şeklindedir. Fakat günümüzde üretim birimlerinde çoğunlukla fosil kaynaklı yakıtların kullanılması problemlerin çözümünde üretim birimlerinin yol açtığı çevre kirliliğinin de göz önüne alınmasını gerektirmektedir. Bu nedenle yapılan çalışmada maliyet minimizasyonu yanında çevre kirliliğinin de dikkate alındığı çevresel ekonomik güç dağıtımı problemlerinin genetik algoritma yöntemiyle çözümü incelenmiştir. Çözüm için ele alınan problemler ; sadece normal termik üretim birimlerinden oluşan sistem, ham enerji kaynağı kısıtlı ve normal termik üretim birimlerinden oluşan sistem, kısa dönem hidrotermal koordinasyon problemi ve ham enerji kaynağı kısıtlı termik birim içeren kısa dönem hidrotermal koordinasyon problemleridir.Çok amaç fonksiyonlu optimizasyon problemlerinden biri olan çevresel ekonomik güç dağıtım problemini tek amaç fonksiyonlu optimizasyon problemine dönüştürmek için ağırlıklı toplam ve konik skalerleştirme metotları kullanılmıştır. Skalerleştirilen problemlerin genetik algoritma yöntemiyle çözümleri bulunmuştur.Çalışmada dört farklı problemin skalerleştirilmesinde iki farklı yöntem kullanılarak bulunan çözümler karşılaştırılmış ve sonuçlar tartışılmıştır.

Comparison of artificial intelligence methods for predicting tensile properties of multifilament polyester woven fabrics

The filament fineness, weave type and weave density have a great influence on the mechanical properties of multifilament woven fabrics. In this study, the previously determined breaking strength and breaking elongation values of multifilament woven fabrics were estimated using Artificial Neural Networks (ANN), Fuzzy Logic (FL), and Genetic Algorithms (GA) Artificial Intelligence (AI) techniques. The fabric samples used in the study have three different microfilament fineness and two different conventional filament fineness. Fabric samples with plain, twill and satin weave types were produced with four different weft setts. High accuracy rates were obtained with applied AI techniques. The mean absolute percentage error was lower than 6%. The minimum regression coefficient values (R^2) of linear regression analysis for each method were 0.80, 0.90 and 0.92 by ANN, BM and ANN-GA hybrid methods, respectively. As a conclusion, it was proved that the breaking strength and breaking elongation properties of multifilament woven fabrics can be estimated with high success rates.

Patern tanıma için optimum performanslı yeni YSA yaklaşımları ve donanımsal tasarımı

Araç rotalama problemleri ve zaman pencereli stokastik araç rotalama problemine genetik algoritma yaklaşımı

Tedarik zincirinin bir parçası olan lojistik, ürün ve ilgili bilgilerin üretim noktasının basından tüketim noktasına kadar, müsteri gereksinimlerini karsılamak amacıyla, etkin ve düsük maliyetli bir sekilde akıs ve depolanması süreçlerinin planlanması, uygulama ve kontrol edilmesidir. Araç Rotalama Problemleri de lojistik dagıtım sisteminin önemli bir parçasını olusturmaktadır. Araç rotalama problemleri ulastırma problemlerinin en fazla üzerinde tartısılan ve çalısılan konulardan biridir. Rotalama problemi müsterilerin bilinen taleplerini sadece bir kez olmak üzere minimum maliyetli rotalarla ve en az araç kullanarak karsılamaktır. Araç rotalama problemlerinden olan Stokastik Araç Rotalama Problemi ise Araç Rotalama Probleminin bir veya birkaç komponentin rassal olmasıdır. Araç Rotalama Problemlerinin birçok çözüm teknigi vardır. Bu tezde Stokastik Araç Rotalama Problemini çözmek üzere Genetik Algoritma kullanılmıstır. Anahtar Kelimeler: Lojistik yönetimi, fiziksel dagıtım, araç rotalama problemleri, genetik algoritma.

