Lojistik Sistemlerinin Yapay Sinir Ağları İle Modellenmesi, Gerçeklenmesi Ve Kontrolü
Lojistik Sistemlerinin Yapay Sinir Ağları İle Modellenmesi, Gerçeklenmesi Ve Kontrolü
dc.contributor.advisor | Ülengin, Füsun | tr_TR |
dc.contributor.author | Ermiş, Murat | tr_TR |
dc.contributor.department | Endüstri Mühendisliği | tr_TR |
dc.contributor.department | Industrial Engineering | en_US |
dc.date | 2005 | tr_TR |
dc.date.accessioned | 2015-11-20T09:34:47Z | |
dc.date.available | 2015-11-20T09:34:47Z | |
dc.description | Tez (Doktora) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2005 | tr_TR |
dc.description | Thesis (PhD) -- İstanbul Technical University, Institute of Science and Technology, 2005 | en_US |
dc.description.abstract | Bu çalışmada, lojistik sistemlerinin modellenmesinde ve eniyilenmesinde yapay sinir ağlarının kullanım potansiyelini değerlendirmek, gerçek zamanlı bir sistemde kullanılabilecek gezgin etmen temelli ve sinir ağını kullanan bir karar destek sistemi tasarlayıp gerçeklemek hedeflenmiştir. Bu amaçla, lojistik sistemlerin matematiksel modelleri kurularak eniyilenmesinin gerektiği alt bileşenlerinde (öngörüleme, tedarikçi seçimi, depolama, fiziksel dağıtım, vs.) kullanılabilecek yapay sinir ağı yaklaşımlarından çok katmanlı yapay sinir ağları, kendini örgütleyen ağlar ve Hopfield ağları detaylı olarak incelenmiştir. Ayrıca, konum-tahsis problemlerini çözmek için yeni bir yaklaşım olarak Titreşimli Genetik Algoritma yöntemi önerilmiştir. Önerilen yöntemlerin etkinliğini test etmek için, literatürde sıklıkla kullanılan test veri setleri kullanılmış, YSA temelli yöntemler için elde edilen sonuçlar ile literatürde yer alan en iyi çözümler, tavlama benzetimi ve genetik algoritmalar gibi diğer sezgisel yaklaşımlardan elde edilen sonuçlarla karşılaştırılmıştır. Özellikle konum-tahsis problemleri için çarpıcı sonuçlar elde edilmiş ve önerilen titreşimli genetik algoritma yaklaşımı da diğer yöntemlere kıyasla çok iyi sonuçlar vermiştir. | tr_TR |
dc.description.abstract | In this study, our objective was to exploit the features of artificial neural networks in modeling and optimization of logistics systems, to design and implement a mobile agent based decision support system that uses artificial neural networks in its subsystems (e.g., forecasting, vendor selection, warehousing, physical distribution, etc.) which can be used in a real time system. For this reason, artificial neural networks such as multi layer feed forward, self-organizing and Hopfield networks which can be used in the components of logistics systems that must be formulated and optimized as the mathematical models have been studied in details. In addition, Vibrational Genetic algorithms is proposed to solve continuous covering location-allocation problems as a a new approach. To test the effectiveness of the proposed methods, test data sets which are widely used in the literature are used. The results are compared with the results attained for ANN-based methods, with the best results in the literature and with the results found by using heuristic approaches like Simulated Annealing and Genetic Algorithms. Remarking results are attained for location-allocation problems, and also proposed Vibrational Genetic Algorithm produced very good results. | en_US |
dc.description.degree | Doktora | tr_TR |
dc.description.degree | PhD | en_US |
dc.identifier.uri | http://hdl.handle.net/11527/10582 | |
dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
dc.publisher | Institute of Science and Technology | en_US |
dc.rights | İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. | tr_TR |
dc.rights | İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. | en_US |
dc.subject | Lojistik sistemleri | tr_TR |
dc.subject | Yapay sinir ağları | tr_TR |
dc.subject | Genetik algoritmalar | tr_TR |
dc.subject | Etmen sistemleri | tr_TR |
dc.subject | Logistics systems | en_US |
dc.subject | Artificial neural networks | en_US |
dc.subject | Genetic algorithms | en_US |
dc.subject | Agent systems | en_US |
dc.title | Lojistik Sistemlerinin Yapay Sinir Ağları İle Modellenmesi, Gerçeklenmesi Ve Kontrolü | tr_TR |
dc.title.alternative | Modeling, Implementation And Control Of Logistics Systems Using Artificial Neural Networks | en_US |
dc.type | Thesis | en_US |
dc.type | Tez | tr_TR |