SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2005 / Cilt: 20 - Sayı: 1

KARINCA KOLONİLERİ METASEZGİSELİ VE GEZGİN SATICI PROBLEMLERİ ÜZERİNDE BİR UYGULAMASI

Kemal ALAYKIRAN
Orhan ENGİN
Pages
0
Publication Date
2013-04-10
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)

Ayrıca literatürde önerilen gezgin satıcı problemleri, Karınca Kolonileri meta sezgiseli için Visual Basic programlama dilinde hazırlanan Karınca Programı yardımı ile uygun parametreler kullanılarak çözülmüş ve elde edilen sonuçlar optimum değerleri ile kıyaslanmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Karınca kolonileri meta sezgiseli, popülasyon tabanlı rastsal arama prensibine dayanan bir arama yöntemidir.
📊
Key Findings & Data:Karınca sistemi ile ilgili olarak 1992 yılından günümüze kadar yapılan uygulamalar hakkında bir yayın taraması yapılmıştır.
💡
Conclusion & Impact:Ayrıca literatürde önerilen gezgin satıcı problemleri, Karınca Kolonileri meta sezgiseli için Visual Basic programlama dilinde hazırlanan Karınca Programı yardımı ile uygun parametreler kullanılarak çözülmüş ve elde edilen sonuçlar optimum değerleri ile kıyaslanmıştır.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Karınca metasezgiseli · gezgin satıcı problemi.

Özet

Karınca kolonileri meta sezgiseli, popülasyon tabanlı rastsal arama prensibine dayanan bir arama yöntemidir. Doğal süreçlerin gözlemlenmesinden ortaya çıkan, karınca kolonilerinin yiyecek toplama prensibini dikkate alan biyoloji biliminden esinlenerek geliştirilmiş bir meta sezgisel yöntemdir. Bu çalışmada Karınca Sisteminin (KS), algoritması, formülasyonu ve işleyişi belirlenerek son dönemlerde ortaya çıkartılan max-min, mertebe temelli karınca sistemleri hakkında bilgi verilmektedir. Karınca sistemi ile ilgili olarak 1992 yılından günümüze kadar yapılan uygulamalar hakkında bir yayın taraması yapılmıştır. Ayrıca literatürde önerilen gezgin satıcı problemleri, Karınca Kolonileri meta sezgiseli için Visual Basic programlama dilinde hazırlanan Karınca Programı yardımı ile uygun parametreler kullanılarak çözülmüş ve elde edilen sonuçlar optimum değerleri ile kıyaslanmıştır.

🔖

Cite This Article

ALAYKIRAN, K., ENGİN, O. (2013). KARINCA KOLONİLERİ METASEZGİSELİ VE GEZGİN SATICI PROBLEMLERİ ÜZERİNDE BİR UYGULAMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 20 - Sayı: 1, 0. https://ajindex.com/articles/21260

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (13)

  1. Dorigo M, Optimization, Learning and Natural Algorithms, PhD tesis, Dipartimento di Elettronica, Politecnico di Milano, Italy, 1992.
  2. Colorni A., M. Dorigo, Maniezzo and M. Trubian., Ant system for Job-shop Scheduling, Belgian Journal of Operations Research, Statistics and Computer Science, 1994. http://www.iwr.uni-heidelberg.de/groups/ comopt/software/TSPLIB95/ Goss S., Aron S., Deneubourg J. L., and Pasteels J. M., Self-organized Shortcuts in the Argentine Ant, Naturwissenschaften, 76:579-581, 1989.
  3. Dorigo M., Maniezzo V., Colorni A., The ant system: optimization by a colony of cooperating agents, IEEE Transactions on Systems, Man, and Cybernetics–Part, 1996. Dorigo M.,Gambardella L.M., Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem. IEEE Transactionson Evolutionary Computation, 1(1): 53-66, 1997.
  4. Di Caro G., Dorigo M., Extending AntNet for best-effort Quality-of-Service routing, From Ant Colonies to Artificial Ants: First International Workshop on Ant Colony Optimization http://iridia.ulb.ac.be/ants98/ants98.html, 15-16 1998.
  5. Gambardella L.M., Dorigo M., Ant-Q: A Reinforcement Learning Approach to the Traveling Salesman Problem., In Proceedings of the Eleventh International Conference on Machine Learning, 252-260. Morgan Kaufmann, 1995.
  6. Taillard D., Gambardella M., Gendreau M, Potvin J., Adaptive Memory Programming: A unified view of MetaHeuristics, European Journal of Operational Research, 135(2001), 1-16, 2000.
  7. Colorni A., M. Dorigo & V. Maniezzo, Distributed Optimization by Ant Colonies. Proceedings of the First European Conference on Artificial Life, Paris, France, Elsevier Publishing. 1992.
  8. Stützle T., Hoos H., The MAX-MIN Ant System and Local Search for the Traveling Salesman Problem, Proceedings of the IEEE International Conference on Evolutionary Computation (ICEC'97), 1997.
  9. Stützle T., Local Search Algorithms for Combinatorial Problems |Analysis, Improvements, and New Applications, PhD Tesis, Darmstadt University of Technology, Department of Computer Science, 1998.
  10. 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.
  11. V. Maniezzo, A. Colorni, and M. Dorigo., The ant system applied to the quadratic assignment problem. Technical Report IRIDIA/94-28,
  12. IRIDIA, Universite Libre de Bruxelles, Belgium, 1994.
  13. Stützle T., Hoos H., Improvements on the Ant System: Introducing the MAX-MIN Ant System