Genetic algorithms
172 theses under this subject heading
Genişletilebilir yazmaç yeniden adlandırma yöntemi tasarımı
Yazmaç yeniden adlandırma güncel çok yollu işlemcilerde gerçek olmayan veri bağımlılıklarını ortadan kaldırmak için sıklıkla kullanılan bir tekniktir. Bu teknik mimari tasarımda belirtilen yazmaçların işlemciye gelen buyrukların çözülmesi sırasında fiziksel yazmaçlara atanması ile gerçekleştirilir. Bu atamalar bir eşleştirme tablosunda tutulur.Çok yollu işlemciler dallanma tahmini gibi teknikler kullandığında işlemci hatalı bir tahmin sonucunda olmaması gereken bir duruma düşer. Yanlışlıkla işlenilmeye başlanan buyrukların yazmaçlarının yeniden adlandırmaları bir şekilde geri alınmalı ve doğru duruma dönülmelidir.Güncel işlemcilerde bu geri dönüşümü yapan teknikler ya geri dönüşüm hızından, ya da donanım karmaşıklığı yönünden taviz vermektedir. Bu çalışma donanım karmaşıklığı yönünden daha basit olan, bunun yanında en yavaş halinda iki saat vuruşunda yeniden adlandırma tablosunu eski haline getirebilen ve rahat genişletilebilen bir yeniden adlandırma sistemi önermektedir.Önerilen yapı her mimari yazmaç için farklı boylarda İGİÇ kuyrukları kullanarak her mimari yazmaç için farklı miktarda kopya tutmayı hedefliyor. Bu çalışmanın sonuçları bazı özel durumlar dışında önerilen sistemin donanımla sınırlı yapılardan başarımının daha iyi olduğunu gösteriyor.Bu çalışmanın yanında, işlemcide kullanılan alanı en aza indirmek için İGİÇ kuyruklarının boylarının başarımı çok etkilemeden en aza indirilmesi üzerine bir çalışma daha yapıldı. Bu çalışmada bir genetik algoritma kullanarak alan kullanımı ve başarımı en uygun şekilde birleştirmeyi başardık.
Çok amaçlı genetik algoritma ile kategorik verilerin sınıflandırılması
Bilgisayar bilimlerinde verilerin sınıflandırılması işlemi yıllardır üzerine yoğunlaşılıp, pek çok yöntemin öne sürüldüğü bir konudur. Bu konu, verilerin belirli öznitelikleri kullanılarak en uygun şekilde kümelenmeleri işlemi üzerine yoğunlaşmaktadır. Bu sayede birbirine benzeyen verileri birbirleri ile aynı öbeğe koyulabilmekte ve bu sonuçlar üzerinden belli çıkarımlar yapılabilmektedir. Bu alan, ele alınan veri kümelerinin durumlarına göre derinleşebilmektedir. Örneğin büyük boyutlu ve küçük boyutlu verilerin öbeklendirilmeleri birbirinden çok farklı şekilde özelleşebilmektedir.Öbeklendirmenin türüne göre ise, çok amaçlı öbeklendirme son yıllarda çok revaçta olan bir problemdir. Çok amaçlı öbeklendirme, birbirinden farklı amaçları aynı anda ele alarak verilerin kümeleme sonuçlarını çıktı olarak sunar.Bu tezde ise temel olarak çok amaçlı bir yapı ile kategorik veri kümelerinin öbeklendirilmesi üzerinde çalışılmıştır. Elde edilen sonuçlar tek amaçlı bir şekilde öbekleme yapan k-mod öbeklemesinin sonuçları ile karşılaştırılmıştır. Önerilen yöntemin her durumda daha doğal ve başarılı öbekleme sonuçlarına ulaştığı saflık ölçüm metriği ele alınarak ortaya konulmuştur.Çalışmanın ileriki aşamalarında ise büyük boyutlu veri kümeleri işin içine girince çıkan problemler ele alınıp, bu durumlara çözümler getirilmiştir. Bu koşullar için ise geliştirilen yöntem, veriler üzerinden sıklık eleman kümelerinin elde edilip, bu kümeler üzerinden verimli şekilde öbekleme yapılması işlemidir. Sonuçta elde edilen çıktılar ise önerilen yöntemin verimliliğini ve tutarlılığını ortaya koymaktadır.
Çok amaçlı genetik algoritma ile karışık verilerin sınıflandırılması
Son yıllarda gittikçe büyüyen veri kümeleri içerisinden kullanıcının işine yarayacak olan saklı bilgiye ulaşmak ve çıkarmak gittikçe önemini arttıran bir araştırma konunusudur. Bu bilgiler üzerinden veriler arasında bulunan ilişkiler saptanabilir ve çeşitli yöntemler kullanılarak bu verilerin öbeklenmesi ve sınıflandırılması sağlanabilir. Bu bilgilerin çıkartılması adına bir çok algoritma geliştirilmiştir ve bu işlemler şu anda bankacılık, biyoenformatik, sağlık sektörü ve benzeri bir çok alanda aktif olarak kullanılmaktadır.Sadece numerik veya sadece kategorik öznitelikler içeren veri kümeleri için bu öbekleme işlemlerini yapan k ? means, k ? modes gibi algoritmalar mevcuttur fakat numerik ve kategorik özniteliklerin karışık olarak yer aldığı veri kümeleri için çözüm üreten çok sayıda yöntem bulunmamaktadır.Bu tezde karışık özniteliklerden oluşan veri kümelerinin öbeklenmesine yönelik bir araştırma yapılmış ve bu doğrultuda bir çözüm yöntemi önerilmiştir. Önerilen çözüm yönteminde karışık öznitelikler içeren veri kümeleri özniteliklerinin türleri doğrultusunda ayrılmakta ve değerlendirilmekte daha sonra ise numerik ve kategorik olarak ayrı ayrı alınan sonuçlar birleştirilerek sonuca ulaşılmaktadır. Bu işlemlerin yapılabilmesi adına numerik ve kategorik öznitelikler için farklı uzaklık (benzerlik) metrikleri tanımlanmıştır. Son olarak ise tanımlanan bu uzaklık metrikleri bir k ? means yapısına oturtularak istenilen algoritma elde edilmiştir. Bu algoritmadan elde edilen sonuçlar üzerinden çeşitli metrikler doğrultusunda ideal öbek sayıları tespit edilmeye çalışılmış ve elde edilen sonuçların başarımları saflık metriği adı verilen bir metrik hesaplanmış ve farklı yöntemler ile elde edilen sonuçlarla karşılaştırılmıştır.
Evrimsel algoritmalar ile üç aşamalı bir korunmalı alım opsiyonu modeli eniyilemesi
Gelişimsel algoritmalar finans alanında çeşitli problemlerin çözümü için kullanılmaktadır. Opsiyon alım satım stratejileri de kaldıraçlı işlem özelliği göstermeleri ve güvenli olmaları açısından son zamanlarda tercih edilmektedir. Bu çalışmada Korunmalı Alım (Covered Call) adı verilen opsiyon alım stratejisinin genetik algoritma ve parçacık sürüsü eniyilemesi kullanılarak geliştirilen üç aşamalı model ile eniyilenmesi amaçlanmıştır. İlk aşamada trend belirlemesi yapılmış, ikinci aşamada trend bilgisi kullanılarak, Bağıl Güç Endeksi (RSI) ile al-sat sinyalleri oluşturulmuş ve son aşamada da Korunmalı Alım stratejisi için gerekli parametreler eniyilenmiştir. İlk aşamada arama uzayı küçük olduğu için bütün değerler denenerek sonuçlar elde edilirken, diğer iki aşamada genetik ve parçacık sürüsü algoritmaları eniyileme için kullanılmıştır. Geliştirilen üç aşamalı modeli test etmek için 4 farklı ETF kullanılmıştır; SPY, XLE, IWM ve XLF. Bu ETF'ler 2005-2008 yılları arasında eğitilmiş ve optimize edilmiş, 2009 yılında da test edilmiştir. Elde edilen sonuçlar Al ve Tut yöntemi ile ve daha önce geliştirilen 2 Aşamalı Model ile karşılaştırılmıştır.
