Sürü zekâsı optimizasyon tekniği ve tedarik zinciri yönetiminde bir uygulama

Abstract

Bu çalışmada, tedarik zinciri yönetiminde oldukça önemli bir paya sahip olan tesis yeri seçimi problemleri için sürü zekası optimizasyon algoritmasına dayalı yeni bir öbekleme analizi yöntemi sunulmuştur. Sürü zekâsı, zor problemlerin çözümünde başarı sağlayan sezgisel bir yöntemdir. Bu yöntemin temel yapı taşları balık ve kuş sürüleri, karınca kolonileri, termitler ve arılar gibi sosyal canlıların davranışlarından esinlenilerek geliştirilmiştir. Sürü zekası optimizasyonu böcek yada balık sürülerinin davranışlarını taklit eden bir algoritmadır. Sürüdeki davranışlar çok boyutlu bir uzayda hız ve konum olmak üzere iki karakteristiği olan bireyler ile modellenir. Bu bireyler çok boyutlu uzayda hareket ederken keşfettikleri en iyi konumu hafızalarında tutarlar. Eriştikleri iyi konumları birbirleriyle iletişime geçerek paylaşır ve kendi konum ve hızlarını bu iyi konumlara göre ayarlarlar.Sürü zekâsı yaklaşımının birey ve komşuluk unsurlarını ele alarak yeni bir komşuluk yapısı ve birden fazla odak bireyin tanımlanması ile geliştirilen yeni bir öbekleme algoritması ile tedarik zinciri yönetiminde tesis yeri seçimi problemine yeni bir çözüm yöntemi geliştirilmiştir. Odak birey tabanlı bu yeni öbekleme algoritmasının mevcut öbekleme algoritmaları ile çeşitli test problemleri üzerinde performansı karşılaştırılmıştır.Ortaya konan sonuçlar geliştirilen yeni yöntemin başarılı bir öbekleme analizi yöntemi olduğunu ve tedarik zinciri yönetiminde tesis yeri seçimi problemlerinde de başarıyla uygulanabileceğini göstermiştir.

A new swarm intelligence based clustering analysis method for facility location ? allocation problems in supply chain management is presented in this study. Swarm intelligence is a heuristic method which is successfully applied to hard optimization problems. Algorithm is inspired by behaviors of social beings like fish schools, bird flocking, ant colonies, termites and bees. Behaviors in the swarm are modeled by individuals who have two main characteristics, namely position and velocity, in the hyperspace. This individuals remember their best previous position and at the same time shares knowledge of their positions among each other. At each iteration, these individuals adjust their position and velocity vector by considering their current position and velocity, their memory and mentioned shared knowledge.This new solution approach alters behaviors of particles in the swarm and neighborhood structure so that multiple focal particles are defined which reflects cluster centers. Clustering based facility location-allocation problems are solved using this new clustering approach. Comparisons are made on test problems between proposed focal particle based algorithm and other well known clustering analysis algorithms.Results indicate that the new clustering algorithm is performed well against other well-known clustering algorithms and successfully applied in facility location-allocation problems in supply chain management context.