Genetik tabanlı otomatik öğrenmeye dayalı bir atölye çizelgeleme sistemi
Genetics-based machine learning in job shop scheduling
- Tez No: 152889
- Danışmanlar: Y.DOÇ.DR. MUZAFFER KAPANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Bu çalışmada, atölye tipi üretim sistemi çizelgeleme problemlerinde genetik tabanlı otomatik öğrenme yöntemi kullanılarak makine kuyruklarındaki iş sayısına bağlı olarak çalışan bir çizelgeleme sistemi geliştirilmiştir. Genetik tabanlı otomatik öğrenme sisteminin uygulaması sırasında, Pitt yaklaşımı kullanılmıştır. Pitt yaklaşımında genetik algoritma içindeki her bir kromozom bir kural (EĞER <KOŞUL> SAĞLANIYORSA <EYLEM> UYGULA) kümesini barındırmaktadır. Çalışma sırasında benimsenen amaç fonksiyonu işlerin gecikmelerinin toplamını en küçüklemektir. Her bir kromozomun uygunluk değeri o kromozomun barındırdığı kural kümesinin benzetim sırasında üretim sistemine uygulanması ile belirlenir. Farklı teslim zamanlarına bağlı olarak oluşturulan 20'şer problemli dört farklı problem kümesi, en çok bilinen yedi öncelik kuralının genetik tabanlı otomatik öğrenmeye dayalı bir çizelgeleme sistemi ile karşılaştırılmasında kullanılmıştır. Yapılan çalışmalar sonucunda genetik tabanlı otomatik öğrenmeye dayalı çizelgeleme sisteminin diğer öncelik (sevketme) kurallarına üstün olduğu görülmüştür. Anahtar Kelimeler Genetik tabanlı otomatik öğrenme Atölye tipi üretim sistemleri Öncelik (sevketme) kuralları Benzetim
Özet (Çeviri)
11 ABSTRACT This thesis introduces a method of generating a dispatching policy -a set of adaptive rules- that depends on queue lengths of machines by using genetics-based machine learning for job shop scheduling. In the proposed genetics-based machine learning (GBML), Pitts approach is preferred where the each set of rules (IF <CONDITION> THEN <ACTION>) is represented as a chromosome. The objective is to minimize the total tardiness of the tasks. Fitness of the each chromosome is determined by applying the corresponding rule-set to the system in a simulation environment. Four sets of problems which are generated based on different due dates are used to compare solutions of GBML with best known seven dispatching rules. The experiments show that dispatching policies are superior to selected dispatching rules. Keywords Genetics-based machine learning Job shop scheduling Priority (dispatching) rules Simulation
Benzer Tezler
- Doğru akım motorunun genetik algoritmalar yardımıyla bilgisayar temelli PI-tip bulanık mantık kontrolü
PC based PI-type control of DC motor aided genetic algorithms
MEHMET BULUT
Doktora
Türkçe
2001
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Using machine learning technigues for early cost prediction of structural systems of buildings
Otomatik öğrenme teknikleriyle binaların strüktürel sisteminin erken maliyet tahmini
SEVGİ ZEYNEP DOĞAN
Yüksek Lisans
İngilizce
2005
İnşaat Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMimarlık Ana Bilim Dalı
DOÇ. DR. MURAT GÜNAYDIN
PROF. DR. GÖKMEN TAYFUR
- Bilgisayar destekli mimari tasarım ve yaratıcılık
Computer aided architectural design and creativity
TUBA KUZGUN
Yüksek Lisans
Türkçe
2004
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF.DR. GÜLEN ÇAĞDAŞ
- Bulanık genetik proses kontrolü
Abstract fuzzy genetic process control
VEDAT TOPUZ
Doktora
Türkçe
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. BURHANETTİN CAN
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL