Zeki Optimizasyon Teknikleri. Genetik Algoritma (Genetic Algorithm)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Zeki Optimizasyon Teknikleri. Genetik Algoritma (Genetic Algorithm)"

Transkript

1 Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm)

2 Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. Popülasyon tabanlı algoritmadır. Her birey problemin çözümü olmaya adaydır. Stokastik algoritmadır. Çözümler genellikle bit dizileri olarak kodlanır. Bireyleri değerlendirme fonksiyonu probleme yönelik olarak çalışan en önemli kısımdır.

3 Terminoloji Popülasyon (Topluluk): Çözüm kümesini oluşturan bireylerin tümüdür. Kromozom: Çözüm için kullanılan bireyler. Gen: Kromozom içindeki anlamlı en küçük bilgidir. Locus: Kromozom içindeki gen in bulunduğu yerdir. Mutasyon: Bir kromozomda rastgele yapılan değişikliktir. Jenerasyon: Yeni bir topluluktur. Mating: Bireyler arasındaki eşlemedir.

4 İşlemler Çözümün veya bireyin gösterimi ve başlangıç popülasyonunun oluşturulması Bireylerin değerlendirilmesi (Fitness function) Bireylerin yeni topluluk için seçilmesi Yeni bir jenerasyon oluşturma

5 Başlangıç popülasyonunu oluşturma Bilinen bir çözüm kümesi alınarak başlanabilir. Rastgele bireyler oluşturulur. Belirli kriterleri sağlayan bireyler oluşturulur. Popülasyondaki birey sayısı genellikle 100 ile 300 arasında seçilir.

6 Bireylerin Değerlendirilmesi Kromozomların çözüme uygunluk değerleri belirlenir. Her problem için uygun bir değerlendirme fonksiyonu kullanılması gerekir. Probleme yönelik olarak çalışan kısımdır. Değerlendirme her yeni jenerasyonun tüm bireyleri için yapılır.

7 Birey seçme Elitizm Seçilen iki bireyi çaprazlama Bir bireyin herhangi bir geninin mutasyon işlemiyle rastgele değiştirilmesi

8 Birey seçme Deterministik Rulet tekerleği Rastgele Turnuva seçimi

9 Deterministik Birey seçme Belirli sayıdaki en iyi olan bireyler ile yeni popülasyon oluşturulur. Kötü bireyler yeni popülasyona aktarılmaz.

10 Rulet Tekerleği ile Birey seçme Her bireyin çözüme uygunluk derecesi arttıkça yeni popülasyona aktarılma şansı artar. Başlangıç Birey 1: f(x) = 45 Birey 2: f(x) = 21 Birey 3: f(x) = 9 Birey 4: f(x) = 75 Birey 1: 45 /( ) = 30% Birey 2: 21 /( ) = 14% Birey 3: 9 /( ) = 6% Birey 4: 75 /( ) = 50% B1=30% B2=14% B4=50% B3=6% Hareket

11 Rastgele Birey seçme Bireyin çözüme uygunluk derecesi seçilme şanslarını etkilemez. Başlangıç Birey 1: f(x) = 45 Birey 2: f(x) = 21 Birey 3: f(x) = 9 Birey 4: f(x) = 75 B2=25% B1=25% B4=25% Hareket B3=25%

12 Turnuva seçimi Rastgele seçilen iki bireyden uygunluk derecesi yüksek olan bir sonraki popülasyona aktarılır. İşlem, popülasyondaki kromozom sayısı kadar tekrarlanır.

13 Elitizm Belirli sayıdaki en iyi birey hiçbir işleme tabi tutulmadan doğrudan yeni jenerasyona aktarılır. Elit birey sayısı arttıkça çözümdeki çeşitlilik azalır. Elit birey alınmazsa yeni jenerasyonun en iyi bireyi bir önceki jenerasyonun en iyi bireyinden daha kötü olabilir.

14 Seçilen iki bireyi çaprazlama Bir noktalı çaprazlama Yeni iki birey Çok noktalı çaprazlama Yeni iki birey

15 Seçilen iki bireyi çaprazlama (Devam) Çaprazlama noktaları rastgele seçilir. Yeni elde edilen iki bireyin ikisi de yeni popülasyona aktarılabilir. Yeni elde edilen bireyden uygunluk seviyesi daha yüksek olan alınabilir.

