DEPO OPERASYONLARININ KÜMELENDĠRME ESASLI GENETĠK ALGORĠTMALAR ĠLE YÖNETĠLMESĠ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "DEPO OPERASYONLARININ KÜMELENDĠRME ESASLI GENETĠK ALGORĠTMALAR ĠLE YÖNETĠLMESĠ"

Transkript

1 DEPO OPERASYONLARININ KÜMELENDĠRME ESASLI GENETĠK ALGORĠTMALAR ĠLE YÖNETĠLMESĠ Yusuf ġahġn Osman KULAK Hasan AKYER Pamukkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, Kınıklı Kampusu 20070, DENİZLİ ÖZET MüĢteri ihtiyaçları doğrultusunda, sevk noktası ile talep noktası arasındaki malzemelerin akıģı boyunca yer alan tüm faaliyetlerin ekonomik olarak yürütülmesi, günümüzde lojistik firmalarının en önemli hedefidir. Firmalar lojistik faaliyetlerini yönetirken yoğun olarak iki tip problemle karģılaģmaktadır. Bunlardan birincisi depo içi operasyonlarına yönelik sipariģlerin gruplandırılması, ikincisi ise gruplanan sipariģlere ait toplama aracı rotasının belirlenmesidir. Lojistik sisteminin esnekliğini sağlamak ve verimliliğini arttırmak için bu iki faaliyetin en uygun Ģekilde planlaması gerekmektedir. Bu çalıģmada, özellikle çapraz geçitli depo sistemleri için bu iki probleme eģ zamanlı olarak çözüm sağlayan GANN (Genetic Algorithm-Nearest Neighbor) ve GAS (Genetic Algorithm- Savings) isimli iki yeni çözüm yöntemi önerilmiģtir. Yöntemlerin einliğini belirlemek ve alternatifleri karģılaģtırmak için farklı sipariģ sayısı, hazırlık süresi, ağırlık ve toplama koordinatlarını içeren deney problemleri rastsal olarak oluģturulmuģ ve test edilmiģtir. Anahtar Sözcükler: genetik algoritma, sipariş gruplama, sipariş toplayıcı rotalama 1. GİRİŞ Depolar, lojistik zinciri içerisinde ürünlerin depolandığı stratejik noktalardır. Ürünlerin depolanmasının yanında kabul, sipariģ toplama, paketleme, birleģtirme ve sevkiyat gibi katma değerli faaliyetler de yine bu noktalarda gerçekleģtirilir. Üretim sistemleri veya dağıtım kanalları arasına inģa edilen bu yapıların amacı, müģteriye en iyi hizmeti en kısa sürede vermektir. Depo yönetiminde, sipariģ gruplama (order batching) ve sipariģ toplama (order picking) yoğun olarak karģılaģılan iki problemdir. SipariĢ gruplama, bir turda birlikte toplanması gereken sipariģlerin belirlendiği problem olup, dolaģım mesafesini ve depo maliyetlerini azalttığı için depo operasyonları yönetiminde en fazla tercih edilen stratejilerin baģında gelmektedir. SipariĢ toplama problemi ise, bir tur veya gruba ait olan sipariģlerin içerisinde bulunan parçaların depolandığı noktalardan alınırken izlenecek olan ziyaret sırasını belirlemesi ile ilgilidir. SipariĢ gruplama problemi ile ilgili olarak gerek analitik yöntemler gerekse sezgisel yöntemler kullanılarak birçok çalıģma gerçekleģtirilmiģtir. Gademann ve diğerleri (2001), herhangi bir sipariģ grubunun maksimum hazırlık zamanını minimum yapmak için bir dalsınır algoritması önermiģlerdir. Dal-sınır algoritması için baģlangıç üst sınır 2-opt sezgiseli ile belirlenmiģtir. Chen ve diğerleri (2005), klasik depo yerleģiminde sipariģ gruplama probleminin çözümü için veri madenciliği yöntemi ile oluģturulmuģ bir kümelendirme prosedürü geliģtirmiģlerdir. Chen ve Wu (2005), veri madenciliği ve tam sayılı programlama esaslı bir sipariģ gruplama yaklaģımı önermiģler ve sonuçlarını Gipson ve Sharp (1992) ın geliģtirdiği GSBM (Gipson-Sharp Batching Method) ile karģılaģtırmıģlardır. Tang ve Chew (1997), sipariģ gruplama ve depo yeri tahsis etme stratejilerini analiz eden bir yöntem önermiģtir. Pan ve Liu (1995), toplam 16 sipariģ gruplama algoritmasını birbiri ile karģılaģtırmıģlardır. Hsu ve diğerleri (2005), genetik algoritma ve S-Shape rotalama 1

2 sezgiselini kullanarak GABM (Genetic Algorithm Batching Method) isimli bir algoritma geliģtirmiģlerdir. Literatürde sipariģ toplama konusunda yapılan çalıģmalar da bulunmaktadır. Goetschalckx ve Ratliff (1990), sipariģ toplayıcının her duruģunda çoklu toplamaya izin verilmesi durumu için en uygun durma noktasını belirleme problemini ele almıģlardır. Randolp (1993), sipariģ toplayıcının rotalanması için kullanılan stratejileri basit bir depo sisteminde değerlendirmiģ ve depo özelliğine göre rota mesafesi ile ilgili eģitlikler çıkarmıģtır. Chew ve Tang (1999), dikdörtgen Ģeklindeki depo için ayrık sipariģ toplama sistemini incelemiģlerdir. Won ve Olafsson (2005), sipariģ gruplama ve araç rotalama problemlerini hiyerarģik olarak çözen iki sezgisel yöntem önermiģlerdir. Yazarlar sadece araç kullanım einliği ve sipariģ toplama zamanı ile belirlenen depo verimliliğini artırmaya değil, aynı zamanda müģteri cevap süresinin optimizasyonunu sağlamaya çalıģmıģlardır. Tsai ve arkadaģları (2007), depo içi operasyonlarının optimizasyonu ile ilgili GA esaslı bir yöntem önermiģtir. SipariĢ grupları ve bu gruplara ait depo içi rotaların belirlenmesi için birbiri ile iliģkili iki farklı GA ile geliģtirilmiģtir. Literatürdeki çalıģmalar incelendiğinde, mevcut çalıģmaların klasik depo yerleģimine yönelik olduğu görülmektedir. Bu çalıģma ile literatürde ilk defa, çapraz geçitli depo sistemleri için sipariģ gruplama ve araç rotalama problemlerini eģ zamanlı çözen ein yeni yöntemler geliģtirilmiģtir. 2. PROBLEMİN TANIMLANMASI Depo içi operasyonların yönetimi ile ilgili sipariģ gruplama probleminin tamsayılı programlama formülasyonu aģağıda sunulmuģtur. Karar DeğiĢkenleri ve parametreler: ij x GS N ij min. d ij k 1 t1 i 1,2,3,..., N j 1,2,3,..., N (1) s.t. N t1 N t1 GS k1 x ij vt. x K, k, (k 1,2,3,...GS) (2) ij s. x TH, k, (k 1,2,3,...GS) (3) t x 1, t,(t 1,2,3,..., N) (4) 0,1 1, Eğer sipariģ k grubuna atanır ve i-j yolu rotaya dâhil olursa 0, Aksi takdirde, d ij : i konumu ile j konumu arasındaki mesafe s t : t sipariģinin hazırlık süresi TH: Dağıtım toplama aracının hazırlık süresi K: Dağıtım / toplama aracının kapasitesi N: SipariĢ sayısı 2