Genetik algoritma ile tesis yerleşimi tasarımı ve bir uygulama

Tesis yerlesimi problemleri zor problemler olup; en yi çözümün aranmasında sezgisel yöntemler tercih edilmektedir. Kareli Atama Problemleri (KAP) için tesis yerlesimi tasarımı NP-Zor sınıfına girmekte olup, bilinen hiçbir metot en iyi çözümü kesin olarak verememektedir. Bu tip problemler farklı çesitte sezgisel metotlarla çözülür. Genetik algoritmalar bu tip sezgisel metotlardan olup KAP için iyi sonuçlar verebilmektedir. Genetik algoritmalar evrimsel yapıya sahiptirler ve optimum sürede, optimum uygunlukta çözümü bulmak için tasarlanmıslardır. C++ ile bir bilgisayar programı olusturuldu, SCLO (Subcontractor Layout Optimizer ? Tedarikçi Yerlesim En yileyici) olarak adlandırıldı. Program tasarımı asamasında pek çok kod Genetik Algoritma kütüphanesindan alındı, bunlara çesitli eklemeler yapıldı. Olusturulan program, KAP kütüphanesinden alınan literatür problemleriyle test edildi. Her problem için bilinen en iyi çözüme %99'dan daha fazla bir oranda yaklasıldı. Gerçek hayatta, yapısal elektrik malzemeleri imalat sektöründe programın uygulaması gerçeklestirildi. Teorik zeminde %41 tasıma maliyeti düsüsü saglandı. Bu fazla kazanca sadece programın minimizasyon basarısı degil, bunun yanı sıra modelleme de yasanan kısıtlarda sebep oldu. Anahtar Kelimeler: Tesis yerlesimi problemi, genetik algoritma, kareli atama problemi

Benzer olmayan paralel makinelerin çizelgelenmesinde bulanık esaslı proses zamanlarının genetik algoritma uygulaması

Günlük yaşantımızda, kesin olduğunu düşündüğümüz ancak gerçekte kesin olmayandurumlarla karşılaşırız. Bu durumların sistematik bir biçimde öngörülebilmesi ancak bazıkabullerin yapılmasından sonra mümkün olmaktadır. Birçok sosyal, ekonomik ve teknikolayda da belirsizlik ve dolayısıyla karmaşıklık bulunmaktadır. Bu belirsizliklerin analizedilmesi Zadeh tarafından geliştirilen bulanık mantık teorisi kapsamında mümkündür.Genetik Algoritma, olası tüm çözümlerin değil de salt bâzı seçilmiş çözümlerin denenmesiyoluyla beklenen optimum sonucu bulmaya çalışan, parametre kodlama temeline dayanan birarama tekniğidir. GA'lar doğada geçerli olan ?en iyinin yaşaması? kuralına dayanarak sürekliiyileşen çözümler üretir. Bunun için ?iyi? nin ne olduğunu belirleyen bir uygunluk fonksiyonuve yeni çözümler üretmek için yeniden kopyalama ve değiştirme gibi operatörleri kullanır.Bu çalışmada, benzer olmayan paralel makinelerde, iş sıralama probleminde bulanık proseszamanlarına bağlı olarak, önce bulanık mantık teorisinin esasları anlatılacak ve daha sonragenetik algoritma metodu özetlenecektir. Bulanık mantığın ardından genetik algoritmahakkında bilgi verilecek ve bu konularda bir uygulama yapılacaktır. Problem sonuçları GAile ilgili olarak Java Eclipse Europa programında anlatılmaktadır.

Doğru akım motorunun genetik algoritmalar yardımıyla bilgisayar temelli PI-tip bulanık mantık kontrolü

