Kafes Yapıların Öğretme-Öğrenme Esaslı Optimizasyon Yöntemiyle Boyutlandırılması

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Kafes Yapıların Öğretme-Öğrenme Esaslı Optimizasyon Yöntemiyle Boyutlandırılması"

Transkript

1 Kafes Yapıların Öğretme-Öğrenme Esaslı Optmzasyon Yöntemyle Boyutlandırılması S. Özgür Değertekn, M. Sedat Hayaloğlu Dcle Ünverstes, İnşaat Mühendslğ Bölümü, 21280, Dyarbakır Tel: (412) E-Posta: Öz Dğer mühendslk alanlarında olduğu gb yapı sstemlernn optmum tasarım problemnde de sezgsel optmzasyon yöntemler son yıllarda yaygın br şeklde kullanılmaktadır. Bu yöntemlern ana felsefes; herhang br doğal süreç le optmzasyon problemler arasında benzerlk kurmaktır. Bu çalışma kapsamında öğretme-öğrenme esaslı optmzasyon yöntem kullanılarak kafes yapıların deplasman ve gerlme sınırlayıcıları altında mnmum ağırlıklı olarak boyutlandırılması amaçlanmaktadır. Öğretme-öğrenme esaslı optmzasyon yöntem; herhang br sınıftak öğretmen ve öğrenc lşks ve öğrenclern brbrleryle etkleşmler le optmzasyon problemler arasında benzerlk kurmaktadır. Yöntem; başlangıç popülasyonunun (başlangıç kafes yapılarının) rasgele üretlmes, öğretme aşaması, öğrenme aşaması ve optmzasyon şlemnn btrlmes olmak üzere dört kısımdan oluşmaktadır. Bu çalışmada öne sürülen öğretme-öğrenme esaslı optmzasyon yöntemnden elde edlen sonuçlar lteratürde daha önce armon arama, hbrd parçacık sürü optmzasyonu, hbrd parçacık sürü karınca kolon optmzasyonu, self-adaptf armon arama yöntemler kullanılarak optmze edlmş olan 25 elemanlı uzay kafes yapı örneğ üzernde test edlmş ve elde edlen sonuçlar kıyaslanmıştır. Bu kıyaslamaların sonucunda öğretmeöğrenme esaslı optmzasyon yöntemnn dğer yöntemlere göre daha haff kafes yapı tasarımı elde ettğ tespt edlmştr. Anahtar sözcükler: Kafes Yapılar, Sezgsel Optmzasyon Yöntemler, Öğretme- Öğrenme Esaslı Optmzasyon, Mnmum Ağırlıklı Boyutlandırma Grş Doğal br süreçle optmzasyon problemler arasındak benzerlğ esas alarak gelştrlen sezgsel optmzasyon yöntemler dğer brçok alanda olduğu gb yapı sstemlernn optmum tasarımında da yaygın olarak kullanılmaktadır. Armon arama, parçacık sürü optmzasyonu, karınca kolon optmzasyonu ve öğretme-öğrenme esaslı optmzasyon bu yöntemler arasındadır. Armon arama (HS), müzsyenlern en y armony elde etmek çn zledkler yol le optmzasyon problemler arasında benzerlk kuran br arama yöntemdr (Geem, 2001). HS farklı optmzasyon problemlernn çözümü yanında kafes yapıların mnmum ağırlıklı olarak boyutlandırılmasına da uygulanmıştır (Lee ve Geem, 2004). Bunun yanında standart HS yöntemnde tespt edlen eksklkler gderlerek self-adaptf armon arama adıyla da kafes yapıların optmzasyonunda kullanılmıştır (Degertekn 2012). 409

2 Parçacık sürü optmzasyonu (PSO), sürü davranışının taklt edlmes esasına dayanır (Kennedy ve Eberhart, 1995). Yöntem kafes yapıların optmzasyonunda da kullanılmıştır (L ve dğ. (2007). Karınca kolon optmzasyonu (ACO), karıncaların yuvaları ve besn kaynakları arasındak en kısa yolu bulmak çn zledkler stratejler optmzasyon problemlernn çözümüne uyarlayan yöntemdr. Yöntem lk kez Dorgo ve dğ. (1992) tarafından gelştrlmş ve dğer brçok uygulama alanı yanında kafes yapıların optmzasyonuna da uygulanmıştır (Kaveh ve Talatahar, 2009a). Öğretme-öğrenme esaslı optmzasyon yöntem, herhang br sınıftak öğretmen ve öğrenc lşks ve öğrenclern brbrleryle etkleşmler le optmzasyon problemler arasında benzerlk kurarak karmaşık mühendslk problemlernn optmzasyonunu gerçekleştrmek çn gelştrlen br optmzasyon yöntemdr. Yöntem lk kez Rao ve dğ. (2011) tarafından mekank tasarım problemlernn optmzasyonunda kullanılmıştır. Sonrasında büyük ölçekl lneer olmayan optmzasyon problemlernn çözümünde (Rao ve dğ. 2012), çelk çerçevelern optmum tasarımında (Togan 2012) ve kafes yapıların optmzasyonunda kullanılmıştır (Degertekn ve Hayaloglu, 2013) Bu çalışma le öğretme-öğrenme esaslı optmzasyon yöntem kullanılarak; kafes yapıların deplasman ve gerlme sınırlayıcıları altında mnmum ağırlıklı olarak boyutlandırılması amaçlanmaktadır. Öne sürülen yöntemden elde edlen sonuçları kıyaslamak amacıyla daha önce armon arama, hbrd parçacık sürü optmzasyonu, hbrd parçacık sürü-karınca kolon optmzasyonu, self-adaptf armon arama yöntemleryle mnmum ağırlıklı olarak boyutlandırılmış olan 25 elemanlı uzay kafes yapı kullanılmış ve elde edlen sonuçlarla öğretme-öğrenme esaslı optmzasyon yöntemnn etknlğ test edlmştr. Optmzasyon Problemnn Formülasyonu Kafes yapıların optmzasyon problem şu şeklde formüle edleblr: ng mnw ( X ) = x ρ L (1) = 1 mk k= 1 k k l u X = [ x1, x2,..., xng ] x x x, =1,2,.,ng (2) burada X tasarım değşkenlern çeren br vektör, x ; nc tasarım değşkenne at enkest değer, ng tasarım değşkenlernn sayısı (kafes yapıdak grup sayısı), l x ve enkestlern alableceğ en küçük ve en büyük değerler, mk ; k ncı gruptak toplam eleman sayısı, W(X) kafes yapının ağırlığı, ρ k ve L k ; nc gruptak k ncı elemana at özgül ağırlık ve uzunluk değerlerdr. Normalze edlmş tasarım sınırlayıcıları şu şeklde fade edleblr: s σ nl g nl ( x) = 1 0, σ nu 1 n nm, 1 l nl (3) d d jl g jl ( x) = 1 0, 1 j ndof, 1 l nl (4) d ju bu bağıntılarda g s nl (x) ve g d jl (x) sırasıyla eleman gerlme ve düğüm deplasman sınırlayıcılarına at fonksyonlar, σ nl l nc yükleme durumunda n nc elemandak gerlme değer, σ herhang br elemandak gerlmenn alableceğ en büyük değer, nu u x 410

