Bir Telekomünikasyon Probleminin Matematiksel Modellenmesi Üzerine

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Bir Telekomünikasyon Probleminin Matematiksel Modellenmesi Üzerine"

Transkript

1 Br Telekomükasyo Problem Matematksel Modellemes Üzere Urfat Nuryev, Murat Erşe Berberler, Mehmet Kurt, Arf Gürsoy, Haka Kutucu 2 Ege Üverstes, Matematk Bölümü, İzmr 2 İzmr Yüksek Tekolo Esttüsü, Matematk Bölümü, İzmr urfat.uryev@ege.edu.tr, murat.erse.berberler@ege.edu.tr, kurt.mehmet@gmal.com, arf.gursoy@ege.edu.tr, hakakutucu@yte.edu.tr Özet: Söz kousu problem, telekomükasyo sektörüde, farklı dalga boylarıı bölme ve çoklama tekolos kullaa br optk letşm ağıda, uygulaablr e yüksek malyet drm sağlamak ç, tek br kabloda hareket ede farklı dalga boylarıdak blg akışıı e uygu bçmde paketlemes araştıra br optmzasyo problemdr. Bu çalışmada, lteratürde Badpass problem olarak smledrle problem süresel matematksel modellemes yapılmış, karmaşıklık aalz hesaplaarak NP sııfta olduğu spatlamıştır. Problem özel örekler gelştrlmş, bu örekler paylaşıldığı teret kütüphaes hazırlamıştır. Problem çözümü ç heurstc br algortma gelştrlmş, örekler üzerde yapıla hesaplama deemelerde elde edle souçlar ble e y souçlarla karşılaştırılmıştır. Aahtar Sözcükler: Badpass Problem, Kombatork Optmalleştrme, NP Sııf, Heurstk Algortma, Badpass Problem İteret Kütüphaes Abstract: The problem s used to provde the optmal reducto of cost ad s applcable the telecommucato feld. It s a optmzato problem that seeks to fd the most coveet way of packagg formato flow dfferet wavelegths that move oe cable. The problem occurs a commucato etwork that uses multplexg ad dvso of dfferet wavelegth techology. I ths study, the mathematcal modellg ad the tme-complexty aalyss of the problem called Badpass problem s doe, ad t s prove that the problem belogs to NPcomplete class. Specfc examples of the problem are developed, ad a ole lbrary, where such examples may be shared, s created. A heurstc algorthm was also veted to solve the problem ad the results of calculato-expermets usg ths algorthm, are compared wth the best results of other algorthms.. Grş Güümüzde, ster büyük ster küçük ölçekl tüzel kşlkler varlıklarıı sürdüreblmek adıa, ya da gerek ş gerekse özel hayatlarıda gerçek kşler yaşam kalteler artırablmek ç popüler br kavrama hak ettğ öem vermektedrler: Vermllk Üretmler daha kârlı hale getrmek ç ham madde şleme le lostk gderlerde veya ş gücüde tasarruf etmek steye şrketler br yaa, bu şrketlerde görev yapa ve ulaşım, gıda vb. htyaçlarıı masraflarıı e aza drmek steye br çalışa da aslıda ayı kavramı etrafıda dolaşmaktadır.

2 Vermsz yapıları verml br bçme getrme problem kes br çözümü, üzerde çalışıla öreğ yapısı doğrultusuda, baze üzerde düşümeğe ble değmeyecek kadar kısa br süreç alablrke, baze de hesabı zor ve uzu şlemler gerektre br plalamaya htyaç duymaktadır. Fakat elde edlecek kazaç, özellkle şrketler, bu zor süreç ç araştırma yapmaya sevk etmektedr. İşte matematkte Optmzasyo Problemler başlığı altıda suula ala, yukarıda bahsedle zorlu süreçler araştırmak ç ortaya çıkmıştır. Optmzasyo Problemler öeml br araştırma sahası telekomükasyo veya daha özel olarak belrtmek gerekrse, ver letm soruudur. Br oktada br başka oktaya letle verler e az malyetle ve e hızlı br bçmde letlmes hem şrketler hem de so kullaıcılar açısıda oldukça öemldr. Telekomükasyou bu tür problemler geelde muhtemel yollar arasıda e verml olaı bulma amacıı gütmektedr. Öte yada, gelşe tekolo, araştırıla amaçlarda ye boyutlar açılmasıa ede olmaktadır. Çalışmaı aa kousuu teşkl ede Badpass (Bad-geçş) Problem, alışılmışı dışıda, so tekolok mkâlara da paralel olarak, ver hag yolda gdeceğ le değl asıl göderleceğ le lglemektedr. Br problem çözümüe lşk e öeml tesptlerde br bu problem zama karmaşıklığıdır. Problem eldek verler ve stee şartlar altıda e kadar sürede çözülebleceğ kullaıcıları açısıda e çok merak edle br usurdur. Bu problem, zor çözüle problemler sııfıda olduğu ç kes çözümü oldukça uzu br süreç gerektrmektedr. Bu edele problem ç kısa zamada verml br souç bulmaya yaraya yaklaşık çözümler araştırılmaktadır. Öte yada, problem bazı özel durumları çm kes çözümü garat ede yötemler de gelştrlmştr. Bu çalışmada, badpass problem tarhçese değlmş, matematksel modeller celemş, süresel karmaşıklığı hesaplamış, çözümü ç heurstc algortmalar gelştrlmş, özel problem örekler hazırlamıştır. Ayrıca bu örekler kou üzerde çalışacak araştırmacıları yaptığı hesaplamalarda karşılaştırma yapablmeler amacıyla ole br kütüphaede yayımlamıştır. So olarak çalışmaı şekllemesde faydalaıla akademk yayılara kayakça bölümüde yer verlmştr. 2. Badpass Problem 2.. Badpass Problem Ortaya Çıkış Sürec Başlagıcıda özellkle asker tekolo çalışmalarıa hız kazadırmak ç br kaç araştırma merkez kurumsal blgsayarlarıı brbre bağlaması ve böylelkle aradak ver letşm kolaylaştırması amacı bulua teret, güümüzde tüm saları kşsel blgsayarlarıı gülük htyaçlarıı gdermek ç kşsel ve kurumsal blgsayarlarıı brbre bağladığı br yapı hale gelmes ögörülemeye hızlı br süreçtr. Bu hız ve kullaım amacı değşklğ, tekolo üretcler, ye kullaıcı potasyeller ve bu potasyel htyaçlarıı y belrlemes ve bulara karşılık vereblmes sayesde gerçekleşmştr. Ver letşmdek gelşmeler sadece teret ve blgsayar le kısıtlı kalmamıştır. Dgtal tv yayıları, gsm şebekeler vb. yapılar da bu gelşm öeml parçalarıdır. Iteret, dgtal tv yayıları ve gsm şebekeler kullaımıı artması, letle verler büyüklüğü (ses, görütü, vb. ), üretcler letşm hızı ve kaltes adıa ye araştırmalara sevk etmektedr. Arta ver trafğ karşılamak adıa kullaıla kabloları fber optk kablolara döüşmes öeml br adım olarak görülmektedr. (Ramaswam ad Svaraa, 998) Bu kablolarda, TDM

3 (Zama Bölmel Çoğullama), FDM (Frekas Bölmel Çoğullama) ve WDM (Dalgaboyu Bölmel Çoğullama) gb çoğullama tekkler kullaılmaktadır. Özellkle geş ala ağlarıda kullaıla fber optk kablolardak letşm kapastes artırmak ç WDM tekğ kullaılmaktadır. (Jourda et al., 998) Dalgaboyu bölmel çoğullama (WDM Waveleght Dvso Multplexg) le tek br fber lf yüzlerce ayrı letşm kaalıa (dalgaboyua) bölüeblr. Böylece fber hat üzerde taşıa ver mktarı katlaarak artırılmıştır (Yag ad Wag, 2004; Nosu ad O Mahoy, 994) Kaalları (dalgaboyları) sayısı çok olduğuda ve dalga geşlğ çok yakı olduğuda öreğ m gb, bua Yoğu Dalgaboyu Bölmel Çoğullama DWDM (Dese Wavelegth Dvso Multplexg) der. DWDM le her br 0 Gb/s hızıda blg taşıya 28 değşk dalgaboyuda ışık, ayı fber optk kablo çde taşıablmektedr. Bu yolla da terabt hızlarıda letm elde edlmektedr. (Cheug et al., 990) Şekl 2.. de br WDM ağıdak ver letm şeması görülmektedr. Şekl 2.. WDM ver akış şeması So yıllarda Çok Yüksek Yoğuluklu Dalga Boyu Bölmel Çoklama (UDWDM) kavramı karşımıza çıkmaktadır. Bu yolla tek br fber lf blerce kaala bölüeblecek ve her kaal Gb/s kapastesde blgy leteblecektr. (Tutoral Gude, 200) Br DWDM sstem e öeml yapıtaşlarıda br ADM(Add/Drop Multplexer) dr. ADM ler adıda da alaşılacağı gb dalga boylarıı eklemes/çıkarılması ş yapar. ADM lere ağa dalga boyu eklemek veya soladırıcı oktalarda dalga boyu çıkarmak ç htyaç duyulur. Br ADM de grş portu, add/drop portu ve çıkış portu olmak üzere üç adet port vardır (Kamov et al., 996; Goralsk, 997). Şekl 2..2 de Optk ADM br DWDM ağıdak koumu görülmektedr. Şekl 2..2 DWDM ağıda OADM DWDM ortaya çıkmasıyla lk etklee ala uzu mesafe letm olmuştur. Şehrlerarası trafğ artmasıyla, taşıyıcılar uzu mesafe ağlarıı kapasteler artırma gereksm hssetmştr. Bu da DWDM le çalışa oktada-oktaya (pot-to-pot) bağlatılarda çok büyük yatırımları yapılmasıa ede olmuştur. Bu bağlatılar bat geşlğ problem çözmüş acak yöledrme kousuda çok fazla br şey getrmemştr. Optk aahtarlar brde çok DWDM bağlatısıa trafğ akıllı br şeklde akması ş gerçekleştrmştr. Şmd yapılması gereke uzu mesafelere çok y uyum sağlaya bu sstemler kısa mesafelerde asıl etk br şeklde kullaılableceğ bulmaya gelmştr. Acak mevcut DWDM sstemler şehr ağları (Metropolta Area Network - MAN) ç uygu olması brkaç açıda olası gözükmemektedr: Uzu mesafelerde trafk fazlaca add/drop gereksm olmada akar acak MAN da bua sık sık gereksm duyulur. Bazı üretcler DWDM sstemler MAN da daha ucuz hale asıl getrlebleceğ araştırmaktadır. Bzm çalışmamızda DWDM sstemlerde öeml br yer ola ADM chazlarıı kullaımıı e aza drgemes ö görülmektedr. Bu da MAN larda DWDM sstemler ucuz br şeklde kullaılablmes sağlayacaktır. DWDM tekolos kullaa moder optk kablo m(yüzlerce olablr)

