ÖZEL EGE LİSESİ KESME PROBLEMİ İÇİN YENİ BİR YAZILIM
|
|
- Serhat Özsoy
- 7 yıl önce
- İzleme sayısı:
Transkript
1 ÖZEL EGE LİSESİ KESME PROBLEMİ İÇİN YENİ BİR YAZILIM HAZIRLAYAN ÖĞRENCİLER: Berke ODACI Yaren BOZAR DANIŞMAN ÖĞRETMEN: Mert YILDIZ İZMİR 2016
2 İÇİNDEKİLER 1. GİRİŞ Projenin Amacı Kesme Problemi Subset Sum ÇÖZÜM YÖNTEMLERİ MEVCUT PROBLEM GELİŞTİRİLEN YENİ ALGORİTMA Yazılım Paketi HESAPLAMA DENEMELERİ SONUÇLAR ve TARTIŞMA KAYNAKLAR
3 1. GİRİŞ 1.1 Projenin Amacı Sanayi sektöründeki çeşitlilik sonucu artan rekabet, müşteriler tarafından belirlenir duruma gelen hizmet fiyatları, bütün bunlara ek olarak üretim maliyet ve sürelerinin düzenli artışı günümüz piyasasının sonu gelmeyen ve minimize etmesi gereken problemlerinden sadece birkaçıdır. Bu doğrultuda geliştirilen tek boyutlu kesim problemi işletmelerin en iyi kesim(üretim) planına kısa sürede ulaşmasını amaçlayan bir problemdir. Ancak problemin günümüzdeki çözümleri değişen sanayi koşullarına tam olarak uyum sağlayamamaktadır. Bu projede, tek boyutlu kesim probleminin özel bir versiyonu ele alınmış, sanayi çalışanlarının süre ve iş gücünden kazanç sağlaması amaçlanmıştır. En iyi kesim planı minimum çöp(fire) miktarı ile oluşturulması hedeflenmiştir. Böylece, sanayi sektörüne katkı sağlanması ve ürünlerin kalitesinin maksimum verimle oluşturulması amaçlanmıştır. 1.2 Kesme Problemi Herkesin belirli bir üretim kapasitesine sahip olduğu günümüz dünyasında devamlılık yalnızca sunulan hizmetler ve maliyetin avantaja dönüşmesiyle sağlanırken, işletmelerde öncelik iş gücü olmaktan çıkıp maliyet ve hammaddeye yerini bırakmıştır. Bu bağlamda optimizasyon problemlerinin çözümleri oldukça önem kazanmıştır. Kesme problemi, kağıt, cam, metal vb. işletmelerin alıcılarının istek uzunluğu doğrultusunda elindeki hammaddeleri şekillendirmesi ve birleştirmesinden doğmuş bir optimizasyon problemidir. Kesme problemlerinin büyük bir çoğunluğu üretim maliyetlerini ve fire miktarını minimize etmek ya da karı maksimize etmek gibi amaç fonksiyonlarını optimize ederek, belirli büyüklük ve miktarlarda daha kısa parçaların kesilmesini içerir.(yanasse ve Lamosa, 2006) Kesme problemi 1, 2 ve 3 boyutlu olarak incelenmektedir. Tek boyutlu kesme problemi n elemanlı uzunluk kümesinden, her elamanın stok sayısı dikkate alınarak istenen S uzunluğuna en az fire miktarıyla ulaşılmasıdır. İki boyutlu versiyonu ise hem uzunluk hem de genişlik faktörlerini içeren kesme problemidir. Üç boyutlu kesme problemi de derinlik, uzunluk ve genişlik faktörlerini içeren daha kapsamlı bir problemdir. İki boyutlu kesme problemini çeşitli yükseklik ve genişliğe sahip dikdörtgenlerin, kendilerinden daha büyük bir dikdörtgenin içine yerleştirilmesi olarak düşünebiliriz. Bu durumda, üç boyutlu kesme problemi de çeşitli prizmaların, daha büyük prizmalara sığdırılması olarak tanımlanabilir. Kesme problemi ilk ortaya çıktığı zamandan bu yana, çok sayıda araştırmacının dikkatini çekmiştir. Gilmore ve Gomory(1961,1963) nin kesme problemi çalışmalarında kullandığı doğrusal programlama ile hız kazanan çözüm yöntemleri, son dönemlerde yerini kesin çözümler ve rastgele yöntemler içeren alternatiflere bırakmıştır. Örneğin, Wongprakornkul ve Charnsethikul (2010)tek boyutlu kesme problemi için kesikli talep durumunda stoklama maliyetlerini de göz önünde bulunduran iki algoritma önermişlerdir. 1 Bunlardan ilki sütun oluşturma tekniğine dayalı bir matematiksel model, ikincisi yapıcı bir sezgisel algoritmadır. 1 Aktin ve Özdemir(2009),Dyckhoff (1990),Yang vd. (2006), Eshgi ve Javanshir (2008), Reinertsen ve Vossen (2010)ve daha birçok araştırmacı kesme problemini efektif bir şekilde çözmeye çalışmıştır. Bu projede tek boyutlu kesme problemi ele alınmış olup fire miktarlarının çeşitliliği göz önünde bulundurularak efektif bir çözüm geliştirmek amaçlanmıştır
4 1.3 Subset Sum Kesme problemi subset-sum problemine benzer niteliktedir. Alt küme toplamı probleminin (subset-sum) amacı, alt kümeleri arasında toplamı t olan bir küme bulunan bütün S kümelerini içeren bir alt küme toplamı sınıfı bulmaktır. Alt küme toplamı problemi NP-tam bir problem olduğu için çözümü oldukça karmaşık ve zordur. Kriptografide şifrelenmiş bir metnin anahtarını bulabilmeyi sağlayabildiğinden dolayı, problemin çözümü önem kazanmıştır. Alt küme toplamı probleminin NP-tam sınıfında olması, problemin seyyar satıcı problemiyle ilişkisini de ortaya koymaktadır. Seyyar satıcı problemi, seyyar bir satıcının mallarını n adet şehirde satmak istemesinden doğar. Satıcı mantıklı ve mümkün olan en kısa şekilde bu şehirleri turlamak istemektedir. Subset-sum ve seyyar satıcı probleminin ortak noktası, n elemanı en kısa sürede dolaşmak, optimizasyon konusunda en derin incelemelere kaynak olmuştur. Kesme problemi ise bu noktada alt küme toplamı ve seyyar satıcı problemlerinden yararlanmaktadır. Stok uzunluklarını en kısa sürede taramak ve en iyi planı oluşturmak açısından, subset-sum kesme problemine benzemektedir. Projenin devam eden bölümleri şu şekildedir: 3. bölümde mevcut problemin tanımı verilmiştir. 