Slayt 1

Endstriyel izelgeme Dersi Projesi Do. Dr. nci SARIEK

Hazrlayanlar:151320091007 zdemir APAYDIN151320091069 Ayla TRKKAN

2012-2013 Bahar Dnemi1META SEZGSEL YNTEMLERSUNU PLANI2Meta Sezgisellerin zm Yntemlerindeki YeriMeta Sezgisel Yntemlerin TanmMeta Sezgisel Yntemlerin zellikleriMeta Sezgisel Yntemlerin SnflandrlmasMeta Sezgisel YntemlerTabu Arama rnei

ZELGELEME ZM YNTEMLER 31.Kesin zm Veren Algoritmalar

Dorusal ProgramlamaDinamik ProgramlamaDal-Snr vb.ZELGELEME ZM YNTEMLER (Devam)42.Yaklak zm Veren Algoritmalar (Sezgisel)2.1.zm Kurucu Algoritmalar2.2.Yerel Arama Algoritmalar (Local Search)2.3.Genel Amal Algoritmalar ( Metasezgisel)-Genetik Algoritma-Tavlama-Karnca Kolonisi-Deiken Komu Arama-Tabu Arama(Tabu Search)-vb.METASEZGSEL YNTEMLERN TANIMI5zm uzayn etkin bir ekilde aramay salayacaktemel sezgisel yntemleri birletirmeye abalayan yeniyaklak yntemlerin gelitirilmesidir.

Osman ve Laporte,1996Metasezgisel, arama uzaynda aratrma ve iletme iin farkl kavramlar zeki bir ekilde birletirerek alt seviye sezgisellere rehberlik eden iteratif retim srecidir.

METASEZGSEL YNTEMLERN TANIMI (Devam)6Vo et al. 1999Metasezgisel, yksek kaliteli zmleri etkin bir ekilde retmek iin altseviye sezgisellere rehberlik eden bir iteratif st seviye prosestir. Her iterasyonda, bir zm ya da zmlerin bir topluluunu kullanr. Alt seviye sezgiseller, basit yerel arama algoritmas yada zm kurucu bir yntem olabilir.Dorigo and Stutzle, 2004Metasezgisel,arama uzaynn yksek kaliteli zmlerini kapsayan blgelerinde aramay gerekletirmek iin probleme zg sezgisellere rehberlik etmek amacyla tasarlanan genel amal sezgisel yntemdir.

METASEZGSEL YNTEMLERN ZELLKLER7Metasezgiseller, arama srecine rehberlik eden stratejilerdir.Ama, en iyi yada en iyiye yakin zmleri bulmak iin arama uzayn hzl bir ekilde aratrmaktr.Metasezgiseller,basit yerel arama algoritmalarndan karmak renme proseslerine kadar geni bir yelpazeyi iermektedir.Metasezgiseller, yaklak algoritmalardr ve genellikle deterministik deildir.

METASEZGSEL YNTEMLERN ZELLKLER (Devam)8Arama uzayndaki yerel en iyi tuzaklardan kurtulmak iin eitli mekanizmalar kullanrlar.Metasezgiseller , probleme zg deildirler.Metasezgiseller, st seviye stratejiler tarafndan kontrol edilen sezgisellerde probleme zg bilgi kullanmna izin verirler.leri seviye metasezgiseller, aramaya rehberlik etmesi amacyla arama srasnda elde edilen bilgiyi (hafzay) kullanrlar.Ksacas, metasezgiseller, farkl metodlar ile arama uzaynn aratrlmas iin yksek seviye stratejilerdir.

METASEZGSEL YNTEMLERN ZELLKLER (Devam)9Metasezgisellerin en nemli zellii; eitlendirme (diversification) ve younlama (intensification) arasndaki dinamik dengeyi oluturmasdr.

eitlendirme; arama uzaynda aratrmayYounlama; arama srasnda elde edilen tecrbenin (bilginin)iletilmesi

META SEZGSEL YNTEMLERN SINIFLANDIRILMASI10Metasezgiseller;Esinlendikleri kaynaklaraAramada kullandklar zm saysnaKullanlan ama fonksiyonunaKullanlan komuluk yapsnaHafza kullanmna

gre snflandrlr.META SEZGSEL YNTEMLERN SINIFLANDIRILMASI (Devam)11Esinlendikleri Kaynaklarna Gre;Doadan esinlenilen;genetik algoritmalar, karnca kolonisiDoadan esinlenilmeyen; tabu arama(tabu search)Aramada Kullandklar zm Saysna Gre;Tek zme dayal;tabu aramazmlerin topluluuna dayal; genetik algoritma,karnca kolonisi