ÖZET Günümüzde yaygın olarak endüstride kullanılmaya başlanılan -bulanık kontrol sistemlerinde en önemli kısım, sisteme ait kural tabanın oluşturulmasıdır. Çünkü iyi sonuçlar alınabilecek kural taban, ancak sistemi tanıyan ve sistem hakkında tecrübeye sahip bir uzman tarafından tanımlanabilir. Bu da sistem için gerekli kontrol yapışım oluşturmada, ancak uzun zaman alan denemeler sonucu başarılabilir. Son yıllarda bu ve benzeri problemler nedeniyle bulanık kontrol sistem için gerekli kural tabanı otomatik olarak öğrenme veya örneklerden çıkaracak araştırıcı yöntemler kullanma yoluna gidilmektedir. Bu çalışmada, bir DC motorun bulanık kontrolünde gerekli kural tabanın belirlenmesi için öğrenme metodları araştırılmış ve Bulanık Mantık kontrolör için Genetik Algoritmalar temelli yeni bir öğrenme algoritması geliştirilmiştir. Geliştirilen metod ile elde edilen PI-tip bulanık kontrolör, Bulanık Model Temelli Öğrenme algoritması (Layne J.R., Passino K.M., 1993) ile elde edilen PD-tip Bulanık kontrolör ve manuel olarak yapılandırılan bir bulanık kontrolör sonuçlan ile karşılaştırılmış ve geliştirilen öğrenme algoritmasının DC motorun bulanık kontrolünde başarılı sonuçlar verdiği gözlenmiştir. Bu tez çalışmasında, Bulanık Model Referans Öğrenen Control Algoritması (FMRLC- Fuzzy Model Reference Learning Control) ilk olarak DC Motor hız kontrolü için simulasyon bazda kullanılmış ve elde edilen sonuçlar "International Conference on Signal Process Applications And Technologies, Dallas, TX, October 2000, USA" konferansında sunulmuştur. Bu algoritma öğrenmeye dayalı olduğundan DC motor PD-tip bulanık kontrolör dizaynı için kullanılmıştır. FMRLC algoritması doğrudan bulanık kontrolör bilgi tabanım tasarlamak ve yeni durumlara karşı düzenlemek için otomatik öğrenmeye bağlı bir metod sağlamaktadır. PD-tip Bulanık Kontrolöre ait elde edilen kural tabanın tezde kullanılan DC motor transfer fonksiyonuna uygulanmasıyla elde edilen sonuçlar, bu tezde geliştirilen Genetik Bulanık Sisteme ait sonuçların değerlendirilmesinde kullanılmıştır. Bu tezde kullanılmak üzere, PC parallel portu üzerinde 8-bit olarak bilgi transferi olanağı sağlayan ve üzerinde motor sürme devresi ve hız geri bilgisi sağlayabilen bir dijital I/O (giriş- çıkış) arabirim oluşturulmuştur. Kontroller PC üzerinde oluşturularak on-line olarak motor kontrolü gerçekleştirilmiştir. Motor hız bilgisi arabirim üzerinden bilgisayara gönderilerek grafik üzerinde izlenmesi sağlanmıştır. DC motor hız kontrolü için Genetik temelli Bulanık Kontrol Kural Tabanı Öğrenme algoritması (GBS) geliştirilerek en uygun kurallar araştırılmıştır. Genetik Bulanık Kontrol Algoritması Turbo C programlama dili ile yazılmıştır. Kontrol edilecek sistemin parametreleri kullanılarak matematiksel modeli elde edilmiş ve ilk olarak bu model üzerinde uygulanmıştır. Off-line olarak elde edilen kural taban bulanık kontrol programına yerleştirilerek PC üzerinden tasarımı yapılan arabirim devresi üzerinden motora başarıyla uygulanmıştır. Alınan sonuçlar göz önüne alındığında GBS algoritması elde tasarlanan PI-tip Bulanık kontrolörün FMRLC öğrenme algoritması ile tasarımı yapılan PD-tip bulanık kontrol sistemine göre daha iyi performansa sahip olduğu görülmüştür. Genetik algoritmanın bir çözüm uzayında en iyiyi araştırma yapısından dolayı algoritmanın her çalıştınlışında farklı kural taban elde edilmektedir. Verimli sonuç alınması, algoritma çözüm havuzun geniş olarak seçilmesiyle orantılı olmakta fakat öğrenme zamanı açısından süreyi uzatmaktadır. Anahtar Kelimeler : Bulanık Kontrol, Genetik Algoritmalar, DC motor, Kural Taban Öğrenilmesi xii

Genetik algoritma uygulanarak ve bilgi kriterleri kullanılarak çoklu regresyonda model seçimi

Çoklu lineer regresyon modelinde açıklayıcı değişken sayısı fazla olduğunda aday model sayısı da üstel olarak artmaktadır. Bu durumda geleneksel yöntemlerle, adımsal yöntemlerle ve istatistik paket programları kullanılarak model seçimi mümkün değildir. Bu çalışmada açıklayıcı değişken sayısının fazla olması durumunda ortaya çıkan model seçimi problemi, genetik algoritma uygulanarak ve bilgi kriterleri kullanılarak incelenmiştir. Bu amaçla çalışmada önce, çoklu lineer regresyon modeli hakkında genel bilgiler verilmiş ve çoklu lineer regresyon modellerinin oluşturulması açıklanmıştır. Sonra, açıklayıcı değişken sayısının fazla olması durumunda çoklu regresyonda ortaya çıkan en iyi modelin seçimi problemi adımsal yöntemlerle incelenmiştir. Daha sonra da, çoklu lineer regresyon modeli için genetik algoritma ve bilgi kriterleri açıklanmıştır. Çoklu lineer regresyonda genetik algoritma uygulanarak ve bilgi kriterleri kullanılarak model seçimi incelenmiştir. Genetik algoritma için kod oluşturulması ele alınmıştır. Son olarak, sonuç ve öneriler tartışılmıştır. Anahtar kelimeler: Bilgi kriteri, Çoklu lineer regresyon, Genetik algoritma, Model seçimi.

Alan yönlendirmeli asenkron motorun bulanık kayan kip ve genetik kayan kip konum kontrolü

Skaler kontrol yöntemleri, fiyat bakımından asenkron motorlar için uygun olmasına rağmen, kötü bir karakteristiğe sahiptirler ve inverter-motor performansım da kısıtlamaktadırlar. Bu kısıtlamalar alan yönlendirmeli kontrol (vektör kontrol) kullanıldığında ortadan kalkmaktadır. Genel olarak alan yönlendirme yönteminin dezavantajı, motorda hız veya akı sensörlerinin bulundurulmasıdır. Alan yönlendirmeli kontrol teknikleri dolaylı (indirekt ) ve doğrudan (direkt) olmak üzere iki grupta sınıflandırılabilir. Bu tezde, matematiksel sistem modeli olarak sincap kafesli asenkron motorun d-q modeli kullanılmıştır. Moment ve akıyı bağımsız olarak kontrol edebilen vektör bileşenleri, stator akımının senkron olarak dönen isq ve İsa bileşenleridir. Simülasyon programı bu modele dayanılarak hazırlanmıştır. Kontrolör olarak kullanılan Kayan Kip Kontrol (KKK) sistemi, Değişken Yapılı Kontrol (DYK) sistemi olarak bilinmektedir. DYK dizaynı genellikle çarpma ve kayma fazı olarak iki kısımdan oluşmaktadır, önce sistem bir geri besleme kuralıyla anahtarlama yüzeyine doğru yönlendirilmekte ve sonra kayan kip oluşturulmaktadır. Sistem durumları kayan kipe girdiğinde, sistemin dinamiği bu kayma yüzeyinin belirlenmesiyle bulunmaktadır. Motor kontrolü, robot manipülatörleri ve belirsiz sistemler gibi değişken yapılı sistemler, modern doğrusal olmayan sistem kontrolünde önemli bir yer tutmaktadır. Bununla birlikte, gerçel kontrolörlerle gerçekleştirilemeyen kontrol sınırları arasında birçok anahtarlamanın gerçekleşmesi gibi bazı problemler vardır. Bu problemin üstesinden gelmek için, anahtarlama yüzeyinin komşuluğunda ince bir sınır tabaka oluşturulur. Böylece süreksizlik kaldırılmış olur. Bu sınır tabaka bir doyma fonksiyonuyla elde edilebilir fakat sınır tabakanın oluşturulması halinde sürekli hal hataları da oluşabilmektedir. KKK teorisinde bahsedilen sınır tabaka problemi, bulanık mantık ile giderilebilir. Bulanık- kayan kip kontrol, bulanık mantık ve değişken yapılı sistem teorilerinin birleşimidir. Bulanık mantığın temel özelliği, klasik kontrol teorisine ve bir uzman deneyimine dayalı olmasıdır. Genetik Algoritmalar (GA), birçok genin kodlu olarak birleşmiş kromozomundan oluşmaktadır ve sahip olduğumuz genetik yapıdaki koda benzerlik gösteren bir yapıya dayanmaktadır. GA'da temel işlemler üreme, çaprazlama ve mutasyon olarak üç kısımdan oluşmaktadır. Bu çalışmada, dolaylı alan yönlendirmeli asenkron motora, önce sınır tabakalı kayan kip kontrolörü, sonra bulanık-kayan kip ve genetik-kayan kip kontrolörleri uygulanmış ve başarılı sonuçlar alınmıştır. Tezde yapılan simülasyon çalışmaları MATLAB programıyla gerçekleştirilmiş ve elde edilen sonuçlar birbirleriyle karşılaştırılmıştır. Anahtar kelimeler: Asenkron motor, kayan kip kontrol, bulanık mantık, genetik algoritmalar

Control of individual pitch angle in variable wind speed using modern optimization techniques

The renewable energy source used in many different applications is wind power. Wind energy is one of the most expensive forms of energy today. The purpose of wind power is to convert kinetic energy into electrical energy. MATLAB/SIMULINK simulations allowed us to clearly distinguish the three control methods used to optimise the FAST wind turbine; the N-Z PI method, the PSO-PI method and the GA-PI method produced similar results. Increasing the rotor speed quality of the wind turbines and decreasing the mechanical loads on the turbines were investigated. By adjusting the blade angle to the nominal wind speed, the rotor speed of the wind turbine is maintained at its nominal value. By using control methods (such as PI, genetic algorithms and particle swarm optimisation), different results can be achieved. In addition, the individual control of the blade tilt angle allowed us to reduce the mechanical loads of the wind turbine through control methods. The wind turbine was modelled in Matlab/Simulink. The simulation results show that the individual control of the blade tilt angle ensures the quality of the rotor speed of the wind turbine and reduces the balanced periodic loads on the wind turbine.

PI, PID, GA-PID ve BA-PID kontrolör ıle rüzgâr türbının kanat hatve açısı kontrolü

Günümüzde yenilenebilir enerji kaynaklarının enerji piyasasındaki payı yükseliş içerisindedir. Bu kaynakların en önemlisi ise rüzgâr enerjisidir. Rüzgâr hızına bağlı olarak rüzgâr türbin hız kontrolü önemli kontrol parametresidir. Bu hız parametresinin yüksek rüzgâr hızlarında türbin ve diğer önemli parçalara zarar vermemesi için denetim altında tutulması gerekmektedir. Bu tezinde, PI (Oransal Integral), PID (Oransal Integral Türev), GA-PID (Genetik Algoritma-Oransal Integral Türev) ve BA-PID (Bakteriyel Algoritma-Oransal Integral Türev) kontrolör ile bir rüzgâr türbinin hatve açısını kontrol etmek için bir modelleme yapılmıştır. Yüksek rüzgâr hızlarında enerji sistemine zarar verilmemesi ve değişken rüzgâr hızının çıkış gücüne etkisinin kabul edilebilir ölçülerde kalmasını sağlamak PI, PID, GA-PID ve BA-PID kontrolör yöntemi kullanılmıştır. Çıkış gücünün sabit tutulması hedeflenmiştir. Matlab/Simulink programında simülasyon olarak rüzgâr türbini modellenmiştir. Bu çalışmada çıkış gücünü noktası (500 KW) GA-PID ve BA-PID kontrolörün uygulanmasıyla daha optimum seviyede kalması sağlanmıştır.

Bakım parametrelerine dayalı üretim politikaları optimizasyonu

Bakım parametreleri kullanılarak bütünleşik üretim ve bakım planlaması sonucunda bakım parametrelerinin üretim performansı üzerine etkileri,minumum üretim tamamlanma zamanlarının sağlanması ve bu zamanın sağlanması için üretim ve koruyucu bakım programının belirlenmesi, üretim süresinin azaltılması sonucunda yapılacak üretim maliyet tesarrufları vb. amaçlara yönelik olarak üretim politikaları optimizasyonu yapılmıştır. Optimizasyon çalışmalarında sezgisel yöntemlerden genetik algoritma yöntemi kullanılmıştır.

Initialization and training improvements for conic section function neural networks

In this study, Genetic Algorithm is used to determine the center vectors of Conic Section Function Neural Networks on initialization phase and improved cone folding method is proposed for training phase of Conic Section Function Neural Networks. The test performances of the Conic Section Function Neural Network with the proposed training versus Conic Section Function Neural Network with classical training are done on Iris, Lenses, Wine, Ecoli and Haberman datasets of UCI machine learning repository and Two Spiral Problem dataset.

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

Face feature selection using genetic algorithm under different biometric variations

In the current study face recognition under different biometric variations is investigated applying Principal Components Analysis (PCA). In order to improve the recognition performance Genetic Algorithm (GA) is selected. The algorithm follows optimized selection of PCA features based on GA operations on the datasets ORL, FERET and BANCA. The maximum recognition rate (MRR) results obtained with ORL and FERET databases are found to be close to the results of computed with WAVELET-PCA-GA-SVM method. Further the MRR results obtained for BANCA database is 100% as that of the computed with WAVELET-PCA-GA-SVM method for YALE and YALE-B databases. Generally PCA on GA is found to be effective in removing irrelevant data groups and therefore it improves the performance.

