Atölye Tipi Çizelgeleme Problemlerine Parçacık Sürü Optimizasyonu Yaklaşımı Ve Genetik Algoritma Modeli İle Karşılaştırılması

dc.contributor.advisor Yenisey, Mehmet Mutlu tr_TR
dc.contributor.author Şevkli, Mehmet tr_TR
dc.contributor.department Endüstri Mühendisliği tr_TR
dc.contributor.department Industrial Engineering en_US
dc.date 2005 tr_TR
dc.date.accessioned 2015-11-20T09:34:45Z
dc.date.available 2015-11-20T09:34:45Z
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 tezde, zor çizelgeleme problemleri arasında yer alan atölye tipi çizelgeleme problemlerinin çözümünde alternatif yeni bir yaklaşım ele alınmıştır. Çözüm yöntemi olarak, son yıllarda hızla gelişen popülasyon temelli yeni sezgisel yöntemlerden biri olan Parçacık Sürü Optimizasyonu (PSO) kullanılmıştır. Bu tezde, ilk olarak atölye tipi çizelgeleme problemleri için PSO ve Genetik Algoritma (GA) modeli tasarlanmış ve tamamlanma zamanı (makespan) başarım ölçütüne göre literatürde yer alan test problemleri üzerindeki performansları incelenmiştir. Daha sonra PSO ve GA modellerinin sonuçları % 5, % 1 ve ‰ 5 anlamlılık düzeylerinde istatistiksel olarak karşılaştırılıp incelenmiştir. Sonuçta, PSO modeli ile GA modelinin birbirine yakın performans gösterdiği, bazı zor problemlerde ise PSO modelinin GA modeline göre daha iyi sonuç verdiği görülmüştür. Bunlara ek olarak, basit ve etkili bir yerel arama yöntemi olan Değişken Komşuluk Arama (VNS) kullanılarak, yerel aramalı PSO ve GA modelleri geliştirilmiş ve literatürdeki bazı zor test problemlerine uygulanmıştır. Daha sonra bu iki model istatistiksel olarak karşılaştırılıp incelenmiştir. Sonuçta, yerel aramalı PSO modelinin, yerel aramalı GA modeline göre % 5 anlamlılık düzeyinde daha iyi olduğu görülmüştür. Ayrıca, yerel aramalı PSO modelinin sonuçları, literatürde ün yapmış diğer sezgisel yöntemlerin sonuçlarıyla karşılaştırılmış, daha iyi veya eşdeğer seviyede olduğu görülmüştür. tr_TR
dc.description.abstract In this dissertation, a new meta-heuristic technique called Particle Swarm Optimization (PSO) is applied to Job Shop Scheduling (JSS) problem, which is one of the hardest combinatorial optimization problems. First of all, a PSO and a Genetic Algorithm(GA) model for the JSS problem are developed and applied to the well-known benchmark suites in the literature with the makespan criterion. Then, PSO and GA model results are compared statistically at 5 %, 1 % and 5 ‰ significant levels. It is concluded that, PSO results are competitive and sometimes better than GA results over the 122 benchmark problems. In addition, a simple but efficient local search method called Variable Neighborhood Search (VNS) is embedded to the PSO and GA models and applied to several hardest benchmark suites. Afterwards, PSO and GA model with VNS results are compared statistically and it is concluded that, PSO model with VNS results are better than GA model with VNS at 5 % significant level. The results for the PSO algorithm with VNS are also presented and compared with many efficient meta-heuristic algorithms in literature. As a final result, PSO with VNS results are generally found to be better than other results. en_US
dc.description.degree Doktora tr_TR
dc.description.degree PhD en_US
dc.identifier.uri http://hdl.handle.net/11527/10574
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 Parçacık Sürü Optimizasyonu tr_TR
dc.subject Atölye Tipi Çizelgeleme tr_TR
dc.subject Sezgiseller tr_TR
dc.subject Genetik Algoritma tr_TR
dc.subject Değişken Komşu Arama tr_TR
dc.subject Particle Swarm Optimization en_US
dc.subject Job Shop Schedulıng en_US
dc.subject Meta-Heurıstıcs en_US
dc.subject Genetic Algoiıthm en_US
dc.subject Variable Neighbors Search en_US
dc.title Atölye Tipi Çizelgeleme Problemlerine Parçacık Sürü Optimizasyonu Yaklaşımı Ve Genetik Algoritma Modeli İle Karşılaştırılması tr_TR
dc.title.alternative A Particle Swarm Optimization Approach For The Job Shop Scheduling Problems And Comparing With The Genetic Algorithm Model en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
3421.pdf
Boyut:
8.54 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.16 KB
Format:
Plain Text
Açıklama