4 farklı dalgaboyuda kodlamış blgy taşıyablr. Blgy taşıya bu dalgaboyları olarak temsl m edleblrler. İk sıırdaş dalga boyu ardışık olarak düşüüleblr. ADM ler görev bazı dalga boylarıda gerçekleşe letşm ağda soladırmak ya da ağa sumaktır. Optk ağda br dalga boyuda gerçekleşe letşm ADM lere ulaştığıda eğer hedef oktası se ADM tarafıda eklep/çıkartılır (add/drop) değlse ADM de geçer. Kısaca ADM ler br çeşt yöledrme chazları gb davraır. Fber optk ağdak her dalgaboyu ç ADM lerde özel br kart buluur. Ya ağdak adet dalgaboyu br Optk ADM de add/drop edlecekse o Optk ADM de adet kart gerekmektedr. Farklı dalgaboylarıda devam ede akışlar çoğu kez ayı ADM de geçmeldrler. Eğer bu dalga boyları ard arda se ( 2... gb) o zama badpass dedğmz gruplara ayı ADM lerde geçe bu dalga boylarıı paketleme mkaı vardır. Bu durumda her kart B (Badpass umarası) adet akışı sayısıı teblğ eder. Bu her dalgaboyu ç br tae kullaıla kartlarda br kaçıı (B aded) br adedyle değştrlmese z verr. Her br tek br dalgaboyua lşkl ola brkaç kartı bu dalgaboylarıda sadece br hakkıdak blgy ve B umarasıı taşıya br kart le değştrmek toplam kart sayısı azaltır ve toplam kart malyet drlmese öderlk eder. Problem daha y taıtablmek ç, söz gelm Şekl 2..3 tek gb br X merkezde br Z merkeze gde br hat le bu hat üzerde yer ala Y merkez modelleyelm. Şekl 2..3: X merkez le Z merkez arasıda br hat Y merkez, X te ayrıla kablo üzerde bulua kırmızı, lavcert, mav ve turucu olmak üzere 4 farklı dalgaboyuu talep ettğ varsayalım. Şekl 2..3 te görebleceğz gb kırmızı, lacvert ve mav ardışık dalgaboylarıdır. Bua karşı turucu bu ardışıklık çde değldr. 4 dalgaboyu talep ede Y merkez B=4 sayısıı taşıya tek br kart le bu dalgaboylarıı amıı alamamaktadır. Çükü talep ettğ dalgaboylarıı amı ardışık değldr. Bu durumda 4 tae kart kullamalıdır. Eğer Cam Göbeğ regdek dalgaboyu le Y merkez talep ettğ turucu rek yer değştrrse, bu durumda Y merkez talep ettğ 4 dalgaboyuu da ardışık olması edeyle lgl dalgaboylarıı çekmek ç tek br kart yeterl olacak ve malyet dörtte üç oraıda azalacaktır Badpass Problem Lteratürdek Yer Badpass Problem ve lk matematksel model D. A. Babayev ve G. I. Bell tarafıda 2004 yılıda suulmuştur. Bu suumu ardıda beş farklı matematksel model gelştrlmştr. (Nuryev ad Kutucu, 2007) Takp ede süreçte problem çözümüe lşk çeştl algortmalar gelştrlmş ve problem karmaşıklık sııfıa dar yayımlar suulmuştur. (Babayev, et al., 2007;2009; Nuryev et al., 2007) Problem sııfıa dar lk araştırmada Badpass Problem, Tatm Edleblrlk probleme drgemştr. (Babayev et al., 2007; 2009) Gelştrle algortmaları çeştl htmaller değerledrlerek test edleblmes, karşılaştırılablmes amacıyla problem örekler gelştrlmştr. Problem ye olması, araştırmacıları çalışmalarıı kıyaslayablmeler ve problemle lgl ola araştırmacıları letşm kurablmeler gb amaçlarla problem örekler Ege Üverstes Fe Fakültes Matematk Bölümü Web Stes büyesde detaylarıa yedc bölümde yer verle BadPass Problem Lbrary adıyla teret kütüphaes açıldı. (Babayev et al. 2007) 2009 yılıda Kaada Alberta

5 Üverstes de Guohuo L, problem sııfıa dar suula lk spatı eleştrmş ve problem Hamlto Yol Probleme drgeyerek karmaşıklık sııfıa dar ye br spat sumuştur. L ayrıca bu makalesde üç sütulu Badpass Problem ç yaklaşık çözüm vere br algortma gelştrmştr. Hollada Katholeke Üverstes de Mustafa Mısır, problem çözümüyle lgl olarak Hyper-Heurstc yaklaşımlar üzerde çalışmıştır. Ortadoğu Tekk Üverstes de Göktürk Üçoluk problem çözümü ç geetk algortmalar üzerde çalışmıştır. (Berberler ad Gürsoy, 200) G.H. L ve Z. L, daha öce gelştrdkler ve üç sütu ç yaklaşık çözüm ürettğ dda ettkler algortmaı, lk makaledek çeştl katsayıları durumlarıı celeyerek, üretle çözümü aslıda kes çözüm olduğuu spatlamıştır. (L ad L, 200) So olarak Nuryev, Kutucu ve Kurt tarafıda hazırlaa Mathematcal Models of the Badpass Problem ad OrderMatc Computer Game makales Elsever Mathematcal ad Computer Modellg dergsde yayımlaması kabul edlmştr. (Nuryev et al, 200) 2.3. Badpass Problem Taımı Badpass Problem Matrs le Gösterlmes Br letşm ağıda adet farklı hedefe göderlmek üzere m adet pakete sahp br kayak olduğuu düşüelm. Bu durum A { a } matrs le fade edlr. Eğer paket (,..., m) oktasıa (,..., ) göderlecekse a a dr. Şekl de bu aks halde 0 matrs oluşturulmasıa br örek verlmştr. Grdler 0 ve ola mx boyutuda br { } matrsde ayı A a sütüda B adet sıfırda farklı elemaları ard arda gelmes br badpass oluşturur. Br sütuu sıfırda farklı ola her br elemaı sadece br badpass te yer alablr. Bu taım bze ayı sütuda brde fazla badpass ayı elemaı ya ayı satırı çeremeyeceğ fade etmektedr. Şekl Badpass Matrs Oluşturulması Badpass Problem Öreğ Tablo dek A matrsde 3 ve 5. sütular herhag br badpass çermemektedr Tablo Badpass Öreğ; A Matrs m, 5 Çükü B=5 adet ar darda sıfırda farklı elema çermemektedr. 2. sütu se 2. satırda 8 satıra kadar ard arda gele 7

6 adet sıfırda farklı elemaa sahptr. Bu sütudak 2. satırda 6. satıra kadar veya 3. satırda 7. satıra kadar veya 4. satırda 8. satıra kadar ola elemalar brer badpass oluştururlar. Fakat sadece bu üç grupta br bu sütü ç br badpass olarak seçleblr. Çükü yukarıdak badpass taımıı da z vermedğ üzere bu gruplarda herhag ks sıfırda farklı ortak elemalar çermektedr. Şekl de bu badpassları asıl kesştkler görülmektedr. = m a B / dr. Eğer matrs br sütuu badpass çermyorsa ama o sütudak sıfır olmaya elemaları toplamı B de az değlse matrs satırları yede düzeleerek br badpass elde edleblr. Satırları yede düzelemesde kasıt satırları brbrler le yer değştreblmesdr. Sadece satırlar yer değştreblr. Sütuları değerler korumalıdır. Öreğ; A matrsdek 5. sütuda br badpass yoktur ama 9. satır le 7. satır ya da 9. satır le 3. satır yer değştrr se bu sütuda br badpass oluşur. Şekl de bu değşm görülmektedr. Bu sütuda badpass oluşturmak ç başka yer değştrmeler de mümküdür. Şekl Kesşe Badpasslar Brde fazla badpass olması ç; br sütuda ard arda gele sıfırda farklı elema çere grupları brbrler le çakışmaması gerekmektedr. Her grup e az B tae elemada oluşmalıdır. Öreğ. sütuda 2 adet badpass bulumaktadır. Bular aşağıdak satır gruplarıda oluşa üç çft her br: { - 5 ve 6-0}, { - 5 ve 7 - }, {2-6 ve 7 }. Görüldüğü gb bu 3 çft her brde 5 elemada oluşa k grup ayı satırları çermemektedr. Şekl de kesşmeye badpass grupları görülmektedr. Şekl Kesşmeye Badpassler, sütuudak badpass sayısıı üst sıırı olsu. Öyleyse Şekl Satırları Yer Değşm 2.4. Badpass Problem Kes Çözümü ç Gereke Zama Aalz Bu problemde amaç, herhag br A matrs tüm sütularıda, ardışık olarak yerleşmes gereke ler sayısıı fade ede B badpass umarası (uzuluğu) ç toplam badpasss sayısıı maksmum yapa satırları dzlm bulmaktır. (Babayev ad Bell, 2004). Bu problem çözmede akla geleblecek lk yötem tüm satırları permütasyolarıı deemektr. Fakat bu yötem polom

