UÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ
|
|
- Emel Dağdelen
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2005 CİLT 2 SAYI 1 (87-95) UÇAK ÇİZELGELEME ROBLEMİNİN KARINCA KOLONİLERİ OTİMİZASYONU İLE ÇÖZÜMÜ Sezgn KILIÇ Endüstr Mühendslğ Bölümü Hava Harp Oulu, Deanlı 34149, Yeşlyurt, İstanbul s.lc@hho.edu.tr Al Rıza KAYLAN Mühendsl Faültes Deanlığı Boğazç Ünverstes 80815, Bebe, İstanbul aylan@boun.edu.tr ÖZET Havalmanına nş yapma üzere havada bulunan uçalar çn nş sıra ve zamanlarının belrlenmes özellle trafğn yoğun olduğu zaman peryotlarında öneml br problemdr. Uça çzelgeleme problem olara adlandırılan bu problem temel olara ş çzelgeleme problemlerne benzemetedr. İşlem zamanları sıralamaya bağımlı olara değşeblmetedr. Hedef zamanlarında yapılmayan şler çn e malyet oluşmatadır. Her uça çn önceden belrlenmş olan ve nş yapableceğ zaman aralığını belrleyen alt ve üst sınırlar vardır. Genelde, çzelgeleme sonucunda amaçlanan durum se uçaların br veya daha fazla pst çn optmum nş sıralama ve zamanlarının belrlenren mnmum tap mesafelernn de orunmasıdır. Karınca Kolonler Optmzasyonu (KKO) metasezgsel ullanılara genel amaçlı br arar verme algortması gelştrlmştr. Gelştrlen algortma te veya ço pst ullanımında nş ve alışların çzelgeleneblmes çn ullanılablecetr. Test problemlernn çözümü sonucunda elde edlen sonuçlar geçmş çalışmalar le arşılaştırılmıştır. Ayrıca KKO yöntemnn çzelge problemler çn ullanılablmes çn değşl ve yenller önerlmştr. Anahtar elmeler: Çzelgeleme; Metasezgsel yöntemler; Karar Deste Sstemler; Karınca algortmaları; Uça Çzelgeleme roblem. ABSTRACT Schedulng arcraft landngs s a major problem n ar traffc control area of congested arports. It s a specal type of machne schedulng problem; processng tmes are sequence dependent, and there are penaltes for jobs that are not completed on target tme. Each plane has an allowable predetermned tme wndow for landng. The objectve s to optmally land a set of planes on one or several runways n such a way that separaton crtera between all pars of planes are satsfed. If effcent algorthms can be developed to assst the controller who s n charge of mang schedulng decsons, then more effectve use of fxed runway capacty wll result. We tred to solve the problem usng Ant System metaheurstc, whch s ganed more popularty n recent years. Usng Ant System metaheurstc, we present a generc decson mang tool that can be used both for the sngle runway and the multple runway landngs and taeoffs. Computatonal results are presented for the standard test problems obtaned from lterature. Results are compared wth the prevous wors and show that Ant System solutons can be effectve n practce. Key Words : Schedulng; Metaheurstcs; Decson Support Systems; Ant algorthms; Arcraft Schedulng roblem. 6,6 le 11,5 mlyar Euro arasında olduğu 1. GİRİŞ hesaplanmıştır. Günümüzde, Dönemsel dalgalanmalar olmasına rağmen hava traf yoğunluğunun gdere arttığı blnen br gerçetr. Traf yoğunluğunda bu artışa paralel olara mevcut sabt apastenn daha y ullanılara apaste ullanım oranlarını artırmaya yönel arar deste sstemlernn gelştrlmesne htyaç duyulmatadır yılında Avrupa da meydana gelen gecmelern havayolu şretler ve yolcular çn toplam malyetnn hava traf ontrolörler ve bazı arar deste sstemler genel olara İl Gelene İl Hzmet prensbne göre çzelgeleme yapmatadır. Bu prensp uygulama açısından bastl sağlasa da özellle traf yoğunluğunun fazla olduğu zaman dlmlernde öneml gecmelere ve apaste ullanım oranlarında düşülüğe neden olablmetedr. Hava traf ontrolü ve havalmanı hzmetlernde öneml dar boğazlardan 87
2 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü br tanesn pst apasteler oluşturmatadır. Aslında neden olduça basttr, pstler üç boyutlu br hava sahası traf rejmnden, te br ulvara sahp traf rejmne geçşte l adımı oluşturmatadır. Yetersz olan pst mtarını artırma se olduça malyetl br ştr. stlern nşaat malyetlernn yanısıra, havalmanları etrafında şehrleşme ve dğer çevresel fatörler de pst malyetlern aşırı ölçülerde arttırablmetedr veya e pst yapımını mansız ılablmetedr. Bu nedenle havalmanı apastesnn ullanım oranını arttıraca tenlere htyaç duyulmatadır. Kontrolöre çzelgeleme onusunda yardımcı olablece arar deste sstemlernn gelştrlmes pst apastelernn ullanım oranları arttırablecetr. Uça çzelgeleme problem armaşı ve N-zor br problemdr, esn çözüm metotları le üçü boyutlu problemler çözüleblmete en problem boyutu büyüdüçe çözüm zamanları olduça uzun olablmetedr. Bu nedenle çalışmada çzelgeleme problemnn çözümü çn metasezgsel br yöntem ullanılmıştır. Kullanılan metasezgsel se son yıllarda gelştrlmş ve lg gören br yöntem olan Karınca Sstemdr. Karınca Sstem ullanılara genel amaçlı br arar verme algortması gelştrlmştr. Gelştrlen algortma te veya ço pst ullanımında nş ve alışların çzelgeleneblmes çn ullanılablecetr. Test problemlernn çözümü netcesnde elde edlen sonuçlar geçmş çalışmalar le arşılaştırılmıştır. 2. UÇAK ÇİZELGELEME ROBLEMİ Hava trafğnn yoğun olduğu zaman aralılarında uçaların nş çn çzelgelenmes öneml br hava traf ontrol faalyet olmatadır. Hava traf ontrolörü, havada beleyen uçaların hang sıra le nş yapacağının belrlenmesnn ötesnde br zaman çzelges de oluşturma durumundadır. Bu çzelgede ontrolör tarafından her uça çn nş zamanı ve nş pst belrlenr. Her uçağın nş yapableceğ belrl br zaman aralığı vardır. Bu zaman aralığının sınırlarını uçağın en geç ve en eren nş yapableceğ zamanlar belrler. En eren nş zamanı uçağın bulunduğu onumdan en hızlı şelde gelere pste en nş yapableceğ zamandır. En geç nş zamanını se uçağın yaıt durumu ve varsa dğer fatörlern etsyle havada beleme yapableceğ masmum süre belrler. Her uçağın eonom uçuş hızı olara tanımlanan ve en düşü yaıt tüetm le uçuş yaptığı belrl br hızı vardır. Eğer uça çn belrlenen nş zamanı bu hız le mümün olablyor se belrlenen nş zamanı aynı zamanda uçağın hedef nş zamanı olara da smlendrlr. Eğer hava traf ontrolünün belrledğ nş zamanına uyum sağlayablme çn uçağın eonom uçuş hızının üzerne çıması veya yavaşlaması (havada beleme yapması) gereyorsa ortaya e br malyet çımatadır. E malyetn mtarı hedef