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: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 72
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
- Incipient fault detection in wind turbines
Rüzgar türbinlerinde gelişmekte olan hata öngörüsü
AYŞE GÖKÇEN KAVAZ TAŞKINER
Doktora
İngilizce
2019
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK BARUTÇU
- 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
- CNN-based server state monitoring and fault diagnosis using infrared thermography
Kızılötesi termografi kullanarak CNN tabanlı sunucu durumu izleme ve arıza teşhisi
BELTUS NKWAWİR WİYSOBUNRİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN
PROF. DR. BEHÇET UĞUR TÖREYİN
- Melez akış tipi çizelgeleme problemi için tepkisel bir algoritma
A reactive algorithm for the hybrid flow shop scheduling problem
ABDULLAH AKTEL
Doktora
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET MUTLU YENİSEY
- Turbo fan motorların kalan faydalı ömür tahminlemesi için makine öğrenmesi temelli sistematik bir yaklaşım
A systematic approach based on machine learning for estimating the remaining useful life of turbo fan engines
MAHMUT SAMİ ŞAŞMAZTÜRK
Doktora
Türkçe
2024
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA KAPAN ULUSOY
DOÇ. DR. METE ÇELİK