16 Mutasyon Herhangi bir kromozomdaki bir genin sebep olmadan rastgele değiştirilmesidir. Mutasyon oranı genellikle 0.01 ile arasında seçilir. Yeni popülasyondaki bir bireyin her gen i için verilen oranda mutasyon olma olasılığı vardır. Mutasyon popülasyona çeşitlilik kazandırır

17 Algoritmanın Çalışması 1. Başlangıç popülasyonunu oluştur 2. Popülasyondaki her kromozomu uygunluk fonksiyonuyla değerlendir 3. Yeni popülasyon için yeni kromozomlar oluştur (Seçme, Çaprazlama, Mutasyon, Elitizm) 4. Adım 2 ve 3 ü uygun bir çözüm bulununcaya kadar veya belirlenen iterasyona ulaşılıncaya kadar tekrarla 5. En iyi kromozomu çözüm olarak al

18 Genetik Algoritma GA nın Performansını Etkileyen Faktörler Kromozom sayısı: Kromozom sayısını arttırmak çalışma süresini artırır. Azaltmak ise kromozom çeşitliliğini yok eder. Mutasyon Oranı: Kromozomlar birbirine benzemeye başladığında hala uygun çözüm bulunamadıysa mutasyon işlemi GA nın sıkıştığı yerden kurtulması için tek yoldur. Ancak yüksek bir değer vermek GA nın kararlı bir noktaya ulaşmasını engeller. Kaç Noktalı Çaprazlama Yapılacağı: Normal olarak çaprazlama tek noktada gerçekleştirilmekle beraber yapılan araştırmalar bazı problemlerde çok noktalı çaprazlamanın faydalı olduğunu göstermiştir. Çaprazlamanın sonucu elde edilen bireylerin nasıl değerlendirileceği: Elde edilen iki bireyin birden kullanılıp kullanılamayacağı bazen önemli olmaktadır. Uygunluk değerlendirmesinin yapılışı: Probleme tam uygun olarak oluşturulmamış bir değerlendirme fonksiyonu, çalışma süresini uzatmakta hatta çözüme hiçbir zaman ulaşılamamasına neden olabilmektedir.

19 Genetik Algoritma (Araştırma) Kaynaklar: 1. Goldberg, David E. Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Pub. Co ISBN: İnternet adresleri : (GARAGe)

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik

Detaylı

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Genetik algoritmalar, Darwin in doğal seçim ve evrim teorisi ilkelerine dayanan bir arama ve optimizasyon yöntemidir.

Detaylı

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar METASEZGİSEL YÖNTEMLER Genetik Algoritmalar 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik Genetik Algoritma Algoritma Uygulamaları üzerine klasik eser

Detaylı

GENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA

GENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA GENETİK ALGORİTMA ÖZNUR CENGİZ 201410306014 HİLAL KOCA 150306024 GENETİK ALGORİTMA Genetik Algoritma yaklaşımının ortaya çıkışı 1970 lerin başında olmuştur. 1975 te John Holland ın makine öğrenmesi üzerine

Detaylı

YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR

YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest

Detaylı

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta: Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.

Detaylı

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri Onur KARASOY 1, Serkan BALLI 2 1 Muğla Sıtkı Koçman Üniversitesi Bilgi İşlem Dairesi Başkanlığı 2 Muğla Sıtkı Koçman Üniversitesi Bilişim Sistemleri

Detaylı

GENETİK ALGORİTMALAR BÜŞRA GÜRACAR

GENETİK ALGORİTMALAR BÜŞRA GÜRACAR GENETİK ALGORİTMALAR BÜŞRA GÜRACAR 201420404036 İÇERİK Genetik Algoritmanın, Amacı Kullanım Alanları Kavramları Uygulama Adımları Parametreler Genetik Algoritma Kodlama Türleri Genetik Algoritma Genetik

Detaylı

GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI

GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI ÖZEL EGE LĠSESĠ GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI HAZIRLAYAN ÖĞRENCĠLER: Berkin ĠNAN Doğa YÜKSEL DANIġMAN ÖĞRETMEN: Aslı ÇAKIR ĠZMĠR 2014 ĠÇĠNDEKĠLER 1. PROJENĠN AMACI. 3

Detaylı

Fonksiyon Optimizasyonunda Genetik Algoritmalar

Fonksiyon Optimizasyonunda Genetik Algoritmalar 01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (III)

GENETİK ALGORİTMALARA GİRİŞ (III) GENETİK ALGORİTMALARA GİRİŞ (III) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620

Detaylı

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) Genetik Algoritma

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) Genetik Algoritma 2017-2018 Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 3 Genetik Algoritma Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web:

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme

Detaylı

Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden

Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden Genetik Algoritmalar Nesin Matematik Köyü Evrim Çalıştayı 20-23 Nisan, 202 Genetik Algoritmalar (GA Đçerik Biyolojiden esinlenme GA nın özellikleri GA nın unsurları uygulama Algoritma Şema teoremi Mustafa

Detaylı

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Istanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl:8 Sayı:15 Bahar 2009 s.167-178 DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Timur KESKİNTÜRK * Serap ŞAHİN ÖZET

Detaylı

THE EFFECT OF PRODUCT NUMBER ON SOLVING THE JOP-SHOP SCHEDULING PROBLEM BY USING GENETIC ALGORITHM

THE EFFECT OF PRODUCT NUMBER ON SOLVING THE JOP-SHOP SCHEDULING PROBLEM BY USING GENETIC ALGORITHM GENETİK ALGORİTMA İLE ÇÖZÜMÜ GERÇEKLEŞTİRİLEN ATÖLYE ÇİZELGELEME PROBLEMİNDE ÜRÜN SAYISININ ETKİSİ Serdar BİROĞUL*, Uğur GÜVENÇ* (*) Gazi Üniversitesi Teknik Eğitim Fakültesi Elektrik Eğitimi Bölümü, Beşevler