3 GS: Grup sayısı 3. DEPO OPERASYONLARININ KÜMELENDİRME ESASLI GENETİK ALGORİTMALAR İLE YÖNETİLMESİ Genetik algoritma, baģlangıç topluluğu olarak bilinen ve rastsal olarak belirlenmiģ büyük bir kromozom kümesi ile çözüme baģlar. Çok iyi uygunluk değerine sahip bir kromozomun baģlangıç çözümünde üretilmesi rastsallıktan dolayı oldukça zordur. GeliĢtirilen genetik algoritmada, baģlangıç topluluğu topluluk hacminin iki katı olarak alınmıģ ve topluluğunun ¼ lük kısmı Rota Benzerlik Metodu (Route Similarity Method-RSM) kullanılarak oluģturulmuģtur. Kullanılan uygunluk fonksiyonu Ģu Ģekildedir; k Fi D j j1 P Kodlama GA nın en önemli kısmını oluģturmaktadır. GA uygulanmadan önce probleme uygun bir kodlama yöntemi seçilmelidir. Kurulan genetik modelin hızlı ve güvenilir çalıģması için bu kodlamanın doğru yapılması çok önemlidir. Daha önce belirtilen problemleri birlikte çözmek için, grup numarası esaslı bir kromozom yapısı oluģturulmuģtur. Kullanılan kodlama yapısı ġekil 1 de gösterilmektedir. Bazı durumlarda, yeni oluģturulan kromozomların dağıtım aracı kapasitesi veya hazırlık süresi kısıtlarını aģtığı görülmektedir. Her kromozomun oluģturulmasından sonra bu kısıtlı sağlayıp sağlamadığı kontrol edilmelidir. Kısıtların sağlanamaması durumunda tamir fonksiyonu kullanılmalıdır. (5) SipariĢ No Grup No Şekil 1 Kromozom Yapısı Bu çalıģmada, kromozomları eģleģtirme havuzuna seçiminde sigma-truncation; kromozom çiftlerinin belirlenmesinde rulet tekeri (roulette wheel), sıra esaslı ağırlıklandırma (rank weighting) ve turnuva (tournament); çaprazlama için üniform (Gen ve Cheng, 2000) ve geliģtirilmiģ enjeksiyon (injection) (Kulak ve diğerleri, 2008), mutasyon operatörü olarak da, ikili yer değiģtirme (swap), yer değiģtirme (replacement), sağa ve sola rotasyon (left / right rotation) yöntemleri kullanılmıģtır. 4. DENEYSEL ÇALIŞMA GeliĢtirilen kümelendirme esaslı GA yaklaģımlarında kullanılacak en iyi parametre setinin tespiti için bir dizi deneyin ardından Tekyönlü Varyans Analizi (ANOVA) analizi gerçekleģtirilmiģtir. ANOVA neticesinde elde edilen en uygun parametre seti Tablo 1 de gösterilmektedir. GeliĢtirilen yöntemlerin einliğini belirlemek için Hsu ve diğerleri (2005) tarafından önerilen GABM klasik depo yerleģimi için karģılaģtırmalar yapılmıģ ve elde edilen sonuçlar Tablo 2 ve Tablo 3 te sunulmuģtur. 3

4 Tablo 1 Kullanılacak GA parametreleri Popülâsyon Hacmi SipariĢ Sayısı x 10 Çaprazlama Metodu Uniform Çaprazlama Oranı 90% Mutasyon Yöntemi Mutasyon Azalma Yöntemi Yer DeğiĢtirme Üstel Mutasyon Oranı 10% Mutasyon Azalma Oranı 50% Elitizm Oranı 10% Aile Seçim Metodu Rulet Tekeri Tablo 2 Kullanılan SipariĢ Listeleri Ġle Ġlgili Bilgiler DS1 DS2 DS3 DS4 DS5 DS6 DS7 DS8 SipariĢ Sayısı Toplam Parça Sayısı Toplam Ağırlık (kg) Araç Kapasitesi (kg) Min. Grup Sayısı Sip. Hazırlama Süresi (ort) Her bir problem için GA esaslı yöntemler kullanılarak deneyler 10 defa tekrarlanmıģtır. Her bir deney seti için elde edilen minimum ve maksimum ([min, max]) değerler Tablo 2 de gösterilmektedir. GABM yöntemi, GANN yöntemi ile elde edilen en iyi sonuçlardan %7.06 ile %15.28 arasında kötü sonuçlar üretmektedir (bakınız Tablo 3). Ayrıca DS1 kullanılarak yapılan deneylerin sonuçları kullanılarak ANOVA analizi ve çoklu karģılaģtırma testleri gerçekleģtirilmiģ ve GAS ve GANN yöntemlerinin GABM den daha iyi sonuç vererek aynı grupta yer aldıkları görülmüģtür. Tablo 3 Klasik Depo YerleĢimi Ġçin Elde Edilen Sonuçlar Metot: GAS DS1 DS2 DS3 DS4 Grup Sayısı Toplam Mesafe (m) [ ] [ ] [ ] [ ] Ortalama Mesafe (m) [ ] [ ] [ ] [ ] Süre (saniye) Metot: GANN DS1 DS2 DS3 DS4 Grup Sayısı Toplam Mesafe (m) [ ] [ ] [ ] [ ] Ortalama Mesafe (m) [ ] [ ] [ ] [ ] Süre (saniye) Metot: GABM DS1 DS2 DS3 DS4 Grup Sayısı Toplam Mesafe (m) [ ] [ ] [ ] [ ] Ortalama Mesafe (m) [ ] [ ] [ ] [ ] Süre (saniye)

