DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME"

Transkript

1 DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK 1, Adl BAYKASOĞLU 2, F. Selen MADENOĞLU 3 ÖZET/ABSTRACT Krl sürüsü algortması gerçek hayat problemlern çözmek amacıyla yakın dönemde lteratüre kazandırılmış sürü temell metasezgsel algortmalardar brdr. Algortmanın performansı lteratürde sürekl-sayı değşkenlere sahp doğrusal olmayan optmzasyon problemler üzernde denenmştr. Bu çalışmada krl sürüsü algortmasının performansı lteratürde lk kez kombnatoryal optmzasyon problemlernden br olan atölye tp çzelgeleme problemler üzernde test edlmştr. Atölye tp çzelgeleme problemler, dğer zor kombnatoryal optmzasyon problemlern temsl eden öneml br problem türü olduğundan, bu çalışma algortmanın dğer kombnatoryal problemlerdek olası performansı hakkında ön blgler vermektedr. Krll herd algorthm s a recently proposed swarm based metaheurstc algorthm for solvng real lfe problems. In the lterature, the performance of the algorthm has been tested on non-lnear contnuous optmzaton problems. In ths study, the performance of the krll herd algorthm s tested on ob shop schedulng problems, whch s one of combnatoral optmzaton problems, for the frst tme n the lterature. Job shop schedulng problems are one of the most complex and mportant problems wth representatve characterstcs to other hard combnatoral optmzaton problems. Ths study provdes some dea about krll herd algorthm s possble performance for solvng other combnatoral optmzaton problems. ANAHTAR KELİMELER/KEYWORDS Krll sürüsü algorthması, Atölye çzelgeleme problem, Metasezgsel algortmalar, Sürü zekası Krll herd algorthm, Job shop schedulng problem, Metaheurstc algorthms, Swarm ntellgence 1 Dokuz Eylül Ünverstes, Müh. Fak., Endüstr Müh. Böl., İZMİR; e-posta: 2 Dokuz Eylül Ünverstes, Müh. Fak., Endüstr Müh. Böl., İZMİR; e-posta: 3 Dokuz Eylül Ünverstes, Müh. Fak., Endüstr Müh. Böl., İZMİR; e-posta:

2 Sayfa No: 62 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU 1. GİRİŞ Çzelgeleme problemler üretm, dağıtım, ulaştırma, nşaat, mühendslk, yönetm gb alanlarda sıklıkla karşılaşılan ve endüstr mühendslernn yoğunluklu çalıştığı alanlardan br tanesdr. Özellkle üretm ve malat alanlarındak çzelgeleme problemler oldukça karmaşık yapıda olup, klask optmzasyon yaklaşımları bu problemler çözmede çok yetersz kalmaktadır. Bu nedenle, yöneylem araştırması, yapay zeka, üretm mühendslğ ve endüstr mühendslğ gb araştırma dsplnlernde çalışan araştırmacıların çzelgeleme problemlerne olan lgs hep yüksek sevyelerde olagelmştr. Çzelgeleme problemler, üretm yönetm alanında karşılaşılan en öneml problemlerden brdr. Çzelgeleme problemlernde temel amaç, eldek maknelerde şlem görecek olan şlern en uygun sıralamasını bularak şlern maxmum btrlme zamanlarını en küçüklemektr. Atölye çzelgeleme problemler, akış tp çzelgeleme problemleryle brlkte en çok çalışılmış çzelgeleme problemlernn başında gelmektedr. Akış tp çzelgeleme problemlernde şlern uğrayacağı maknelern sırası her parça çn aynıyken, atölye tp çzelgeleme problemlernde her ş farklı makne rotalarını zlemektedr. Çzelgeleme problemlernde ş ve makne sayıları arttıkça, brçok çzelge çersnden en y çzelgenn seçlmes oldukça karmaşık br hal almaktadır (Anandaraman, 2011). Bunun başlıca sebeb, çözüm uzayının üstel br bçmde büyümes ve algortmaların hesaplama zamanlarının dramatk bçmde artmasıdır. Örneğn n ş ve m makneden oluşan atölye çzelgeleme problemnde tüm olası çzelgelern sayısı ( n!) m olmaktadır (Luh ve Chueh, 2009). Küçük boyutlu problemlerde dal-sınır algortması gb yöntemlerle optmal çzelgeler bulmak mümkün olablmektedr (Brucker vd., 1994). Ancak problem büyüklüğü arttıkça, optmal çzelgelern polnom zamanda elde edlmes mkansız hale gelmektedr (Brucker vd., 1994). Bu sebeple atölye çzelgeleme problemlernn çözümünde brçok sezgsel ve metasezgsel yöntem önerlmştr. Değşen darboğaz sezgsel, dal-sınır algortması, tavlama benzetm algortması, memetk evrm algortması, tabu arama paralel, GRASP gb çok sayıda yöntem gelştrlmştr(adams vd., 1988; Brucker vd., 1994; Baykasoğlu, 2002; Hasan vd., 2009; Nowck ve Smutnck, 1996; Aex vd. 2003). Yakın zaman önce yanlı rastgele anahtar genetk algortması yöntemyle brçok test problemndek en y çözümü güncellemşlerdr (Gonçalves ve Resende, 2014). Atölye çzelgeleme problemne at lteratür derlemeler ve makalelernden bulunablr (Jan ve Meeran, 1999; Potts ve Strusevch, 2009). Atölye çzelgeleme problemnde olduğu gb, brçok gerçek hayat problemnde metasezgsel algortmalar oldukça başarılı sonuçlar vermektedr. Araştırmacıların yoğun lgsn çeken bu alanda, doğada gözlemlenen sürü hareketler ve evrmsel mekanzmaları temel alan br çok yen algortma önerlmektedr. Krl sürüsü algortması, bu motvasyonlar ışığında, antartkada yaşayan krl canlılarının beslenme davranışlarından esnlenlerek kısa br süre önce gelştrlmş sürü temell br metasezgsel algortmadır (Gandom ve Alav, 2012). İlgl lteratür ncelendğnde, krl sürüsü algortmasının br çok farklı problem çözmede kullanıldığı gözlemlenmektedr. Gandom ve Alav lneer olmayan test fonksyonları üzernde krl sürüsü algortmasının performansını test etmşlerdr (Gandom ve Alav, 2012). Sngh ve Sood krl sürüsü algortması temell br kümeleme algortması önermşlerdr (Sngh ve Sood; 2013). Wang vd., global optmzasyon problemler çn tavlama benzetm temell krl sürüsü algortması gelştrmşlerdr (Wang vd., 2013). Wang vd. kaotk parçacıklı krl sürüsü algortması gelştrerek global nümerk optmzasyon problemlerne uygulamışlardır (Wang vd., 2013). Roy ve Paul, krl sürüsü algortmasıyla optmum güç akışını modellemşlerdr (Roy ve Paul, 2014). Global nümerk optmzasyon problemler çözümündek performansı arttırmak amacıyla krl sürüsü algortmasına mutasyon operatorü eklenmştr (Wang vd., 2014). Benzer bçmde, krl sürüsü algortmasıyla byocoğrafya algortmasının göç operatörlern

3 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 63 brleştrlerek hbrt br metasezgsel yaklaşım önerlmştr (Wang vd., 2014). Ayrıca krl sürüsü algortmasının performansını gelştrmek çn Levy-Flght ve Stud krl sürüsü algortmaları gelştrlmştr (Wang vd., 2013; Wang vd., 2014). Krl sürüsü algortmasının br çok mühendslk problem çözümünde etkl olableceğ yapılan lteratür analzyle belrlenmştr. Ancak algortma henüz herhang br kombnatoryal optmzasyon problemnde uygulanmamıştır. Çzelgeleme ve özellkle atölye tp çzelgeleme problemler, tpk kombnatoral optmzasyon problem olup, kesn yöntemlerle çözüm elde etmek oldukça zordur ve NP-zor sınıfına grmektedr (Baker, 1974). Bu çalışmada krl sürüsü algortmasının performansı lteratürde lk kez çeştl atölye tp çzelgeleme test problemler üzernde denenmş ve y sonuçlar elde edlmştr. İknc bölümde atölye tp çzelgeleme problem üzernde durulacak, üçüncü bölümde krl sürüsü algortması açıklanacak, dördüncü bölümde deney sonuçlarına yer verlecektr. Sonuçlar ve gelecek çalışmalara beşnc bölümde değnlmştr. 2. ATÖLYE ÇİZELGELEME PROBLEMİ Br atölye tp çzelgeleme problemnde her br şn operasyon sırasını tamamlamak amacıyla m adet makney zyaret ettğ n adet ş ve m adet makneden oluşan br sstem söz konusudur. Her operasyon o şn tamamlanması çn m makneden br tanesn kullanmak durumundadır. Genel olarak, br maknede şlem gören br ş, br operasyon olarak tanımlanır ve O şeklnde fade edlr ( O. maknede şlem gören. ş temsl etmektedr). Atölye tp çzelgeleme problemnn temel amacı toplam üretm süresn en küçükleyecek şeklde tüm makneler çn uygun çzelgeler üretmektr. İşler kümes J {1, 2,, n} le makneler kümes se M {1,2,, m} le verlmş olsun. Çzelgelenecek operasyonlar kümes O {0,1,, n m, n m 1} le gösterlmektedr. Burada 0 ve n m 1 kukla başlangıç ve btş operasyonlarını fade etmektedr. T sabt şlem zamanlarını, F. şn btme zamanı, At () t zamanında şlenecek operasyonlar kümesn göstermektedr. e m değşken eğer operasyon makne m üzernde şlem görecekse 1 değern, aks durumda 0 değern almaktadır. Öncelk lşklerne dayalı kısıtlar her br operasyon nn, öncek tüm öncül şler P şlern btrdkten sonra çzelgelenmesn garant eder. Ayrıca operasyon yalnızca htyaç duyulan makne boştaysa çzelgeleneblmektedr. Atölye tp çzelgeleme problemne at kavramsal model aşağıdak gbdr: mn F n m 1 s.t.; F F T, 1,2,, n m 1; k P k A() t e 1, m M ; t 0 m F 0, 1,2,, n m 1 (1) 3. KRİL SÜRÜSÜ ALGORİTMASI Krl sürüsü algortması, antartk krllernn beslenme davranışlarından esnlenlerek Gandom ve Alav tarafından ortaya konmuş sürü zekasına dayalı br metasezgsel algortmadır (Gandom ve Alav, 2012). Krll sürüsü algortması sürünün başka canlılar tarafından avlandığı ve sürüdek ortalama krl yoğunluğunun azalarak yemek kaynağından uzaklaşılan durumu başlangıç aşaması olarak

4 Sayfa No: 64 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU kabul eder. Doğal br sstemde, her breyn uygunluk değer, krl sürüsünün en yüksek yoğunluk noktası ve yemeğn bulunduğu noktalara uzaklığın br brleşm şeklnde hesaplanır. Böylece uygunluk, amaç fonksyonunun değer olmaktadır. Krl breylernn k boyutlu yüzeyde zamana bağlı pozsyonları üç temel eylem sonunda gerçekleşmektedr (Hofmann vd., 2004): Dğer krl breylernn sebep olduğu hareket Yem arama aktvtes Rassal yayılma Böylece n boyutlu karar uzayında fade edlen Lagrange Model: dx dt N F D (2) Burada N dğer krl breylernn sebep olduğu hareket, F yem arama hareketn ve krl breynn fzksel yayılmasını fade etmektedr Dğer Krl Breylernn Sebep Olduğu Hareket Her br krl brey çn bu hareket aşağıdak şeklde fade edlmektedr. D. N N w N (3) yen maks esk n (4) lokal hedef Burada N maksmum sebep olunan hız, 0.01 (m/s) olarak alınmıştır. hareketn doğrultusu, w n sebep olunan hareketn atalet ağırlığı, komşu breyler tarafından sağlanan lokal etkler ve lokal sebep olunan esk N son sebep olunan hareket, en y krl brey tarafından sağlanan hedef yönün etksdr. Krl breynn hareketne komşu krllern etks eştlk 5-7 tarafından formülüze edlr: hedef NN lokal K, X, 1 (5) X, x x x x (6) K K K K, enkötü eny K (7) enkötü eny Burada K ve K krl breylernn şmdye kadark en kötü ve en y uygunluk değerlern fade etmektedr. K. krl breynn amaç fonksyonu değern temsl ederken, K. komşu breyn amaç fonksyonu değerdr. Her krl breynn pozsyonu X le fade edlrken, NN toplam komşu sayısını göstermektedr. Komşu seçm şlem d s le fade edlen hssedlen uzaklık (sensng dstance) baz alınarak Şekl 1 dek gb yapılmaktadır.

5 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 65 Komşu 1 Hssedlen Uzaklık Komşu 2 Komşu 3 Şekl 1. Hssedlen uzaklık ve komşuluk yapısı (Gandom ve Alav, 2012) N 1 d X X (8) s, 5N 1 Burada d s,. krl breynn hssedlen uzaklığını gösterrken, N toplam krl brey sayısını vermektedr. Sekz nolu denkleme göre eğer k krl brey arasındak uzaklık d s den küçükse, krl breylernn komşu olduğu sonucu çıkartılmaktadır. En y amaç fonksyonu değerne sahp olan krl breynn. krl brey üzerne olan etks şu şeklde modellenmektedr: C K X (9) hedef eny, eny, eny eny C etk katsayısı olmak üzere C eny I 2( rassal ) (10) I maks Burada rastsal [0,1] aralığında rastsal sayı, I döngü sayısı ve sayısıdır. I max maksmum döngü 3.2. Yem Arama Aktvtes Yem arama aktvtes k temel kavramla lşkldr. Bunlardan lk yem lokasyonu, kncsyse öncek tecrübedr. Bu hareket. krl brey çn şu şeklde tanımlanmaktadır: F V w F (11) esk f f (12) yem eny

6 Sayfa No: 66 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU Burada (Prce, 1989). V f yem arama hızını göstermektedr ve Prce a dayanarak 0.02 (m/s) olarak alınmıştır w f yem arama hareketnn atalet ağırlığı, esk F son yem arama hareket, yem eny yem çekclğ ve. krl breynn şuana kadark en y amaç fonksyonu değernn etksdr. Her br terasyonda yemek merkez şu şeklde tanımlanmaktadır: X yem N 1 N (1/ K ) X 1 (1/ K ) (13) Böylece. krl brey çn yem çekclğ şu şeklde fade edlmektedr: C K X (14) yem yem, yem, yem yem I C 2(1 ) (15) Imaks. krl breyne at en y amaç fonksyonu değernn etks şu şeklde modellenmektedr: K X (16) eny, eny, eny Burada K, eny daha önceden zyaret edlmş en y pozsyondur Fzksel Yayılma Rassal br süreç olan fzksel yayılma şu şeklde formulze edlmektedr. maks I D D (1 ) (17) I maks maks maks Burada maksmum yayılma hızı D olmak üzere, D [0.002,0.010] (m/s), ve rastsal yönlü vektör ve değerler [ 1,1] aralığındadır Krl Sürüsü Algortması Hareket Sürec Krl breynn t ve t t zaman aralığında pozsyon vektörü şu şeklde fade edlmektedr: dx X ( t t) X ( t) t (18) dt NV t C UB LB (19) t 1 Burada NV toplam değşken sayısını, sabt br değer göstermektedr. LB ve C değer 0.5 alınmıştır. t UB. değşkene at alt ve üst lmtler, Ct

7 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: KRİL SÜRÜSÜ ALGORİTMASININ UYGULANMASI Krl sürüsü algortmasının atölye çzelgeleme problemne uygulanmasını gösteren akış dyagramı Şekl 2 de gösterlmştr. Başla Rastgele çözümün oluşturulması Gffler ve Thomson algortmasıyla malyetn hesaplanması Krl breylernn hareketlernn hesaplanması Dğer krl breylernn sebep olduğu hareket Yem arama aktvtes Fzksel yayılma HAYIR Genetk operatörlern hesaplanması Krl breylernn pozsyonlarının güncellenmes Durdurma krter sağlandı mı? EVET En y çözümü seç Btr Şekl 2. Önerlen çözüm yöntemnn akış dyagramı

8 Sayfa No: 68 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU Önerlen çözüm yöntemnde önce rastgele anahtar gösterm kullanılarak başlangıç çözümler oluşturulmaktadır. Daha sonra rastgele anahtarlar operasyon sıralarına dönüştürülerek çözümün malyet hesaplanmaktadır. Ardından krl sürüsü algortması adımları sırayla hesaplanmakta ve pozsyon değerler güncellenmektedr. Bulunan pozsyon değerler yenden Gffler ve Thomson algortması kullanılarak aktf çzelgelere dönüştürülüp malyet hesaplanmtadır. Burada malyet şlern tamamlanma sürelerdr (Gffler ve Thomson, 1960). Durdurma krter sağlanana kadar algortma çalışmakta ve sonuçlar güncellenmektedr. Önerlen yöntemde en öneml adımlar çözüm gösterm ve malyet fonksyonunun hesaplanmasıdır. Br sonrak bölümde çözüm gösterm ve malyet fonksyonu hesaplanması ayrıntılı olarak açıklanacaktır Çözüm Gösterm Atölye çzelgeleme problemnn metasezgsel algortmalar kullanılarak çözülmes konusundak en öneml adımlardan br, kullanılacak algortma ve problemn yapısını dkkate alan en uygun problem göstermn seçmektr. Lteratürde operasyon tabanlı gösterm, ş tabanlı gösterm, terch lstes tabanlı gösterm, öncelk kuralı tabanlı gösterm, makne tabanlı gösterm ve rastgele anahtar gösterm gb br çok yöntem kullanılmıştır (Cheng vd., 1996). Çözüm gösterm oluşturulurken, atölye çzelgeleme problemndek k sıralama lşks büyük önem arz etmektedr. Bunlar her maknedek operasyon sıraları ve ş çn varolan öncelk lşklerdr (Gen ve Cheng, 2000). Çözüm göstermnn bu öncelk lşklern dkkate alarak yalnız uygun çözümler üretmes büyük önem arz etmektedr. Bu çalışmada temel alınarak rastgele anahtar gösterm kullanılmıştır (Ln vd., 2010). Rastgele anahtar gösterm krl breylernn pozsyonlarını sürekl-değşken uzayından keskl uzaya dönüştürmek amacıyla kullanılmaktadır. Rastgele anahtar uzayındak vektör reel sayılardan oluşmaktadır. Rastgele anahtar göstermnde, popülasyonda her br brey temsl eden reel sayı vektörler, keskl sayılardan oluşan operasyon permutasyonlarını smüle etmek amacıyla kullanılır. İş sayısının n ve makne sayısının m olduğu br atölye çzelgeleme problemnde, rastgele anahtar n m boyutunda olmaktadır. Popülasyondak her brey R le fade edlmekte, R lgl operasyon sırasının ağırlığını göstermektedr. Burada R reel sayılardan oluşmakta ve 1 n m olmaktadır. Rastgele anahtar gösterm kullanımında genel olarak dört adım takp edlmştr. Bunlar rastgele anahtarların oluşturulması, tamsayı serlernn elde edlmes, ş ndekslernn oluşturulması ve operasyon sıralarının belrlenmesdr. Bu adımları kısaca açıklayacak olursak; 1. Rastgele anahtar oluşturulması: Rastgele anahtar algortmanın başlangıcında br rastgele sayı üretcs yardımıyla oluşturulmaktadır. Oluşturulan rastgele anahtar, lerleyen terasyonlarla beraber algortmada tanımlanan krl breylernn hareketler boyunca güncellenmektedr. 2. Tamsayı serlernn elde edlmes: Rastgele anahtar gösterm kullanırken öncelkle reel sayılardan oluşan R vektörü, küçükten büyüğe doğru sıralanarak tam sayı serler elde edlr. Tam sayı serler ( 1, 2,, k ) şeklnde gösterlrken, her tamsayı k 1 ve n m arasında olmaktadır. Her tamsayı sers k dolaylı olarak şn operasyon sırasını göstermektedr. 3. İş ndekslernn oluşturulması: Atölye çzelgeleme problemnn doğası gereğ her ş m adet makneden geçmek zorunda olduğu çn, br ş aynı zamanda m adet operasyon çn çzelgelenmek zorundadır. Bu özellk dkkate alınarak tam sayı serler

9 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 69 (,,,,, ), ( mod n) 1 formülü yardımıyla ş ndekslerne dönüştürülür. 1 2 k nm k Örneğn 1. şe at olan operasyonlar k ( n,2 n,, n m) şeklnde gösterlrken, k (1, n 1,,( m 1) n 1) fades 2. şe at tüm operasyonları ortaya koymaktadır. 4. Operasyon sıralarının belrlenmes: İş ndeksnde soldan sağa doğru gdldkçe, her br şn m kez tekrarlandığı gözlemlenmeldr. Böylece, ş ndeks soldan sağa doğru taranırken br şn. kez tekrar etmes, o şn m makne çersndek. operasyonunu göstermektedr. Bu yöntemle her zaman uygun olan çözümler üretlmş olmaktadır. Operasyon sıraları algortmada malyet fonksyonu hesaplanmasında kullanılmaktadır. Şekl 3 de, 3 ş ve 2 makneden oluşan br atölye çzelgeleme problem çn sürekl-değşken bçmndek rastgele anahtarların, keskl uzaydak ş ndeksler ve operasyon sıralarına dönüşümü gösterlmştr. Başlangıçta elmzde oluşturulan rastgele anahtar (0.81,0.91,0.13,0.94,0.63,0.10) şeklnde olsun. Bu sayılar küçükten büyüğe doğru sıralanarak tamsayı serler elde edlr. Örneğn rastgele anahtar sıralandığında 0.81 değer 4. sırada yer alırken, 0.91 değer 5. sırada yer almaktadır Rastgele anahtar Tamsayı sers İş ndeksler o 21 o 31 o 32 o 11 o 12 o 22 Şekl 3. Rastgele anahtar gösterm Operasyon sıraları Elde edlen tamsayı sers çersnde 4 ve 1 numaralı tamsayı değerler 2. ş temsl etmektedr. Çünkü (4 mod 3) 1 2 ve (1mod3) 1 2 olmaktadır. Benzer şeklde 5 ve 2 numaralı tamsayı serler 3. şe karşılık gelrken, 6 ve 3 numaralı tamsayı serler 1. ş göstermektedr. Bulunan ş ndeksler soldan sağa doğru taranarak operasyon sıraları bulunmaktadır. Örneğn 1. ş ndeks olan 2 numara ele alındığında, 2 lk kez geçtğ çn 2. şn 1. operasyonu olup o 21 şeklnde fade edlmektedr. Ardından gelen 3 numaralı ş ndeks lk kez geçtğ çn 3. şn 1. operasyonunu temsl eder ve o 31 şeklnde yazılır. Daha sonra gelen 3 numaralı ş ndeks, daha önce 1 kez 3 numaralı ş ndeks geçtğnden, 3 numaralı şn 2. operasyonunu temsl eder. Benzer mantıkla tüm operasyon sıraları bulunur ve bulunan operasyon sıraları Gffler ve Thomson algortmasıyla brlkte malyet fonksyonunun hesaplanmasında kullanılır Malyet Fonksyonu Hesaplanması Atölye çzelgeleme problemlernde dört çeşt çzelgeden bahsedleblr; bunlar uygun olmayan çzelgeler, yarı aktf çzelgeler, aktf çzelgeler ve geckmeyen çzelgelerdr (Hong We vd., 2008). Uygun olmayan çzelgeler çok fazla atıl zaman çeren çzelgeler olup çzelgedek operasyonlar ler kaydırılarak yleştrlrler. Yarı aktf çzelgeler mümkün olan en erken başlama zamanları dkkate alınarak operasyonların peş sıra çzelgelenmesyle oluşturulur (Berwrth ve Mattfeld, 1999). Yarı aktf çzelgeler fazladan atıl zaman çermezken, dğer şler gecktrmeyecek şeklde bazı şlern öne alınmasıyla gelştrleblrler (Hong We

10 Sayfa No: 70 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU vd., 2008). Aktf çzelgelerde atıl zaman bulunmaz ve herhang br ş dğer şler gecktrmeyecek bçmde daha önce btrlemez. Geckmeyen çzelgeler se aynı zamanda aktf çzelgeler olup, operasyonlar, maknenn atıl kalma süreler mnmze edlecek ve şlenmeye hazır şn olması durumunda maknenn boşta kalması engellenecek br bçmde çzelgeye yerleştrlr. Bahsedlen çzelgeler arasındak lşk Şekl 4 de verlmştr. Geckmeyen Optmal Aktf Yarı-aktf Uygun Şekl 4. Çzelgeler arasındak lşk (Berwrth ve Mattfeld, 1999) Şekl 4 de görüldüğü gb optmal çzelgeler aynı zamanda aktf çzelgelerdr. Bu sebeple yalnızca aktf çzelgelere odaklanarak, optmal çözümü aktf çzelgeler arasından aramak hesaplamada çok öneml kolaylıklar sağlayacaktır. Aktf çzelgelern oluşturulması Gffler ve Thomson algortmasıyla hesaplanablmektedr. Bu çalışmada Gffler ve Thomson algortması aktf çzelgeler oluşturmak amacıyla krl sürüsü algortması çersnde kullanılmıştır. Krl algortması rastsal anahtarlar gösterm kullanılarak çzelgeleme problemne uygulanmıştır. Rastsal anahtar le Gffler ve Thomson algortması çndek optmal öncelkler krl algortması le belrlenmeye çalışılmıştır. Gffler ve Thomson algortması notasyonu ve adımları şu şekldedr. Notasyon: (, ) :. maknede şlenmes gereken. şe at operasyon S : Çzelgelenmş operasyonları çeren kısmı çzelge : Çzelgeleneblr operasyonlar kümes e ya at (, ) operasyonunun en erken başlama zamanı : (, ) : (, ) : (, ) p (, ) çn şlem süreler f ya at (, ) operasyonunun en erken btş zamanı f e p (, ) (, ) (, ) GT Algortması: Adım 1: Başlat S ; öncelk lşklern çeren tüm operasyonları çeren küme. * * Adım 2: En erken tamamlanma süres f değerne sahp (, ) operasyonunu çnde bul ve * f gerçekleştrlebleceğ makne * m kaydet. Adım 3: * * 3.1. e( ', ') f olacak şeklde m maknesne htyaç duyan ( ', ') operasyon kümesn tespt et Adım 3.1. dek operasyon kümes çersnden (, ) operasyonunu en yüksek öncelğe göre seç 3.3. (, ) y S ye ekle Operasyon (, ) başlangıç zamanı olarak e (, ) ata.

11 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 71 Adım 4: Eğer tamamlanmış çzelge elde edldyse dur. Aks durumda (, ) operasyonunu dan sl ve da onu peş sıra takp eden operasyonu ekle. Daha sonra 2. adıma gt. Gffler ve Thomson algortmasıyla elde edlen aktf çzelgelern malyetler her terasyonda güncellenmekte ve kaydedlmektedr. Elde edlen malyet değerler lteratürdek test problemleryle karşılaştırılmıştır. Br sonrak bölümde deneysel sonuçlara yer verlecektr. 5. DENEYSEL SONUÇLAR Algortmanın etkllğn göstermek amacıyla br dz atölye çzelgeleme problem üzernde deneyler yapılmış ve sonuçlar lteratürle karşılaştırılmıştır. Test problemler yöneylem araştırması kütüphanesnden, küçük, orta ve büyük ölçekl problemler arasından derlenmştr (Beasley, 1990). Fsher ve Thomson tarafından düzenlenen FT06 ve Lawrence tarafından LA01, LA06 ve LA31 problemler ele alınmış ve çözülmüştür (Fsher ve Thompson, 1963; Lawrence, 1984). Küçük ölçekl br problem olan FT06 6 ş ve 6 makneden oluşurken, orta ölçekl problemler LA01 ve LA06 problemler sırasıyla 10 ş ve 5 makne le 15 ş ve 5 makneden oluşmaktadır. Büyük ölçekl br problem olan LA31 problem se 30 ş ve 10 makneden oluşmaktadır. Bu test problemler özellkle lteratürde bu konuda çalışma yapan araştırmacıların hemen hemen hepsnn ortak olarak kullandığı test problemler arasındadır. Her test problem çn populasyon sayısı 100, maksmum terasyon sayısı 1000 olacak şeklde 10 replkasyon yapılmıştır. Maksmum, ortalama ve standart sapma değerler verlmştr. Şekl 5 te her br test problemne at yakınsama grafkler verlmştr. a. FT06 b. LA01 c. LA06 d. LA31 Şekl 5. Test problemlerne at yakınsama grafkler

