Üstyapı yönetim sisteminde yapay bağışıklık sistemi ve genetik algoritma ile çok amaçlı optimizasyon

Abstract

Bu çalışmada ağ seviyesindeki bir Üstyapı Yönetim Sistemi (ÜYS) için farklı bir yaklaşım sunulmuştur. Bu sistem öncelikle farklı bozulma eğrilerine sahip altı yol tipi için Yapay Bağışıklık Sistemi (YBS) ve Genetik Algoritma (GA) ile Markov zincirleri kullanarak Geçiş İhtimal Matrislerinin (GİM) tahminini içermektedir. Daha sonra, bütün yol tipleri için GA ve YBS ile çok amaçlı optimizasyon yapılarak en uygun Bakım ve Onarım (B&O) stratejileri belirlenmiştir. GİM tahmini ve en uygun B&O stratejilerinin belirlenmesinden önce GA ve YBS performansında etkili olan nesil sayısı, mutasyon oranı, klonlama oranı gibi parametrelerin en uygun değerleri, Taguchi optimizasyon metodu ile belirlenmiştir. Alternatif çözümleri karşılaştırmak için ömür döngü maliyet analizi, Net Şimdiki Değer (NŞD) analizi yapılmıştır. Birçok uygun sonuç arasındaki en uygun çözüm ise Pareto optimizasyon tekniği ile belirlenmiştir. Ayrıca, en uygun planlama yılını bulmak amacıyla, farklı yıllık planlama periyotları için maliyet/fayda (M/F) oranları belirlenmiştir. Sonuç olarak, YBS'nin, GA ile karşılaştırıldığında GİM tahmini ve en uygun B&O stratejilerini belirlemede daha iyi sonuçlar verdiği görülmüştür. Üstyapı yönetim sisteminde B&O stratejilerini belirlemek için GA ve YBS çözümlerinin her ikisi için de 10 yıllık planlama periyodu maliyet etkin periyot olarak belirlenmiştir.

In this study, a different approach is presented for a pavement management system in a network level. This system firstly contains prediction of the Transition Probability Matrix (TPM) using Markov chains for a road network by both genetic algorithm (GA) and artificial immune system (AIS) for six types of road having different deterioration curve. Then, for all types of roads, the most suitable Maintenance and Rehabilitation (M&R) strategies are determined by both GA and AIS using the multi objective optimization. Before both the prediction of the TPM and determination of the most suitable M&R strategies, the most convenient parameter values such as size of generation, rate of mutation, rate of cloning for both GA and AIS solutions are determined by Taguchi optimization method. Life cycle cost analysis is performed to compare the alternative solutions using net present value (NPV). Pareto optimization technique is used to find the most appropriate solution among the many suitable results. Moreover, in order to find the most suitable planning year, cost-benefit ratio (C/B) values are determined for the different planning years of period. As a result, the better results are obtained from the AIS for both prediction of the TPM and finding the best M&R strategy in comparison to GA. 10 year planning period is determined as the most cost effective duration for determining the M&R strategies in a pavement management system for both GA and AIS solutions.