4. bölümde probleme için geliştirilen yeni algoritma anlatılmış ve oluşturulan yazılım paketi tanıtılmıştır. 5. bölümde algoritmanın veri kütüphanesi üzerindeki sonuçları rapor edilmiştir. Son olarak 6. bölümde sonuç verilmiştir. 2.Çözüm Yöntemleri Optimizasyon problemlerinin çözüm yöntemleri kesin ve yaklaşık çözüm olmak üzere ikiye ayrılmaktadır. Kesin yöntemler optimal çözümü garanti eden ancak çalışma zamanı uzun süreler alan yöntemlerdir. Kısa sürelerden optimal olmayan kaliteli çözümler bulabilmek içinse yaklaşık yöntemler kullanılabilir. Yaklaşık çözümler optimal çözümleri garanti etmese de kısa sürelerde optimale yakın çözümler üretebilirler. Kesme problemi, anlatım açısından oldukça kolay olmasına rağmen problemin çözümü oldukça zordur. Problemdeki parça sayısı arttıkça, problem üssel bir şekilde zorlaşmaya başlar. Bu sebepten büyük girdi boyutlarında tam çözüm bulmak oldukça uzun sürmektedir. Bu nedenle de matematiksel modeller ya da tam çözüm bulan algoritmaların çalışma zamanları çok çok uzun süreler almaktadır. Araştırmacılar genel olarak tam çözümü garanti eden yöntemler yerine kısa sürelerde kaliteli çözümler bulan yöntemler geliştirmeye çalışmaktadır. 3. MEVCUT PROBLEM Bilindiği gibi bir boyutlu kesme probleminde istenilen parçalar stoklardan kesilerek tek parça halinde elde edilir. Ancak yaptığımız araştırmalar sonucunda, özellikle uygulama kısmında problemin bir çok özel halinin olduğu gördük. Özelikle metal kesimleri gibi sanayi uygulamalarında, gerektirdiği taktirde bazı parçaların daha küçük parçalara ayrılarak daha sonra birleştirilip çöpe atılan kısmın minimize edilmesi çalışmaktadır. Buradaki kısıtlar herhangi bir parçanın en fazla ikiye bölünebilmesi ve tekrardan birleşim için kaynak uygulanacak en küçük parçanın 1 metreden büyük olmasıdır. Bu iki yeni kısıt ile kesme probleminin yeni bir versiyonu elde edilmiş olur. Bizde gerçek hayat projelerinde kullanılan bu yeni problem için bir yazılım üreterek daha kaliteli kesim planları ile fabrikaların çöpe attıkları maddeleri minimize etmeyi amaçladık. 4. GELİŞTİRİLEN YENİ ALGORİTMA Önerilen yöntemde, kesme problemi alt küme toplamı problemi (Subset Problem) gibi modellenerek çözüm aranmıştır. Stok uzunluğu ulaşılması gereken sayı, istenilen parçaların uzunlukları ise kümenin elemanları olarak düşünülmüştür. Alt küme problemi için bulunan her 4
5 bir çözüm bir kesim deseni olarak düşünülerek, istenilen parçaların tümü elde edilene kadar bu alt prosedür çalışmaya devam etmektedir. Alt küme toplamı problemi için önerilen prosedür açgözlü (Greedy) tabanlı bir algoritmadır. Klasik açgözlü algoritması altküme toplamı problemi için; parçaları büyükten küçüğe ya da küçükten büyüğe sıralayıp, dizinin ilk elemanından başlayarak sırayla ekleyebileceği parçaları çözüme ekleyerek çalışır. Fakat bu yöntem sürekli dizinin ilk elemanından başlayarak devam ettiği için, çözüm uzayını etkili bir şekilde tarayamamaktadır. Bu problemin üstesinden gelmek ve daha kaliteli çözümler elde edebilmek için önerilen algoritma sadece dizinin ilk elemanında değil, sıra ile tüm elemanlardan başlayarak n adet çözüm bulup, bu çözümlerden en iyisini kesim deseni olarak kullanmaktadır. Bu yöntem ile açgözlü algoritmanın tekdüzeliği giderilmiş olsa da, yine de çözüm kümesinin elemanları genel olarak ardışık elemanlardan oluşmaktadır. Bu da bulunan çözümlerdeki çeşitliliği azaltıp, en iyi çözümün bulunma ihtimalini düşürmektedir. Bu sorunun üstesinden gelmek için random fonksiyonu kullanılarak her bir parçaya çözüm kümesine girmesini sağlayan bir yüzde verilmiştir. Parçaların çözüm kümesine girme yüzdesi aşağıdaki formüle göre hesaplanmaktadır: sps: çözüme giren sıralı parça sayısı. f () (1.5) * (100/ ( sps 1)) Formüle göre ilk elemanın çözüme girme yüzdesi %150 dir. Böylece ilk elemanın çözüme girmesi garanti altına alınmıştır. Daha sonra, sps sayısı 1 artacağı için ikinci elemanın çözüme girme yüzdesi %75, üçüncü elemanın çözüme girme yüzdesi %50, şeklinde azalarak devam eder. Kesim desenine girecek parçadan çözüm kümesine eklenebildiği kadar eklenir. Eğer herhangi bir eleman düşük yüzdesinden dolayı çözüme giremediyse, sps değeri 1 azaltılarak kendisinden sonraki elemanın çözüme girme yüzdesi arttırılır. f fonksiyonu, çözüm uzayının daha kapsamlı bir şekilde aranmasını ve daha kaliteli çözümler elde edilmesini sağlar. Ayrıca parçaların bu işlemlerden önce uzunluklarına göre büyükten küçüğe sıralanmasıyla çözümlerin kalitesinin artması sağlanmıştır. Problemi bir bavulumuza eşyalarımızı yerleştirme şeklinde düşünürsek, öncelikle hacimsel olarak en büyük eşyalarımızı koyar, sonrasında daha küçük eşyalarla bavulumuzu doldurmaya çalışırız. Benzer şekilde stok uzunluğuna ulaşmaya çalışırken de, önce uzun parçaları kullanmak bize avantaj sağlayacaktır. Basit bir örnek vermek gerekirse; 10 tane 2 metre uzunluklu parçayı yerleştirme işlemi, 10 tane 15 metre uzunluğundaki parçayı yerleştirme işlemine göre daha kolaydır. Bu yüzden algoritmanın önceliği olabildiğince uzun parçalardan kurtulmaktadır. Üzerinde çalıştığımız problemin klasik bir boyutlu kesme probleminden farkı, parçaların istenildiği