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği

Detaylı

İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA

İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA İLERİ ALGORİTMA ANALİZİ 1. Giriş GENETİK ALGORİTMA Geniş çözüm uzaylarının klasik yöntemlerle taranması hesaplama zamanını artırmaktadır. Genetik algoritma ile kabul edilebilir doğrulukta kısa sürede bir

Detaylı

Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi

Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi Şerif Okumuş Melih Orhan Bilgisayar Mühendisliği Bölümü, Süleyman Demirel Üniversitesi, Isparta {serifokumus,melihorhan}@yahoo.com.tr

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (V)

GENETİK ALGORİTMALARA GİRİŞ (V) GENETİK ALGORİTMALARA GİRİŞ (V) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620

Detaylı

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms)

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 2017-2018 Güz Yarıyılı EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 4 Genetik Algoritma Örnek Uygulamalar (Sırt Çantası Problemi, Sınav Programı Çizelgeleme) Yrd. Doç. Dr. İbrahim

Detaylı

GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU

GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU TİMAK-Tasarım İmalat Analiz Kongresi 6-8 Nisan 006 - BALIKESİR GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU Muhammet Yaman 1, Hamit Saruhan, Faruk Mendi 3 1 Abant İzzet Baysal Üniversitesi,

Detaylı

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D. Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye

Detaylı

Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü

Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü 322 Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü Nihat ÖZTÜRK *, Emre ÇELİK * Gazi Üniversitesi Teknoloji Fakültesi Elektrik Elektronik Mühendisliği Bölümü, ANKARA ÖZET Anahtar Kelimeler:

Detaylı

Genetik Algoritmalar. Prof.Dr.Adem KALINLI

Genetik Algoritmalar. Prof.Dr.Adem KALINLI Genetik Algoritmalar Erciyes Üniversitesi Ekim 2012 Sunum İçeriği Giriş Evrimsel Hesaplama Genetik Algoritmalar Maliyet fonksiyonu Bilgi temsil mekanizması Başlangıç popülasyonu oluşturma Uygunluk veya

Detaylı

Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması

Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması Özay CAN, Nedim TUTKUN Düzce Üniversitesi Elektrik/Elektronik Mühendisliği Kapsam Giriş Hibrit Sistem ve Güç

Detaylı

GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ

GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ VI. Ulusal Temiz Enerji Sempozyumu UTES 2006 25 27 Mayıs 2006, Isparta Sf.756 764 GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ Nida Nurbay ve Ali Çınar Kocaeli Üniversitesi Tek. Eğt. Fak. Makine

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar

Detaylı

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Evrimsel Çok amaçlı eniyileme Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Gündem Çok amaçlı eniyileme Giriş Evrimsel çok amaçlı eniyileme Sonuç Giriş Gerçek dünya problemleri

Detaylı

Sigma 2006/2 Araştırma Makalesi / Research Article THE SIMULATION AND OPTIMIZATION OF LIFT CONTROL SYSTEMS WITH GENETIC ALGORITHMS

Sigma 2006/2 Araştırma Makalesi / Research Article THE SIMULATION AND OPTIMIZATION OF LIFT CONTROL SYSTEMS WITH GENETIC ALGORITHMS Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma 2006/2 Araştırma Makalesi / Research Article THE SIMULATION AND OPTIMIZATION OF LIFT CONTROL SYSTEMS WITH GENETIC

Detaylı

Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması

Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi Suleyman Demirel University Journal of Natural andappliedscience 18(1), 8-13, 2014 Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla

Detaylı

Programı : YAPI MÜHENDİSLİĞİ

Programı : YAPI MÜHENDİSLİĞİ İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ GENETİK ALGORİTMALAR KULLANILARAK SONLU ELEMAN GÜNCELLEMESİ YÖNTEMİYLE HASAR TESPİTİ VE PARAMETRE BELİRLENMESİ YÜKSEK LİSANS TEZİ İnş. Müh. Yıldırım

Detaylı

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA i GENETİK ALGORİTMA YAKLAŞIMIYLA ATÖLYE ÇİZELGELEME Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2005 ANKARA ii Serdar BİROĞUL tarafından hazırlanan

Detaylı

GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı

GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye 2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK,

Detaylı

Rössler Tabanlı Kaotik Farksal Gelişim Algoritması

Rössler Tabanlı Kaotik Farksal Gelişim Algoritması Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, Cilt:1, Sayı:, 1 ISSN: 1-33 (http://edergi.bilecik.edu.tr/index.php/fbd) Araştırma Makalesi/Research Article Rössler Tabanlı Kaotik Farksal Gelişim

Detaylı

Yerel Arama Teknikleri ve Optimizasyon (Local Search and Optimisation)

