Yüksek Lisans & Doktora

Permanent URI for this communityhttps://hdl.handle.net/20.500.14719/11

Browse

Subject: search.filters.subject.Genetik algoritma

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Evaluation and improvement of feature selection techniques for cognitive state classification using fMRI data
    (Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü, 2012-05) Ülker, Ceyhun Can; Aytekin, Tevfik
    Recent research has shown that it is possible to classify cognitive states of human subjects based on fMRI (functional magnetic resonance imaging) data. One of the obstacles in classifying fMRI data is the problem of high dimensionality. A single fMRI snapshot consists of thousands of voxels and since a single experiment contains many fMRI snapshots, the dimensionality of an fMRI data instance easily surpasses the order of tens of thousands. So, feature selection methods become a must from both classification and running time performance points of view. To this end several feature selection methods are studied, either general or specific to fMRI data. So far, one of the best such methods, which is specific to fMRI data, is called the “active” method. In this work we combine genetic algorithms with the active method in order to improve the performance of feature selection. Specifically, we first reduce the feature dimension using the active method and search for informative features in that reduced space using genetic algorithms. We achieve similar levels of classification performance using much less number of voxels than active method offers.
  • No Thumbnail Available
    Item
    Genetik algoritma ve karınca koloni algoritması ile melez model oluşturularak ERP sistemlerinde kapasite planlamasının yapılması
    (Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü, 2013-01) Bilgin, Celal; Karahoca, Adem
    Günümüzde firmalar tüm süreçlerini kontrol altına alıp, iş zekası uygulamaları ile otonom kontroller oluşturmak istemektedir. Bu noktada sistemin en temelinde vazgeçilmez olan erp programlarıdır. Erp programları verilerin oluştuğu ve saklandığı en tabandaki sistemdir. İş zekası uygulamaları oluşan verileri yorumlayıp belirlenen kararları vermesi için sistemi tamamlayan bir parçadır. Üretim yapan firmalar, üretim hattını doğru planlayabilmesi için, maliyet başta olmak üzere verimlilik, siparişlerin zamanında yetişmesi gibi birçok kısıtı sağlanmaları gerekmektedir. Kapasite planlama; içerisinde operasyonlar arası gecikmeler, makinaların boşta kalması, işlerin üretim hatlarına doğru dağıtılması, siparişlerin zamanında hazır olması, kurulum süreleri, aktivite maliyetleri, stokta bulundurma maliyeti ve benzeri bir çok maliyet kaynağının doğru dağıtılması ve/veya kullanılması gibi karmaşık bir yapı bulunduran bir optimizasyon problemidir. Genetik algoritmaları ve karınca koloni algoritmaları ile yapılmış kapasite planlama problemlerinin çözümleri literatürde mevcuttur. Genetik algoritmalar bir çözüm popülasyonu oluşturmak ve bu popülasyonu her jenerasyonda daha iyiye götürme konusunda bir altyapı sağlarken, karınca koloni algoritması sıralama problemlerinin çözümünde bir alt yapı sağlamaktadır. Bu tezin amacı firmalarda kapasite planlama problemini çözerken genetik algoritma ve karınca koloni algoritmasından melez bir model oluşturup, amaç fonksiyonu tanımlarına göre bir çözüm kümesi oluşturmaktır. Çözüm testleri için Java 7.0 kullanılarak bir program geliştirilmiştir.
  • No Thumbnail Available
    Item
    Sarmal ve çevik yazılım geliştirme çizelgesinin sezgisel yöntemlerle optimizasyonu ve karşılaştırması
    (Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü, 2015-10) Baş, Mahmut; Adem, Karahoca
    The software development projects are getting more complex by time and evolving technology. The increasing complexity in software projects brought difficulty in management of human resources. In this work, scheduling of staff that will contribute in such complex software development project with cost and productivity calculations is handled. The purpose is to complete the project with lowest cost and highest with performing staff. Spiral software development and agile software development processes are used in this work. And then, heuristic approach and project scheduling with limited resources are defined, then, genetic algorithm, simulated annealing, ant colony algorithm in between heuristic methods are mentioned. A c# .Net application is developed which contains spiral software development and agile software development processes sample. In this application, tasks and human resources are defined, optimization algorithms for spiral and agile software development are run 5 times with same input, and results are compared in terms of total work time, cost reduction and productivity increase. Conclusion of tests showed that genetic algorithm has seen more powerful in spiral software development with lots of tasks and complex software development models. After genetic algorithm secondarily ant colony algorithm and thirdly simulated annealing algorithm comes. Ant colony algorithm is observed as more useful for less task models like agile software development. And then, simulated annealing algorithm comes in the end, with results close to ant colony algorithm.