zaman ikiye bölünerek kesim desenine girmesi, daha sonra sonra bölünmüş parçaların kaynak ile tekrar birleştirilebilmesidir. Bu sebeple her bir kesim deseni oluşturulduktan sonra, eğer stokta minimum kaynak uzunluğundan daha büyük bir boşluk kaldı ise, istenilen parçalardan biri ile bu boşluk doldurularak, ikiye bölünür. Bölünen parçanın kalan kısmı ise parçalar dizisine eklenir. Burada parça seçme işlemi yapılırken, bir üst paragrafta bahsedilen nedenlerden dolayı uzunluk dikkate alınarak, en uzun parça kaynak için kullanılır. Bu sayede üzerinde çalışılan kesim deseninin iyileştirilmesinin yanında, kaynak için en uzun parçalar bölünerek daha küçük parçalar elde edildiğinden sonraki kesim desenlerinin kalitesinin de artması sağlanır. Bu prosedür tüm parçaların istekleri tamamlanana kadar devam eder. Algoritmanın içerinde rastgelelik fonksiyonu kullanıldığını için prosedürün istenen iterasyon sayısı kadar devam edip, en iyi çözümü vermesi sağlanmıştır. Algoritmanın akış diyagramı aşağıda Şekil 1 de verilmiştir. Akış diyagramında S dizisi parçaların uzunluklarını, D dizisi ise parçaların istek adetlerini belirtmektedir. 5
6 Şekil 1: Algoritmanın Akış Diyagramı. 6
7 4.1 Yazılım Paketi Bir boyutlu kesme problemi için önerilen algoritma, Visual Studio 2008 ile C# dilinde kodlanmıştır. Program.txt uzantılı bir dosyadan girdi verilerini alarak, kesim planını oluşturup çıktı olarak girdi dosyasının bulunduğu diziye bir txt dosyası oluşturmaktadır. Program girdi dosyasının ilk satırından sırasıyla stok uzunluğunu ve parça sayısını, devam eden satırlarda ise uzunluk değerlerini ve istek adetlerini okumaktadır. Çıktı dosyasında ise, her bir kesim deseni ve o desenden kaç adet kesileceği raporlanmaktadır. Şekil 2 de girdi ve çıktı dosyası için birer örnek bulunmaktadır. Şekil 3:Girdi ve Çıktı dosya örnekleri. Yazılımın arayüzü, kullanıcının programı daha rahat kullanabilmesi için çeşitli parametreler barındırmaktadır. Programa girdi dosyası ile birlikte, kaynak işlemi uygulanabilecek en kısa uzunluk, minimum kaynak kullanım yüzdesi ve prosedürün iterasyon değeri girilmelidir. Her bir kaynak işlemi şirkete ekstra maliyet getireceği için kaynak sayısını istenilen seviyede tutmayı hedefleyen minimum kaynak yüzdesi parametresi programa eklenmiştir. Kesim deseninde kullanılan parçaların toplam uzunluğunun stok uzunluğuna yüzdesi bu parametreden daha düşük ise o kesim deseni için ekleme işlemi yapılacaktır. Program çalıştırılıp çözüm elde edildikten sonra, arayüzde kullanılan toplam stok sayısı, çöpe atılacak parçaların toplamı, çöp yüzdesi, tüm kesim deseni için kaç adet kaynak işlemi yapılacağı ve programın çalışma zamanı raporlanmaktadır. Ayrıca tüm kesim deseni bir.txt dosyasında kullanıcıya sunulmaktadır. Şekil 3 te programın arayüzü görünmektedir. 7
8 Şekil 3:Geliştirilen programın arayüzü. 5. HESAPLAMA DENEMELERİ Bu bölümde önerilen algoritmanın oluşturduğumuz örnek kütüphanesi üzerindeki sonuçları analiz edilmiştir. Önerilen algoritma C# dilinde kodlanmıştır. Hesaplama denemeleri 3.3 GHz Intel Core i3 CPU işlemci ve 2 GB RAM e sahip işletim sistemi 32-bit Windows olan bir bilgisayar üzerinde yapılmıştır. Üzerinde çalıştığımız problem, kesme probleminin özel bir hali olduğu için literatürde bu özel hal için veri kütüphanesi veya karşılaştırılma yapılacak bir algoritma bulunmamaktadır. Bunun yerine yöntemin performansını analiz etmek için, algoritma oluşturduğumuz örnek kütüphane üzerinde test edilmiştir. Örnek kütüphane, küçük boyutlu (a problem ailesi), orta boyutlu (b problem ailesi) ve büyük boyutlu (c problem ailesi) olmak üzere 3 farklı örnek türünden oluşmaktadır. Özel şirketlerin milimetreler üzerinde çalıştıkları düşünülerek, stok değerleri; a problem ailesinde 5000<stok<25000, b problem ailesinde 25000<stok<75000 ve c problem ailesinde 75000<stok< olarak belirlenmiştir. Her bir problem ailesi için n değeri (parça sayısı) 10, 20, 30, 50, 75, 100, 200, 300, 400, 500 olan üçer adet örnek üretilmiştir. Tablo 1, 2 ve 3 te programın örnekler üzerindeki sonuçları verilmiştir. Programda random fonksiyonu olduğu için her bir örnek 10 ar kere çalıştırılmış, bulunan en iyi, en kötü ve ortalama değerler raporlanmıştır. Verilen çalışma süreside bu 10 denemenin ortalamasıdır. Ayrıca tüm örnekler için minimum kaynak değeri 1000, minimum kaynak kullanım yüzdesi %95 ve iterasyon sayısı 10 olarak belirlenmiştir. Şekil 3 te çöpe atılacak miktarın ve çözüm sürelerin n e bağlı grafikleri verilmiştir. Buradaki değerler tablodaki ortalama değerlerden alınmıştır. 8
9 n A Grubu En İyi En Kötü Ort Süre Çöp Yüzdeleri , , , :00:00 2 2, , , :00:00 3 2, , , :00: , , , :00:00 2 2, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 1, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:01 2 0, , , :00:01 3 0, , , :00: , , , :00:07 2 0, , , :00:07 3 0, , , :00: , , , :00:25 2 0, , , :00:25 3 0, , , :00: , , , :00:59 2 0, , , :00:58 3 0, , , :00: , , , :01:55 2 0, , , :01:53 3 0, , , :01:56 Tablo1:Algoritmanın örnek A Kütüphanesi üzerindeki sonuçları. 9