Yerel Arama Teknikleri ve Optimizasyon (Local Search and Optimisation) Yerel Arama Teknikleri ve Optimizasyon (Local Search and Optimisation) Yerel Arama Teknikleri Tepe Tırmanma (Hill Climbing) Benzetimli Tavlama (Simulated Annealing) Yerel Arama Algoritmaları (Local Search

Detaylı

Gevşek Hesaplama (COMPE 474) Ders Detayları

Gevşek Hesaplama (COMPE 474) Ders Detayları Gevşek Hesaplama (COMPE 474) Ders Detayları Ders Adı Gevşek Hesaplama Ders Kodu COMPE 474 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

BESLENME PROBLEMİNDE GENETİK ALGORİTMA KULLANILMASI. e posta:

BESLENME PROBLEMİNDE GENETİK ALGORİTMA KULLANILMASI. e posta: IAAOJ, Scientific Science, 2013,1(1),19-26 BESLENME PROBLEMİNDE GENETİK ALGORİTMA KULLANILMASI Arş.Gör.Serpil Gümüştekin 1, Yrd.Doç.Dr.Talat Şenel 1 1Ondokuz Mayıs Üniversitesi, Fen Edebiyat Fakültesi,

Detaylı

MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ

MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ İSTANBUL TEKNİK ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ K-MEANS KÜMELEME ALGORİTMASININ GENETİK ALGORİTMA KULLANILARAK GELİŞTİRİLMESİ BİTİRME ÖDEVİ Yunus YÜNEL Tez Danışmanı:

Detaylı

Genetik Algoritmalarla akış tipi çizelgelemede üreme yöntemi optimizasyonu

Genetik Algoritmalarla akış tipi çizelgelemede üreme yöntemi optimizasyonu itüdergisi/d mühendislik Cilt:1 Sayı:1 Ağustos 2002 Genetik Algoritmalarla akış tipi çizelgelemede üreme yöntemi optimizasyonu Orhan ENGİN *, Alpaslan FIĞLALI İTÜ İşletme Fakültesi, Endüstri Mühendisliği

Detaylı

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ 3. İzmir Rüzgâr Sempozyumu // 8-10 Ekim 2015 // İzmir 29 GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ Gül Kurt 1, Deniz

Detaylı

TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ

TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ DETERMINATION OF SAMPLE SIZES IN STRATIFIED RANDOM SAMPLING WITH GENETIC ALGORITHM DERYA TURFAN DOÇ. DR. ÖZGÜR

Detaylı

DC Motorlarda Maksimum Verimin Genetik Algoritma Kullanılarak Optimizasyonu. Optimization of DC Motors Maximum Efficiency Using Genetic Algorithm

DC Motorlarda Maksimum Verimin Genetik Algoritma Kullanılarak Optimizasyonu. Optimization of DC Motors Maximum Efficiency Using Genetic Algorithm DC Motorlarda Maksimum Verimin Genetik Algoritma Kullanılarak Optimizasyonu *1 Kürşat M. KARAOĞLAN and *2 Metin ZEYVELİ 1 Mekatronik Mühendisliği, Fen Bilimleri Enstitüsü, Karabük Üniversitesi, Karabük,

Detaylı

Genetik Algoritma ile Türkiye Net Elektrik Enerjisi Tüketiminin 2020 Yılına Kadar Tahmini

Genetik Algoritma ile Türkiye Net Elektrik Enerjisi Tüketiminin 2020 Yılına Kadar Tahmini International Journal of Engineering Research and Development, Vol.3, No.2, June 2011 37 Genetik Algoritma ile Türkiye Net Elektrik Enerjisi Tüketiminin 2020 Yılına Kadar Tahmini Vecihi Yigit Industrial

Detaylı

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri

Detaylı

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği

Detaylı

Hücresel İmalat Sistemlerinin K-Means Algoritması ve Genetik Algoritma İle Tasarlanması: Bir Uygulama

Hücresel İmalat Sistemlerinin K-Means Algoritması ve Genetik Algoritma İle Tasarlanması: Bir Uygulama Hücresel İmalat Sistemlerinin K-Means Algoritması ve Genetik Algoritma İle Tasarlanması: Bir Uygulama Öz *1 Serap Ercan Cömert, 1 Seda Hatice Gökler, 1 Harun Reşit Yazgan 1 Sakarya Üniversitesi, Mühendislik

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (IV)

GENETİK ALGORİTMALARA GİRİŞ (IV) GENETİK ALGORİTMALARA GİRİŞ (IV) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620

Detaylı

PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ

PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ Ege Akademik BakıĢ / Ege Academic Review 10 (1) 2010: 199-210 PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ EFFICIENCY OF MUTATION RATE FOR PARALLEL MACHINE SCHEDULING