Evrimsel algoritmalar ile yayılma stratejisi opsiyon çiftlerinin eniyilemesine bağlı iki aşamalı bir alım satım modeli geliştirilmesi
Yapay zeka, portföy optimizasyonu ve fiyatlandırma problemlerinde uzun süredir kullanılmaktadır. Bu çalışmada iki aşamalı bir opsiyon stratejisi modellenmiş, Genetik Algoritma ve Parçacık Sürüsü Eniyilemesi algoritmalarıyla eniyilenmesi amaçlanmıştır. Finansal stratejiler eniyileneceklerinde fiyatların yükselme ve düşme eğiliminde olmak üzere ikiye ayrılarak eniyilenmeleri başarımı arttırmaktadır. Bu nedenle ilk aşamada, eğilim tespit yönteminin eniyilenmesi amaçlanmıştır. Eğilim tespiti için finansal varlığın yakın geçmiş ve uzak geçmişteki fiyat ortalamaları alınmıştır. Yakın geçmiş ortalaması uzak geçmiş ortalamasından fazla olduğunda fiyatın yükselme, tersi durumda ise düşme eğiliminde olduğu kabul edilmiştir. 1. aşamada yakın geçmişin ve uzak geçmişin kaç günden oluşacağı parametreleri eniyilenmiştir. 2. aşamada, 1. aşamada bulunan değerler kullanılarak eğilim tespiti yapılmış, fiyatın yükselme eğilimi göstermesi durumunda Alım Opsiyonlu Yayılım Stratejisi, düşme eğilimi göstermesi durumunda da Satım Opsiyonlu Yayılım Stratejisi kullanılmıştır. Alınacak/satılacak opsiyonların kullanım fiyatları ve vadeleri eniyilenmiştir. Geliştirilen model 5 ETF üzerinde denenmiş, sonuçlar 3 farklı stratejiyle karşılaştırılmış ve en yüksek kârı bu çalışmada önerilen modelin getirdiği görülmüştür.
Trendden arındırılmış finans verileri üzerinde evrimsel algoritmalar ile salınım-tabanlı teknik analiz göstergelerinin parametre eniyilemesi
Teknik analiz göstergeleri, finans alanında yaygın olarak kullanılan teknik analiz yöntemleridir. Bu göstergeler teknik analiz sonucu elde edilir ve finans araçlarının alım-satım sinyallerinin üretilmesinde kullanılır. Yapılan çalışmalar sonucunda bu göstergeler için genel alım-satım kuralları ortaya konulmuş ve yatırımcılar için kolay ve anlaşılır kurallar oluşturulmuştur. Ancak, bu göstergelerin genel kurallarının piyasanın trend etkisi altında olduğu durumlarda güvenilir sonuçlar vermediği bilinmektedir. Piyasanın hareket yönünün tahmini de oldukça zor olduğundan bu göstergeler için tanımlanmış genel kuralların performansı da trendle birlikte azalmaktadır. Bu tez çalışmasında Bağıl Güç Endeksi (Relative Strength Index - RSI) ve Williams %R göstergeleri, farklı ETF'ler (Exchange-Traded Fund) için genetik algoritma ve parçacık sürü optimizasyonu ile eniyilenerek her bir ETF için farklı kurallar oluşturulmuştur. Ayrıca, piyasanın durumu göz önüne alınarak yükselen ve alçalan piyasa koşulları için de her bir ETF için göstergeler ayrı ayrı analiz edilmiş ve piyasanın iki farklı koşulu için her ETF'ye iki ayrı kural tanımlanmıştır. Son olarak her bir ETF'nin trendi hesaplanarak her bir ETF'nin değeri trendden arındırılmış ve piyasanın durumundan bağımsız tek bir kural oluşturulmaya çalışılmıştır. Tüm yapılan analizler sonucu elde edilen gösterge parametreleri test edilmiş ve elde edilen kuralların başarımı ölçülmüştür. Elde edilen sonuçlar, trendden arındırılmış veriler ile yapılan çalışmalarda elde edilen kuralların trendden daha az etkilendiğini göstermektedir.
Yapısal optimizasyon problemlerinin çözümü için yeni bir hibrid optimizasyon yönteminin geliştirilmesi
Optimizasyon, herhangi bir problem için verilen koşullar altındaki bütün çözümleri arasından en uygun çözümü bulma işlemi olarak ifade edilebilir. Optimizasyon probleminin daha kolay çözülebilecek bir yapıda olması için problemin yapısına göre belirlenen matematiksel modeller oluşturulur. Doğadan ilham alan meta-sezgisel optimizasyon algoritmalarının davranışlarındaki kararsızlık ve düzensiz yapıları, birçok optimizasyon uygulamaları ve problemler için çözüm olabilmektedir. Meta-sezgisel optimizasyon algoritmalarının temel bileşenleri olan keşif, global arama yaparak çeşitli çözümler üretme sürecini, istifade ise yerel aramaya odaklanma ve en uygun aday çözümleri seçmeyi açıklamaktadır. Çalışmada, yapısal optimizasyon problemlerinin çözümüne yönelik yeni bir hibrid optimizasyon algoritması geliştirilmiştir. Literatürde mevcut ve güncel meta-sezgisel optimizasyon algoritması olan Yapay Tavşan Optimizasyonu (ARO) algoritmasının, kaotik haritalar ile entegre edilerek yakınsama hızının geliştirilmesi ve bu yeni hibrid algoritmanın çeşitli yapısal optimizasyon problemlerinin çözümünde kullanılması hedeflenmiştir. Bu çalışmada, Yapay Tavşan Optimizasyonu (ARO) algoritmasının matematiksel denklemlerindeki rastgele parametreler, literatürde iyi bilinen 10 kaotik harita ve önerilen 4 farklı modifikasyon yöntemi ile hibridlenmiştir ve tez kapsamında geliştirilen bu hibrid algoritmaya, Kaotik Yapay Tavşan Optimizasyonu (CARO) algoritması adı verilmiştir. CARO algoritmasının 23 klasik test fonksiyonları ile performansları test edilmiştir. CARO algoritması daha sonra 5 temel mühendislik tasarım problemi olan basınçlı kap tasarımı, rulman tasarımı, çeki/bası yay tasarımı, ankastre kiriş tasarımı ve dişli takımı tasarımına uygulanmıştır. CARO algoritması, literatürdeki güncel ve popüler 6 meta-sezgisel algoritma olan Yapay Tavşan Optimizasyonu (ARO) algoritması, Parçacık Sürü Optimizasyonu (PSO), Gri Kurt Optimizasyonu (GWO), Güve-Alev Optimizasyonu (MFO), Harris Şahinleri Optimizasyonu (HHO) ve Genetik Algoritma (GA) ile karşılaştırılmıştır. Tez kapsamında, mevcut bir taşıt fren pedalı parçasına göre daha az ağırlıkta ve çalışma koşullarındaki gereksinimlerini karşılayacak gerilme değerine sahip olan yeni bir fren pedalı parçasının CARO algoritması kullanılarak yapısal optimizasyonu yapılmıştır. Fren pedalı parçasının yapısal optimizasyon probleminin matematiksel modelini meydana getirmek için latin hiperküp örnekleme yöntemi ve radyal temelli