7 zamada çözümü mkasız kılmaktadır. Çükü böyle br algortmaı çalışma zamaı O(m!) dr ve buu çalışma zamaı Tablo de görümektedr. Her aosayede (0-9 saye) br şlem yapıldığıı varsayarsak farklı zama karmaşıklıklı problemler ç değerledrmeler Tablo de yer almaktadır. g(m) M m saye saye saye m saye saye saye 0,04 8,4x0 5 3x0 4 m! saye yıl yıl Tablo Farklı Zama Karmaşıklığıa Sahp Algortmaları Çalışma Süreler 2.5. Badpass Problem Modeller Bu bölümde badpass problem matematksel ve kombatork modeller verlmştr. Her k modelde de amaç, 0 ve lerde oluşa mx boyutudak herhag br matrstek badpass gruplarıı toplamıı maksmum yapılmasıdır. Fakat modellerdek kısıt sayıları farklıdır Badpass Problem Matematksel Model Bu model Babayev, Bell ve Nuryev tarafıda suulmuştur. x k, y k {0,}, =,, m, =,,, k=,,m, eğer satırı k satırıa yerleştrld se x k 0, aks halde y k, eğer k satırı sütuudak br badpass'ı lk elemaı se 0, aks halde olmak üzere, (2.5..) Burada y k badpassları başlagıç satırlarıı koordatlarıı fade eder ve amaç y k ler toplamıı maksmum yapılmasıdır. m x k k (2.5..2) Kısıtlar: =, =,, m (2.5..2) kısıtı br satırı sadece br satırla yer değştrmes garatler. Buradak kısıt sayısı m adettr. m x k (2.5..3) =, k=,, m (2.5..3) kısıtı br satıra dğer satırlarda sadece br yerleşmes garatler. Buradak kısıt sayısı da m adettr. kb k y,,..., k,..., m B (2.5..4) (2.5..4) kısıtı k badpass ı brbrler le çakışmamasıı garatler. Buradak kısıt sayısı (m-b+) adettr. B y k k B m k a x r r =,,, k m-b + (2.5..5) r, (2.5..5) kısıtı badpassları koordatlarıı belrler. Buradak kısıt sayısı (m-b+) adettr. Bu modelde toplam 2m 2 ( m B ) adet kısıt mevcuttur. EB mb k Amaç Foksyou : y k Badpass Problem Kombatork Model y {0,}, =,,, k=,, k

8 m y ( k), eğer (k) satırı sütuudak br badpass'ı lk elemaı se 0, aks halde, (, 2,, m) elemalarıı permütasyoudur. Eb Z= (2.5.2.) B y ( k ),, 2,..., m (), (2),..., ( m) olmak üzere, Amaç Foksyou : m B k Kısıtlar: k B k a,, y k, =,,, k m-b+ ( ) k B, y, k =,,, k m-b+ ( ) 3. Badpass Problem Karmaşıklık Aalz Badpass Problem karmaşıklık aalze dar araştırmaları lk D.A. Babayev, G.I. Bell ve U.G. Nuryev tarafıda yayımladı. (Babayev et al., 2009) Bu makalede sütu sayısı olmak üzere, 3 ç Badpass Problem NP sııfta olduğu spatladı. Daha sora, G.H. L 200 yılıda, öcek lk spatı eleştrd ve Hamlto Yol Problem Badpass Probleme drgeyerek, Badpass Problem sütu sayısı olmak üzere, 3 ç NP sııfta olduğuu farklı br spatıı yayımladı. G.H. L ve Z. L ye 200 yılıda yayımladıkları makalede üç sütulu Badpass Problem kes çözümüü garat ede polom zamalı br çözüm algortması sudukları ç, öcek makalelerdek şartı 3 olarak gücelledler. Çalışmaı bu bölümüde Badpass Problem NP sııfta olduğua dar ye br spat öerlmştr. Ayrıca problem Güçlü NP olduğu gösterlmştr. Teorem 3.: Badpass Problem NP sııfıdadır. BANDPASS NP Kaıt ç lk olarak BANDPASS taıma problem taımlamıştır. 3.. BANDPASS Taıma Problem KOŞUL: x boyutlarıda, m elemaları 0 veya ola A { a } matrs ve B sayısı verlmştr. Burada matrsde mümkü Bub, A { a } ola tüm badpassları sayısıı üst sıırı olmak üzere L Bub dr. SORU: (,2,..., m ) satırlarıı öyle ( ( ), ( 2),..., ( 3)) permütasyou var mıdır k, matrste oluşa toplam badpass ları sayısı L değerde küçük olması? Ya, NB permütasyo soucu bulumuş badpassları toplam sayısı olmak üzere NB L y sağlaya NB var mıdır? Badpass problem aalz edeblmek ç problem özel hal ola her sütuda adet badpass olma durumuu ye br problem olarak taımlayalım ve bu problem adıa da - Badpass Problem dyelm Badpass Problem -Badpass her sütuuda e çok adet badpass bulua A matrsler

9 çerldğ problem sııfıı fade etmektedr. Ya bu sııftak A matrsler her sütuudak ler sayısı 2B de azdır. Böylelkle, -BANDPASS BANDPASS yazablrz. Açıktır k -Badpass Problem NP- sııfta olduğuu spat edlrse Badpass Problem de NP olduğu spat edlmş olur. -Badpass Problem NP lığıı spat edeblmek ç bu problem taıma versyouu taımlamak gerekr BANDPASS Taıma Problem KOŞUL: x boyutlarıda, m elemaları 0 veya ola A { a } matrs ve B ve L sayıları verlmştr, burada A matrs her sütuudak ' ler sayısı 2B de azdır ( 2B ) ve L. SORU: (,2,..., m ) satırlarıı öyle ( ( ), ( 2),..., ( 3)) permütasyou var mı k, matrste oluşa toplam badpass ları sayısı L de küçük olması? Ya, NB permütasyo soucu bulumuş badpassları toplam sayısı olmak üzere, NB L y sağlaya NB var mıdır? Badpass Problem NP-Tamlığıı YENİ Br İspatı Bölüm 3.2 ye göre, br problem NP taıma versyouu lığı spatlaırsa esas problem de NP lığı spatlamış olur. Açıktır k, -BANDPASS NP dr. Çükü herhag br permütasyouu problem koşullarıı sağlayıp sağlamadığıı ( m) kotrol edeblrz. şlem le Eğer Badpass Problem, NP olduğu ble br problem şeklde gösterleblrse Badpass Problem NP olduğu da spatlamış olacaktır. Bu amaca ulaşablmek ç 970 te Cook tarafıda NP- olduğu spatlaa TATMİNEDİLEBİLİRLİK Problem ve 3-TATMİNEDİLEBİLİRLİK Problem ele alalım. (Cook, 97) TATMİNEDİLEBİLİRLİK Problem KOŞUL: U { u, u,..., u u {0,},.. } 2 C c c c 2... m c v v.. v.... m 2 k u u matık değl alamıda kullaılacaktır. Ayrıca veya v u alıacaktır. SORU: v u u var mıdır k C olsu? TATMİNEDİLEBİLİRLİK Problem başka br fadeyle şöyle de taımlaablr: KOŞUL: U boole değşkeler kümes ve C U da verlmş br boole fade olsu. SORU: C fades tatm edleblr m? Ya değşkeler öyle değer var mı dır k C olsu? Problem sözel olarak Br boole fades matıksal değşkelere ataa değerlerle e eştlep eştleemeyeceğ bulmak olarak söyleeblr. İfade değer alırsa tatm edleblr, 0 değer alırsa tatm edlemez der TATMİNEDİLEBİLİRLİK Problem

10 3-TATMİNEDİLEBİLİRLİK Problem, TATMİNEDİLEBİLRİLİK Problem özel br haldr ve sııftadır. KOŞUL: 2 NP U { u, u,..., u u {0,},.. } C c c2... c.. m c 3 c v v v olsu? SORU : k 2 3 u var mıdır k C 3-TATMİNEDİLEBİLRİLİK Problemde C fades açık şeklde aşağıdak gb yazablrz: C c c2... c u u2 u3 u u2 u3... u u2 u3 Yukarıda bahsedle - BANDPASS Taıma Problem ç matık fades Deklem de aşağıdak gb olur. u a a... a B, 2,, u2 a 2, a 3,... a B,.. umb a mb, a mb2,... a m, u ler m B 3 olduğua göre soucu fade aşağıdak şekle döüşecektr; u3 a 3, a 4,... a m, Bezer şeklde aşağıdakler de yazablrz; 2 u a,2 a 2,2... a B,2. 2 u3 a 3,2 a 4,2... a m,2.. u a, a 2,... a B,.. u 3 a 3, a 4,... a m, Burada da; A matrs = a a... a ] [ a 3, 4,, a, a m,2 B,2 a a... a a a 2,2 3,2,2 3, a,2,2 ] B m [ a a... a, 2,, a 2 a, 3... a B, B, [ a a... a, 2,, a 2 a, 3... a B, B, a a... a ] 3, 4, m, elde edlr. Böylelkle -Badpass Problem L ve m B 3 olduğuda 3- TATMİNEDİLEBİLİRLİK problem gb gösterleblr. 3-TATMİNEDİLEBİLİRLİK NP olduğu ç - BANDPASS NP olur. Burada da BANDPASS NP olduğu spatlamış olur. Teorem 3.2: Badpass Problem Güçlü NP dır. BANDPASS Güçlü NP Teorem spatı Badpass Problem sayısal parametrel olmamasıda dolayı amlamış olur. 4. Badpass Problem Çözüm Algortmaları Badpass Problem ve lk matematksel model D.A. Babayev ve C.I. Bell tarafıda 2004 yılıda suulmasıı ardıda br çok araştırmacı problem çözüm algortması üzerde çalışmalar yapmıştır ve yapmaya da devam etmektedr yılıda D.A. Babayev, C.I. Bell ve U.G. Nuryev yayımladıkları makalede, Badpass Problem ç, sütu sayısıı (ya hedef oktaı sayısıı) 2 ye eşt olması durumuda polom zamada kes çözümü garat ede br çözüm algortması le sütu sayısıı 2 de fazla olması durumuda kes çözümü garat etmeye br çözüm algortması sumuşlardır. Ayrıca gelştrdkler matematksel model, Badpass İteret

