Gezgin Satıcı Probleminin Genetik Algoritmalar Kullanarak Çözümünde Çaprazlama Operatörlerinin Örnek Olaylar Bazlı İncelenmesi

Abstract

Gezgin satıcı problemi, optimizasyon alanında araştırmacı ve akademisyenler tarafından üzerinde uzun yıllardır yoğun olarak çalışılan çözümü zor (NP-hard) bir problemdir. Genetik algoritmalar GSP (gezgin satıcı problemi) gibi çeşitli NPhard problemleri çözmek için kullanılan en iyi yöntemlerden biridir. GSP problemi için çok sayıda çaprazlama operatörü önerilmiştir ve her çalışmada yenileri önerilmeye devam etmektedir. Bu çalışmanın amacı GSP çözümünü araştıran çalışmalarda kullanılan TSPLIB örnek olaylarının ve incelenen çaprazlama operatörlerinin detaylı bir envanterini çıkarmak ve bu konuda çalışmak isteyen araştırmacılara yön göstermektir. Literatürdeki çalışmalar geniş bir kapsamda (anahtar kelime ve yıl bazında) incelenerek ortak kullanılan örnek olayların ve bulunan sonuçların analizi yapılarak tablolaştırılmıştır.

Karınca Koloni ve Genetik Algoritma Yöntemleri Kullanarak En iyi Sayaç Okuma Güzergahının Tespit Edilmesi

“…İlk olarak GSP için formüle edilmiş ve 1954'te Dantzig, Fulkerson ve Johnson tarafından pratik problem örneklerini çözmek için kullanılmıştır. NP-tam (NP-completeness) teorisi geliştirildiği zaman GSP, 1972'de Karp tarafından NP-zor olarak kanıtlanan ilk problemlerden biri olarak tanımlanmıştır [6].…”

Artifıcial Intelligence in Enterprise Resource Planning Systems: A Bibliometric Study

“…Early preparation of products with AI, prevention of faulty product shipment, and reduction of delivery time contribute to efficiency in supply chain management. AI applications in supply chain management aim to solve problems such as selecting suppliers, estimating sales and purchasing demands, and determining transportation network (Ç iftçi 2005;Pulat and Kocakoc 2019;Türk and Kiani 2019). Korkmaz (2020) classified the customer data for the financial sector according to the risk status by using artificial neural networks and support vector machine methods considering the studies using AI in the management of other business processes.…”

Development of an Autonomous Tennis Ball Retriever Robot

“…This method cannot guarantee the optimal solution, but it can achieve a reasonable solution in a short time. Genetic algorithms are particularly suitable for solving difficult optimization problems where conventional optimization methods are less effective [18]. With this method, the length of the route drawn for 10 balls is 3937 units.…”