12 Sayfa No: 72 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU Küçük ve orta ölçekl problemlerde algortma oldukça hızlı br bçmde en y çözüme yakınsarken, problem boyutu arttırığında, yakınsama süres uzamaktadır. Mevcut yöntem her br test problemnde maksmum terasyon sayısına erşmeden önce en y çözüme yakınsamayı başarmıştır. Çzelge 1 de her br test problem çn deney sonuçları yer almaktadır. Çzelge 1. Deney sonuçları Problem # Boyut (J x M) Optmum Ortalama Standart Sapma FT LA LA LA Şekl 6 da FT06 problemnn optmum çözümünden elde edlen en y operasyon sırasını gösteren çzelge Gantt dyagramı yardımıyla gösterlmştr. Örneğn başlangıç dlmnde M2 maknesne 2. ş atanmıştır. M2 den 6. Zaman dlmnde çıkan şn ardından aynı makneye 4. ş atanmıştır. Benzer okuma sürdürülürse, sstemden en son 1. şn 6. operasyonunun 55. zaman dlmnde çıktığı görülecektr. Problemn en y çözümü lteratürde de 55 olarak kaydedlmştr. M 1 o 12 o 42 o 34 o 64 o 25 o M 2 o 21 o 41 o 61 o 13 o 52 o M 3 o 31 o 11 o 22 o 51 o 43 o M 4 o 32 o 62 o 44 o 14 o 26 o M 5 o 23 o 53 o 36 o 45 o 65 o 16 M o 33 o 63 o 24 o 54 o 15 o Şekl 6. FT06 problemne at Gantt çzelges Çzelge 2 de se mevcut yöntemn sonuçları Gffler ve Thomson algortması benzer şeklde kullanan lteratürdek dğer çalışmalarla karşılaştırılmıştır.

13 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 73 Çzelge 2. Mevcut yöntemn dğer algortmalarla karşılaştırılması Algortma Kaynak FT06 LA01 LA06 LA31 Parçacık Sürüsü Optmzasyonu (Ivers ve Yen, 2007) Hbrt Akıllı Algortma (Hong-We vd., 2008) Memetk Algortma (Yang vd., 2008) Hbrt Parçacık Sürüsü (Sha ve Hsu, 2006) Öğretme Öğrenme Algortması (Baykasoğlu vd., 2014) Krl Süsürü Algortması Çzelge 2 de görüldüğü gb krl sürüsü algortması standart test problemlernde dğer algortmalar gb y br performans göstererek lteratürde blnen en y çözümler bulmayı başarmıştır. Mevcut araştırmanın öncül sonuçları netcesnde krl sürüsü algortmasının çzelgeleme problemlernn çözümünde y br alternatf olma potansyelne sahp olduğu söyleneblr. 6. SONUÇLAR Bu çalışmada krl sürülernn beslenme davranışlarından esnlenlerek lteratüre kazandırılmış olan krl sürüsü algortması lk defa atölye tp çzelgeleme problemne uygulanmıştır. Atölye tp çzelgeleme problem, tpk br kombnatoryal optmzasyon problem olup, algortmanın dğer kombnatork problemlerdek performansı hakkında ön blg sağlamaktadır. Krl sürüsü algortması ncelenen test problemlernde y sonuçlar vermştr. Gelecek çalışmalarda lteratürdek farklı kombnatoryal problemler çözülerek daha ayrıntılı ve genel br karşılaştırma yapılacaktır. Ayrıca algortma farklı yerel arama metotlarıyla brleştrlerek farklı hbrt yaklaşımlar önerlmes üzernde durulacaktır. KAYNAKLAR Adams J., Balas E., Zawack D. (1988): "The Shftng Bottleneck Procedure for Job Shop Schedulng", Management Scence, Clt 34, No. 3, s Aex R. M., Bnato S., Resende M. G. C. (2003): "Parallel GRASP wth Path-Relnkng for Job Shop Schedulng", Parallel Computng, Clt 29, No. 4, s Anandaraman C. (2011): "An Improved Sheep Flock Heredty Algorthm for Job Shop Schedulng and Flow Shop Schedulng Problems", Internatonal Journal of Industral Engneerng Computatons, Clt 2, No. 4, s Baker K. R. (1974): "Introducton to Sequencng and Schedulng", New York: Wley. Baykasoğlu A. (2002): "Lngustc-Based Meta-Heurstc Optmzaton Model for Flexble Job Shop Schedulng", Internatonal Journal of Producton Research, Clt 40, No. 17, Baykasoğlu A., Hamzadayı A., Köse S. Y. (2014): "Testng the Performance of Teachng Learnng Based Optmzaton (TLBO) Algorthm on Combnatoral Problems: Flow Shop and Job Shop Schedulng Cases", Informaton Scences, Clt 276, No. 0, s Beasley J. E. (1990): "OR-Lbrary: Dstrbutng Test Problems by Electronc Mal", Journal of the Operatonal Research Socety, Clt 41, No. 11, s Berwrth C., Mattfeld D. C. (1999): "Producton Schedulng and Reschedulng wth Genetc Algorthms", Evolutonary Computaton, Clt 7, No. 1, s Brucker P., Jursch B., Severs B. (1994): "A Branch and Bound Algorthm for the Job-Shop Schedulng Problem", Dscrete Appled Mathematcs, Clt 49, No. 3, s

14 Sayfa No: 74 İ. GÖLCÜK, A. BAYKASOĞLU, S. MADENOĞLU Cheng R., Gen M., Tsumura Y. (1996): "A Tutoral Survey of Job-Shop Schedulng Problems Usng Genetc Algorthms I. Representaton", Computers and Industral Engneerng, Clt 30, No. 4, s Fsher H., Thompson G. L. (1963): "Probablstc Learnng Combnatons of Local Job Shop Schedulng Rules", Englewood Clffs, NJ: Prentce-Hall. Gandom A. H., Alav A. H. (2012): "Krll Herd: A New Bo-Inspred Optmzaton Algorthm", Communcatons n Nonlnear Scence and Numercal Smulaton, Clt 17, No. 12, s Gen M., Cheng R. (2000): "Genetc Algorthms and Engneerng Optmzaton", Clt 7, John Wley & Sons. Gffler B., Thompson G. L. (1960): "Algorthms for Solvng Producton-Schedulng Problems", Operatons Research, Clt 8, No. 4, s Gonçalves J. F., Resende M. G. C. (2014): "An Extended Akers Graphcal Method wth a Based Random-Key Genetc Algorthm for Job-Shop Schedulng", Internatonal Transactons n Operatonal Research, Clt 21, No. 2, s Hasan S. M. K., Sarker R., Essam,D., Cornforth D. (2009): "Memetc Algorthms for solvng ob-shop schedulng problems", Memetc Computng, Clt 1, No. 1, Hofmann E. E., Haskell A. G. E., Klnck J. M., Lascara C. M. (2004): "Lagrangan Modellng Studes of Antarctc Krll (Euphausa Superba) Swarm Formaton", ICES Journal of Marne Scence, Clt 61, No. 4, s Hong We G., Lang S., Yan Chun L., Feng Q. (2008): "An Effectve PSO and AIS-Based Hybrd Intellgent Algorthm for Job-Shop Schedulng", Systems, Man and Cybernetcs, Part A: Systems and Humans, Clt 38, No. 2, s Jan A. S., Meeran S. (1999): "Determnstc Job-Shop Schedulng: Past, Present and Future", European Journal of Operatonal Research, Clt 113, No. 2, s Lawrence S. (1984): "Resource Constraned Proect Schedulng: An Expermental Investgaton of Heurstc Schedulng Technques (Supplement)", Pttsburg: Carnege Mellon Unversty. Ln T. L., Horng S. J., Kao T. W., Chen Y. H., Run R. S., Chen R. J., Kuo I. H. (2010): "An Effcent Job-Shop Schedulng Algorthm Based on Partcle Swarm Optmzaton", Expert Systems wth Applcatons, Clt 37, No. 3, s Luh G. C., Chueh C. H. (2009): "A Mult-Modal Immune Algorthm for the Job-Shop Schedulng Problem", Informaton Scences, Clt 179, No. 10, s Nowck E., Smutnck C. (1996): "A Fast Taboo Search Algorthm for the Job Shop Problem", Management Scence, Clt 42, No. 6, Potts C. N., Strusevch V. A. (2009): "Ffty Years of Schedulng: a Survey of Mlestones", Journal of the Operatonal Research Socety, Clt 60, No. 1, s.41-s.68. Prce H. J. (1989): "Swmmng Behavor of Krll n Response to Algal Patches: A Mesocosm Study", Lmnology and Oceanography, Clt 34, No. 4, s Roy P. K., Paul C. (2014): "Optmal Power Flow Usng Krll Herd Algorthm", Internatonal Transactons on Electrcal Energy Systems. Sha D. Y., Hsu C. Y. (2006): "A Hybrd Partcle Swarm Optmzaton for Job Shop Schedulng Problem", Computers and Industral Engneerng, Clt 51, No. 4, s Sngh V., Sood M. M. (2013): "Krll Herd Clusterng Algorthm Usng DBSCAN Technque", Internatonal Journal of Computer Scence & Engneerng Technology, Clt 4, No. 3. s Wang G. G., Gandom A. H., Alav A. H. (2013): "A Chaotc Partcle-Swarm Krll Herd Algorthm for Global Numercal Optmzaton", Kybernetes, Clt 42, No. 6, s

