Beklemesiz akış tipi iş çizelgeleme problemlerinin karınca kolonileri algoritması ile çözümü
Yükleniyor...
Dosyalar
Tarih
2010
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Karınca kolonileri algoritmaları, gerçek karınca davranışlarının taklit edilmesi ve bunun gerçek hayata uyarlanması ile oluşturulan, meta sezgisel bir yöntemdir. Beklemesiz akış tipi iş çizelgeleme (BATÇ) problemlerinde temel amaç, ard arda gelen makineler arasındaki beklemeyi ortadan kaldırmaktır. Bu çalışmada, polinomiyel olmayan-zor (NP-hard) beklemesiz akış tipi iş çizelgeleme problemlerinin çözümü için karınca kolonileri algoritması (KKA) sunulmuştur. Oluşturulan m-makine ve n adet işli toplam 192 problem seti, C# ile yapılan programla çözülmüştür. Elde edilen sonuçlar, Günaydın' ın (2008) yapay sinir ağları algoritması ile elde edilen çözümlerle karşılaştırılmıştır. KKA' nın yapay sinir ağları algoritmasından daha iyi sonuçlar verdiği görülmüştür.
Ant colony algorithm is a meta-heuristic adaptation to real life by emulating the natural behaviors of ants. In the no-wait flow shop proposes is available no-wait sequence storage between machines. In this study, ant colony algorithm approach has been proposed for solving NP-hard no-wait flow-shop scheduling problems. The using problem sets has created m-machine and n-job, total 192 problems solve by a software coding C#. Proposed ant colony algorithms approach? s solutions are compared to the solutions of Günaydın (2008) artificial neural networks. The results show that proposed ant colony algorithms approach? s solutions give better results than artificial neural networks Algorithm.
Ant colony algorithm is a meta-heuristic adaptation to real life by emulating the natural behaviors of ants. In the no-wait flow shop proposes is available no-wait sequence storage between machines. In this study, ant colony algorithm approach has been proposed for solving NP-hard no-wait flow-shop scheduling problems. The using problem sets has created m-machine and n-job, total 192 problems solve by a software coding C#. Proposed ant colony algorithms approach? s solutions are compared to the solutions of Günaydın (2008) artificial neural networks. The results show that proposed ant colony algorithms approach? s solutions give better results than artificial neural networks Algorithm.
Açıklama
Anahtar Kelimeler
Karınca kolonileri algoritması, Yapay sinir ağları, Ant colony algorithm, Artificial neural networks
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Güçlü, O. (2010). Beklemesiz akış tipi iş çizelgeleme problemlerinin karınca kolonileri algoritması ile çözümü. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.