Gezgin Satıcı Problemi İçin Bir Memetik Algoritma Önerisi

... konulu sunumlar: "Gezgin Satıcı Problemi İçin Bir Memetik Algoritma Önerisi"— Sunum transkripti:

1 Gezgin Satıcı Problemi İçin Bir Memetik Algoritma Önerisi
Engin Sansarcı Abdullah Aktel Dilay Çebi Demet Bayraktar

2 Sunumun İçeriği Çalışmanın Amacı Problemin Tanımlanması
Problemin Çözümünde Yapay Sinir Ağları’nın Kullanılması Memetik Yaklaşım Creput ve Koukam’ın Çalışması (2009) Algoritma Tasarımı Test Sonuçları Sonuçlar

3 Çalışmanın Amacı Düzlemsel Gezgin Satıcı Probleminde, Genetik Algoritma ile Yapay Sinir Ağlarını, problemin çözümünde bir arada ele alıp, Farklı çözümleri paralel olarak öğrenme sürecinden geçirip, Çapraz Eşleme ve Mutasyon operatörlerinin sonuca etkisini incelemek

4 İncelenen Problem Düzlemsel gezgin satıcı problemi:
‘n’ tane şehir, iki boyutlu düzlemde dağılmıştır. Şehirlerin her birine yalnızca bir defa uğrayan turlar arasında Toplamda en kısa mesafeyi kat eden turu bulmaktır.

5 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması
Kendi kendini örgütleyen yapay sinir ağları

6 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması

7 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması

8 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması

9 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması

10 Problemin Çözümünde Yapay Sinir Ağlarının Kullanılması

11 Memetik Yaklaşım Melez Genetik Algoritma
Genetik Algoritma + Yerel Arama Genetik Algoritma + Yapay Sinir Ağı Popülasyondaki her bir çözüm, öğrenme aşamasından geçen bir yapay sinir ağıdır.

12 Creput ve Koukam’ın Çalışması [*]

13 Algoritma Tasarımı

14 Algoritma Tasarımı

15 Algoritma Tasarımı

16 Algoritma Tasarımı

17 Test Sonuçlarının Analizi

18 Test Sonuçlarının Analizi
Referans değer = 435.4 Symbol Düşük Orta Yüksek Düşük İçin Sonuç Yüksek İçin Sonuç @ 0.05 0.1 0.2 440.79 431.00 s 0.25 0.5 436.92 438.33 r 5 10 20 442.05 433.08 c 0.9 0.95 0.99 439.07 432.05 k 1 2 3 440.49 439.48 m 0.005 0.01 0.02 436.85 437.2 l 436.6 437.49 p 435.04 g 437.31 437.67

19 Test Sonuçlarının Analizi
Öğrenme 434.62 Öğrenme + Evrim 432.78 Öğrenme + Mutasyon 435.54 Öğrenme + Evrim + Mutasyon 431.00

20 Test Sonuçlarının Analizi
Başlangıç çözümleri üretme Rassal Dağılım 437.92 Şehirlerin Dağılımına Uygun Dağılım 435.4

21 Sonuçlar Öğrenme hızı ve komşuluk güncelleme katsayısı ( c ) algoritmanın başarımını belirgin biçimde etkiliyor. Çapraz eşleme operatörü algoritmanın başarımını artırıyor. Başlangıç çözümünün üretilmesinde önerilen yöntem rassal seçimden daha iyi sonuç veriyor.

22 Yapılacak Çalışmalar Farklı çapraz eşleme yöntemlerinin denenmesi
Farklı mutasyon operatörlerinin denenmesi Daha büyük test problemlerinde algoritma başarımının test edilmesi Çalışma hızının artırılmaya çalışılması

23 Teşekkürler Engin Sansarcı Abdullah Aktel Dilay Çebi Demet Bayraktar