Dergiler / Havacılık ve Uzay Teknolojileri Dergisi / 2022 / Cilt: 15 - Sayı: 2

Kablosuz Sensör Ağlarından Veri Toplama: Gezen Postacı Probleminin Paralel Genetik Algoritma ve Paralel Karınca Kolonisi ile Çözümü Üzerine OpenMP Uygulaması

Data Collection from Wireless Sensor Networks: OpenMP Application on the Solution of Traveling Salesman Problem with Parallel Genetic Algorithm and Ant Colony Algorithm

Sayfa
108–124
Yayın Tarihi
2022-10-18
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)

Elde edilen bulgulara göre her iki yöntem de paralel çalıştığında süreyi yarı yarıya azaltırken; GA'nın performansı AC'den çok daha üstündür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Algoritmaların paralelleştirilmesi, birçok durumda aynı anda birden fazla çekirdek kullanırken zamanı azaltabilir.
📊
Temel Bulgular & Veri:Uygulama olarak kablosuz sensör ağlarından (Wireless sensor Networks-WSNs) toplanan veriler kullanılmış ve çalışan algoritmaların performans değerleri karşılaştırılmıştır.
💡
Sonuç & Katkı:Elde edilen bulgulara göre her iki yöntem de paralel çalıştığında süreyi yarı yarıya azaltırken; GA'nın performansı AC'den çok daha üstündür.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Algoritmaların paralelleştirilmesi, birçok durumda aynı anda birden fazla çekirdek kullanırken zamanı azaltabilir. Genetik Algoritma (Genetic Algorithm- GA) ve Karınca Kolonisi (Ant Colony- AC) gibi algoritmalar doğrusal olmayan problemleri çözmek için yaygın olarak kullanılan optimizasyon algoritmaları olmasına rağmen, genellikle zaman alıcıdır. Bu çalışma, iyi bilinen bir NP-Zor problemi olan gezgin satıcı problemini (The Travelling Salesman Problem-TSP) hem paralel hem de seri GA ve AC kullanarak çözmeyi amaçlamaktadır. Uygulama olarak kablosuz sensör ağlarından (Wireless sensor Networks-WSNs) toplanan veriler kullanılmış ve çalışan algoritmaların performans değerleri karşılaştırılmıştır. WSN'lerde seyahat süresinin azaltılması, çok sekmeli iletimin neden olduğu enerji tüketimindeki kayıpları önler, ancak uzun bir gecikmeye neden olur. Ayrıca OpenMP (Open Multi-Processing) ile uygulama yapılmış ve seri programlama ile performansı karşılaştırılmıştır. Elde edilen bulgulara göre her iki yöntem de paralel çalıştığında süreyi yarı yarıya azaltırken; GA'nın performansı AC'den çok daha üstündür.

Abstract

Parallelization of algorithms can reduce time in many cases while using multiple cores at the same time. Although Algorithms such as Genetic Algorithm (GA) and Ant Colony (AC) are widely used optimization algorithms to solve the non-linear problems it is usually time consuming. This study aims to solve a well-known NP-Hard problem, The Travelling Salesman Problem (TSP), by using both parallel and serial GA and AC. As an application, the data collected from the wireless sensors networks (WSNs) were used and the performance values of the running algorithms were compared. Reducing the travelling time in WSNs avoids losses in energy consumption caused by multi-tab transmission, but causes a long delay. Additionally, application was made with Open Multi-Processing (OpenMP) and its performance was compared with serial programming. According to the findings while both methods reduces the time in half when they run parallel, the performance of GA is much superior than AC.

🔖

Bu Makaleye Atıf Yap

ERKARTAL, R. B., ÇETİN, Ö., YILMAZ, A. (2022). Kablosuz Sensör Ağlarından Veri Toplama: Gezen Postacı Probleminin Paralel Genetik Algoritma ve Paralel Karınca Kolonisi ile Çözümü Üzerine OpenMP Uygulaması. Havacılık ve Uzay Teknolojileri Dergisi, Cilt: 15 - Sayı: 2, 108–124. https://ajindex.com/articles/535153

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (17)

  1. P. Larranaga, C. M. H. Kuijpers, R. H. Murga, I. Inza, and S. Dizdarevic, Genetic algorithms for the travelling salesman problem: A review of representations and operators, Artif. Intell. Rev. 13(2), 129–170 (1999)
  2. J. K. Lenstra and A. H. G. R. Kan, Some simple applications of the travelling salesman problem, J. Oper. Res. Soc. 26(4), 717–733 (1975)
  3. J. H. Holland and others, Adaptation in natural and artificial systems: an introductory analysis with applications to biology, control, and artificial intelligence. MIT press, 1992
  4. A. Downey, The little book of semaphores. Green Tea Press, 2008
  5. B. Gavish and S. C. Graves, The travelling salesman problem and related problems, 1978
  6. G. Laporte, A. Asef-Vaziri, and C. Sriskandarajah, Some applications of the generalized travelling salesman problem, J. Oper. Res. Soc. 47(12), 1461–1467 (1996)
  7. D. Karapetyan and G. Gutin, Lin--Kernighan heuristic adaptations for the generalized traveling salesman problem, Eur. J. Oper. Res. 208(3), 221–232 (2011)
  8. K. Helsgaun, An effective implementation of the Lin-Kernighan traveling salesman heuristic, Eur. J. Oper. Res. 126(1), 106–130 (2000)
  9. K. Helsgaun, General k-opt submoves for the Lin-Kernighan TSP heuristic, Math. Program. Comput. 1(2), 119–163 (2009)
  10. M. Jünger, G. Reinelt, and G. Rinaldi, The traveling salesman problem, Handbooks Oper. Res. Manag. Sci. 7, 225–330 (1995)
  11. G. G. Emel and Ç. Taşkin, Genetik algoritmalar ve uygulama alanlari, Uludağ} Üniversitesi İktisadi ve İdari Bilim. Fakültesi Derg. 21(1), 129–152 (2002)
  12. J. R. Cheng and M. Gen, Parallel Genetic Algorithms with GPU Computing, in Industry 4.0, T. Bányai and A. P. F. De Felice, Eds. Rijeka: IntechOpen, 2020
  13. T. Elmas and S. Taşkıran, “Paralel Yazılım Geliştirme Sürecinde Yarış Durumu Denetimi,” Yazılım Kalitesi ve Yazılım Geliştirme Araçları Sempozyumu, İstanbul, 2008
  14. O. M. Sallabi and Y. Elhaddad, An improved genetic algorithm to solve the traveling salesman problem, 2009
  15. M. Nowostawski and R. Poli, “Parallel genetic algorithm taxonomy,” in 1999 Third International Conference on Knowledge-Based Intelligent Information Engineering Systems. Proceedings (Cat. No. 99TH8410), 1999. pp. 88–92
  16. V. Dwivedi, T. Chauhan, S. Saxena, and P. Agrawal, Travelling salesman problem using genetic algorithm, IJCA Proc. Dev. Reliab. Inf. Syst. Tech. Relat. Issues (DRISTI 2012), 2012
  17. K. Rani and V. Kumar, Solving travelling salesman problem usi