Gözlem faaliyetleri için gerekli optimum insansız hava araçları sayısının tespiti

Bu tez çalışmasının amacı havadan gözlem faaliyeti yürütülecek olan bir bölgede en az kaç adet insansız hava aracı (İHA) kullanılması gerektiğini hesaplamaktır. Bu hesabı yapmak için öncelikle bir İHA'nın sabit bir hızda hareket ediyorken sergilediği enerji tüketimi incelenmiş ve İHA'nın metre başına tükettiği % enerji seviyesi yaklaşık olarak elde edilmiştir. Bir İHA'nın üzerinde hareket edeceği yörüngenin uzunluğu dikkate alınarak İHA'nın bu yörüngede 1 turu tamamlaması durumunda enerjisinin % kaçını tüketeceği tahmin edilmektedir. Eğer 1 İHA'nın atandığı yörüngeyi tamamlayamayacağı tespit edilir ise kullanılan her İHA'nın yörüngesini tamamlayabileceği durum oluşuncaya dek İHA sayısı arttırılmaktadır. Bu tez çalışmasında İHA yörüngelerini hesaplamak için araç rotalama problemi kullanılmıştır. Araç rotalama probleminin (ARP) çözümü için metasezgisel optimizasyon yöntemlerinden olan genetik algoritma metodu kullanılmıştır. Geliştirilen algoritma Matlab ortamında çalıştırılmıştır. Genetik algoritma (GA) metodundaki parametrelerden popülasyon sayısı ve çaprazlama oranı değiştirilerek bir bölgede gözlem faaliyeti yürütmeye yeterli en düşük İHA sayısı mümkün olan en kısa İHA yörüngeleriyle elde edilmeye çalışılmıştır.

Şehir içi toplu taşıma planlamasında akıllı kart veri madenciliği ile sefer sıklığı optimizasyonu

Şehir içi toplu taşımada akıllı kart ile ücretlendirme işlemleri her geçen gün daha yaygın bir hale gelmektedir. Bu akıllı kart ile yapılan ödeme ve binişlerin kaydı büyük veritabanlarında tutulmaktadır. Akıllı kart işlemlerine ilişkin bu veriler tüketici davranış kalıplarını anlama, hat hizmet güvenilirliğini ve performansını ölçme, başlangıç – varış matrisi tahmini, gelecekteki talebin öngörülmesi, optimum sefer sıklıklarının belirlenmesi, hat güzergahlarının yeniden düzenlenmesi gibi planlama faaliyetlerinde kullanılabilme potansiyeli taşımaktadır. Akıllı kart verilerine çeşitli veri madenciliği yöntem ve teknikleri uygulanarak tüketici davranışları anlaşılabilir, tüketici gruplarının gösterdiği davranışlara uygun bazı öneriler sunulabilir. Akıllı kart otobüs servis verileri yardımıyla otobüslerin sunulan çizelgeye ne ölçüde uygun hareket ettikleri tespit edilebilir ve güvenilirlik ölçümleri yapılabilir. Çoğu akıllı kart ücretlendirme sistemlerinde sadece biniş esnasında kart gösterilir, iniş esnasında kartın tekrar gösterilmesi söz konusu değildir. Bu nedenle veritabanlarında genellikle sadece biniş duraklarına ilişkin veriler mevcuttur. Bu durumda bir başlangıç – varış matrisi ve gelecekteki talep öngörülerini tahmin edebilmek için öncelikle biniş duraklarından iniş duraklarının tahmini gereklidir. Literatürde yaygın olarak yolculuk zincirleme algoritmasından faydalanıldığı görülmektedir. Bu yöntemle yolculukların önemli bir kısmı için iniş durakları tahmin edilebilmektedir. Biniş ve iniş durakları belli ise başlangıç – varış matrislerinin oluşturulması ve talep öngörüsü için gerekli veriler hazır hale gelir. Gelecek öngörüsünde çok çeşitli yöntemler kullanılabilir. Bu çalışmanın amacı; toplu taşıma planlamasında akıllı kart verilerinin gizli potansiyelini ortaya çıkartmak ve planlamacılara bu verileri ne şekilde kullanabileceklerini göstererek yol göstermektir. Yapılan uygulamada veri madenciliği yöntemleriyle bu büyük veri yığınlarından faydalı verilerin nasıl elde edilebileceği, elde edilen yeni verilerin planlama için nasıl kullanılabileceğini göstermek amaçlanmıştır. Bu çalışmada biniş duraklarından iniş duraklarını tahmin etmek üzere yolculuk zincirleme algoritması, Diker'in önerdiği rastgele atama tahmin yöntemi kullanılmıştır. Kullanılan diğer algoritmalar: k ortalamalar, x-ortalamalar kümeleme algoritmaları, biniş ve iniş duraklarından başlangıç – varış matrisi hesaplaması yapan algoritma, gelecek öngörüsü için ileri beslemeli geriye yayılım algoritması içeren çok katmanlı algılayıcı tipinde yapay sinir ağı, sefer sıklığı optimizasyonu için hedef programlama formülasyonunda önerilen basit bir algoritmik yaklaşım ve genetik algoritmadır. Çalışmanın ilk bölümünde toplu taşıma ve planlamasında akıllı kart kullanımı, akıllı kart verilerinden çeşitli veri madenciliği yöntemleriyle bilgi keşfine, performans ölçümüne ve planlama faaliyetlerine ilişkin literatür özeti sunulmuştur. İkinci bölümde veri madenciliğinin uygulama alanları, veri madenciliği süreci, kullanılan yöntemlere ilişkin literatür özeti sunulmuştur. Üçüncü bölümde araştırmada kullanılan algoritmalara ilişkin literatür araştırması bulguları özetlenmiştir. Bu bölümde optimum sefer sıklığının belirlenmesi için geliştirilen basit yaklaşım hakkında da bilgi verilmiştir. Dördüncü bölümde araştırmanın amacı, kapsamı, varsayımları, sınırlılıkları, yöntemler, verilerin elde edilmesi, prototip uygulamanın gelişim süreci, esas uygulama ve sonuçları sunulmuştur. Araştırmada birçok bulgu elde edilmiştir. Öncelikle biniş duraklarından iniş duraklarını tespit eden algoritmalar çalıştırılmıştır. Yolculuk zincirleme algoritması ile iniş duraklarının ortalama % 58,68'i tahmin edilebilmiştir. Kalan iniş duraklarının % 37,63'ü rastgele atama tahmin yöntemi ile, % 3,69'u ise son durağı iniş durağı olarak atama yöntemi ile belirlenmiştir. Konak bağlantılı 10 otobüs hattı için başlangıç – varış matrisleri hesaplanmış ve verilerin kapsadığı tarihlerde her zaman dilimi için maksimum talep düzeyleri hesaplanmıştır. Bu talep verilerinden hafta sonuna ilişkin bir yapay sinir ağı (YSA), hafta içine ilişkin başka bir YSA ayrı ayrı eğitilmiştir. YSA'nın yanı sıra hareketli ortalamalar, ağırlıklı hareketli ortalamalar, üstel düzeltme ve regresyon modelleri de oluşturulmuş ve tahmin performansları test edilmiştir. En iyi tahminlerin YSA ile elde edildiği görülmüştür. Optimum sefer sıklığını belirlemek için hedef programlamaya dayanan matematiksel modeller hem basit algoritma hem de genetik algoritma ile çözülmüş ve sonuçlar karşılaştırılmıştır. Genetik algoritma ile önerdiğimiz algoritma optimum sonuçları vermiştir.

