Data-driven operators for a hybrid evolutionary algorithm to solve multi-trip rich vehicle routing problem
Çok kullanımlı zengin araç rotalama probleminin melez evrimsel algoritma ile çözümlenmesinde veri güdümlü operatörlerin etkileri
- Tez No: 652251
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Araç yönlendirme problemi, Makine öğrenmesi, Metasezgiseller, Veri madenciliği, Vehicle routing problem, Machine learning, Metaheuristics, Data mining
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kombinatoryal eniyileme problemlerinden sayılan Araç Rotalama Problemi zorluğu ve pratik yaşam operasyonlarındaki önemi dolayısıyla yoğun olarak çalışılmaktadır. Büyük ölçekli ARP uygulamalarında sezgisel algoritmalar özellikle tercih edilmektedirler. Veri madenciliği, veri depolamadaki artış ve makine öğrenmesi araçlarının gelişimi neticesinde sezgisel yöntemleri desteklemek için de kullanılmaya başlamıştır. Fakat çoklu nitelikli ARP türevlerini çözebilecek sezgiseller kapsamında genel bir öğrenim şeması ortaya koyan çalışma sayısı oldukça sınırlıdır. Bir ARP örneğinin en yaygın özelliklerinden olan rota sıralaması, araç kapasitesi, zaman pencereleri, birim gezi maliyeti çözümün kalitesine dair değerli bilgiler taşımaktadır. Bu çalışmada, tarama esnasında elde edilmiş her bir çözümün bahsi geçen özelliklerini bir veri çerçevesinde bir araya getirme ve dinamik tahmin modeli oluşturma önerisi sunulmaktadır. Modelin tahminlerini kullanabilen yeni bir operatör sezgisel algoritmaya dahil edilmiştir. Bu görev için en uygun sezgiseller çözüm havuzu içerdikleri için topluluk tabanlı olanlardır. Dolayısıyla çok kullanımlı zengin ARP'yi çözme amacıyla melez evrimsel algoritma seçilmiştir. Veri güdümlü bu hızlı ve basit operatörün temel sezgisele katılımının marjinal etkileri tartışılmıştır. Ayrıca, bu yeni operatörün problemin farklı niteliklerine odaklanan versiyonları tanımlanarak performansları değerlendirilmiştir. Kıyaslama örnekleri üzerinde yaptığımız deneyler bu kolay ve uyarlanabilir yapının umut verici sonuçlar ürettiğini göstermiştir.
Özet (Çeviri)
Vehicle routing problems have been the subject of intensive research due to their difficulty as a combinatorial optimization problem and their importance in real life operations. Heuristics are widely preferred to solve VRPs especially in large scale real-world applications. With the growth of data storage and development of ML tools, data mining has started to be used to enhance heuristics. However, there is not much work involving a general learning scheme within VRP heuristics because of the complicated nature of multi-attribute variants. Most common features of a VRP instance such as routing sequence, vehicle capacity, time windows, unit costs of travel contain valuable information about the quality of the solution. In this study, we propose to gather the aforementioned characteristics of every past solution during the search and build a dynamic predictive model on it. A novel removal operator based on the predictions of this model is integrated into the heuristic. Population-based heuristics are suitable for this task because of their inherent solution pool hence we chose a hybrid evolutionary algorithm designed for a Multi-Trip Rich VRP. We discuss the marginal effects of adding this simple and fast data-driven removal operator into the base method. Moreover, we define modifications of this new operator focusing on different features of the sample and try to interpret their performance. Our experiments on the benchmark instances have shown that this straightforward and adaptable framework generates promising results.
Benzer Tezler
- Siber güvenlikte saldırı tespiti için yeni bir hibrit kuantum sinir ağı modeli
A novel hybrid quantum neural network model for attack detection in cybersecurity
MUHAMMED YUSUF KÜÇÜKKARA
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ
- Data-driven process mining for production line optimization using IIOT and big data technologies
IIOT ve büyük veri teknolojileri kullanılarak veri odaklı süreç madenciliği ile üretim hattı uygulaması
BEYZA YAPAKÇI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. ALP ÜSTÜNDAĞ
- Hava tahmin modelleri ve yüzdelik dilim regresyonu temelli hibrit güneş enerjisi öngörü sistemi geliştirilmesi ve uygulamaları
Development and applications of a hybrid solar energy forcasting system integrating weather models and quantile regression
AYŞEGÜL BİÇER
Yüksek Lisans
Türkçe
2026
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN ŞAHİN
- Yalın üretim ve dijitalizasyon (endüstri 4.0 + endüstri 5.0): Çok boyutlu etkileşim matrisi ve üretim firmaları için kurulum, geliştirme stratejileri ve değerlendirme modeli
Lean+digitalization (Industry 4.0 + industry 5.0): Multi-domain matrix as a reference implementation and improvement strategies for manufacturing companies and assessment model
HASAN OKTAY GÖKTAŞ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Integration of sustainable energy sources into data centre electrical systems
Sürdürülebilir enerji kaynaklarının veri merkezi elektrik sistemlerine entegrasyonu
CİHAN ŞAHİN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. BELGİN TÜRKAY