5 Tablo 4 Klasik Depo YerleĢiminde Elde Edilen Sonuçların KarĢılaĢtırılması Uygunluk Değeri (m) En Ġyi GA Çözümünden Sapma Değeri (%) Hesaplama Süresi (Saniye) VERĠ SETĠ GAS GANN GABM GAS GANN GABM GAS GANN GABM DS DS DS DS Ġkinci karģılaģtırma ise GANN ve GAS yöntemleri arasında çapraz geçitli depo gösterimi kullanılarak gerçekleģtirilmiģtir. DS1-DS4 arasındaki veriler tek katlı raflardan oluģan depo sistemi için kullanılırken, DS5-DS8 arasındaki veriler üç katlı raflardan oluģan depo yerleģimi için kullanılmıģtır. Literatürde ilk defa çapraz geçitli depo yerleģimi için GA esaslı çözüm yöntemleri geliģtirilmiģ olup, elde edilen sonuçlar Tablo 5 de belirtilmektedir. Tablo 5 ten de görüleceği üzere GANN yöntemi, bütün sipariģ listeleri için daha iyi uygunluk değeri ve hesaplama süresi sunmaktadır. Tablo 5 Çapraz Geçitli Depo YerleĢimi Ġçin Elde Edilen Sonuçlar GAS GANN VERİ SETİ Grup Sayısı Top. Mes. (m) Ortalama Mesafe (m) Süre (sn) Grup Sayısı Top. Mes. (m) Ort. Mes. (m) Süre (sn) DS1 15 [ ] [146,5-167,3] [ ] [144,2-153,4] 40 DS2 24 [ ] [174,1-201,7] [ ] [175,3-183,7] 310 DS3 25 [ ] [196,1-203,6] [ ] [186,5-206,8] 821 DS4 22 [ ] [213,5-246,8] [ ] [218,1-227,5] 1368 DS5 15 [ ] [66,8-68,6] [ ] [60,5-65,0] 54 DS6 24 [ ] [77,7-89,9] [ ] [69,5-78,3] 420 DS7 25 [ ] [83,5-86,4] [ ] [75,9-95,3] 1141 DS8 22 [ ] [103,4-117,1] [ ] [81,0-103,6] 1683 Elde edilen sonuçlara göre, çapraz geçitli depo gösterimi için GANN yöntemi, GAS yöntemine göre %4.20 ile %10.61 arasında daha iyi sonuç vermektedir. KarĢılaĢtırma sonuçları Tablo 5 te verilmiģtir. Deneylerde kullanılan sipariģ listeleri ve elde edilen sipariģ grubu ve rotalar eklerde sunulmuģtur. Tablo 6 Çapraz Geçitli Depo YerleĢiminde KarĢılaĢtırma Uygunluk Değeri (m) En iyi GA Çözümünden Sapma (%) İşlem Süresi Veri Seti GAS GANN GAS GANN GAS (Sn) GANN DS DS DS DS DS DS DS DS

6 5. SONUÇLAR Bu çalıģmada, sipariģ gruplama ve toplama problemlerini eģ zamanlı olarak çözen GANN ve GAS isimli iki yeni GA esaslı çözüm yaklaģımı sunulmuģtur. Belirtilen problemlere yönelik olarak literatürde ilk defa, zigzag (S-Shape), geri dönüģlü, en büyük boģluk ve orta nokta rotalama gibi iyi bilinen rotalama yöntemleri yerine Kazanç ve En Yakın KomĢu sezgiselleri GA ya bütünleģtirilerek hem sipariģ grupları hem de bu gruplara ait araç rotaları belirlenmiģtir. GeliĢtirilen yöntemler kullanılarak klasik depo yerleģimi için elde edilen çözümler GABM yönteminin sonuçları karģılaģtırılmıģ ve %2.45 ile %15.28 arasında değiģen oranlarda daha iyi çözümlerin elde edildiği belirlenmiģtir. Ġkinci karģılaģtırma ise GAS ve GANN yöntemleri arasında çapraz geçitli depo yerleģimi için yapılmıģtır. GANN yöntemi çapraz geçitli depo yerleģimi için çözüm süresi ve kalitesi bakımından GAS yöntemi göre daha iyi sonuçlar vermiģtir. Elde edilen uygunluk değerlerine bakılığında, GANN yönteminin çapraz geçitli depo yerleģiminde %4.20 ile %10.61 arasında geliģmiģ çözümler ürettiği tespit edilmiģtir. KAYNAKÇA Chen, M.C., and Wu, H.P. (2005) An association-based clustering approach to order batching considering customer demand patterns. Omega International Journal of Management Science, 33: Chen, M.C., Huang, C.L., Chen, K.Y., and Wu, H.P. (2005a) Aggregation of orders in distribution centers using data mining. Expert Systems with Applications 28: 3, Chew, E.P., and Tang, L.C. (1999) Travel time analysis for general item location assignment in a rectangular warehouse. European Journal of Operational Research 112: Gademann, A. J. R. M., Van Den Berg, J. P., Van Der Hoff, H. H., 2007An order batching algorithm for wave picking in a paralel-aisle warehouse. IIE Transactions Gen, M. & Cheng, R., 2000 Genetic Algorithms and Engineering Design. Willey, New York. Goetschalckx, M., and Ratliff, H.D. (1990) Shared storage policies based on the duration stay of unit loads. Management Science 36: 9, Hsu, C.M., Chen, K.Y., Chen, M.C., 2005 Batching Orders in warehouse by minimizing travel distance with genetic algorithms. Computers in Industry Kulak, O., Yilmaz I.O., Günther, H.O., 2008 GA-based solution approach for balancing printed circuit board assembly lines. OR Spectrum Pan, C.H., and Liu, S.Y. (1995) A comparative study of order batching algorithms. Omega International Journal of Management Science 23: Randolph, W.H. (1993) Distance approximations for routing manual pickers in a warehouse. IIE Transactions 25: Tang, L.C., and Chew, E.K., 1997 Order picking systems: batching and storage assignment strategies. Computers & Industrial Engineering 33: Tsai, C.-Y., Liou, J.J.H., Huang, T.-M., 2007 Using a multiple-ga method to solve the batch picking problem: considering travel distance and order due time. International Journal of Production Research Won J., Olafsson S., 2005 Joint order batching and order picking in warehouse operations. International Journal Of Production Research