Detaylı

T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SEZGİSEL ALGORİTMALARLA SINAV ÇİZELGELEME PROBLEMİ ÇÖZÜMÜ

T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SEZGİSEL ALGORİTMALARLA SINAV ÇİZELGELEME PROBLEMİ ÇÖZÜMÜ T.C. SÜLEYMAN DEMİREL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SEZGİSEL ALGORİTMALARLA SINAV ÇİZELGELEME PROBLEMİ ÇÖZÜMÜ Cevriye ALTINTAŞ Danışman: Doç. Dr. Tuncay YİĞİT YÜKSEK LİSANS TEZİ BİLGİSAYAR MÜHENDİSLİĞİ

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

DİFERANSİYEL GELİŞİM ALGORİTMASI

DİFERANSİYEL GELİŞİM ALGORİTMASI İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 5 Sayı: 9 Bahar 2006/1 s.85-99 DİFERANSİYEL GELİŞİM ALGORİTMASI Timur KESKİNTÜRK ÖZET Doğrusal olmayan problemlerin çözümüne yönelik olarak geliştirilmiş

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (VII)

GENETİK ALGORİTMALARA GİRİŞ (VII) GENETİK ALGORİTMALARA GİRİŞ (VII) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ GENEL ATAMA PROBLEMLERİNİN ÇÖZÜMÜNDE DETERMİNİSTİK, OLASILIK TEMELLİ VE SEZGİSEL YÖNTEMLERİN UYGULANMASI Çağatay SEL ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics 2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas**

TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas** TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ M. Levent Koç* Can E. Balas** (*) Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi İnşaat Mühendisliği Bölümü, Sivas Tel:

Detaylı

SİPÂRİŞ TİPİ ATÖLYELERDE İŞ SIRALAMA PROBLEMİ İÇİN BİR GENETİK ALGORİTMA UYGULAMASI

SİPÂRİŞ TİPİ ATÖLYELERDE İŞ SIRALAMA PROBLEMİ İÇİN BİR GENETİK ALGORİTMA UYGULAMASI SİPÂRİŞ TİPİ ATÖLYELERDE İŞ SIRALAMA PROBLEMİ İÇİN BİR GENETİK ALGORİTMA UYGULAMASI Murat Baskak İ.T.Ü. İşletme Fakültesi, Endüstri Mühendisliği Bölümü, 34367 Maçka/İstanbul Vural Erol Yıldız Teknik Üniversitesi,

Detaylı

Yrd. Doç. Dr. Osman Kaan EROL (İ.T.Ü)

Yrd. Doç. Dr. Osman Kaan EROL (İ.T.Ü) İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONTROL SİSTEMLERİ İÇİN BULANIK PID KONTROLÖRLERİN GENETİK ALGORİTMALAR YARDIMIYLA AYARLANMASI Tezin Enstitüye Verildiği Tarih: 20 Mart 2007 Tezin Savunulduğu

Detaylı

ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN KULLANIMI

ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN KULLANIMI TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2 6 Nisan 2007, Ankara ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN

Detaylı

GEZGİN SATICI PROBLEMİ TABANLI BİR SİSTEMİN DİNAMİK BULANIK GENETİK ALGORİTMALAR İLE OPTİMİZASYONU

GEZGİN SATICI PROBLEMİ TABANLI BİR SİSTEMİN DİNAMİK BULANIK GENETİK ALGORİTMALAR İLE OPTİMİZASYONU YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ GEZGİN SATICI PROBLEMİ TABANLI BİR SİSTEMİN DİNAMİK BULANIK GENETİK ALGORİTMALAR İLE OPTİMİZASYONU Erdinç KURUCA FBE Endüstri Mühendisliği Anabilim Dalı

Detaylı

CBS ve Coğrafi Hesaplama

CBS ve Coğrafi Hesaplama Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr

Detaylı

GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI

GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI Mustafa KURT*, Cumali SEMETAY* *M.Ü.Teknik Eğitim Fakültesi Makina Bölümü Bu çalışmada, geleneksel yöntemlerle çözümü zor veya imkansız olan problemlerin çözümünde

Detaylı

EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI

EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI Fatma Daban Dr. Ersin Özdemir Mustafa Kemal Üniversitesi Özet Eğitim kurumları, kaynaklarını belirli zaman

Detaylı

PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN

PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN 1995 yılında Dr.Eberhart ve Dr.Kennedy tarafından geliştirilmiş popülasyon temelli sezgisel bir optimizasyon tekniğidir.