fonksiyonlar ile meta-modelleme yöntemi kullanılmıştır. Topoloji ve şekil optimizasyonuna göre fren pedalı parçasında 6 adet delik açılarak ağırlık hafifletilmiş ve tasarım değişkenleri belirlenmiştir. Latin hiperküp örnekleme yöntemi ile 100 farklı fren pedalı modeli oluşturulmuştur. Radyal temelli fonksiyonlar ile meta-modelleme yöntemiyle amaç fonksiyonu olarak ağırlık ve kısıt fonksiyonu olarak gerilme değerleri için matemetiksel denklemler elde edilmiştir. Bu matematiksel denklemler kullanılarak, fren pedalı parçasının kütle minimizasyonu açısından, CARO algoritması literatürde bilinen 6 meta-sezgisel algoritmalarla mukayese edilerek çözülmüştür. Sonuç olarak, fren pedalı parçasının optimum tasarım ağırlığı 983.30 gr olarak bulunmuştur ve başlangıç tasarımı ağırlığı olan 1202 gr değerine göre %18.2 daha hafif çıkmıştır. Yeni geliştirilen Kaotik Yapay Tavşan Optimizasyonu (CARO) algoritması, literatürde ilk defa taşıt parçasının yapısal optimizasyon probleminde kullanılmıştır. Anahtar Kelimeler: Meta-sezgisel optimizasyon, Yapay tavşan optimizasyonu algoritması, Kaotik haritalar, Kaotik yapay tavşan optimizasyonu algoritması, Topoloji optimizasyonu, Şekil optimizasyonu, Mekanik tasarım, Fren pedalı
Yonga üstü uygulamalar için tümleşik fotonik ızgara bağdaştırıcıların tasarımı ve eniyilenmesi
Tümleşik fotonik, optik bileşenlerin tek bir çip üzerinde bütünleştirilmesine olanak tanıyan devrim niteliğinde bir teknoloji olarak öne çıkmaktadır. Bu ilerleme, telekomünikasyon, biyomedikal algılama, kuantum bilişim ve hassas ölçüm sistemleri gibi birçok alanda önemli gelişmelere katkı sağlamıştır. Geleneksel elektronik devrelerden farklı olarak, tümleşik fotonik ışığı bilgi taşıma ve işleme amacıyla kullanarak geniş bant genişliği, ultra yüksek veri aktarım hızı ve düşük güç tüketimi gibi avantajlar sunmaktadır. Ancak, tümleşik fotonik sistemlerde karşılaşılan en büyük zorluklardan biri, optik fiberler ile çip üzerindeki dalga kılavuzları arasında ışığın verimli bir şekilde bağdaştırılmasıdır. Optik iletişim ve algılama uygulamalarında kullanılan standart optik fiberlerin çekirdek çapı yaklaşık 10 μm iken, çip üzerindeki fotonik dalga kılavuzları genellikle 1 μm'den daha küçük boyutlara sahiptir. İki arayüz arasındaki bu önemli boyut farkı, bağdaştırma kayıplarına ve mod uyumsuzluklarına neden olarak tümleşik fotonik cihazların verimliliğini doğrudan etkilemektedir. Bu sorunu çözmek amacıyla çeşitli bağdaştırıcı teknikleri geliştirilmiş olup, en yaygın kullanılan yöntemler ızgara bağdaştırıcılar (grating coupler) ve kenar bağdaştırıcılardır (edge coupler). Izgara bağdaştırıcılar, gelen ışığı kırınım temelli bir yapı aracılığıyla dalga kılavuzuna yönlendirerek dikey bağdaştırma mekanizması sağlar. Bu yöntem, hizalama toleranslarının daha esnek olması, yonga (wafer) seviyesinde test edilebilmesi ve kompakt bir tasarıma sahip olması gibi avantajlar sunarak yüksek yoğunluklu tümleşik fotonik sistemler için cazip bir seçenek haline gelmektedir. Kenar bağdaştırıcıların bağdaştırma verimlilikleri daha yüksek olmasına rağmen, yüksek hassasiyet gerektiren üretim süreçleri ve yonga üstüne ışığı hizalamadaki hassasiyetin önemi gibi zorluklar nedeniyle uygulamada daha karmaşık hale gelmektedir. Tümleşik fotonik platformlarında en yaygın kullanılan malzemeler silisyum (Si) ve silisyum nitrür (SiN)'dür. Yüksek kırılma indisi kontrastına sahip silisyum fotoniği, güçlü optik alan hapsi sağlarken, CMOS (Bütünleyici Metal Oksit Yarı İletken) üretim süreçleri ile tam uyumluluğu sayesinde büyük ölçekli entegrasyon için uygun bir platform sunar. SiN ise düşük yayılım kayıpları ve geniş spektral çalışma aralığı sayesinde özellikle doğrusal olmayan optik uygulamalar ve kuantum bilişim için avantaj sağlamaktadır. Literatürdeki çalışmalar çoğunlukla tek bir malzemeye odaklanırken, bu tezde hem Si hem de SiN kullanılarak 1550 nm dalga boyu için optimize edilmiş ızgara bağdaştırıcı tasarımları önerilmektedir. Bu çalışma, ızgara periyodu, aşındırma derinliği ve bağdaştırma açısı gibi yapısal parametreleri optimize ederek bağdaştırma verimliliğini artırmayı ve kompakt bir tasarım sağlamayı hedeflemektedir. Önerilen tasarımlar, fiberden çip üzerine ışık bağdaştırma sürecinin performansını iyileştirerek tümleşik fotonik teknolojilerinin daha geniş bir uygulama alanına yayılmasına katkıda bulunacaktır.
Histopatolojik görüntülerden derin öğrenme tabanlı meme kanseri teşhisi
Meme kanseri histopatolojik görüntülerinin doğru sınıflandırılması, erken teşhis ve etkili tedavi süreçlerinde kritik bir rol oynamaktadır. Bu tez çalışma, meme kanseri histopatolojik görüntülerinin sınıflandırılması amacıyla özel olarak tasarlanmış bir Convolutional Neural Network (CNN) modelinin geliştirilmesini ve performans değerlendirmesini kapsamaktadır. Araştırmanın ilk aşamasında, geniş veri kümeleri üzerinde önceden eğitilmiş transfer öğrenme modelleri değerlendirilmiştir. On bir farklı transfer öğrenme modeli kullanılmış ve öğrenme oranı, kayıp fonksiyonu, optimizasyon algoritması ve veri artırma teknikleri gibi parametreler titizlikle optimize edilmiştir. Xception ve InceptionV3 modelleri sırasıyla %89,89 ve %92,17 doğruluk oranları ile en yüksek performansı göstermiştir. Buna karşılık, MobileNetV2 ve EfficientNetV2B1 modelleri daha düşük başarı oranlarına sahip olmuştur. Transfer öğrenme modellerinden elde edilen sonuçlar doğrultusunda, sınıflandırma performansını daha da artırmak amacıyla özel bir CNN modeli tasarlanmıştır. Bu model, sıkıştırma-uyarı (squeeze-excite) mekanizmaları ve grup normalleştirme teknikleri ile optimize edilmiştir. Geliştirilen CNN modeli %93,93 doğruluk, %93,93 hassasiyet ve %93,98 F1 puanı ile transfer öğrenme modellerini geride bırakarak üstün bir performans sergilemiştir.
