3.3 Sezgisel Çözüm Yöntemi
3.3.2 Deneysel çal³ma
Bu bölümde, geli³tirilen algoritmann performansnn test edilmesi için yaplan
sonuçlarn nasl de§i³ti§igözlemlenmektedir.
Bu problem analizi için be³ faktörün yer ald§ bir deney tasarm yaplm³tr.
Faktörlerden 4 tanesi
(f
1, f2, f3
ve
s)
iki farkl seviyede de§erlendirilirken i³ saysn temsil edenn
için ise üç farkl seviye ele alnm³tr. Faktörlerin ve seviyelerininhangi de§erleriald§na Tablo 3.3'te yer verilmektedir.Tablo 3.3: Deney Faktörleri
Faktör Tanm Seviye1 Seviye 2 Seviye 3
n
³ says 20 50 100f1
Makine1'deki i³lem süresi D Y
f2
Makine2'deki i³lem süresi D Y
f3
Makine3'teki i³lem süresi D Y
s
Esnek i³lem süresi D YProblemin test edilmesi a³amasnda her
n
de§eri için2
4
× 3 = 48
fakl
kombinasyon ve her birisinden 5 tekrar olmak üzere toplamda 240 farkl
problem çözdürülmü³tür. Makinelerdeki i³lem zamanlar belirlenirken her bir
parametrenin türetile e§i aralklar olu³turmak için iki farkl alt taban de§eri
ve bu taban de§ere eklene ek bir sabit de§er belirlenmi³tir. Bu iki taban de§eri
faktör dizaynnda yer alan srasyla D ve Y'nin temsil etti§i 10 ve 50 olarak
belirlenmi³tir. Eklenen sabit say ise 30olarakseçilmi³tir.
Parametrelerin türetilmesi esnasnda ön elikle
f
1
ve
s
de§erleri herhangi bir kstlama olmadan seçilen taban de§erine belirlenen sabit de§eri eklenerek eldeedilen aralktan, düzgün da§lma göre türetilmi³tir.
f
2
ve
f
3
parametrelerinin
de§erleri belirlenirken, Önteorem 3.2'de bahsedilen kolay durumlariçermeye ek
³ekilde de§erler almalar sa§lanm³tr. Bu nedenle
f
2
ve
f
3
de§erlerinin türeti-
le ekleri aralklar belirlenirken sade e ön eden verilen taban ve sabit de§erler
kullanlmam³tr. Kolay durum içermeye ek ³ekilde alt ve üst snr belirlenerek
f2, f3
parametrelerinin ala a§de§erler bu snrlariçinden düzgün da§lma göre
türetilmi³tir.
f
2
de§eri belirlenirken alt ve üst snr de§eri a³a§da yer alan
e³itlikler yardmylatüretilmi³tir.
ftabanj
:
De§erin türetile e§iseviye içinbelirlenentaban de§er.ftavanj
:
De§erin türetile e§iseviye içinbelirlenentavande§er.faltj
:
Bulundu§u seviyedeki taban de§er ile kolay durum olu³turmaya ak³ekilde bir ön eki belirlenen parametre de§erlerine ba§l olarak alabile e§i en küçükde§erin büyükolan.
f
üjst:
Bulundu§u seviyedeki tavan de§er ilekolay durumolu³turmaya ak³ekilde
bir ön eki belirlenen parametre de§erlerine ba§l olarak alabile e§i en büyük
de§erin küçükolan. Bu durumda srasyla
f
2
alt
,f
2
üst
,f
3
alt
vef
3
üst
de§erlerinin türetile e§i aralklar ³u
³ekilde ola aktr.
f2
alt
= max{ftaban2
, f1− s}
f2
üst= min{f
2
tavan, f1+ s}
f3
parametresibelirlenirkenf
1
ve
s
'in yan sraf
2
de§erinin ne oldu§uda önem
kazanm³tr ve de§erlerin türetile e§ie³itlikler ³u ³ekilde belirlenmi³tir.
f3
alt
= max{ftaban3
, f1− s, f2− s}
f3
ü
st= min{f
3
tavan, f1+ s, f2+ s}
Bütün parametrelerindüzgün da§lmlatüretile e§iaralklar her kombinasyonda
ve her problemde de§i³erekbu ³ekilde elde edilmi³tir.
Matematiksel modelin sonuçlar GAMS 23.8.2 arayüzü kullanlarak CPLEX
12.2 çözü üsü yardmyla elde edilmi³tir. Sezgisel algoritma ise Dev C++ ile
kodlanm³tr. Analizlerin yaplmasnda kullanlan bilgisayar Intel
R Core TM
2
Quad CPU Q94002,66 Ghz, 4 GB Ramözelliklerinesahiptir.
Belirtilmesi gereken bir ba³ka nokta da matematiksel modelin çal³trlmasnda
uzun süre sonuç alnamayan problemlerle kar³la³ma ihtimaline kar³ her bir
problem için 900 saniye zaman limiti konmu³tur. Bu süre zarfnda optimal
dahiledilmi³tir.Problemleriçin900saniye gibibirzamanlimitininter ihedilme
sebebigerçekhayattabuprobleminoperasyonelbirkararolarakkar³mzaçka ak
olmasdr.Birüretimsistemindeböylebirproblemin,üretiminnaslyapla a§na
karar vere e§i göz önünde bulunduruldu§unda günde en az bir defa hatta gün
için e birkaçkez çözdürülmesigereke e§i dü³ünülebilir. Üretim için15 dakikalk
bir aksama iddi maliyetlere neden olabile e§iiçinen fazla bu kadar süre içinde
birçözümün elimizdeolmas istenmi³tir.
Deneysel çal³mann tamamn içinde barndran özet bilgilere Tablo 3.4'te
yer verilmektedir. Bu tabloda Gams Bo³luk olarak ifade edilen de§erler 900
saniyelik zaman limitinde optimal sonu a ula³lamad§ takdirde ³u ³ekilde
hesaplanmaktadr:
Gams Bo³luk(%)= (Mev ut Çözüm - Altsnr De§eri)/Alt snr De§eri) x 100
Sezgisel yöntemin verdi§i sonu un performansn belirten Sezgisel Hata ise ³u
³ekilde hesaplanmaktadr:
Sezgisel Hata(%)= (Sezgisel Çözüm Optimal (Alt snr) De§er)/Optimal (Alt
snr) De§er) x 100
Hesaplamada hem optimal hem alt snr de§erinin yer alma sebebi e§er söz
konusuproblemiçinçözdürü üvastasylaoptimalsonu aula³labilmi³sebude§er
optimalden olan uzakl§, e§er ula³lamam³ve çözdürü ünün de belli bir hatas
varsa sezgiselyöntemin altsnrdanuzakl§ dikkate alnm³tr.
Tablo 3.4: Bütün Problemleriçeren Genel Tablo
Parça
Says
GAMS Çözümleri Ortalama
Sezgisel Hata(%) CPU GAMS (sn) CPU Sezgisel (sn) Optimal çözü-
len problem sa-
ys Zaman limitine taklanproblem says Ortalama bo³luk (%) 20 79 0 0 0.93 3.76 0.02 50 56 23 0.24 0.63 259.77 0.05 100 46 33 0.24 0.47 372.72 0.04
Analizdeherbir
n
de§eriiçin80problemçözdürüldü§üsöylenmi³tian aktabloda bütünn
de§erleri için 79 adet örnek bulunmaktadr. Bunun sebebi her birn
de§erinde farkl parametre kombinasyonlarnda olmak üzere, ³artlara uygun (kolay durumiçermeyen) veritüretilememesindenkaynaklanmaktadr.Tablodakide§erlerle
n
saysarttkçamatematikselmodelleoptimalsonuç alnan problemsaysnnazald§görülmektedir. 20 parça varken bütünproblemler içinoptimal sonuç elde edilmi³ an ak parça saysnn 50 ve 100 oldu§u durumlarda
srasyla 23 ve 33 adet problemde zaman limitinden dolay optimal sonuç elde
edilememi³tir. Optimal sonu un bulunamad§ durumlarda bu örneklerin yüzde
bo³luk de§erlerininortalamasalnarak hata sütununa yazlm³tr.