Detaylı

SNP TEK NÜKLEOTİD POLİMORFİZMLERİ (SINGLE NUCLEOTIDE POLYMORPHISMS)

SNP TEK NÜKLEOTİD POLİMORFİZMLERİ (SINGLE NUCLEOTIDE POLYMORPHISMS) SNP TEK NÜKLEOTİD POLİMORFİZMLERİ (SINGLE NUCLEOTIDE POLYMORPHISMS) Herhangi iki bireyin DNA dizisi %99.9 aynıdır. %0.1 = ~3x10 6 nükleotid farklılığı sağlar. Genetik materyalde varyasyon : Polimorfizm

Detaylı

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu th International Adanced Technologies Symposium (IATS ), -8 May 20, Elazığ, Turkey Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu Ö. Soykasap e K. B. Sugözü Afyon

Detaylı

2 e-posta: aeyilmaz@eng.ankara.edu.tr

2 e-posta: aeyilmaz@eng.ankara.edu.tr BULUT AĞLARINA YÖNELİK DAĞINIK ÖNBELLEK YÖNETİM SİSTEMİ NDE FARKLI OPTİMİZASYON VE ATAMA TEKNİKLERİNİN PERFORMANS KARŞILAŞTIRMASI Hüseyin Seçkin Dikbayır 1 Asım Egemen Yılmaz 2 Ali Arda Diri 3 1,3 Dirisoft

Detaylı

DİNAMİK GEZGİN SATICI PROBLEMİNİN ÇÖZÜMÜ İÇİN BİR ENİYİLEME KÜTÜPHANESİNİN TASARIMI VE GÖRSEL YAZILIM GELİŞTİRME ORTAMI İLE BİRLİKTE GERÇEKLEŞTİRİMİ

DİNAMİK GEZGİN SATICI PROBLEMİNİN ÇÖZÜMÜ İÇİN BİR ENİYİLEME KÜTÜPHANESİNİN TASARIMI VE GÖRSEL YAZILIM GELİŞTİRME ORTAMI İLE BİRLİKTE GERÇEKLEŞTİRİMİ EGE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ (YÜKSEK LİSANS TEZİ) DİNAMİK GEZGİN SATICI PROBLEMİNİN ÇÖZÜMÜ İÇİN BİR ENİYİLEME KÜTÜPHANESİNİN TASARIMI VE GÖRSEL YAZILIM GELİŞTİRME ORTAMI İLE BİRLİKTE GERÇEKLEŞTİRİMİ

Detaylı

Hardy Weinberg Kanunu

Hardy Weinberg Kanunu Hardy Weinberg Kanunu Neden populasyonlarla çalışıyoruz? Popülasyonları analiz edebilmenin ilk yolu, genleri sayabilmekten geçer. Bu sayım, çok basit bir matematiksel işleme dayanır: genleri sayıp, tüm

Detaylı

GERÇEK ZAMAN KISITLARI ALTINDA SEYRÜSEFER

GERÇEK ZAMAN KISITLARI ALTINDA SEYRÜSEFER GERÇEK ZAMAN KISITLARI ALTINDA SEYRÜSEFER Ferhat Uçan (a), (b) (a), 41470,Gebze, Kocaeli, ferhat.ucan@bte.tubitak.gov.tr (b) du.tr ÖZ seklik t k Problemin en uygun çözümü, tüm a birlikte eniyileyen zordur.

Detaylı

Weight Optimization of a Dry Transformer by Genetic Algorithm and Validation by Finite Element Method

Weight Optimization of a Dry Transformer by Genetic Algorithm and Validation by Finite Element Method KSÜ Mühendislik Bilimleri Dergisi, (), 9 3 KSU Journal of Engineering Sciences, (), 9 Genetik Algoritma ile Kuru Bir Trafonun Ağırlık Optimizasyonu ve Sonlu Elemanlar Metodu ile Analizi Mehmed ÇELEBĐ Atatürk

Detaylı

Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması

Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması Kaotik Tabanlı Diferansiyel (Farksal) Gelişim Algoritması 1 Mehmet Eser * 1 Uğur Yüzgeç 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 111, Gülümbe, Bilecik 1. Giriş Abstract Differential

Detaylı

9. ULUSAL ÜRETĠM ARAġTIRMALARI SEMPOZYUMU Ekim 2009 ÜAS 2009 BĠLDĠRĠLER KĠTABI. Editörler: Prof.Dr. Nihat YÜZÜGÜLLÜ Yrd.Doç.Dr.

9. ULUSAL ÜRETĠM ARAġTIRMALARI SEMPOZYUMU Ekim 2009 ÜAS 2009 BĠLDĠRĠLER KĠTABI. Editörler: Prof.Dr. Nihat YÜZÜGÜLLÜ Yrd.Doç.Dr. 9. ULUSAL ÜRETĠM ARAġTIRMALARI SEMPOZYUMU 15-17 Ekim 2009 ÜAS 2009 BĠLDĠRĠLER KĠTABI Editörler: Prof.Dr. Nihat YÜZÜGÜLLÜ Yrd.Doç.Dr. Servet HASGÜL Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık

Detaylı

ADIM ADIM YGS LYS Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ

ADIM ADIM YGS LYS Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ ADIM ADIM YGS LYS 108. Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ Belirli bir bölgede yaşayan aynı türlerin oluşturduğu topluluğa popülasyon denir. Popülasyon genetiği, popülasyonu temel alan genetik koludur.