Esnek robot kol sistemi için LQR denetleyici parametrelerinin metasezgisel algoritmalar kullanılarak belirlenmesi
Yapılan bu çalışma, hem esnek robot kol sisteminin hareket kontrolü için tasarlanmış LQR denetleyicisi hem de kontrol parametrelerinin optimizasyonu hakkında analizler sunmaktadır. Bu optimizasyon çalışması ile esnek robot kol sistemi istenilen açısal hedefe en hızlı şekilde gelirken artık titreşimlerde ortadan kalkar. Titreşimli parçacık sistemi yeni bir meta-sezgisel yaklaşımdır ve ilk kez bu çalışmada LQR'a ait parametrelerin (ağırlık matrislerinin) ayarlanmasında kullanılmıştır. Çalışmada kullanılacak metodun etkinliği, çok sık kullanılan optimizasyon algoritmalarından olan genetik ve yapay arı kolonisi algoritması gibi algoritmalar ile karşılaştırılmıştır. Ayrıca bu çalışma, kullanılan sistem için kontrol yanıtının parametrelerini dikkate alan yeni çoklu amaç fonksiyonu önermektedir. Optimizasyon algoritmalarına ait parametreler geniş bir arama uzayı vasıtasıyla belirlenmiştir. Her bir algoritma dört farklı popülasyon/parçacık değeri ile incelenmiş ve 100 iterasyon için sonuçlar elde edilmiştir. GA, ABC ve VPS algoritmalarından elde edilen en iyi kontrol sonuçları, esnek robot kol sistemine uygulanmıştır. Uygulama sonrası teorik ve deneysel sonuçlar karşılaştırılmıştır. Karşılaştırma sonucunda istenilen en iyi kontrol sonuçlarının VPS tabanlı LQR denetleyicisi ile elde edildiği görülmüştür. Ayrıca yapılan bu çalışma, optimizasyon algoritmalarındaki teorik uygulamaya yönelik ayrıntıları gösterecek şekilde düzenlenmiştir.
İki robot kollu sistemde görüntü işleme ve genetik algoritma kullanarak çarpışma önleme ve görev paylaşımının optimizasyonu
Bu çalışmada, seçme amacıyla kullanılan bir konveyör bandının üzerindeki cisimlerin konumları, bir kamera ile çekilen fotoğraflar işlenerek elde edilmiştir. Konumları belirlenen objeleri toplamak için karşılıklı konumlandırılan iki adet robot kolun hareketi genetik algoritma ile planlanmıştır. Çalışma iki ana modülden oluşmaktadır. İlk modül, gerçek görüntülerin işlendiği ve cisimlerin konumlarının belirlendiği görüntü işleme modülüdür. Bu amaçla geliştirilen "Metrik" ismini verdiğimiz görüntü işleme algoritması ve YOLOv4 algoritması kullanılmıştır. İkinci modül robotlara iletilecek, 4 farklı amacı gerçekleştiren, en uygun hareket planının genetik algoritma ile hesaplandığı bölümdür. Bu amaçlar; robot kolların çarpışmasının engellenmesi, eşit sayıda cisim almaları, kat edilecek toplam yolun kısaltılması ve yolların birbirine eşit olmasıdır. Bu hedeflere genetik algoritmanın ulaşabilmesi için bir başarı puanı hesaplama formülü geliştirilmiştir. Bu hedefler için en yüksek toplam başarı puanı veren hareket planı robot kollara iletilerek çarpışmaları engellenmiş, görev süreleri azaltılmış ve çalışma ömürleri arttırılmıştır. Sonuç olarak, hedef cisimlerin tanınması ve konumlarının belirlenmesi için "Metrik" ve YOLOv4 algoritmaları karşılaştırılmıştır. YOLOv4 algoritması "Metrik" den yaklaşık 100 kat daha hızlı, milisaniyeler düzeyinde cisimleri tanımış ve konumlarını belirlemiştir. Genetik algoritma kullanılmadan yapılan görev dağılımlarında, robot kolların çarpıştığı, görev dağılımın dengesiz olduğu görülmüştür. Genetik algoritma ile yapılan optimizasyon sonrasında yük dağılımı, kat edilen yol dengeli hale gelerek kollar çarpışmamıştır. Elde edilen sonuçlarda, optimizasyon öncesine göre kat edilecek mesafe %25 azalırken, başarı yaklaşık %30 artmıştır. Önerilen yöntemde hedef cisimlerin konumları başarılı bir şekilde belirlenmiştir ve robot kollar bu cisimleri çarpışmadan dengeli iş yükü ile toplamışlardır.
Türkiye futbol liginde simultane oyun programlama ve hakem atama için genetik algoritma
Scheduling games in a league and referee assignment are important planning tasks of professional football federations. Previous research studied game scheduling and referee assignment problems separately. This thesis presents an integer linear model for simultaneously scheduling Turkish Football League (Süper Lig) matches and assigning referees to games. Due to the difficulty in obtaining an exact solution, we also develop a genetic algorithm for solving the problem approximately. In solving the simultaneous problem we consider several constraints used by Turkish Football Federation (TFF) along with additional constraints that are important for a good schedule. We use Turkish league data from 2010-2013 in our analysis of the developed genetic algorithm. Our heuristic approach provides a general framework that can be used for other leagues as well.
Taşıyıcı yüzey sistemlerinin girdap kafes yöntemi ile analizi ve genetik algoritma ile eniyilemesi
Hava araçlarının aerodinamik tasarımı, analizi ve eniyilemesi, akışkanlar dinamiği bilimiyle uğraşan araştırmacıların üzerinde durduğu karmaşık ve esasında çok-disiplinli mühendislik problemleridir. Bu kapsamda, günümüzde uygulanan Hesaplamalı Akışkanlar Dinamiği (CFD) çözümleri tasarım sürecinin ilk aşamalarında birçok sebeple uygun görülmemektedir. Onun yerine daha basit çözümler sunan, akış alanıyla ilgili temel yaklaşımlarda bulunanarak çözümü hızlandıran yöntemlerin kullanımı daha yaygındır. Hesaplamalı aerodinamik uygulamalarında sıkça kullanılan Girdap Kafes Yöntemi (VLM) taşıyıcı yüzeylerin üzerindeki potansiyel akışı çözmektedir. Ludwig Prandtl'ın 1918 yılında tanıttığı taşıyıcı çizgi modeli (PLL) sonlu düz kanatlar için analitik bir çözüm sağlarken, yine Prandtl'ın ortaya koyduğu teoriyi esas alan VLM ile herhangi bir konfigürasyondaki çok elemanlı taşıyıcı yüzey sisteminin incelemesi girdap-kafes modeli ile mümkün olmaktadır. Bu modelde yüzeyler çözümlemenin yapılacağı panellere bölünür ve her panele taşıyıcı özelliğini veren atnalı girdapları yerleştirilir. Potansiyel akım sınır şartı kullanılarak çözülen girdap şiddetleri ile taşıyıcı yüzey üzerine etki eden aerodinamik kuvvetler Kutta-Joukowski Kanunu ile hesaplanır. Konsept ve ön tasarım süreçlerinde ilgili hava aracının taşıyıcı yüzeyleriyle ilgili kanat açıklığı, açıklık oranı, kök ve uç veter uzunlukları gibi birçok parametrenin belirlenmesi gerekmektedir. Ancak, her bir parametrenin belirlenmesi başlı başına bir eniyileme çalışması gerektirmektedir. Bunun sebebi ise taşıyıcı yüzeyler birbirleri arasında aerodinamik etkileşim içindedir. Bir yüzeye ait parametre diğer bir yüzey üzerinde etki yaratmaktadır ve hava aracının genel performansı açısından bu etkinin incelenmesi önem arz etmektedir. Doğanın genetik mekanizmalarını açıklayan Darvinci Evrim Teorisi (DET), yapay sistemlerin eniyilemesinde de etkin bir şekilde kullanılabilmektedir. Evrimsel Algoritmaların (EA) bir alt sınıfı olan Genetik Algoritmalar (GA), doğanın kanunlarını yapay sistemlere uygulayarak, zorluklar karşısında kendi kendini geliştiren sistemler üretmektedir. Bu uygulamanın temellerini John H. Holland 1975 yılında atmıştır. Holland'ın yürüttüğü çalışmalar hem yapay sistemlerin eniyilemesi hem de doğal sistemlerin bilimine büyük katkı sağlamıştır. Bu tez kapsamında çok elemanlı taşıyıcı yüzeylerin nümerik incelemesi için VLM yönteminin bir bilgisayar programını geliştirilmiştir. MATLAB programlama dili kullanılarak geliştirilen yazılımın öncelikle PLL yöntemi ile düz bir kanat analizi için karşılaştırılmış ve elde edilen sonuçlar doğrulanmıştır. Çok elemanlı sistemler içinse ek doğrulama çalışmaları yürütülmüştür. Ters açılı bir çift kanat kullanılarak yer etkisi analizi yapılmış ve kanatlar arası uzaklık artırıldıkça yer etkisinin azaldığı görülmüştür. Bir diğer doğrulama çalışmasında ise bir kanat arkasında yerleştirilen yatay kuyruğun analizi yapılmıştır. Bu analizde aşağı sapmanın etkisiyle kuyruk üzerindeki etkin hücum açısının serbest akımın geliş açısından daha düşük hesaplanması incelenmiştir. Doğrulama çalışmaları neticesinde, taşıyıcı yüzeylerin incelenmesi amacıyla geliştirilen VLM yazılımı evrimsel döngüler sırasında çağırılabilecek bir fonksiyona dönüştürülmüştür. Evrimsel döngülerin değerlendirme aşamasında, her bir birey için bu fonksiyon çağrılmış ve aerodinamik katsayılar hesaplanmıştır. Hesaplanan katsayılar güçlü bireylerin belirlenmesine yarayan uygunluk fonksiyonlarında kullanılmıştır. Çaprazlama ve mutasyon evrelerinden sonra elde edilen çocuk bireylerin sonraki nesle nasıl aktarılacağı konusunda farklı yaklaşımlar denenmiş olup, elde edilen sonuçlar karşılaştırılmıştır. Sonuç olarak geliştirilen taşıyıcı yüzey sistemlerini eniyileme yazılımı uygulamalarda kullanılmış ve elde edilen bulgular paylaşılmıştır.
Gaz türbini kanat ucu geometrisinin aerodinamik ve ısıl optimizasyonu
Türbomakinalarda kanat ucu boşluğu, dönel harekete sahip kanatlar ile durağan haldeki gövde arasındaki boşluk olarak tanımlanır. Kanatların bağıl hareketine izin vermek ve ısıl genleşme sonucu ortaya çıkabilecek sorunları önlemek için kanatlar ve gövde arasında boşluk bırakılır. Bu boşluk, kanat basınç kenarından emme kenarına doğru bir sızıntı akışına neden olmaktadır. Kanat ucu boşluğundaki bu akış oldukça karmaşık ve üç boyutludur. Kanat ucu boşluğunu terk eden sızıntı akışı kanat ucu vorteksinin oluşumuna neden olmakta ve ana akımla etkileşime girmektedir. Emme kenarı civarında oluşan kanat ucu vorteksi ve bu vorteksin türbomakina ana akımıyla etkileşimi, rotordaki toplam basınç kaybının arttırmaktadır. Türbin rotorundaki toplam aerodinamik kaybın yaklaşık üçte biri kanat ucu boşluğundan kaynaklanmaktadır. Ayrıca, sızıntı akışı güç üretimine katkıda bulunmaz. Bununla birlikte kanat ucu boşluğuna giren yüksek sıcaklıktaki sızıntı akışı, kanat uç yüzeyinde ısıl gerilmelere neden olmaktadır. Kanat ucu boşluğundan kaynaklanan sızıntı akışının türbomakina performansına olumsuz etkilerini azaltmak/en aza indirgemek için çeşitli pasif kontrol yöntemleri geliştirilmiştir. Kanat uç geometrisinin geliştirilmesiyle elde edilen çit(squealer) (çit), kanatçık (winglet) uygulamaları, pasif kontrol yöntemleri olarak litereatürde incelenmiştir. Sızıntı akışının türbomakina aerodinamik ve ısıl performansına etkilerini en aza indirmek için öncelikle kanat ucu boşluğundan kaynaklanan akış yapılarının detaylı bir şekilde ortaya konması gerekmektedir. Türbomakina tasarımında çok sayıda parametre söz konusu olduğundan önerilen pasif kontrol yöntemlerinin türbomakina performansına farklı etkileri söz konusu olabilmektedir. Literatürde yaygın bir şekilde incelenen çit (tam- cavity squealer) ve kısmi çit (partial squealer) tasarımları için aerodinamik ve ısıl performans üzerine farklı sonuçlar elde edilmiştir. Kanatçık uygulamalarında da benzer durum söz konusu olmaktadır: basınç kenarı ve emme kenarı üzerine yerleştirilen kanatçık tasarımlarının türbomakina performansına farklı etkileri gözlenmiştir. Bu projede, yüksek aerodinamik ve ısıl performansa sahip kanat ucu geometrilerinin geliştirilmesi amaçlanmıştır. Kanat ucu boşluğundan kaynaklanan toplam basınç kaybını ve ısıl gerilmeyi azaltan tasarımların geliştirilmesi projenin temel amacıdır. İki boyutlu ve üç boyutlu optimizasyon yöntemleri kullanılarak aero-termal açıdan optimum kanat uç geometrisi geliştirilmiştir. Yapay sinir ağıyla (YSA) bütünleştirilmiş genetik algoritma optimizasyonu kullanılarak optimum kanat uç yüzeyi belirlenmiştir. Yapay sinir ağı dışında Aşırı Öğrenme Makinası (Extreme Learning Machine - AÖM) ve Destek Vektör Makinası (Support Vector Machine - DVM) öğrenme modelleri de kullanılmıştır. Genetik algoritma optimizasyonu ile belirlenen tasarımlara HAD (Hesaplamalı Akışkanlar Dinamiği) yöntemleri uygulanmıştır. Öğrenme modelleri tahminleri ve HAD sonuçları arasındaki farklılık kabul edilebilir mertebelere düşürüldüğünde optimizasyon çalışmaları sonlandırılmıştır. Bu çalışma kapsamında türbomakina içindeki ve kanat ucu boşluğundaki akış HAD yöntemleri ile incelenmiştir. Kanat ucu boşluğu ve gövde arasındaki boşluk oldukça dar bir kanaldır. Bu bölgede akışa ait özelliklerin belirlenmesi, çeşitli ölçümlerin yapılması oldukça zor olmaktadır. Bazı durumlarda deneysel ölçüm gerçekleştirmek mümkün olmamaktadır. Türbomakina içindeki ve kanat ucu boşluğundaki akış fiziğine ait detaylı veriler elde edebilmek için HAD yöntemleri bu noktada büyük bir önem taşımaktadır. Deney düzeneğinin hazırlanması ve akışa ait çeşitli ölçümlerin gerçekleştirilmesine karşılık HAD yöntemleri kullanmak zaman ve maliyet açısından daha ekonomik olmaktadır. Çalışma kapsamında uygun bir HAD yöntemi geliştirmek için öncelikle Pennsylvania Eyalet Üniversitesi'nde Prof. Dr. Cengiz Camcı yönetimindeki Türbomakina Laboratuvarında bulunan Eksenel Akışlı Gaz Türbini Araştırma Düzeneği'nden (Axial Flow Turbine Research Facility - AFTRF) yararlanılmıştır. AFTRF dönel kaskat düzeneğinde soğuk türbin deneyleri yapılmaktadır. AFTRF rotor kanat uç profili kullanılarak kanat yüksekliği 123 mm olan kanat katı modeli oluşturulmuştur. Elde edilen kanat geometrisi doğrusal kaskat şeklinde modellenip HAD yöntemleri uygulanmıştır. Bu kapsamda, kanat ucu boşluğu yüksekliğinin ve kanat