3 d jl l nc yükleme durumunda j nc serbestlk dereces çn düğüm noktasındak deplasman değer, d ju herhang br düğüm noktasındak deplasmanın alableceğ en büyük değer, nl yükleme durumu sayısı, ndof serbestlk dereces sayısıdır. Optmzasyon sürec sonunda (3) ve (4) bağıntılarıyla verlen sınırlayıcıları sağlayan farklı kafes yapılardan mnmum ağırlıklı olan nha optmum tasarım olarak tayn edlr. Bu süreçte, (3) ve (4) bağıntılarıyla verlen sınırlayıcıları sağlamayan tasarımlar elenr. Bu eleme şlem çn daha önce kafes yapıların optmzasyonuna başarıyla uygulanmış br seçm mekanzması kullanılmıştır (Kaveh ve Talatahar 2009b). Bu seçm mekanzması şu kuralları çerr: a. Sınırlayıcıları sağlayan kafes yapı tasarımları, sınırlayıcıları sağlamayanlara terch edlr, b. Sınırlayıcıları çok küçük br değerde (optmzasyon sürecnn başında 0.01 optmzasyon sürecnn sonunda mertebesnde) sağlamayan tasarımlar sınırlayıcıları sağlıyor olarak kabul edlr, c. Sınırlayıcıları sağlayan k kafes yapı tasarımı arasında daha haff olan kafes yapı tasarımı terch edlr, d. Sınırlayıcıları sağlamayan k kafes yapı tasarımı arasında sınırlayıcıları daha az hlal eden tasarım terch edlr. Bu seçm mekanzmasında (a) ve (d) kuralları optmzasyon şlemnn sınırlayıcıları sağlayan tasarımlara yönelmesn sağlamakta, (c) kuralı sınırlayıcıları sağlayan tasarımlar çnde daha y (daha haff) olan tasarıma yönlendrme yapmakta, (b) kuralı se global optmumun sınırlayıcılara at sınır değerlere yakın olması olasılığını araştırmaktadır. Burada (b) kuralı uygulanmakla brlkte optmzasyon sürec sonunda tayn edlen optmum tasarımın her zaman çn sınırlayıcıları sağlayan tasarım olacağı açıktır. Dolayısıyla daha haff ble olsa sınırlayıcıları sağlamayan tasarımın optmum tasarım olarak atanması kabul edlmeyecektr. Öğretme-Öğrenme Esaslı Optmzasyon (TLBO) Öğretme-öğrenme esaslı optmzasyon yöntem (TLBO); herhang br sınıftak öğretmen ve öğrenc lşks ve öğrenclern brbrleryle etkleşmler le optmzasyon problemler arasında benzerlk kurarak karmaşık problemlernn optmzasyonunu gerçekleştrmek çn gelştrlen br optmzasyon yöntemdr. Herhang br sınıf, öğretmen ve öğrenclerden oluşan topluluk olarak düşünüleblr. Her öğretmen, kend blg ve tecrübesn öğrenclerne aktararak sınıfının başarı sevyesn olabldğnce arttırmayı amaçlamaktadır. Dolayısıyla br sınıftak ortalama başarı durumunun öğretmenn blg ve tecrübesyle bağlantılı olduğu söyleneblr. Bununla brlkte öğretmen ne kadar blgl ve tecrübel olursa olsun sınıftak öğrenclern de öğretmen tarafından kendlerne aktarılan blgler özümseyeblecek kapastede olmaları gerekldr. Sonuç olarak, öğretmenn kaltes ve öğrenclern kapastes arasında sürekl br etkleşm bulunmaktadır. A ve B gb k farklı sınıfta aynı ders anlatan k öğretmen T A ve T B olarak adlandıralım ve doğru br kıyaslama çn k sınıftak öğrenclern yaklaşık olarak aynı sevyede olduklarını kabul edelm. Bu sınıflarda öğrencler tarafından alınan notların dağılımı Şekl 1 de gösterlmektedr. 411

