Show simple item record

dc.contributor.advisorKarabulut, Korhan
dc.contributor.authorKizil, Alper
dc.date.accessioned2021-05-08T12:07:20Z
dc.date.available2021-05-08T12:07:20Z
dc.date.submitted2017
dc.date.issued2018-08-06
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/698419
dc.description.abstractKaresel Atama Problemi (KAP) en zor birleşimsel problemlerden birisidir. Literatürde KAP'ni çözmek için birçok yaklaşım önerilmiştir. Genetik algoritmalar doğadan ilham alan, makul bir zaman aralığında iyi sayılabilecek çözümler üreten metasezgisellerdir. Ancak geniş boyutlu problemler için yetersiz kalabilirler. Bunun sebebi bu algoritmaların üzerinde çalıştığı arama uzayının çok genişlemesi ve algoritmanın bu arama uzayının belirli bölümlerini gözden kaçırabilmesidir. Bu tez çalışmasında, ada modeli olarak tanımlanan bir modeli standart sıralı genetik algoritmayı çözüm kalitesi yönünden geliştirmek için kullanılmıştır. Sonuçlar, önerilen algoritmanın, en temel 2-adalı model ile dahi, KAP örneklerinde 3 kat daha iyi çözüm bulabildiğimi göstermiştir. Önerilen algoritma test edilmiş ve bazı parametrelerine ince ayar yapılarak çözüm kalitesi daha da arttırılmıştır. Ayrıca değişik parametrelerin sonuç kalitesine etkileri gözlemlenmiştir.Sonuçta, önerilen algoritma yeterince iyi konfigürasyonlarla KAP örneklerini literatürdeki en iyi çözümlere %3 yakınlıkta çözebilme düzeyine çıkabilmiştir.
dc.description.abstractQuadratic Assignment Problem (QAP) is one of the most difficult combinatorial problems. There are many approaches proposed in literature to solve QAP. Genetic algorithms are nature inspired metaheuristics which can create good enough solutions in reasonable time. But for large size problems, they may be insufficient. This is due to search space they operate becomes too large and algorithm starts to miss out some parts. In this thesis, island model genetic algorithms are used to enhance a standard sequential genetic algorithm in terms of solution quality. Results show that, even with the most basic 2 island model, the proposed algorithm is able to obtain 3 times better results when solving QAP instances. The proposed algorithm is tested and fine-tuned for some of the parameters to enhance the algorithm even further. It is also observed that, different parameters effect solution quality. Ultimately, the proposed algorithm is able to come up with good enough configurations that can solve QAP instances up to 3% gap compared to the best-known solutions in the literature.en_US
dc.languageEnglish
dc.language.isoen
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontroltr_TR
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleParallel evolutionary algorithms for quadratic assignment problem
dc.title.alternativeİkinci derece atama problemi için paralel evrimsel algoritmalar
dc.typemasterThesis
dc.date.updated2018-08-06
dc.contributor.departmentBilgisayar Mühendisliği Ana Bilim Dalı
dc.subject.ytmGenetic algorithms
dc.subject.ytmParameter optimization
dc.identifier.yokid10163045
dc.publisher.instituteFen Bilimleri Enstitüsü
dc.publisher.universityYAŞAR ÜNİVERSİTESİ
dc.identifier.thesisid486795
dc.description.pages125
dc.publisher.disciplineDiğer


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess