Selcuk University Digital Archive Systems

Beklemesiz akış tipi çizelgeleme problemlerinin çözümünde yapay sinir ağları yaklaşımı

Show simple item record

dc.contributor.advisor Engin, Orhan
dc.contributor.author Günaydın, Cengiz
dc.date.accessioned 2017-10-26T11:11:08Z
dc.date.available 2017-10-26T11:11:08Z
dc.date.issued 2008
dc.identifier.citation Günaydın, C. (2008). Beklemesiz akış tipi çizelgeleme problemlerinin çözümünde yapay sinir ağları yaklaşımı. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya. tr_TR
dc.identifier.uri http://hdl.handle.net/123456789/6301
dc.description.abstract Yapay Sinir Ağları, kombinatöryel optimizasyon problemlerinin çözümünde optimal yada optimale yakın çözümler sunmaktadır. Bu çalışmada Beklemesiz Akış Tipi Çizelgeleme(BATÇ) problemlerini çözmek için Yapay Sinir Ağları(YSA) yaklaşımı önerilmiştir. Agarwal ve arkadaşları (2006b) tarafından geliştirilen, Yapay Sinir Ağları için Adaptif Öğrenme Yaklaşımı, Beklemesiz Akış Tipi Çizelgeleme problemlerine uygulanmıştır. Önerilen Yapay Sinir Ağlarının performansı, Aldowasian ve Allahverdi'nin (2003) önerdiği Genetik Algoritma(GA) ile karşılaştırılmıştır. Önerilen Yapay Sinir Ağları yaklaşımı ve Genetik Algoritma çözümleri için Delphi programlama dilinde yazılım yapılmıştır. Beklemesiz Akış Tipi Çizelgeleme problemleri için literatüre uygun olarak toplam 192 adet problem seti oluşturulmuştur. Bu problemler önerilen Yapay Sinir Ağları yaklaşımı ve Genetik Algoritma ile çözülmüş ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen Yapay Sinir Ağları yaklaşımının çözümlerinin, Genetik Algoritmaya göre daha iyi olduğu görülmüştür. tr_TR
dc.description.abstract Artificial Neural Networks serve up optimal or near optimal results for solving combinatorial optimization problems. In this study, Artificial Neural Networks approach has been proposed for solving No-wait Flowshop Scheduling problems. An Adaptive Learning Approach for the Artifical Neural Networks which have been improved by Agarwal and friends (2006), has been applied for No-wait Flowshop Scheduling problems. To compare for the performance of proposed Artificial Neural Networks approach has been used Aldowasian and Allahverdi?s (2003) Genetic Algorithm. Programs for the algorithm of Artificial Neural Networks approach and the Genetic Algorithm solutions are written in Delphi Language. For the No-wait Flowshop Scheduling problems, a total of 192 problem set suiting the literature is created. Proposed Artificial Neural Networks approach?s solutions are compared to the solutions of Genetic Algorithm. The results show that proposed Artificial Neural Networks approach?s solutions give better results than the Genetic Algorithm. tr_TR
dc.language.iso tur tr_TR
dc.publisher Selçuk Üniversitesi Fen Bilimleri Enstitüsü tr_TR
dc.subject Genetik algoritmalar tr_TR
dc.subject Genetic algorithms tr_TR
dc.subject Yapay sinir ağları tr_TR
dc.subject Artificial neural networks tr_TR
dc.title Beklemesiz akış tipi çizelgeleme problemlerinin çözümünde yapay sinir ağları yaklaşımı tr_TR
dc.title.alternative An artifical neural networks approach for solving the no-wait flowshop scheduling problems tr_TR
dc.type Thesis tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account