ile gövde arasındaki bağıl hareketin sızıntı akışına etkileri HAD yöntemleriyle araştırılmıştır. HAD sonuçları, kanat ucu boşluğundaki artışın toplam basınç kaybını önemli oranda arttırdığını, kanat ile gövde arasındaki bağıl hareketin ise toplam basınç kaybını azalttığını ortaya koymuştur. Bu aşamada HAD analizleri için çözüm ağı ICEM CFD genel amaçlı yazılımıyla oluşturulmuştur. Kanat uç yüzeyinin oyularak aerodinamik ve ısıl performans açısından optimum kanat ucunun araştırıldığı çalışmada çok sayıda sonuca gereksinim duyulmaktadır. Başlangıç veri tabanındaki nokta sayısı göz önünde bulundurulduğunda, sonuç elde edilmesinde gerekli süreyi azaltmak için akış hacminin ve çözüm ağının parametrik bir yaklaşımla elde edilmesi bir zorunluluk olmaktadır. Böylelikle çözüm ağından kaynaklı farklılıkların da en aza indirgenmesi sağlanmış olacaktır. Ayrıca, parametrik bir çalışma ortamı, pasif kontrol yöntemlerinden çit, kısmi çit ve kanatçık boyutlarının türbomakina performansına etkilerinin sistematik bir şekilde araştırılmasına olanak sağlayacaktır. Bu nedenle ANSYS Workbench ara yüzünde parametrik bir çalışma ortamı oluşturulmuştur. Çözüm ağı üretimi için ICEM CFD yerine ANSYS Meshing modülü kullanılmıştır. Bir sonraki çalışma döneminde kanat ucu boşluğu sabit tutularak farklı yükseklik ve genişlikteki çit tasarımları HAD yöntemiyle incelenmiştir. 7 farklı genişlik ve 4 farklı yükseklik için toplam 28 adet çit tasarımına sayısal analiz uygulanmıştır. Literatürde çit yüksekliği ve genişliğinin türbin performansına etkisini inceleyen sınırlı sayıda çalışma bulunmaktadır. Literatür incelemesi sonucunda özellikle çit genişliği konusunda bir eksiklik olduğu gözlenmiştir. Bu nedenle yükseklik ve genişlik etkisi, Workbench ara yüzünde geliştirilen parametrik çalışma alt yapısı sayesinde sistematik bir şekilde incelenmiştir. Böylelikle literatüre ciddi bir katkı sağlanmıştır. HAD sonuçları, çit tasarımlarının sızıntı debisini düşürüp, kanat ucu vorteksini zayıflatmada etkili olabileceğini ortaya koymuştur. Ayrıca, çit uygulamalarının kanat yüzeylerindeki ortalama ısı geçiş katsayısını azaltabildiği gözlenmiştir. Geleneksel pasif kontrol yöntemleri dışında kompresörlerde yaygın bir şekilde kullanılan ve türbin uygulamaları oldukça sınırlı olan gövde iyileştirmeleri (casing treatment) de bu çalışma kapsamında HAD yöntemleriyle incelenmiştir. Kompresörlerin kararlı çalışma aralığını genişletmek için gövde üzerinde farklı geometrilerde oyuklar açılmaktadır. Gövde üzerine açılan farklı geometrik şekil ve sayıdaki oyukların sızıntı debisini azaltmada ve kanat ucu vorteksi ve pasaj vorteksini zayıflatma kullanılabileceği belirlenmiştir. Doktora tezinin ilk dönemlerindeki çalışmalar AFTRF rotor kanat uç profilinden elde edilen kanat geometrisi için yürütülmüştür. Çalışmanın bundan sonraki aşamalarında TAI (Turkish Aerospace Industries) tarafından sağlanan türbin kanat modeli kullanılmıştır. AFTRF kanat profili için yapılan çalışmalar TAI kanat profili için de tekrarlanmıştır. Çit tasarımları dışında sızıntı akışının etkilerinin zayıflatılması için geliştirilen bir diğer pasif kontrol yöntemi kanatçık kullanımıdır. Kanat basınç ve/veya emme kenarına yerleştirilen kanatçık yapılarıyla sızıntı akışına neden olan basınç farkının azaltılması amaçlanmaktadır. Tez kapsamında basınç ve emme kenarına yerleştirilen kanatçık tasarımlarının aerodinamik performansa etkileri HAD yöntemleriyle incelenmiştir. Yapılan inceleme sonucunda, emme kenarına ve basınç kenarına yerleştirilen kanatçıkların konumu ve boyutlarının aerodinamik performansta belirleyici olduğu gözlenmiştir. HAD sonuçları, kanatçık tasarımlarının basınç farkını azaltmada etkili olabileceğini ortaya koymuştur. Son olarak geleneksel yöntemler dışında kanat uç yüzeyinin oyulduğu "şekillendirilmiş kanat ucu" tasarımları üzerine bir çalışma yürütülmüştür. Çok amaçlı optimizasyon yöntemiyle aerodinamik ve ısıl performans açısından optimum kanat uç geometrisinin geliştirilmesi için çok sayıda HAD sonucuna gereksinim duyulmaktadır. Yapay sinir ağı yapısının eğitilmesi, test edilmesi ve doğrulanması için başlangıç veri tabanına gereksinim duyulmaktadır. Başarılı tahminler için veri tabanındaki nokta sayısı son derece önemlidir. Çalışma kapsamında veri tabanı ardışık bir şekilde genişletilmiştir. (coarse-to-fine approach, sequential design). Başlangıç veritabanı 55 adet noktadan oluşmaktadır. Buradaki 55 sayısı, 9 değişkenli bir fonksiyona ikinci derece bir tepki yüzeyi atayabilmek için gerekli nokta sayısıdır. Literatürde şekillendirilmiş kanat ucu tasarımları için az sayıda kaynak bulunmaktadır. Bu çalışmada genetik algoritma optimizasyonuyla türbin aero-termal performansını arttıracak kanat tasarımları araştırılmıştır. Kanat uç yüzeyinin oyulması işlemi için öncelikle iki boyutlu optimizasyon yöntemleri kullanılmıştır. İki boyutlu optimizasyon tekniklerinde kanat ucu boşluğunda iki boyutlu akış kabulü yapılmıştır. İnceleme sonucunda sızıntı akışının doğrultusunu koruyamadığı, iki boyutlu akış kabulünün artık geçerli olmadığı belirlenmiştir. Bu nedenle iki boyutlu optimizasyon çalışmaları sonlandırılıp üç boyutlu optimizasyon çalışmalarına başlanmıştır. Optimum kanat ucunun araştırıldığı çalışmada başlangıç için 55 adet nokta içeren bir veri tabanına gereksinim duyulmaktadır. Amaç fonksiyonlarının tahmininde farklı öğrenme modelleri kullanılmıştır. Başlangıç veri tabanı ardışık bir şekilde genişletilerek öğrenme modellerinin tahmin yeteneği arttırılmıştır. Böylece, öğrenme modelleri tahminleri ve HAD sonuçları arasındaki fark azaltılmıştır. Ayrıca, veri tabanı içindeki herhangi bir noktanın optimizasyon adımları sonunda elde edilen tasarımlara baskın gelip gelmediği kontrolü yapılmıştır. Öğrenme modelleri tahmini ve HAD sonucu arasında kabul edilebilir bir fark hesaplandığında optimizasyon çalışmaları sonlandırılmıştır. Bu çalışma ile literatüre birkaç noktada önemli katkıda bulunulmuştur. Çit yüksekliği ve genişliği, mevcut çalışmalardakinden daha geniş bir aralıkta incelenmiştir. Türbinlerde sınırlı uygulaması olan gövde iyileştirmeleri üzerine bir çalışma yürütülmüştür. Ayrıca, literatürde birkaç çalışmada incelenen şekillendirilmiş kanat ucu tasarımları, genetik algoritma ve öğrenme modelleri kullanılarak araştırılmıştır. Kanat uç yüzeyinin oyulması, henüz incelenmemiş kanat ucu tasarımlarının elde edilmesine olanak sağlamaktadır. Bu nedenle türbin aero-termal performansı açısından büyük bir potansiyel taşımaktadır.