15 Mühendslk Blmler Dergs Clt : 16 Sayı : 48 Sayfa No: 75 Wang G. G., Gandom A. H., Alav A. H. (2014): "An Effectve Krll Herd Algorthm wth Mgraton Operator n Bogeography-Based Optmzaton", Appled Mathematcal Modellng, Clt 38, No. 9, s Wang G. G., Gandom A. H., Alav A. H. (2014): "Stud Krll Herd Algorthm", Neurocomputng, Clt 128, No. 1, s Wang G. G., Guo L., Gandom A. H., Alav A. H., Duan H. (2013): "Smulated Annealng- Based Krll Herd Algorthm for Global Optmzaton", Abstract and Appled Analyss, Clt 11. Wang G., Guo L., Gandom A. H., Cao L., Alav A. H., Duan H., L J. (2013): "Lévy-Flght Krll Herd Algorthm", Mathematcal Problems n Engneerng, Clt 2013, Artcle ID , do: /2013/ Wang G., Guo L., Wang H., Duan H., Lu L., L J. (2014): "Incorporatng Mutaton Scheme nto Krll Herd Algorthm for Global Numercal Optmzaton", Neural Computng and Applcatons, Clt 24, No. 3, s Yang J. H., Sun L., Lee H. P., Qan Y., Lang Y. C. (2008): "Clonal Selecton Based Memetc Algorthm for Job Shop Schedulng Problems", Journal of Bonc Engneerng, Clt 5, No. 2, s

BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA

BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA Gaz Ünv. Müh. Mm. Fak. Der. J. Fac. Eng. Arch. Gaz Unv. Clt 22, No 4, 855-862, 2007 Vol 22, No 4, 855-862, 2007 BULANIK AKIŞ TİPİ ÇİZELGELEME PROBLEMİ İÇİN ÇOK AMAÇLI GENETİK ALGORİTMA İzzettn TEMİZ ve

Detaylı

Emrah 70 Ekim 2011. kat edilen mesafenin en. mizasyonu (PSO) sezgisel. (PSO), Genetik Algoritma (GA), Optimizasyon, Meta-Sezgisel

Emrah 70 Ekim 2011. kat edilen mesafenin en. mizasyonu (PSO) sezgisel. (PSO), Genetik Algoritma (GA), Optimizasyon, Meta-Sezgisel METAplam kat edlen mesafenn en mzasyonu (PSO) sezgsel k (PSO), Genetk Algortma (GA), Optmzasyon, Meta-Sezgsel 74 OPTIMIZATION OF MULTI- PROBLEM OF ISTANBUL HALK EKMEK A.S. (IHE) BY USING META-HEURISTIC

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI

a IIR süzgeç katsayıları ve N ( M) de = s 1 (3) 3. GÜRÜLTÜ GİDERİMİ UYGULAMASI Fırat Ünverstes-Elazığ MİTRAL KAPAK İŞARETİ ÜZERİNDEKİ ANATOMİK VE ELEKTRONİK GÜRÜLTÜLERİN ABC ALGORİTMASI İLE TASARLANAN IIR SÜZGEÇLERLE SÜZÜLMESİ N. Karaboğa 1, E. Uzunhsarcıklı, F.Latfoğlu 3, T. Koza

Detaylı

DETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM

DETERMINATION OF THE ECONOMIC DISPATCH IN ELECTRIC POWER SYSTEMS USING SIMULATED ANNEALING(SA) ALGORITHM 5 Uluslararası İler Teknolojler Sempozyumu (IATS 09), 3-5 Mayıs 2009, Karabük, Türkye ELEKTRİK GÜÇ SİSTEMİNDE OPTİMAL YAKIT MALİYETİNİN BENZETİM TAVLAMA (BT) ALGORİTMASI İLE BELİRLENMESİ DETERMINATION

Detaylı

Ali Öztürk Accepted: January 2010. ISSN : 1308-7231 serhatduman@duzce.edu.tr 2010 www.newwsa.com Duzce-Turkey

Ali Öztürk Accepted: January 2010. ISSN : 1308-7231 serhatduman@duzce.edu.tr 2010 www.newwsa.com Duzce-Turkey ISS:1306-3111 e-journal of ew World Scences Academy 2010, Volume: 5, umber: 1, Artcle umber: 1A0066 Serhat Duman EGIEERIG SCIECES M. Kenan Döşoğlu Receved: March 2009 Al Öztürk Accepted: January 2010 Pakze

Detaylı

Şehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı *

Şehiriçi Karayolu Ağlarının Sezgisel Harmoni Araştırması Optimizasyon Yöntemi ile Ayrık Tasarımı * İMO Teknk Derg, 2013 6211-6231, Yazı 392 Şehrç Karayolu Ağlarının Sezgsel Harmon Araştırması Optmzasyon Yöntem le Ayrık Tasarımı * Hüseyn CEYLAN* Halm CEYLAN** ÖZ Bu çalışmada, şehrç ulaştırma ağlarının

Detaylı

ÖZET Anahtar Kelimeler: ABSTARCT Keywords: 1. GİRİŞ

ÖZET Anahtar Kelimeler: ABSTARCT Keywords: 1. GİRİŞ olteknk Dergs Journal of olytechnc Clt: Sayı: 3 s67-7, 009 Vol: o: 3 pp67-7, 009 Genetk Algortma Kullanarak Ekonomk Dağıtım Analz: Türkye Uygulaması M Kenan DÖŞOĞU, Serhat DUMA, Al ÖZTÜRK ÖZET Dünyada

Detaylı

Cilt:11 Sayı: 4 s , 2008 Vol: 11 No: 4 pp , M. Yasin ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET

Cilt:11 Sayı: 4 s , 2008 Vol: 11 No: 4 pp , M. Yasin ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET Polteknk Dergs Journal of Polytechnc Clt: Sayı: 4 s.99-305, 008 Vol: No: 4 pp.99-305, 008 Optmzasyon Problemlernn Çözümü çn Parçaçık Sürü Optmzasyonu Algortması M. Yasn ÖZSAĞLAM, Mehmet ÇUNKAŞ ÖZET Optmzasyon

Detaylı

KAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI

KAFES SİSTEMLERİN UYGULAMAYA YÖNELİK OPTİMUM TASARIMI PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİLİMLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 1999 : 5 : 1 : 951-957

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

Genetik Algoritma ile İki Boyutlu Şekil Yerleştirme ÖZET

Genetik Algoritma ile İki Boyutlu Şekil Yerleştirme ÖZET Genetk Algortma le İk Boyutlu Şekl Yerleştrme Metn Özşahn 1 ve Mustafa Oral 2 1) Çukurova Ünverstes Fen Blmler Ensttüsü Endüstr Mühendslğ Bölümü, Adana, Turkey 2 Çukurova Ünverstes Blgsayar Mühendslğ Bölümü,

Detaylı

Optimal Güç Akışı Probleminin Çözümü İçin GA, MA ve YAK Algoritmalarının Karşılaştırılması

Optimal Güç Akışı Probleminin Çözümü İçin GA, MA ve YAK Algoritmalarının Karşılaştırılması 6 th Internatonal Advanced echnologes Symposm (IAS 11), 16-18 May 2011, Elazığ, rkey Comparson of GA, MA and ABC Algorthm for Solton of Optmal ower Flow Abstract In ths stdy, tree dfferent herstc methods

Detaylı

Zaman pencereli çok araçlı dağıtım toplamalı rotalama problemi için gerçek değerli genetik algoritma yaklaşımı

Zaman pencereli çok araçlı dağıtım toplamalı rotalama problemi için gerçek değerli genetik algoritma yaklaşımı İstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Clt/Vol:43, Sayı/No:2, 2014, 391-403 ISSN: 1303-1732 www.fdergs.org Zaman pencerel çok araçlı dağıtım toplamalı

Detaylı

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ

TÜRKİYE DEKİ 380 kv LUK 14 BARALI GÜÇ SİSTEMİNDE EKONOMİK YÜKLENME ANALİZİ TÜRİYE DEİ 38 kv LU 4 BARALI GÜÇ SİSTEMİDE EOOMİ YÜLEME AALİZİ Mehmet URBA Ümmühan BAŞARA 2,2 Elektrk-Elektronk Mühendslğ Bölümü Mühendslk-Mmarlık Fakültes Anadolu Ünverstes İk Eylül ampüsü, 2647, ESİŞEHİR

Detaylı

EVRİMSEL ALGORİTMA İLE SINIRLANDIRMALI DİNAMİK OPTİMİZASYON

EVRİMSEL ALGORİTMA İLE SINIRLANDIRMALI DİNAMİK OPTİMİZASYON EVRİMEL ALGORİTMA İLE INIRLANDIRMALI DİNAMİK OPTİMİZAYON Ş. BALKU, R. BERBER Ankara Ünvetes Mühendslk Fakültes, Kmya Mühendslğ Bölümü Tandoğan, 06100 Ankara ÖZET Aktf çamur proses atıksu arıtımında kullanılan