zaman le çzelgelenen nş zamanı arasında fara bağımlı olara artmatadır. Ardışı olara nş yapan uça arasında mesafe ayrım mesafes olara adlandırılan belrl br değern üzernde olmalıdır. Ayrım zamanları uçaların aerodnam yapılarına bağımlı olara değşmetedr. Örneğn, Boeng 747 modelnde br uça arasında öneml şddetlerde hava aımları oluşturmata ve bu hava aımlar le arşılaşan başa br uça aerodnam stablzesn aybedeblmetedr. Br ço uça azasının bu nedenle meydana geldğ belrtlmetedr [1]. Güvenl uçuş şartlarının sağlanablmes çn uçalar aralarında oluşturduları türbülans mtarına göre ve türbülanstan etlenme derecelerne göre sınıflara ayrılmışlardır ve bu sınıflar arasında ayrım mesafeler belrlenmştr. Uçaların alış durumlarında da benzer oşullar geçerl olmatadır. Hava traf ontrol uygulama sahasında uçaların nş çn çzelgelenmes (nş sıra ve zamanlarının belrlenmes) yuarıda belrtlen temel problemden daha armaşı olmatadır. Aşağıda bu armaşılıları meydana getren etenler üzernde durulmuştur. Kontrol Çalışması çersnde ncelenen ve önerlen yöntemler br arar problemnn çözümüne yöneltr. Yan her uça çn ayrım zamanlarına uyulara ve her uçağın önceden belrl olan en geç ve en eren nş zaman aralığında nş yapması sağlanmıştır.. Böylece her uça çn br nş zamanı ve nş sırası belrlenere amaç fonsyonu değernn optmuma ulaşması sağlanmaya çalışılmıştır. Anca verlen ararların uygulanablmes yan belrlenen zamanlarda ve sıralamada uçaların ndrlmesnn ontrol edleblmes durumuyla veya bu ontrolün sağlanması durumunda oluşablece yen malyetler model çersne dahl edlmemştr. Temelde arar model ve ontrol problem bağlantılıdır. Anca br ço yöneylem araştırması modelnde olduğu gb problemn bu yanının ayrı ayrı olara ele alınmasının avantajlı olacağına nanılmatadır. Ayrıca yaygın olara ullanılan ve İl Gelene İl Hzmet (Frst Come Frst Served-FCFS) prensbyle çalışan arar modeller de ontrol problemn sonra aşamalarda ele almatadır [2,3]. Anca ontrol problemnn bazı ısıtları bast olara arar model çersne dahl edleblmetedr. Ayrım Zamanları Zorunlu mnmum tap zamanlarını belrleme çn yetl maamlar (Federal Avaton Admnstraton- ABD, Cvl Avaton Authorty-İngltere, Eurocontrol- Avrupa) uçaları temel üç veya dört ategor altında sınıflandırmış ve bu sınıflar arasında mnmum tap zamanlarını belrlemştr. Lteratürde br ço çalışma bu sınıflandırma temel alınara yapılmıştır. Anca uygulamada daha armaşı durumlar ortaya çıablmetedr. Örneğn London Heathrow Havalmanında alış durumlarında mnmum tap 88
3 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü zamanlarının belrlenmesnde, uçağın alıştan sonra zleyeceğ rota (Standart Instrument Departure Route- SID) da etl olmatadır [4]. En Geç İnş Zamanı En geç nş zamanını uçağı yaıt durumu belrlemetedr. Uçağın sahp olduğu yaıt mtarı le havada beleme yapableceğ masmum sürey fade eder. Lteratürde bazı çalışmalarda en geç zaman sonsuz olara ele alınmıştır. Bu çalışmada daha gerçeç olması açısından sonlu br en geç nş zamanı ullanılmıştır. st Belrleme Eğer lmanda ço sayıda pst mevcut se nş yapaca uçalar çn nş pst belrlenmeldr. Çalışma çersnde önerlen model uçaların nş ve alış durumları çn ayrı ayrı veya arışı olara çzelgeleneblmesn sağlayablece br yapıda olmuştur. Amaç Fonsyonu Bu çalışmada, toplam malyetn mnmzasyonu üzernde yoğunlaşılmıştır, her uça çn hedef zamandan sapma durumunda oluşaca olan malyetn doğrusal olduğu varsayılmıştır. Çzelgelenen nş zamanı uçağın hedef zamanına eşt se uçağın malyet sıfır olmatadır. Aslında, ullanılan amaç fonsyonu ullanıcıya göre değşeblmetedr. Kullanıcı havalmanı operatörü se amaç fonsyonu pst apastes ullanım oranını arttırablr yapıda olablr. Br havayolu şret çn se amaç fonsyonu uçalar çn oluşan malyetn azaltılması yönünde olablr. Veya aser çalışmalarda stratej ve tat planların oluşturulmasında ullanılma üzere farlı amaç fonsyonları gelştrleblr. 3. ÖNERİLEN MODEL Her uça çn br nş zamanı belrlenere uçaların hedef zamanlarına en yaın zamanlarda nş yapmalarının sağlanması Uça Çzelgeleme roblem (UÇ) olara adlandırılmatadır. Beasley vd. (2000) çalışmasında lteratürde bu onuda yapılmış olan geçmş çalışmalar detaylı olara atarılmıştır. UÇ nn çözümü çn geçmş çalışmalar ncelendğnde brço çözüm yöntemnn ullanıldığı görülmetedr. Smülasyon model [7], uyru model [3], sezgseller [8,9,10], arma tamsayılı doğrusal programlama [4], genet algortmalar [5,11] geçmşte bu onuda yapılan çalışmalardandır [12]. Bu çalışmada se arınca olonler optmzasyonu yalaşımı çersnde önerlmş olan Karınca Sstem (KS) algortması temel alınara br model önerlmştr. 3.1 Karınca Sstem Karınca Kolonler Optmzasyonu (KKO) l olara Marco Dorgo [13,14] ortaya onulmuştur. Temel olara arıncaların doğal davranışlarından esnlenlmştr [15]. Karıncalar geçtler yollar üzerne pheromone olara smlendrlen br z (madde) bıramatadırlar. Bu z arıncaların brbrler le haberleşere yuva le yyece maddes arasında en ısa yolun ortaya çıarılmasına yardımcı olmatadır. Karıncalar brço yol arasından brn seçme durumunda aldılarında z mtarının yoğun olduğu yolu terch ederler. Karıncaların yuva le yyeceler arasında oluşturduğu mevcut yol üzerne br engel onulduğunda engel le l arşılaşan arıncalar eşt olasılıla engeln sağında veya solunda yolu terch ederler. Kısa yolu terch eden arıncalar engeln etrafından daha çabu dolaşara es yola ulaşableceğnden engel le daha sonra arşılaşan arıncalar ısa yol üzernde daha fazla z bulunduğundan ısa yolu terch etmeye başlayacalardır. KKO algortmalarında, yapay arıncalar (ajanlar) yuarıda açılanan arınca davranışının yanısıra aşağıda özelllere de sahp ılınara optmzasyon problemlernde y çözümlern bulunması sağlanmatadır: Yapay arıncaların yaşam alanı ayrı (esl,süresz) elemanlara sahptr. Geçmşte yapılan hareetler arıncaların hafızalarında tutulur. Yapay arıncalar geçtler yollar üzerne bulduları çözümün altesne bağımlı br mtarda z bıraırlar. Yapay arıncaların z bırama sürec problem yapısına bağlı olara değşeblr. Örneğn bazı arınca algortmalarında yapay arıncalar çözümü oluştururen değl sadece çözümü oluşturdutan sonra geçtler yollar üzerne z bıraırlar. KKO algortmalarının etnlğn artırma yapay arıncalara lery göreblme, yerel optmumu arama vb. gb br ço özell eleneblr.[16] KKO yalaşımının ullanıldığı brço algortma vardır. Bu algortmalar çerdler farlı prosedürler nedenyle farlı smlerle adlandırılmışlardır. Karınca Sstem (KS) se KKO yalaşımı le önerlen l algortmadır ve daha sonra önerlen brço algortma çn de prototp olara ullanılmıştır. Karınca sstem gezc satıcı problemlerne çözüm üretme amacıyla üretlmştr. Karıncalar her terasyonda br şehr seçer ve seçtğ şehre gder, eğer problem N adet şehrden oluşuyor se N terasyon sonunda her arınca br tam tur oluşturmuştur. Her arınca, her terasyonda gdeceğ şehr seçme çn aşağıda olasılı fonsyonunu (1) ullanır. γ θ [ ( t )] [ η ] γ ( t ) = [ ( t )] [ η ] j tabu 0 (=1,...N; j=1,...,n, =1,...,m) θ eğer j tabu eğer j tabu (1) 89
4 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü : arıncasının t anında bulunduğu şehrnden j şehrne gtme olasılığı : t anında (,j) yolunda bulunan z mtarı. η = 1/d : j şehrnn şehrnden görüleblrlğ. d : le j şehrler arasında uzalı. tabu : arıncasının tabu lstesn çeren ve dnam olara büyüyen vetör. γ ve θ parametreler fonsyon çersnde z ve görüş arasında nsp önem belrlemetedr. Tabu lstes her arınca çn sıralamaya alınan şehrlern lstesn tutara arıncanın aynı şehr nc ez sıralamaya almasını engeller, ayrıca tur tamamlandığında her arıncanın oluşturduğu sıralamayı gösterr. Her arınca t anında t+1 anında bulunacağı şehr seçmetedr. Toplam arınca sayısı m se her (t,t+1) zaman aralığında toplam m adet seçm ve hareet gerçeleşecetr ayrıca N terasyon sonunda br döngü tamamlanmış olacatır. Br döngü tamamlandığında her arınca br tam tur oluşturmuş olur ve şehrler arasına bıraılaca olan z mtarları aşağıda (2) nolu formül le hesaplanır ( t + N) = ρ. ( t) + ( t) (2) ρ : t le t+n zaman aralığında zlern buharlaşma oranıdır (0< ρ <1). m = = 1 (3) : t le t+n zaman aralığında (,j) yoluna arıncası tarafından bıraılaca olan z mtarıdır. Adım-2. s:=1 (s tabu lstes ndesdr) :=1 den m e adar: arıncasının başlangıç şehrn tabu (s) olara belrle. Adım-3. Tabu lstes dolana adar terar et: s:=s+1 :=1 den m e adar: Gdlece olan j şehrn, olasılı fonsyonunu ullanara belrle, arıncasını j şehrne hareet ettr, j şehrn tabu (s) olara belrle. Adım-4. :=1 den m e adar: arıncasını tabu (N) şehrnden tabu (1) şehrne götür, arıncası tarafından oluşturulan turun uzunluğunu (L ) hesapla, Bulunan en ısa yolu güncelle ve hafızaya al. :=1 den m e adar: değern (4) nolu eştlğ ullanara hesapla. = + Adım-5. Her (,j) yolu çn ( t + N) değern (2) nolu formül le hesapla, t:=t+n NC :=NC+1 Her (,j) yolu çn =0 Adım-6. Eğer (NC<NC max ) ve durgunlu hal yosa; Tüm tabu lstelern boşalt, Adım-2 ye gt. Değlse; En ısa yolu yazdır, Dur. Q L = 0 Eğer arıncası (,j) yolunu (t,t+n) zaman aralığında ullanmışsa Değlse Q sabt br sayıdır, L se arıncasının oluşturduğu turun uzunluğudur. Karınca Sstem algortması şelsel olara aşağıda gbdr (Dorgo et al. 1996): Adım-1. Başlangıç değerler: t:=0 (t zaman sayacıdır) NC:=0 (NC döngü sayacıdır) Her (,j) yolu çn başlangıç değer olara =c ve =0 değern ata. (4) Uça Çzelgeleme roblem çn Karınca Sstem model (KS-Çzelge) Uça çzelgeleme problemnn (UÇ) notasyonu ve formülasyonu geçmş çalışmalarda ullanılanlar le benzer şelde yapılmıştır. : toplam uça sayısı ( =1,,; j =1,,; f =1,,) R : toplam pst sayısı (r =1,,R) E : uçağının en eren nş zamanı (=1,,) L : uçağının en geç nş zamanı (=1,,) T : uçağının hedef nş zamanı (=1,,) S : uçağından sonra j uçağı nş yapıyorsa aralarında mnmum tap zamanı
5 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü (S 0, =1,,, j=1,,) g : uçağı T zamanından önce nş yapıyorsa brm zaman başına ceza atsayısı (g 0, =1,,) h : uçağı T zamanından sonra nş yapıyorsa brm zaman başına ceza atsayısı (h 0, =1,,) x : uçağı çn çzelgelenen nş zamanı (=1,,) α : uçağının T zamanından ne adar önce nş yaptığı (=1,,) β : uçağının T zamanından ne adar sonra nş yaptığı (=1,,) Bu çalışmada KS ullanılara UÇ nn çözümü önerlmştr. Esasen en ısa yol problemlernn çözümü çn gelştrlmş olan KS nn br çzelgeleme problem olan UÇ çn ullanılması üzerne yapılan denemelerde güçlü ve etn br çözüm algortmasının gelştrleblmes çn KS çersnde bazı farlılıların ve yenllern yapılması gerel görülmüştür. Önerlen değşl ve yenller aşağıda anlatılmıştır, yapılan değşl ve yenller sonrasında önerlen algortma KS-Çzelgeleme olara adlandırılmıştır. Uçalar arasına z bıraılması yerne, uçaların tabu lstesnde bulunduları sıralama ndeslerne z bıraılması, algortmanın daha etn çalışmasını sağlamıştır. Aslında, önerlen bu değşl KS nn dğer çzelgeleme problemlernn çözümünde ullanılablmes çn de mantılı br yalaşımdır. Çünü, br arınca tarafından oluşturulan br sıralamada, eğer uça-a altıncı sırada ve uça-b yednc sırada yer alıyor se bu sıralama çn bıraılaca z mtarının belrlenmesnde uçaların brbrlerne göre bulunduları yere nspeten uçaların end bulunduları sıralar daha fazla etl olmatadır. Eğer brden fazla pst çn uçaların çzelgelemes yapılaca se her arınca tam br çzelgeleme yapma üzere programlanmıştır. Bu prosedür aşağıda verlen KS-Çzelge algortması çersnde anlatılmatadır. Te pst durumu çn olasılı fonsyonu (5) çersnde sadece uçaların bulunduları sıralama ndeslerne bıratıları zler ullanılmış, ço pst durumu çn se lave olara uçaların brbrler arasına bıratıları z mtarlarının da ullanılması yararlı görülmüştür. Ço pst durumunda sıralama ndeslerne bıraılan zn olasılı fonsyonu çersnde nsp önem uçaların brbrler arasına bıratıları z mtarından fazla olmuştur. Yapay arıncaların lery göreblme özelllern olasılı fonsyonu (5) çersne taşıma çn değşen ullanılmıştır. Brncs uçaların hedef nş zamanlarıdır ve hedef nş zamanı daha eren olan uçağın seçlme olasılığı arttırılmıştır. İnc değşen se ardışı olara sıralanaca uçalar arasında artı zamanlara bağımlı olara değşmetedr. γ κ θ ε [ s( t)] [ φ f( t)] [ η ] [ µ f] γ κ θ r ( ) = [ s( t)] [ f( t)] [ ] [ f] s t φ η µ tabu 0 Eğer tabu Eğer tabu ε r s : t anında, uçağının, arıncası tarafından oluşturulan sıralamanın s nc sırası (tabu (s)) çn seçlme olasılığı s : t anında uçağı çn s sırasında bulunan z mtarı φ f : t anında f uçağı le uçağı arasında z mtarı (f uçağı arıncası tarafından (s-1) nc sıraya yerleştrlmş olan uçatır) η = 1/T : uçağının görüleblrlğ µ f = [ T()-T(f)-S(f,)+1 ] -1 : f uçağı le uçağı arasında artı zaman tabu r (s) : arıncasının oluşturduğu çzelgelemey gösteren ve dnam olara büyüyen br matrstr. r bu matrsn sütun ndesdr, s se bu matrsn satır ndesdr. γ, κ, θ and ε parametreler se sırayla olasılı fonsyonu (5) çersnde zlern, görüşün ve artı zamanların brbrlerne göre önem derecelern belrleyen sabtlerdr. Tabu matrs her arıncanın oluşturduğu çzelgey hafızasında tutara br arıncanın daha önce çzelge çersne dahl ettğ br uçağı terar çzelge çersne almasını engeller ve döngü tamamlandığında her arınca tarafından oluşturulan çzelgey gösterr. Süreç çersnde t le t+1 zaman aralığında olan olaylar terasyon olara adlandırılır. t anında her arınca t+1 anında çzelgeye elemş olacağı uçağı seçer ve çzelgeye eler. Toplam arınca sayısı m se her terasyonda toplam m adet seçm yapılır. İterasyon sayısı uça sayısına () ulaştığında se her arınca tüm uçaları ullanara br çzelge oluşturmuş olur ve bu durumda br döngü tamamlanmış olur. Br döngü tamamlandığında aşağıda (6) ve (7) nolu formüller ullanılara z mtarları güncellenr. ( t + ) = ρ. ( t) + ( t) (6) φ s f s ( t + ) = ρφ ( t ) + φ (7) f s f (5) 91
6 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü ρ = t le t+ zaman aralığında zlern buharlaşma oranı (0< ρ <1). m s = = 1 s s (8) : t le t+ zaman aralığında uçağı çn s sırasına, arıncası çn bıraılan z mtarı. s Q A = 0 m φ f = = 1 Eğer uçağı arıncasının, t le t+ zaman aralığında oluşturduğu çzelgenn s sırasında bulunuyor se Değlse (9) φ f (10) φ f : t le t+ zaman aralığında, f le uçağı arasına, arıncası tarafından bıraılan z mtarı. Q A φ f = (11) 0 Değlse Eğer arıncasının t le t+ zaman aralığında oluşturduğu çzelgede, aynı pstte, f uçağından hemen sonra uçağı yer alıyor se Q sabt br sayıdır. arıncasının oluşturduğu çzelgenn amaç fonsyon değer A dır. KS-Çzelge algortması şelsel olara aşağıda gbdr: Adım-1. Başla: t:=0 (t zaman sayacıdır) NC:=0 (NC döngü sayacıdır) Her (,s) ve (f,) çn başlangıç değer olara s =c and φ f =c değerlern ata s =0, φ f =0 Adım-2. s:=1 (s tabu matrsnn sıra ndesdr) :=1 den m e adar: r:=1 den R ye adar: (r tabu matrsnn sütun ndesdr) arıncasının r pst çn başlangıç uçağını tabu r (1) değerne ata Adım-3. Tabu lsteler dolana adar veya tüm uçalar çzelgelenene adar terar et: s:=s+1 :=1 den m e adar: r:= 1 den R ye adar: 92 Çzelgeye alınaca j uçağını r s olasılı fonsyonu le belrle, j uçağını tabu r (s) yerne yerleştr. Adım-4. :=1 den m e adar A değern hesapla Mnmum A değern güncelle ve çzelgesn hafızaya al :=1 den m e adar: (9) nolu eştlğ ullanara değern hesapla. s = + s s := 1 den m e adar: (11) nolu eştlğ ullanara s φ f değern hesapla. φ = φ + φ f Adım-5. Her (,s) ve (f,) çn ( t ) ve f f s + φ ( t ) değerlern hesapla (6,7). t:=t+ NC :=NC+1 Her (,s) ve (f,) çn s =0 ve φ f =0 Adım-6. Eğer (NC<NC max ) ve durgunlu hal yo se Tüm tabu matrslern sıfırla Adım-2 ye gt, Değlse En y çzelgey yazdır, Dur. f + Her arıncanın oluşturduğu çzelgenn optmum amaç fonsyon değernn (A ) ve uçaların optmum nş zamanlarının bulunması çn doğrusal programlama model ullanılmıştır. A = mn = 1 ( g α + h β ) (12) Te pst durumunda uçaların sıralaması blndğnde UÇ nn matematsel formülasyonu aşağıda verlmştr: E x L = 1,..., (13) x j x + S (14) (j uçağı uçağından hemen sonra nş yapmatadır) α T x = 1,..., (15) 0 α T E = 1,..., (16) β x T = 1,..., (17)
7 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü 0 β L T = 1,..., (18) x = T α + β = 1,..., (19) Yuarıda verlen formülasyon (Beasley 2000) ullanılara aşağıda doğrusal programlama model gelştrlmştr: (12) nolu eştl amaç fonsyonu olma üzere; Kısıtlar: α β α β T T S (20) j j + α β T E (21) α + β L T (22) α, β 0 (23) j =1,..., j=1,..., Ço pst durumunda her pst çn yuarıda model ullanılara amaç fonsyon değer ve nş zamanları belrlenmştr, çzelgenn amaç fonsyon değer (z güncelleştrmede ullanılan) se her pstn amaç fonsyon değernn toplamıdır. 4. TEST ROBLEMLERİNİN ÇÖZÜMÜ KS-Çzelge algortması UÇ le lgl geçmş çalışmalarda da ullanılmış olan test problemler üzernde denenmştr [6]. Sonuçlar Tablo-1 de verlmştr. KS-Çzelge algortmasının etnlğnn gösterm çn tabloya aynı test problemlernn çözüldüğü Beasley (2000) çalışmasının sonuçları da elenmştr. aremetre değerlernn tespt çn deneysel çalışmalar yapılmış ayrıca geçmş çalışmalardan da yararlanılmıştır. Denenen yed adet problemn tümünde optmum sonuçlara en ısa zamanlarda ulaşılan parametre değerler belrlenmştr ve tabloda sonuçlar bu parametre değerler le elde edlmştr. arametre değerler aşağıdadır: m= uça sayısı (), ρ=0.9, γ= 1, θ=5,ε =1, te-pst durumunda κ = 0, ço-pst durumunda κ = 0.5, Q=1, c=1. Her problemn her pst durumunda 20 adet çözümü yapılmıştır. Tabloda verlen sonuçlar bu 20 denemenn ortalamasıdır. KS-Çzelge algortması MATLAB 6.0 programı le yazılmış ve entum-3 br dzüstü blgsayar üzernde program çalıştırılmıştır. 5. SONUÇ VE DEĞERLENDİRME Bu çalışmada, uça çzelgeleme problemnn arınca sstem algortması le çözüleblrlğ ncelenmştr. UÇ nn çözümü çn KS algortması l defa bu çalışmada denenmştr, ayrıca önerlen değşller ve yenller le KS algortmasının dğer çzelgeleme problemlernn çözümünde de etn olara ullanılablmes sağlanmıştır. Önerlen algortma KS- Çzelge olara adlandırılmıştır. Tablo-1 de verlen sonuçların başarılı olduğu görülmetedr ve önerlen algortmanın pst apaste ullanım oranlarını artırma amacıyla br arar deste aracı olara hava traf ontrolörler tarafından ullanılableceğ ortaya çımıştır. Amaç fonsyonunda uygun değşller yapılara elde edlen çzelgelern farlı amaçları gerçeleştrmes sağlanablr. Önerlen model, tat veya stratej planların ve çalışmaların yapılmasında aser ve svl uygulama alanlarında ullanılablr. Bu çalışmada genel br model önerlmştr, uygulama alanına yönel olara yapılaca çalışmalarla daha y sonuçların elde edlebleceğ öngörülmetedr. 