4 Ola sılı k yo ğu nlu ğu M A M B Sınıf-B Sınıf-A T A T B Ders notları Şekl 1 İk Farklı Sınıfta Öğrenclern Aldığı Notların Dağılımı. Şekl 1 e göre; M B le gösterlen B sınıfındak öğrenclern not ortalaması, M A le gösterlen A sınıfındak öğrenclern not ortalamasından daha büyüktür (M B >M A ). Bu durum, B sınıfının öğretmen olarak fade edlen T B nn A sınıfı öğretmen olarak fade edlen T A dan daha başarılı olduğunu göstermektedr. Başka br fadeyle daha yüksek not ortalaması olan öğrenclern olduğu sınıfın öğretmen daha başarılı olarak kabul edleblr. Buna laveten daha yüksek ders notu alan öğrenclern brbrleryle etkleşmlernn de daha kuvvetl olduğu söyleneblr. Öğretmen kend mesleğnde en donanımlı kş olarak kabul edldğnden A ve B sınıflarında en y notlara sahp olan T A ve T B le gösterlen öğrencler o sınıfların öğretmen olarak kabul edlrler. Öğretmen blgsn öğrencleryle paylaşarak ders en y şeklde öğretmeye çalışmaktadır. Dolayısıyla sınıfın başarı durumu drek olarak öğretmenn blg ve becersne bağlıdır. Her öğretmen sınıfının başarısını arttırmayı amaçlamakla brlkte bu durum öğretmen tarafından öğrenclere aktarılan blgnn kaltesnn yanında sınıftak öğrenclern kaltesne de bağlıdır (Rao ve dğ 2011). Şekl 1 de görüleceğ üzere, A sınıfının öğretmen T A, sınıfının not ortalamasını B sınıfının not ortalamasına yaklaştırmaya amaçlamaktadır ve başarılı olması halnde öğrenc kaltes ve buna bağlı olarak en y öğrenc olarak kabul edlen öğretmen kaltes de artmış olacaktır. Bu durum öğretmen kaltes ve öğrenc başarısı arasında sürekl br etkleşm olduğunu göstermektedr ve bu şeklde öğretmenn (aynı zamanda sınıfın) başarısının sürekl olarak arttırılması sağlanır. TLBO yöntem le kafes yapıların optmzasyonu arasında şu şeklde br benzerlk kurulablr: TLBO yöntemndek sınıf; optmzasyon problemnde kafes yapıları çeren tasarım popülasyonunu, öğrenclere öğretlen br konu; kafes yapıdak br eleman grubunu, sınıftak br öğrenc; tasarım popülasyonundak br kafes yapıyı, herhang br öğrencnn başarı notu; o öğrency temsl eden kafes yapının ağırlığını ve sınıftak en başarılı öğrenc olarak düşünülen öğretmen; en haff kafes yapıyı temsl etmektedr. 412

5 Kafes Yapıların TLBO Yöntemyle Boyutlandırılması Kafes yapıların TLBO yöntemyle mnmum ağırlıklı olarak boyutlandırılması aşağıdak adımlardan oluşmaktadır: Adım 1: TLBO da Başlangıç Popülasyonunun Oluşturulması Bu adımda; popülasyon büyüklüğü (ps) kadar öğrencden (kafes yapı tasarımı) oluşan sınıf rasgele olarak üretlr. Bu kafes yapıları çeren popülasyon aşağıdak matrs formunda gösterleblr x x2 xng 1 x ng W ( X ) x1 x2... xng 1 xng W ( X ) : : :::: : : : ps = (5) : : :::: : : : ps 1 ps 1 ps 1 ps 1 ps 1 x1 x2... xng 1 x ng W ( X ) ps ps ps ps ps x1 x2... xng 1 xng W ( X ) Bu matrste her br sıra br kafes yapı tasarımını fade etmektedr. X 1, X 2,, X ps 1, X ps ve W(X 1 ), W(X 2 ),., W(X ps 1 ), W(X ps ) sırasıyla kafes yapı tasarımlarını ve bu tasarımlara at ağırlıkları göstermektedr. (1)-(4) denklemlerne göre hesaplanan kafes yapı ağırlıkları W(X 1 )<W(X 2 ),., W(X ps 1 )< W(X ps ) şeklnde sıralanmıştır. Adım 2: Öğretme Aşaması Bu aşamada mnmum ağırlıklı olarak hesaplanan W(X 1 ) ağırlıklı olan X 1 tasarımı öğretmen olarak atanır (X öğretmen =X 1 ). Öğretmenn amacı, sınıfın ortalamasını (X ortalama ) olabldğnce arttırmaktır. Bu amaçla popülasyondak herhang br nc tasarım ( 1) aşağıdak şeklde modfye edlr: X yen, 1 ortalama F = X + r( X T X ) (6) bu bağıntıda r :[0,1] aralığında rasgele üretlen br reel sayı, T F : 0 veya 1 olarak alınacak olan öğretme faktörüdür. Popülasyondak tasarımların ortalamalarını fade eden X ortalama tasarımı se şu şeklde hesaplanmaktadır: ps X ortalama = m sınıf =1 x 1, m sınıf =1 x 2,., m sınıf =1 x ng (7) bu bağıntıda m(.) tasarım değşkennn ortalama değerdr. Eğer yen tasarım ( X ), yen, mevcut tasarımdan ( X ) daha haffse ( W ( X ) < W ( X ) ), yen tasarım mevcut new, tasarımın yern alır, X = X. Adım 3: Öğrenme Aşaması ps ps yen, Öğretmenn sınıfın ortalamasını daha y br sevyeye getrme çabasının yanında, öğrenclerde kend aralarındak etkleşmle başarılarını arttırmaya çalışırlar. Bu amaçla 413

6 br tasarım kendn gelştrmek amacıyla popülasyondak başka br tasarımla etkleşme grer. Öğrenme aşamasında ve j ( j) gb farklı tasarım arasında blg paylaşımı şu şeklde yapılmaktadır: yen, X j = X + r( X X ) eğer j W ( X ) < W ( X ) (8a) yen, X j = X + r( X X ) eğer j W ( X ) < W ( X ) (8b) j X rasgele olarak seçlen ve yen, X den farklı olan tasarımdır. Eğer yen tasarım ( X ), yen, mevcut tasarımdan ( X ) daha haffse ( W ( X ) < W ( X ) ), yen tasarım mevcut yen, tasarımın yern alır, X = X. Adım 4: Arama İşlemnn Btrlmes 2. ve 3. adımların önceden belrlenmş yapı analz sayısı kadar tekrarlanması durumunda popülasyonda sınırlayıcıları sağlayan en haff kafes yapıdan daha haff br kafes yapı tasarımı elde edlemyorsa arama sürec btrlr. Tasarım Örneğ TLBO yöntemnden elde edlen sonuçları test etmek çn lteratürde armon arama (HS) (Lee ve dğ., 2004), hbrd parçacık sürü optmzasyonu (HPSO) (L ve dğ., 2007), hbrd parçacık küme karınca kolon optmzasyonu (HPSACO) (Kaveh ve Talatahar, 2009a) ve self-adaptf armon arama (SAHS) (Degertekn, 2012) yöntemleryle mnmum ağırlıklı olarak boyutlandırılmış 25 elemanlı uzay kafes yapı kullanılmıştır. TLBO nun standart uygulamasında br öğretme safhasında, dğer öğrenme safhasında olmak üzere k tasarım üretlmektedr. Bu çalışmada optmum tasarıma ulaşmayı hızlandırmak çn öğrenme safhasında br tasarımdan daha fazla sayıda yen tasarım üretlmştr. Sonuç olarak TLBO yöntemnde popülasyon büyüklüğü (ps) ve öğrenme safhasında üretlen tasarım sayısı (ndlp) olmak üzere k parametre mevcuttur. Bu parametrelere atanablecek en uygun değerler farklı ps ve ndlp değerler çn TLBO yöntem cra edlerek bulunmuştur. Buna göre ps=30 ve ndlp=4 değerler çn en haff kafes yapı tasarımlarının elde edldğ tespt edlmştr (Degertekn ve Hayaloglu, 2013). TLBO yöntem aynı başlangıç tasarımları çn 20 kez cra edlmş ve 20 farklı nha tasarım elde edlmştr. Bu 20 tasarımdan en haff ve en ağır olanlar ayrıca 20 tasarıma at ortalama ağırlık, standart sapma değerler ve sınırlayıcı hlal yüzdeler tabloda verlmştr. 25 Elemanlı Uzay Kafes Yapı 25 elemanlı uzay kafes yapının boyutları ve eleman numaralandırılması Şekl 2 dek gbdr. Kafes yapıda malzeme çn elastste modülü ve özgül ağırlık sırasıyla MPa ve kg/m 3 olarak alınmıştır. Tablo 1 de kafes yapıya uygulanan k farklı yükleme durumu, Tablo 2 de se kafes yapıya at tasarım değşkenler (eleman grupları) ve müsaade edlen gerlme değerler verlmştr. Her eleman grubuna atanablecek mnmum enkest alanı cm 2 dr. TLBO ve lteratürden elde edlen sonuçlar (Lee ve dğ., 2004; L ve dğ., 2007; Kaveh ve Talatahar, 2009a; Degertekn, 2012) Tablo 3 de sunulmuştur. 414

7 Şekl 2 25 Elemanlı Uzay Kafes Yapı. Tablo 1 25 Elemanlı Uzay Kafes Yapı İçn Yükleme Şartları. Düğüm no. Yükleme durumu 1 Yükleme durumu 2 F x (kn) F y (kn) F z (kn) F x (kn) F y (kn) F z (kn) Tablo 2 25 Elemanlı Uzay Kafes Yapı İçn Müsaade Edlen Gerlme Değerler. Tasarım değşkenler A (cm 2 ) Müsaade edlen basınç gerlmes (MPa) A A 2 -A A 6 -A A 10 -A A 12 -A A 14 -A A 18 -A A 22 -A Müsaade edlen çekme gerlmes (MPa) 415