Sezgisel ve GAMS çözüm süreleri kar³la³trld§nda her durumda sezgiselin
çok daha ksa sürede sonuç verdi§i görülür. 50 ve 100 parça saysnda GAMS
çözüm süresinin 20 parçaya göre bir anda artma sebebi zaman limitine ula³an
problemlerin de ortalamaya dahil olmasdr. 20 parçann oldu§u 79 problemde
zaman limitine ula³an problem olmam³tr. An ak sezgisel algoritma sonuçlar,
matematiksel modelle optimal sonu un elde edildi§i sürelere göre çok daha
ksa sürede elde etmi³tir. Ayr a
n
arttkça sezgiselin hata paynn azald§ görülmü³tür.Problemboyutu büyüdükçe sezgiselalgoritmaoptimaledahayaknsonuçlar verebilmektedir. Bu sonu a ³öyle bir yorum getirilmi³tir.Algoritmann
i³leyi³inde ba³langçta yaplabile ek optimalden farkl bir atamann, fazla par-
çann oldu§u problemlerde, çizelgenin ilerleyen ksmlarnda daha kolay tela
edilebile e§i dü³ünülmü³ ve bu nedenle parça says arttkça optimale yakn
sonuçlar bulundu§u yönünde yorum yaplm³tr. Özde³ parçalarn üretildi§i bu
sistemde parça saysnnçok daha büyük ola a§dü³ünüldü§ünde bu istenen bir
sonuçtur. Çözüm süresi içinse böyle bir gözlem yaplamaz çünkü
n
de§erinin de§i³imi sezgiselin çözüm süresini kayda de§er bir oranda etkilememektedir.Sezgisel algoritmann parça saysna duyarl olmamas da güçlü bir yönü olarak
de§erlendirilebilmektedir.
n
de§erlerinin her biri için ayr ayr tablolara da yer verilmi³tir. Bu tablolarda herbirfaktörkombinasyonunaaitsonuçlarayerverilerek dahaayrntlbiranalizyaplm³tr. Bu tablolarda faktörlerin seviyeleri belirtilmi³ ve her faktör kombi-
n
Faktörler GAMS Bo³luk (%) Sezgisel Hata (%) CPU GAMS (sn) CPU Sezgisel (sn)f1
f2
f3
s
Y Y Y Y 0 0.46 0.81 0.02 Y Y Y D 0 3.62 6.22 0.02 Y Y D Y 0 0 0.05 0.03 Y Y D D 0 1.59 0.11 0.02 Y D Y Y 0 0.04 0.57 0.02 Y D Y D 0 1.44 0.34 0.02 Y D D Y 0 0.01 0.21 0.02 20 Y D D D 0 2.11 3.14 0.02 D Y Y Y 0 0 0.05 0.02 D Y Y D 0 0.27 0.07 0.02 D Y D Y 0 0.81 0.16 0.02 D Y D D 0 1.94 0.49 0.02 D D Y Y 0 0.27 0.04 0.03 D D Y D 0 1.25 0.17 0.02 D D D Y 0 0.88 22.34 0.02 D D D D 0 0.27 26.47 0.02 Ortalama 0 0.93 3.76 0.02kombinasyonunun her birindenyaplan be³ tekrarn ortalamalardr. 20 parçalk
örneklerde GAMS ile elde edilen bütün çözümler optimal de§erlerdir. Sezgisel
hatalar hesaplanrken sade e optimal de§erlerden olan uzaklk formülü kulla-
nlm³tr. GAMS çözüm süresinde kombinasyonlar arasnda büyük de§i³iklikler
görülebilmektedir. Sezgisel çözüm süresine ait de§erler ise birbirine çok yakn
de§erler olmu³lardr.Sezgiselalgoritmaikiparametre kombinasyonuna aitbütün
tekrarlarda optimal sonu u bulabilmi³tir. Bu kombinasyonlar
f
1
,f
2
,s
de§erinin büyük,f
3
de§erinin küçük de§erler ald§ durum ve
f
2
,f
3
,s
parametrelerinin büyük,f
1
parametresinin ise küçük de§er ald§ aralktan türetildi§i durumdur.
