Tez No	İndirme	Tez Künye	Durumu
127093	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	Akış tipi çizelgeleme problemlerinin genetik algoritma (GA) ile çözüm performansının artırılmasında deney tasarımı uygulaması / Experimental design in improving solution performance by using genetic algorithm (GA) of the problem of scheduling jobs in a flow-shop Yazar:HAKAN EREN Danışman: DOÇ. DR. ALPASLAN FIĞLALI Yer Bilgisi: İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Endüstri Mühendisliği Ana Bilim Dalı / Mühendislik Yönetimi Bilim Dalı Konu:Endüstri ve Endüstri Mühendisliği = Industrial and Industrial Engineering Dizin:Deney tasarımı = Experimental design ; Genetik algoritmalar = Genetic algorithms ; Parametre optimizasyonu = Parameter optimization ; Taguchi deneyleri = Taguchi experiments ; İş akışı çizelgeleme = Flow shop scheduling	Onaylandı Yüksek Lisans Türkçe 2002 114 s.
ÖZET Akış tipi çizelgeleme iyi bilinen zor bir kombinatoriyel optimizasyon problemidir. Son on yılda üzerinde en çok çalışılan konulardan biri olup sezgisel yöntemler ile bulunan çözümlerin genetik algoritmalar ile iyileştirilmesine çalışılmaktadır. Genetik algoritmanın akış tipi çizelgeleme problemlerinde (n iş, m makine için) bilinen sezgisel yöntemlerden daha iyi çözüm verdiği belirlenmiştir. Bu çalışma, NP olarak bilinen akış tipi çizelgeleme problemlerinin genetik algoritma ile çözüm performansının artırılmasında deney tasarımı ile ilgilidir. Deney tasarımı ve özellikle iki seviyeli kesirli faktöriyel deneyler ile Taguchi'nin L8 ve L16 dizaynları üzerine yoğunlaşılmıştır. Genetik algoritmanın optimum veya optimuma yakın çözüme ulaşma performansım etkileyen; başlangıç popülasyonu, üreme, çaprazlama ve mutasyon operatörleri ile çaprazlama ve mutasyon oranlarının belirlenmesine çalışılmıştır. Parametrelerin ayrı ayrı değerlendirilmesi ile bulunan en iyi iki parametre değeri, çok makine problemleri için iki seviyeli, altı faktörlü olarak deney tasarımına tabi tutulmuştur. Daha sonra elde edilen veriler kullanılarak her faktörün en iyi seviyeleri belirlenmiştir. Sayısal seviyelere sahip faktörler için elde edilen sonuçlar doğrultusunda seviye aralıkları daraltılarak daha hassas sonuçlar elde etmek üzere iki deney tasarımı daha gerçekleştirilmiştir. Deneyler Turbo Paskal programlama dilinde hazırlanan genetik algoritma programı ile yapılmıştır. Gerçekleştirilen üç deney tasarımı toplam 24 adet deneyden oluşur. Bu deneyler sonucunda genetik algoritmanın çözüm performansım artıracak parametre setleri önerilmeye çalışılmıştır. vuı
SUMMARY Scheduling jobs in a flow-shop is a well-known hard combinatorial optimization problem. It is one of the most studied topic in the last ten years and the solutions which are found by heuristic methods, are studied to be improved by genetic algorithms. It was determined that genetic algorithms give better solutions than heuristic methods at the problem of scheduling jobs in a flow-shop (for n work, m machine). This study is about the experimental design in improving solution performance by using genetic algorithm of the problem of scheduling jobs in a flow-shop which is known as NP-complete problem. The design of experiments and especially bi-level fractional factorial experiments and Taguchi's L8 and L16 designs were covered. It was studied the parameters, such as number of initial population, reproduction operators, crossover operators, mutation operators, rate of crossover and mutation operators affected performance of genetic algorithm to achieve optimum or suboptimum solution. The best two parameters value found by evaluating the parameters individually were used in design of experiments as bi-level and six factors for multi-machine problems. Then by using the obtained data, the best levels of every parameter were determined. According to the results, two more experimental designs were realized for the parameters which have numerical levels, by reducing the level intervals, to obtain more sensitive results. Experiments were done with the genetic algorithms program made by using Turbo Pascal programming language. Three experiment designs have totally 24 experiments. As a result of experiments, parameter sets being able to improve the solution performance of genetic algorithm were tried to be proposed. IX