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

Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama

Bulanık TOPSIS ve Bulanık VIKOR Yöntemleriyle Alışveriş Merkezi Kuruluş Yeri Seçimi ve Bir Uygulama EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Clt: 14 Sayı: 3 Temmuz 2014 ss. 463-479 Bulanık TOPSIS ve Bulanık VIKOR Yöntemleryle Alışverş Merkez Kuruluş Yer Seçm ve Br Uygulama Selecton of Shoppng Center

Detaylı

Çarpımsal Ceza Modeli İle Tamsayılı Programlama

Çarpımsal Ceza Modeli İle Tamsayılı Programlama Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Clt: 10, Sayı:3, 2008 Çarpımsal Ceza Model İle Tamsayılı Programlama Sabr Erdem Özet Doğrusal olmayan optmzasyon problemlernn çözüm yöntemlernden brs,

Detaylı

ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI

ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI ÇELİK UZAYSAL ÇERÇEVE YAPILARIN OPTİMUM TASARIMI M. Sedat HAYALİOĞLU *, S. Özgür DEĞERTEKİN * * Dcle Ünverstes, Müh.-Mm. Fak., İnşaat Müh. Böl., Dyarbakır ÖZET Bu çalışmada çelk uzay çerçevelern, Amerkan

Detaylı

Karasal, Hava ve Uzay Tabanlı Haberleşme Sistemleri Arasındaki Girişimin Minimizasyonu İçin Optimizasyon Yaklaşımı

Karasal, Hava ve Uzay Tabanlı Haberleşme Sistemleri Arasındaki Girişimin Minimizasyonu İçin Optimizasyon Yaklaşımı Karasal, Hava ve Uzay Tabanlı Haberleşme stemler Arasındak rşmn nmzasyonu çn Optmzasyon Yaklaşımı Optmzaton Approach to the nmzaton of Interference Between Terrestral, Ar and pace Based Communcaton ystems

Detaylı

Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu

Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu Enerj Sstemlernde Yapay Arı Kolons (YAK) Algortması Kullanarak Yük Akışı Optmzasyonu Nhat Pamuk Türkye Elektrk İletm Anonm Şrket (TEİAŞ), 5. İletm Tess ve İşletme Grup Müdürlüğü, Sakarya nhatpamuk@gmal.com.tr

Detaylı

Heterojen Araç Filolu Zaman Pencereli Eş Zamanlı Dağıtım-Toplamalı Araç Rotalama Problemleri: Matematiksel Model

Heterojen Araç Filolu Zaman Pencereli Eş Zamanlı Dağıtım-Toplamalı Araç Rotalama Problemleri: Matematiksel Model Internatonal Journal of Research and Development, Vol.3, No.1, January 2011 19 Heteroen Araç Flolu Zaman Pencerel Eş Zamanlı Dağıtım-Toplamalı Araç Rotalama Problemler: Matematksel Model Suna ÇETİN, Cevrye

Detaylı

YERALTI SUYU POMPAJ MALİYETİ MİNİMİZASYON PROBLEMLERİNİN PSOLVER OPTİMİZASYON TEKNİĞİ İLE ÇÖZÜMÜ: TAHTALI HAVZASI ÖRNEĞİ

YERALTI SUYU POMPAJ MALİYETİ MİNİMİZASYON PROBLEMLERİNİN PSOLVER OPTİMİZASYON TEKNİĞİ İLE ÇÖZÜMÜ: TAHTALI HAVZASI ÖRNEĞİ VII. Ulusal Hdroloj Kongres 26-27 Eylül 2012, Süleyman Demrel Ünverstes, Isparta YERALTI SUYU POMPAJ MALİYETİ MİNİMİZASYON PROBLEMLERİNİN PSOLVER OPTİMİZASYON TEKNİĞİ İLE ÇÖZÜMÜ: TAHTALI HAVZASI ÖRNEĞİ

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ

ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ ENDÜSTRİYEL BİR ATIK SUYUN BİYOLOJİK ARITIMI VE ARITIM KİNETİĞİNİN İNCELENMESİ Emel KOCADAYI EGE ÜNİVERSİTESİ MÜH. FAK., KİMYA MÜH. BÖLÜMÜ, 35100-BORNOVA-İZMİR ÖZET Bu projede, Afyon Alkalot Fabrkasından

Detaylı

B R AFET YARDIM MERKEZ N N SEZG SEL ALGOR TMALAR YARDIMIYLA KONUMLANDIRILMASI

B R AFET YARDIM MERKEZ N N SEZG SEL ALGOR TMALAR YARDIMIYLA KONUMLANDIRILMASI B R AFET YARDIM MERKEZ N N SEZG SEL ALGOR TMALAR YARDIMIYLA KONUMLANDIRILMASI Numan ÇELEB stanbul Ünverstes ÖZET Dünyada her y l deprem, sel ve tusunam gb çok say da afet meydana gelmektedr. Son y llarda

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

PARÇACIK SÜRÜSÜ OPTİMİZASYON ALGORİTMASI VE BENZETİM ÖRNEKLERİ

PARÇACIK SÜRÜSÜ OPTİMİZASYON ALGORİTMASI VE BENZETİM ÖRNEKLERİ PARÇACIK SÜRÜSÜ OPTİMİZASYON ALGORİTMASI VE BENZETİM ÖRNEKLERİ Seçkn TAMER, Chan KARAKUZU seckntamer@gmal.com, chankk@kou.edu.tr Kocael Ünverstes, Müh. Fak., Elektronk ve Haberleşme Mühendslğ Bölümü İzmt/KOCAELİ

Detaylı

GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ

GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ 2. Ulusal Tasarım İmalat ve Analz Kongres 11-12 Kasım 21- Balıkesr GRİ İLİŞKİSEL ANALİZ YÖNTEMİNE GÖRE FARKLI SERTLİKLERDE OPTİMUM TAKIM TUTUCUSUNUN BELİRLENMESİ Esra YILMAZ*, Ferhat GÜNGÖR** *ylmazesraa@gmal.com

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt:13 Sayı:2 sh.75-87 Mayıs 2012 DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt:13 Sayı:2 sh.75-87 Mayıs 2012 ÇELİK YAPI SİSTEMLERİNDE İKİNCİ MERTEBE ANALİZ YÖNTEMLERİNİN İNCELENMESİ (INVESTIGATION OF SECOND ORDER ANALYSIS

Detaylı

İstanbul Ünverstes İşletme Fakültes Dergs Istanbul Unversty Journal of the School of Busness Admnstraton Clt/Vol:39, Sayı/No:2,, 310-334 ISSN: 1303-1732 www.fdergs.org Stokastk envanter model kullanılarak

Detaylı

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY

PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY BİR İŞLETMEDE KİTLESEL ÖZEL ÜRETİME YÖNELİK HEDEF PROGRAMLAMA TABANLI ÜRETİM PLANLAMA PRODUCTION PLANNING BASED ON GOAL PROGRAMMING FOR MASS CUSTOMIZATION IN A COMPANY ESRA AKBAL Başkent Ünverstes Lsansüstü

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering

EMG İşaretlerinin K-Ortalama Algoritması Kullanılarak Öbekleştirilmesi. EMG Signal Analysis Using K-Means Clustering KSÜ Mühendslk Blmler Dergs, (), 9 5 KSU Journal of Engneerng Scences, (), 9 EMG İşaretlernn K-Ortalama Algortması Kullanılarak Öbekleştrlmes Mücahd Günay, Ahmet ALKA, KSÜ Mühendslk-Mmarlık Fakültes Elektrk-Elektronk

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

Sera İklimlendirme Kontrolü İçin Etkin Bir Gömülü Sistem Tasarımı

Sera İklimlendirme Kontrolü İçin Etkin Bir Gömülü Sistem Tasarımı Sera İklmlendrme Kontrolü İçn Etkn Br Gömülü Sstem Tasarımı Nurullah Öztürk, Selçuk Ökdem, Serkan Öztürk Ercyes Ünverstes, Blgsayar Mühendslğ Bölümü, Kayser ozturk.nurullah@yahoo.com.tr,okdem@ercyes.edu.tr,

Detaylı

TOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi

TOPSIS Metodu Kullanılarak Kesici Takım Malzemesi Seçimi Makne Teknolojler Elektronk Dergs Clt: 9, No: 3, 2012 (35-42) Electronc Journal of Machne Technologes Vol: 9, No: 3, 2012 (35-42) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn:1304-4141 Makale

Detaylı

TÜRKİYE DEKİ 22 BARALI 380 kv LUK GÜÇ SİSTEMİ İÇİN EKONOMİK DAĞITIM VE OPTİMAL GÜÇ AKIŞI YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ

TÜRKİYE DEKİ 22 BARALI 380 kv LUK GÜÇ SİSTEMİ İÇİN EKONOMİK DAĞITIM VE OPTİMAL GÜÇ AKIŞI YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING FACULTY MÜHENDİ SLİ K B İ L İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 7 : 3 : 3 : 369-378

Detaylı

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM

TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM TRAFİK İŞARETLERİNİN HOUGH DÖNÜŞÜMÜ VE DVM KULLANILARAK SINIFLANDIRILMASI TRAFFIC SIGN CLASSIFICATION USING HOUGH TRANSFORM AND SVM Emrah ONAT SDT - Space & Defence Technologes A.Ş. emrahonat@yahoo.com

Detaylı

ROBİNSON PROJEKSİYONU

ROBİNSON PROJEKSİYONU ROBİNSON PROJEKSİYONU Cengzhan İPBÜKER ÖZET Tüm yerkürey kapsayan dünya hartalarının yapımı çn, kartografk lteratürde özel br öneme sahp olan Robnson projeksyonu dk koordnatlarının hesabı brçok araştırmacı

Detaylı

Atölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi

Atölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi tüdergs/d mühendsl Clt:5, Sayı:2, Kısım:1, 58-68 Nsan 2006 Atölye tp çzelgeleme problemler çn parçacı sürü optmzasyonu yöntem Mehmet ŞEVKLİ *, M. Mutlu YENİSEY İTÜ İşletme Faültes, Endüstr Mühendslğ Bölümü,

Detaylı

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için)

Dersin Yürütülmesi Hakkında. (Örgün / Yüz Yüze Eğitim için) (Harmanlanmış Eğitim için) (Uzaktan Eğitim için) Ders Kodu Teork Uygulama Lab. Uluslararası Muhasebe ve Fnansal Raporlama Standartları Ulusal Kred Öğretm planındak AKTS 344000000000510 3 0 0 3 6 Ön Koşullar : Bu dersn ön koşulu ya da yan koşulu bulunmamaktadır.

