Professional Documents
Culture Documents
KAML ALIKAN
EYLL 2011
ANKARA
_______________________________
Do. Dr. Erdoan DODU
Anabilim Dal Bakan
ii
_______________________________
Yrd. Do. Dr. Tansel ZYER
Tez Danman
_________________________
__________________________
__________________________
iii
TEZ BLDRM
Tez iindeki btn bilgilerin etik davran ve akademik kurallar erevesinde elde
edilerek sunulduunu, ayrca tez yazm kurallarna uygun olarak hazrlanan bu
almada orijinal olmayan her trl kaynaa eksiksiz atf yapldn bildiririm.
KAML ALIKAN
iv
niversitesi
Enstits
: Fen Bilimleri
Anabilim Dal
: Bilgisayar Mhendislii
Tez Danman
Kamil ALIKAN
KARINCA KOLONS OPTMZASYONU LE ARA ROTALAMA
PROBLEMNN MALYETLERNN KMELEME TEKN LE
YLETRLMES
ZET
ok depolu ara rotalama problemlerinde mteri taleplerinin en ksa srede, en ksa
yoldan karlanmas ve taleplerin karlanmas iin kullanlacak olan ara saysnn
en uygun sayda seilmesi olduka nemlidir.
NP zor bir problem olan ara rotalama probleminin zm iin pratik yaklamlar
ve birok algoritmalar oluturulmutur, Bu algoritmalar kesin ve yaklamsal olmak
zere genel olarak iki gruba ayrlabilirler. Kesin algoritmalarn kt taraf dk
performans gstermesidir fakat birok yaklamsal algoritma kombinasyonel
problemlerde kesin algoritmalarn aksine ksa zaman dilimlerinde yksek kalitede
zmler ortaya koyarlar. Bilinen bu tekniklerden biriside karnca kolonisi
optimizasyonudur. Bu tez almasnda ara rotalama problemine karnca kolonisi
optimizasyonu k ortalama kmeleme teknii ile birlikte uygulanarak taleplerin
toplam gerekleme sresi, toplam mesafe ve kullanlan toplam ara saysnn
deiimleri izlenmitir.
University
Institute
Science Programme
: Computer Engineering
Supervisor
Kamil ALIKAN
IMPROVING THE COST OF VEHICLE ROUTING PROBLEM BY USING
ANT COLONY OPTIMIZATION WITH CLUSTERING TECHNIQUES
ABSTRACT
In multi-depot vehicle routing problems meeting the customer demand in the shortest
time with the shortest path and appropriate number of vehicles is the major point for
the solution of these problems. Many practical approaches and algorithms have been
established for the solution of a kind of hard NP vehicle routing problems. These
algorithms can be divided into two groups in general, to be precise and approximate.
The bad side of the exact algorithms is that they show poor performance. But unlike
the exact algorithms, many approximate algorithms reveal high-quality solutions in
short time periods for combinational problems. One of these high-quality solution
techniques is known as ant colony optimization. In this thesis ant colony
optimization with k-means clustering technique is applied for the vehicle routing
problem. The changes in the total realization of demands in time, total distance and
total number of vehicles are observed for the applications.
vi
TEEKKR
Her zaman arkamda olan, beni srekli destekleyen ve bugnlere gelmemde en byk
emee sahip olan deerli aileme teekkrlerimi sunarm.
vii
NDEKLER
ZET
ABSTRACT
vi
TEEKKR
vii
NDEKLER
viii
1. GR
10
11
13
15
18
2.1. Giri
18
2.2. Sr Zekas
19
20
21
22
23
24
25
26
26
27
28
29
30
3. KMELEME ANALZ
32
3.1. Giri
32
32
34
35
37
37
38
38
38
39
39
39
40
40
42
42
43
44
45
46
4. YAPILAN LEMLER
47
4.1. Giri
47
47
53
5. UYGULAMA IKTILARI
57
ix
57
63
69
6. SONU
75
6.1. Yorumlar
75
77
KAYNAKLAR
79
ZGEM
84
ZELGELERN LSTES
izelge
Sayfa
xi
27
EKLLERN LSTES
ekil
Sayfa
xii
KISALTMALAR
Ksaltma
Aklama
VRP
CVRP
TSP
GSP
ARP
CO
AS
MMAS
QAP
xiii
BLM 1
1. GR
Datm sistemleri, mterilerin srekli artan beklentileri ve srekli deien rn
nitelikleri ile son derece karmak bir hale gelmitir. Bu da bu alanda hizmet veren
irketlerin daha etkili datm planlar yapmasn gerektirmektedir. Datm a
ierisinde bulunan mterilerin taleplerinin en az maliyet ile karlanmas bu datm
planlarnn merkezinde yer almaktadr.
Ara rotalama problemi de datm sistemi ierisindeki problemlerin bir rneidir.
Gnlk hayatta rn datm, banka para transfer aralar, renci servisleri, yakt
datm ve daha birok datm ilemi ara rotalama probleminin rnekleri olarak
gsterilebilir.
Bu tarz karmak problemlerin zmnde genel olarak kesin ve yaklamsal olmak
zere iki tarz zm gelitirilmitir. Kesin algoritmalar en iyi zm bulmak ve
bunun en iyi zm olduunu ispatlamak zerine konumlandrlmtr ancak bu
algoritmalar
kombinasyonel
problemlerde
dk
performans
gstermitir.
almasnda
kapasiteli
ara
rotalama
probleminin
karnca
kolonisi
Tezin ilk blmnde ara rotalama problemi aklanm, ara rotalama probleminin
temel bileenleri, matematiksel modeli, rotalama trleri ve ara rotalama yntemleri
anlatlmtr. kinci blmde karnca kolonisi optimizasyonu, normal ve yapay
karncalar, sr zekas, karnca kolonisi algoritmalar, karnca algoritmalarnn
gemite ve gnmzdeki uygulamalar anlatlmtr. nc blmde kmeleme
analizi, kullanm alanlar, kme ve kmeleme trleri, kmeleme teknikleri, k
ortalama kmelemenin avantaj ve dezavantajlar anlatlmtr. Drdnc blmde
yaplan ilemler, uygulama ilem basamaklar anlatlmtr. Beinci blmde
uygulama ktlar ve grafiklere yer verilmitir. Altnc blmde ise elde edilen
ktlar yorumlanm ve gelecek almalar anlatlmtr.