Depo Operasyonlarının Planlanması İçin Genetik Algoritma Esaslı Modeller *

Depo Operasyonlarının Planlanması İçin Genetik Algoritma Esaslı Modeller * Uluslararası Alanya İşletme Fakültesi Dergisi International Journal of Alanya Faculty of Business Yıl:203, C:5, S:3, s. 4-53 Year:203, Vol:5, No:3, s. 4-53 Depo Operasyonlarının Planlanması İçin Genetik

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

JTL JTL. Journal of Transportation and Logistics

JTL JTL. Journal of Transportation and Logistics 1 (1), 2016 Received : October 10, 2016 Accepted : October 28, 2016 Birliktelik Kuralları ve Genetik Algoritma İle Sipariş Yığınlama Probleminin Çözümü: Bir Ecza Deposunda Uygulama Furkan Yener Sakarya

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

GENETİK ALGORİTMA ESASLI PCB MONTAJI OPTİMİZASYONU

GENETİK ALGORİTMA ESASLI PCB MONTAJI OPTİMİZASYONU V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 GENETİK ALGORİTMA ESASLI PCB MONTAJI OPTİMİZASYONU Osman KULAK Pamukkale Üniversitesi İhsan Onur YILMAZ Pamukkale

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

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

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

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

DEPOLAMA S STEMLER NDE S PAR TOPLAMA LEMLER N N GENET K ALGOR TMALARLA OPT M ZASYONU

DEPOLAMA S STEMLER NDE S PAR TOPLAMA LEMLER N N GENET K ALGOR TMALARLA OPT M ZASYONU DEPOLAMA S STEMLER NDE S PAR TOPLAMA LEMLER N N GENET K ALGOR TMALARLA OPT M ZASYONU Necdet Özçakar stanbul Üniversitesi letme Fakültesi Üretim Anabilim Dal Ali Görener Beykent Üniversitesi Meslek Yüksekokulu

Detaylı

Üstel 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 Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Tamer Eren Kırıkkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 71451,

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

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

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

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

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

Doç. Dr. Mustafa ÖZDEN Arş. Gör. Gülden AKDAĞ Arş. Gör. Esra AÇIKGÜL

Doç. Dr. Mustafa ÖZDEN Arş. Gör. Gülden AKDAĞ Arş. Gör. Esra AÇIKGÜL Doç. Dr. Mustafa ÖZDEN Arş. Gör. Gülden AKDAĞ Arş. Gör. Esra AÇIKGÜL 11.07.2011 Adıyaman Üniversitesi Eğitim Fakültesi İlköğretim Bölümü Fen Bilgisi Öğretmenliği A.B.D GĠRĠġ Fen bilimleri derslerinde anlamlı

Detaylı

Sigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM

Sigma 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

Detaylı

Adana Toplu Taşıma Eğilimleri

Adana Toplu Taşıma Eğilimleri Adana Toplu Taşıma Eğilimleri Doç. Dr. Mustafa Gök Elektrik Elektronik Mühendisliği Bilgisayar Bilimleri Ana Bilim Dalı Başkanı 13.06.2014 Doç. Dr. Mustafa Gök (Ç. Ü.) Adana Toplu Taşıma Eğilimleri 13.06.2014

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

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları

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

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 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

Detaylı

ÖNCE DAĞIT SONRA TOPLA

ÖNCE DAĞIT SONRA TOPLA YA/EM 2007 Dokuz Eylül Üniversitesi, 2-4 2 4 Temmuz 2007 ÖNCE DAĞIT SONRA TOPLA PROBLEMLERĐNDE ARAÇ ROTALAMA ĐÇĐN TAMSAYILI KARAR MODELLERĐ Barış KEÇECĐ Đmdat KARA Başkent Üniversitesi Mühendislik Fakültesi

Detaylı

Afet Yardım Operasyonlarında CBS Tabanlı Acil Müdahale Sistemi

Afet Yardım Operasyonlarında CBS Tabanlı Acil Müdahale Sistemi Afet Yardım Operasyonlarında CBS Tabanlı Acil Müdahale Sistemi Erdinç Bakır 1, Dr. Onur Demir 1 & Dr. Linet Ozdamar 2 1 Bilg. Müh. Bölümü 2 Sistem ve End. Müh. Bölümü Yeditepe University, Istanbul, Turkey

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

Montaj Hatti Tasarımı ve Analizi - 5

Montaj Hatti Tasarımı ve Analizi - 5 Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2017-2018 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 5 Yrd. Doç. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 En Erken ve En Gec Istasyon

Detaylı

Literatür Araştırması: Sipariş Toplama Politikaları ve Otomatik Depolama ve Boşaltma Sistemleri (AS/RS)

Literatür Araştırması: Sipariş Toplama Politikaları ve Otomatik Depolama ve Boşaltma Sistemleri (AS/RS) Literatür Araştırması: Sipariş Toplama Politikaları ve Otomatik Depolama ve Boşaltma Sistemleri (AS/RS) Ediz ATMACA,* Ayla ÖZTÜRK 1 Gazi Üniversitesi Müh. Fakültesi Endüstri Müh. Bölümü, Ankara, Türkiye

Detaylı

DEPO SİSTEMİNDE SİPARİŞ TOPLAMA SÜRECİNİN İYİLEŞTİRİLMESİ

DEPO SİSTEMİNDE SİPARİŞ TOPLAMA SÜRECİNİN İYİLEŞTİRİLMESİ Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 23, No 2, 357-364, 2008 Vol 23, No 2, 357-364, 2008 DEPO SİSTEMİNDE SİPARİŞ TOPLAMA SÜRECİNİN İYİLEŞTİRİLMESİ Suray TUNÇ, Buket KUTLU,

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

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ T.C. SAKARYA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ BİTİRME ÇALIŞMASI TEZ BAŞLIĞI HAZIRLAYAN Adı Soyadı DANIŞMAN Ünvanı Adı Soyadı MAYIS 2017 2 İÇİNDEKİLER İçindekiler Sayfası