Genetik algoritma ve K-en yakın komşu kullanarak metin belgelerinin sınıflandırılması
Metin Madenciliği büyük miktardaki metinsel verilerden, önceden bilinmeyen bilgilerin elde edilmesini amaçlayan veri madenciliğinin bir dalıdır. Sınıflandırma, kümeleme ve tahmin, Metin Madenciliğinin önemli bir parçasıdır. Başarılı bir Metin Madenciliği yine başarılı bir sınıflandırma işlemine bağlıdır. Sınıflandırma sisteminin başarısını ve verimini artırmak için genellikle boyut azaltma işlemi gerçekleştirilir. Bu çalışmada metin belgelerinin sınıflandırılmasında boyut azaltma işlemi gerçekleştirilmiştir. Bunun için iki yöntem kullanılmıştır. Bunlardan ilki özellik çıkarımı, diğeri ise özellik seçimidir. Özellik çıkarımı için Temel Bileşen Analizi yöntemi kullanılmıştır. Özellik seçiminden sonra seçilen özellikleri için katsayı ile ağırlıklandırma kullanılmıştır. Özellik seçimi aşaması için ve özellik çıkarımından sonra en iyi kat sayıların seçimi için Genetik Algoritma kullanılmıştır. Deneysel sonuçlara göre özellik seçimi sınıflandırma başarısını kısmen azaltmıştır. Özellik çıkarımı ve bu aşamadan sonra eklenen katsayı ağırlıklandırma işlemi sınıflandırma başarısını önemli ölçüde artırmıştır.
Reel-değer kodlama içeren genetik algoritmalar için adaptasyon süreci geliştirilmesi
Genetik algoritma (GA), optimizasyon problemlerini çözmek için doğadaki yaşam döngüsünü ve doğal seçilimi simüle ederek geliştirilmiş sezgi ötesi bir yöntemdir. Bu çalışmada, GA'nın mevcut yapısına ilave bir süreç eklenmesiyle algoritmanın geliştirilmesi amaçlanmıştır. Eklenen bu yeni süreç bir adaptasyon yöntemidir. Popülasyonun bireylerinin algoritmanın mevcut en iyi çözümüne uyum sağlaması bu yöntemin temelini oluşturnaktadır. Bu adaptasyon metodu ile istenilen optimizasyon değerlerine daha kısa nesilde ulaşılmaktadır. Belirli bir nesil sayısı için ise daha iyi sonuçlara ulaşmak mümkündür. Çeşitli optimizasyon test fonksiyonları ile yapılan deneysel çalışmaların sonuçları da bu yeni sürecin GA'yı geliştirdiğini ve hızlandırdığını göstermiştir.
Effects of evolutionary operators in grouping genetic algorithms on diversity and result quality
Genetic algorithms are evolutionary metaheuristic algorithms that are used to solve complex problems. Although many variations exist in the literature, a common theme in all genetic algorithms is the application of a set of evolutionary operators to a set of random solutions in an iterative fashion. These evolutionary operators aim to generate new solutions in a semi-random manner in order to achieve the best possible solution. The effectiveness of evolutionary operators is largely dependent on two competing factors, namely exploration and exploitation of the problem space. Although various genetic algorithm operators and their modifications are proposed and compared in the literature, how different operators perform together in terms of exploration and exploitation is not analyzed. We reduce exploration and exploitation to diversity and fitness of the solution set and examine the interactions between various components of a genetic algorithm in detail. For that purpose, we select grouping genetic algorithms which are specialized versions of genetic algorithms for grouping problems such as bin packing and line balancing problems as our domain. Then, by first proposing a new grouping genetic algorithm for U-Shaped Assembly Line Balancing problem (UALBP) we provide a detailed cross-examination of the possible evolutionary operators for bin packing problem (BPP) and UALBP.
Araç rotalama problemi için bir öğrenen hibrit algoritması geliştirilmesi
Bu tez çalışmasında, lojistik ve dağıtım operasyonlarında sıklıkla karşılaşılan araç rotalama problemlerine yönelik, AI destekli, öğrenebilir ve hibrit bir optimizasyon algoritması geliştirilmiştir. Önerilen model; RL, YSA destekli genetik algoritmalar ve NoSQL tabanlı veri işleme altyapısının birlikte kullanımıyla, dinamik koşullara uyum sağlayabilen bir karar destek sistemi sunmaktadır. Klasik algoritmaların statik yapısının aksine, bu model geçmiş rota sonuçlarından öğrenerek adapte olabilmektedir. İstanbul'un iki yakasında gerçekleştirilen gerçek saha verilerine dayalı dört ayrı senaryo üzerinde yapılan testlerde, araç sayısı, toplam mesafe, rota süresi ve mesai süresi gibi performans göstergelerinde %18 ila %37 iyileşme sağlandığı gözlemlenmiştir. YSA destekli başlangıç popülasyonu, genetik algoritmanın erken yakınsama eğilimini azaltmış; NoSQL entegrasyonu ise büyük veri üzerinde hızlı ve çok ölçütlü sorgulamalara olanak sağlamıştır. RL modülü sayesinde sistem, operasyonel geri bildirimleri politika güncellemelerine dönüştürerek, performansını sürekli artırma yeteneği kazanmıştır. Sonuç olarak bu tez, gerçek zamanlı, esnek ve sahadan öğrenebilen bir karar destek modeliyle lojistik sektörüne yenilikçi katkılar sunmaktadır.
Photovoltaic cell modeling via metaheuristic algorithms
This thesis will exhibit the adverse effects of relying on fossil fuels, accompanied by data from international organizations documenting losses inflicted by fuel combustion. The common renewable energy sources are then listed, with a focus on solar as a sustainable substitute and an explanation of why it is in its current state insufficient to replace commonly used carbon-based fuels. The methods and technologies used to mend solar energy drawbacks will be mentioned; then light will be shed on Genetic Algorithm Optimization as a form of an overview containing essential facts and information regarding GAs alongside mentioning notable studies that have used various types of GAs to model Photovoltaic Cells. Next, the mathematical modeling for PV cells will be introduced alongside their equivalent circuits, topologies, and equations. The burdens that held PV cells back will be clarified. PV cell parameters estimation methods will be justified to solve some of the difficulties facing solar energy, specifically metaheuristics, with its vast catalog of optimization algorithms. Afterward, the Coronavirus Herd Immunity Optimization algorithm will be presented, along with its inspiration circumstances. The algorithm procedure will be explained by listing all its steps in the form of text, chart, and Pseudocode. Concluding with use case scenarios and behavioral analysis of the algorithm. Following that, three of the most popular photovoltaic cell models' data will be used to test the viability of coronavirus herd immunity optimization to extract unknown photovoltaic parameters; the properties of these cells will be detailed with respect to the circumstantial elements at the time their data was captured. The methodology for obtaining the results will be listed in detail. The extracted PV cell parameters will be listed and graphed, then analyzed and compared to parameters extracted by other state-of-the-art meta-heuristic optimization algorithms which have been used in literature. The final judgment of the findings will then be made, along with the criteria that were chosen, and will be followed by a recommendation for future work to further enhance the outcomes or to broaden the scope of the used algorithm.