Detaylı

ÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE NOVO. Özet

ÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE NOVO. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 0.0.00 Clt:, Sayı: 4, Yıl: 00, Sayfa: -74 Yayına Kabul Tarh: 7.0.0 ISSN: 0-84 ÇOK AMAÇLI DOĞRUSAL PROGRAMLAMADAN SİSTEM TASARIMINA: DE

Detaylı

UÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ

UÇAK ÇİZELGELEME PROBLEMİNİN KARINCA KOLONİLERİ OPTİMİZASYONU İLE ÇÖZÜMÜ Uça Çzelgeleme roblemnn Karınca Kolonler Optmzasyonu le Çözümü HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ OCAK 2005 CİLT 2 SAYI 1 (87-95) UÇAK ÇİZELGELEME ROBLEMİNİN KARINCA KOLONİLERİ OTİMİZASYONU İLE ÇÖZÜMÜ

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu

Soğutucu Akışkan Karışımlarının Kullanıldığı Soğutma Sistemlerinin Termoekonomik Optimizasyonu Soğutucu Akışkan arışımlarının ullanıldığı Soğutma Sstemlernn ermoekonomk Optmzasyonu * 1 Hüseyn aya, 2 ehmet Özkaymak ve 3 rol Arcaklıoğlu 1 Bartın Ünverstes akne ühendslğ Bölümü, Bartın, ürkye 2 arabük

Detaylı

BALİ KHO BİLİM DERGİSİ CİLT:23 SAYI:2 YIL:2013. BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ.

BALİ KHO BİLİM DERGİSİ CİLT:23 SAYI:2 YIL:2013. BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ. BULANIK BOYUT ANALİZİ ve BULANIK VIKOR İLE BİR ÇNKV MODELİ: PERSONEL SEÇİMİ PROBLEMİ Özkan BALİ ÖZET Personel seçm organzasyonların başarısını etkleyen en öneml problemlerden brdr. Bu seçm, belrszlk çeren

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

Üç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü

Üç Boyutlu Yapı-Zemin Etkileşimi Problemlerinin Kuadratik Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak Çözümü ECAS Uluslararası Yapı ve Deprem Mühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye Üç Boyutlu Yapı-Zemn Etkleşm Problemlernn Kuadratk Sonlu Elemanlar ve Sonsuz Elemanlar Kullanılarak

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA

TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA TEDARİKÇİ SEÇİMİNDE ANALİTİK HİYERARŞİ PROSESİ VE HEDEF PROGRAMLAMA YÖNTEMLERİNİN KOMBİNASYONU: OTEL İŞLETMELERİNDE BİR UYGULAMA Yrd. Doç. Dr. Meltem KARAATLI * Yrd. Doç. Dr. Gonca DAVRAS ** ÖZ Otel şletmelernde,

Detaylı

TRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA

TRİSTÖR VE TRİYAK HARMONİKLERİNİN 3 BOYUTLU GÖSTERİMİ VE TOPLAM HARMONİK BOZUNUMA EĞRİ UYDURMA PAMUKKALE ÜNİ VERSİ TESİ MÜHENDİ SLİ K FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİ SLİ K BİL İ MLERİ DERGİ S İ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : : : : 5- TRİSTÖR VE TRİYAK

Detaylı

ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME

ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME ERGONOMİK KOŞULLAR ALTINDA MONTAJ HATTI DENGELEME Pamukkale Ünverstes Fen Blmler Ensttüsü Yüksek Lsans Tez Endüstr Mühendslğ Anablm Dalı Elf ÖZGÖRMÜŞ Danışman: Yrd. Doç. Dr. Özcan MUTLU Ağustos, 2007 DENİZLİ

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:305-63X Yapı Teknolojler Elektronk Dergs 008 () - TEKNOLOJĐK ARAŞTIRMALAR Makale Başlığın Boru Hattı Etrafındak Akıma Etks Ahmet Alper ÖNER Aksaray Ünverstes, Mühendslk

Detaylı

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta

Detaylı

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama

Detaylı

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9

Öğretim planındaki AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ders Kodu Teork Uygulama Lab. Ulusal Kred Öğretm planındak AKTS TASARIM STÜDYOSU IV 214058100001312 2 4 0 4 9 Ön Koşullar : Grafk İletşm I ve II, Tasarım Stüdyosu I, II, III derslern almış ve başarmış

Detaylı

TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ

TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ ZKÜ Sosyal Blmler Dergs, Clt 3, Sayı 6, 2007, ss. 109 125. TAŞIMACILIK SEKTÖRÜNÜN İŞLEYİŞ SÜRECİ, BULANIK DAĞITIM PROBLEMİNİN TAMSAYILI DOĞRUSAL PROGRAMLAMA MODEL DENEMESİ Yrd.Doç.Dr. Ahmet ERGÜLEN Nğde

Detaylı

TUNING GAIN PARAMETERS OF A PI CONTROLLER USING GENETIC ALGORITHM FOR BOOST DC-DC CONVERTER

TUNING GAIN PARAMETERS OF A PI CONTROLLER USING GENETIC ALGORITHM FOR BOOST DC-DC CONVERTER 5. Uluslararası İler Teknolojler Sempozyumu (IATS 9), 35 Mayıs 29, Karabük, Türkye YÜKSETİİ TİP DADA DÖNÜŞTÜRÜÜDE GENETİK AGORİTMA İE PI DENETEYİİ KAZANÇ PARAMETREERİNİN AYAANMASI TUNING GAIN PARAMETERS

Detaylı

AN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT

AN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT Journal of Management, Marketng and Logstcs (JMML), ISSN: 48-6670 Year: 04 Volume: Issue: AN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT Kemal

Detaylı

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,

Detaylı

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar

Detaylı

ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI

ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI ROTASYON ORMAN ALGORİTMASI İLE YÜKSEK ÇÖZÜNÜRLÜKLÜ MULTİSPEKTRAL UYDU GÖRÜNTÜLERİNİN SINIFLANDIRILMASI İsmal ÇÖLKESEN 1, Tahsn YOMRALIOĞLU 2, Taşkın KAVZOĞLU 3 1 Araş. Gör., Gebze Yüksek Teknoloj Ensttüsü,

Detaylı

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

Detaylı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış

Detaylı

AJANDA LİTERATÜR TARAMASI

AJANDA LİTERATÜR TARAMASI AJANDA İSTANBUL DAKİ HASTANELERDEN TIBBİ ATIKLARIN TOPLANMASI İÇİN ARA TESİSE UĞRAMALI BİR ARAÇ ROTALAMA MODELİ Denz Asen Koç Ünverstes İtsad ve İdar Blmler Faültes Müge Güçlü Koç Ünverstes Endüstr Mühendslğ

Detaylı

BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ

BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 25-27 Kasım 25 BULANIK ÇOK AMAÇLI HÜCRESELTASARIM PROBLEMİNİN İKİ AŞAMALI BULANIK PROGRAMLAMA YAKLAŞIMI İLE ÇÖZÜMÜ Feyzan ARIKAN Gaz

Detaylı

ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ

ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ T.C. KARA HARP OKULU SAVUNMA BİLİMLERİ ENSTİTÜSÜ HAREKÂT ARAŞTIRMASI ANA BİLİM DALI ÇOK DURUMLU AĞIRLIKLANDIRILMIŞ BİLEŞENLİ SİSTEMLERİN DİNAMİK GÜVENİLİRLİK ANALİZİ DOKTORA TEZİ Hazırlayan Al Rıza BOZBULUT

Detaylı

Titresimli Genetik Algoritma ile Hizlandirilmis Kanat Profili Optimizasyonu

Titresimli Genetik Algoritma ile Hizlandirilmis Kanat Profili Optimizasyonu HAVACILIK VE UZAY TEKNOLOJILERI DERGISI OCAK 2003 CILT 1 SAYI 1 (1-10) Ttresml Genetk Algortma le Hzlandrlms Kanat Profl Optmzasyonu Abdurrahman HACIOGLU HHO Dekanlg Havaclk Mühendslg Bölümü, 34806, Yeslyurt,

Detaylı

T.C. İNÖNÜ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ CIRCIR BÖCEĞİ ALGORİTMASI: YENİ BİR META-SEZGİSEL YAKLAŞIM VE UYGULAMALARI MURAT CANAYAZ

T.C. İNÖNÜ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ CIRCIR BÖCEĞİ ALGORİTMASI: YENİ BİR META-SEZGİSEL YAKLAŞIM VE UYGULAMALARI MURAT CANAYAZ T.C. İNÖNÜ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ CIRCIR BÖCEĞİ ALGORİTMASI: YENİ BİR META-SEZGİSEL YAKLAŞIM VE UYGULAMALARI MURAT CANAYAZ DOKTORA TEZİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI AĞUSTOS 2015