10 A Grubunun Ortalama Çöp Yüzdesi 3 2,5 2 1,5 1 0, Seri 1 Seri 2 Seri 3 Grafik 1: Algoritmanın örnek A kütüphanesi üzerindeki çöp yüzdeleri A Grubunun İşlem Süresi 00:02:18 00:02:01 00:01:44 00:01:26 00:01:09 00:00:52 00:00:35 00:00:17 00:00: Seri 1 Seri 2 Seri 3 Grafik 1.1: Algoritmanın örnek A kütüphanesinde ortalama çalışma süresi 10
11 n B Grubu En İyi En Kötü Ort Süre Çöp Yüzdeleri , , , :00:00 2 1, , , :00:00 3 3, , , :00: , , , :00:00 2 0, , , :00:00 3 3, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:01 2 0, , , :00:01 3 0, , , :00: , , , :00:08 2 0, , , :00:07 3 0, , , :00: ,3275 0, , :00:23 2 0, , , :00:24 3 0, , , :00: , , , :00:59 2 0, , , :00:59 3 0, , , :00: , , , :01:49 2 0, , , :01:55 3 0, , , :01:49 Tablo 2: Algoritmanın örnek B kütüphanesi üzerindeki sonuçları. 11
12 B Grubunun Ortalama Çöp Yüzdesi Seri 1 Seri 2 Seri 3 Grafik 2: Algoritmanın örnek B kütüphanesi üzerindeki çöp yüzdeleri B Grubunun Süresi 00:02:18 00:02:01 00:01:44 00:01:26 00:01:09 00:00:52 00:00:35 00:00:17 00:00: Seri 1 Seri 2 Seri 3 Grafik 2.1: Algoritmanın örnek B kütüphanesinde ortalama çalışma süresi 12
13 n C Grubu En İyi En Kötü Ort Süre Çöp Yüzdeleri , , , :00:00 2 2, , , :00:00 3 1, , , :00: , , , :00:00 2 1, , , :00:00 3 1, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:00 2 0, , , :00:00 3 0, , , :00: , , , :00:01 2 0, , , :00:01 3 0, , , :00: , , , :00:07 2 0, , , :00:07 3 0, , , :00: , , , :00:26 2 0, , , :00:26 3 0, , , :00: , , , :01:00 2 0, , , :01:03 3 0, , , :01: , , , :02:04 2 0, , , :01:58 3 0, , , :02:03 Tablo 2: Algoritmanın örnek C kütüphanesi üzerindeki sonuçları. 13
14 C Grubunun Ortalama Çöp Yüzdesi 2,5 2 1,5 1 0, Seri 1 Seri 2 Seri 3 Grafik 3: Algoritmanın örnek B kütüphanesi üzerindeki çöp yüzdeleri C Grubunun İşlem Süresi 00:02:18 00:02:01 00:01:44 00:01:26 00:01:09 00:00:52 00:00:35 00:00:17 00:00: Seri 1 Seri 2 Seri 3 Grafik 3.1: Algoritmanın örnek B kütüphanesinde ortalama çalışma süresi Grafik ve tablolarda görüldüğü üzere geliştirilen yöntem oldukça kısa sürelerde çalışmaktadır. Ortalama çöp yüzdeleri çoğu örnekte %3 ün altındadır. Özellikle, n değeri 50 den büyük olduğu sürece ortalama çöp miktarı %1 in altındadır. 14
15 6. SONUÇLAR ve TARTIŞMA Bu projede rekabet ortamında, sanayi firmalarının çöp miktarlarını en aza indirerek, çalışma verimini artırmak hedeflenmiştir. Bu doğrultuda tek boyutlu kesme probleminin özel bir versiyonu ele alınmıştır. Özellikle sanayi alanında karşılaşılan bu problem için çok hızlı sürelerde çözüm bulan bir sezgisel algoritma önerilmiştir. Geliştirilen algoritmada rastgelelik kullanılarak kesim planlarındaki çeşitliliğin artması ve çözüm uzayının daha kapsamlı bir biçimde taranması sağlanmıştır. Hesaplama denemelerine bakarak, geliştirilen algoritmanın oldukça efektif olduğu görülmektedir. Tablolardan algoritmanın genel olarak yüzde 1 oranında çöp miktarı oluşturduğu anlaşılmaktadır. Sanayi uygulamalarında yüzde 5 e kadar çöp miktarının kabul gördüğü düşünülürse, önerilen yöntemin bulduğu çözümlerin kaliteli ve kullanılabilir olduğu düşünülmektedir. Özellikle kesim deseni büyüdükçe bulunan çözümün kalitesi artmakta ve çöp yüzdesi yüzde 1 in altına düşmektedir. Kesim desenlerinin el ile günlerce uğraşılarak bulunması yerine çok kısa sürelerde kullanılanabilecek kesim planı oluşturan yazılımımız sanayi sektörüne ve sanayi çalışanlarına yeni olanaklar sağlayacağını ummaktayız. KAYNAKLAR [1] Soumendra Nanda (2005), CS 105: Algorithms (Grad) Subset Sum Problem, Darthmouth Üniversitesi. [2] Robert W. Haessler and Paul E. Sweeney (1991), Cutting stock problems and solution Procedures, School of Business Administration, The Uniuersity of Michigan, Ann Arbor, MI, USA. [3] Doç. Dr. Gökay SÜRSAL, Stok kesım Problemlerı ve Doğrusal Programlamaya Dayanan Bir Çözüm Yöntemi. [4] P. van Emde Boas, Another NP-complete partition problem and the complexity of computing short vectors in a lattice, Rept , Dept. of Mathematics, Univ. of Amsterdam, [5] Gareyand D. S. Johnson, Computers and Intractability: A Guide to thetheory of NP- Completeness, W. H. Freeman and Company (1979). [6] Fatma DEMİRCAN, Haluk SOYUER, Tek Boyutlu Kesme Problemi: Bir İşletme Uygulaması. [7] Lu, Q., Wang, Z. ve Chen M. (2008), An Ant Colony Optimization Algorith for the One-Dimensional Cutting Stock Problem with Multiple Stock Lengths, Proceeding ICNC '08 Proceedings of the 2008 Fourth International Conference on Natural Computation, Vol: 07. [8] Aktin, T. ve Ozdemir, R.G. (2009), An integrated approach to the one-dimensional cutting stock problem in coronary stent manufacturing, European Journal of Operational Research, 196: [9] Semih ADAKCI (2010), Stok Kesme Problemi: Alüminyum Sektöründe Uygulaması. 15
Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması
Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması E M R U L L A H S O N U Ç A K A D E M I K B I L I Ş I M Ş U B A T 2 0 1 5 E M R U L L A H S O N U Ç,
DetaylıGENETİK 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
DetaylıFonksiyon 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
DetaylıGenetik 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.