META SEZGSEL YNTEMLERN SINIFLANDIRILMASI (Devam)12Kullanlan Ama Fonksiyonuna Gre;Dinamik ama fonksiyonu; ynlendirilmi yerel aramaStatik ama fonksiyonu; genetik algoritmalar, karnca kolonisi

Kullanlan Komuluk Yapsna Gre;Bir komuluk yaps; deiken komu arama dndaki tm metasezgisellereitli komuluk yaps; deiken komu aramaMETA SEZGSEL YNTEMLERN SINIFLANDIRILMASI (Devam)13Hafza Kullanmna Gre;Hafza kullanmayan; tavlama benzetimiHafza kullanan; tabu arama, genetik algoritma, karnca kolonisi, ku srs

Metasezgisellerin snflandrlmasnda kullanlan en nemli zellik, arama srasnda aramadan elde edilen gemi bilgiyi kullanp kullanmamasdr.

META SEZGSEL YNTEMLER141.Genetik Algoritma (GA)(Genetic Algorithm);1970li yllarda John Holland tarafndan nerilmitir.GA, herhangi bir problemin zmnde biyolojik sistemlerin geliim srecini taklit eden bir stokastik arama algoritmasdr.

Doada bireyler arasnda; yiyecek,su ve barnak gibi kt kaynaklar ve ya eler iin yaplan mcadeleler yksek uyumlu ya da uygun bireylerin zayf olanlara stnl ile sonulanr.1.Genetik Algoritma (GA) (Devam)15Uyumu yksek bireyler ocuk sahibi olabilirken, uyumu dk olan bireyler aras ocuk sahibi olma olasl daha zayftr. Dolaysyla uygun bireylerin genleri sonraki kuaklara daha fazla bireye dalacaktr. Bu durumda bulunduu evre iin giderek daha uygun olan trler elde edilmektedir.GA, sezgisel bir metot olduundan dolay en iyi zm vermeyebilir.1.Genetik Algoritma (GA) (Devam)16GA,Parametrenin kendisi yerine parametreleri temsil eden dizileri kullanmas,Noktadan noktaya arama yerine noktalarn bir yn ile arama yapmas vestokastik olmas nedeniyle

bilinen eniyileme metotlarndan ayrlmaktadr.1.Genetik Algoritma (GA) (Devam)17GA, arama uzaynn byk ve dorusal olmad (non-linear) ve matematiksel programlama, birerleme metodlar gibi deterministik en iyileme metotlarnn baarsz olduu problemlerin zmnde kullanlmaktadrlar.GA, zmlerin bir ynn kullanarak ayn anda birok blgede aramay gerekletirdii iin yerel en iyiye yakalanma olasl dier metotlara gre daha azdr.1.Genetik Algoritma (GA) (Devam)18Literatr incelendiinde;

Gezgin satcKaresel atamaYerleimUlatrmaAtlye izelgeleme gibi

En iyileme problemlerinde GAnn kullanld grlmektedir.1.Genetik Algoritma (GA) (Devam)19Genetik algoritmann admlar; (Kurt, Semetay, 2001:2):

Adm 1: Balang n adet kromozom ieren poplasyon oluturulur.

Adm 2: Uyumluluk Her x kromozomu iin uyumluluun f(x) zerinde deerlendirmesi yaplr.1.Genetik Algoritma (GA) (Devam)20Adm 3: Yeni poplsyon

Adm 4: Deitirme Oluan yeni poplsyon kullanlr.

Adm 5: Test Eer sonu tatminkr ise algoritma durdurulur. Aksi takdirde adm 6ya gidilir.

Adm 6: Dng Adm 2ye geri dnlr.

META SEZGSEL YNTEMLER (Devam)212.Tavlama Benzetimi(TB); Tavlama Benzetimi ismi, katlarn fiziksel tavlanma sreci ile olan benzerlikten ileri gelmektedir.

TB, birbirinden bamsz olarak;Kirkpatrick, Gerlatt ve Vecchi (1983)Cerny (1985) tarafndan ortaya konmutur.

2.Tavlama Benzetimi(TB);22TB, bir katnn minimum enerji durumu elde edilene kadar yava yava soutulduu fiziksel tavlama srecini taklit eden stokastik arama yntemidir. Bu yntem ile retilen zmler srasnn ama fonksiyon deerleri genel bir azalma eilimindedir. Ancak, baz durumlarda ama fonksiyonu deerleri yksek olan zmlerde kabul edilebilmektedir. Bu tr kt zmlerin kabul edilmesindeki ama bir yerel en iyi etrafnda yaplan aramadan kp global en iyi iin aramaya devam etmektir.

