Yazar "Bayraktar, Tuğrul" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    ETKİLİ BİR YAPAY ARI KOLONİSİ ALGORİTMASININ ÜÇ BOYUTLU KUTU DOLDURMA PROBLEMİ ÜZERİNDE UYGULANMASI
    (2021-09) Bayraktar, Tuğrul
    Yapay Arı Kolonisi (YAK) algoritması sayısal temelli optimizasyon problemleri yanı sıra tamsayılı optimizasyon problemlerinin çözümünde de yaygın bir şekilde kullanılmaktadır. Bununla birlikte Sırt Çantası Problemi (SÇP) gibi yüksek kompleksliğe sahip tamsayılı problemlerin kabul edilir ölçülerdeki çözümlerini mümkün olduğunca kısa sürede elde edebilmek için güçlü algoritmaların geliştirilmesine ihtiyaç duyulmaktadır. Literatürde SÇP’lerin çözümünde, keşif ve derinlemesine arama yapabilme kabiliyetine sahip YAK algoritması birçok çalışmada kullanılsa da YAK algoritmasının hammadde ve malzeme taşıma sistemlerinin en temel problemlerinden birisi olan üç boyutlu kutu doldurma problemlerinin çözümünde kullanıldığına az rastlanmaktadır. Bu çalışmada, YAK algoritmasının derinlemesine araştırma yönü Tabu Araştırması (TA) tabanlı bir hafıza mekanizması ile, keşif yönü ise Genetik Algoritmada (GA) kullanılan genetik operatörler ile ayrı ayrı geliştirilerek farklı iki algoritma elde edilmiştir. Ayrıca her iki takviye yaklaşımın YAK algoritmasına bir arada entegre edildiği bir üçüncü algoritma da geliştirilmiştir. Geliştirilen üç algoritma kendi aralarında literatürdeki kurallara göre türetilen ve hali hazırda literatürde yaygın olarak kullanılan tekli ve çoklu konteyner yükleme problemi veri setleri üzerinde uygulanarak karşılaştırılmış, ayrıca algoritma üçlüsü arasında her iki takviye yaklaşımı da kullanan ve en iyi performansa sahip Bütünleşik Hibrit YAK (BHYAK) algoritması literatürdeki diğer yaklaşımlar ile karşılaştırılmıştır. Elde edilen sonuçlara göre hafıza mekanizması hibrit YAK algoritması geliştirmek için takviye yaklaşım olarak kullanıldığında, faydası uygulandığı problemin kompleksliğine ve çözüm süresi kısıtına göre değişiklik gösterdiği gözlemlenmiştir. Genetik operatörlerin ise hibrit YAK algoritması oluşturmada hafıza mekanizmasına göre daha tercih edilir olduğu tespit edilmiştir. Ayrıca, literatürdeki diğer yaklaşımlar ile karşılaştırıldığında tamamen rassal arama temelli bir yaklaşım olan BHYAK algoritmasının, nesneleri bir ön sınıflandırma işlemine tâbi tutan diğer yaklaşımlarınkine yakın bir performans gösterdiği tespit edilmiştir.
  • Küçük Resim Yok
    Öğe
    Optimal vegetable selection in urban and rural areas using artificial bee colony algorithm: Heavy metal assessment and health risk
    (Elsevier, 2025-03) Gültekin, Yücel; Kılıç Bayraktar, Mukaddes; Sevik, Hakan; Cetin, Mehmet; Bayraktar, Tuğrul
    Industrial and traffic activities have raised heavy metal (HM) pollution, increasing health risks from contaminated vegetables. The study aims to analyze HM concentrations of lead (Pb), iron (Fe), and aluminum (Al) in Solanum lycopersicum L. (tomato), Capsicum annuum L. (pepper), Phaseolus vulgaris L. (bean), and Zea mays L. (corn) plants grown in urban and rural areas of Ordu province, Türkiye. Variations in the HMs were evaluated based on species, organ, growing area, and washing status. The goal is to use the Artificial Bee Colony (ABC) algorithm to identify the best vegetable combination based on health risk assessment. Tomato and corn had the lowest HM levels, while pepper had the highest. Urban vegetables had high Pb levels, with urban-grown corn showing notably high Fe and Al levels. Pb levels (341.4–13,240.4 μg/kg) exceeded permissible limits in all vegetables, Al (898.9–210,706.2 μg/kg) in most, while Fe (11.2–298.4 μg/kg) stayed within safe limits. Health risk assessments (hazard quotient and hazard indices <1) show no risk of non-carcinogenic diseases. The recommended upper limits for HM concentrations constrain vegetable choices to minimize health risks, with the ABC algorithm advising washed pepper, tomato, and bean from urban areas and unwashed corn from rural areas.