Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightAlgoritmaların performansı rassal arama tekniği de dikkate alınarak çözüm zamanı ve çözüm kalitesi açısından karşılaştırılmıştır.
📌 3 Maddede Bu Makale
Özet
Gerçek hayatta karşılaşılan sistemler büyük boyutlu ve karmaşık olup birtakım belirsizlikler içerdiğinde analitik çözümleri mümkün olmamaktadır. Bu tür sistemlerin bu karmaşık ve olasılıklı yapısından dolayı benzetim, mevcut sistemlerin performans ölçütlerinin tahmini için analiz ve yeni kurulacak sistemler için bir tasarım aracı olarak kullanılmaktadır. Benzetim modeli, bir girdi setine karşılık bir çıktı setinin elde edildiği girdi-çıktı modelidir. Benzetim tek başına bir eniyileme tekniği değildir. Benzetim en iyi performansı sağlayacak karar değişkenleri hakkında tahmini deðerler elde edilmesini sağlar. Ancak, çözüm uzayı büyüdükçe, karar değişkenlerinin oluşturacağı tüm kombinasyonların denenmesi benzetim koşum maliyetini katlanılamaz hale getirmektedir. Bu nedenle son yıllarda yaygın kullanılan bir yaklaşım, benzetim modeli ve arama algoritmalarının birlikte kullanıldığı benzetim eniyilemesidir. Bu çalışmada, gerçek cep telefonu üretiminden esinlenerek oluşturulmuş düşünsel bir tam zamanında üretim sistemi için, en iyi kanban kombinasyonunun bulunması amacıyla, genel amaçlı sezgisel teknikler sınıfında yer alan Tabu Arama (TA), Genetik Algoritma (GA) ve Tavlama Benzetimi (TB) algoritmaları sistemin benzetim modeli ile birlikte kullanılmıştır. Algoritmaların performansı rassal arama tekniği de dikkate alınarak çözüm zamanı ve çözüm kalitesi açısından karşılaştırılmıştır.
Abstract
When the systems under investigation are complex and inherit uncertainities, the analytical solutions to these systems become impossible. Because of the complex stochastic characteristics of such systems, simulation can be used as an analysis tool to predict the performance of an existing system or a design tool to test new systems under varying circumstances. Simulation model in which the set of output is estimated for given a particular set of input is an inputoutput model. Since simulation is not an optimization tool, the difficulty is then to know how to drive simulation experiments in order to determine the value of decision variables. In fact, when there is large set of decision variables with many possible values, the number of possible combinations is such that an exhaustive search is not possible. Recently, search techniques have been used with simulation model to overcome this difficulty. In this study, Tabu Search (TS),Genetic Algorithms (GA) and Simulated Annealing (SA) belong to general purpose search techniques are applied to find optimum combination of kanbans on a hypothetic Just in Time production system stemmed from a real production system of mobile phone. The effectiveness and efficiency of the general purpose search algorithms together with random search are investigated according to solution quality and solution time. Key Words: Kanban, Just in time production system, simulation optimization, genetic algorithms, simulated annealing,tabu search, random search.