DetaylıGenel Graf Üzerinde Mutlak 1-merkez
Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen
Detaylıİleri Yöneylem Araştırması Uygulamaları Tam Sayılı Programlama
İleri Yöneylem Araştırması Uygulamaları Tam Sayılı Programlama Dr. Özgür Kabak 2016-2017 Güz } Gerçek hayattaki bir çok problem } tam sayılı değişkenlerin ve } doğrusal kısıt ve amaç fonksiyonları ile
DetaylıGENETİK 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.
DetaylıZeki 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:
DetaylıSimpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):
DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir
DetaylıKISITLI OPTİMİZASYON
KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun
DetaylıGezgin 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
DetaylıEM302 Yöneylem Araştırması 2. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak TP Çözümü TP problemlerinin çözümü için başlıca iki yaklaşım vardır kesme düzlemleri (cutting planes) dal sınır (branch and bound) tüm yaklaşımlar tekrarlı
DetaylıGezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması
Gezgin Satıcı Probleminin Benzetilmiş Tavlama Yöntemiyle Çözümünde Paralel Hesaplamanın Kullanılması Emrullah SONUÇ1, Baha ŞEN2,Şafak BAYIR3 1 Karabük Üniversitesi, Bilgisayar Mühendisliği Bölümü, Karabük
DetaylıÜNİT E ÜNİTE GİRİŞ. Algoritma Mantığı. Algoritma Özellikleri PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA
PROGRAMLAMA TEMELLERİ ÜNİTE 3 ALGORİTMA GİRİŞ Bilgisayarların önemli bir kullanım amacı, veri ve bilgilerin kullanılarak var olan belirli bir problemin çözülmeye çalışılmasıdır. Bunun için, bilgisayarlar
DetaylıZeki 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
DetaylıYÖNEYLEM 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
DetaylıELN1002 BİLGİSAYAR PROGRAMLAMA 2
ELN1002 BİLGİSAYAR PROGRAMLAMA 2 SIRALAMA ALGORİTMALARI Sunu Planı Büyük O Notasyonu Kabarcık Sıralama (Bubble Sort) Hızlı Sıralama (Quick Sort) Seçimli Sıralama (Selection Sort) Eklemeli Sıralama (Insertion
DetaylıWeb 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
DetaylıTemelleri. Doç.Dr.Ali Argun Karacabey
Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize
DetaylıF(A, N, K) // A dizi; N, K integer if N<0 then return K; if A[N]>K then K = A[N]; return F(A, N-1, K);
2009-2010 BAHAR DÖNEMİ MC 689 ALGORİTMA TASARIMI ve ANALİZİ I. VİZE ÇÖZÜMLERİ 1. a) Böl ve yönet (divide & conquer) tarzındaki algoritmaların genel özelliklerini (çalışma mantıklarını) ve aşamalarını kısaca
DetaylıBULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1. Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı
BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1 Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı Mart 2015 0 SORU 1) Bulanık Küme nedir? Bulanık Kümenin (fuzzy
DetaylıAlgoritmalar. Sıralama Problemi ve Analizi. Bahar 2017 Doç. Dr. Suat Özdemir 1
Algoritmalar Sıralama Problemi ve Analizi Bahar 2017 Doç. Dr. Suat Özdemir 1 Sıralama Problemi ve Analizi Bu bölümde öncelikle bir diğer böl-ve-yönet yöntemine dayalı algoritma olan Quick Sort algoritması
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: IND 3907
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: MATEMATİKSEL MODELLEME ve UYGULAMALARI Dersin Orjinal Adı: MATHEMATICAL MODELING AND APPLICATIONS Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans,
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıAlgoritmalar. Heap Sort. Bahar 2017 Doç. Dr. Suat Özdemir 1
Algoritmalar Heap Sort Bahar 2017 Doç. Dr. Suat Özdemir 1 Heap Sort Heap Sort algoritması Merge Sort ve Insertion Sort algoritmalarının iyi özelliklerini bir arada toplar. Algoritma Insertion Sort gibi
DetaylıYrd. Doç. Dr. A. Burak İNNER Bilgisayar Mühendisliği
Yrd. Doç. Dr. A. Burak İER Bilgisayar Mühendisliği Algoritma Analizi İçerik: Temel Kavramlar Yinelemeli ve Yinelemesiz Algoritma Analizi Asimptotik otasyonlar Temel Kavramlar Algoritma: Bir problemin çözümüne
DetaylıC++ Dersi: Nesne Tabanlı Programlama 2. Baskı
C++ Dersi: Nesne Tabanlı Programlama 2. Baskı ³ Bölüm 19: Standart Şablon Kütüphanesi (vector) İçerik 19.1 Standart Şablon Kütüphanesi (STL) 19.2 vector SınıK 19.3 vectortanımı 19.4 vector Elemanlarına
DetaylıMAK 1005 Bilgisayar Programlamaya Giriş. BİLGİSAYARA GİRİŞ ve ALGORİTMA KAVRAMI
MAK 1005 Bilgisayar Programlamaya Giriş Uludağ Üniversitesi, Mühendislik Fakültesi Makine Mühendisliği Bölümü BİLGİSAYARA GİRİŞ ve ALGORİTMA KAVRAMI Prof. Dr. Necmettin Kaya 1 KONULAR 1. Bilgisayara giriş,
DetaylıAVRASYA UNIVERSITY. Dersin Verildiği Düzey Ön Lisans (X ) Lisans ( ) Yüksek Lisans( ) Doktora( )
Ders Tanıtım Formu Dersin Adı Öğretim Dili ALGORİTMA VE PROGRAMLAMAYA GİRİŞ Türkçe Dersin Verildiği Düzey Ön Lisans (X ) Lisans ( ) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi Örgün Öğretim (X )
DetaylıMotivasyon Matrislerde Satır İşlemleri Eşelon Matris ve Uygulaması Satırca İndirgenmiş Eşelon Matris ve Uygulaması Matris Tersi ve Uygulaması Gauss
Motivasyon Matrislerde Satır İşlemleri Eşelon Matris ve Uygulaması Satırca İndirgenmiş Eşelon Matris ve Uygulaması Matris Tersi ve Uygulaması Gauss Jordan Yöntemi ve Uygulaması Performans Ölçümü 2 Bu çalışmada,
DetaylıOtomata Teorisi (BIL 2114)
Otomata Teorisi (BIL 2114) Hafta 1: Amaç ve Genel Kavramlar bas kapa aç bas 1 Hafta 1 Plan 1. İletişim ve Ders Bilgisi 2. Otomata Teorisi Genel Bakış 3. Hedeflenen Kazanımlar 4. Matematiksel Nosyonlar
DetaylıPERFORMANCE COMPARISON OF KARATSUBA AND NIKHILAM MULTIPLICATION ALGORITHMS FOR DIFFERENT BIT LENGTHS
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl:14 Sayı: 27 Bahar 2015 s. 55-64 Araştırma Makalesi KARATSUBA VE NIKHILAM ÇARPMA İŞLEMİ ALGORİTMALARININ FARKLI BİT UZUNLUKLARI İÇİN PERFORMANSLARININ
DetaylıÜstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu
Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Tamer Eren Kırıkkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 71451,