Sevkiyat süreçlerinde araç yükleme probleminin genetik algoritma yaklaşımı ile çözümü ve bir uygulama
Günümüzde rekabetin pek çok farklı boyutundan bahsedilebilmektedir ve bu yoğun rekabetçi ortamda rakipler arasındaki benzer süreçlerde yaratılan küçük farklılıklar olumlu sonuçları beraberinde getirebilmektedir. Üretim işletmelerinde gerçekleşen üretim maliyetlerinin birbirine yakın olması bu işletmeleri üretimin haricindeki süreçlerde de iyileştirme yapma zorunluluğuna itmektedir. Bu süreçler içerisinde ise lojistik temelli stratejiler önemli yer tutmaktadır. Lojistik yönetiminde kullanılan modern strateji ya da yöntemler ele alındığında ise sevkiyat yönetimi kavramı öne çıkmaktadır. Bu nedenle bu çalışmada lojistik süreçlerinde ciddi maliyet avantajları sağlayabilecek sevkiyat yönetimi uygulamalarından araç yükleme problemi ile bu problemin çözümünde önemli bir optimizasyon yeteneği sağlayan genetik algoritma yöntemi bir arada ele alınmıştır.
Engel içeren ortamlarda kapasite sınırlı araç rotalama problemine metasezgisel algoritmalarla çözüm yöntemi geliştirilmesi
Kapasiteli araç rotalama probleminde, her biri özdeş ve belirli kapasiteye sahip bir araç filosu için en uygun rota kümesini bulmak hedeflenir. Araçlar, merkezî bir depodan hareket eder, bir dizi müşteriye hizmet verir ve bu depoya geri dönerler. Bu işlemin, en az sayıda araçla ve en az maliyetle gerçekleştirilmesi amaçlanır. Engellerin bulunduğu ortamlar için literatürde değişik yol planlama problemlerine yönelik yakın tarihli çalışmalar mevcuttur. Bu tezde ise engel içeren ortamlarda kapasite sınırlı araç rotalama problemi ilk kez ele alınmaktadır. Problemin tanımlanması ve modelin oluşturulmasından sonra, çözüm için genetik algoritmalar ve yerel arama stratejilerinden oluşan melez meta-sezgisel bir yöntem geliştirilmiştir. Depo-müşteri konumlarına ek olarak, daireler ve dışbükey çokgenler olarak iki farklı türdeki engellerin de eklenebildiği görsel bir benzetim ortamı oluşturulmuştur. Geliştirilen algoritma, tasarlanan çeşitli senaryolar için test edilmiştir. Farklı müşteri, engel sayıları ve engel büyüklükleri için kapsamlı başarım testleri literatürde ilk kez yapılarak, elde edilen sonuçlar sunulmuştur. Ayrıca, problemin bu özel şeklinin potansiyel uygulama alanları tartışılmıştır.
GA-NN approach for ECG feature selection in rule-based arrhythmia classification
This paper presents rule extraction and feature selection system to detect abnormality in ECG signals.Genetic Algorithm-Neural Network (GA-NN) Approach is used to distinguish between the presence and absence ofcardiac arrhythmia and perform feature selection. Following this process, rule sets are extracted in order to guide the diagnosis of cardiac arrhythmia. The rule sets are extracted based on selected features because rule extraction without feature selection may result in rules to be more complex than human may realize. C4.5, RIPPER, PART and HotSpot methods are used to perform rule extraction. The ECG dataset used in this study is obtained from UCI Arrhythmia Database. In this dataset, all the anomalies are grouped into one abnormal class and the rest is grouped into one normal class. As a comparison, k-Nearest Neighbor (k-NN), Support Vector Machines (SVM), Naive Bayes and Bayesian Networks have been tested on the arrhythmia dataset. For dimensionality reduction purpose, recursive feature extractor (RFE-SVM), correlation based feature selection (CFS), principal component analysis (PCA) and factor analysis (FA) have been applied. According to test results, GA-NN outperforms other techniques.
Manipulation and placement planning for loading a dishwasher by a robot
Placing the dishes into a dishwasher can take a considerable amount of time, which is a process a person would have to repeat every few days. Therefore, we decided to build a robotic system which would place the mugs on the counter-top to the dishwasher tray. Three types of problems are solved in order to realize this task: object recognition for detecting the mugs; 2D packing problem for placement planning of mugs on the dishwasher tray; placing the mugs into the dishwasher through manipulation. These tasks are solved within a simulation environment and in the physical world by a 5 degree-of-freedom robot arm and a depth camera. Our contribution with this project is placement planning, in which we use different heuristics and optimization methods with different cost methods and functions. Top-Left-Fill (TLF) and Left-Top-Fill (LTF) heuristics are used for packing and Simulated Annealing (SA), Genetic Algorithm (GA), and two different Particle Swarm Optimization (PSO) methods are used for finding the near-optimal solution for the placement of the mugs. The initial configurations of our methods are made with closest-item-first, sorted-size heuristics and random order. In our optimization algorithms, we use weighted-sum (WS) and ranking fitness (RF) methods with bin-packing cost (BPC), user preference-based cost (UPC) and engineering cost (EC) functions. In order to find the parameters and their weights for the cost functions, we conducted preliminary and user studies. Furthermore, we made an observational study to examine the placement methods of the participants. An annotation system was made to rate the sortedness of these placements with a Likert scale. The sortedness of the placements were compared with the Obsessive-Compulsive Scale test results from the observational study to observe the relation. The results of our simulation experiments show that, in general, the GA with the LTF heuristic produces the lowest costs with the WS method, whereas for the RF method, the best optimization method is the SA.
Hyperparameter optimization of autoencoders for deeplearning of collective variables
Understanding the conformational space of proteins is integral to deciphering the mechanism of action of the proteins in drug-discovery studies. Molecular dynamics (MD) simulations have enabled the realistic simulation of protein dynamics. However, the computational demands of processing extensive MD data necessitate efficient dimensionality reduction techniques. An automated method for extraction of collective variables (reduced representations of protein movements) for the accurate representation of inherent dynamics of proteins is important. For this purpose, this thesis involves implementation of a semi-supervised autoencoder (SAE) for the extraction of collective variables from MD simulations of MurD and adenosine kinase (AdK) proteins, selected for their distinct dynamic states. This model, which incorporates extra output nodes coming from the latent layer and encoder hidden layers carrying the extra information such as opening angle, significantly outperforms the traditional vanilla autoencoder by achieving better results in reconstructing protein dynamics. The research also explores the optimization of the semi-supervised autoencoder architecture using genetic algorithm and enhances the quality of the extracted collective variables. By focusing on features such as Cα coordinates and dihedral angles, and adjusting the model's hyperparameters, the study advances our ability to capture the essential movements within proteins. Moreover, the semi-supervised approach shows an important improvement in handling the highly flexible regions of proteins, particularly the C-terminal domain of MurD, which is crucial for its functional transitions. The findings also shows the potential of machine learning in bioinformatics to refine simulation data analysis.