8 Tablo 3 25 Elemanlı Uzay Kafes Yapı İçn Optmum Boyutlandırma Sonuçları. Tasarım değşkenler A (cm 2 ) Lee ve dğ. (2004) L ve dğ. (2007) Kaveh ve Talatahar (2009) Degertekn (2012) HS HPSO HPSACO SAHS TLBO (en ağır) Bu çalışma TLBO (en haff) A A 2 -A A 6 -A A 10 -A A 12 -A A 14 -A A 18 -A A 22 -A Ağırlık (kg) Ortalama ağırlık (kg) Standart sapma (kg) Sınırlayıcı hlal yüzdes (%) Yok 3.52 Yok Yok Yok Analz sayısı Tablo 3 den görüleceğ üzere TLBO le kafes yapı analz sonunda kg ağırlığında br tasarım elde edlmştr. HS (Lee ve dğ., 2004) ve HPSACO (Kaveh ve Talatahar, 2009) le TLBO ya kıyasla daha haff tasarımlar elde edlmesne karşın bu tasarımların tasarım sınırlayıcılarını hlal ettğ tespt edlmştr. Bu durum; TLBO le dğer optmzasyon yöntemlerne göre daha y br tasarımın elde edldğn göstermektedr. Bununla brlkte optmum boyutlandırma çn TLBO le talep edlen yapı analz sayısının HPSACO (Kaveh ve Talatahar, 2009) ve SAHS (Degertekn, 2012) yöntemlernden daha fazla olduğu görülmektedr. Sonuçlar Bu çalışmada önerlen öğretme-öğrenme esaslı optmzasyon yöntemyle kafes yapıların mnmum ağırlıklı olarak boyutlandırılması gerçekleştrlmştr. Yöntemden elde edlen sonuçları kıyaslamak çn lteratürde farklı optmzasyon yöntemleryle mnmum ağırlıklı olarak boyutlandırılan 25 elemanlı uzay kafes sstem yapı kullanılmıştır. Bu tasarım örneğnden elde edlen sonuçlar le öğretme-öğrenme esaslı optmzasyon yöntemnn; armon arama, hbrd parçacık sürü optmzasyonu, hbrd parçacık sürü karınca kolon optmzasyonu, self-adaptf armon arama yöntemler kadar güçlü br yöntem olduğu belrlenmştr. Önerlen algortmanın yrm farklı crası sonucunda elde edlen ağırlıkların standart sapmasının ortalama ağırlık değernn % 0.1 nden daha küçük olması öğretme-öğrenme esaslı optmzasyon yöntemnn global optmuma yakın değerlere yakınsayabldğn göstermektedr. 416

9 Kaynaklar Degertekn, S.O. (2012) An mproved harmony search algorthms for szng optmzaton of truss structures, Computers & Structures, 92-93, pp Degertekn, S.O. and Hayaloglu, M.S. (2013) Szng truss structures usng teachnglearnng-based optmzaton, Computers & Structures, 119, pp Dorgo, M., Manezzo, V. and Colorn, A. (1992) An nvestgaton of some propertes of an ant algorthm. Proc Parallel Problem Solvng from Nature Conf., Elsever, Amsterdam, pp Geem, Z. W., Km, J. H. and Loganathan, G. V. (2001) A new heurstc optmzaton algorthm: harmony search. Smulaton, 76, pp Kaveh, A. and Talatahar, S. (2009a) Partcle swarm optmzer, ant colony strategy and harmony search scheme hybrdzed for optmzaton of truss structures, Computers & Structures, 87, pp Kaveh, A. and Talathar, S. (2009b) A partcle swarm ant colony optmzaton for truss structures wth dscrete varables, Journal of Constructonal Steel Research, 65, pp Kennedy J. and Eberhart, R. (1995) Partcle swarm optmzaton. In: IEEE Internatonal conference on neural networks, pp Lee, K.S. and Geem, Z.W. (2004) A new structural optmzaton method based on the harmony search algorthm. Computers & Structures, 82, pp L, L.J., Huang, Z.B., Lu, F. and Wu, Q.H. (2007) A heurstc partcle swarm optmzer for optmzaton of pn connected structures, Computers & Structures, 85, pp Rao, R.V., Savsan, V.J. and Vakhara, D.P. (2011) Teachng-learnng-based optmzaton: A novel method for constraned mechancal desgn optmzaton problems, Computer Aded Desgn, 43, pp Rao, R.V., Savsan, V.J. and Vakhara, D.P. (2012) Teachng-learnng-based optmzaton: An optmzaton method for contnuous non-lnear large scale problems, Informaton Scence, 183, pp Togan, V. Desgn of steel frames usng Teachng-Learnng Based Optmzaton, Engneerg Structures, 34, pp

10

KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU

KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU XVIII ULUSAL MEKANİK KONGRESİ 26-30 Ağustos 2013, Celal Bayar Ünverstes, Mansa KAFES YAPILARIN MODİFİYE EDİLMİŞ YAPAY ARI KOLONİ ALGORİTMASI İLE OPTİMİZASYONU S Özgür Değertekn 1, Mehmet Ülker 2, M Sedat

Detaylı

Öğretme-öğrenme esaslı optimizasyon yöntemi ile uzay kafes kule yapı sisteminin optimum boyutlandırılması

Öğretme-öğrenme esaslı optimizasyon yöntemi ile uzay kafes kule yapı sisteminin optimum boyutlandırılması Dcle Ünverstes Mühendslk Fakültes mühendslk dergs Clt: 7, 3, 471-480 3-9 Eylül 2016 Öğretme-öğrenme esaslı optmzasyon yöntem le uzay kafes kule yapı sstemnn optmum boyutlandırılması Musa ARTAR *,1 1 Bayburt

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

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

TAVLAMA BENZEŞİMİ YÖNTEMİYLE UZAY ÇELİK ÇERÇEVE SİSTEMLERİN OPTİMUM TASARIMI

TAVLAMA BENZEŞİMİ YÖNTEMİYLE UZAY ÇELİK ÇERÇEVE SİSTEMLERİN OPTİMUM TASARIMI XV. Ulusal Mekank Kongres,03-07 Eylül 2007,ISPARTA TAVLAMA BENZEŞİMİ YÖNTEMİYLE UZAY ÇELİK ÇERÇEVE SİSTEMLERİN OPTİMUM TASARIMI S. Özgür DEĞERTEKİN, M. Sedat HAYALİOĞLU Dcle Ünverstes, Mühendslk-Mmarlık

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

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

Geometrik bakımdan lineer olmayan yarı-rijit birleşimli çelik çerçevelerin gelişmiş armoni arama yöntemiyle optimum tasarımı

Geometrik bakımdan lineer olmayan yarı-rijit birleşimli çelik çerçevelerin gelişmiş armoni arama yöntemiyle optimum tasarımı Dcle Ünverstes Mühendslk Fakültes mühendslk dergs mühendslkdergs DcleÜnverstesMühendslkFakültes Clt, 1, 45-56 3-9 Hazran 011 Geometrk bakımdan lneer olman rı-rjt brleşml çelk çerçevelern gelşmş armon arama

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

Çok Katlı Kompozit Çelik Çerçevelerin Genetik Algoritma ile Dinamik Sınırlayıcılı Optimizasyonu *

Çok Katlı Kompozit Çelik Çerçevelerin Genetik Algoritma ile Dinamik Sınırlayıcılı Optimizasyonu * İMO Teknk Derg, 2015 7077-7098, Yazı 434 Çok Katlı Kompozt Çelk Çerçevelern Genetk Algortma le Dnamk Sınırlayıcılı Optmzasyonu * Musa ARTAR* Ayşe DALOĞLU** ÖZ Yapı sstemlernn mnmum ağırlık olacak şeklde,

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

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık Tabloları ve Tek Değişkenli Grafikler Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.

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

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

KOCAELİ ÜNİVERSİTESİ Mühendislik Fakültesi Makina Mühendisliği Bölümü Mukavemet I Vize Sınavı (2A)

KOCAELİ ÜNİVERSİTESİ Mühendislik Fakültesi Makina Mühendisliği Bölümü Mukavemet I Vize Sınavı (2A) KOCELİ ÜNİVERSİTESİ Mühendslk akültes Makna Mühendslğ Bölümü Mukavemet I Vze Sınavı () dı Soyadı : 18 Kasım 013 Sınıfı : No : SORU 1: Şeklde verlen levhalar aralarında açısı 10 o la 0 o arasında olacak

Detaylı

Çok Parçalı Basınç Çubukları

Çok Parçalı Basınç Çubukları Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları genel olarak k gruba arılır. Bunlar; a) Sürekl brleşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok

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

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal Korelasyon ve Regresyon Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan

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

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

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

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

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

5.3. Tekne Yüzeylerinin Matematiksel Temsili

5.3. Tekne Yüzeylerinin Matematiksel Temsili 5.3. Tekne Yüzeylernn atematksel Temsl atematksel yüzey temslnde lk öneml çalışmalar Coons (53) tarafından gerçekleştrlmştr. Ferguson yüzeylernn gelştrlmş hal olan Coons yüzeylernde tüm sınır eğrler çn

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

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır.

kadar ( i. kaynağın gölge fiyatı kadar) olmalıdır. KONU : DUAL MODELİN EKONOMİK YORUMU Br prmal-dual model lşks P : max Z cx D: mn Z bv AX b AV c X 0 V 0 bçmnde tanımlı olsun. Prmal modeln en y temel B ve buna lşkn fyat vektörü c B olsun. Z B B BB c X

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

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

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

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

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

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

DÜZLEM KAFES SİSTEMLERİN BULANIK DOĞRUSAL PROGRAMLAMA İLE OPTİMUM BOYUTLANDIRILMASI

DÜZLEM KAFES SİSTEMLERİN BULANIK DOĞRUSAL PROGRAMLAMA İLE OPTİMUM BOYUTLANDIRILMASI ISSN:1306-3111 e-journal o New World Scences Academy 009, Volume: 4, Number: 3, Artcle Number: 1A009 TECHNOLOGICAL APPLIED SCIENCES Receved: November 008 Accepted: June 009 Seres : A ISSN : 1308-73 009

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

PARÇALI DOĞRUSAL REGRESYON

PARÇALI DOĞRUSAL REGRESYON HAFTA 4 PARÇALI DOĞRUSAL REGRESYO Gölge değşkenn br başka kullanımını açıklamak çn varsayımsal br şrketn satış temslclerne nasıl ödeme yaptığı ele alınsın. Satış prmleryle satış hacm Arasındak varsayımsal

Detaylı

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

DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Clt: 16 Sayı: 48 sh. 61-75 Eylül 2014 KRİL SÜRÜSÜ ALGORİTMASI İLE ATÖLYE ÇİZELGELEME (JOB SHOP SCHEDULING WITH KRILL HERD ALGORITHM) İlker GÖLCÜK

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp

Detaylı

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI

Detaylı

Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi

Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi Ayon Kocatepe Ünverstes Fen ve Mühendslk Blmler Dergs Ayon Kocatepe Unversty Journal o Scence and Engneerng AKÜ FEMÜBİD 7 (07) 0350 (9-937) AKU J. Sc. Eng. 7 (07) 0350 (9-937) DOİ : 0.5578/mbd.6695 Nümerk

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

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları 3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,

Detaylı

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme SAYISAL ÇÖZÜMLEME Syısl Çözümleme SAYISAL ÇÖZÜMLEME 7. Hft LİNEER DENKLEM SİSTEMLERİ (Devm) Syısl Çözümleme İÇİNDEKİLER Doğrusl Denklem Sstemlernn Çözümü İtertf Yöntemler Jcob Yöntem Guss-Sedel Yöntem

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

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

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ

AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ III. ULUSAL HAVACILIK VE UZAY KONFERANSI 16-18 Eylül 2010, ANADOLU ÜNİVERSİTESİ, Eskşehr AĞIR BİR NAKLİYE UÇAĞINA AİT BİR YAPISAL BİLEŞENİN TASARIMI VE ANALİZİ Davut ÇIKRIKCI * Yavuz YAMAN Murat SORGUÇ