DetaylıUZAKTAN EĞİTİM MERKEZİ
ÜNİTE 2 VERİ TABANI İÇİNDEKİLER Veri Tabanı Veri Tabanı İle İlgili Temel Kavramlar Tablo Alan Sorgu Veri Tabanı Yapısı BAYBURT ÜNİVERSİTESİ UZAKTAN EĞİTİM MERKEZİ BİLGİSAYAR II HEDEFLER Veri tabanı kavramını
DetaylıSOBA BORUSU AÇINIM LEVHALARININ KESİLMESİNDE MALİYETLERİN ENKÜÇÜKLENMESİ
SOBA BORUSU AÇINIM LEVHALARININ KESİLMESİNDE MALİYETLERİN ENKÜÇÜKLENMESİ Doğan EROL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü 1. PROBLEMİN TANIMLANMASI Şekil - 1'de 5 değişik soba borusu için açınım
DetaylıİŞ İSTASYONU SEÇİM REHBERİ
İŞ İSTASYONU SEÇİM REHBERİ Tasarım programları yapıları gereği çalışırken kompleks hesaplamalar yaparak ekrana en doğru ve gerçekçi görüntüyü getirmeye çalışır. Bu sebeple bilgisayar seçimi çalışma performansınızı
DetaylıDaha komplike uygulamalar elektronik ticaret, elektronik kimlik belgeleme, güvenli e-posta,
Çift Anahtarlı (Asimetrik Şifreleme) Bilgi Güvenliği: Elektronik iletişim, günümüzde kağıt üzerinde yazı yazarak yapılan her türlü iletişimin yerine geçmeye adaydır. Çok uzak olmayan bir gelecekte kişi/kuruluş/toplumların,
DetaylıAkdeniz Üniversitesi
F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Akdeniz Üniversitesi Bilgi Teknolojileri Kullanımı Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (x) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi
DetaylıYazılım Mühendisliği 1
Yazılım Mühendisliği 1 HEDEFLER Yazılım, program ve algoritma kavramları anlar. Yazılım ve donanım maliyetlerinin zamansal değişimlerini ve nedenleri hakkında yorum yapar. Yazılım mühendisliği ile Bilgisayar
DetaylıALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU
ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)
DetaylıGEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ
GEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ Engin Sansarcı İ.T.Ü. İşletme Fakültesi, İSTANBUL enginsansarci@gmail.com Abdullah Aktel İ.T.Ü. İşletmeFakültesi, İSTANBUL abdullahaktel@gmail.com
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıONE DIMENSIONAL CUTTING STOCK PROBLEM: AN APPLICATION ON A COMPANY
TEK BOYUTLU KESME PROBLEM : B R LETME UYGULAMASI Fatma DEM RCAN Ege Üniversitesi Haluk SOYUER Ege Üniversitesi ÖZET Bu çal mada, Wascher vd. (2007) taraf ndan Tek Boyutlu Çoklu Stok Büyüklüklerinin Kesim
DetaylıZeki 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... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI
... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE 2018 2019 ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI Hazırlayan : Özel Öğretim Kurumları Birliği (ÖZKURBİR) Dersin Adı : Bilişim
DetaylıYrd. Doç. Dr. Caner ÖZCAN
Yrd. Doç. Dr. Caner ÖZCAN BAĞLI LİSTELER Bağlı listeler konusuna çalışmanın bazı faydaları var. Bağlı listeler gerçek programlarda kullanılabilecek bir veri yapısıdır. Bağlı listelerin güçlü ve zayıf yönlerini
DetaylıYazılım Nedir? 2. Yazılımın Tarihçesi 3. Yazılım Grupları 4 Sistem Yazılımları 4 Kullanıcı Yazılımları 5. Yazılımın Önemi 6
ix Yazılım Nedir? 2 Yazılımın Tarihçesi 3 Yazılım Grupları 4 Sistem Yazılımları 4 Kullanıcı Yazılımları 5 Yazılımın Önemi 6 Yazılımcı (Programcı) Kimdir? 8 Yazılımcı Olmak 9 Adım Adım Yazılımcılık 9 Uzman
DetaylıOlimpiyat Soruları. sonuçları tekrar fonksiyonda yerine koyup çıkan tüm sonuçları toplayan program (iterasyon sayısı girilecek)
HAZIRLAYAN MUSA DEMIRELLI BISHKEK KYRGYZ TURKISH BOYS HIGH SCHOOL education.online.tr.tc compsources0.tripod.com Olimpiyat Soruları 1- Bir diziyi ters çeviren algoritma ve program 2- Bir diziyi sıralayan
DetaylıYZM 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
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıALGORİTMA VE PROGRAMLAMA I
ALGORİTMA VE PROGRAMLAMA I YZM 1101 Celal Bayar Üniversitesi Hasan Ferdi Turgutlu Teknoloji Fakültesi 2. BÖLÜM 2 PROGRAMLAMAYA GİRİŞ Programlama Terimleri ve Programlama Ortamı 3 Program Programlama IDE
DetaylıTEK BOYUTLU KESME PROBLEMİ: BİR İŞLETME UYGULAMASI
Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 17/1 (2015) 180-196 TEK BOYUTLU KESME PROBLEMİ: BİR İŞLETME UYGULAMASI Fatma DEMİRCAN KESKİN * Öz: Bu çalışmada, kağıt, cam, çelik, metal,
DetaylıGEDİZ ÜNİVERSİTESİ SİSTEM MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI SMY 544 ALGORİTMALAR GÜZ 2015
GEDİZ ÜNİVERSİTESİ SİSTEM MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI SMY 544 ALGORİTMALAR GÜZ 2015 Algoritmalar Ders 9 Dinamik Programlama SMY 544, ALGORİTMALAR, Güz 2015 Ders#9 2 Dinamik Programlama Böl-ve-fethet
DetaylıFBEB-512 C++ ile Nesne Tabanlı Programlama Güz 2009 (1. Hafta) (Yrd. Doç. Dr. Deniz Dal)
FBEB-512 C++ ile Nesne Tabanlı Programlama Güz 2009 (1. Hafta) (Yrd. Doç. Dr. Deniz Dal) Algoritma Geliştirme ve Akış Diyagramları BİLGİSAYARLA PROBLEM ÇÖZÜMÜ AŞAMALARI Analiz Algoritma Geliştirilmesi
DetaylıDİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1
DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 Emre YAMANGİL Orhan FEYZİOĞLU Süleyman ÖZEKİCİ Galatasaray Üniversitesi Galatasaray Üniversitesi Koç Üniversitesi
DetaylıEM205 26/9/2014. Programlamaya giriş Algoritmalar. Amaçlar
EM205 26/9/2014 Programlamaya giriş Algoritmalar Temel kavramlar Algoritmalar Amaçlar Algoritma kavramını öğrenmek, Algoritmaları ifade edebilmek, Temel matematiksel algoritmaları yazabilmek C programlama
DetaylıHülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
Karınca Kolonisi Algoritmasının Zaman Çizelgelemesi Üzerine: Bir Modellemesi ve Uygulaması Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)
DetaylıEM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil
DetaylıTarımda Mühendislik Düşünce Sistemi. Prof. Dr. Ferit Kemal SÖNMEZ
Tarımda Mühendislik Düşünce Sistemi Prof. Dr. Ferit Kemal SÖNMEZ Sistem Aralarında ilişki veya bağımlılık bulunan elemanlardan oluşan bir yapı veya organik bütündür. Bir sistem alt sistemlerden oluşmuştur.