Detaylı

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI

MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI MESLEK SEÇİMİ PROBLEMİNDE ÇOK ÖZELLİKLİ KARAR VERME VE ÇÖZÜME YÖNELİK GELİŞTİRİLEN BİREYSEL KARİYER PLANLAMA PROGRAMI Fath ÇİL GAZİ ÜNİVERSİTESİ Mühendslk Mmarlık Fakültes Endüstr Mühendslğ Bölümü 4. Sınıf

Detaylı

2.4GHz ISM Bandı Alıcı Verici Sistemleri için ANFIS Kullanılarak 280MHz Band Geçiren Aktif Filtre Tasarımı ve Analizi

2.4GHz ISM Bandı Alıcı Verici Sistemleri için ANFIS Kullanılarak 280MHz Band Geçiren Aktif Filtre Tasarımı ve Analizi Fırat Ünverstes-Elazığ 2.4GHz ISM Bandı Alıcı Verc Sstemler çn ANFIS Kullanılarak 280MHz Band Geçren Aktf Fltre Tasarımı ve Analz Mehmet Al BELEN, Adnan KAYA 2.2 Elektronk-Haberleşme Mühendslğ Bölümü Süleyman

Detaylı

DİNAMİK ANALİZ PROBLEMLERİ İÇİN YENİ BİR ADIM ADIM SAYISAL ÇÖZÜMLEME YÖNTEMİ

DİNAMİK ANALİZ PROBLEMLERİ İÇİN YENİ BİR ADIM ADIM SAYISAL ÇÖZÜMLEME YÖNTEMİ . Türkye Deprem Mühendslğ ve Ssmoloj Konferansı 5-7 Eylül 0 MKÜ HATAY DİNAMİK ANALİZ PROBLEMLERİ İÇİN YENİ BİR ADIM ADIM SAYISAL ÇÖZÜMLEME YÖNTEMİ ÖZET: H. Çlsalar ve K. Aydın Yüksek Lsans Öğrencs, İnşaat

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI

KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI KAFES SİSTEMLERİN GERİLME, YER DEĞİŞTİRME, BURKULMA VE DOĞAL FREKANS KISITLARI ALTINDA OPTİMUM TASARIMI Cem Celal TUTUM İ.T.Ü. ROTAM, Makne Yük. Müh. ÖZET: Bu çalışmada düzlemsel kafes sstemlern belrl

Detaylı

AYNI GÜÇ ÜRETİMİ İÇİN TERMAL VE RÜZGÂR BARALARININ YAKIT MALİYETİ VE EMİSYON AÇISINDAN KARŞILAŞTIRILMASI

AYNI GÜÇ ÜRETİMİ İÇİN TERMAL VE RÜZGÂR BARALARININ YAKIT MALİYETİ VE EMİSYON AÇISINDAN KARŞILAŞTIRILMASI 3. İzmr Rüzgâr Sempozyumu // 8-10 Ekm 2015 // İzmr 49 AYNI GÜÇ ÜRETİMİ İÇİN TERMAL VE RÜZGÂR BARALARININ YAKIT MALİYETİ VE EMİSYON AÇISINDAN KARŞILAŞTIRILMASI Mehmet Güçyetmez 1, Ertuğrul Çam 2 1 Ah Evran

Detaylı

YAZILIM GELİŞTİRME PROJELERİNİN GERÇEK OPSİYON DEĞERLEME MODELİYLE ÇOK ÖLÇÜTLÜ BULANIK DEĞERLEMESİ

YAZILIM GELİŞTİRME PROJELERİNİN GERÇEK OPSİYON DEĞERLEME MODELİYLE ÇOK ÖLÇÜTLÜ BULANIK DEĞERLEMESİ İstanbul Tcaret Ünverstes Fen Blmler Dergs Yıl: 8 Sayı: 5 Bahar 009/ s. 3-6 YAZILIM GELİŞTİRME PROJELERİNİN GERÇEK OPSİYON DEĞERLEME MODELİYLE ÇOK ÖLÇÜTLÜ BULANIK DEĞERLEMESİ A. Çağrı TOLGA, Cengz KAHRAMAN

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi *

K-Ortalamalar Yöntemi ile Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelerin Belirlenmesi * İMO Teknk Derg, 2012 6037-6050, Yazı 383 K-Ortalamalar Yöntem le Yıllık Yağışların Sınıflandırılması ve Homojen Bölgelern Belrlenmes * Mahmut FIAT* Fath DİKBAŞ** Abdullah Cem KOÇ*** Mahmud GÜGÖ**** ÖZ

Detaylı

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,

Detaylı

İki Serbestlik Dereceli KardanUygulamasının Kararlılaştırılması

İki Serbestlik Dereceli KardanUygulamasının Kararlılaştırılması İk Serbestlk Derecel KardanUygulamasının Kararlılaştırılması M.Şahn * M. T. Daş S.Çakıroğlu Z. Esen Roketsan A.Ş THK Unversty Roketsan A.Ş Roketsan A.Ş Ankara Ankara Ankara Ankara Özet Bu çalışmada, servo

Detaylı

Bulanık Analitik Hiyerarşi Süreci ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemleri ile Tekstil Sektöründe Finansal Performans Ölçümü

Bulanık Analitik Hiyerarşi Süreci ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemleri ile Tekstil Sektöründe Finansal Performans Ölçümü Sosyal Blmler 8/1 (010) s 19516 SOSYAL BİLİMLER Yıl : 010 Clt :8 Sayı :1 Celal Bayar Ünverstes S.B.E. Bulanık Analtk Hyerarş Sürec ve İdeal Çözüme Yakınlığa Göre Sıralama Yapma Yöntemler le Tekstl Sektöründe

Detaylı

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 28, 224-234, 2010 PhD Research Artcle / Doktora Çalışması Araştırma Makales APPLICATION OF ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

Detaylı

BİR UN FABRİKASINDA HEDEF PROGRAMLAMA UYGULAMASI

BİR UN FABRİKASINDA HEDEF PROGRAMLAMA UYGULAMASI BİR UN FABRİKASINDA HEDEF PROGRAMLAMA UYGULAMASI Abdullah Oktay DÜNDAR * Muammer ZERENLER ** ÖZET İşletmeler günümüz rekabet ortamının çalkantılı doğasında faalyetlern sürdürürken, sahp oldukları kıt kaynakları

Detaylı

İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KAFES SİSTEMLERİN OPTİMUM TASARIMI. YÜKSEK LİSANS TEZİ Mak. Müh.

İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KAFES SİSTEMLERİN OPTİMUM TASARIMI. YÜKSEK LİSANS TEZİ Mak. Müh. İSTANBUL TEKNİK ÜNİVERSİTESİ EN BİLİMLERİ ENSTİTÜSÜ KAES SİSTEMLERİN OPTİMUM TASARIMI YÜKSEK LİSANS TEZİ Mak. Müh. Cem Celal TUTUM Anablm Dalı : MAKİNA MÜHENDİSLİĞİ Programı : KATI CİSİMLERİN MEKANİĞİ

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Veri Kümelemede Yapay Atom Algoritması ve Cırcır Böceği Algoritmasının Karşılaştırılmalı Analizi

Veri Kümelemede Yapay Atom Algoritması ve Cırcır Böceği Algoritmasının Karşılaştırılmalı Analizi 2016 Publshed n 4th Internatonal Symposum on Innovatve Technologes n Engneerng and Scence 3-5 November 2016 (ISITES2016 Alanya/Antalya - Turkey) Ver Kümelemede Yapay Atom Algortması ve Cırcır Böceğ Algortmasının

Detaylı

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus

04.10.2012 SU İHTİYAÇLARININ BELİRLENMESİ. Suİhtiyacı. Proje Süresi. Birim Su Sarfiyatı. Proje Süresi Sonundaki Nüfus SU İHTİYAÇLARII BELİRLEMESİ Suİhtyacı Proje Süres Brm Su Sarfyatı Proje Süres Sonundak üfus Su ayrım çzs İsale Hattı Su Tasfye Tess Terf Merkez, Pompa İstasyonu Baraj Gölü (Hazne) Kaptaj Su Alma Yapısı

Detaylı

PORTFÖY SEÇİMİNDE MARKOWITZ MODELİ İÇİN YENİ BİR GENETİK ALGORİTMA YAKLAŞIMI

PORTFÖY SEÇİMİNDE MARKOWITZ MODELİ İÇİN YENİ BİR GENETİK ALGORİTMA YAKLAŞIMI Yönetm, Yıl: 18, Sayı: 56, Şubat 2007 PORTFÖY SEÇİMİDE MARKOWITZ MODELİ İÇİ YEİ BİR GEETİK ALGORİTMA YAKLAŞIMI Arş. Grv. Tmur KESKİTÜRK İstanbul Ünverstes - İşletme Fakültes Sayısal Yöntemler Anablm Dalı

Detaylı

TEKNOLOJİ, PİYASA REKABETİ VE REFAH

TEKNOLOJİ, PİYASA REKABETİ VE REFAH TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr

Detaylı

ADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR.

ADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR. ADIYAMAN ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MATEMATİK ANABİLİM DALI YÜKSEK LİSANS TEZİ SOFT KÜMELER VE BAZI SOFT CEBİRSEL YAPILAR Ebubekr İNAN DANIŞMAN Yrd. Doç. Dr. Mehmet Al ÖZTÜRK ADIYAMAN 2011 Her

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı