Çok depolu araç rotalama probleminde genetik algoritma ve parçacık sürü optimizasyonu algoritmalarının kıyaslaması
Comparison of genetic algorithm and particle swarm optimization algorithms in multi-depot vehicle routing problem
- Tez No: 801129
- Danışmanlar: DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
İşletmelerin uygun lojistik ile müşteri taleplerini karşılaması lojistik maliyetlerini azaltır. Bu çalışmada çok depolu araç rotalama problemi çalışıldı. En kısa yollar ile en uygun rotalar hedeflenmektedir. Özdeş araçların kapasite kısıtı vardır. Literatürde birçok metasezgisel yöntemler, araç rotalama problemlerinde büyük verilerin çözümlerinde yer aldığı görülmektedir. Çok depolu araç rotalama problemleri çözümünde literatürde kko, parçacık sürü optimizasyonu (pso), genetik, tavlama vb. algoritmalar kullanılmıştır. 2022 yılında ki çok depolu araç rotalama yayınlara bakıldığında, metasezgisel yöntemlerden popüler olarak parçacık sürü optimizasyonu (pso) ve genetik algoritma çalışmaları yer aldığı fark edildi. Literatürde bu yöntemlere yönelmiş yayınlarda yer alsa da, çok depolu araç rotalama problemlerinde iki yöntemin kıyası yapılan yayın miktarı azdır. Bu çalışmada müşteriler depolara üç farklı gruplama yöntemi ile gruplanmaktadır. En yakın depoya gruplama, amaç fonksiyonunda talepler dikkate alınmadan depo kısıtlı transport atama en az (ucuz) maliyetli gözeler yöntemi ve depo kapasite kısıtlı transport atama yöntemi kullanılmaktadır. parçacık sürü optimizasyonu (pso) ve genetik algoritma ile iki algoritmanın çözüm sonucuna ulaştıracak Matlab programı kodlandı. Üç farklı başlangıç çözümü ile parçacık sürü optimizasyonu (pso) ve genetik algoritma ile ayrı çözüldü, kıyaslandı ve yorumlandı. Uygun çözüme çıkan sonuçların kıyaslanması için müşteriler depolara adreslendikten sonra, Lingo programı ile matematiksel modelide çözüldü. Büyük veri setinde matematiksel model çözümü uzun zaman aldığından ve çözüm bulamadığından uygun sonuç için bu çalışmada referans zaman kullanıldı.
Özet (Çeviri)
It reduces logistics costs for enterprises to meet customer demands with appropriate logistics. In this study, the multi-depot vehicle routing problem was studied. The most suitable routes are targeted with the shortest routes. Identical vehicles have a capacity limit. In the literature, it is seen that many meta-intuitive methods are involved in the solutions of big data in vehicle routing problems. In the solution of multi-warehouse vehicle routing problems, aco, particle swarm optimization (pso), genetics, annealing, etc. are used in the literature. algorithms have been used. When looking at the multi-depot vehicle routing publications in 2022, it was noticed that particle swarm optimization (pso) and genetic algorithm studies are popular among meta-intuitive methods. Although there are publications in the literature focused on these methods, the amount of publications comparing the two methods in multi-depot vehicle routing problems is low. In this study, customers are grouped into warehouses by three different grouping methods. Grouping to the nearest warehouse, assigning warehouse-limited transport without taking into account the demands in the objective function, the least (cheap) cost-effective gözeler method and the warehouse capacity-limited transport assignment method are used. The Matlab program that will lead to the solution result of the two algorithms with particle swarm optimization (pso) and genetic algorithm was coded. It was solved, compared and interpreted separately by particle swarm optimization (PSO) and genetic algorithm with three different initial solutions. After the customers were addressed to the warehouses to compare the results of the appropriate solution, it was solved in a mathematical model with the Lingo program. Since the mathematical model solution takes a long time in a large data set and cannot find a solution, reference time was used in this study for the appropriate result.
Benzer Tezler
- Araç rotalama problemlerinin parçacık sürü ve genetik algoritma ile optimizasyonu
Optimization vehicle vouting problem using particle swarm optimization and genetic algorithm
EMRAH ÖNDER
- Çoklu depolu araç rotalama probleminin hibrid algoritmalar yöntemiyle çözülmesi
Solving multi-depot vehicle routing problems via hybrid algorithms
GÜLŞEN APAK
- Optimizasyon problemlerinin çözümünde melez metasezgisel bir algoritmanın tasarımı
Designing a hybrid meta heuristic algorithm for optimization problems solutions
GANİMET NİLAY YÜCENUR
Doktora
Türkçe
2011
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NİHAN ÇETİN DEMİREL
- Karınca kolonisi optimizasyonu ve genetik algoritma tabanlı tramp gemi rotalama ve çizelgeleme
Ant colony optimization and genetic algorithm based tramp ship routing and scheduling
SEHER SUENDAM ARICI
Yüksek Lisans
Türkçe
2021
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE AKYÜZ
- Kan tedarik zinciri dağıtım ağı modellemesi ve hibrit genetik algoritma ile çözümü
Blood supply chain distribution network modeling and solution with hybrid genetic algorithm
ESRA AYHAN
Doktora
Türkçe
2021
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALEV TAŞKIN GÜMÜŞ