DetaylıMaksimizasyon s.t. İşçilik, saat) (Kil, kg)
Simplex ile Çözüm Yöntemi Doç. Dr. Fazıl GÖKGÖZ 1 Doğrusal Programlama Modeli Maksimizasyon s.t. İşçilik, saat) (Kil, kg) 2 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 1 Modelin Standard Hali Maksimizasyon
DetaylıKESİN PROJE RAPORU PROJENİN ADI PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ DANIŞMAN ÖĞRETMEN
KESİN PROJE RAPORU PROJENİN ADI HANGİ ADAYI SEÇELİM? PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ ÖZEL KÜLTÜR FEN LİSESİ ATAKÖY 9.-10. KISIM, 34156 BAKIRKÖY - İSTANBUL DANIŞMAN ÖĞRETMEN
DetaylıBİL 542 Paralel Hesaplama. Dersi Projesi. MPJ Express Java Paralel Programlama
BİL 542 Paralel Hesaplama Dersi Projesi MPJ Express Java Paralel Programlama Recep Ali YILMAZ 131419106 Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Yüksek Lisans Programı
DetaylıUzaktan Eğitim Uygulama ve Araştırma Merkezi
JAVA PROGRAMLAMA Öğr. Gör. Utku SOBUTAY İÇERİK 2 Java Kodlarına Yorum Satırı Eklemek Java Paket Kavramı Java Kütüphane Kavramı Konsoldan Veri Çıkışı ve JOPtionPane Kütüphanesi JOptionPane Kütüphanesi Kullanarak
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıBMÜ-111 Algoritma ve Programlama. Bölüm 5. Tek Boyutlu Diziler
BMÜ-111 Algoritma ve Programlama Bölüm 5 Tek Boyutlu Diziler Yrd. Doç. Dr. İlhan AYDIN 1 Problem 100 adet sayı okumak istediğimizi düşünelim. Bu sayıların ortalaması hesaplanacak ve sayıların kaç tanesinin
DetaylıİÇİNDEKİLER. Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11. 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 YÖNEYLEM ARAŞTIRMASINA GİRİŞ 11 1.1. Temel Kavramlar 14 1.2. Modeller 17 1.3. Diğer Kavramlar 17 Değerlendirme Soruları 19 Bölüm 2 DOĞRUSAL PROGRAMLAMA 21 2.1 Doğrusal Programlamanın
DetaylıBenzetim 13. Ders. Benzetim Paketleri ve Promodel e Giriş
Benzetim 13. Ders Benzetim Paketleri ve Promodel e Giriş BENZETİM PAKETİNDEN BEKLENEN ÖZELLİKLERİ Genel Özellikler: Modelleme esnekliği (bir modelin değişik parametrelerle yenilenebilmesi), Yeni model
DetaylıÇoktan Seçmeli Değerlendirme Soruları Akış Şemaları İle Algoritma Geliştirme Örnekleri Giriş 39 1.Gündelik Hayattan Algoritma Örnekleri 39 2.Say
İÇİNDEKİLER 1. Bilgisayarın Yapısı Ve Programlama Dilleri Giriş 1 Bilgisayar ve Programlamanın Kısa Bir Tarihçesi 2 Donanım ve Yazılım Kavramları 3 Bilgisayarın Donanımsal yapısı 4 Giriş Birimi (Input
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıGENETİK 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
DetaylıÖzyineleme (Recursion)
C PROGRAMLAMA Özyineleme (Recursion) Bir fonksiyonun kendisini çağırarak çözüme gitmesine özyineleme (recursion), böyle çalışan fonksiyonlara da özyinelemeli (recursive) fonksiyonlar denilir. Özyineleme,
DetaylıBasın temsilcileri, Hörmann ev kapıları fabrikasına misafir oldu.
Basın temsilcileri, Hörmann ev kapıları fabrikasına misafir oldu. Yeni ThermoSafe ve ThermoCarbon ev kapıları sayesinde, ortaklarımız ile birlikte büyümeye devam etmek istiyoruz. - Saarland Eckelhausen
DetaylıGazi Üniversitesi, Kimya Mühendisliği Bölümü KM 378 Mühendislik Ekonomisi
Problem Seti 1 (Arz-Talep) 1. Bir firma, satış fiyatı ile talep arasında D=780$-10p eşitliğini geliştirmiştir. Aylık sabit gider 800$ ve ürün başına değişken gider 30$ dır. Aylık karı maksimum yapmak için
DetaylıYrd. Doç. Dr. Caner ÖZCAN
Yrd. Doç. Dr. Caner ÖZCAN BAĞLI LİSTELER Bağlı listeler konusuna çalışmanın bazı faydaları var. Bağlı listeler gerçek programlarda kullanılabilecek bir veri yapısıdır. Bağlı listelerin güçlü ve zayıf yönlerini
DetaylıBİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. ALGORİTMA ANALİZİ VE TASARIMI Ders Saati (T+U+L) Kredi AKTS BG-315 3/1 3+0+0 3+0 5 Dersin Dili : TÜRKÇE Dersin
DetaylıYrd. Doç. Dr. Caner ÖZCAN
Yrd. Doç. Dr. Caner ÖZCAN Derse Giriş Ders Web Sitesi: www.canerozcan.net Ofis Saatleri: Salı 11:00-13:00 Perşembe 15:30-17:30 ya da email ile randevu alınız: canerozcan@karabuk.edu.tr Kaynak Kitaplar:
DetaylıSigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM
Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma 6/ Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM Fügen TORUNBALCI
DetaylıSAYISAL YÖNTEMLERDE PROBLEM ÇÖZÜMLERİ VE BİLGİSAYAR DESTEKLİ UYGULAMALAR
SAYISAL YÖNTEMLERDE PROBLEM ÇÖZÜMLERİ VE BİLGİSAYAR DESTEKLİ UYGULAMALAR Prof. Dr. Hülya H. Tütek Prof. Dr. Şevkinaz Gümüşoğlu Doç. Dr. Ali Özdemir Dr. Aslı Yüksek Özdemir II Yayın No : 2371 İşletme-Ekonomi
DetaylıKOMBİNATORYAL OPTİMİZASYON
KOMBİNATORYAL OPTİMİZASYON İnsanların, daha iyi nasıl olabilir ya da nasıl elde edilebilir?, sorusuna cevap aramaları, teknolojinin gelişmesini sağlayan en önemli etken olmuştur. Gerçek hayatı daha kolay
Detaylı1 Actions-> Generate Random TSP yolunu izleyerek 100 şehirden oluşan bir gezgin satıcı problemi oluşturunuz.
BAUN, Endüstri Mühendisliği Bölümü, Popülasyon Temelli Algoritmalar ACO-2 Laboratuvar Uygulaması 04.12.2017, C106 Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Öncelikle uygulama kapsamında kullanacağımız acopt.jar dosyasını
DetaylıVeri Yapıları Laboratuvarı
2013 2014 Veri Yapıları Laboratuvarı Ders Sorumlusu: Yrd. Doç. Dr. Hakan KUTUCU Lab. Sorumlusu: Arş. Gör. Caner ÖZCAN İÇİNDEKİLER Uygulama 1: Diziler ve İşaretçiler, Dinamik Bellek Ayırma... 4 1.1. Amaç
DetaylıİÇERİK PROGRAMLAMAYA GİRİŞ ALGORİTMA AKIŞ DİYAGRAMLARI PROGRAMLAMA DİLLERİ JAVA DİLİNİN YAPISI JAVA DA KULLANILAN VERİ TİPLERİ JAVA DA PROGRAM YAZMA
İÇERİK PROGRAMLAMAYA GİRİŞ ALGORİTMA AKIŞ DİYAGRAMLARI PROGRAMLAMA DİLLERİ JAVA DİLİNİN YAPISI JAVA DA KULLANILAN VERİ TİPLERİ JAVA DA PROGRAM YAZMA UYGULAMA Örnek: Yandaki algoritmada; klavyeden 3 sayı
DetaylıKİNETİK 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
DetaylıAlgoritmalar. Arama Problemi ve Analizi. Bahar 2016 Doç. Dr. Suat Özdemir 1
Algoritmalar Arama Problemi ve Analizi Bahar 2016 Doç. Dr. Suat Özdemir 1 Arama Problemi Sıralama algoritmaları gibi arama algoritmaları da gerçek hayat bilgisayar mühendisliği problemlerinin çözümünde
DetaylıTotal Contribution. Reduced Cost. X1 37,82 480 18.153,85 0 basic 320 512. X2 22,82 320 7.302,56 0 basic 300 M. Slack or
HRS şirketi BRN Endüstrileri ile bir anlaşma yapmış ve her ay BRN ye üretebildiği kadar A ürününden sağlamayı garanti etmiştir. HRS de vasıflı ustalar ve çıraklar çalışmaktadır. Bir usta, bir saatte 3
DetaylıBİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS PROGRAMLAMA BG-213 2/1 2+0+2 2+1 5 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS
DetaylıMM 409 MatLAB-Simulink e GİRİŞ
MM 409 MatLAB-Simulink e GİRİŞ 2016-2017 Güz Dönemi 28 Ekim 2016 Arş.Gör. B. Mahmut KOCAGİL Ajanda-İçerik Simulink Nedir? Nerelerde Kullanılır? Avantaj / Dezavantajları Nelerdir? Simulink Arayüzü Örnek
DetaylıC++ Dilinde Bazı Temel Algoritmalar
C++ Dilinde Bazı Temel Algoritmalar Bazı eşyalar için her eve lazım derler. Az sonra bahsedeceğimiz algoritmalar da her kodcuya lazım cinsten. Sayının tek mi çift mi olduğuna karar veren programdan, çarpım
DetaylıAkdeniz Üniversitesi
F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Akdeniz Üniversitesi Bilgi ve İletişim Teknolojisi Türkçe Dersin Verildiği Düzey Ön Lisans (x) Lisans ( ) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi
DetaylıGENETİK 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
DetaylıŞeffaf İnsan Kaynakları. Aktif personel. Etkin yönetici
Şeffaf İnsan Kaynakları Aktif personel Etkin yönetici HR-WEB ile Fark Yaratacak uygulamalar! HR-WEB İnsan Kaynakları ve Bordro Yönetimi çözümümüz, uzun yıllar boyunca edindiğimiz tecrübelerimiz ve iş dünyasının
DetaylıTEMEL BİLGİSAYAR BİLİMLERİ. Programcılık, problem çözme ve algoritma oluşturma
TEMEL BİLGİSAYAR BİLİMLERİ Programcılık, problem çözme ve algoritma oluşturma Programcılık, program çözme ve algoritma Program: Bilgisayara bir işlemi yaptırmak için yazılan komutlar dizisinin bütünü veya
DetaylıBir yazılım geliştirme metodolojisi aşağıdaki adımlardan meydana gelir; Yazılım geliştirme sürecine destek verecek araçlar, modeller ve yöntemler.
Yazılım Mühendisliği kapsamındaki Yazılım Geliştirme Metodolojileri, bir bilgi sistemini geliştirme sürecinin yapımını, planlamasını ve kontrolünü sağlayan bir framework tür. Her farklı framework güçlü
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıİNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜH. BÖL. ALGORİTMA VE PROGRAMLAMA 1 DERSİ LAB. ÖDEVİ
İNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜH. BÖL. ALGORİTMA VE PROGRAMLAMA 1 DERSİ LAB. ÖDEVİ AD SOYAD : TESLİM TARİHİ : OKUL NO : TESLİM SÜRESİ : 1 hafta Ödev No : 5 1. Aşağıdaki programların çıktısı
DetaylıMekatronik 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
DetaylıALIŞTIRMA-UYGULAMA YAZILIMLARI
ALIŞTIRMA-UYGULAMA YAZILIMLARI Öğretim Aşamaları Bilginin Sunulması Öğrencinin Yönlendirilmesi Öğretici Programlar Uygulama Alıştırma- Uygulama Yazılımları Değerlendirme 2 Alıştırma-Uygulama Yazılımları
Detaylı