Konteyner yükleme probleminin çözümü için genetik algoritma bazlı hibrit yaklaşım

Küresel lojistik ve tedarik zinciri yönetiminin hayati bir parçası olan konteyner yükleme sorunları, operasyonel karmaşıklığı ve maliyet etkinliği ile önem kazanır. Çeşitli ürünlerin dünya genelinde çok sayıda noktaya ulaştırılması gereken kapsamlı işlemlerde, konteynerlar ana taşıma mekanizması olarak görev yaparlar. Bu konteynerlar çeşitli boyutlarda olabilir ve ağırlık kapasiteleri birbirinden önemli ölçüde farklılık gösterebilir. Konteynerların etkin bir şekilde yüklenmesi ve boşaltılması, tedarik zincirinin verimliliği ve maliyet etkinliği açısından kritik bir öneme sahiptir. Konteyner yükleme sorunları, bu bağlamda ele alınan ve kesme ve paketleme problemlerinin bir alt grubu olarak literatüre dahil edilmiş olan NP-zor problemlerdir. Bu tür lojistik zorlukların üstesinden gelmek için yöneylem araştırması, matematiksel modeller ve algoritmalar kullanarak karmaşık sistemleri optimize etmek için mükemmel bir araç olarak işlev görür. Yöneylem araştırması ve yapay zekâ, karmaşık problemlerin sezgisel arama ile çözümünde ortak bir ilgi paylaşır. Genetik algoritma gibi yapay zeka tabanlı yöntemler, belirli bir sistemin içsel string temsili aracılığıyla optimizasyon işlemlerini gerçekleştirir. Bu temsilin belirli düzeni, bir kromozom olarak adlandırılan ve optimizasyon sürecinin sonucu üzerinde belirleyici bir etkiye sahip olan yapıdır. Bu çalışmadada genetik algoritma optimizasyonu ve ilk uygun azalan algoritma tekniklerinin bir arada kullanıldığı hibrit bir çözüm sunulmaktadır. Genetik algoritma optimizasyonu, genetik algoritmanın doğal seçim ve evrim süreçlerini simüle ederek, problem alanında en uygun çözümü bulmayı hedefleyen bir optimizasyon tekniğidir. İlk uygun azalan algoritma ise birçok optimizasyon probleminin çözümünde kullanılan güçlü bir yaklaşımdır. Bu teknik, çözüm alanındaki en iyi veya en uygun çözümü ararken, mevcut durumdan daha kötü bir sonuç veren çözümleri kabul etmeme prensibine dayanmaktadır. Bu hibrit çözümün uygulanmasında, genetik algoritma optimizasyonunun ve ilk uygun azalan algoritmanın birleşiminden faydalanmak için Geneticsharp gibi kütüphaneler kullanılmıştır. Geneticsharp, genetik algoritma çözümlerini desteklemek için tasarlanmış, literatürde sıkça kullanılan ve multi-threading gibi birçok avantajı olan bir kütüphanedir. Bu kütüphane, geniş bir kullanıcı tabanı ve olgun bir API ile, genetik algoritma tabanlı çözümler için oldukça kullanışlıdır. Uygulamanın görsel yönü, WebGL tabanlı yapılar kullanılarak gerçekleştirilmiştir. WebGL, 3D grafikler oluşturmak ve işlemek için kullanılan bir web standardıdır ve bu çalışma kapsamında, algoritmanın çalışmasını ve sonuçlarını görselleştirmek için kullanılmıştır. Bu hibrit çözümün etkinliği, literatürdeki diğer mevcut yöntemlerle karşılaştırılarak değerlendirilmiştir. Bulgular, bu hibrit yaklaşımın konteyner yükleme problemlerini çözmede mevcut yöntemlerden daha üstün olmadığını göstermiştir. Ancak, bulgular aynı zamanda bu hibrit yaklaşımın, konteyner yükleme optimizasyonu alanında önemli ve anlamlı bir yer edinebileceğini göstermiştir.