Geri Dön

Karmarkar algoritması ve çok amaçlı programlamaya uygulanması

Başlık çevirisi mevcut değil.

  1. Tez No: 34796
  2. Yazar: ABDÜLKADİR TEPECİK
  3. Danışmanlar: DOÇ. DR. MEHMET AHLATÇIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1994
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Özet Bu çalışma, üç ana bölümden oluşmuştur. İlk bölümde son yılların oldukça popüler konusu olan, mucidi (N. Karmarkar) tarafından Simplex metodundan 50-100 misli daha hızlı olduğu söylenen Karmarkar Algoritması bütün detayları ile incelenmiştir. İkinci bölümde, çözümü bilinmeyen standard formdaki LP problemlerini göz önüne alarak, gerçek Primal ve Dual çözümlere yakınsayan yaklaşık primal ve dual çözümler oluşturan,“Değiştirilmiş Karmarkar Algoritması”hesaplanmış örneklerle açıklanmıştır. Üçüncü ve son ana bölümde ise Affine-Scaling Primal Algoritması olarak ta bilinen değiştirilmiş karmarkar algoritmasına dayanan bir çok amaçlı LP algoritması sunulmuştur. Herbir amaca ait projekte edilmiş gradientlerin konvex kombinezonunun kullanımı ve bu birleştirilmiş tek doğrultu boyunca yeni iterasyonlann nasıl elde edileceği açıklanmıştır. iv

Özet (Çeviri)

ABSTRACT This study consists of three main parts. In the first part, Karmarkar's Algorithm, which was devised by Karmakar, is studied in details. This algorithm is 50-100 times faster than that of simplex method. In the second part considering LP problem in the standard form of which solution in not known Modified Karmarkar Algorithm which approximates primal and dual solutions as well as finding them is explained giving computational examples. In the last part, Multiobjective Linear Programming algorithm that is based on modified Karmarkar's algorithm known as the Affine Scaling Primal Algorithm is given. The use of convex combination of the projected gradients is shown for every objective. It was explained that how we can step toward the next iterate along combined direction.

Benzer Tezler

  1. A Configuration of systematic approaches for drinking water distribution problem in metropolitan areas

    Başlık çevirisi yok

    SELİM KAHVECİOĞLU

    Doktora

    İngilizce

    İngilizce

    1997

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. SELİME SEZGİN

  2. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. SHEF: A tool for fuzzy control system development

    SHEF: Bulanık kontrol algoritması geliştirme ortamı

    ŞİMA ETANER

  4. Les applications des algorithmes genetiques dans les modüles d'Optimisation des prologiciels de Gestion integre

    İşletme kaynakları planlaması yazılımlarının optimizasyon modüllerinde genetik algoritma uygulamaları

    MELİKE ORHON

    Yüksek Lisans

    Fransızca

    Fransızca

    2001

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. ETHEM TOLGA

  5. Stokastik talep altında telekomünikasyon ağlarındaki aracı firmalara yönelik kar en büyüklemesi problemi

    Profit maximization problem for intermediaries in telecommunication networks under stochastic demand

    HASAN HÜSEYİN TURAN

    Doktora

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET NAHİT SERARSLAN