6. KAYNAKLAR [1] Mullns J., Trals of Destructon, New Scentst 2056, 28-31,1996 [2] Odon A.R., Rousseau J.M., Wlson N.H.M., Models n Urban and Ar Transportaton, Handboos n OR & MS, Vol.6, , [3] Mlan J., The Flow Management roblem n Ar Traffc Control: A Model of Assgnng rortes for Landngs at a Congested Arport, Transportaton lannng and Technology 20, , [4] Beasley J.E., Krshnamoorthy M., Sharaha Y.M., Abramson D., Schedulng Arcraft Landngs-The Statc Case, Transportaton Scence,Vol.34, No.2, Mayıs [5] Beasley J.E., Sonander J., Haveloc., Schedulng Arcraft Landngs at London Heathrow Usng a opulaton Heurstc, Journal of Operatonal Research Socety 52, , [6] Beasley J.E., OR-Lbrary : Dstrbutng Test roblems by Electronc Mal, Journal of Operatonal Research Socety 41, , [7] Andreuss A., Banco L., Rcardell S., A Smulaton Model of Arcraft Sequencng n the Near Termnal Area, European Journal of Operatons Research 8, , [8] Dear R.G., The Dynamc Schedulng of Arcraft n the Near Termnal Area, Report R76-9, Flght Transportaton Laboratory, MIT, Cambrdge, MA, 1976 [9] Dear R.G., Sherf Y.S., The Dynamc Schedulng of Arcraft Densty Termnal Areas, Mcroelectroncs and Relablty 29, , [10] Dear R.G., Sherf Y.S., An Algorthm for Computer Asssted Sequencng and Schedulng of Termnal Area Operatons, Transportaton Research art A, olcy and ractse, 25, ,
8 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü roblem No Uça Sayısı roblem st Sayısı Optmum Değer Tablo 1. Sonuçlar KS-Çzelge Algortması Sonuçları Optmum değern bulunduğu l NC İl optmum değere ulaşma zamanı (sanye) Beasley (2000) Sonuçları Optmum değere ulaşma zamanı (sanye) ,23 1, ,22 0, , ,1 17, , , ,2 35, ,23 26, , ,3 125, ,6 37, ,9 28, ,2 3, ,8 140, , ,1 25, ,71 5, , ,7 476, ,9 147, , , Yed problem çn toplam süre (sn) 251, , Yed problem çn ortalama süre (sn) 11,42 54, [11] Abela J., Abramson D., Krshnamoorthy M., De Slva A., Mlls G., Computng Optmal Schedules for Landng Arcraft, roceedngs of the 12 th Natonal ASOR Conference, Adelade, Australa, 71-90, [12] Ernst A.T., Krshnamoorthy M., Storer H., Heurstc and Exact Algorthms for Schedulng Arcraft Landngs, Networs 34, ,1999. [13] Dorgo M., Optmzaton, Learnng and Natural Algorthms, hd thess, Dpartmento d Elettoronca, oltecnco d Mlano, IT, [14] Dorgo M., Manezzo V., Colorn A., ostve Feedbac as a Search Strategy, Techncal Report ÖZGEÇMİŞLER Hv.İm.Ütğm. Sezgn KILIÇ 1976 Turhal doğumlu olan Üsteğmen Sezgn KILIÇ l öğrenmn Turhal, orta ve lse öğrenmn se Amasya, Toat ve Anara da tamamlamıştır , Dpartmento d Elettronca, oltecnco d Mlano, IT, [15] Deneubourg J.L., Aron S., Goss S., ve asteels J.M., The Self-organzng Exploratory attern of the Argentne Ant, Journal of Insect Behavor, 3: , [16] Dorgo M., Caro G., Gambardella L., Ant Algorthms for Dscrete Optmzaton, Artfcal Lfe, Vol.5, No.3, ,1999 [17] Dorgo M., Manezzo V., Colorn A., The Ant System: Optmzaton by a Colony of Cooperatng Agents, IEEE Tansactons on System, Man and Cybernetcs, art-b, Vol.26, No.1, yılında Anara Atatür Anadolu Lsesnden, 1998 yılında se Hava Harp Oulu Endüstr Mühendslğ bölümünden Hava Teğmen olara mezun olmuştur yılında Hv. Snf. O. ve Te. Eğt. Mr. K.lığında İmal Subay Temel Eğtmn tamamlayara 15nc Füze Üs İmal Grup K.lığına Depolar Amr olara atanmıştır yılında Hava Harp Oulu, Havacılı ve Uzay Tenolojler Ensttüsü, Endüstr Mühendslğ bölümünde başladığı lsansüstü
9 Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü eğtmn 2003 yılında tamamlayara Hava Harp Oulu Deanlığı, Endüstr Mühendslğ Bölüm Başanlığına öğretm görevls olara atanmış olup halen görevne devam etmetedr yılında İstanbul Ten Ünverstes, Fen Blmler Ensttüsü, Endüstr Mühendslğ bölümünde başladığı dotora eğtmn sürdürmetedr. Evl ve br çocu babası olup İnglzce blmetedr. rof.dr. Al Rıza KAYLAN 1973 yılında Boğazç Ünverstesnden B.S., 1975 yılında Syracuse Ünverstesnden M.S. ve 1979 yılında yne aynı ünversteden h.d. derecelern aldı. Araştırma ve lg alanları; Modelleme ve Smülasyon, İşletmelerde Kalte Gelştrme rogramları, Blgsayarlı Bütünleş İmalat Sstemler ve Kuyru Teorsdr. Halen Boğazç Ünverstes Mühendsl Faültesnde Dean olara görev yapmatadır. 95
AJANDA LİTERATÜR TARAMASI
AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ
DetaylıSABİT-KUTUP YAKLAŞIMI KULLANILARAK TELEKONFERANSTA ODA AKUSTİK EKO YOK ETME
SABİ-KUUP YAKLAŞIMI KULLAILARAK ELEKOFERASA ODA AKUSİK EKO YOK EME uğba Özge ÖZDİÇ Rıfat HACIOĞLU Eletr-Eletron Mühendslğ Bölümü Mühendsl Faültes Zongulda Karaelmas Ünverstes, 671, Zongulda ozdnc_ozge@hotmal.com
DetaylıYÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA
YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,
DetaylıBULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA
Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 22, No 4, 855-862, 2007 Vol 22, No 4, 855-862, 2007 BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA İzzettn TEMİZ ve
DetaylıDüşük Hacimli Üretimde İstatistiksel Proses Kontrolü: Kontrol Grafikleri
Düşü Hacml Üretmde İstatstsel Proses Kontrolü: Kontrol Grafler A. Sermet Anagün ÖZET İstatstsel Proses Kontrolu (İPK) apsamında, proses(ler)de çeştl nedenlerden aynalanan değşenlğn belrlenere ölçülmes,
DetaylıPROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak
DetaylıMOD SÜPERPOZİSYONU İLE ZAMAN TANIM ALANINDA ÇÖZÜM
Nur ÖZHENEKCİ O SÜPERPOZİSYONU İLE ZAAN ANI ALANINA ÇÖZÜ Aşağıda açılanaca olan ortogonall özelllernn sağlandığı yapılar çn, zaman tanım alanında çözüm, her mod çn ayrı ayrı yapılıp daha sonra bu modal
DetaylıANOVA. CRD (Completely Randomized Design)
ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde
DetaylıÇEV 314 Yağmursuyu ve Kanalizasyon. Nüfus Projeksiyonları
ÇEV 34 Yağmursuyu ve Kanalzasyon üfus Projesyonları Yrd. oç. r. Özgür ZEYA hp://cevre.beun.edu.r/zeydan/ üfus Projesyonları Tasarımı yapılaca olan alyapı projesnn (analzasyon, yağmursuyu analları vb.),
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,
DetaylıHeterojen Araç Filolu Zaman Pencereli Eş Zamanlı Dağıtım-Toplamalı Araç Rotalama Problemleri: Matematiksel Model
Internatonal Journal of Research and Development, Vol.3, No.1, January 2011 19 Heteroen Araç Flolu Zaman Pencerel Eş Zamanlı Dağıtım-Toplamalı Araç Rotalama Problemler: Matematksel Model Suna ÇETİN, Cevrye
Detaylıkadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.
KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ
Detaylı16. Dörtgen plak eleman
16. Ddörtgen pla eleman 16. Dörtgen pla eleman Kalınlığı dğer boyutlarına göre üçü ve düzlemne d yü etsnde olan düzlem taşıyıcı ssteme pla denr. Yapıların döşemeler, sıvı deposu yan duvarları ve öprü plaları
DetaylıTek Yönlü Varyans Analizi (ANOVA)
VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem
DetaylıDETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM
5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION
DetaylıPamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences
Pamuale Ünverstes Mühendsl Blmler Dergs Pamuale Unversty Journal of Engneerng Scences Kabul Edlmş Araştırma Maales (Düzenlenmemş Sürüm) Accepted Research Artcle (Uncorrected Verson) Maale Başlığı / Ttle
DetaylıHİD 473 Yeraltısuyu Modelleri
HİD 7 Yeraltısuyu Modeller Sayısal Analz Sonlu Farlar Yalaşımı Levent Tezcan - Güz Dönem Modelleme Problemn Tanımlanması Kavramsal Modeln Gelştrlmes Matematsel Modeln Gelştrlmes Hdroeolo Süreçler Sınır
DetaylıARÇELİK YURT İÇİ TEDARİK ZİNCİRİ İÇİN ARAÇ SEVKİYAT VE ROTALAMA SİSTEMİ
Endüstr Mühendslð Dergs Clt: 0 Sayý: 3 Sayfa: (-38) Mana Mühendsler Odası ARÇELİK YURT İÇİ TEDARİK ZİNCİRİ İÇİN ARAÇ SEVKİYAT VE ROTALAMA SİSTEMİ Barbaros TANSEL*, Fatma DAŞYÜREK, Semh EREN, Özge KAYA,
DetaylıHİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ
Isı Blm ve Tenğ Dergs, 3, 1, 45-57, 21 J. of Thermal Scence and Technology 21 TIBTD Prnted n Turey ISSN 13-3615 HİDROJEN-METAN KARIŞIM YANMASINDA YANMA MODEL SABİTİNİN DEĞERLENDİRİLMESİ İler YILMAZ *,
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 7 Sayı: 1 s Ocak 2005
DEÜ MÜHENDİSİK FAKÜTESİ FEN ve MÜHENDİSİK DERGİSİ Clt: 7 Sayı: s. 7-85 Oca 5 ÜÇ BOYUTU BİR ÇERÇEVENİN UZAYSA VE DÜZEMSE STATİK YAPISA DAVRANIŞARININ KIYASANMASI (THE COMPARISON BETWEEN THE SPACE AND PANAR
DetaylıARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ
ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,
DetaylıHAVAYOLU KARGO TAŞIMACILIĞINDA KAPASİTE SINIRI OLMAYAN ÇOK ATAMALI p-ana DAĞITIM ÜSSÜ MEDYAN PROBLEMİNE TAMSAYILI MODEL YAKLAŞIMI
HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2009 CİLT 4 SAYI 1 (47-60) HAVAYOLU KARGO TAŞIMACILIĞINDA KAPASİTE SINIRI OLMAYAN ÇOK ATAMALI p-ana DAĞITIM ÜSSÜ MEDYAN PROBLEMİNE TAMSAYILI MODEL YAKLAŞIMI
DetaylıGenetik Algoritma ile İki Boyutlu Şekil Yerleştirme ÖZET
Genetk Algortma le İk Boyutlu Şekl Yerleştrme Metn Özşahn 1 ve Mustafa Oral 2 1) Çukurova Ünverstes Fen Blmler Ensttüsü Endüstr Mühendslğ Bölümü, Adana, Turkey 2 Çukurova Ünverstes Blgsayar Mühendslğ Bölümü,
DetaylıGüvenlik Stokları. Tedarik Zincirlerinde Belirsizlik Yönetimi: Güvenlik Stokları. Güvenlik Stokları Belirlenirken Sorulması gereken sorular
Güvenl Stoları Tedar Zncrlernde Belrszl Yönetm: Güvenl Stoları Güvenl Stoğu: Herhang br dönemde, talebn tahmn edlen mtarın üzernde gerçeleşen mtarını arşılama çn elde bulundurulan sto mtarıdır Q Çevrm
DetaylıRAF ÖMRÜ KISITLI EKONOMİK PARTİ PROGRAMLAMA PROBLEMİNE TEMEL PERİYOT YAKLAŞIMI
.C İSANBUL ÜNİERSİESİ SOSYAL BİLİMLER ENSİÜSÜ İŞLEME ANABİLİM DALI ÜREİM BİLİM ADI YÜKSEK LİSANS EZİ RAF ÖMRÜ KISILI EKONOMİK PARİ PROGRAMLAMA PROBLEMİNE EMEL PERİYO YAKLAŞIMI ŞULE BOZDOĞAN 5098096 EZ
DetaylıSAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI
TMMOB Harta ve Kadastro Mühendsler Odası, 15. Türye Harta Blmsel ve Ten Kurultayı, 5 8 Mart 015, Anara. SAYISAL YÜKSEKLİK MODELLERİNDE KLASİK VE ESNEK HESAPLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Leyla ÇAKIR*
DetaylıİÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ
Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara
DetaylıTRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI
Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
Detaylıa IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI
Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza
DetaylıSistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :
5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.
Detaylıİstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Admnstraton Clt/Vol:39, Sayı/No:2,, 310-334 ISSN: 1303-1732 www.fdergs.org Stokastk envanter model kullanılarak
DetaylıPARAMETRİK OLMAYAN HİPOTEZ TESTLERİ
PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE KARE TESTLERİ Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda
DetaylıAtölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi
tüdergs/d mühendsl Clt:5, Sayı:2, Kısım:1, 58-68 Nsan 2006 Atölye tp çzelgeleme problemler çn parçacı sürü optmzasyonu yöntem Mehmet ŞEVKLİ *, M. Mutlu YENİSEY İTÜ İşletme Faültes, Endüstr Mühendslğ Bölümü,
DetaylıTÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ
TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR
Detaylı( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3
Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör
DetaylıŞiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *
İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)
DetaylıTRANSPORT PROBLEMLERİ İÇİN FARKLI BİR ATAMA YAKLAŞIMI. İstanbul Üniversitesi İşletme Fakültesi Sayısal Yöntemler Anabilim Dalı
önetm, ıl: 9, Sayı: 59, Şubat 008 TRANSORT ROBLEMLERİ İÇİN FARKLI BİR ATAMA AKLAŞIMI r. oç. r. Ergün EROGLU Arş. Grv. Fatma LORCU İstanbul Ünverstes İşletme Fakültes Sayısal öntemler Anablm alı Bu çalışmaa
DetaylıMakine Öğrenmesi 10. hafta
Makne Öğrenmes 0. hafta Lagrange Optmzasonu Destek Vektör Maknes (SVM) Karesel (Quadratc) Programlama Optmzason Blmsel term olarak dlmze geçmş olsa da bazen en leme termle karşılık bulur. Matematktek en
DetaylıENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN
DetaylıAĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ
III. ULUSAL HAVACILIK VE UZAY KONFERANSI 16-18 Eylül 2010, ANADOLU ÜNİVERSİTESİ, Eskşehr AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ Davut ÇIKRIKCI * Yavuz YAMAN Murat SORGUÇ
DetaylıFARKLI SES KAYNAKLARINDAN ÜRETİLEN TEMEL TANIM DİZİLERİ İLE KONUŞMA İŞARETLERİNİN MODELLENMESİ
ARKI SES KAYNAKARINDAN ÜRETİEN TEME TANIM DİZİERİ İE KONUŞMA İŞARETERİNİN MODEENMESİ Rafet AKDENİZ Ümt GÜZ 2 Haan GÜRKAN 2 B. Sıddı YARMAN 2 Traya Ünverstes, Çorlu Mühendsl aültes, Eletron ve Haberleşme
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıDALGACIK DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIKARILAN ÖZNİTELİK VEKTÖRLERİ ÜZERİNDE İSTATİSTİKSEL İŞLEMLERİN GERÇEKLEŞTİRİLMESİ
DALGACI DÖNÜŞÜMÜ İLE EEG İŞARETLERİNDEN ÇIARILAN ÖZNİTELİ VETÖRLERİ ÜZERİNDE İSTATİSTİSEL İŞLEMLERİN GERÇELEŞTİRİLMESİ Elf Derya ÜBEYLİ İnan GÜLER TOBB Eonom ve Tenoloj Ünverstes, Mühendsl Faültes, Eletr-Eletron
DetaylıEn Küçük Etkili Doz Düzeyini Belirleme Yöntemlerinin Karşılaştırmaları
S Ü Fen Fa Fen Derg Sayı 36 () 83-94, KONYA En Küçü Etl Doz Düzeyn Belrleme Yöntemlernn Karşılaştırmaları Murat HÜSREVOĞLU, Hamza GAMGAM * Gaz Ünverstes, Fen Edebyat Faültes, İstatst Bölümü, Tenoullar,
DetaylıKarasal, Hava ve Uzay Tabanlı Haberleşme Sistemleri Arasındaki Girişimin Minimizasyonu İçin Optimizasyon Yaklaşımı
Karasal, Hava ve Uzay Tabanlı Haberleşme stemler Arasındak rşmn nmzasyonu çn Optmzasyon Yaklaşımı Optmzaton Approach to the nmzaton of Interference Between Terrestral, Ar and pace Based Communcaton ystems
DetaylıSERMAYE KISITLARI ALTINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMANIN EN İYİ FİYAT BELİRLEME SÜREÇLERİNDE KULLANILMASI VE BİR UYGULAMA
SERMAYE KISITLARI ALTINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMANIN EN İYİ FİYAT BELLEME SÜREÇLERİNDE KULLANILMASI VE B UYGULAMA Melke Güngör Dokuz Eylül Ünverstes Ekonometr ABD Y.Lsans melkegungorr@gmal.com
DetaylıYük Yoğunluğu ve Nokta Yük İçeren Elektrik Alan Problemlerinin Sınır Elemanları Yöntemiyle İncelenmesi
Fırat Ünv. Fen ve Müh. Bl. Dergs cence and Eng. J of Fırat Unv. (), 99-, (), 99-, Yü Yoğunluğu ve Nota Yü İçeren Eletr Alan Problemlernn ınır Elemanları Yöntemyle İncelenmes Hüseyn ERİŞTİ ve elçu YILDIRIM
DetaylıERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma
ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel:
DetaylıYaklaşık İdeal Talep Analizi Yöntemi. ve Fiyat Esnekliklerinin Tahmini
Yalaşı İdeal Talep Analz Yöntem le Harcama ve Fyat Esnellernn Tahmn Mehmet Arf ŞAHİNLİ İstatstç, Türye İstatst Kurumu, Ulusal Hesaplar ve Eonom Göstergeler Dare Başanlığı arfsahnl@tu.gov.tr Yalaşı İdeal
DetaylıŞehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *
İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının
DetaylıDeney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı
SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış
DetaylıAli Öztürk Accepted: January 2010. ISSN : 1308-7231 serhatduman@duzce.edu.tr 2010 www.newwsa.com Duzce-Turkey
ISS:1306-3111 e-journal of ew World Scences Academy 2010, Volume: 5, umber: 1, Artcle umber: 1A0066 Serhat Duman EGIEERIG SCIECES M. Kenan Döşoğlu Receved: March 2009 Al Öztürk Accepted: January 2010 Pakze
DetaylıBULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ
V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 25-27 Kasım 25 BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ Feyzan ARIKAN Gaz
DetaylıEmrah 70 Ekim 2011. kat edilen mesafenin en. mizasyonu (PSO) sezgisel. (PSO), Genetik Algoritma (GA), Optimizasyon, Meta-Sezgisel
METAplam kat edlen mesafenn en mzasyonu (PSO) sezgsel k (PSO), Genetk Algortma (GA), Optmzasyon, Meta-Sezgsel 74 OPTIMIZATION OF MULTI- PROBLEM OF ISTANBUL HALK EKMEK A.S. (IHE) BY USING META-HEURISTIC
DetaylıZaman pencereli çok araçlı dağıtım toplamalı rotalama problemi için gerçek değerli genetik algoritma yaklaşımı
İstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Clt/Vol:43, Sayı/No:2, 2014, 391-403 ISSN: 1303-1732 www.fdergs.org Zaman pencerel çok araçlı dağıtım toplamalı
DetaylıB R AFET YARDIM MERKEZ N N SEZG SEL ALGOR TMALAR YARDIMIYLA KONUMLANDIRILMASI
B R AFET YARDIM MERKEZ N N SEZG SEL ALGOR TMALAR YARDIMIYLA KONUMLANDIRILMASI Numan ÇELEB stanbul Ünverstes ÖZET Dünyada her y l deprem, sel ve tusunam gb çok say da afet meydana gelmektedr. Son y llarda
DetaylıPRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY
BİR İŞLETMEDE KİTLESEL ÖZEL ÜRETİME YÖNELİK HEDEF PROGRAMLAMA TABANLI ÜRETİM PLANLAMA PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY ESRA AKBAL Başkent Ünverstes Lsansüstü
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
DetaylıDOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre
1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı
DetaylıÖZET Anahtar Kelimeler: ABSTARCT Keywords: 1. GİRİŞ
olteknk Dergs Journal of olytechnc Clt: Sayı: 3 s67-7, 009 Vol: o: 3 pp67-7, 009 Genetk Algortma Kullanarak Ekonomk Dağıtım Analz: Türkye Uygulaması M Kenan DÖŞOĞU, Serhat DUMA, Al ÖZTÜRK ÖZET Dünyada
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıT.C. KEÇiÖREN BELEDİYE BAŞKANLIGI Mali Hizmetler Müdürlüğü BAŞKANLIK MAKAMINA
l!l KEÇÖREN BELEDİYE BAŞKANLIGI KEÇöREN BELeDYES SA YI : M.06.6.KEç.O-31/2009KONU: Yetk Devr bo f.!200fd 6.1. BAŞKANLIK MAKAMINA Blndğ üzere O 1.01.2006 tarhnden tbaren tüm yerel yönetmlerde 31.12.2005
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE NOVO. Özet
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 0.0.00 Clt:, Sayı: 4, Yıl: 00, Sayfa: -74 Yayına Kabul Tarh: 7.0.0 ISSN: 0-84 ÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE
DetaylıDersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)
Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.
DetaylıTEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA
TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,
DetaylıKafes Yapıların Öğretme-Öğrenme Esaslı Optimizasyon Yöntemiyle Boyutlandırılması
Kafes Yapıların Öğretme-Öğrenme Esaslı Optmzasyon Yöntemyle Boyutlandırılması S. Özgür Değertekn, M. Sedat Hayaloğlu Dcle Ünverstes, İnşaat Mühendslğ Bölümü, 21280, Dyarbakır Tel: (412) 241 10 00 E-Posta:
DetaylıMAKROİKTİSAT (İKT209)
MAKROİKTİSAT (İKT29 Ders 6: IS-LM Prof. Dr. Ferda HALICIOĞLU İtsat Bölümü Syasal Blgler Faültes İstanbul Medenyet Ünverstes Derste İncelenen Konular Mal pyasasında denge: IS eğrs Para pyasasında denge:
Detaylı4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ
Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,
DetaylıKOCAELİ ÜNİVERSİTESİ Mühendislik Fakültesi Makina Mühendisliği Bölümü Mukavemet I Vize Sınavı (2A)
KOCELİ ÜNİVERSİTESİ Mühendslk akültes Makna Mühendslğ Bölümü Mukavemet I Vze Sınavı () dı Soyadı : 18 Kasım 013 Sınıfı : No : SORU 1: Şeklde verlen levhalar aralarında açısı 10 o la 0 o arasında olacak
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıKAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU
XVIII ULUSAL MEKANİK KONGRESİ 26-30 Ağustos 2013, Celal Bayar Ünverstes, Mansa KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU S Özgür Değertekn 1, Mehmet Ülker 2, M Sedat
DetaylıSoğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu
Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük
DetaylıBasel II Geçiş Süreci Sıkça Sorulan Sorular
Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek
DetaylıENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ
ENDÜSTRİYEL TAŞIYICI SİSTEMLERİN YAPAY SİNİR AĞLARI İLE ANALİZİ İlyas KACAR Mana Mühendslğ Bölümü Mühendsl-Mmarlı Faültes Nğde Ünverstes, 500, Nğde e-posta: acar@gmal.com Anahtar sözcüler: Endüstryel Taşıyıcı
DetaylıAfyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi
Ayon Kocatepe Ünverstes Fen ve Mühendslk Blmler Dergs Ayon Kocatepe Unversty Journal o Scence and Engneerng AKÜ FEMÜBİD 7 (07) 0350 (9-937) AKU J. Sc. Eng. 7 (07) 0350 (9-937) DOİ : 0.5578/mbd.6695 Nümerk
DetaylıÇİFT TARAFLI MONTAJ HATTI DENGELEME PROBLEMLERİ İÇİN YENİ ÇÖZÜM ÖNERİLERİ UĞUR ÖZCAN DOKTORA TEZİ ENDÜSTRİ MÜHENDİSLİĞİ
ÇİFT TARAFLI MONTAJ HATTI DENGELEME PROBLEMLERİ İÇİN YENİ ÇÖZÜM ÖNERİLERİ UĞUR ÖZCAN DOKTORA TEZİ ENDÜSTRİ MÜHENDİSLİĞİ GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ EKİM 2009 ANKARA Uğur ÖZCAN taraından hazırlanan
DetaylıYERALTI SUYU POMPAJ MALİYETİ MİNİMİZASYON PROBLEMLERİNİN PSOLVER OPTİMİZASYON TEKNİĞİ İLE ÇÖZÜMÜ: TAHTALI HAVZASI ÖRNEĞİ
VII. Ulusal Hdroloj Kongres 26-27 Eylül 2012, Süleyman Demrel Ünverstes, Isparta YERALTI SUYU POMPAJ MALİYETİ MİNİMİZASYON PROBLEMLERİNİN PSOLVER OPTİMİZASYON TEKNİĞİ İLE ÇÖZÜMÜ: TAHTALI HAVZASI ÖRNEĞİ
DetaylıKİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES
KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES Mehmet YÜCEER, İlnur ATASOY, Rıdvan BERBER Anara Üniversitesi Mühendisli Faültesi Kimya Mühendisliği Bölümü Tandoğan- 0600 Anara (berber@eng.anara.edu.tr)
DetaylıTRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM
TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com
DetaylıÜÇ BOYUTLU ÇAPRAZ TABLOLARDA LOGARİTMİK DOĞRUSAL ANALİZ: ÇOCUK İŞGÜCÜ DEĞİŞKENLERİ ARASINDAKİ ETKİLEŞİMLER
Uludağ Ünverstes İtsad ve İdar lmler Faültes Dergs lt XXV, ayı, 006, s. 41-70 ÜÇ OYUTLU ÇPRZ TLOLRD LOGRİTMİK DOĞRUL NLİZ: ÇOUK İŞGÜÜ DEĞİŞKENLERİ RINDKİ ETKİLEŞİMLER erpl ÜLÜL * Özet Kategor verlerde
DetaylıTAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ
ZKÜ Sosyal Blmler Dergs, Clt 3, Sayı 6, 2007, ss. 109 125. TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ Yrd.Doç.Dr. Ahmet ERGÜLEN Nğde
DetaylıDİK AKIŞA MARUZ BİR SİLİNDİR ÜZERİNDEN OLAN ISI TRANSFERİNİN SAYISAL OLARAK İNCELENMESİ
Uludağ Ünverstes Mühendsl Faültes Dergs, Clt 0, ayı 1, 015 ARAŞTIRMA do: 10.1748/uufe.8436 DİK AKIŞA MARUZ BİR İLİNDİR ÜZERİNDEN OLAN II TRANFERİNİN AYIAL OLARAK İNCELENMEİ Gzem ŞENCAN * Yunus MARAL *
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
DetaylıGRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ
2. Ulusal Tasarım İmalat ve Analz Kongres 11-12 Kasım 21- Balıkesr GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ Esra YILMAZ*, Ferhat GÜNGÖR** *ylmazesraa@gmal.com
DetaylıX, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının
1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell
DetaylıJournal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi
Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 31, 203-213, 2013 Research Artcle / Araştırma Makales ANALYTIC NETWORK PROCESS AND TOPSIS METHODS WITH SELECTION OF OPTIMAL INVESTMENT
DetaylıOTOMATİK YÖNLENDİRMELİ ARAÇ (OYA) SİSTEMLERİ VE DEPO BAKIMINDA ROTALAMA PROBLEMİ
PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 2003 : 9 : 2 : 269-277
DetaylıCilt:11 Sayı: 4 s , 2008 Vol: 11 No: 4 pp , M. Yasin ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET
Polteknk Dergs Journal of Polytechnc Clt: Sayı: 4 s.99-305, 008 Vol: No: 4 pp.99-305, 008 Optmzasyon Problemlernn Çözümü çn Parçaçık Sürü Optmzasyonu Algortması M. Yasn ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET Optmzasyon
DetaylıÇarpımsal Ceza Modeli İle Tamsayılı Programlama
Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt: 10, Sayı:3, 2008 Çarpımsal Ceza Model İle Tamsayılı Programlama Sabr Erdem Özet Doğrusal olmayan optmzasyon problemlernn çözüm yöntemlernden brs,
DetaylıÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ
T.C. KARA HARP OKULU SAVUNMA BİLİMLERİ ENSTİTÜSÜ HAREKÂT ARAŞTIRMASI ANA BİLİM DALI ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ DOKTORA TEZİ Hazırlayan Al Rıza BOZBULUT
DetaylıKIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ
KIRIKKALE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ ÇOK KRİTERLİ KARAR VERME YÖNTEMLERİNDEN AHP VE TOPSIS İLE KAMP YERİ SEÇİMİ Burak KARAHAN Burak PEKEL Neşet BEDİR Cavt CAN Kırıkkale -2014-
DetaylıFLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ
FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,
DetaylıPARÇALI DOĞRUSAL REGRESYON
HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal
Detaylı01.01.2015 tarih ve 29223 sayılı Resmi Gazetede yayımlanmıştır. TEİAŞ Türkiye Elektrik İletim Anonim Şirketi
01.01.2015 tarh ve 29223 sayılı Resm Gazetede yayımlanmıştır. Bu Doküman Hakkında TEİAŞ Türkye Elektrk İletm Anonm Şrket İletm Sstem Sstem Kullanım ve Sstem İşletm Tarfelern Hesaplama ve Uygulama Yöntem
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıAdi Diferansiyel Denklemler NÜMERİK ANALİZ. Adi Diferansiyel Denklemler. Adi Diferansiyel Denklemler
6.4.7 NÜMERİK ANALİZ Yrd. Doç. Dr. Hatce ÇITAKOĞLU 6 Müendslk sstemlernn analznde ve ugulamalı dsplnlerde türev çeren dferansel denklemlern analtk çözümü büük öneme saptr. Sınır değer ve/vea başlangıç
Detaylı