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

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ 1 T.C. SAKARYA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ MÜHENDİSLİK TASARIMI BAŞLIK HAZIRLAYAN Adı Soyadı DANIŞMAN Ünvanı Adı Soyadı ARALIK 2017 2 İÇİNDEKİLER İçindekiler Sayfası

Detaylı

XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU

XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU EDİTÖRLER İbrahim GÜRLER, Ozan ÇAKIR YAYINA HAZIRLAYANLAR Mümin ÖZCAN, R. Altuğ TURAN 27 29 EYLÜL 2012 GEDİZ ÜNİVERSİTESİ SEYREK YERLEŞKESİ BİLDİRİLER MONTAJ HATTI

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

Yrd.Doç.Dr. Safiye Turgay Doç.Dr. İsmail Erol Fulya Türkmen Abant Izzet Baysal Universitesi

Yrd.Doç.Dr. Safiye Turgay Doç.Dr. İsmail Erol Fulya Türkmen Abant Izzet Baysal Universitesi Lojistik Yönetim Sürecinin Analitik Modeli Ve Sektörel Uygulaması Yrd.Doç.Dr. Safiye Turgay Doç.Dr. İsmail Erol Fulya Türkmen Abant Izzet Baysal Universitesi Giriş İş dünyasında uluslar arası düzeyde rekabetin

Detaylı

TREND LOJİSTİK. Gelişen Lojistik Uygulamalar. ATİLLA YILDIZTEKİN Lojistik Yönetim Danışmanı atillayildiztekin@yahoo.com

TREND LOJİSTİK. Gelişen Lojistik Uygulamalar. ATİLLA YILDIZTEKİN Lojistik Yönetim Danışmanı atillayildiztekin@yahoo.com TREND LOJİSTİK Gelişen Lojistik Uygulamalar Depo Yönetimi LOGIMEX 11 1 Mart 2012 ATİLLA YILDIZTEKİN Lojistik Yönetim Danışmanı atillayildiztekin@yahoo.com 1 Depolamanın Yeri Tedarik Zinciri Lojistik Depolama

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde

Detaylı

DERS BİLGİLERİ. Ders Kodu Yarıyıl T+U Saat Kredi AKTS LOJİSTİK SİSTEMLERİ PLANLAMA VE TASARIMI ESYE549 3+0 3 7

DERS BİLGİLERİ. Ders Kodu Yarıyıl T+U Saat Kredi AKTS LOJİSTİK SİSTEMLERİ PLANLAMA VE TASARIMI ESYE549 3+0 3 7 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS LOJİSTİK SİSTEMLERİ PLANLAMA VE TASARIMI ESYE549 3+0 3 7 Ön Koşul Dersleri ISE veya eşdeğer bir optimizasyona giriş dersi Dili Seviye si Türü İngilizce

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

T.C. ORTA KARADENİZ KALKINMA AJANSI GENEL SEKRETERLİĞİ. YURT ĠÇĠ VE DIġI EĞĠTĠM VE TOPLANTI KATILIMLARI ĠÇĠN GÖREV DÖNÜġ RAPORU

T.C. ORTA KARADENİZ KALKINMA AJANSI GENEL SEKRETERLİĞİ. YURT ĠÇĠ VE DIġI EĞĠTĠM VE TOPLANTI KATILIMLARI ĠÇĠN GÖREV DÖNÜġ RAPORU YURT ĠÇĠ VE DIġI EĞĠTĠM VE TOPLANTI KATILIMLARI ĠÇĠN GÖREV DÖNÜġ RAPORU Adı Soyadı : Doç. Dr. Mustafa GÜLER, Dilem KOÇAK DURAK, Fatih ÇATAL, Zeynep GÜRLER YILDIZLI, Özgür Özden YALÇIN ÇalıĢtığı Birim :

Detaylı

GENETĠK PROGRAMLAMAYA DAYALI SINIFLANDIRMA YAKLAġIMI: MEPAR-MINER

GENETĠK PROGRAMLAMAYA DAYALI SINIFLANDIRMA YAKLAġIMI: MEPAR-MINER 211 GENETĠK PROGRAMLAMAYA DAYALI SINIFLANDIRMA YAKLAġIMI: MEPAR-MINER Lale ÖZBAKIR Adil BAYKASOĞLU ÖZET Genetik programlama evrimsel geliģime dayalı optimizasyon algoritmaları arasında yer almaktadır.

Detaylı

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.

Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi

Detaylı

Teknolojiye Giden Kestirme Yol. Lojistik Otomasyon Platformu LVS 3Plus. 31 Ekim 2012 Barbaros ABA

Teknolojiye Giden Kestirme Yol. Lojistik Otomasyon Platformu LVS 3Plus. 31 Ekim 2012 Barbaros ABA Teknolojiye Giden Kestirme Yol Lojistik Otomasyon Platformu LVS 3Plus 31 Ekim 2012 Barbaros ABA GBS Vizyonu Uçtan uca teknoloji kullanımı GBS Faaliyetleri GBS Faaliyetleri GBS Hizmetler Danışmanlık & Uyarlama

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

ULUSLARARASI INTERMODAL TAŞIMA AĞINDA OPTIMAL ROTA SEÇİMİ

ULUSLARARASI INTERMODAL TAŞIMA AĞINDA OPTIMAL ROTA SEÇİMİ III. Ulusal Liman Kongresi doi: 10.18872/DEU.df.ULK.2017.005 ULUSLARARASI INTERMODAL TAŞIMA AĞINDA OPTIMAL ROTA SEÇİMİ ÖZET Melis Özdemir, Berker İnkaya, Bilge Bilgen 1 Globalleşen dünyada taşımacılık

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı

BİRİNCİ BÖLÜM: TEDARİK ZİNCİRİ YÖNETİMİNE GİRİŞ

BİRİNCİ BÖLÜM: TEDARİK ZİNCİRİ YÖNETİMİNE GİRİŞ İÇİNDEKİLER Önsöz... v İçindekiler... vii BİRİNCİ BÖLÜM: TEDARİK ZİNCİRİ YÖNETİMİNE GİRİŞ 1.1 Tedarik Zincirinin Temel Fonksiyonları... 8 1.1.1 Üretim... 8 1.1.2 Envanter Yönetimi... 16 1.1.3 Taşıma ve

Detaylı

BÖLÜM 1 TEDARİK ZİNCİRİ

BÖLÜM 1 TEDARİK ZİNCİRİ İÇİNDEKİLER BÖLÜM 1 TEDARİK ZİNCİRİ 1.1. Niçin Tedarik Zinciri?... 1 1.2. Tedarik Zinciri ve Tedarik Zinciri Yönetimi... 3 1.3. Tedarik Zinciri Yapısı... 5 1.4. İş Modelleri... 6 Kaynaklar... 7 BÖLÜM 2

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA 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.