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

YAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ

YAPILARIN ENERJİ ESASLI TASARIMI İÇİN BİR HESAP YÖNTEMİ YAPILARI EERJİ ESASLI TASARIMI İÇİ BİR HESAP YÖTEMİ Araş. Gör. Onur MERTER Araş. Gör. Özgür BOZDAĞ Prof. Dr. Mustafa DÜZGÜ Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Dokuz Eylül Ünverstes Fen Blmler Ensttüsü

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

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

FARKSAL GELİŞİM ALGORİTMASI İLE KARMA YEM MALİYET OPTİMİZASYONU

FARKSAL GELİŞİM ALGORİTMASI İLE KARMA YEM MALİYET OPTİMİZASYONU Dumlupınar Ünverstes Fen Blmler Ensttüsü Dergs ISSN 1302 3055 FARKSAL GELİŞİM ALGORİTMASI İLE KARMA YEM MALİYET OPTİMİZASYONU *Yaşar YAŞAR 1, Burhanettn DURMUŞ 2 1 Dumlupınar Ünverstes, Mühendslk Fakültes,

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

UZAY ÇERÇEVE SİSTEMLERİN ELASTİK-PLASTİK ANALİZİ İÇİN BİR YÖNTEM

UZAY ÇERÇEVE SİSTEMLERİN ELASTİK-PLASTİK ANALİZİ İÇİN BİR YÖNTEM ECAS Uluslararası Yapı ve Deprem ühendslğ Sempozyumu, Ekm, Orta Doğu Teknk Ünverstes, Ankara, Türkye UZAY ÇERÇEVE SİSTEERİN STİK-PASTİK ANAİZİ İÇİN BİR YÖNTE Erdem Damcı, Turgay Çoşgun, Tuncer Çelk, Namık

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

BETONARME YAPI TASARIMI

BETONARME YAPI TASARIMI BETONARME YAPI TASARIMI DEPREM HESABI Doç. Dr. Mustafa ZORBOZAN Mart 008 GENEL BİLGİ 18 Mart 007 ve 18 Mart 008 tarhler arasında ülkemzde kaydedlen deprem etknlkler Kaynak: http://www.koer.boun.edu.tr/ssmo/map/tr/oneyear.html

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

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür. Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk

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

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

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

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

ÇELİK SİSTEMLERİN GENETİK ALGORİTMA İLE DİNAMİK SINIRLAYICILI OPTİMİZASYONU

ÇELİK SİSTEMLERİN GENETİK ALGORİTMA İLE DİNAMİK SINIRLAYICILI OPTİMİZASYONU Nğde Ünverstes Mühendslk Blmler Dergs, Clt 3, Sayı 1, (2014), 9-24 ÇELİK SİSTEMLERİN GENETİK ALGORİTMA İLE DİNAMİK SINIRLAYICILI OPTİMİZASYONU Musa ARTAR 1*, Ayşe DALOĞLU 2 1 Ġnşaat Mühendslğ Bölümü, Mühendslk

Detaylı

DÜZENLİ DİZAYNLI GENETİK ALGORİTMALAR İLE ÇOK AMAÇLI PROGRAMLAMA MULTIOBJECTIVE PROGRAMMING VIA UNIFORM DESIGNED GENETIC ALGORITHMS

DÜZENLİ DİZAYNLI GENETİK ALGORİTMALAR İLE ÇOK AMAÇLI PROGRAMLAMA MULTIOBJECTIVE PROGRAMMING VIA UNIFORM DESIGNED GENETIC ALGORITHMS 5. Uluslararası İler Teknolojler Sempozyumu (İATS 9), 3-5 Mayıs 9, Karabük, Türkye DÜZENLİ DİZAYNLI GENETİK ALGORİTMALAR İLE ÇOK AMAÇLI PROGRAMLAMA MULTIOBJECTIVE PROGRAMMING VIA UNIFORM DESIGNED GENETIC

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

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ

SAYISAL ANALİZ. Doç.Dr. Cüneyt BAYILMIŞ. Sayısal Analiz. Doç.Dr. Cüneyt BAYILMIŞ SAYISAL ANALİZ Doç.Dr. Cüneyt BAYILMIŞ Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz SAYISAL ANALİZ SAYISAL TÜREV Numercal Derentaton Doç.Dr. Cüneyt BAYILMIŞ Sayısal Analz İÇİNDEKİLER Sayısal Türev Ger Farklar

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

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

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

MİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ

MİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ MİNİMAL SİSTEMLERDE DURUM GERİBESLEMESİ İLE KUTUP ATAMA PROBLEMİNİN NÜMERİK ANALİZİ Erkam Murat BOZKURT Mehmet Turan SÖYLEMEZ Kontrol ve Otomasyon Mühendslğ Bölümü, Elektrk-Elektronk Fakültes, İstanbul

Detaylı

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

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

Konumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği

Konumsal Enterpolasyon Yöntemleri Uygulamalarında Optimum Parametre Seçimi: Doğu Karadeniz Bölgesi Günlük Ortalama Sıcaklık Verileri Örneği S. ZENGİN KAZANCI, E. TANIR KAYIKÇI Konumsal Enterpolasyon Yöntemler Uygulamalarında Optmum Parametre Seçm: Doğu Karadenz Bölges Günlük Ortalama Sıcaklık S. ZENGİN KAZANCI 1, E. TANIR KAYIKÇI 1 1 Karadenz

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

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

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

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi DÜZ DİŞLİ ÇARKLARIN SONLU ELEMANLAR METODU İLE MODELLENMESİ

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi DÜZ DİŞLİ ÇARKLARIN SONLU ELEMANLAR METODU İLE MODELLENMESİ Journal of Engneerng and Natural Scences Mühendslk ve Fen Blmler Dergs Sgma 2004/2 DÜZ DİŞLİ ÇARKLARIN SONLU ELEMANLAR METODU İLE MODELLENMESİ M. Cüneyt FETVACI *, C. Erdem İMRAK İstanbul Teknk Ünverstes,

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

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

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

ANOVA. CRD (Completely Randomized Design)

ANOVA. CRD (Completely Randomized Design) ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.

Detaylı

Metin Madenciliği ile Soru Cevaplama Sistemi

Metin Madenciliği ile Soru Cevaplama Sistemi Metn Madenclğ le Soru Cevaplama Sstem Sevnç İlhan 1, Nevchan Duru 2, Şenol Karagöz 3, Merve Sağır 4 1 Mühendslk Fakültes Blgsayar Mühendslğ Bölümü Kocael Ünverstes slhan@kocael.edu.tr, nduru@kocael.edu.tr,

Detaylı

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN PORTFÖY OPTİMİZASYOU Doç.Dr.Aydın ULUCA KARAR VERME Karar verme, ş dünyasının çalışmasını sağlayan temel unsurlardandır. Tüm yönetcler, bulundukları faalyet alanı ve kademelernden bağımsız olarak stratejk

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

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

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

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

Tek Yönlü Varyans Analizi (ANOVA)

Tek Yönlü Varyans Analizi (ANOVA) VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem

Detaylı

FOTOGRAMETRİK NOKTA AĞLARI İÇİN BASİT BİR OPTİMİZASYON METODU

FOTOGRAMETRİK NOKTA AĞLARI İÇİN BASİT BİR OPTİMİZASYON METODU Selçuk Ünverstes Jeode ve Fotogrametr Mühendslğ Öğretmnde 0. õl Sempoumu6-8 Ekm 00 Kona SUNULMUŞ İLDİRİ FOTOGRMETRİK NOKT ĞLRI İÇİN SİT İR OTİMİSON METODU Esra TUNÇ Jurgen FRIEDRICH Fev KRSLI Karaden Teknk

Detaylı

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ

AYLIK ORTALAMA GÖL SU SEVİYESİNİN BULANIK-OLASILIK YAKLAŞIMI İLE GÖZLENMİŞ ZAMAN SERİSİNDEN TAHMİNİ AYLIK ORTALAMA GÖL SU SEVİYESİİ BULAIK-OLASILIK YAKLAŞIMI İLE GÖZLEMİŞ ZAMA SERİSİDE TAHMİİ Veysel GÜLDAL, Hakan TOGAL 2 S.D.Ü.Mühendslk Mmarlık Fakültes İnşaat Müh Böl., Isparta/TÜRKİYE vguldal@mmf.sdu.edu.tr

Detaylı

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

Enerji Sistemlerinde Yapay Arı Kolonisi (YAK) Algoritması Kullanarak Yük Akışı Optimizasyonu Akademk Blşm 2013 XV. Akademk Blşm Konferansı Bldrler 23-25 Ocak 2013 Akdenz Ünverstes, Antalya Enerj Sstemlernde Yapay Arı Kolons (YAK) Algortması Kullanarak Yük Akışı Optmzasyonu Nhat Pamuk Türkye Elektrk

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

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

Akköse, Ateş, Adanur. Matris Yöntemleri ile dış etkilerden meydana gelen uç kuvvetlerinin ve uç yerdeğiştirmelerinin belirlenmesinde;

Akköse, Ateş, Adanur. Matris Yöntemleri ile dış etkilerden meydana gelen uç kuvvetlerinin ve uç yerdeğiştirmelerinin belirlenmesinde; MATRİS ÖNTEMER 1. GİRİŞ Matrs öntemler; gerçek sürekl apının erne, matrs bçmnde ade edleblen blnen atalet (elemslk) ve elastklk öellklerne sahp sonl büüklüktek apısal elemanlardan olşan matematksel br

Detaylı

Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi

Karaciğer mikrodizi kanser verisinin sınıflandırılması için genetik algoritma kullanarak ANFIS in eğitilmesi Karacğer mkrodz kanser versnn sınıflandırılması çn genetk algortma kullanarak ANFIS n eğtlmes Bülent Haznedar 1*, Mustafa Turan Arslan 2, Adem Kalınlı 3 ÖZ 21.06.2016 Gelş/Receved, 30.11.2016 Kabul/Accepted

Detaylı

İnce Bir Çubuğun Belirsiz Doğal Frekanslarının Çokterimli Kaos Açılımı ile Matematiksel Olarak Modellenmesi

İnce Bir Çubuğun Belirsiz Doğal Frekanslarının Çokterimli Kaos Açılımı ile Matematiksel Olarak Modellenmesi Dokuz Eylül Ünverstes-Mühendslk Fakültes Fen ve Mühendslk Dergs Clt 0, Sayı 60, Eylül, 08 Dokuz Eylul Unversty-Faculty of Engneerng Journal of Scence and Engneerng Volume 0, Issue 60, September, 08 85

Detaylı

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t :

HAFTA 13. kadın profesörlerin ortalama maaşı E( Y D 1) erkek profesörlerin ortalama maaşı. Kestirim denklemi D : t : HAFTA 13 GÖLGE EĞİŞKENLERLE REGRESYON (UMMY VARIABLES) Gölge veya kukla (dummy) değşkenler denen ntel değşkenler, cnsyet, dn, ten reng gb hemen sayısallaştırılamayan ama açıklanan değşkenn davranışını

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