11 Kütüphaesde yer ala problem örekler ç sayılı doğrusal programlama çözücüsü CPLEX-NEOS makesde test etmşlerdr. Kaada Alberta Üverstes de G.H. L, sütu sayısıı 3 e eşt olması durumuda 2009 yılıda yayımladığı makale le öerdğ kes çözümü garat etmeye satır sıralama algortması ı, satır kombasyoları özel durumlarıa göre yede aalz ederek gelştrmş ve 200 yılıda Z. L le brlkte üç sütulu Badpass Problem kes çözümüü polom zamalı olarak ürete br çözüm algortması yayımlamıştır. Hollada Katholeke Üverstes de Mustafa Mısır çözüm algortması ç Hyper- Heurstc yaklaşımlar üzerde, Ortadoğu Tekk Üverstes de Göktürk Üçoluk se geetk algortmalar üzerde çalışmıştır. M.E. Berberler ve A. Gürsoy 200 yılıda yayımladıkları bldrde geetk yaklaşımla gelştrle br çözüm algortması sumuşlardır. Bu bölümde lk olarak saydığımız bu çözüm algortmalarıı kısa özet suulacak, daha sora da kes çözümü garat etmeye ye br çözüm algortması öerlecektr. 4.. Kes Çözüm Algortmaları 4... İk Sütulu Badpass Problem Çözüm Algortması İlk olarak D.A Babayev, G.I. Bell ve U.G. Nuryev tarafıda 2009 yılıda suulmuştur. Bu algortmada k sütulu Badpass Problem muhtemel satır alteratflerde hareket edlmştr. İk sütulu br Badpass Problem satırları ç 4 farklı alteratf vardır: (0,0), (0,), (,0) ve (,). Bu oktada (0,0) bçmdek satırı herhag br değer olmadığıda göz ardı edleblr. Problem kes çözümü ç dğer üç farklı alteratf, brbr ayı ola tüm satırlar ardışık olacak bçmde aşağıdak sırada yerleştrlmes öerlmştr: (,0) - (,) - (0,) Böylece, her k sütuda da yer ala tüm ler ardışık olması garat edldğde bu sıralama algortması kes çözüm vermektedr Üç Sütulu Badpass Problem Çözüm Algortması Üç sütulu Badpass Problem ç kes çözümü vere algortma lk olarak G.H. L ve Z. L tarafıda suulmuştur. G.H. L, 2009 yılıda üç sütulu Badpass Problem hakkıda yayımladığı lk makalesde, üç sütu ç muhtemel (0,0,0), (0,0,), (0,,0), (0,,), (,0,0), (,0,), (,,0) ve (,,) satırlarıı, brbr ayı ola tüm satırlar ardışık olacak bçmde aşağıdak sırada yerleştrlmes öermştr: (0,0,) - (0,,) - (0,,0) - (,,0) - (,,) - (,0,) - (,0,0) Bu sıralama B 2 ç kes çözümü garat ede fakat 3 B ç kes çözümü garat etmeye br sıralamadır. Burada ye, herhag br etks olmadığıda (0,0,0) alteratf hmal edleblrdr. Dkkatl olarak celedğde bu sıralama le, aslıda lk k sütu ç, bu sütularda yer ala tüm ler ardışık olması sağladığıda, lk k sütuda herhag br B değer ç muhtemel tüm badpassları oluşturulduğu garat edlmektedr. Soru so sütuda kayaklamaktadır. Öte yada G.H. L, bu sıralama le k farklı souç türetlebleceğ, bularda br tüm sütularda oluşturulablecek maksmum badpass sayısı olacağıı, dğer de maksmum badpass sayısıda eksk olacağıı dda etmştr. Bu makalede bu muhtemel k farklı souç yüzüde kes çözümü garat etmemştr. Bu doğrultuda hareket ede G.H. L ve Z. L, daha öce suula satır sıralama algortmasıda yola çıkarak, farklı satır tpler sayısıa, bu sayıı verle B sayısıa bölümüde elde edle kalaa ve bu durumları başka alt durumlarıa göre celemeler yapmışlardır. Bu celemeler etcesde,

12 her br alt durum ç muhtemel 7 farklı satır versyouu, brbr ayı olalar baze ardışık baze de ardışık olmayacak bçmde sıralamakla elde edle ve kes çözümü vere br çözüm algortması sumuşlardır NEOS Çözümler D.A Babayev, G.I. Bell ve U.G. Nuryev Badpass Problem ç hazırladıkları matematksel model, Bölüm 7 de taıtıla problem örekler doğrultusuda geellkle Dal-Sıır tekğ kullaa sayılı doğrusal programlama çözücüsü CPLEX-NEOS makelerde test etmşlerdr. Problemler ç 2.66GHz Itel Quads şlemcye sahp üç make çalıştırılmıştır. (Czyzyk, et al, 998; Dola, 200; Gropp ad More, 997) Bu oktada bazı örekler ç optmal souçlar bulumuş bazı örekler çse sstem yöetcler tarafıda 0 saat süre sıırladırmalı ayarlaa makelerde optmal souç elde edlememştr. Tablo de bazı örekler ç elde edle souçlar lstelemektedr: Problem Satır Sütu NEOS B Sayısı Sayısı Souç AB A2B A3B A6B A7B A7B A8B A0B A0B Tablo NEOS Makelerde Elde Edle Souçlar 4.2. Yaklaşık Çözüm Algortmaları 4.2..Üçte Çok Sütulu Badpass Problem Çözüm Algortması İlk olarak D. A. Babayev, G.I. Bell ve U.G. Nuryev tarafıda suula ve kes çözümü garat etmeye polom zamalı br algortmadır. Algortma, m satır sayısı olmak üzere, m aşamada m satırda ye br sıra oluşturmaktadır. Her br aşamada, daha öcede sıraya yerleştrlmemş fakat yerleştrldğde tüm sütular düşüüldüğüde badpass oluşturma veya daha fazla badpass oluşturma olasılığı daha yüksek (Öreğ, e so eklee satırı br sütuuda ola hücreler arkasıa ardışığı ola br satır eklemesyle badpass oluşturma olasılığı yükselr) ola br satır seçlr ve sıraya kour Temel Algortma ç Ö Taımlar Taım Skor Vektörü: Bleşeler egatf sayı olmaya boyutlu ( s,..., s,... s ) vektörüdür. s, sütuuda so eklee satıra kadar yerleşmş satırları hücrelerdek ardışık ler sayısıı tutar. Bu değer, B değere eşt olduğuda ya da ye eklee br satır le ardışık sırası bozulduğuda sıfırlaır. Taım Yerleşe Satır Kümes: R, A matrsde yerleşe l satırları kümesdr. Başlagıçta boş kümedr. Elema sayısı satır sayısıa eşt olduğuda algortma solaır. Taım Sütu Kümes: J { s a B} le taımlaa Rl kümedr. Yerleştrlmemş br satırı yerleştrldğde badpass oluşturablecek hücreye sahp ola sütuları kümesdr. Taım Alık Skor: s, a se olmak üzere r 0, a 0 se r le taımlamıştır. J Temel Algortma

13 Adım : Başlagıçta tüm satırlar celer ve tüm elemaları 0 ola satırlar çıkartılır. İlk satır olarak e çok çere satır seçlr ve R kümese ekler. s l skor vektörü taımlaır. Tüm sütular J kümese alıır. Adım 2: Eğer s a B Rl varsa umaralı sütu J kümesde çıkarılır. Bu adım ye br badpass oluşma olasılığı ola sütuları eler. Adım 3: R elemaı olmaya tüm satırlar ç alık skor hesaplaır. Adım 4: E yüksek alık skora sahp satır seçlr ve R kümese dahl edlr. Ya bu satır sıralaır. Adım 5: Skor Vektörü, eklee so satır ç güceller. Adım 6: Eğer R elema sayısı satır sayısıa eştledyse algortma solaır, eştlemedyse Adım 2 ye ger döülür ve devam edlr. Bu algortmaı, başlagıç satırıı tüm satırlarıı başlagıç satırı olarak seçlmesyle ya da sütuları farklı sıralamalar le yede düzelemesyle k farklı versyou daha öerlmştr Geetk Yaklaşımla Üretle Çözüm Algortması M.E. Berberler ve A. Gürsoy, yapısal olarak, uygu br satır sıralaması araması bakımıda Gezg Satıcı Problem e bezeye Badpass Problem teret kütüphaesde yer ala örekler üzerde geetk olarak celemşlerdr. Çalışmalarıda çaprazlama, k ve ç okta mutasyou yötemleryle hesaplamalarda bulumuşlardır. Kayak matrs olarak doğruda kütüphaede verle örekler değl bu örekler Bölüm de suula algortma etcesde elde edle çözüm matrsler kullamışlardır ve heme hepsde yleştrme sağlamışlardır. l l Üçte Çok Sütulu l Badpass Problem ç YENİ Br Çözüm Algortması Öers Temel Algortma İç Ö Blgler Taım Serbestlk Dereces: Herhag br sütudak tüm badpasslar seçldkte sora o sütuda gerye kala sıfırda farklı elemaları sayısıa, o sütuu serbestlk dereces der. Taım Değer Foksyou: Sıfırda farklı elemaları seçmek ç bu sütuu üstülük dereces belrler Temel Algortma (0) Adım 0: t=0, = B, q 0 = 0 m = a (0) m a =, =, m, =,, =, p = B - (mod B) (0) (0) (0) (0) (0) s = s,, s,, s( ) = (0) (0) (0) (0) 0,,0 d = d,, d,, d = 0,,0 Burada ( k), p ( k), s ( k), d ( k) uygu olarak k-ıcı terasyoda - c sütudak: (k ) - Sütudak sıfırda farklı elemaları sayısı. (k ) p - Serbestlk dereces ters. (k ) s - Sütuda arka arkaya sıfırda farklı elemaları sayısı. (k ) d - Değer foksyou. Adım : (0) p büyük ola sütu (0) seçlr. E büyük p değer brkaç sütu ç ayı se lk sütu sırada

14 rastgele seçlr. Bu sütuda elemaları sıfırda farklı ola satırlarda e = arg m, m ola satır seçlr. e değer brkaç satır ç ayı olursa, bu satırlarda sırada rasgele br satır seçlr. Sorak adımlarda bu satırlarda e değer yede hesaplaır. Böylelkle, ya e e R satırı le seçlr. Adım k, k=2,6,0,,2+4(m-2): Aşağıdak () - (8) formüller le seçlmş e satırıa göre s,, p, d foksyolarıı ye değerler hesaplaır: s ( t) ( t) s, f ae 0, f ae 0., () Eğer s B s 0, ( t) ( t), (2) d ( t) ( t), f ae ( t), f ae 0, (3) ( t) ( t) ( t ) t ( t) ( t ) d ( m / ( B s )) ( / m ) ( m / ( p )), f s 0 ( t) 0, f s 0., (4) ( t) Sıfırda farklı ( d ) ler azala sırada sıralaır: ( t) d d ( t) 2 d s ( t), d d L L L2 d 0, (6) ( t ) Eğer p B p t (7) Eğe ( t) ( t) ( t) s 0 & B p B (8) Adım (k+): Aşağıdak (9)-(0) formüller le seçlmemş R satırları ç hesaplaır: r ve - ye değerler ( t) t d p, f a r = 0, f a 0. e e s, (9) = r = { k = Adım (k+2): arg max k0, q }, k= 0, L k { q } e arg m { R s R s = e k k } (0) Adım (k+3): Eğer R \ R s = SON Aks halde t = t + Adım k 5. Badpass Problem İteret Kütüphaes 5.. İteret Kütüphae Sayfası k qk d, k, L ( t ) p = p p ( t) t, f a, f a e e 0 (5)

15 Badpass problem gerek ye br problem olması gerekse gelştrmeye açık yöler olması edeyle br çok araştırmacıı lgs çekmektedr. Tab olarak e yy bulma arzusudak araştırmacıları ked çalışmalarıı mevcut yötemlere göre değerledreblmes de gerekmektedr. Bu bakımda kouyla lglee tüm araştırmacıları ayı örek problemler üzerde deemelerde buluması oldukça faydalı olacaktır. Bu doğrultuda ortak br kayağa duyula htyaç açıktır. Çevrmç Badpass Kütüphaes, problem le lglee blm adamlarıı çalışmalarıı test ederek gerektğde dğer blm adamlarıyla letşm kurması ve problem le lgl gelşmeler lgllere duyurulması amacıyla Ege Üverstes Fe Fakültes Matematk Bölümü teret stes büyesde kurulmuştur. Kütüphaeye emslbrary/ adresde erşleblmektedr. Kütüphae yayı dl İglzcedr. Grş sayfası ekra görütüsü aşağıdak gbdr. Resm 5... : Kütüphae grş sayfası ekra görütüsü Grş sayfasıda stede yer ala bölümlerle lgl blgler verlmektedr. Kütüphae beş bağlatıda oluşmaktadır: Badpass Problem, Problems & Solutos, People, Refereces, Cotact Us. Grş sayfasıa, sorada, alt bağlatıları üzerdek mav zemde yer ala Badpass Problem Lbrary bölümüe tıklayarak erşlmektedr. BadPass Problem bağlatısıyla ulaşılablmektedr, Badpass problem taıtılmakta ve matematksel modellemes verlmektedr. Ayrıca zyaretçler bu bölümü Ms Word dosyası olarak da blgsayarlarıa kopyalayablmektedrler. Resm : Badpass Problem bağlatısı ekra görütüsü Problems & Solutos bağlatısı se k alt bölümde oluşmaktadır: Best Kow ve Optmal. Resm : Optmal ve Best Kow Bağlatıları Optmal bağlatısıda kes çözümler ble problem örekler; Best Kow bağlatısıda se e y çözümü ble problem örekler zyaretçler tarafıda tem edleblmektedr. Her k bölümde de MS Excel formatıda 45 er tae farklı problem öreğ yer almaktadır. Bu bağlatılara tıkladığıda Resm 5..4 te görüle sayfalara erşlmektedr. Resm : Optmal ve Best Kow Sayfaları Ekra Görütüler Bu bağlatılara erşldğde satır sayısı, sütu sayısı, Badpass geşlğ,

16 matrstek değer oraı, ble kes (optmal bağlatısı ç) veya e y (best kow ç) çözümüü br tablo le lstelee problem örekler görülmektedr. Zyaretçler kopyalamak stedkler problem öreğ satırıdak Excel bağlatısıa tıklayarak lgl dosyayı blgsayarlarıa kopyalayablmektedrler. Ayrıca her br satırda Applcato sütuuda o satıra at Excel dosyasıı kaç defa kopyaladığı tutulmaktadır. Buradak dosyaları çerkler Bölüm 5.2 de detayladırılmıştır. People bağlatısıda problemle lglee blm adamlarıa yer verlmştr. belrledğmz satır sayısı, sütu sayısı, badpass umarası ve matrstek ler yoğuluk oraı grdler doğrultusuda hazırlamıştır. Pascal dlde yazıla br program le stee şartlarda her br sütuda e çok badpass oluşturulacak bçmde br matrs oluşturulmuş ve oluşturula bu matrs rastgele sırada sıralaarak (optmal hal bozularak) problem örekler üretlmştr. Best Kow bağlatısıda verle problem örekler se ye verle satır sayısı, sütu sayısı, badpass umarası ve ler yoğuluk oraı doğrultusuda optmal soucu verecek bçmde değl, rastgele oluşturulmuştur. Optmal souçları blmemektedr. Araştırmacıları bu matrslerle lgl yolladığı çözüm matrsler etcesde bu dosyalar yeleeblmektedr. Resm 5..4.: People Ekra Görütüsü Refereces bağlatısıda Badpass Problem kou ala ve blmsel derglerde yayımlaa makalelere yer verlmştr. Cotact Us bağlatısıda se gerek problemle ve stedek matematksel dokümalarla lgl görüşler letlmes ç gerekse çevrmç kütüphaedek sayfa sorularıı letlmes ç gerekl e-posta adresler duyurulmuştur. 5.2.KütüphaeProblem Örekler Badpass Problem Çevrmç Kütüphaesde problem örekler Ms Excel dosyası formatıda yer almaktadır. Best Kow ve Optmal başlıkları altıda 45 er tae farklı problem öreğ paylaşılmıştır. Optmal bağlatısıdak problem öreklerde verle toplam Badpass sayıları ulaşılması hedeflee kes çözümlerdr. Bu problem örekler Resm 5.2..: Optmal Matrs Problem Öreğ Ekra Görütüsü Resm 5.2. de de görüldüğü gb, OS (Optmal Soluto) problem öreğ Ms Excel dosyası açıldığıda, sol kısımda satır ve sütu umaraları sarı rek le rekledrlmş kayak örek yer almaktadır. Bu matrs heme üzerde lgl matrs satır sayısı, sütu sayısı, badpass umarası ve matrstek ler oraı yer almaktadır. Ekraı sağ kısmıda satır ve sütu umaraları turkuaz rek le rekledrlmş matrs se optmal çözümü buluduğu satır dzlm yer almaktadır. Heme üzerde de bu optmal çözüm yazılmıştır. Ayrıca matrs üzerde mav çerçeve le

17 oluşa badpasslar gösterlmştr. Oluşturula örekler çözümü öce bldk yötemlerle hesaplamıştır. Daha sora problem çözümüe lşk ye br algortma gelştrlmş, gelştrle bu ye algortmaı souçları dğer yötemlerle karşılaştırılmış, daha y souçlar verdğ görülmüştür. Öümüzdek süreçte problem ye örekler oluşturulması ve geetk yötemlerle çözüm algortmasıı gelştrlmes hedeflemektedr. Kayaklar Resm : Best Kow Matrs Problem Öreğ Ekra Görütüsü Resm de de görüldüğü gb, BKS (Best Kow Soluto) problem öreğ Ms Excel dosyası açıldığıda, sol kısımda satır ve sütu umaraları sarı rek le rekledrlmş kayak örek yer almaktadır. Bu matrs heme üzerde lgl matrs satır sayısı, sütu sayısı, badpass umarası ve matrstek ler oraı yer almaktadır. Ekraı sağ kısmıda satır ve sütu umaraları turkuaz rek le rekledrlmş matrs se ble e y çözümü buluduğu satır dzlm yer almaktadır. Heme üzerde de bu ble e y çözüm yazılmıştır. Ayrıca matrs üzerde mav çerçeve le oluşa badpasslar gösterlmştr. 6. Souç Bu çalışmada, letşm ağlarıı daha verml br bçmde hzmet vermes amacıyla gelştrle DWDM tekğ ele alımıştır. Verler letlmes sürec matematksel olarak modellemştr. İlgl matematksel model problem özel örekler oluşturulmuş ve teret kütüphaesde yayımlamıştır. Model karmaşıklık aalz yapılmış ve Np- olduğu spatlamıştır. [] Aarts, E. ad Lestra, J. K., 997, Local Search Combatoral Optmzato, Joh Wley & Sos, Lodo, 52p. [2] Babayev, D. A., Bell, G. I. ad Nuryev, U. G., 2009, The Badpass Problem, Combotarla Optmzato ad Lbrary of Problems, J Comb Optm Vol 8, 5-72p. [3] Babayev, D. A., Nuryev, U. G., Bell, G. I., Berberler, M. E., Kutucu, H., Gürsoy, A. ad Kurt, M., 2008, Mathematcal Modellg of a Telecommucato Packg Problem ad a Heurstc Approach for Fdg a Soluto, Iteratoal Coferece o Cotrol ad Optmzato wth Idustral Applcatos, Baku, Azerbaa, Jue 2-4, 44p. [4] Babayev, D. A., Bell, G. I., Nuryev, U. G., Kurt, M., Berberler, M.E. ad Gürsoy, A., 2007, Lbrary of Badpass Problems. ~math/badpassproblemslbrary/ (So erşm Tarh: ) [5] Babayev, D. A., Nuryev, U. G., Berberler, M. E. ve Kurt, M., 2007, Badgeçş (Badpass) Problem Üzere, Yöeylem Araştırması ve Edüstr Mühedslğ XXVII Ulusal Kogres, Dokuz Eylül Üverstes, İzmr, 2 4 Temmuz.

18 [6] Babayev, D. A., Nuryev, U. G. Ad Berberler, M. E., 2007, Complexty Aalyss of Badpass Problem, II Turksh World Mathematcs Symposum, Sakarya, 4-7 July. [7] Babayev, D. A. ad Bell, G., 2004, Badpass Problem, Aual INFORMS Meetg, October, Dever, CO, USA. [8] Bakır, M. A. ve Altukayak, B., 2003, Tamsayılı Programlama: Teor, Modeller ve Algortmalar, Nobel Yayı Dağıtım, Akara, 630s. [9] Berberler, M. E. ad Gürsoy, A., 200, Geetc Algorthm Approach for Badpas Problem, Proceedg of the 24-th M Euro Coferece o Cotuous Optmzato ad Iformato-Based Techologes the Facal Sector (MEC EurOPT 200), Jue 23 26, Izmr, TURKEY, p. [0] Cheug, N. K., Nosu, G. ad Wzer, G., 990, Specal Issue o Dese WDM Networks, IEEE JSAC, Vol 8, August. [] Cook, S. A., 97, The Complexty of Theorem Pprovg Procedures, Aual ACM Symposum o Theory of Computg, 5 58p. [2] Corme, T. H., Leserso, C. E., Rvest, R. L. ad Ste, C., 200, Itroducto To Algorthms, The MIT Press, Cambrdge, 80p. [3] Cura, T., 2008, Moder Sezgsel Tekkler ve Uygulamaları, Papatya Yayıcılık, İstabul, 78s. [4] Czyzyk, J., Meser, M. ad Moré, J., 998, The NEOS Server, IEEE J Comput Sc Eg 5, 68 75p. [5] Çölkese, R., 2002, Ver Yapıları ve Algortmalar, Papatya Yayıcılık, İstabul, 328s. [6] Dese wavelegth dvso multplexg, Crcuts ad Systems, 200, Tutoral Gude ISCAS, The IEEE Iteratoal Symposum, 6-9 May, p. [7] Dola, E., 200, The NEOS Server 4.0 Admstratve Gude, Techcal Memoradum ANL/MCS-TM-250, Mathematcs ad Computer Scece Dvso, Argoe Natoal Laboratory, May, İstabul. [8] Garey, M. R. ad Johso, D. S., 979, Computers ad Itractablty: A Gude to the Theory of NP-Completeess, W.H. Freema ad Compay, Sa Fracsco. [9] Gass, S. I. ad Assad, A. A., 2004, A Aotated Tmele of Operatos Research: A Iformal Hstory, Iteratoal Seres Operatos Research & Maagemet Scece, Vol. 75, Sprger. [20] Ge, M., 2006, Geetc Algorthms ad Ther Applcatos, Sprger Hadbook of Egeerg Statstc, Sprger Lodo, p. [2] Glover, F. ad Lagua, M., 997, Tabu Search, Kluwer Academc Publshers, Bosto, 82p. [22] Goralsk, W. J., 997, A Gude to Sychroous Optcal Networks, Seres o Computer Commucatos, McGrow- Hll, New York, 484p. [23] Gropp, W. ad Moré, J., 997, Optmzato Evromets ad The NEOS Server., Buhma MD, Iserles A Approxmato Theory ad Optmzato. Cambrdge Uversty Press, Cambrdge, 67 82p. [24] Harbour, J. S., 2008, Vsual Basc Game Programmg for Tees Secod Edto, Thomso Course Techology, Cambrdge, Lodo, 40p.

19 [25] Jourda, A., Bakht, F., Bruyere, F., Chbat, M. W., Charo, D., Dro, C., Eleberger, G. J., Garot, M., Masett, F., Perrer, P.A. ad Reaud, M., 998, Key Buldg Blocks for Hgh- Capacty WDM Photoc Trasport Networks, IEEE Joural o Selected Areas Commucatos, Vol 6, No 7, September, p. [26] Kamov, I. P., Doerr, C. R. ad Dragoe, C., 996, A Wdebad All Optcal WDM Network, IEEE JSAC/JLT 4(5): p. [27] L, G. H., 2009, O the Badpass Problem. Joural of Combatoral Optmzato, Acceptedad publshed ole frst, Do: 0.007/s [28] L, G.H. ad L, Z., 200, The Three Colum Badpass Problem s Solvable Lear Tme, Theoretcal Computer Scece, Acceptedad publshed o-le frst. Do: 0.06/.tcs [29] McCoell, J. J., 200, Aalyss of Algorthms: A Actve Learg Approach, Sudbury, Joes ad Bartlett Publshers, 45p. [30] Nabyev, V. V., 2009, Teorde Uygulamalara Algortmalar, Seçk Yayıcılık, Akara, 824s. [3] Nemhauser, G. L. ad Woolsey, L. A., 998, Iteger ad Combatoral Optmzato. Wley, New York, 763p. [32] Nosu, K. L. ad O Mahoy, M. J., 994, Specal Issue o Optcally Multplexed Networks, IEEE Commucatos Magaze, Vol 32, December [33] Nuryev, U. G. ad Kurt, M., 2008, Badpass Problem ad SıralaMatk Computer Game, Secod Iteratoal Computer ad Istructoal Techologes Symposum, İzmr, 6-8 Aprl. [34] Nuryev, U. G. ve Kutucu, H., 2007, Badgeçş (Badpass) Problem Matematksel Modellemes Üzere, Yöeylem Araştırması ve Edüstr Mühedslğ XXVII Ulusal Kogres, Dokuz Eylül Üverstes, İzmr, 2-4 Temmuz. [35] Nuryev, U. G., Gürsoy, A. ve Berberler, M. E., 2007, Batgeçş (Badpass) Problem Çözmek ç Heurstk Br Algortma, Yöeylem Araştırması ve Edüstr Mühedslğ XXVII Ulusal kogres, Dokuz Eylül Üverstes, İzmr, 2 4 Temmuz [36] Nuryev, U. G., Kutucu, H. ad Kurt, M., 200, Mathematcal Models of the Badpass Problem ad OrderMatc Computer Game, Mathematcal ad Computer Modellg, Do:0.06/.mcm [37] Papadmtrou, C. H. ad Stegltz, K., 998, Combatoral Optmzato: Algorthms ad Complexty, Dover Publcatos Ic., New York, 496p. [38] Ramaswam, R. ad Svaraa, K. I., 998, Optcal Networks, A Practcal Perspectve, Morga Kaufma, Sa Fracsco, 632p. [39] Yag, Y. ad Wag J., 2004, Desgg WDM Optcal Itercoects wth Full Coectvty by Usg Lmted Wavelegth Coverso, IEEE Trasactos o Computers, Vol 53, No 2, December [40] Zak, D., 999, Programmg wth MS Vsual Basc 6.0, Thomso Course Techology, Cambrdge, Lodo, 843p. [4] Wedy, Z., 998, Advaced MS Vsual Basc 6.0 Secod Edto, Mcrosoft Press, Redmod, WA, USA, 830p. [42] Woolsey, L. A., 998, Iteger programmg. Wley, New York, 264p.

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

Detaylı

Bir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm

Bir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm Br Alışverş Merkezde Hzmet Sektörü Đç E Kısa Yol Problem le Br Çözüm Pıar Düdar, Mehmet Al Balcı, Zeyep Örs Yorgacıoğlu Ege Üverstes, Matematk Bölümü, Đzmr Yaşar Üverstes, Matematk Bölümü, Đzmr par.dudar@ege.edu.tr,

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

Zaman Skalasında Box-Cox Regresyon Yöntemi

Zaman Skalasında Box-Cox Regresyon Yöntemi Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ EĞİLİM ÖLÇÜLERİ MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

Quality Planning and Control

Quality Planning and Control Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam

Detaylı

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı

AES S Kutusuna Benzer S Kutuları Üreten Simulatör

AES S Kutusuna Benzer S Kutuları Üreten Simulatör AES S Kutusua Bezer S Kutuları Ürete Smulatör M.Tolga SAKALLI Trakya Üverstes Blgsayar Mühedslğ tolga@trakya.edu.tr Erca BULUŞ Trakya Üverstes Blgsayar Mühedslğ ercab@trakya.edu.tr Adaç ŞAHİN Trakya Üverstes

Detaylı

İŞLETMELERDE DAĞITIM SİSTEMİ MALİYETLERİ MİNİMİZASYONU İÇİN ÇÖZÜM MODELİ: BİR FİRMA UYGULAMASI

İŞLETMELERDE DAĞITIM SİSTEMİ MALİYETLERİ MİNİMİZASYONU İÇİN ÇÖZÜM MODELİ: BİR FİRMA UYGULAMASI İŞLETMELERDE DAĞITIM SİSTEMİ MALİYETLERİ MİNİMİZASYONU İÇİN ÇÖZÜM MODELİ: BİR FİRMA UYGULAMASI Ahmet ERGÜLEN * Halm KAZAN ** Muhtt KAPLAN *** ÖZET Arta rekabet şartları çersde karlılıklarıı korumak ve

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir. YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

1. GAZLARIN DAVRANI I

1. GAZLARIN DAVRANI I . GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 Đstatistik Teorisi I Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller

Detaylı

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras

RANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras RANKI OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI Reports Of Free Groups Otomorfzm Rak Le Algebras Özge ÖZTEKİN Matematk Aa Blm Dalı Name EKİCİ Matematk Aa Blm Dalı ÖZET Bu çalışmada,

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)

Detaylı

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 9 Sayı: 1 s. 1-7 Ocak 2007 HİDROLİK PROBLEMLERİNİN ÇÖZÜMÜNDE TAŞIMA MATRİSİ YÖNTEMİ DEÜ MÜHENDİSLİK FAKÜLESİ FEN ve MÜHENDİSLİK DERGİSİ lt: 9 Sayı: s -7 Ocak 7 HİDROLİK PROBLEMLERİNİN ÇÖÜMÜNDE AŞIMA MARİSİ YÖNEMİ (MEHOD OF RANSFER MARIX O HE ANALYSIS OF HYDRAULI PROBLEMS) Rasoul DANESHFARA*,

Detaylı

Yüksek Mertebeden Sistemler İçin Ayrıştırma Temelli Bir Kontrol Yöntemi

Yüksek Mertebeden Sistemler İçin Ayrıştırma Temelli Bir Kontrol Yöntemi Yüksek Mertebede Sstemler İç Ayrıştırma Temell Br Kotrol Yötem Osma Çakıroğlu, Müjde Güzelkaya, İbrahm Eks 3 Kotrol ve Otomasyo Mühedslğ Bölümü Elektrk Elektrok Fakültes İstabul Tekk Üverstes,34369, Maslak,

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes

Detaylı

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere

Detaylı

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2 l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı

Detaylı

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun: Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

Detaylı

Tarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim.

Tarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim. 6..27 Tarhl Mühedslk ekooms fal sıavı Süre 9 dakka Sıav Saat: Sıav süresce görevllere soru sormayı. Başarılar dlerm. D: SOYD: ÖĞRENCİ NO: İMZ: Tek ödemel akümüle değer faktörü Tek ödemel gücel değer faktörü

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ DEÜ MÜHENDİSLİK FAKÜLTESİ FEN BİLİMLERİ DERGİSİ Clt: 2 Sayı: 3 sh 87-02 Ekm 200 VOLTERRA SERİLERİ METODU İLE DOĞRUSAL OLMAYAN SİSTEMLERİN FREKANS BOYUTUNDA ANALİZİ İÇİN NET TABANLI ARAYÜZ TASARIMI (DESIGN

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei

Detaylı

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )

Detaylı

BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLASILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMASI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI*

BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLASILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMASI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI* BİR KARMAŞIK SİSTEMİN GÜVENİLİRLİK BLOK DİYAGRAMI İÇİN OLILIK YOĞUNLUK FONKSİYONUNUN OLUŞTURULMI VE İSTATİSTİKSEL GÜVENİLİRLİK HESAPLAMALARI* Costructo O Probablty Desty Fucto For The Relablty Block Dagram

Detaylı

İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455

İleri Teknoloji Bilimleri Dergisi Journal of Advanced Technology Sciences ISSN:2147-3455 İler Tekoloj Blmler Dergs Joural of Advaced Techology Sceces ISSN:47-3455 GÜÇ SİSTEMLERİNDE HARMONİKLERİN KRİTİK DEĞERLERE ETKİSİ Yusuf ALAŞAHAN İsmal ERCAN Al ÖZTÜRK 3 Salh TOSUN 4,4 Düzce Üv, Tekoloj

Detaylı

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * Fteess Codtos For Soe Segroup Fales ad Costructos ad Effcecy Basr ÇALIŞKAN Mateatk Aabl Dalı Hayrullah AYIK Mateatk Aabl Dalı ÖZET

Detaylı

BETONARME YAPILARIN DEPREM PERFORMANSININ DEĞERLENDİRİLMESİ. M.Emin ÖNCÜ 1, Yusuf CALAYIR 2

BETONARME YAPILARIN DEPREM PERFORMANSININ DEĞERLENDİRİLMESİ. M.Emin ÖNCÜ 1, Yusuf CALAYIR 2 BETONARME YAPILARIN DEPREM PERFORMANSININ DEĞERLENDİRİLMESİ M.Em ÖNCÜ, Yusuf CALAYIR ocume@dcle.edu.tr, ycalayr@frat.edu.tr Öz: Çalışmada, betoarme yapıları Türk Deprem Yöetmelğde (ABYYHY,998) verle talep

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA

Detaylı

Filbert Matrislerinin Normları İçin Alt ve Üst Sınırlar. The Upper and Lower Bounds For Norms of Filbert Matrices

Filbert Matrislerinin Normları İçin Alt ve Üst Sınırlar. The Upper and Lower Bounds For Norms of Filbert Matrices lert Matrsler Normları İç lt ve Üst Sıırlar Sülema Demrel Üverstes B Türe E Sarııar e Blmler Esttüsü Dergs - (00 - lert Matrsler Normları İç lt ve Üst Sıırlar Bahr TÜREN E SRIPINR Sülema Demrel Üverstes

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

HĐPERSTATĐK SĐSTEMLER

HĐPERSTATĐK SĐSTEMLER HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,

Detaylı

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları

Detaylı

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu

Detaylı

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI Süleyma Demrel Üverstes İktsad ve İdar Blmler Fakültes Dergs Y.2008, C.3, S.2 s.335-350. Suleyma Demrel Uversty The Joural of Faculty of Ecoomcs ad Admstratve Sceces Y.2008, vol.3, No.2 pp.335-350. PORTFÖY

Detaylı

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit Karadez Te Üverstes Blgsayar Mühedslğ Bölümü 5-6 Güz Yarıyılı Sayısal Çözümleme Ara Sıav Soruları Tarh: Kasım 5 Perşembe Süre: daa. f ( ( + a e fosyouu sabt otası olmadığı bldğe göre, a 'ı alableceğ e

Detaylı

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı

Gamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım

Gamma ve Weibull Dağılımları Arasında Kullback-Leibler Uzaklığına Dayalı Ayrım Afyo Kocatepe Üverstes Fe ve Mühedslk Blmler Dergs Afyo Kocatepe Uversty Joural of Scece ad Egeerg AKÜ FEMÜBİD 7 (27) 234 (5-55) AKU J. Sc.Eg.7 (27) 234 (5-55) DOI:.5578/fmbd.6774 Gamma ve Webull Dağılımları

Detaylı

İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME

İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME V. Ulusal Üretim Araştırmaları Sempozyumu, İstabul Ticaret Üversitesi, 25-27 Kasım 2005 İKİ ÖLÇÜTLÜ PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ: MAKSİMUM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME Tamer EREN

Detaylı

Servis Yönlendirmeli Sistemlerde Güven Yayılımı

Servis Yönlendirmeli Sistemlerde Güven Yayılımı Servs Yöledrmel Sstemlerde Güve Yayılımı Mahr Kutay, S Zafer Dcle, M Ufuk Çağlaya Dokuz Eylül Üverstes, Elektrk-Elektrok Mühedslğ Bölümü, İzmr Boğazç Üverstes Blgsayar Mühedslğ Bölümü, İstabul Dokuz Eylül

Detaylı

Tuğba SARAÇ Yük. Endüstri Mühendisi TAI, Ankara tsarac@tai.com.tr. Özet. 1. Giriş. 2. Gözden Geçirmeler. Abstract

Tuğba SARAÇ Yük. Endüstri Mühendisi TAI, Ankara tsarac@tai.com.tr. Özet. 1. Giriş. 2. Gözden Geçirmeler. Abstract YKGS2008: Yazılım Kaltes ve Yazılım Gelştrme Araçları 2008 (9-0 ekm 2008, İstabul) Yazılım Ürü Gözde Geçrmeler Öem, Hazırlık Sürec ve Br Uygulama Öreğ The Importace of the Software Product Revews, Preparato

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

TEDARİKÇİ SEÇİMİ İÇİN BİR KARAR DESTEK SİSTEMİ A DECISION SUPPORT SYSTEMS FOR SUPPLIER SELECTION

TEDARİKÇİ SEÇİMİ İÇİN BİR KARAR DESTEK SİSTEMİ A DECISION SUPPORT SYSTEMS FOR SUPPLIER SELECTION Süleyma Demrel Üverstes Mühedslk Blmler ve Tasarım Dergs 3(2), 9-04, 205 ISSN: 308-6693 Araştırma Makales Suleyma Demrel Uversty Joural of Egeerg Sceces ad Desg 3(2), 9-04, 205 ISSN: 308-6693 Research

Detaylı

KUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör.

KUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör. İ.T.Ü. aka akültes ekak Aa Blm Dalı STATİK - Bölüm KUVVET SİSTELEİ KUVVET Vektörel büyüklük - Kuvvet büyüklüğü - Kuvvet doğrultusu - Kuvvet uygulama oktası - Kuvvet yöü S = (,,..., ) = + +... + = Serbest

Detaylı

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA İstabul Tcaret Üverstes Fe Blmler Dergs Yıl: 11 Sayı: Güz 01 s. 19-35 ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA Cası KAYA 1, Oza KOCADAĞLI Gelş: 30.05.01 Kabul: 14.1.01

Detaylı

Kuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama

Kuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama KMÜ Sosyal ve Ekoomk Araştırmalar Dergs (8): 37-45, 00 ISSN: 309-93, wwwkmuedutr Kuruluş Yer Seçmde Bulaık TOPSIS Yötem ve Bakacılık Sektörüde Br Uygulama Nha Tırmıkçıoğlu Çıar Yıldız Tekk Üverstes, Kmya-Metalür

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1 ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI İstabul Tcaret Üverstes Sosal Blmler Dergs Yıl:8 Saı:5 Bahar 2009 s.73-87 WEİBULL DAĞILIMII ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİ İSTATİSTİKSEL TAHMİ YÖTEMLERİİ KARŞILAŞTIRILMASI Flz ÇAKIR ZEYTİOĞLU* ÖZET Güümüzde

Detaylı

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr. İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk

Detaylı

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları 5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu

Detaylı

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği Akademk Blşm 11 - III. Akademk Blşm Koferası Bldrler 2-4 Şubat 2011 İöü Üverstes, Malatya Bağıl Değerledrme Sstem Smülasyo Yötem le Test Edlmes: Kls 7 Aralık Üverstes Öreğ Kls 7 Aralık Üverstes, Blgsayar

Detaylı

Yapı ve LQR kontrol sisteminin birleşik optimum tasarımı

Yapı ve LQR kontrol sisteminin birleşik optimum tasarımı tüdergs/d mühedslk Clt:5, Sayı:, Kısım:, 89-97 Nsa 6 Yapı ve LQR kotrol sstem brleşk optmum tasarımı Mehmet BOZCA *, Ata MUĞAN İÜ Maka Fakültes, Maka Mühedslğ Bölümü, 4464, Gümüşsuyu, İstabul Özet Bu çalışmada,

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI VE FONKSİYON BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı

Detaylı

6. Uygulama. dx < olduğunda ( )

6. Uygulama. dx < olduğunda ( ) . Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal

Detaylı

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir :

Sistemde kullanılan baralar, klasik anlamda üç ana grupta toplanabilir : 5 9. BÖLÜM YÜK AKIŞI (GÜÇ AKIŞI) 9.. Grş İletm sstemlernn analzlernde, bara sayısı arttıkça artan karmaşıklıkları yenmek çn sstemn matematksel modellenmesnde kolaylık getrc bazı yöntemler gelştrlmştr.

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2 LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık

Detaylı

18.06 Professor Strang FİNAL 16 Mayıs 2005

18.06 Professor Strang FİNAL 16 Mayıs 2005 8.6 Professor Strag FİNAL 6 Mayıs 25 ( Pua) P,..., P R deki oktalar olsu. ( ai, ai2,..., a i) P i i koordiatlarıdır. Bütü P i oktasıı içere bir cx +... + cx = hiperdüzlemi bulmak istiyoruz. a) Bu hiperdüzlemi

Detaylı

Doç. Dr. Mehmet AKSARAYLI

Doç. Dr. Mehmet AKSARAYLI Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br

Detaylı

SOYUT CEBİR VE SAYILAR TEORİSİ

SOYUT CEBİR VE SAYILAR TEORİSİ ÇÖZÜMLÜ PROBLEMLERLE SOYUT CEBİR VE SAYILAR TEORİSİ PROF. DR. MEHMET ERDOĞAN Beyket Üverstes Fe-Edebyat Fakültes Matematk-Blgsayar Bölümü YRD. DOÇ. DR. GÜLŞEN YILMAZ Beyket Üverstes Fe-Edebyat Fakültes

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

PROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING

PROJE SEÇİMİ VE KAYNAK PLANLAMASI İÇİN BİR ALGORİTMA AN ALGORITHM FOR PROJECT SELECTION AND RESOURCE PLANNING Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt 3, Sayı:2, 2001 PROJE SEÇİMİ VE KAYAK PLALAMASI İÇİ BİR ALGORİTMA lgün MORALI 1 C. Cengz ÇELİKOĞLU 2 ÖZ Kaynak tahss problemler koşullara bağlı olarak

Detaylı

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24 İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK

Detaylı

Analitik Hiyerarşi Süreci Kullanılarak Kişi Takip Cihazı Seçimi. Person Tracking Device Selection Using Analytic Hierarchy Process

Analitik Hiyerarşi Süreci Kullanılarak Kişi Takip Cihazı Seçimi. Person Tracking Device Selection Using Analytic Hierarchy Process BİLİŞİM TKNOLOJİLRİ DRGİSİ, CİLT: 8, SAYI: 1, OCAK 2015 20 Aaltk Hyerarş Sürec Kullaılarak Kş Takp Chazı Seçm Bedredd Al AKÇA 1, Ahmet DOĞAN 2, Uğur ÖZCAN 3 1 Yöetm Blşm Sstemler, Blşm sttüsü, Gaz Üverstes,

Detaylı

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü FİZ433 FİZİKTE BİLGİSAYAR UYGULAMALARI DERS NOTLARI Hazırlaya: Pro.Dr. Orha ÇAKIR Akara Üverstes, Fe Fakültes, Fzk Bölümü Akara, 7! İÇİNDEKİLER. LİNEER OLMAYAN DENKLEMLERİN KÖKLERİNİN BULUNMASI I/II. LİNEER

Detaylı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+... MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız

Detaylı

ELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa

ELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa ELECO '1 Elektrk - Elektrok ve Blgsayar Mühedslğ Sempozyumu, 9 Kasım - 1 Aralık 1, Bursa Artırma/Azaltma Lmtl ve Yasak İşletm Bölgel Ekoomk Güç Dağıtımı Problemler Yerçekmsel Arama Algortması le Çözümü

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI ŞANS ÖRNEKLEME 6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve

Detaylı

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan III.5.RUNGE-KUTTA METODLARI Öcek bölümde özelee Talor meodlarıda erel kesme aa merebes üksek oluşu sele br özellkr. Dğer araa ürevler buluma ve esaplaması pek çok problem ç karmaşık ve zama alıcı olduğuda

Detaylı

Üretim ve Kalkınma Ekonomisi Sorunları ve Yönetimi Sadettin Özen 1, Samet Gürsev 2

Üretim ve Kalkınma Ekonomisi Sorunları ve Yönetimi Sadettin Özen 1, Samet Gürsev 2 Bu bldr 1- Mart 14 tarhlerde düzelee Üretm Ekooms Kogresde suulmuştur. Özet Üretm ve Kalkıma Ekooms Soruları ve Yöetm Sadett Öze 1, Samet Gürsev Üretm ve kalkıma ekooms temel soruu, taleb, sektörler özgü

Detaylı

Açık Artırma Teorisi Üzerine Bir Çalışma

Açık Artırma Teorisi Üzerine Bir Çalışma Kocael Üerstes Sosyal Blmler Esttüsü Dergs (4) 27 / 2 : 5-77 Açık Artırma Teors Üzere Br Çalışma Şeket Alper Koç Özet: Bu çalışmada haleler üzere teork r araştırma yapılacaktır. Belrl arsayımlar altıda

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Üverstes Mühedslk Blmler Dergs Pamukkale Uversty Joural of Egeerg Sceces Kabul Edlmş Araştırma Makales (Düzelememş Sürüm) Accepted Research Artcle (Ucorrected Verso) Makale Başlığı / Ttle Karayolu

Detaylı

Venn Şeması ile Alt Kümeleri Saymak

Venn Şeması ile Alt Kümeleri Saymak Ve Şeması ile lt Kümeleri Saymak Osma Ekiz Bu çalışmada verile bir kümei çeşitli özellikleri sağlaya alt küme veya alt kümlerii ve şeması yardımıyla saymaya çalışacağız. Temel presibimiz aradığımız alt

Detaylı

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ Öğreme Etkili Hazırlık ve Taşıma Zamalı Paralel Makieli Çizelgeleme Problemi HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2006 CİLT 2 SAYI 4 (67-72) ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL

Detaylı

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 1 3 5} { 2 4 6} OLASILIK HESABI OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI FEN DEGİSİ (E-DEGİ). 8, 3() 9-9 EGESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KAELE VE EN KÜÇÜK MEDYAN KAELE YÖNTEMLEİNİN KAŞILAŞTIILMASI Özlem GÜÜNLÜ ALMA, Özgül VUPA Dokuz Eylül Üverstes, Fe-Edebyat Fakültes,

Detaylı

ÜRETİM PLANLAMASINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI

ÜRETİM PLANLAMASINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Öer.C.9.S.. Temmuz 00.-. ÜRETİM PLANLAMASINDA HEDEF PROGRAMLAMA VE BULANIK HEDEF PROGRAMLAMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Semra ERPOLAT Mmar Sa Güzel Saatlar Üverstes Fe Edebyat Fakültes, İstatstk Bölümü,

Detaylı

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN

Detaylı

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ

T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ T.C. SELÇUK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ BĠR GRAFIN TERS WIENER ENERJĠSĠ VE TERS WIENER-ESTRADA ĠNDEKSĠ Sez ÇĠZMECĠ YÜKSEK LĠSANS TEZĠ Matemat Aablm Dalı OCAK-0 KONYA Her Haı Salıdır TEZ BĠLDĠRĠMĠ

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (

Detaylı

HIZLI EVRİMSEL ENİYİLEME İÇİN YAPAY SİNİR AĞI KULLANILMASI

HIZLI EVRİMSEL ENİYİLEME İÇİN YAPAY SİNİR AĞI KULLANILMASI Hızlı Evrmsel Eyleme İç Yapay Sr Ağı Kullaılması HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 006 CİLT SAYI 3 (-8) HIZLI EVRİMSEL ENİYİLEME İÇİN YAPAY SİNİR AĞI KULLANILMASI Abdurrahma HHO Dekalığı Havacılık

Detaylı