1.1. Ara Rotalama Problemi
Ara Rotalama Problemi, corafi olarak dank mterilere bir veya birden fazla
depodan hizmet iin grevlendirilen aralarn en ideal ekilde datm ve toplama
rotalarnn tasarlanmas problemine denir. [1] ARP ilk olarak 1959 ylnda Dantzig
ve Ramser tarafndan bulunan ve zerinde en fazla optimizasyon gelitirilen
yntemdir.[6]
Standart bir ara rotalama probleminde depolardan aralar ile farkl noktalardaki
mterilerin talepleri karlanmaya allmaktadr. Bu ilemi gerekletirirken ama
verimli bir ekilde mteri ihtiyalarn mmkn olan en ksa zamanda, en ksa
yoldan ve en az maliyetle karlayan rotay belirlemektir. Ara rotalama yaplrken
aadaki unsurlara dikkat edilmelidir:
-
ebekede bulunan her var noktas tek bir ara tarafndan sadece bir kez
ziyaret edilmelidir.
Ama Fonksiyonu:
(1.1)
=0 =0,
Kstlar:
= 1
, 1, ,
= 1
, 1, ,
(1.2)
=1
1.3
=1
(1.4)
(1.5)
=0 =0
=0 =0
Burada (1.2) ve (1.3) kstlar ziyaret edilen mteriden ayrlma kstlardr. (1.4)
kst depodan balamayan ve depoda bitmeyen turlar elemekte kullanlr.
Son olarak, (1.5) ksd aralardaki yk durumunu kontrol etmektedir. Bu kst, depo
dahil olmak zere her T mteri kmesine eklenir. Bu kmelerin her biri,
<
artn salamaktadr.
Ayrca n ise ar yklemeyi engellemek iin T kmesinden karlmas gereken
minimum sayda mteri saysdr [3].
1.4. Rotalama Trleri
1.4.1. Rota Sresi Snrsz Rotalama Problemleri
Rota sresi, depodan ayrlan bir aracn depoya dnmesi iin gereken sre olarak
tanmlanabilir. Rota sresi snrsz rotalama problemlerinin belki de en iyi rnei, tek
aral gezgin satc problemleridir. Bu problem, tek bir ara ile bir "Hamiltonion tur"
oluturulmas esnasna dayanmaktadr. Bir Hamiltonion tur, bir G= [F, A] anda,
her bir dmden kesinlikle bir kez geen turu gstermektedir. Bu ada, (F),
dmler kmesidir; (A) kollar (adresleri birbirine balayan yollar) kmesini
gstermektedir. Problemin amac, toplam tur uzunluunu ya da maliyetini en aza
indirgemektir. Bu problemde, adreslere uranlacak zamanlar ve rota sresi ile ilgili
girdiler ve kstlar yoktur. [8]
1.4.2. Rota Sresi Snrl Rotalama Problemleri
Bu problem trnde, aralarn kat ettikleri toplam uzunluk en aza indirgenmektedir.
Depodan ayrlan aralar belirli adreslere (dmlere) uradktan sonra ayn depoya
dnmek zorundadrlar. Bir aracn depodan depoya olan rota sresi, en byk rota
sresini amamaldr. Bu kst,adresler kmesine hizmet verecek olan ara saysnn
belirlenmesinde nemli bir rol oynar.
Rota sresi ile birlikte ara saysnn da snrl olduu bir problemin zmnde,
baz adreslere uranlamamas durumu ile karlalabilir. Eer btn adreslere
mutlaka uranlmas gerekiyorsa ve ara saysn arttrmak olanakszsa, en byk
rota sresi almak zorunda kalnabilir. Bu durumda alan her birim sre iin bir
ceza maliyeti verilerek, toplam ceza maliyeti en aza indirgenebilir. Byle bir
yaklam ara saysnn snrl olmasn bir "kat kst", rota sresinin snrl olmasn
bir "gevek kst" yapar. Bir "kat kst" kesinlikle uyulmas gereken, bir "gevek
kst" ise uyulmas istenilen kstlardr. Grld zere problemin yaps, rota
sresinin snrlandrlmasndan nemli lde etkilenmektedir.[8]
tamaktadr. Ayrca karmak yapl, oklu orijin ve var noktalarna sahip ara
rotalama problemleri dorusal programlama metodu ile zlmektedir.
1.5.1. En Ksa Yol Yntemi
En ksa yol ynteminin temel amac mteri noktalar arasndaki yaknlk ve uzaklk
durumu ve ara ykleme kapasitelerine gre aralara mteri atanmasdr. En ksa
yol yntemi sre aamalar aadaki gibidir (Breedam, 2002):
1.
mteri atanr.
2.
incelenir. Eer mteriye en yakn iki nokta varsa her biri iin sre oluturularak
ayr zm dallar yaratlr.
3. Eer mteri direkt olarak merkezi birim ile balantl deilse (Oluturulan rotada
mteri merkezi birimden sonra gelmiyorsa) ve mteriye en yakn baka mteri ile
merkezi birim ayn mesafede ise sre yine ikiye ayrlarak yeni zmler oluturulur.
Rotalamada ilk nce mteri baka mteriye ara kapasite kst salyorsa balanr.
Ardndan zm aacnda yeni bir dal oluturularak mteri direkt olarak merkezi
birime balanr.
4. zmler ayr ayr hesaplanarak en uygun zm seilir.
Ancak bir orijin noktasndan ok sayda var noktasna ya da ok sayda orijin
noktasndan ok sayda var noktasna en ksa mesafenin bulunmas durumu sz
konusu olduu zaman yaplan ilemler daha da karmak hale gelmektedir. Bu gibi
durumlarda dorusal programlama yardmyla zm yolu bulunmaktadr.[11]
1.5.2. Sprme (Sweep) Yntemi
Gilbert ve Miller tarafndan 1974 ylnda gelitirilen Sprme algoritmasnda
rotalarda yer alacak mteriler, depo merkezli bir dorunun dndrlmesi ile elde
edilirler. Dndrme esnasnda dorunun zerinden getii mteriler bir gruba ayrlr
ve kapasite veya mesafe kst aldnda grup kapatlarak yeni bir grup ile devam
edilir. Oluturulan nokta gruplarna merkez depo da eklenerek, genel olarak GSP
gibi zlerek rotalar belirlenir.[12]
Sprme Ynteminde mterilerin koordinatlar klidyen forma (x, y) yerine, a
ve doru uzunluu olmak zere polar formatta (i, i) tutulur. Bylece talep
noktalar asna gre kkten bye sralanarak, kapasite ve mesafe kstlar
dikkate alnarak gruplanr. Genel olarak Sprme Algoritmasnn zm admlar
aadaki belirtilmektedir.[13]
1- Bir harita zerinde depo ve mteri noktalarnn yeri tespit edilir ve koordinatlar
polar formata (i, i) evrilir. Rotaya atanmam herhangi bir ara belirlenir.
2- Depodan yatayla 0 a ile balanarak saat ynnn tersine doru taranmaya
balanr. Eer bir mteri ile karlalrsa ve eer mterinin talep miktar aracn
10
kapasitesini gemiyorsa mteri araca atanr. Aksi durumda saat ynnn tersi ynde
hareket edilir. Eer araca her iki ynde de mteri atanamyorsa, dier araca geilir.
