Proje planlamasında farklı ödünleşim optimizasyon problemlerinin çözümünde meta-sezgisel algoritmaların etkinliğini artırmaya yönelik yeni öğrenme yöntemlerinin geliştirilmesi

Bu tez çalışmasında, proje planlamasında karşılaşılan farklı türdeki ödünleşim optimizasyon problemlerinin çözümünde yeni ve yüksek kaliteli Pareto-front çözümler elde edilmesi amaçlanmıştır. Bu amaçla yeni karşıtlık tabanlı öğrenme (OBL) teknikleri geliştirilerek meta-sezgisel algoritmalarla birleştirilmiştir. Bu öğrenme teknikleri arasında özellikle altın oran tabanlı karşıtlık öğrenmesi (GROL), değiştirilmiş dinamik karşıtlık öğrenmesi (MDOL) ve hibrit karşıtlık öğrenmesi (HOL) öne çıkmaktadır. Bu öğrenme teknikleri, öğretme öğrenme tabanlı optimizasyon (TLBO) ve şah kartalı optimizasyon algoritması (AOA) gibi meta-sezgisel algoritmalara entegre edilmiştir. Böylelikle algoritmaların arama sürecinin global ve lokal arama davranışları arasında bir denge sağlanması ve yakınsama hızının artması beklenmektedir. Sayısal simülasyonların tablolar ve grafiklerle gösterilen sonuçları, meta-sezgisel algoritmalara entegre edilen OBL tekniklerinden kaynaklanan yenilikçi özelliklerin, başlangıç popülasyonunun saf rastgeleliğini azaltmada önemli bir rol oynadığını ortaya koymaktadır. Bu bağlamda, çözümlerin kalitesini dikkate alarak, önerilen modellerin inşaat yönetimi alanındaki karmaşık ödünleşim optimizasyon problemlerini çözmekte başarılı olduğu anlaşılmaktadır.