META SEZGSEL YNTEMLER (Devam)233.Karnca Kolonisi Algoritmas(KKA)(Ant Colony Algorithms); karncalarn yiyecek toplama mantndan yola klarak gelitirilmitir.

Marco Dorigo(1992) tarafndan ortaya konmutur.

Karncalar, yiyecek kaynaklarndan yuvalarna en ksa yolu grme duyularn kullanmadan bulma yeteneine sahiptirler. Ayn zamanda evredeki deiime adapte olma yetenekleri vardr.

3.Karnca Kolonisi Algoritmas(KKA)24Aadaki ekilde karncalar A dan E ye gitmektedir. Bu iki nokta arasna bir engel koyulduu zaman, karncalar ilk nce hem C hem de H tarafn kullansa da, uzun vadede sadece C noktasn kullanmtr. Karncalarn her zaman ksa yolu semelerinin sebebi salgladklar feromenlerdir.

3.Karnca Kolonisi Algoritmas(KKA) (Devam)25KKA Algoritma Admlar;1.Balang feromon deerleri belirlenir.2.Karncalar her dme rastsal olarak yerletirilir.3.Her karnca, sonraki ehri denklemde verilen lokal arama olaslna bal olarak semek suretiyle turunu tamamlar.4.Her karnca tarafndan kat edilen yollarn uzunluu hesaplanr ve lokal feromon gncellemesi yaplr.5.En iyi zm hesaplanr ve global feromon yenilemesinde kullanlr.6.Maksimum iterasyon says yada yeterlilik kriteri salanana kadar adm 2 ye gidilir.

META SEZGSEL YNTEMLER (Devam)264. Deiken komu arama; Mladenovic ve Hansen tarafndan 1997de ortaya konmutur.

Bu meta-sezgiselin ana fikri, arama ierisinde kullanlan komuluun sistematik olarak deitirilmesidir.

4. Deiken Komu Arama27Bir komuluk yapsnda yerel en iyi birdieri iin en iyi olmak zorunda deildir.

Bir genel minimum btn komulukyaplar iin bir minimum noktasdr.

Birok problem iin, yerel en iyi bir veyabirden fazla komuluk iin birbirine nispeten yakndr.

META SEZGSEL YNTEMLER (Devam)285. Tabu Arama Algoritmas (TA) (Tabu Search); Tabu Arama, Tavlama benzetiminin bir benzeri tekniidir. Lokal aramaya dayanan bu teknik, ardk zmleri hafzada saklama ve zm eilimini zamanla deitirme zellii ile bilinmektedir

1989 ylnda Glover tarafndan ortaya konmutur.5. Tabu Arama Algoritmas (TA)29TA metodunun temelini, komuluk yaps, hareketler, tabu listesi ve arzu edilme kriteri oluturmaktadr. Hareket, mevcut bir zmden komu bir zmn retilmesi ilemidir. Tabu listesi ise, yasaklanan hareketlerin oluturduu bir listedir ve bu listedeki bir harekete izin verilmez.TA ilemi, bir balang zmle balar ve komu zmler arasnda, ama fonksiyon deerinde en fazla iyileme salayan, dier bir zme yasak olmayan bir hareketle devam eder.5. Tabu Arama Algoritmas (TA) (Devam)30TA Algoritma Admlar;k: ki i arasndaki sralama fark olmak zere;Adm 1: Bir balang zm (S) al. Balangta deer atanmas gereken parametreler iin (tabu listesi uzunluu, durdurma kriteri, vs) deerlerini ata.

Adm2: Belirlenen komuluk yaps ile Sye ait komu zmler ret ve bu zmler arasndan tabu listesinde olmayan tm en iyi kabul edilebilir olan en iyiyi se.

5. Tabu Arama Algoritmas (TA) (Devam)31Adm 3: Mevcut zm (S), S en iyi ile yer deitir ve tabu listesini yenile.

Adm 4. Durdurma kriteri salanncaya kadar adm 2 ve adm 3 tekrar et.

5. Tabu Arama Algoritmas (TA) (Devam)32RNEK(Pinedo pg:350, exp:14.4.4) Tabu Arama Uygulamas Tek makinada toplam arlkl gecikmeyi en kkleme problemi (1/dj/ wjTj)

ler(j)lem Sresi(Pj)Teslim Zaman(dj)Arlklar(w)11041421021231311441212

5. Tabu Arama Algoritmas (TA) (Devam)33Stratejiler;Yasaklama stratejisiTabu listesinden neyin ne zaman kacan kontrol eden serbest brakma stratejisiStatik kural : Dinamik kural: rastgele seimDurdurma Kriteri

34Dinlediiniz inTeekkrler..