SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2006 / Cilt: 21 - Sayı: 4

GLOBAL KARINCA KOLONİSİ OPTİMİZASYONU

Timur KESKİNTÜRK
Hasan SÖYLER
Pages
0
Publication Date
2013-04-02
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Sonuçlar GACO’nun hem sonuçlar hem de süreler açısından LSP’nin çözümüne iyi bir alternatif olduğunu göstermektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, Global Karınca Kolonisi Algoritması (Global Ant Colony Optimization) (GACO) adı verilen yeni bir karınca kolonisi optimizasyon tekniği anlatılmaktadır.
📊
Key Findings & Data:Geliştirilmiş birçok karınca kolonisi optimizasyonu (Ant Colony Optimization) (ACO) sisteminden farklı olarak, karıncaların tam bir tur yapma ya da tüm düğümlere uğrama zorunlulukları yoktur.
💡
Conclusion & Impact:Sonuçlar GACO’nun hem sonuçlar hem de süreler açısından LSP’nin çözümüne iyi bir alternatif olduğunu göstermektedir.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Karınca kolonisi optimizasyonu · global karınca kolonisi optimizasyonu · sipariş büyüklüğü problemi.

Özet

Bu çalışmada, Global Karınca Kolonisi Algoritması (Global Ant Colony Optimization) (GACO) adı verilen yeni bir karınca kolonisi optimizasyon tekniği anlatılmaktadır. Geliştirilmiş birçok karınca kolonisi optimizasyonu (Ant Colony Optimization) (ACO) sisteminden farklı olarak, karıncaların tam bir tur yapma ya da tüm düğümlere uğrama zorunlulukları yoktur. Özellikle sipariş büyüklüğü problemlerine (Lot Sizing Problem) (LSP) alternatif bir çözüm önerisi olarak geliştirilen GACO’da, herhangi bir düğümden başlayarak ve herhangi bir ya da birden fazla düğüme uğrayarak bir çözüm alternatifi geliştirmek mümkündür. Mevcut ACO’lardan ayrıldığı en temel bir diğer fark ise bölgesel feromon güncellemesinin olmayışıdır. Feromon güncellemesi ve karıncaların yol seçimi yolun tamamı dikkate alınarak gerçekleştirilmektedir. GACO, literatürdeki farklı tip ve boyutlardaki LSP’ne uygulanmıştır. Sonuçlar GACO’nun hem sonuçlar hem de süreler açısından LSP’nin çözümüne iyi bir alternatif olduğunu göstermektedir.

🔖

Cite This Article

KESKİNTÜRK, T., SÖYLER, H. (2013). GLOBAL KARINCA KOLONİSİ OPTİMİZASYONU. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 21 - Sayı: 4, 0. https://ajindex.com/articles/21173

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Dorigo, M., Gambardella, L.M., “Ant Colonies for the Travelling Salesman Problem”, Biosystems, 43 (2), 73–81, 1997.
  2. Dorigo, M., Gambardella L-M., “Ant Colonies for the Traveling Salesman Problem”, TR/IRIDIA/3, Universite´ Libre de Bruxelles Belgium, 1996.
  3. Dorigo M, Gambardella L.M., “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem”, TR/IRIDIA/5, Universite´ Libre de Bruxelles Belgium, 1996.
  4. Maniezzo, V., Gambardella L.M., De Luigi, F., “Ant Colony Optimization”, New optimization techniques in engineering, Springer, Heidelberg, Germany, 101–121, 2004.
  5. Dorigo, M., Maniezzo, V., Colorni, A., “The Ant System: Optimization by a Colony of Cooperating Agents”, IEEE Trans. Systems Man Cybernetics, B 26: 29–42, 1996.
  6. Colorni, A., Dorigo, M., Maniezzo., V., “An Investigation of Some Properties of an “Ant Algorithm””, In Proceedings of the Paralel Problem Solving from Nature Conference, Elsevier Publishing, Brussels, Belgium, 509–520, 1992.
  7. Gambardella, L.M., Dorigo, M., “Ant-Q: A Reinforcement Learning Approach to the Travelling Salesman Problem”, Proceedings of the Twelfth International Conference on Machine Learning, California, USA, 1995.
  8. Bullnheimer B., Hartl R.F., Strauss C., “A New Rank Based Version of the Ant System: A Computational Study”, Central European Journal for Operations Research and Economics, 1997.
  9. Dorigo, M., Gambardella, L.M., “Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem”, IEEE Transaction on Evolutionary Computation, 1, 53-66, 1997.
  10. Stützle, T., Hoos, H.H., “Max Min Ant System”, Journal of Future Generation Computer Systems, 8 (16), 889–914, 2000.
  11. Tsai C.F., Tsai C. W., Tseng, C.C., “A New Hybrid Heuristic Approach for Solving Large Traveling Salesman Problem”, Information Sciences, 166(1-4), 67-81, 2004.
  12. Gambardella L., Taillard, E.D., Agazzi, G., “MACS-VRPT: A Multiple Ant Colony System with for Vehicle Routing Problems with Time Windows”, New Ideas in Optimization, Ed.: Corne, D., Dorigo, M., Glover, F., Mc Graw-Hill, 63-76.
  13. Middendorf, M., Reischle, F., Schmeck, H., “Multi Colony Ant Algorithms”, Journal of Heuristics, 8-3, ABI/INFORM Global, 305-320, 2002. Randall M., “A Parallel Implementation of Ant Colony Optimization”, Journal of Parallel and Distributed Computing, 62, 1421–1432, 2002.
  14. Bullnheimer, B., Hartl, R.F., Strauss, C., “An Improved Ant System Algorithm For The Vehicle Routing Problem”, Ann. Oper. Res., 89, 1999.
  15. Shelokar, P.S., Jayaraman, V.K., Kulka