Simülasyon optimizasyonu ile demontaj hattı dengeleme

Günümüz toplumunda artan çevresel farkındalığı ve daha katı çevresel düzenlemeler, imalat şirketlerini farklı seçenekler (örneğin, geri dönüşüm, yeniden üretim) aracılığıyla kullanım ömrü bitmiş (KÖB) ürünlerinin geri kazanılması için gerekli önlemleri almaya zorlamıştır. Tüm ürün geri kazanım seçenekleri KÖB ürünlerinin belirli seviyelerde demonte edilmesi gerektirdiğinden, demontaj, kullanılmış ürünlerin işleminde kritik bir işlem olarak kabul edilir. Bu kritik operasyon genellikle ürün geri kazanım tesislerinde demontaj hatları oluşturularak gerçekleştirilir. Demontaj hatlarının dengelenmesi için sezgisel, metasezgisel ve matematiksel programlamaya dayalı çeşitli metodolojiler önerilmiştir. Bu metodolojilerin çoğu bir demontaj hattının esas olarak, gelen KÖB ürünlerin bilinmeyen koşullarından dolayı büyük ölçüde belirsizlik içerdiği gerçeğini göz ardı ederek demontaj hattı parametrelerinin belirli olduğunu varsayar. Bu çalışmada, stokastik parametrelerin açık bir şekilde değerlendirilmesi için simülasyon tabanlı bir demontaj hattı dengeleme metodolojisi önerilmiştir. Öncelikle bir demontaj hattının simülasyon modeli oluşturulmuştur. Ardından, demontaj hattını dengelemek için yaygın olarak kullanılan iki metasezgisel (genetik algoritma (GA) ve tavlama benzetimi (TB) simülasyon modeline entegre edilmiştir. GA tarafından önerilen demontaj sırası ve görev atamaları, TB tarafından önerilen sıra ve görev atamaları ile karşılaştırılmıştır.

Büyüme modellerine yaklaşımlar ve yeni büyüme modelleri

Canlıları veya olguları en iyi tanımlayacak fonksiyonun bulunması için çeşitli kıstaslar aracılığıyla büyüme modelleri sınanmakta bazen de yenileri ortaya konulmaktadır. Bu çalışmada, temel amaç çerçevesinde, Karma Sloboda Gompertz Modeli ve Genelleştirilmiş Crescenzo & Spina Modeli olmak üzere iki yeni büyüme modeli önerilmiştir. Modellerin performansları temel aldığı büyüme modelleri ile karşılaştırılmış, etkinlikleri ortaya konulmuştur. Ayrıca, P. quadrilineatus türü için uzunluk-yaş dağılımında yaygın kullanılan von Bertalanffy modeli yerine Gompertz, Schnute, Lojistik-Karkach gibi büyüme modellerinin kullanılabileceği gösterilmiştir. Lesepsiyen Yengeci'nin uzunluk-frekans dağılımı ELEFAN ve Genetik Algoritma ile belirlenmiştir. İki farklı balık türünün uzunluk-ağırlık dağılımları Yapay Sinir Ağları ve Lineer Regresyon ile belirlenmiş, Yapay Sinir Ağları'nın yetkinliği bu türler için gösterilmiştir. En Küçük Kareler ve Genetik Algoritma yöntemlerinin parametre tahminindeki performansları incelenmiştir. Tüm yöntemler ve modeller; R^2, Hata Kareler Ortalaması, Kök Hata Kareler Ortalaması, Ortalama Mutlak Yüzde Hata gibi kriterlere göre karşılaştırılmıştır. Anahtar Kelimeler: Karma Sloboda Gompertz Modeli, Genelleştirilmiş Büyüme Modeli, Büyüme Modelleri, Yapay Sinir Ağları, Genetik Algoritma

Üretim ve hizmet planlamasında çizelgeleme problemlerinin yöneylem teknikleriyle çözümü : Ders ve sınav programlarının optimizasyonu üzerine bir uygulama

Bu araştırmanın amacı, öncelikle üretim çizelgeleme ve zaman çizelgeleme problemlerinin üretim ve hizmet planlamasındaki önemini ortaya çıkarmak ve bu problemlerin çözüm yöntemlerini inceleyerek birer zaman çizelgeleme problemi olan ders ve sınav programlarının otomatik oluşturulmasını sağlayan bir bilgisayar uygulaması geliştirmektir.Bu amaçla, araştırmanın birinci bölümünde, üretim planlamada üretim çizelgelemenin yeri ve önemi, çizelgeleme problemlerinin çeşitleri ve bu problemlerin çözümü için kullanılan çeşitli yöntemler incelenmiştir. Aynı şekilde hizmet planlamasında zaman çizelgeleme problemlerinin yeri ve önemi, eğitim planlamasında birer zaman çizelgeleme problemi olan ders ve sınav programlarının yeri ve önemi incelenmiştir.Araştırmanın ikinci bölümünde, öncelikle zaman çizelgeleme problemlerinin tanımı, çeşitleri, yapısı ve önerilen çözüm yöntemleri üzerine bir literatür araştırması sunulmuştur. Literatür araştırmasının ardından uygulamada kullanılacak çözüm algoritmaları (genetik algoritmalar, açgöz rasgele adaptif arama prosedürü, tepe tırmanma algoritması, tabu araştırma, tavlama benzetimi - yapay ısıl işlem algoritmaları) ayrıntılı olarak incelenmiştir.Araştırmanın üçüncü ve son bölümünde ise, Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi için ders ve sınav programlarını çözen bir uygulama geliştirilmiş ve algoritmanın yapısı hakkında bilgiler sunulmuştur. Bu amaçla öncelikle, problemin kısıtları belirlenerek matematiksel modellemesi yapılmıştır. Bu modeli kullanan melez bir genetik algoritma geliştirilmiş ve detayları sunulmuştur. Son olarak 2007-2008 Bahar yarıyılı için gerekli kısıtlamalar girilerek, ideal konfigürasyon ile program test edilmiş ve elde edilen sonuçlar değerlendirilmiştir.