3- Eski aracn kald yerden taramaya devam edilir. Eer daha nce rotalanmayan
mteri ile karlalrsa ve mterinin araca atanmas kapasite kstnn almasna
sebep olmuyorsa, mteri araca atanr. Bu sre akta bir talep noktas
kalmayncaya kadar (tm noktalar rotalanncaya kadar) srer.
4- Tm noktalar aralara atandktan sonra gruplar uygun bir ekilde optimize
edilerek rotalar belirlenir.
Sprme yntemi Tasarruf algoritmasna nazaran uygulanmas daha basit olmasna
ramen,ou ARP iin kesinlik ve hz bakmndan Tasarruf metodundan geridedir.
Bunun sebebi gruplama yaplrken noktalar arasndaki uzaklklarn dikkate
alnmamas ve rotalarn belirli bir alandan balayarak oluturulmasdr. Ayrca bu
tekniin yeni kstlarla entegre olmas zor olmakla birlikte sadece iki boyutlu
klidyen sistemde zmler retmesi uygulanabilirliini kstlamaktadr.[12]
1.5.3. Gezgin Satc Problemleri
Bir satcnn n adet ehri en ksa zamanda dolanmn salayacak ekilde ehirleri
ziyaret etme srasn bulma problemine gezgin satc problemi denir. Gezgin satc
probleminde her bir ehir yalnz bir defa en ksa yol takip edilerek ziyaret edilir ve
tekrar balang noktasna geri dnlr.
Gezgin satc problemi yneylem aratrmalarnda ve teorik bilgisayar bilimlerinde
allmtr, kombinasyonel optimizasyon bir NP-Zor bir problemdir. ehirler ve
ikili mesafelerin bir listesi verildiinde, grev tam olarak bir kere her ehirde ziyaret
eden en ksa turu bulmaktr.
Sorun ilk olarak 1930 ylnda bir matematik problemi olarak formle edilmi ve
optimizasyon konusunda en ok allan problemlerden biri olmutur. Problem
hesaplama olarak zor olsa da birok sezgisel ya da kesin algoritma ile probleme
zmler retilmitir.
11
(1.6)
=1 =1
= 1
= 1, ,
(1.7 )
= 1
= 1, ,
(1.8)
=1
=1
= 0 1
1.9
= 1, , = 1, ,
12
(1.10)
:
: ,
:
:
1, ,
0
Eer yalnz ilk iki kme kst hesaba katlrsa problem bilinen atama problemine
dnmektedir. Esas zorluk oluturan kst nc ksttr. Bu kst, atama kstlarn
yeterli klan zmlerini engellemek iin kullanlan alt tur eliminasyon kstndan
meydana gelmektedir.
= :
1.11
Alt tur eliminasyon kstlarnn ilk seti, dmlerin her bir uygun alt kmesinin, ayn
alt kmenin tamamlaycs ile ilikili olduunu garanti etmektedir. Bu da, sistemin
dier dmleri ie ilikili olmayan herhangi bir uygun alt kmenin, dier
dmlerden bamsz olarak bir alt tur oluturmasn engeller.[14]
1.5.4. Tasarruf Algoritmas
ARP problemlerini zmek iin gelitirilen yntemlerden birisi, Clarke ve Wright
tarafndan 1964 ylnda gelitirilen ve belki de bilinen en iyi tur oluturma sezgiseli
olan Tasarruf yntemidir. Bu yntem, her bir mteri ikilisi arasndaki maliyet
tasarrufunu hesaplayarak balar. Maliyet tasarruflar hesaplanarak iki mteri arasna
13
bir mteri eklenir. ekil 1.1de grld gibi i ve j. mteri ayr turlardadr, i.
mteriden sonra j. mteri eklenerek turlar birletirilir.
= 0 + 0 + 0 + 0 0 + + 0
= 0 + 0
1.12
(1.13)
14
15
Deikenler:
: eer k arac i noktasndan j noktasna giderse 1, aksi halde 0
N
min
Cij xijk
1.14
xijk K
i = 0 iin
(1.15)
i = 0 ve k 1, K
(1.16)
k=1 j=1
xijk =
xijk 1
j=1
j=1
xijk = 1
i 1, N
(1.17)
xijk = 1
j 1, N
(1.18)
k 1, , K
(1.19)
k=1 j=0,ji
k=1 i=0,ji
Mi
i=1
xijk qk
j=0,ji
xijk 0,1
(1.20 )
16
17
BLM 2
birok
yaklamsal
algoritma
kombinasyonel
problemlerde
kesin
19
ekil 2.1. Karncalarn yol bulma ileminin ematik gsterimi (ekil [27] den
alnmtr.)
20
ekil 2.1 deki diyagramda yuva ile besin kayna arasnda iki yol gzkmektedir.
stteki yol daha ksa alttaki yol daha ona gre daha uzun bir yoldur. Yaplan
deneyde karncalar yiyecek aramalar iin brakldnda karncalarn yars stteki
ksa yolu dier yars da alttaki uzun yolu tercih etmilerdir.( ekil 2.1 a)
stteki yolun daha ksa olmas nedeniyle karncalar yiyecee daha ksa srede
ulamaktadr.( ekil 2.1 b)
Karncalar besin kaynana ulatktan sonra bu yola feromen srerek yuvaya tekrar
geri dnerler ve bu feromen izlerini takip ederek yiyecee ularlar.(ekil 2.1 c)
Bu ekilde st yolda biriken feromen miktar daha fazla olacaktr. Bu yzden
karncalarn stteki yolu takip etme olaslklar daha fazla olacaktr. Bu ilem
sonunda en ksa yol iin st ksmda bulunan yola bir yaknsama elde edilir.
Algoritma ilk olarak Travelling Salesman Problem (TSP) Gezgin Satc Problemine
uygulanm ve iyi sonular elde edilmitir.
2.4. Yapay Karncalarn zellikleri
Yapay karncalarla ilgili temel zellikler u ekilde sralanabilir. [28]
-
Her yapay karnca getii yollar tutan dahili bir hafzaya sahiptir.
21
Feromen
depolanmas
zm
oluturulurken
her
durum
geiinde
Koloni elemanlar verilmi olan grevi birbirleri ile etkileimli olarak ibirlii
yaparak zme ulatrr.
Hem yapay hem de doal karncalar feromen kokusuna bal olan iletiim ile
evrelerini deiiklie uratrlar.
Hem doal hem de yapay karncalar yuvaya ulama, yiyecee ulama gibi
ortak bir grevi paylarlar.
Yapay karncalar doal karncalardan farkl olarak izledikleri yolu tutan bir
hafzaya sahiptir.
22
(2.1)
+ = 1 +
=1
(2.2)
, ,
0
23
(2.3)
(2.4)
Kolonisi
Optimizasyonu
sezgiseli
Kombinasyonel
Optimizasyon
adlandrlmasna
ramen
karnca
24
algoritmalar
karnca
kolonisi
Algoritma 1
ParametreleriBelirle
While sonuc durumuna ulasana kadar
Zamanlama Etkinlikleri
KarincaCozumuOlustur()
FeromonGuncelle()
ArkaPlanEylemleri()
Bitir Zamanlama Etkinlikleri
Bitir While
Sistemi
algoritmasnn
ardndan
Karnca
Kolonisi
Optimizasyonu
25
+ =
1 +
=1
(2.5)
, ,
0
,
(2.6)
> ,
= < ,
(2.7)
26
= 1 + 0 ,
(2.8)
1 + ,
0
,
(2.9)
=1
ve : En iyi yol uzunluu
Karnca kolonisi sistemi farkl bir gei fonksiyonu olan rastgele orant kuraln
kullanr.
k karncas i durumunda ve 0 [0,1] arasnda deer alan bir parametre, q [0,1]
arasnda deer alan rastgele deer olmak zere sonraki durum olan j durumuna gei
iin u olaslk kural uygulanr,
If q 0 :
1 = ()
=
0
(2.10)
27
= + + ,
1
=1
(2.11)
(2.12)
, ,
,
,
=
0
.
(2.13)
rnek
En yi
MMAS
ACS
eil51
426
427.6
428.1
434.5
437.3
kroA100
21282
21320.3
21420.0
21746.0
22471.4
d198
15780
15972.5
16054.0
16199.1
16702.1
28
AS
baaryla
29
nk
karnca
algoritmalar
genellikle
kesikli
optimizasyon
30
Bu
modeller
ierisinde
de
Karnca
algoritmalarndan
faydalanlmaktadr.
Veri Madenciliinde genel ama bilgi karsamadr. ok byk veri kmelerinden
veriler arasndaki ilikilerin bulunmas ve eitli tasarm rntlerinin karlmasn
salamaktadr. Veri madencilii algoritmalar snflandrma, kmeleme, tahmin etme
gibi ilemleri ierir. Karnca algoritmalar da bu ilemlerden snflandrma ilemleri
ierisinde kullanlmaktadr.
Karnca Algoritmalar bilim ve sanayi gibi farkl alanlarda birok teorik ve pratik
problem zerinde uygulanmaktadr.
31
BLM 3
3. KMELEME ANALZ
3.1.
Giri
3.2.
Kmeleme Analizi
32
33
(m veri saysn
gstermektedir)
Bu yzden bu yntemler byk miktardaki veri setleri iin uygulanabilir deildirler.
Bu nedenle algoritmay tm veri seti yerine uygulamak yerine veri setini temsil eden
bir alt grubuna uygulamak hem daha hzl hem de daha etkili sonular retecektir.
Elde edilecek analiz sonular algoritmann uyguland alt grubun kmeyi temsil
etme oranna, yaplan analizin trne, veri setinden alnan ve bu veri setini temsil
eden rnek saysna gre deiiklik gsterir. Bu kstlar ne kadar iyi seilirse alt
gruba uygulanacak olan analizin sonucu gerek veriye uygulanan analizin sonucuna
o kadar yakn olur.
Kmeleme analizi veri seti zerinde soyutlama yapmamza da imkn salar. Bu
ekilde bir kmeyi temsil eden rneklerin karlmasn salar. Bu ekilde daha rahat
analiz ve veri ileme tekniklerinin uygulanabilmesi salanr. Bu nedenle kmeleme
analizini veri setini en iyi temsil eden rneklerin bulunmasnda yaygn olarak
kullanlr.
Kmeleme analizi ile yine karmak bir problem olan en akn komuluun bulunmas
ilemi daha verimli hale getirilmitir. En yakn komuluk karlkl olarak tm
noktalarn arasndaki mesafelerinin bulunmasn gerekli klmaktadr. Bu ilem
kmeleme analizi ile nesnelerin kmeyi temsil eden rneklere olan uzaklklarna
gre deerlendirerek yaplacak olan hesaplama says azaltlabilir. Eer iki kmeyi
temsil eden kme rnekleri birbirinden sezgisel olarak uzakta ise bu iki nesnenin
birbirinin komuluunda olma olasl ok dktr. Yani bir nesnenin en yakn
komuluunu bulmak iin yalnza yakn kmeler iindeki nesnelere olan uzakln
35
ekil 3.1 Ayn Veri Seti zerindeki Farkl Kme Saylar (ekiller [42] den
alnmtr)
36
ekil-1 (b) de veri ncelikle iki ve ekil-1 (d) de alt alt kmeye ayrlmtr. ekil-1
(c) de veri drt alt kmeye ayrlmtr. Grld gibi bir veri setinin sahip olduu
kme says verilerin yapsna ve arzu edilen sonulara gre deiiklik gsterir.
Kmeleme bir eit snflandrma olarak dnlebilir. Snflarn etiketlerine gre
nesnelerin etiketleri oluturulur. Kmeleme bu bilgiyi veriden alr. Yaplan
snflandrma bir reticili snflandrmadr. Yani yeni ve etiketlenmemi veriler,
daha nceden bilinen snf etiketlerinden oluturulmu bir model araclyla birer
snf etiketine sahip olurlar.
Kmeleme analizi kimi zamanda reticisiz snflandrma olarak ta nitelendirilir.
Yani veri setinden oluacak olan kme says daha nceden belirlenmeksizin verinin
yapsna gre ekillenir. Aksi belirtilmedii ekliyle snflandrma ileminde
reticili snflandrma iaret edilmektedir.
3.5. Kmeleme Trleri
Kmeleme Hiyerarik(i ie), ie olmayan, rten, Bulank, Tam, Ksmi, Sekin
gibi trlere sahiptir. Bu trler daha iyi anlatlabilmesi iin birbirleri ile karlatrmal
olarak anlatlma yoluna gidilmitir.
3.5.1. Hiyerarik( ie) Kmeleme ve ie olmayan Kmeleme
ie olmayan kmeleme bir veri setinin yelerinin rtmeyen alt kmelere
ayrlmas ilemidir. Yani her veri sadece bir kmeye aittir.
Kmelerin alt kmelere ayrlmas durumunda hiyerarik kmeleme yapm oluruz.
Nesnelerin analiz edilmeden nce, hiyerarik bir yapya gre dzenlenmesidir.
Hiyerarik kmeler aalar eklinde organize edilmi i ie gemi alt kmelerden
oluur. Yaprak dmler dnda aataki her bir dm, kendi alt kmelerinin bir
birlii ve aacn kk ise tm nesneleri ieren bir kmedir Hiyerarik kmeleri aa
eklinde tasarlanm i ie gemi kmelerin bir birleimi olarak tanmlayabiliriz.