Detaylı

Avrasya Sosyal ve Ekonomi AraĢtırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:

Avrasya Sosyal ve Ekonomi AraĢtırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN: Avrasya Sosyal ve Ekonomi AraĢtırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:2148-9963 www.asead.com YOZGAT ĠLĠNDE KURULABĠLECEK KOMPOST TESĠSLERĠNĠN MOORA

Detaylı

DOĞAL GAZ & ENERJİ YÖNETİMİ BİLDİRİLER KİTABI

DOĞAL GAZ & ENERJİ YÖNETİMİ BİLDİRİLER KİTABI TMMOB MAKİNA MÜHENDİSLERİ ODASI İİ DOĞAL GAZ & ENERJİ YÖNETİMİ KONGRE ve SERGİSİ BİLDİRİLER KİTABI GAZİANTEP EYLÜL 2001 TMMOB MAKİNA MÜHENDİSLERİ ODASİ Sümer Sok. 36/1-A Uemirtepc /ANKARA Tel : 0(312)231

Detaylı

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ RASSAL GÖREV SÜRELĠ UTĠPĠ MONTAJ HATLARININ YENĠDEN DENGELENMESĠ ĠÇĠN KARINCA KOLONĠSĠ OPTĠMĠZASYONU ALGORĠTMASI Erkan ÇELĠK YÜKSEK LĠSANS Endüstri Mühendisliği

Detaylı

GECİKEN İŞ SAYISI VE GECİKME ARALIĞI ÖLÇÜTLÜ ZAMANA-BAĞIMLI ÖĞRENME ETKİLİ ÇİZELGELEME PROBLEMİNİN ÇÖZÜMÜ

GECİKEN İŞ SAYISI VE GECİKME ARALIĞI ÖLÇÜTLÜ ZAMANA-BAĞIMLI ÖĞRENME ETKİLİ ÇİZELGELEME PROBLEMİNİN ÇÖZÜMÜ Gazi Üniv. Müh. Mim. Fak. Der. Journal of the Faculty of Engineering and Architecture of Gazi University Cilt 27, No 4, 875-879, 2012 Vol 27, No 4, 875-879, 2012 GECİKEN İŞ SAYISI VE GECİKME ARALIĞI ÖLÇÜTLÜ

Detaylı

T.C. GAZĠ ÜNĠVERSĠTESĠ SOSYAL BĠLĠMLER ENSTĠTÜSÜ EKONOMETRĠ ANABĠLĠM DALI UYGULAMALI YÖNEYLEM ARAġTIRMASI BĠLĠM DALI

T.C. GAZĠ ÜNĠVERSĠTESĠ SOSYAL BĠLĠMLER ENSTĠTÜSÜ EKONOMETRĠ ANABĠLĠM DALI UYGULAMALI YÖNEYLEM ARAġTIRMASI BĠLĠM DALI T.C. GAZĠ ÜNĠVERSĠTESĠ SOSYAL BĠLĠMLER ENSTĠTÜSÜ EKONOMETRĠ ANABĠLĠM DALI UYGULAMALI YÖNEYLEM ARAġTIRMASI BĠLĠM DALI GENETĠK ALGORĠTMA ĠLE BÜYÜKBAġ SÜT HAYVANLARINDA SÜT VERĠMĠ MAKSĠMĠZASYONU YÜKSEK LĠSANS

Detaylı

ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ

ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT

Detaylı

K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi

K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi K-En Yakın Komşu Algoritması Parametrelerinin Sınıflandırma Performansı Üzerine Etkisinin İncelenmesi Erdal TAŞCI* Aytuğ ONAN** *Ege Üniversitesi Bilgisayar Mühendisliği Bölümü **Celal Bayar Üniversitesi

Detaylı

Kapasite kısıtlı araç rotalama probleminin çözümü için yeni bir algoritma geliştirilmesi: bir süpermarket zincirinde uygulanması

Kapasite kısıtlı araç rotalama probleminin çözümü için yeni bir algoritma geliştirilmesi: bir süpermarket zincirinde uygulanması SAÜ Fen Bil Der 19. Cilt, 1. Sayı, s. 83-88, 2015 Kapasite kısıtlı araç rotalama probleminin çözümü için yeni bir algoritma geliştirilmesi: bir süpermarket zincirinde Tolga Şen 1*, Serap Ercan Cömert 2,

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

Bulanık Mantık Tabanlı Uçak Modeli Tespiti

Bulanık Mantık Tabanlı Uçak Modeli Tespiti Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa

Detaylı

Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4129 ÇİZELGELEME

Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4129 ÇİZELGELEME 2017-2018 Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4129 ÇİZELGELEME (Moore Algoritması, Öncelik Kısıtları, Lawler Algoritması, Öne Geçmeli Durum) Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ

Detaylı

Lojistik Bilgi Sistemleri ÖĞR. GÖR. MUSTAFA ÇETİNKAYA

Lojistik Bilgi Sistemleri ÖĞR. GÖR. MUSTAFA ÇETİNKAYA Lojistik Bilgi Sistemleri ÖĞR. GÖR. MUSTAFA ÇETİNKAYA LBS u Lojistik Bilgi Sistemleri tedarik zinciri üzerinde yer alan şirketlerin her birinin kendi planlama veya operasyonel ihtiyaçlarını karşılayan,

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

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

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

Kent Bölge ve Altbölge Hizmet Serimlerinde GSP ve ÇPP Yöntemleri Kullanılarak Toplam Değer Eniyileme

Kent Bölge ve Altbölge Hizmet Serimlerinde GSP ve ÇPP Yöntemleri Kullanılarak Toplam Değer Eniyileme 6. İnşaat Yönetimi Kongresi, 25-26-27 Kasım 2011, Bursa 235 Kent Bölge ve Altbölge Hizmet Serimlerinde GSP ve ÇPP Yöntemleri Kullanılarak Toplam Değer Eniyileme Özet Ġlker Özdemir 1, Osman Aytekin 2, Hakan

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

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: IND 3907

DOKUZ 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,

Detaylı

Montaj Hatti Tasarımı ve Analizi - 7

Montaj Hatti Tasarımı ve Analizi - 7 Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2015-2016 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 7 Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 TEK MODELLİ U-TİPİ MONTAJ HATTI DENGELEME

Detaylı

İnsansız Hava Sistemleri için Güzergâh Optimizasyonu Route Optimization for Unmanned Aerial Systems

İnsansız Hava Sistemleri için Güzergâh Optimizasyonu Route Optimization for Unmanned Aerial Systems International Artificial Intelligence and Data Processing Symposium (IDAP'6) İnsansız Hava Sistemleri için Güzergâh Optimizasyonu Route Optimization for Unmanned Aerial Systems Hicran Yılmaz Mekatronik

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

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

ISK116 - Bölüm 1. Grup Teknolojisi

ISK116 - Bölüm 1. Grup Teknolojisi ISK - Bölüm Grup Teknolojisi Grup Teknolojisi (GT) Grup teknolojisi benzerliklerden faydalanarak büyük ve karmaşık bir üretim sisteminin, küçük ve kolay kontrol edilebilir sistemlere dönüştürülmesi hedeflenmektedir.

Detaylı

Yrd.Doç.Dr. Mehmet ÇUNKAŞ

Yrd.Doç.Dr. Mehmet ÇUNKAŞ Selçuk Üniversitesi Teknik Eğitim Fakültesi Elektronik-Bilgisayar Eğitimi 8061011007 Genetik Algoritmalar ve Uygulamaları Ders Notları Bahar, 2006 Yrd.Doç.Dr. Mehmet ÇUNKAŞ mcunkas@yahoo.com İÇİNDEKİLER

Detaylı

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I /0 İçerik Matematiksel Modelin Kurulması Grafik Çözüm DP Terminolojisi DP Modelinin Standart Formu DP Varsayımları 2/0 Grafik Çözüm İki değişkenli (X, X2) modellerde kullanılabilir,

Detaylı

ÖĞRENME VE BOZULMA ETKİLİ TEK MAKİNELİ ÇİZELGELEME PROBLEMLERİ LEARNING AND DETERIORATING EFFECTS ON THE SINGLE MACHINE SCHEDULING PROBLEMS

ÖĞRENME VE BOZULMA ETKİLİ TEK MAKİNELİ ÇİZELGELEME PROBLEMLERİ LEARNING AND DETERIORATING EFFECTS ON THE SINGLE MACHINE SCHEDULING PROBLEMS ÖĞRENME VE BOZULMA ETKİLİ TEK MAKİNELİ ÇİZELGELEME PROBLEMLERİ ÖZET Tamer EREN Kırıkkale Üniversitesi Endüstri Mühendisliği Bölümü Ankara Yolu 71451 KIRIKKALE tameren@hotmail.com Klasik çizelgeleme problemlerinde

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

GEOVISION GROUP ÇÖZÜMLERİ

GEOVISION GROUP ÇÖZÜMLERİ GEOVISION GROUP ÇÖZÜMLERİ Geovision Group Araştırma Route To Market Geovision Group, Türkiye ve Dünyadaki lider firmalara Coğrafi Bilgi Sistemleri altyapısı ile Satış & Dağıtım ve Pazarlama çözümleri sunan

Detaylı

Montaj Hatti Tasarımı ve Analizi - 7

Montaj Hatti Tasarımı ve Analizi - 7 Balıkesir Universitesi, Endustri Muhendisligi Bolumu 2017-2018 Bahar Yariyili Montaj Hatti Tasarımı ve Analizi - 7 Yrd. Doç. Dr. Ibrahim Kucukkoc http://ikucukkoc.baun.edu.tr 2 TEK MODELLİ U-TİPİ MONTAJ

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

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ ÇOK KRĠTERLĠ OPTĠMĠZASYON ĠÇĠN GENETĠK ALGORĠTMA YAKLAġIMLARI TAHĠR SAĞ YÜKSEK LĠSANS TEZĠ BĠLGĠSAYAR MÜHENDĠSLĠĞĠ ANABĠLĠM DALI T.C. SELÇUK ÜNĠVERSĠTESĠ

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için

Detaylı

TRANSPORT PROBLEMLERĠ ĠÇĠN FARKLI BĠR ATAMA YAKLAġIMI

TRANSPORT PROBLEMLERĠ ĠÇĠN FARKLI BĠR ATAMA YAKLAġIMI Yönetim, Yıl: 19, Sayı: 59, Şubat 28 TRANSPORT PROBLEMLERĠ ĠÇĠN FARKLI BĠR ATAMA YAKLAġIMI Yrd. Doç. Dr. Ergün EROĞLU ArĢ. Grv. Fatma LORCU İstanbul Üniversitesi İşletme Fakültesi Sayısal Yöntemler Anabilim

Detaylı

ÜRETĠM TESĠSLERĠ BÖLGESEL BAĞLANTI KAPASĠTE RAPORU 2020-2025

ÜRETĠM TESĠSLERĠ BÖLGESEL BAĞLANTI KAPASĠTE RAPORU 2020-2025 ÜRETĠM TESĠSLERĠ BÖLGESEL BAĞLANTI KAPASĠTE RAPORU 2020-2025 31.07.2015 İçindekiler Ġçindekiler... 2 Amaç ve Kapsam... 7 1. Yöntem... 8 2. Bölgelerin Değerlendirmeleri ve Sonuçlar... 10 2.1. Akdeniz...

Detaylı

Tedarik Zinciri Yönetimi

Tedarik Zinciri Yönetimi Tedarik Zinciri Yönetimi Arş.Gör. Duran GÜLER Ege Üniversitesi Ziraat Fakültesi Tarım Ekonomisi Bölümü Tedarik Zinciri Yönetimi Tedarik zinciri boyunca tedarik ve zinciri içinde müşteri tatmin düzeyini

Detaylı

BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ

BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ BİR MONTAJ HATTI ÜRETİM SİSTEMİNDE OPTİMAL İŞGÜCÜ DAĞILIMININ ARENA PROCESS ANALYZER (PAN) VE OPTQUEST KULLANILARAK BELİRLENMESİ Özgür ARMANERİ Dokuz Eylül Üniversitesi Özet Bu çalışmada, bir montaj hattı

