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: 150
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 SAĞLANIYORSA 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 THEN ) 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
- Makı̇ne öğrenmesı̇ ı̇le sürü robotları ı̇çı̇n savaş stratejı̇sı̇ modelı̇
A q-learning based approach for simple and multi-agent systems
ÜMİT ULUSOY
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- 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
- Development of a machine learning prediction model for construction safety management
İnşaat iş güvenliği yönetimi için makine öğrenmesine dayalı tahmin modeli geliştirilmesi
KERİM KOÇ
Doktora
İngilizce
2022
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ASLI PELİN GÜRGÜN