Detaylı

Oğuz ÜSTÜN. Geliş Tarihi/Received : 16.07.2009, Kabul Tarihi/Accepted : 02.09.2009

Oğuz ÜSTÜN. Geliş Tarihi/Received : 16.07.2009, Kabul Tarihi/Accepted : 02.09.2009 Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Cilt 15, Sayı 3, 2009, Sayfa 395-403 Genetik Algoritma Kullanılarak İleri Beslemeli Bir Sinir Ağında Etkinlik Fonksiyonlarının Belirlenmesi Determination

Detaylı

BİR UÇAĞIN YATAY DENGELEYİCİSİNİN GENETİK ALGORİTMA YÖNTEMİ İLE YAPISAL OPTİMİZASYONU. Serkan DEHNELİLER YÜKSEK LİSANS TEZİ MAKİNE MÜHENDİSLİĞİ

BİR UÇAĞIN YATAY DENGELEYİCİSİNİN GENETİK ALGORİTMA YÖNTEMİ İLE YAPISAL OPTİMİZASYONU. Serkan DEHNELİLER YÜKSEK LİSANS TEZİ MAKİNE MÜHENDİSLİĞİ BİR UÇAĞIN YATAY DENGELEYİCİSİNİN GENETİK ALGORİTMA YÖNTEMİ İLE YAPISAL OPTİMİZASYONU Serkan DEHNELİLER YÜKSEK LİSANS TEZİ MAKİNE MÜHENDİSLİĞİ GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ŞUBAT 2011 ANKARA

Detaylı

KARIŞIK MODELLİ MONTAJ HATLARININ GENETİK ALGORİTMA KULLANILARAK DENGELENMESİ

KARIŞIK MODELLİ MONTAJ HATLARININ GENETİK ALGORİTMA KULLANILARAK DENGELENMESİ Yönetim, Yıl: 17, Sayı: 53, Şubat 2006 KARIŞIK MODELLİ MONTAJ HATLARININ GENETİK ALGORİTMA KULLANILARAK DENGELENMESİ Arş. Grv. Timur KESKİNTÜRK İ.Ü.İşletme Fakültesi Sayısal Yöntemler Anabilim Dalı Arş.

Detaylı

4 th International Advanced Technologies Symposium September 28 30, 2005 Konya / Türkiye DÜZ DİŞLİ HIZ KUTUSUNUN GENETİK ALGORİTMA İLE ENİYİLENMESİ

4 th International Advanced Technologies Symposium September 28 30, 2005 Konya / Türkiye DÜZ DİŞLİ HIZ KUTUSUNUN GENETİK ALGORİTMA İLE ENİYİLENMESİ 4 th International Advanced Technologies Symposium September 8 3, 5 Konya / Türkiye DÜZ DİŞLİ HIZ KUTUSUNUN GENETİK ALGORİTMA İLE ENİYİLENMESİ Metin ZEYVELİ Cevdet GÖLOĞLU Kürşad DÜNDAR ) Gazi Üniversitesi

Detaylı

Yabancı Algoritmasının Saldırgan Olmayan Seçim Yöntemlerine Uygulanması

Yabancı Algoritmasının Saldırgan Olmayan Seçim Yöntemlerine Uygulanması Çukurova Üniversitesi Mühislik Mimarlık Fakültesi Dergisi, 33(3), ss. 31-40, Eylül 2018 Çukurova University Journal of the Faculty of Engineering and Architecture, 33(3), pp. 31-40, September 2018 Yabancı

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Sınıflandırıcıların Değerlendirilmesi Skorlar Karışıklık matrisi Accuracy Precision Recall

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 3 s. 1-18 Ekim 2004

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 3 s. 1-18 Ekim 2004 ÖZET/ ABSTRACT DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 3 s. 1-18 Ekim 2004 SU DAĞITIM SİSTEMLERİNİN GENETİK ALGORİTMA İLE OPTİMİZASYONU OPTIMIZATION OF WATER DISTRIBUTION SYSTEMS

Detaylı

Zeki Optimizasyon Teknikleri. Karınca Algoritması (Ant Algorithm)

Zeki Optimizasyon Teknikleri. Karınca Algoritması (Ant Algorithm) Zeki Optimizasyon Teknikleri Karınca Algoritması (Ant Algorithm) Karınca Algoritması 1996 yılında Marco Dorigo tarafından ortaya atılmıştır. Temel olarak karıncaların yiyecek madde ile yuvaları arasındaki

Detaylı

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem

Detaylı

YÜKSEK LİSANS TEZİ. Nezihe KÜÇÜK

YÜKSEK LİSANS TEZİ. Nezihe KÜÇÜK İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ EVİRİCİLERİN HARMONİK ELİMİNASYONUNDA OPTİMUM ANAHTARLAMA AÇILARININ GENETİK ALGORİTMALAR İLE ELDE EDİLMESİ YÜKSEK LİSANS TEZİ Nezihe KÜÇÜK Anabilim

Detaylı

Kompleks Su Dağıtım Şebekelerinin Genetik Algoritma ile Optimizasyonu 1

Kompleks Su Dağıtım Şebekelerinin Genetik Algoritma ile Optimizasyonu 1 İMO Teknik Dergi, 2006 3851-3867, Yazı 253 Kompleks Su Dağıtım Şebekelerinin Genetik Algoritma ile Optimizasyonu 1 Davut ÖZDAĞLAR * Ertuğrul BENZEDEN ** A. Murat KAHRAMAN *** ÖZ Bu çalışmada Genetik Algoritmalarla

Detaylı

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura

Detaylı

2-D KESİM OPTİMİZASYONU

2-D KESİM OPTİMİZASYONU 2-D KESİM OPTİMİZASYONU Hazırlayan: Gürkan Bayır YTÜ Bilgisayar Mühendisliği Bölümü Proje Yürütücüsü: Yrd. Doç. Songül Albayrak İstanbul, 2007 GİRİŞ Paketleme ya da stok kesimi olarak bilinen problem yıllardır

Detaylı

EVRİMSEL ALGORİTMALAR UYGULAMALARI

EVRİMSEL ALGORİTMALAR UYGULAMALARI T.C. FATİH SULTAN MEHMET VAKIF ÜNİVERSİTESİ MÜHENDİSLİK VE FEN BİLİMLERİ ENSTİTÜSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI BİLGİSAYAR MÜHENDİSLİĞİ TEZLİ YÜKSEK LİSANS PROGRAMI EVRİMSEL ALGORİTMALAR ve UYGULAMALARI

Detaylı

YÜKSEK LİSANS TEZİ Müh. Ayça ALTAY. Anabilim Dalı : ENDÜSTRİ MÜHENDİSLİĞİ. Programı : ENDÜSTRİ MÜHENDİSLİĞİ

YÜKSEK LİSANS TEZİ Müh. Ayça ALTAY. Anabilim Dalı : ENDÜSTRİ MÜHENDİSLİĞİ. Programı : ENDÜSTRİ MÜHENDİSLİĞİ İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ GENETİK ALGORİTMA VE BİR UYGULAMA YÜKSEK LİSANS TEZİ Müh. Ayça ALTAY Anabilim Dalı : ENDÜSTRİ MÜHENDİSLİĞİ Programı : ENDÜSTRİ MÜHENDİSLİĞİ HAZİRAN

Detaylı

ADIM ADIM YGS LYS Adım EVRİM

ADIM ADIM YGS LYS Adım EVRİM ADIM ADIM YGS LYS 191. Adım EVRİM EVRİM İLE İLGİLİ GÖRÜŞLER Evrim, geçmiş ile gelecekteki canlıların ve olayların yorumlanmasını sağlayarak, bugün dünyada yaşayan canlılar arasındaki akrabalık derecesini

Detaylı

GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ

GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ GAP IV. Mühendislik Kongresi Bildiriler Kitabı, 06-08 Haziran 2002, Şanlıurfa. Proceedings of the Fourth GAP Engineering Congress, 06-08 June 2002, Şanlıurfa. GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ

Detaylı

ETKİLEŞİMLİ DOĞA-ESİNLİ ALGORİTMALARLA YÜZ ÜRETME

ETKİLEŞİMLİ DOĞA-ESİNLİ ALGORİTMALARLA YÜZ ÜRETME ETKİLEŞİMLİ DOĞA-ESİNLİ ALGORİTMALARLA YÜZ ÜRETME PROJEYİ YAPANLAR GÜL NİLDEM DEMİR ALP EMRE KANLIKILIÇER TUĞBA AKBAL MERVE CAN KUŞ PROJE YÖNETİCİLERİ YRD. DOÇ. DR. A. ŞİMA UYAR ÖĞR. GÖR. BİNNUR KURT 1.

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:8-Sayı/No: 2 : 337-343 (2007) ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE CEKETLİ KARIŞTIRMA TANKININ

Detaylı

ELEKTRİK ENERJİ DAĞITIM SİSTEMİNDE EKONOMİK AKTİF GÜÇ DAĞITIMININ GENETİK ALGORİTMA İLE BELİRLENMESİ

ELEKTRİK ENERJİ DAĞITIM SİSTEMİNDE EKONOMİK AKTİF GÜÇ DAĞITIMININ GENETİK ALGORİTMA İLE BELİRLENMESİ Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Cilt:XXII, Sayı:3, 009 Journal of Engineering and Architecture Faculty of Eskişehir Osmangazi University, Vol: XXII, No:3, 009 Makalenin

Detaylı

Değişken Çaprazlama ve Mutasyon Faktörleri Kullanılmış Genetik Algoritma ile Kafes Yapıların Optimizasyonu

Değişken Çaprazlama ve Mutasyon Faktörleri Kullanılmış Genetik Algoritma ile Kafes Yapıların Optimizasyonu Değişken Çaprazlama ve Mutasyon Faktörleri Kullanılmış Genetik Algoritma ile Kafes Yapıların Optimizasyonu Hilmi COŞKUN İskenderun Teknik Üniversitesi, İnşaat Mühendisliği Bölümü, İskenderun, HATAY Tel:

Detaylı