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

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

GA, AS, ACS VE MMAS ALGORİTMALARI PERFORMANSLARININ GEZGİN SATICI PROBLEMİ ÇÖZÜMÜ ÜZERİNDE DEĞERLENDİRİLMESİ

GA, AS, ACS VE MMAS ALGORİTMALARI PERFORMANSLARININ GEZGİN SATICI PROBLEMİ ÇÖZÜMÜ ÜZERİNDE DEĞERLENDİRİLMESİ 50 SDU International Journal of Technological Sciences pp. 50-60 Computational Technologies GA, AS, ACS VE MMAS ALGORİTMALARI PERFORMANSLARININ GEZGİN SATICI PROBLEMİ ÇÖZÜMÜ ÜZERİNDE DEĞERLENDİRİLMESİ

Detaylı

Dağıtım Operasyonlarında Optimizasyon ile Dönüşüm

Dağıtım Operasyonlarında Optimizasyon ile Dönüşüm Dağıtım Operasyonlarında Optimizasyon ile Dönüşüm Dr. Ozan Gözbaşı Dr. Tuba Yılmaz Gözbaşı Dağıtım Nakliye Optimizasyonu Optimizasyon ne sağlar? Müşteri servis seviyesini iyileştirir Filo maliyetlerini

Detaylı

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU

ALTIN 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)

Detaylı

KARINCA KOLONĠSĠ OPTĠMĠZASYONU ĠLE ARAÇ ROTALAMA PROBLEMĠNĠN MALĠYETLERĠNĠN KÜMELEME TEKNĠĞĠ ĠLE ĠYĠLEġTĠRĠLMESĠ. KAMĠL ÇALIġKAN YÜKSEK LĠSANS TEZĠ

KARINCA KOLONĠSĠ OPTĠMĠZASYONU ĠLE ARAÇ ROTALAMA PROBLEMĠNĠN MALĠYETLERĠNĠN KÜMELEME TEKNĠĞĠ ĠLE ĠYĠLEġTĠRĠLMESĠ. KAMĠL ÇALIġKAN YÜKSEK LĠSANS TEZĠ KARINCA KOLONĠSĠ OPTĠMĠZASYONU ĠLE ARAÇ ROTALAMA PROBLEMĠNĠN MALĠYETLERĠNĠN KÜMELEME TEKNĠĞĠ ĠLE ĠYĠLEġTĠRĠLMESĠ KAMĠL ÇALIġKAN YÜKSEK LĠSANS TEZĠ BĠLGĠSAYAR MÜHENDĠSLĠĞĠ TOBB EKONOMĠ VE TEKNOLOJĠ ÜNĠVERSĠTESĠ

Detaylı

GEZGİN SATICI PROBLEMİ İÇİN BİR MEMETİK ALGORİTMA ÖNERİSİ

GEZGİN 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

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ 2014-2015 EĞİTİM-ÖĞRETİM YILI DERS PLANI

T.C. SELÇUK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ 2014-2015 EĞİTİM-ÖĞRETİM YILI DERS PLANI T.C. SELÇUK ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ 2014-2015 EĞİTİM-ÖĞRETİM YILI DERS PLANI YABANCI DİL HAZIRLIK SINIFI GÜZ YARIYILI BAHAR YARIYILI 30 30 1. YIL GÜZ YARIYILI 1203110

Detaylı

KATMANLI KOMPOZİT KİRİŞLERİN GENETİK ALGORİTMA İLE OPTİMİZASYONU

KATMANLI KOMPOZİT KİRİŞLERİN GENETİK ALGORİTMA İLE OPTİMİZASYONU KATMANLI KOMPOZİT KİRİŞLERİN GENETİK ALGORİTMA İLE OPTİMİZASYONU Fatih Karaçam ve Taner Tımarcı Trakya Üniversitesi, MMF Makine Mühendisliği Bölümü 030 Edirne e-mail: tanert@trakya.edu.tr Bu çalışmada

Detaylı

ARAÇ ROTALAMA SİSTEMLERİ VE TASARRUF ALGORİTMASI UYGULAMASI

ARAÇ ROTALAMA SİSTEMLERİ VE TASARRUF ALGORİTMASI UYGULAMASI İstanbul Ticaret Üniversitesi..Fen Bilimleri Dergisi Yıl: 11 Sayı: 21 Bahar 2012 s.41-51 ARAÇ ROTALAMA SİSTEMLERİ VE TASARRUF ALGORİTMASI UYGULAMASI Burak KOSİF*, İsmail EKMEKÇİ** Geliş: 18.06.2012 Kabul:

Detaylı

her bir kontrol kriteri (8 adet) için 12 adet bulgu kriteri

her bir kontrol kriteri (8 adet) için 12 adet bulgu kriteri YAZILIM - VIKOR Maçka, tugrulo@itu.edu.tr Özet. ürettikleri uygulama kalitelerinin Technique For Order Preference By Similarity To An Ideal Solution (TOPSIS) ve Vise Kriteriumska Optimizacia I Kompromisno

Detaylı

BİR KONTEYNIR TERMİNALİNDE TAŞIYICI ARAÇ TİPLERİNİN KARŞILAŞTIRILMASI

BİR KONTEYNIR TERMİNALİNDE TAŞIYICI ARAÇ TİPLERİNİN KARŞILAŞTIRILMASI BİR KONTEYNIR TERMİNALİNDE TAŞIYICI ARAÇ TİPLERİNİN KARŞILAŞTIRILMASI Osman KULAK 1 M. Egemen TANER 1 M. UlaĢ KOYUNCUOĞLU 1 H. Bülent CERĠT 2 1. Pamukkale Üniversitesi, Mühendislik Fakültesi, Endüstri

Detaylı

Ekonomik Açıdan En Avantajlı Teklifin Belirlenmesinde 2004/18/EC AB Kamu Ġhale Direktifi Ġle 4734 Sayılı Kamu Ġhale Kanununun KarĢılaĢtırılması

Ekonomik Açıdan En Avantajlı Teklifin Belirlenmesinde 2004/18/EC AB Kamu Ġhale Direktifi Ġle 4734 Sayılı Kamu Ġhale Kanununun KarĢılaĢtırılması 49 Ekonomik Açıdan En Avantajlı Teklifin Belirlenmesinde 2004/18/EC AB Kamu Ġhale Direktifi Ġle 4734 Sayılı Kamu Ġhale Kanununun KarĢılaĢtırılması Cemil Akçay 1, A.Sertaç KarakaĢ 2, BarıĢ Sayın 3, Ekrem

Detaylı