Araç rotalama problemi için bir öğrenen hibrit algoritması geliştirilmesi
Developing a learning hybrid algorithm for vehicle routing problem
- Tez No: 959367
- Danışmanlar: PROF. DR. AHMET SERTBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Bu tez çalışmasında, lojistik ve dağıtım operasyonlarında sıklıkla karşılaşılan araç rotalama problemlerine yönelik, AI destekli, öğrenebilir ve hibrit bir optimizasyon algoritması geliştirilmiştir. Önerilen model; RL, YSA destekli genetik algoritmalar ve NoSQL tabanlı veri işleme altyapısının birlikte kullanımıyla, dinamik koşullara uyum sağlayabilen bir karar destek sistemi sunmaktadır. Klasik algoritmaların statik yapısının aksine, bu model geçmiş rota sonuçlarından öğrenerek adapte olabilmektedir. İstanbul'un iki yakasında gerçekleştirilen gerçek saha verilerine dayalı dört ayrı senaryo üzerinde yapılan testlerde, araç sayısı, toplam mesafe, rota süresi ve mesai süresi gibi performans göstergelerinde %18 ila %37 iyileşme sağlandığı gözlemlenmiştir. YSA destekli başlangıç popülasyonu, genetik algoritmanın erken yakınsama eğilimini azaltmış; NoSQL entegrasyonu ise büyük veri üzerinde hızlı ve çok ölçütlü sorgulamalara olanak sağlamıştır. RL modülü sayesinde sistem, operasyonel geri bildirimleri politika güncellemelerine dönüştürerek, performansını sürekli artırma yeteneği kazanmıştır. Sonuç olarak bu tez, gerçek zamanlı, esnek ve sahadan öğrenebilen bir karar destek modeliyle lojistik sektörüne yenilikçi katkılar sunmaktadır.
Özet (Çeviri)
In this thesis, an AI-supported, learnable, and hybrid optimization algorithm is developed to address vehicle routing problems commonly encountered in logistics and distribution operations. The proposed model offers an adaptive decision support system by integrating RL, neural network-assisted GA, and a NoSQL-based data processing infrastructure. Unlike traditional static algorithms, the developed model adapts to new scenarios by learning from past route outcomes. The model was tested on four real-world delivery scenarios conducted on both sides of Istanbul. Test results indicate improvements ranging from 18% to 37% in key operational metrics such as the number of vehicles, total distance, route duration, and shift time. The neural network-supported initial population helps mitigate the early convergence risk of the genetic algorithm, leading to better-quality solutions. The NoSQL integration enables fast and multi-criteria queries on large datasets, while the RL module allows continuous policy updates based on operational feedback. As a result, this study presents not only an alternative to traditional routing approaches but also a flexible, real-time, and field-learnable decision support solution, contributing significantly to the logistics sector.
Benzer Tezler
- Lojistik sistemlerin yapay sinir ağları ile modellenmesi, gerçeklenmesi ve kontrolü
Modeling, implementation and control of logistics systems using artificial neural networks
MURAT ERMİŞ
Doktora
Türkçe
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİL
- Kapasiteli araç rotalama problemi için bir hipersezgisel tasarımı ve uygulaması
A hyperheuristic design and its application for the capacitated vehicle routing problem
AHMET ÇAĞLAR SAYGILI
- İki amaçlı açık araç rotalama problemi için bir çözüm yaklaşımı
A solution approach for bicriteria open vehicle routing problem
HAKAN TÜFEKÇİER
Yüksek Lisans
Türkçe
2008
Endüstri ve Endüstri MühendisliğiEskişehir Osmangazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJGAN SAĞIR
- Yerleştirme rotalama problemi icin bir genetik algoritma
A genetic algorithm approach for location routing problem
FATMA AKPINAR
Yüksek Lisans
Türkçe
2009
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CENGİZ GÜNGÖR
- A heuristic framework for solving time dependent vehicle routing problem with time windows
Zamana bağlı ve zaman pencereli araç rotalama problemi için bir sezgisel çözüm yaklaşımı uygulaması
ALPER YASİN SARICIOĞLU
Yüksek Lisans
İngilizce
2014
Endüstri ve Endüstri MühendisliğiBahçeşehir ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM MUTER