Dergiler / Yönetim Dergisi:İstanbul Üniversitesi İşletme Fakültesi İşletme İktisadı Enstitüsü / 2004 / Cilt: 15 - Sayı: 48
İkili Kodlama Kullanılmaksızın Genetik Algoritma ile Bir Optimizasyon Önerisi
- Sayfa
- 81–94
- DOI
- —
Özet
Bu çalışmanın amacı doğrusal olmayan programlamanın sezgisel yaklaşımlardan birisi olan genetik algoritmalar ile yapılmasını sağlamak ve bunun için alternatif bir yöntem önermektir. Çalışma, teorik ve ampirik olmak üzere iki kısımdan oluşmaktadır. Teorik bölümde sezgisel yaklaşımlardan genetik algoritma anlatılmış ve küçük bir örnek verilmiştir. Verilen örnek geleneksel olarak genetik algoritmaların nasıl işletildiği konusunda bilgi vermektedir. Çalışmanın ampirik kısmı ise doğrusal olmayan bir modelin optimizasyonunun sağlanması için önerilen yeni bir yöntemin anlatılmasından ibarettir. Bu önerinin temelini; ikili kodlama yapılmadan, popülasyonların oluşturulması ve çaprazlama operatörünün, bu kodlama kullanılmaksızın yürütülmesi, oluşturmaktadır. Sonuç olarak, ikili kodlama yapılmadığı taktirde en önemli avantajın çalışma süresinde ortaya çıktığı görülmüştür. Bu çalışmada önerilen yöntem sonucunda özellikle büyük değerli modellerde kabaca 360,000 tekrardan oluşan işlemin yapılmasına gerek kalmadığı görülmüştür.
Abstract
The aim of this study iş to ensure optimization of non - Jinear programming with the genetic algorithm which is one of the heuristic techniques, and to propose an alternative method. This study contains a theorical and an emprical part. In the theorical part the genetic algorithm, which is one of the heuristic techniques, has been explained and a simple example has been examined. The example expalins how the traditional genetic algorithms work. The empirical part consists of a method' s explanation which has been proposed for a non - linear model' s optimization. The basis of this proposal is to develop populations without binary coding, and is to process the crossover operator without this coding. The results of this study have shown that without binary coding, the run - time process is reduced. With the method, proposed in this study, a reduction of approximately 360,000 iterations have been gained specially in high valued models.