37
Yaprak dmler dndaki her bir dm kendi alt kmelerinin bir birlii aacn
kk de tm nesneleri ieren bir kmedir.
3.5.2. Sekin, rten ve Bulank Kmeleme
Bir verinin; sadece bir kmeye ait olma durumunu sekin kmeleme olarak, birden
fazla kmeye ait olma durumunu da rten kmeleme olarak tanmlyoruz. rten
kmeye ait olarak bir niversite de hem renci olan hem de niversitede alan bir
kii rnek olarak verilebilir. Bulank kmeleme de veri belli bir arlk deeriyle tm
kmelere ait olmaktadr. Bu deer [0,1] arasnda deerler almaktadr. Yani veri
belirli bir olaslk deeri ile o kmeye aittir. Bulank kmelemede toplam arlk
deeri 1dir.
Bulank kmeler sekin kmelere dntrlebilir. Bu ilem verinin arlk deerinin
en fazla olduu kmeye aktarlmas ile gerekletirilir.
3.5.3. Tam Kmeleme ve Ksmi Kmeleme
Tam kmelemede veri setindeki her veri bir kmeye atanrken, ksmi kmelemede
veri seti ierisindeki baz veriler hibir kmeye ait olmakszn dlanrlar. Bu tr
veriler veri seti iindeki grltler olarak bilinir. rnek olarak zerinde ilem yaplan
resim verisi iin anlaml olmayan bir arka plan verisi hibir kmeye dahil edilmeden
dlanr. Bylece kmelerin kalitesi arttrlm olur.
3.6. Kme Trleri
Kmelemede ama veriyi faydal gruplara ayrmaktr. Buradaki fayda veri analizinin
hedefleri tarafndan tanmlanr. Bu fayda deerine gre kmeler farkl ekillerde
grsellik gsterebilirler. Buda farkl kme trlerinin olumasna olanak salar. Bu
kme trleri genel olarak iyi ayrlm, rnek tabanl, izge tabanl, younluk tabanl,
kavramsal kmeler olarak sralanabilir.
38
39
Bu
kmelerde
rnek
tabanl
kmeler
gibi
kresel
olma
eilimindedirler.
3.6.4. Younluk Tabanl Kmeler
Nesne younluklarna gre yaplan gruplama ilemidir. Younluk tabanl
kmelemede alanlar veri younluunun fazla ve az olmasna gre belirlenir. Oluan
kmeler daha dk younluklu blgelerden ayrlan daha yksek younluklu
noktalarn bir kmesidir. retilen demetler birbirinden farkl ekillerde olabilir.
Birok kmeleme yntemi nesnelerin birbirleri arasndaki farkllklarna gre
kmeleme yaparken, bu metot nesnelerin younluuna gre gruplama yapar.
Younluktan kast, analiz edilen nesnelerin saysdr. Younluk bazl metotlara rnek
olarak DBSCAN verilebilir.
Younluk tabanl kmeleme gl bir yntem olmasndan tr istisna verilerden ve
grltl verilerden etkilenmez. Younluk tabanl kmeleme ilemi belirlenen veri
demetine son veri eklenene kadar devam eder bu aamalar srecinde younluk
parametresinin verilmesi gerekmektedir. Bir kmenin younluk tabanl tanmlanmas
daha ok kmeler dzensiz ya da birbirlerine gemi iken ve ayn zamanda veri
setinde grlt ve dlayanlar var iken kullanlr.
3.6.5. Paylalan Nitelik ve Kavramsal Kmeler
Bir kmeyi baz zellikleri paylaan veri setleri olarak tanmlayabiliriz. Paylalm
zellik yaklam yeni kme trlerini de kapsar. Ayn ortak nitelikleri paylaan veya
ksmi bir kavram sunar. Kavramsal kmeleme 1980li yllarda reticisiz
snflandrma teknikleri iin makine renmesi paradigmas ortaya koyar.
40
Klasik kmeleme tekniklerinden her oluturulan snf iin bir kavram tanmlamas
yaplmas ynnden ayrlr. Bununla beraber paylalm zellik yaklam yeni
kme trlerini de kapsar.
ekil-2 deki kmeleri ele alalm. Bir gensel alan(kme), bir dikdrtgensel alana
yakndr ve iki tane birbirine gemi daire(kme) vardr. Her iki durumda da, bir
kmeleme algoritmas kmeleri tespit edebilmek iin zel bir kme kavramna
ihtiya duyacaktr. Bylesi kmeleri bulma ilemi, kavramsal kmeleme olarak
adlandrlr.
ekil 3.2 yi ayrlm ve Merkez Tabanl Kmeler (ekiller [42] den alnmtr)
ekil 3.3. Komuluk Tabanl ve Younluk Tabanl Kmeler (ekiller [42] den
alnmtr)
41
42
43
Xi1 Xj1
+ X i2 Xj2
+ + Xip Xjp
(3.1)
d i, j =
w1 Xi1 Xj1
+ w2 Xi2 X j2
+ + wp Xip Xjp
(3.2)
44
ekil 3.6. rnek bir veride k-ortalama algoritmas ile kmelerin bulunmas (ekiller
[42] den alnmtr)
deneme
yanlma
ynteminin
uygulanmas
gerekmektedir.
K-ortalama
algoritmasnn kresel kmelerde, her zaman doru kmeleri bulamad ancak kme
45
says doru seildiinde ayrk ve skk bulutlar eklindeki kmeleri etkili bir
ekilde bulabildii sylenebilir.
3.9. K-Ortalama Kmelemesi Uygulama Alanlar
K-Ortalama kmelemesi, grnt blmleme biimi olarak bilgisayarla gr
ilemlerinde kullanlmaktadr. Blmleme sonucunda snr tespiti ve nesne tanma
yardm iin kullanlr. Bu erevede, standart klid hesaplamas genellikle
yetersizdir. Bunun yerine, piksel kullanan arlkl mesafe lm koordinatlar,
RGB piksel, renkli ve younluk ve grnt dokusu yaygn olarak kullanlr.
Bunun
dnda
K-Ortalama
algoritmas,
veritabanlarnda,
market
46
satlar
BLM 4
4. YAPILAN LEMLER
4.1. Giri
Ara rotalama problemlerinde mterilerin taleplerini gerekletirirken rotalamada
kullanlacak ara says, rotalama mesafesi, taleplerin karlanma sresi ve buna
benzer birok maliyetin azaltlmas amalanmaktadr.
