Beklemesiz akış tipi çizelgeleme problemlerinin çözümünde yapay sinir ağları yaklaşımı
An artifical neural networks approach for solving the no-wait flowshop scheduling problems
- Tez No: 178264
- Danışmanlar: YRD. DOÇ. DR. M. ATİLLA ARICIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Beklemesiz Akış Tipi Çizelgeleme Problemleri, Yapay Sinir Ağları, Genetik Algoritma, Genetik algoritmalar, No-Wait Flowshop Scheduling Problems, Artifical Neural Networks, Genetic Algorithms, Artificial neural networks
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay Sinir Ağları, kombinatöryel optimizasyon problemlerinin çözümünde optimal yada optimale yakın çözümler sunmaktadır. Bu çalışmada Beklemesiz Akış Tipi Çizelgeleme(BATÇ) problemlerini çözmek için Yapay Sinir Ağları(YSA) yaklaşımı önerilmiştir. Agarwal ve arkadaşları (2006b) tarafından geliştirilen, Yapay Sinir Ağları için Adaptif Öğrenme Yaklaşımı, Beklemesiz Akış Tipi Çizelgeleme problemlerine uygulanmıştır. Önerilen Yapay Sinir Ağlarının performansı, Aldowasian ve Allahverdi'nin (2003) önerdiği Genetik Algoritma(GA) ile karşılaştırılmıştır. Önerilen Yapay Sinir Ağları yaklaşımı ve Genetik Algoritma çözümleri için Delphi programlama dilinde yazılım yapılmıştır. Beklemesiz Akış Tipi Çizelgeleme problemleri için literatüre uygun olarak toplam 192 adet problem seti oluşturulmuştur. Bu problemler önerilen Yapay Sinir Ağları yaklaşımı ve Genetik Algoritma ile çözülmüş ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen Yapay Sinir Ağları yaklaşımının çözümlerinin, Genetik Algoritmaya göre daha iyi olduğu görülmüştür.
Özet (Çeviri)
Artificial Neural Networks serve up optimal or near optimal results for solving combinatorial optimization problems. In this study, Artificial Neural Networks approach has been proposed for solving No-wait Flowshop Scheduling problems. An Adaptive Learning Approach for the Artifical Neural Networks which have been improved by Agarwal and friends (2006), has been applied for No-wait Flowshop Scheduling problems. To compare for the performance of proposed Artificial Neural Networks approach has been used Aldowasian and Allahverdi?s (2003) Genetic Algorithm. Programs for the algorithm of Artificial Neural Networks approach and the Genetic Algorithm solutions are written in Delphi Language. For the No-wait Flowshop Scheduling problems, a total of 192 problem set suiting the literature is created. Proposed Artificial Neural Networks approach?s solutions are compared to the solutions of Genetic Algorithm. The results show that proposed Artificial Neural Networks approach?s solutions give better results than the Genetic Algorithm.
Benzer Tezler
- Çifte kaynak kısıtlı grup teknolojisi üretim sistemlerinin bozucu faktörlere dayanıklı tasarımı
Robust design of dual resource constrained group technology production systems
MUSTAFA AKHUN
Doktora
Türkçe
1999
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. M. BÜLENT DURMUŞOĞLU
- Akışkan yataklı kurutma zeminlerinin analizi ve sunta kurutulmasında uygulanabilirliğinin araştırılması
Analyses of drying systems with fluidized bed and investigation of applicability to chipwood drying
REŞAT SELBAŞ
Doktora
Türkçe
1998
Makine MühendisliğiSüleyman Demirel ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ACAR
- Investigation of settling behaviour of sphalerite at the zinc concentrate thickener
Sfaleritin çinko konsantre tiknerinde çökelme davranımının incelenmesi
AYŞE NİHAN ŞAHİN
Yüksek Lisans
İngilizce
2008
Maden Mühendisliği ve MadencilikHacettepe ÜniversitesiMaden Mühendisliği Bölümü
DR. N. METİN CAN
- Kinetics of methyl lactate formation over the ion exchange resin catalysts
İyon değiştirici reçine katalizör üzerinde metil laktat oluşumunun kinetik incelenmesi
SERAP AKBELEN ÖZEN
Yüksek Lisans
İngilizce
2004
Kimya MühendisliğiOrta Doğu Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN KARAKAŞ