KaydedilenlerDerginizi ekleyin

Dergiler / Istanbul Management Journal / 2011 / Cilt: 22 Sayı: 70

İSTANBUL HALK EKMEK A.Ş. (İHE)'YE AİT ÇOK DEPOLU ARAÇ ROTALAMA PROBLEMİNİN META-SEZGİSEL YÖNTEMLER İLE OPTİMİZASYONU

Emrah Önder
Sayfa
74–92
Yayın Tarihi
2018-01-10
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyonu (PSO) sezgisel teknikleri birlikte kullanılarak ÇDARP'nin kümeleme ve araç rotalama alt problemlerini etkin şekilde çözebilen bir sezgisel yöntem önerilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Çok Depolu Araç Rotalama Problemi (ÇDARP) son yıllarda oldukça ilgi gören karmaşık bir kombinatoryal problemdir.
📊
Temel Bulgular & Veri:Bu çalışmada Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyonu (PSO) sezgisel teknikleri birlikte kullanılarak ÇDARP'nin kümeleme ve araç rotalama alt problemlerini etkin şekilde çözebilen bir sezgisel yöntem önerilmektedir.
💡
Sonuç & Katkı:GA ve PSO birlikte kullanılarak İHE A.Ş.'nin çok depolu araç rotalama problemine optimum çözüm aranmıştır ve mevcut durum ile karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Araç Rotalama Problemi (ARP) · Parçacık Sürü Optimizasyonu (PSO) · Genetik Algoritma (GA)

Özet

Çok Depolu Araç Rotalama Problemi (ÇDARP) son yıllarda oldukça ilgi gören karmaşık bir kombinatoryal problemdir. ÇDARP birden fazla sayıda depodan birçok müşteriye ürün dağıtımına ait optimum rotaların tasarım problemidir. Toplam kat edilen mesafenin en küçüklenmesi problemin amaç denklemini oluşturmaktadır. Günümüz iş hayatında ürün dağıtım maliyetleri toplam lojistik maliyetlerinin önemli bir bölümünü oluşturmaktadır. Bu çalışmada Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyonu (PSO) sezgisel teknikleri birlikte kullanılarak ÇDARP'nin kümeleme ve araç rotalama alt problemlerini etkin şekilde çözebilen bir sezgisel yöntem önerilmektedir. İstanbul Halk Ekmek (İHE) A.Ş. ucuz, sağlıklı ve yüksek kalitede ekmek ve ekmek ürünleri üretimi ve dağıtımı yapmak üzere İstanbul Büyük Şehir Belediyesi bünyesinde kurulan bir ticari organizasyondur. İHE fabrikalarının (Cebeci, Edirnekapı ve Kartal) toplam günlük üretim kapasitesi 1 milyon ekmektir ve İstanbul'un günlük ekmek ihtiyacının %13'unu karşılamaktadır. İHE'de dağıtımı gerçekleştiren 75 araç mevcuttur ve günde 3 kez 1012 müşteriye dağıtım yapılmaktadır. GA ve PSO birlikte kullanılarak İHE A.Ş.'nin çok depolu araç rotalama problemine optimum çözüm aranmıştır ve mevcut durum ile karşılaştırılmıştır.

🔖

Bu Makaleye Atıf Yap

Önder, E. (2018). İSTANBUL HALK EKMEK A.Ş. (İHE)'YE AİT ÇOK DEPOLU ARAÇ ROTALAMA PROBLEMİNİN META-SEZGİSEL YÖNTEMLER İLE OPTİMİZASYONU. Istanbul Management Journal, Cilt: 22 Sayı: 70, 74–92. https://ajindex.com/articles/1256846

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (32)

  1. Aarts, E, Lenstra J.K, "Local Search In Combinatorial Optimization", John Wiley & Sons Ltd, 1997
  2. Beasley,D., Bull D.R., Martin R.R., "An overview of genetic algorithms", University of Computing, 1993, 15(2), s:58-65
  3. Chen, C.Y., Ye, F., "Particle Swarm Optimization Algorithm and Its Application to Clustering Analysis", Proceedings of the 2004 IEEE, International Conference of
  4. Networking, Sensing and Control, Taipei, Taiwan, March, 2004, s:789-795
  5. Chiu, C.Y., Chen, Y.F., Kuo, I T., Ku, LLC, "An Intelligent market segmentation system using k-means and particle swarm optimization", Expert Systems with Appications, 36, 2009, s: 4558-4565
  6. Clerc, M., "Particle Swarm Optimization", 2006, UK, Iste Publication
  7. Colin Reeves, "Handbook of Metaheuristics, Chapter 3: Genetic Algorithm", Derleyiciler: Glover, F., Kochenberger, G.A., Kluwer Academic Publishers, 2003, Dordrecht
  8. Crevier, B., Cordeau, J. F., Laporte, G., "The multi-depot vehicle routing problem with inter-depot routes", European Journal of Operational Research, 176, 2007, s:756-773
  9. Fealko, D. R., "Evaluating particle swarm intelligence techniques for solving university examination timetabling problems", Graduate School of Computer and Information Sciences, Nova Southeastern University, Doktora tezi, 2005, s:11
  10. Goldberg, D. E., "Genetic Algorithms in Search, Optimization and Machine Learning," Addison-Wesley, 1989
  11. Hassan, R., Cohanim, B., Week, O., "A Comparison of Particle Swarm Optimization and The Genetic Algorithm", Structural Dynamics & Materials Conference 18-21 April, Austin, Texas. s:1-13
  12. Ho, W., v.d., "A Hybrid genetic algorithm for the multi-depot vehicle routing problem", Engineering Application of Artificial Intelligence, 2007, s:550
  13. Kennedy, J. and Eberhart, R. C, "Particle swarm optimization", Proc. of the IEEE International Conference on Neural Networks, vol.IV, 1995, s:1942-1948
  14. Khoo, K. G., Suganthan, P. N., "Evaluation of genetic operators and solution representations for shape recognition by genetic algorithms", Pattern Recognition Letters, 23, 2002, s: 1589-1597
  15. Laporte, Gilbert, Les Cahiers du GERAD, "The TSP, the V R P and their impact on combinatorial optimization", G-2009-57, s:6
  16. Lawler, E. L., Lenstra, J.K., Rinnooy Kan, A.H.G, Shmoys, D. B., "The Traveling Salesman Problem: A Guided Tour of Combinatorial Optimization ", 1992
  17. Paterlini, S., Krink T., "Differantial evoluation and particle swarm optimization in partitional clustering", Computational Statistics & Data Analysis, 50, 2006, s: 1220-1247
  18. Shi, Y., Eberhart, R. C, "Emprical Study Of Particle Swarm Optimization", Proceedings of the Congress on evolutionary Computation (CEC99) (July), 1999, s: 1945ı
  19. Siriwardene, N. R., Perera, B. J. C, "Selection of genetic algorithm operators for urban drainage model parameter optimization", Mathematical and Computer Modelling, 44,, s:415-429
  20. Şevkli, M., Yenisey, M. M., "Atölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi", İTÜ Dergisi, Mühendislik, Cilt:5, Sayı:2, Kısım: 1, Nisan 2006, s:58-68
  21. Taniguchi, E., and Shimamoto, LL, "Intelligent transportation system based dynamic vehicle routing and scheduling with variable travel times", Transportation Research Part C: Emerging Technologies, Volume 12, Issues 3-4, June-August 2004, s: 235-250
  22. Tchomte, S. T., Gourgand, M., "Particle Swarm Optimization: A study of particle displacement for solving continuous and combinatorial optimization problems", Int. J. Production Economics, 121, 2009, s:57-67
  23. Valle, Y.,v.d., "Particle Swarm Optimization:Basic Concepts, Variants and Applications in Power Systems", IEEE Transactions on Evolutionary Computation, Vol: 12, No:2, April, 2008, s:173
  24. Xie, X. F., Zhang, W. J., Yang, Z. L., "A Dissipative Particle Swarm Optimization", Congress on Evolutionary Computation (CEC), Hawaii, USA, 2002, s: 1456-1461
  25. Clerc, M., "Particle Swarm Optimization", 2006, UK, Iste Publication
  26. Hassan, R., Cohanim, B., Week, O., "A Comparison of Particle Swarm Optimization and The Genetic Algorithm", Structural Dynamics & Materials Conference 18-21 April, Austin, Texas. s:1-13
  27. Kennedy, J. and Eberhart, R. C, "Particle swarm optimization", Proc. of the IEEE International Conference on Neural Networks, vol.IV, 1995, s:1942-1948
  28. Khoo, K. G., Suganthan, P. N., "Evaluation of genetic operators and solution representations for shape recognition by genetic algorithms", Pattern Recognition Letters, 23, 2002, s: 1589-1597
  29. Shi, Y., Eberhart, R. C, "Emprical Study Of Particle Swarm Optimization", Proceedings of the Congress on evolutionary Computation (CEC99) (July), 1999, s: 1945ı
  30. Siriwardene, N. R., Perera, B. J. C, "Selection of genetic algorithm operators for urban drainage model parameter optimization", Mathematical and Computer Modelling, 44,, s:415-429
  31. Şevkli, M., Yenisey, M. M., "Atölye tipi çizelgeleme problemleri için parçacık sürü optimizasyonu yöntemi", İTÜ Dergisi, Mühendislik, Cilt:5, Sayı:2, Kısım: 1, Nisan 2006, s:58-68
  32. Tchomte, S. T., Gourgand, M., "Particle Swarm Optimization: A study of particle displacement for solving continuous and combinatorial optimization problems", Int. J. Production Economics, 121, 2009, s:57-67