Optimizasyon problemlerinin çözümünde melez metasezgisel bir algoritmanın tasarımı

Abstract

Optimizasyon gerçek yaşam problemlerinin matematiksel modeller haline dönüştürülmesi ile karşımıza çıkar ve günlük hayatımızdaki birçok sorun için en iyi çözümü bulmayı amaçlar. Optimizasyon konusunun en önemli dallarından biri de lojistik sektöründe karşımıza çıkar. Lojistik sektöründeki araç rotalama problemlerinde de amaç toplam seyahat mesafesini ve çözümde kullanılan toplam araç sayısını minimize ederek problemde var olan kısıtları da göz önüne alarak optimum rotaları tasarlamaktır. Bu çalışmada, çok depolu araç rotalama probleminin çözümü için karınca kolonisi optimizasyonu ve genetik algoritmanın bir arada kullanılmasıyla oluşturulan melez metasezgisel bir yapı önerilmiştir. Problemde amaç, tüm araçlar tarafından kat edilen toplam seyahat mesafesinin minimize edilmesidir. Problemde araç filosu homojendir, araç kapasiteleri ve müşteri talepleri bilinmektedir. Çok depolu araç rotalama probleminin çözümü için önerilen bu metasezgisel yapı iki aşamadan oluşmaktadır. Problemin çözümü için önerilen ilk aşamada müşterilerin hangi depolardan hizmet alacağının belirlendiği gruplama, ikinci aşamasında ise müşterilerin hangi sıra ile depolardan hizmet alacağının belirlendiği rotalama işlemleri gerçekleştirilir. Birinci aşamadaki gruplama işlemi için genetik algoritma, Thangiah ve Salhi'nin 2001 yılında ortaya koydukları genetik kümeleme yönteminin geliştirilmiş hali ile kullanılmıştır. İkinci aşamadaki rotalama işlemi ise karınca kolonisi optimizasyonu algoritmalarından Gambardella ve Dorigo tarafından 1997 yılında önerilen karınca kolonisi sistemi yaklaşımı ile gerçekleştirilmiştir. Ortaya konan yeni melez metasezgisel yöntem literatürde kabul gören Cordeau vd.'nin (1997) önerdikleri problem setleri ile test edilmiş ve elde edilen sonuçlar var olan diğer yöntem çözümleriyle karşılaştırılmıştır. Sonuç olarak, klasik araç rotalama problemlerinin önemli kollarından biri olan çok depolu araç rotalama problemlerinin çözümü için önerilen karınca kolonisi optimizasyonunun ve genetik algoritmanın bir arada kullanıldığı bu tez çalışması bu konu ile ilgili literatüre kazandırılan ilk çalışmadır.