Bu iki durumun ortak noktas ise bir sabit i³lem süresi de§eri ve
s
de§erinin büyükde§erler ala a§aralktantüretilmesiveilkyadasonmakineniniseküçükde§erler almasdr.
Tablo 3.6: 50 Parça çin Özet Tablo
n
Faktörler GAMS Bo³luk (%) Sezgisel Hata (%) CPU GAMS (sn) CPU Sezgisel (sn)f1
f2
f3
s
Y Y Y Y 0.21 1.16 360.27 0.05 Y Y Y D 3.33 1.23 720.21 0.06 Y Y D Y 0 0 0.19 0.07 Y Y D D 0.5 0.38 180.16 0.07 Y D Y Y 0 0.09 0.1 0.07 Y D Y D 0 0.26 0.17 0.06 Y D D Y 0 0.1 0.17 0.05 50 Y D D D 1.8 0.83 546.09 0.05 D Y Y Y 0 0.1 0.1 0.05 D Y Y D 0 0.7 0.41 0.05 D Y D Y 0 0.21 2.76 0.05 D Y D D 2.07 1.61 900.1 0.05 D D Y Y 0.55 1.05 364.78 0.05 D D Y D 0.65 1.39 360.14 0.05 D D D Y 0 0.29 0.37 0.05 D D D D 1.7 0.74 720.23 0.05 Ortalama 0.68 0.63 259.77 0.055Tablo 3.6'da ise 50 parça için kombinasyonlarn ortalamalar verilmi³tir. Bu
uzakl§n göstermektedir.
Zaman limitine ula³an problemler içinsezgiselin hatas hesaplanrken GAMS ile
bulunan alt snr kullanlm³tr. 50 parçann bulundu§u bu durumda sezgiselin
bütün tekrarlarnn optimal sonu u verdi§i tek bir kombinasyona ula³lm³tr.
Bu kombinasyon yine 20 parçalk örneklerde de optimal sonu a ula³lan faktör
kombinasyonlardanbiridir.
GAMS ile elde edilen sonuçlarda çok küçük uzaklklarda de§erler bulunurken
sezgisel ile elde edilen sonuçlarda da elde edilen de§erler optimalden ya da alt
snr de§erinden binde orannda uzaklklardadr. Bu da kabul edilebilir bir oran
olarakbahsedilebilir.
Çözüm süreleri kar³la³trld§nda ise GAMS çözüm süresinin oldukça uzun
oldu§u görülmektedir. Ortalama de§erlerine bakld§nda çözüm süresi olarak
sezgiselinbüyükbirüstünlü§üoldu§ugerçektir.Sezgiselalgoritmaileelde edilen
çözümler ortalamaolaraksaniyenin 1/18'igibibir de§erdir.
Sezgiselinhataoranlarnnbüyükoldu§uyerlerin elendi§indebu iki
n
de§eriiçin ortak kombinasyonlarn oldu§uyerler gözlemlenmemi³tir.100 parçann oldu§u örneklerin yer ald§ Tablo 3.7'de yine her kombinasyon
tekrarlarnn ortalamalarbulunmaktadr. GAMS bo³luk oran bu tabloda daha
büyük de§erler almaya ba³lam³tr. Problem boyutunun büyümesiyle optimal
sonu a ula³lamayp zaman limitiyleduran problemsays artm³tr.Bu tabloda
bir di§er dikkat çeken husus ise sezgisel algoritmann her tekrarda optimal
sonuç verdi§i kombinasyonlarn 20 parçalk örneklerde yer alan parametre
kombinasyonlarylaaynolmasdr.Buaralklardaüretilenparametrelerdesezgisel
dahagüçlüçal³maktadr.GAMSileeldeedilensonuçlarnhataoranlarartarken
sezgisel ile elde edilen sonuçlarnyüzde uzaklklar azalm³tr.Sezgiselalgoritma
100 parçann bulundu§u örneklerde hem 20 parçann bulundu§u hem de 50
parçann bulundu§u durumlardan daha iyi sonuç vermi³tir. Parça saysnn
artmasyla sezgiselin yüzde hatasnn ters orantl olmas büyük problemlerin
çözümü için avantaj sa§lar ki aslnda istenen de budur. Küçük problemlerde
n
Faktörler GAMS Bo³luk (%) Sezgisel Hata (%) CPU GAMS (sn) CPU Sezgisel (sn)f1
f2
f3
s
Y Y Y Y 0.19 0.56 720.28 0.06 Y Y Y D 0.32 1 720.38 0.06 Y Y D Y 0 0 0.12 0.06 Y Y D D 0.01 0.01 180.2 0.05 Y D Y Y 0 0 0.18 0.05 Y D Y D 0.03 0.46 180.17 0.04 Y D D Y 0 0.04 12.77 0.04 100 Y D D D 0.13 0.19 360.27 0.03 D Y Y Y 0 0 0.16 0.04 D Y Y D 0.26 0.83 540.11 0.04 D Y D Y 0.04 0.42 540.11 0.03 D Y D D 0.01 0.64 188.15 0.03 D D Y Y 0.07 0.75 540.11 0.03 D D Y D 0.24 2 360.29 0.04 D D D Y 0.11 0.19 900.1 0.03 D D D D 0.19 0.7 720.2 0.03 Ortalama 0.1 0.47 372.72 0.04de§erlerdir.
Çözüm süreleri in elendi§inde ise beklendi§i gibi GAMS ile elde edilen çözüm
süreleri hemen hemen her kombinasyonda artm³tr. Sezgiselin çözüm süresinin
ise 20 parçalk örneklerin çözüm sürelerinden daha uzun an ak 50 parçalk
örneklerin çözüm sürelerinden ise daha ksa oldu§u görülmü³tür. Böyle bir
durumla kar³la³lmas da yine sezgiselin çözüm süresinin parça saysna duyarl
olmad§nn anla³lmasn sa§lam³tr. Bunu sezgisel yöntemin güçlü bir özelli§i
olarak görmek mümkündür. Dolaysyla sezgisel algoritmann çok daha büyük
problem verileri için de oldukça ksa sürede çözüm vermesi beklenmektedir.
Sezgiselin 100 parçalk örnekler içinhem çözüm süresi hem yüzde uzaklkolarak
verdi§i de§erler 50parçalk içinalnan de§erlerden daha iyidir.
Bu sonuçlara dayanarak geli³tirilen sezgisel yöntemin çok ksa sürede, optimale
oldukça yakn sonuçlar veren bir algoritma oldu§u açktr. Algoritmalarda en
büyük problem olan veri boyutunun büyümesi ile çözüm süresinin bir anda
artmas geli³tirilen yöntem için geçerli olmayp sezgiselin en güçlü yönü olarak
sunulabilir. An ak bu problem için hem ksa sürede hem de kesin çözüm elde
edilmesiistendi§iiçinba³kayöntem dahageli³tirilmi³tir.Birsonrakibölümdebu
ama a ula³may sa§layan dinamikprogramlama algoritmasanlatlmaktadr.