Dergiler / Uluslararası İktisadi ve İdari İncelemeler Dergisi / 2017 / 16. Ulusal İşletmecilik Kongresi

GEZGİN SATICI PROBLEMİNİN ÇÖZÜMÜNDE KULLANILAN GENETİK ALGORİTMANIN PARAMETRELERİNİN İNCELENMESİ

Sayfa
21–36
Yayın Tarihi
2017-09-15
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 algoritmanın performansı üzerinde önemli etkiye sahip olan parametreleri üç farklı büyüklükteki problem ve üç farklı çaprazlama operatörü ile kıyaslayarak belirlemek amaçlanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Gezgin satıcı problemi, optimizasyon alanında araştırmacı ve akademisyenler tarafından üzerinde uzun yıllardır yoğun olarak çalışılan çözümü zor (NP-hard) bir problemdir.
📊
Temel Bulgular & Veri:Problemdeki değişken sayısı arttıkça olası çözüm sayısı da büyük oranda arttığından kesin yöntemlerle kısa sürede optimal çözüm elde etmek mümkün değildir.
💡
Sonuç & Katkı:Bu çalışmada genetik algoritmanın performansı üzerinde önemli etkiye sahip olan parametreleri üç farklı büyüklükteki problem ve üç farklı çaprazlama operatörü ile kıyaslayarak belirlemek amaçlanmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Gezgin Satıcı Problemi · Genetik Algoritmalar · Genetik Algoritma Parametreleri

Özet

Gezgin satıcı problemi, optimizasyon alanında araştırmacı ve akademisyenler tarafından üzerinde uzun yıllardır yoğun olarak çalışılan çözümü zor (NP-hard) bir problemdir. Aynı zamanda birçok problem gezgin satıcı problemi olarak modellenebilmektedir. Problemdeki değişken sayısı arttıkça olası çözüm sayısı da büyük oranda arttığından kesin yöntemlerle kısa sürede optimal çözüm elde etmek mümkün değildir. Bu yüzden bu probleme kısa sürede makul bir çözüm bulan yöntemler kullanılmaktadır. Bu yöntemlerden en sık kullanılan sezgisel yöntemlerden biri de genetik algoritmalardır. Genetik algoritmalar gezgin satıcı problemi gibi çeşitli NP-hard problemleri çözmek için kullanılan en iyi yöntemlerden biridir. Bu çalışmada genetik algoritmanın performansı üzerinde önemli etkiye sahip olan parametreleri üç farklı büyüklükteki problem ve üç farklı çaprazlama operatörü ile kıyaslayarak belirlemek amaçlanmıştır.

🔖

Bu Makaleye Atıf Yap

PULAT, M., KOCAKOÇ, İ. D. (2017). GEZGİN SATICI PROBLEMİNİN ÇÖZÜMÜNDE KULLANILAN GENETİK ALGORİTMANIN PARAMETRELERİNİN İNCELENMESİ. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 16. Ulusal İşletmecilik Kongresi, 21–36. https://ajindex.com/articles/709289

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Cevre, U., Özkan, B., ve Uğur, A. (2007). Gezgin Satıcı Probleminin Genetik Algoritmalarla Eniyilemesi ve Etkileşimli Olarak İnternet Üzerinde Görselleştirilmesi. XI I.“Türkiye’de İnternet ”Konferansı,Ankara.
  2. Çolak, S. (2010). Genetik Algoritmalar Yardımı ile Gezgin Satıcı Probleminin Çözümü Üzerine Bir Uygulama. Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 19(3), 423–438.
  3. Deep, K., ve Thakur, M. (2007). A new mutation operator for real coded genetic algorithms. Applied Mathematics and Computation, 193(1), 211–230.
  4. Elmas, Ç. (2016). Yapay Zeka Uygulamaları. Ankara:
  5. Seçkin Yayıncılık. Goldberg, D. E., ve Deb, K. (1991). A Comparative Analysis of Selection Schemes Used in Genetic Algorithms. Foundations of Genetic Algorithms, 1, 69–93.
  6. Gopal, G., Kumar, R., Jawa, I., ve Kumar, N. (2015). Enhanced Order Crossover for Permutation Problems. International Journal of Innovative Research in Science, Engineering and Technology, 4(2), 151–157.
  7. Karaboğa, D. (2014). Yapay Zeka Optimizasyon algoritmaları. İstanbul:
  8. Nobel Yayın Dağıtım. Laporte, G. (1992). The Traveling Salesman Problem: An overview of exact and approximate algorithms. European Journal of Operational Research, 59, 231–247.
  9. Larranaga, P., Kuıjpers, C. M. H., Murga, R. H., Inza, I., ve Dızdarevıc, S. (1999). Genetic Algorithms for the Travelling Salesman Problem: A Review of Representations and Operators. Artificial Intelligence Review, 13(2), 129–170.