NP zor bir problem olan ara rotalama probleminin karmakl problemde
kullanlan girdilerin says arttka artar. Bu nedenle ayn boyuttaki ok depolu ara
rotalama problemlerine karnca kolonisi optimizasyonu kmeleme teknii ile birlikte
uygulanarak problem maliyetlerindeki deiim gzlenmitir.
4.2. lem Basamaklar
lem basamaklar u ekilde sralanabilir.
1-lk olarak algoritmada kullanlan ayar parametreleri seilir. Uygulamada , ,
buharlama katsays gibi parametreler bulunmaktadr. Uygulamada =1 , =5 ve
buharlama katsays 0,1 olarak seilmitir. Kapasiteli ara rotalama probleminde
ara kapasitesi tm aralar iin homojen ve 100 olarak belirlenmitir.
2-Uygulamada belirlenen saydaki mteri rastgele olarak datlr ve her mteriye
(0,20] aralnda rastgele talep deerleri belirlenir. Talepler statiktir.
3-Belirlenen saydaki depo, k ortalama kmeleme ilemi kullanlarak mterilere
atanr ve uygulama altrlr.
47
depolar
srayla
gezilerek
onlara
atanlan
mteriler
srasyla
49
50
51
toplam
mesafe,
toplam
ara
says
ve
toplam sre
bilgilerine
ulalabilmektedir.
Seilen depo ekran zerinde fakl bir renkle gsterilmektedir. Seilen depoya ait
bilgilerde ekran zerinde gzlemlenebilir. Uygulama kullanclara karlatrmal bir
ara yz salamaktadr.
52
53
54
ekil 4.8 de 400 mterili,20 depolu bir ara rotalama probleminde her depoya
atanan mteriler karekk(n/2) kmeye blnm ve kme merkezleri arasndaki
mesafeler karnca kolonisi optimizasyonu ile hesaplanmtr. Sonra bu alt kmelerde
bulunan en ksa yollar, bulunan alt kme merkez noktalar etrafnda birletirilmitir.
55
ekil 4.9. Bulunan en ksa yollar zerinden ara rotalama ileminin gerekletirilmesi
ekil 4.9 da 500 mterili,20 depolu bir ara rotalama probleminde her depoya
atanan mteriler karekk(n/2) kmeye blnm ve kme merkezleri arasndaki
mesafeler karnca kolonisi optimizasyonu ile hesaplanmtr. Sonra bu alt kmelerde
bulunan en ksa yollar, bulunan alt kme merkez noktalar etrafnda birletirilmitir.
Sonra da bulunan bu yollar zerinden ara kapasitesi dolana kadar ilerlenir ve ara
kapasitesi dolduktan sonra depoya geri dnlerek, ara boaltlr ve ayn ilem tm
mterilerin talepleri toplanana kadar devam eder.
56
BLM 5
5. UYGULAMA IKTILARI
Yaplan almalarda ok depolu ara rotalama problemlerine karnca kolonisi
optimizasyonu k ortalama kmeleme teknii ile birlikte uygulanarak elde edilen
sonular deerlendirilmitir. Her depoya atanlan mteriler srasyla n, n/2, n/4, n/8,
karekk(n) , karekk(n/2) kmeye ayrlarak, bu kmeleme ileminde bulunan
kaytlar grafikte gsterilmitir. Ayrca bu kmeleme ilemlerinin hibrit olarak
uyguland en iyileme ileminde bulunan sonular da grafikte gsterilmitir.
Uygulama zerinden
-Depo ve mteri says sabitken iterasyon says arttrlm,
-Depo ve iterason Says sabitken mteri says arttrlm,
-Mteri says ve iterasyon says sabitken depo says arttrlmtr.
Elde edilen sonular u ekildedir.
5.1. Depo ve Mteri Says Sabitken terasyon Saysnn Arttrlmas
Uygulama zerinden depo says 10, mteri says 500 ve iterasyon says 20, 40, 60,
80, 100 seilerek toplam ara says, toplam sre ve toplam mesafedeki deiimler
kaydedilmitir. Her bir ilem 10 kez arka arkaya gerekletirilmi ve elde edilen
sonularn ortalamas alnarak grafie aktarlmtr. Elde edilen sonularn yaplan
kmeleme ilemlerine gre dalmlar u ekildedir.
57
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
56,5
56,8
56,9
57,1
56,7
56,2
6,4
7,8
82,6
1236,2 52,4
Toplam Mesafe
22000
21500
21000
20500
20000
19500
19000
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
58
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
57,3
57,8
57,8
57,7
57,8
57,7
57,3
2477,9 92,3
11,3
10,6
8,9
12,6
135,7
Toplam Mesafe
22000
21500
21000
20500
20000
19500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
59
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
56,7
56,6
56,9
56,6
56,8
56,3
Toplam Sre(sn):
121,1
12,8
13,8
10,8
15,8
174,3
3363
Toplam Mesafe
22000
21500
21000
20500
20000
19500
19000
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
60
n/4
n/8
57,4
57,5
57,6
57,2
57,5
56,7
4683,4 164,9
15,1
16,4
12
19,3
227,7
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
Toplam Mesafe
22000
21500
21000
20500
20000
19500
19000
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
61
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
57,7
57,6
57,7
57,7
58,1
57,4
57,2
6337,4 221,5
17,8
19,9
13,9
25,1
298,2
Toplam Mesafe
22000
21500
21000
20500
20000
19500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
62
Depo says ve mteri says sabitken iterasyon says arttrlm toplam ara says,
toplam rotalama sresi ve toplam mesafenin deiimleri gzlenmitir. Elde edilen
verilere gre Toplam rotalama sresi en iyi sqrt(n) kmelemede elde edilmitir. Yani
depoya atanm mterilerin karekk kadar k ortalama kmeye ayrma ileminde
rotalama sresinde optimum sonu elde edilmitir. Yine elde edilen verilere
bakldnda kmeleme yaplarak elde edilen rotalama sresi kmeleme yaplmadan
elde edilen rotalama sresinden ok daha iyi sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En iyileme ileminde her depo srasyla n, n/2, n/4, n/8, sqrt(n), sqrt(n/2) kmeye
ayrlr ve o depo iin en iyi sonucu reten kmenin bulduu deer alnr. Yani ok
depolu ara rotalama probleminde tm depolar gezildiinde en iyileme ynteminde
bulunan en iyi sonu farkl bir kmeleme yntemi ile bulunmu olur. En iyileme
yntemi kmeleme yaplmadan uygulanan karnca kolonisi optimizasyonunun
bulduu toplam ara saysna gre daha iyi sonular retmitir.
En iyileme dnda toplam ara says n/2 ve sqrt(n) kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
5.2. Depo ve terasyon Says Sabitken Mteri Saysnn Arttrlmas
Uygulama zerinden depo says 10, iterasyon says 100 ve mteri says 200, 300,
400, 500, 600 seilerek toplam ara says, toplam sre ve toplam mesafedeki
deiimler kaydedilmitir. Her bir ilem 10 kez arka arkaya gerekletirilmi ve elde
edilen sonularn ortalamas alnarak grafie aktarlmtr. Elde edilen sonularn
yaplan kmeleme ilemlerine gre dalmlar u ekildedir.
63
En
sqrt(n sqrt(n
yilem
)
/2)
e
n/2
n/4
n/8
23,8
24
24,2
23,9
24,2
23,4
Toplam Sre(sn):
8,3
8,2
4,3
28,8
83,6
Toplam Mesafe
11400
11200
11000
10800
10600
10400
10200
10000
9800
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
64
En
sqrt(n sqrt(n
yilem
)
/2)
e
n/2
n/4
n/8
35,1
35,3
35,4
35,5
35,4
34,7
Toplam Sre(sn):
24,7
6,4
11,3
6,2
8,1
56,7
491,3
Toplam Mesafe
15200
15000
14800
14600
14400
14200
14000
13800
13600
13400
13200
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
65
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
47
47,4
47,4
47
47,2
47,3
46,1
1959
76,9
11,1
15,4
10
14,4
127,8
Toplam Mesafe
19000
18500
18000
17500
17000
16500
16000
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
66
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
57,7
57,6
57,7
57,7
58,1
57,4
57,2
6337,4 221,5
17,8
19,9
13,9
25,1
298,2
Toplam Mesafe
22000
21500
21000
20500
20000
19500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
67
En
yile
me
n/2
n/4
n/8
68,2
67,8
68,2
67,8
68,6
67,6
13476,6 451,8
27,4
23,6
19
35,8
557,6
n
Toplam Ara Says: 68,8
Toplam Sre(sn):
sqrt(
n/2)
sqrt(
n)
Toplam Mesafe
25000
24500
24000
23500
23000
22500
22000
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
68
Depo says ve iterasyon says sabitken mteri says arttrlm toplam ara says,
toplam rotalama sresi ve toplam mesafenin deiimleri gzlenmitir. Elde edilen
verilere gre Toplam rotalama sresi en iyi sqrt(n) kmelemede elde edilmitir. Yani
depoya atanm mterilerin karekk kadar k ortalama kmeye ayrma ileminde
rotalama sresinde optimum sonu elde edilmitir. Yine elde edilen verilere
bakldnda kmeleme yaplarak elde edilen rotalama sresi kmeleme yaplmadan
elde edilen rotalama sresinden ok daha iyi sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En
iyileme
yntemi
kmeleme
yaplmadan
uygulanan
karnca
kolonisi
optimizasyonunun bulduu toplam ara saysna gre daha iyi sonular retmitir.
En iyileme dnda toplam ara says n/2 ve n/8 kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
5.3. Mteri ve terasyon Says Sabitken Depo Saysnn Arttrlmas
Uygulama zerinden iterasyon says 100, mteri says 500 ve depo says 10, 15,
20, 25 seilerek toplam ara says, toplam sre ve toplam mesafedeki deiimler
kaydedilmitir. Her bir ilem 10 kez arka arkaya gerekletirilmi ve elde edilen
sonularn ortalamas alnarak grafie aktarlmtr. Elde edilen sonularn yaplan
kmeleme ilemlerine gre dalmlar u ekildedir.
69
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
n/4
n/8
57,7
57,6
57,7
57,7
58,1
57,4
57,2
6337,4 221,5
17,8
19,9
13,9
25,1
298,2
Toplam Mesafe
22000
21500
21000
20500
20000
19500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
70
n/4
n/8
59,9
60,1
60,5
60,1
60,2
59,3
1624,6 68,8
12,8
21,7
11,7
15,6
130,6
En
sqrt(n sqrt(n
yile
)
/2)
me
n/2
Toplam Mesafe
20000
19500
19000
18500
18000
17500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
71
En
sqrt(n sqrt(n
yilem
)
/2)
e
n/2
n/4
n/8
62,2
62,5
62,1
62,2
62,4
61,2
Toplam Sre(sn):
32,2
11,1
19,3
11,2
12,6
86,4
510,2
Toplam Mesafe
19000
18500
18000
17500
17000
16500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
72
En
sqrt(n sqrt(n
yilem
)
/2)
e
n/2
n/4
n/8
64,8
64,7
65,1
64,9
64,8
64,2
Toplam Sre(sn):
25,7
11,2
22,9
11,5
11,2
82,5
272,8
Toplam Mesafe
18500
18000
17500
17000
16500
16000
15500
n
n/2
n/4
n/8
En
sqrt(n sqrt(n
yilem
)
/2)
e
73
Mteri says ve iterasyon says sabitken depo says arttrlm toplam ara says,
toplam rotalama sresi ve toplam mesafenin deiimleri gzlenmitir. Elde edilen
verilere gre Toplam rotalama sresi en iyi sqrt(n) ve n/4 kmelemede elde
edilmitir. Yine elde edilen verilere bakldnda kmeleme yaplarak elde edilen
rotalama sresi kmeleme yaplmadan elde edilen rotalama sresinden ok daha iyi
sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En
iyileme
yntemi
kmeleme
yaplmadan
uygulanan
karnca
kolonisi
optimizasyonunun bulduu toplam ara saysna gre daha iyi sonular retmitir.
En iyileme dnda toplam ara says n/8 kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
74
BLM 6
6. SONU
6.1. Yorumlar
ok depolu ara rotalama problemlerinde mteri taleplerinin en ksa srede, en ksa
yoldan karlanmas ve taleplerin karlanmas iin kullanlacak olan ara saysnn
en uygun sayda seilmesi olduka nemlidir. NP zor bir problem olan ara rotalama
problemlerinde mteri says attka problemin zmde giderek zorlar.
Bu tez almasnda ok depolu ara rotalama problemlerinde mteriler belirlenen
sayda (n, n/2, n/4, n/8, sqrt(n), sqrt(n/2)) k ortalama kmeleme teknii ile alt
problemlere ayrlarak zlm ve problem kstlarnn (taleplerin karlama sresi,
kullanlacak ara says, toplam mesafe) deiimleri incelenmitir.
Yaplan almada ilk olarak uygulama zerinden depo says 10, mteri says 500
ve iterasyon says 20, 40, 60, 80, 100 seilerek toplam ara says, toplam sre ve
toplam mesafedeki deiimler kaydedilmitir. Her bir ilem 10 kez arka arkaya
gerekletirilmi ve elde edilen sonularn ortalamas alnmtr. Alnan sonular
incelendiinde ekil 5.1 ile ekil 5.10 arasnda grlen grafiklere gre toplam
rotalama sresi en iyi sqrt(n) kmelemede elde edilmitir. Yani depoya atanm
mterilerin karekk kadar k ortalama kmeye ayrma ileminde rotalama sresinde
optimum sonu elde edilmitir. Yine elde edilen verilere bakldnda kmeleme
yaplarak elde edilen rotalama sresi kmeleme yaplmadan elde edilen rotalama
sresinden ok daha iyi sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En iyileme ileminde her depo srasyla n, n/2, n/4, n/8, sqrt(n), sqrt(n/2) kmeye
ayrlr ve o depo iin en iyi sonucu reten kmenin bulduu deer alnr. Yani ok
depolu ara rotalama probleminde tm depolar gezildiinde en iyileme ynteminde
bulunan en iyi sonu farkl bir kmeleme yntemi ile bulunmu olur. En iyileme
yntemi kmeleme yaplmadan uygulanan karnca kolonisi optimizasyonunun
bulduu toplam ara saysna gre daha iyi sonular retmitir.
75
En iyileme dnda toplam ara says n/2 ve sqrt(n) kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
Dier bir ilem depo says 10, iterasyon says 100 ve mteri says 200, 300, 400,
500, 600 seilerek toplam ara says, toplam sre ve toplam mesafedeki deiimler
kaydedilmitir. Her bir ilem 10 kez arka arkaya gerekletirilmi ve elde edilen
sonularn ortalamas alnmtr. Alnan sonular incelendiinde ekil 5.11 ile ekil
5.20 arasnda grlen grafiklere gre toplam rotalama sresi en iyi sqrt(n)
kmelemede elde edilmitir. Yani depoya atanm mterilerin karekk kadar k
ortalama kmeye ayrma ileminde rotalama sresinde optimum sonu elde
edilmitir. Yine elde edilen verilere bakldnda kmeleme yaplarak elde edilen
rotalama sresi kmeleme yaplmadan elde edilen rotalama sresinden ok daha iyi
sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En
iyileme
yntemi
kmeleme
yaplmadan
uygulanan
karnca
kolonisi
optimizasyonunun bulduu toplam ara saysna gre daha iyi sonular retmitir.
En iyileme dnda toplam ara says n/2 ve n/8 kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
76
Dier bir ilem de iterasyon says 100, mteri says 500 ve depo says 10, 15, 20,
25 seilerek toplam ara says, toplam sre ve toplam mesafedeki deiimler
kaydedilmitir. Her bir ilem 10 kez arka arkaya gerekletirilmi ve elde edilen
sonularn ortalamas alnmtr. Alnan sonular incelendiinde ekil 5.21 ile ekil
5.28 arasnda grlen grafiklere gre toplam rotalama sresi en iyi sqrt(n) ve n/4
kmelemede elde edilmitir. Yine elde edilen verilere bakldnda kmeleme
yaplarak elde edilen rotalama sresi kmeleme yaplmadan elde edilen rotalama
sresinden ok daha iyi sonular verdii grlmtr.
Toplam ara says en iyi hibrit olarak kullanlan en iyileme ilemiyle bulunmutur.
En
iyileme
yntemi
kmeleme
yaplmadan
uygulanan
karnca
kolonisi
optimizasyonunun bulduu toplam ara saysna gre daha iyi sonular retmitir.
En iyileme dnda toplam ara says n/8 kmelemede dier kmeleme
ilemlerinden daha iyi sonular retmitir.
Toplam mesafe de en iyi yine hibrit olarak kullanlan en iyileme ilemi ile
bulumutur. En iyileme yntemi kmeleme yaplmadan uygulanan karnca kolonisi
optimizasyonunun bulduu toplam mesafeye gre daha iyi sonular retmitir.
En iyilemenin dnda en iyi sonu n/2 kmeleme ileminde elde edilmitir.
77
gerektirir Tasarlanan sistemde homojen yani kapasite miktarlar ayn olan ara
filolar kullanlmtr.
Gerekletirilen
sistemde
rota
sresi
snrsz
ara
rotalama
problemi
gerekletirilmitir. Yani depodan ayrlan bir aracn tekrar depoya dnmesi iin
gerekli bir sre ksd yoktur. Gelecekteki almalarda rotalama sresinin de
probleme dahil edilmesi dnlmektedir.
Gerekletirilen sistemde oluacak olan kme says nceden belirlenerek ilem
gerekletirilmitir. Gelecekteki almalarda ise kme says dinamik olarak sistem
parametreleriyle bulunmas amalanmaktadr.
78
KAYNAKLAR
[1] LAPORTE, G., NOBERT, Y. and TAILLEFER, S., Solving a Family
of Multi-Depot Vehicle Routing and Location Routing Problems,
Chaier
Montreal, 1987.
[2] SAVELSBERGH, M. W. P. and SOL, M., The General Pick-up and
Delivery Problem, Transportation Science 29, 17-29, 1995.
[3] M.A., Tokayl, Zaman Pencereli Ara Rotalama Problemi in Bir Karar
Destek Sistemi, Yksek Lisans Tezi, Endstri Mhendislii, Gazi
niversitesi Fen Bilimleri Enstits, Ankara, (2005).
[4] FISHER, M. L.
and
JAIKUMAR, R.,
A Generalised Assignment
79
[10] Bayzan,
stanbul
80
[19] Colorni, A., Dorigo, M., Maniezzo, V., & Trubian, M.. Ant System for JobShop Scheduling. JORBEL Belgian Journal of Operations Research,
Statistics and Computer Science, 34(1), 3953, 1994
[20] Bonabeau, B., Dorigo, M., & Theraulaz, G. Swarm intelligence: From
natural to artificial systems. New York, NY: Oxford University Press, 1999
[21] Grasse, P. P. La reconstruction du nid et les coordinations interindividuelles
chez bellicositermes natalensis et cubitermes sp. la theorie de la stigmergie:
Essai dinterpretation du comportement des termites constructeurs. Insectes
Sociaux, 6, 4181, 1959
[22] Dorigo, M., & Di Caro, G. The Ant Colony optimization metaheuristic.
New Ideas in Optimization (pp. 1132), 1999
[23] Dorigo, M., Maniezzo, V., & Colorni, A.. Ant System: Optimization by a
colony of cooperating agents. IEEE Transactions on Systems, Man, and
Cybernetics Part B, 26, 2941, 1996
Optimization by
81
82
83
ZGEM
Kiisel Bilgiler
Soyad, ad
: ALIKAN, Kamil
Uyruu
: T.C.
: 18.06.1985, AYDIN
Medeni hali
: Bekr
Telefon
: 0 (256) 226 83 06
Faks
: kcaliskan@etu.edu.tr
Eitim
Derece
Eitim Birimi
Lisans
Mezuniyet tarihi
2009
Deneyimi
Yl
Yer
Grev
2009-2011
Yabanc Dil
ngilizce
84
Mhendis