Bu bölümde, çözüm yöntemi olarak önerilen yöntemler hazrlanan test problemleri ile test edilmektedir. Test problemleri üç amaç için hazrlanm³tr. Bunlardan ilki problemleri snrlandrmann etkilerinin incelenebilmesidir. lk testte önerilen tüm çözüm yöntemleri ile sonuçlar elde edilmektedir. Çözüm yöntemleri arasnda do§rusal olmayan matematiksel programlama modelleri oldu§u için ilk test küçük boyutlu problemler üzerinde gerçekle³tirilmi³tir. Problemin snrlandrlmas, senaryo-1 ve senaryo-2 için önerildi§inden, ilk testte sadece senaryo-1 ve senaryo-2 için önerilen çözüm yöntemleri test edilmi³tir. kinci testte Bölüm 4'te tantlm³ olan sezgisel çözüm yönteminin performansnn ölçülmesi amaçlanm³tr. Önerilen sezgisel yönteme göre problemin a§ ya³am süresinin enbüyüklendi§i ilk a³amada belirlenen veri ak³ miktarlar parametre olarak ele alnmaktadr. Sezgisel çözüm yöntemi, problemlerin snrlandrld§ varsaym altnda alglayclarn konum ve veri ak³ kararlarndan ba§msz olarak çözüm üretmektedir. Bu yüzden sezgisel algoritmann performansnn ölçülmesi için hazrlanan test problemleri senaryo- 2 için test edilmi³tir. Üçüncü test problemleri ise verilmi³ olan problemlerin üç senaryo için a§ ya³am süreleri ve güvenlik seviyelerinin kar³la³trlabilmesi için gerçekle³tirilmi³tir.
Problemi snrlandrmann etkileri senaryo-1 ve senaryo-2 için incelenmekte- dir. Hazrlanan test problemlerinde deterministik konumlandrmann yapld§ senaryo-1'de aday noktalarn belirlenmesi için çe³itli yöntemler uygulanabilmek- tedir. Alglayclarn konumlandrlabilece§i aday noktalar ile en az bir alglayc
tarafndan gözetlenmesi gereken hedef noktalar ifade eden N kümesinin eleman- lar [12],[17] ve [18]'de oldu§u gibi belirlenmi³tir. Alglayclarn konumlandrld§ alann x ve y eksenlerinde birbirine e³it uzaklktaki çizgiler ile çizildi§i ve çizgilerin kesi³im noktalarnn N kümesinin elemanlar oldu§u varsaylmaktadr. Rassal konumlandrmann uyguland§ senaryo-2 için ise alglayclar N kümesinin elemanlarnn bulundu§u alana rassal olarak konumlandrlmaktadr. Konumlan- drlmann rassal olarak gerçekle³tirildi§i her bir problem için 15 farkl problem üretilerek ortalama de§erler göz önünde bulundurulmu³tur. Tablo 5.1'de bu test için hazrlanan problemlere ait parametreler özetlenmektedir.
Tablo 5.1: Snrlandrma Testi Problemleri Parametre De§erleri.
Tanm Parametre De§er Senaryo
Aday nokta says |N | 10, 15, 20 1
Dü³mann sahip oldu§u anahtar says m 20, 50 1, 2
Alglayclarn hafza limiti smax 50 1, 2
A§da kullanlacak alglayc says v 10 1, 2
Ele alnan problemlerin büyüklü§ünü etkileyen en önemli parametreler N kü- mesinin boyutu, v ve smax parametreleridir. N kümesi sadece senaryo-1 için tanmlanm³ bir kümedir. Deterministik konumlandrmada alglayclar için en uygun konumlar belirlenemebilmektedir fakat; alglayclar sadece verilmi³ olan aday noktalara konumlandrlabilmektedir. Sonuç olarak ayn alan içerisinde aday nokta saysnn arttrlmas ile daha iyi çözümler elde edilebilmektedir. Bu nedenle üretilen her bir problemin aday nokta says için 3 farkl de§er ele alnm³tr. Rassal konumlandrmann uyguland§ senaryo-2 için ise aday nokta says önemsiz olmaktadr çünkü alglayc konum kararlar rassal olarak verilmektedir. Problem boyutunu direk olarak etkileyen bir di§er parametre a§da kullanlan alglayc saysn ifade eden v parametresidir. Bu test küçük boyutlu problemler üzerinde uyguland§ için v parametresi 10 olarak ele alnm³tr. m parametresi ile smax parametresinin etkileri birlikte ele alnmaktadr. Senaryo-1 ve senaryo- 2 için Bölüm 4'te problemin snrlandrlmas sonucu önerilen karma tamsayl programlama modellerinde smax parametresi ayn zamanda küme boyutunu belirtmektedir. Problem boyutunun küçük olabilmesi için smax de§eri 50 olarak ele alnm³ ve m parametresi için de smax parametresinin de§erinden birisi küçük
di§eri büyük olmak üzere iki tane de§er ele alnm³tr. Senaryo-1 için toplamda 6 adet test problemi ele alnm³tr. Senaryo-2 için ise m parametresinin belirlenmi³ olan 20 ve 50 de§erlerinin ele alnd§ iki test problemi ele alnmaktadr çünkü N parametresinin farkl de§erleri senaryo-2 için problemi etkilememektedir. Her iki test probleminde de alglayclarn 15 farkl ³ekillde rassal olarak konumlandrld§ problemler üretilerek senaryo-2 için snrlandrmann etkileri incelenmi³tir. Yukarda tantlm³ olan test problemlerinin sonuçlar dü³mann ele geçirebilece§i veri miktarlar göz önünde bulundurularak de§erlendirilmektedir. 2 senaryo için de a§ ya³am süreleri herbir çözüm yönteminde senaryo-1 için (P1) modelinin
çözülmesi ve senaryo-2 için ise (P2) modelinin çözülmesi ile elde edilmektedir.
Çözüm yöntemleri a§ ya³am süresi açsndan biribirlerine kar³ bir avantaj veya dezavantaja sahip de§illerdir. Hazrlanm³ olan test problemlerinin senaryo-1 için 1 saatlik zaman limiti altnda elde edilen sonuçlar Tablo 5.2'de sunulmaktadr.
Tablo 5.2: Senaryo-1 çin Snrlandrma Testi Sonuçlar.
Problem no m |N| Amaç Fonksiyon De§eri (% Hata)P1
1 P12 P13 Sezgisel 1 20 10 1.3(0) 1.3(0) 1.71(32) 1.3(0) 2 15 - 2.9(0) 3.26(12) 2.9(0) 3 20 - 3.83(0) 3.83(0) 3.92(2.4) 4 50 10 3,81(17) 3.26(0.3) 3.41(5) 3.25(0) 5 15 - 7.1(0.5) 7.06(0) 7.06(0) 6 20 - 9.2(0) 10.16(10) 9.21(0.57) Ortalama Hata - - 8.5 0.14 9.84 0.5
Tablo 5.2' nin ilk sütununda görüldü§ü üzere problemi snrlandrmann etkileri 6 problem üzerinde test edilmi³tir. kinci ve üçüncü sütunlar test edilen problemin parametreleri hakknda bilgi vermektedir. Bunlar srasyla ilgili problemde dü³ma- nn elindeki anahtar says ve alglayclarn konumlandrlabilece§i aday noktalar kümesinin boyutunu belirten parametrelerdir. Test edilen çözüm yöntemlerinin 1 saat zaman limiti altnda çözülmesinden elde edilen amaç fonksiyon de§erleri son dört sütunda sunulmaktadr. Amaç fonksiyon de§erlerinin yannda parantez içinde yüzde hata de§erleri sunulmaktadr. Yüzde hata, ilgili problemde çözüm yöntemleri tarafndan elde edilmi³ olan en iyi çözüm ile aradaki yüzde fark ifade etmektedir. Senaryo-1 için problemin orjinal modeli olan P1 matematiksel modeli
ile 6 problemin 4 tanesinde 1 saatlik sürede çözüm elde edilememi³tir. 1 ve 4 numaral problemlerde P1
1 ile çözüm elde edilebilmi³ fakat 4 nolu problemde elde
edilen çözüm di§er çözüm yöntemleri ile elde edilen çözümdelerden daha kötü amaç fonksiyon de§erine sahiptir. 1 numaral problemde P1
1 ile elde edile sonuç
di§er çözüm yöntemleri ile elde edilen sonuçlardan daha kötü de§ildir. P1
1 modeli
ile daha iyi sonuçlar elde edilememesinin nedeni modelin zaman limiti altnda çözdürülüyor olmasdr. E§er modeller ile optimal sonuçlar elde edilebilirse P1 1
modeli ile kesinlikle daha kötü sonuçlar elde edilemeyecektir çünkü di§er çözüm yöntemleri ile elde edilen tüm sonuçlar P1
1 modeli için olurlu çözümdür. P13
ve P2
1 modelleri snrlandrlm³ olan problemin farkl modelleridir. P13 modeli
do§rusal olmasna ra§men alglayclara atanabilecek anahtar says küme olarak tanmland§ için P2
1 modelinden daha kötü performans göstermektedir. Tablo
5.2' ye göre sezgisel algoritmann test problemleri üzerinde iyi sonuçlar verdi§i söylenebilir. 6 test problemin 4' ünde sezgisel algoritma ile en iyi sonuçlar elde edilmi³tir. Çözüm yöntemlerinin performanslar hakknda daha sa§lkl analizler yapabilmek için çözüm sürelerinin de göz önünde bulundurulmas gerekmektedir. Senaryo-1 için çözdürülen problemlerin çözüm süreleri Tablo 5.3'de sunulmaktadr.
Tablo 5.3: Senaryo-1 çin Snrlandrma Testi Problemleri Çözüm Süreleri. Problem no m |N| P1 Çözüm Süresi 1 P12 P13 Sezgisel 1 20 10 3600 3600 3600 0.03 2 15 3600 1260 3600 0.2 3 20 3600 57 3600 0.05 4 50 10 3600 3600 3600 0.05 5 15 3600 3600 3600 0.28 6 20 3600 520 3600 0.39 Ortalama Süre - - 3600 2166 3600 0.166 Tablo 5.3' de görüldü§ü üzere (P1
1) modeli tüm test problemlerinde zaman limitine
taklm³tr. (P2
1) modeli ise 3 problemde zaman limitine taklmadan optimal
çözüme ula³abilmi³tir. (P3
1) modeli ile tüm test problemlerinde olurlu çözüm elde
edilmi³ olmasna ra§men tüm test problemlerinde zaman limitine ula³lm³tr. Sezgisel çözüm yönteminin ise çözüm süresinin di§er çözüm yöntemlerine oranla
çok daha iyi oldu§unu söylemek mümkündür.
Tablo 5.4: Senaryo-2 çin Snrlandrma Testi Sonuçlar. Problem no m Amaç Fonksiyon De§eri (% hata)P1
2 P22 P23 Sezgisel
7 20 2.6(11) 2.34(0) 2.96(26) 2.35(0.4) 8 50 5.475(0) 5.64(3) 6.568(20) 5.643(3)
Ortalama Hata 5.5 1.5 23 1.7
Tablo 5.4' te ayn testlerin senaryo-2 için uygulanmas sonucunda elde edilen so- nuçlar sunulmaktadr. Senaryo-2 için problemi snrlandrmann etkileri senaryo- 1'de oldu§undan daha net ortaya çkmaktadr. 8 numaral test problemi için üretilen 15 problemde ortalama de§er olarak (P1
2) modeli ile daha iyi sonuçlar elde
edilmektedir. 8 numaral problemin ortalama de§erleri incelendi§inde problemin snrlandrlmasnn amaç fonksiyonunu kötüle³tirdi§i görülmektedir. Di§er taraf- tan 7 numral problemde 8 numaral problemin aksine (P1
2) modeli ile ortalamada
daha iyi sonuçlar elde edilememi³tir. Çözüm sürelerinin verildi§i Tablo 5.5'te 7 numaral problemde 15 test problemi için ortalama sürenin verilmi³ olan zaman limitinden daha az oldu§u görülmektedir. Ortalamada çözüm süresinin zaman limtinin altnda olmasna ra§men baz problemlerde zaman limtine ula³lmas sonucu amaç fonksiyon de§erlerinin ortalama de§eri di§er çözüm yöntemleri ile elde edilen amaç fonksiyon de§erlerininin ortalamalarndan daha kötüdür. Bu teste dayanarak problemin snrlandrlmasnn amaç fonksiyonunu kötüle³ti- rebilece§i fakat snrlandrma sonu önerilen çözüm yöntemleri ile ksa sürelerde iyi sonuçlar elde edilebilece§i söylenebilir. Gerçekle³tirilen ilk test sonucunda hem senaryo-1 hem de senaryo-2 için elde edilen sonuçlara göre snrlandrlm³ olan problemin karma tamsayl programlama modelleri olan (P3
1) ve (P23) modellerinin
di§er çözüm yöntemlerinden her konuda kötü oldu§u söylenebilir.
Gerçekle³tirilen ikinci test çal³mas Bölüm 4'te önerilen sezgisel çözüm yön- temlerinin performanslarnn ölçülebilmesi için gerçekle³tirilmi³tir. Yukarda bah- sedildi§i üzere sezgisel algoritma senaryo-1 ve senaryo-2 için önerilmektedir. Sezgisel algoritma alglayclarn konumlarndan ba§msz olarak snrlandrlm³ problemler için çözüm üretebilmektedir. Sezgisel algoritma a§ ya³am süresini enbüyükleyen veri ak³larn parametre olarak ele almakta ve bu de§erlere göre
Tablo 5.5: Senaryo-2 çin Snrlandrma Testi Çözüm Süreleri. Problem no m P1 Çözüm Süresi 2 P22 P23 Sezgisel 7 20 1913 721 3433 0.1 8 50 2516 2239 3600 0.14 Ortalama Süre 2214.5 1480 3516.5 0.12
çözüm üretmektedir. Sonuç olarak sezgisel algoritma problemin ilk a³amasndan ba§msz olarak hareket etmektedir. Sezgisel algoritma hiçbir de§i³ikli§e ihtiyaç duymadan senaryo-1 ve senaryo-2 için kullanlabilir durumdadr. Bu nedenle sezgisel algoritmann performansnn ölçülmesi için üretilen test problemleri senaryo-2 için üretilmi³tir. Test problemlerine ait parametre de§erleri Tablo 5.6'da sunulmaktadr.
Tablo 5.6: Sezgisel Algoritma çin Performans Testi Problemleri Parameterleri.
Tanm Parametre De§er
A§da kullanlacak alglayc says v 10, 20, 30, 40 Dü³mann sahip oldu§u anahtar says m 20, 150
Alglayclarn hafza limiti smax 100
Sezgisel algoritmann performansnn de§erlendirildi§i bu testte a§da kullanlacak alglayc says için 10, 20, 30 ve 40 olmak üzere 4 farkl de§er ele alnm³tr. m parametresi için smax parametresinden bir tanesi küçük ve di§eri büyük olmak üzere iki de§er göz önünde bulundurulmu³tur. Sezgisel algoritmann performans 8 problem üzerinde test edilmi³tir. Alglayc konumlandrlmas rassal olarak gerçekle³tirildi§i için her bir problemde 20 adet farkl problem üretilmi³tir. Bu testte sezgisel algoritmann sonuçlar (P2
2) modeli ile kar³la³trlmaktadr.
Problemin karma tamsayl programalama modeli olan (P3
2) modeli bu testte göz
önünde bulundurulmam³tr. (P3
2) modelinin göz önünde bulundurulmamasnn
nedeni önceki test sonuçlarna göre (P3
2) modelenin (P22) modelinden performans
olarak daha kötü olmasdr. Test problemlerinin (P2
2) ve sezgisel algoritma ile 1
saatlik zaman limiti altnda çözdürülmesi sonucunda elde edilen sonuçlar Tablo 5.7'de sunulmaktadr.
Tablo 5.7: Sezgisel Algoritma çin Performans Testi Sonuçlar. Problem no m v Amaç Fonksiyon De§eri (%Hata)P2
2 Sezgisel 9 20 10 1.378(0) 1.379(0.07) 10 20 20.475(0.04) 20.466(0) 11 30 64.378(22) 52.508(0) 12 40 9.251(150) 3.692(0) 13 150 10 7.501(0) 7.734(3) 14 20 15.283(8) 14.062(0) 15 30 23.533(34) 17.478(0) 16 40 26.369(19) 21.976(0) Ortalama Hata - - 29.13 0.38
vermektedir. 9 ve 13 numaral problemlerde ortalamada daha kötü sonuç ver- mektedir fakat; (P2
2) modeli ile elde edilen sonuçlardan en fazla yüzde 3 kötüdür.
Ortalamada (P2
2) modeli ile yüzde 29'luk bir hata oran elde edilirken sezgisel
algoritma ile yüzde 0.38'lik bir hata oran ile sonuçlar elde edilmi³tir. Tablo 5.7'de ortalama sonuçlar verilmi³ olan test problemlerinin, ortalama çözüm süreleri incelendi§inde sezgisel algoritmann ksa sürelerde iyi sonuçlara ula³t§ görülmektedir. Gerçekle³tirilen ilk test ve bu testin sonuçlarna bakarak sezgisel algoritma ile snrlandrlm³ problem için iyi sonuçlara ula³ld§ söylenebilir.
Tablo 5.8: Sezgisel Algoritma çin Performans Testi Çözüm Süreleri. Problem no m v Çözüm SüresiP2 2 Sezgisel 9 20 10 3600 0.074 10 20 3600 0.131 11 30 3600 1.191 12 40 3600 2.254 13 150 10 3600 0.253 14 20 3600 0.247 15 30 3600 0.373 16 40 3600 0.362 Ortalama Süre - - 3600 0.61
Senaryo-1 ve senaryo-2 için önerilen sezgisel algoritmann performansnn iyi oldu§u önceki test çal³malarnda gözükmektedir. 3 senaryo için de a§ ya³am
süresi önerilen çözüm yöntemleri ile optimal olarak belirlenebilmektedir. Senaryo- 1 ve senaryo-2 için dü³mann ele geçirebilece§i veri miktarnn enküçüklendi§i a³amada problemin snrlandrlarak sezgisel algoritmann çözüm yöntemi olarak kullanlmas önerilmektedir. Senaryo-3 için problemin snrlandrlmada do§rusal olmayan programlama modeli ile çözülmesi çözüm yöntemi olarak sunulmaktadr. Önerilen çözüm yöntemlerinin kullanlmas ile 3 senaryo için de a§ ya³am süresi ve veri kayb miktarlarnn incelendi§i kar³la³trma testi gerçekle³tirilmi³tir. Bu testte belirli bir alana önceden belirlenmi³ olan miktarda alglayc ile bir a§ tasarlanmas hede enmektedir. Problemler 2 alan için hazlanm³tr. lk alann boyutlar 250x500 olarak ele alnrken ikinci alann boyutlar 500x500 olarak ele alnm³tr. Tablo 5.9'da kar³la³trma testi için hazrlanan problemlerin parametre de§erleri özetlenmektedir.
Tablo 5.9: Kar³la³trma Testi Parametreleri ve De§erleri.
Tanm Parametre De§er
A§da kullanlacak alglayc says v 20, 40, 60 Dü³mann sahip oldu§u anahtar says m 50, 100, 150, 200, 250
Alglayclarn hafza limiti smax 100
Bu test problemlerinde baz istasyonun, alann kenar üzerinde tam ortada bulundu§u varsaylmaktadr. Senaryo-1 için hazrlanan problemlerde alglayc- larn konumlandrlabilece§i aday noktalar 3 farkl ³ekilde belirlenmi³tir. Aday noktalar daha önce ifade edildi§i üzere, ayn eksen üzerinde birbirine kom³u noktalarn arasndaki uzaklk e³it olacak ³ekilde belirlenmektedir. Noktalar arasndaki mesafe için 40, 45 ve 50 olmak üzere 3 farkl de§er göz önüne alnm³tr. Aday noktalar aras mesafenin 40 alglayclarn yerle³tirildi§i alann boyutlarnn 500x250 oldu§u durum için aday noktalarn konumlar ekil 5.1'de gösterilmektedir.
ekilde görüldü§ü üzere aday noktalar alan kapsayacak ³ekilde üretilmektedir. Alanda bulunan aday nokta says, alann boyutlar ve aday noktalar arasndaki mesafe ile ili³kilidir. Tablo 5.10'da senaryo-1 için alann boyutlar ve aday noktalar aras mesafenin farkl de§erlerinden elde edilen aday nokta saylar verilmektedir. Tablo 5.10, kar³la³trma testi için üretilen ve parametre de§erleri Tablo 5.9'da
ekil 5.1: Aday Noktalarn Konumlar.
sunulmu³ olan kar³la³trma testi problemlerinin senaryo-1 için 3'er farkl du- rumda çözdürülmesi gerekti§ini göstermektedir. Senaryo-1 için hazrlanan test problemleri 3 farkl durumda çözdürülürken rassal konumlandrmann uygulan- d§ senaryo-2 ve senaryo-3 için ise alglayclarn rassal konumlandrld§ 30' ar farkl problem ele alnm³tr. Tablo 5.11'de kar³la³trma testi için hazrlanm³ olan problemlerin tüm senaryolar altnda a§ ya³am süresi ve veri kayb miktarlarnn senaryo-1 için Tablo 5.10'da sunulmu³ olan durumlar ve senaryo-2 ile senaryo-3 için rassal üretilen 30'ar problemin ortalama de§erleri sunulmaktadr.
Tablo 5.10: Kar³la³trma Testi Problemleri Senaryo-1 çin Aday Noktalar Says. Durum Alan Aday noktalar Aras Mesafe Aday Nokta Says
1 500x250 40 120 2 500x250 45 91 3 500x250 50 66 4 500x500 40 210 5 500x500 45 169 6 500x500 50 121
Tablo 5.11: Kar³la³trma Testi Problemleri Ortalama Amaç Fonksiyon De§erleri.
Problem no Alan v m
Ortalama De§erler
Senaryo-1 Senaryo-2 Senaryo-3
L1 L2 L1 L2 L1 L2 17 (500x250) 20 50 1 3.07 0.32 7.22 0.227 9.15 18 100 6.11 14.06 16.57 19 150 9.15 17.75 22.65 20 200 12.17 21.26 28.43 21 250 15.17 24.15 30.31 22 40 50 0.643 4.87 0.386 12.99 0.283 15.43 23 100 9.74 24.92 26.88 24 150 14.59 32.34 35.21 25 200 19.44 38.68 40.1 26 250 24.28 43.64 44.8 27 60 50 0.511 4.81 0.601 13.15 0.315 16.12 28 100 9.6 25.17 28.49 29 150 14.37 33.76 37.55 30 200 19.08 41.74 44.5 31 250 23.79 48.39 50.99 32 (500x500) 20 50 0.374 8.11 0.116 11.24 0.081 13.33 33 100 16.15 22.07 24.4 34 150 22.33 28.41 31.39 35 200 27.87 33.98 36.5 36 250 32.81 38.14 40.62 37 40 50 0.511 6.32 0.155 15.29 0.159 18.66 38 100 12.63 29.78 31.93 39 150 18.92 38.98 44.01 40 200 25.15 47.41 51.79 41 250 31.38 54.57 59.48 42 60 50 0.427 7.7 0.176 22.64 0.102 25.83 43 100 15.29 43.84 42.66 44 150 22.85 57.21 58.6 45 200 30.41 69.17 70.12 46 250 37.94 78.53 81.31
L1: Ölçeklenmi³ a§ ya³am süresi de§eri
Tablo 5.11'de ilk sütun problem numaralarn ifade etmektedir. kinci sütun alglayclarn yerle³tirildi§i alann boyutlarn ve üçüncü sütünda alana konum- landrlan alglayc saylarn belirtmektedir. Dörüncü sütun dü³mann sahip oldu§u anahtar bilgisi saysn ifade etmektedir. L1 ile gösterilen sütunlar ele
alnan problem için elde edilen ortalama a§ ya³am sürelerini göstermektedir. Problemde a§ ya³am süresi öncelikli olarak belirlendi§inden m parametresinin farkl de§erleri için a§ ya³am süresi de§i³meyecektir. A§ ya³am süreleri, al- glayc says de§i³medikçe hep ayn kalacaktr sonuç olarak L1 ile gösterilen
sütunlarda da alglayclarn konumlandrldklar alan ve alglayc saylar ayn olan problemlerin a§ ya³am süreleri birbirine e³it olarak elde edilmi³tir. Daha önce bahsedildi§i üzere a§ ya³am süreleri matematiksel modeller aracl§ ile direk olarak hesaplanmamaktadr. Matematiksel modeller ile a§n ömrünü en- büyükleyecek enerji sar yat de§erleri belirlenmektedir. Bu i³lem, alglayclarn ellerindeki birim miktar veriyi en çok enerji sarfeden alglaycnn en az enerji sarfedece§i ³ekilde baz isatasyonuna ula³trlmas ile gerçekle³tirilmektedir. L1 ile
gösterilen sütunlarda, elde edilen a§ ya³am süreleri 1'e ölçeklendirilmi³ olarak sunulmaktadr. L2 ile gösterilen sütunlarda dü³mann ele geçirebilece§i en çok
veri miktar de§erleri göstermektedir. A§ ya³am süreleri tüm senaryolar göz önünde bulundurularak incelenirse a§ ya³am süresinin konumlandrlan alglayc saysndan ba§msz oldu§u söylenebilir. Küçük alanda senaryo-1 için alglayc says arttkça a§ ya³am süresi azalmaktadr fakat; büyük alanda a§ ya³am süresi ile alglayc says arasnda böyle bir ili³ki bulunmamaktadr. Senaryo-2 ve senaryo-3'de ise a§ ya³am sürelerinin genellikle alglayc saylarndaki art³la artt§ söylenebilir fakat; senaryo-3'de büyük alana da alglayc saysndaki art³ her zaman için a§ ya³am süresinde azal³ veya art³a neden olmamaktadr. Tablo 5.11'e göre senaryo-1 di§er senaryolardan iki amaç açsndan da daha iyi sonuçlar vermektedir. Ayn ³ekilde senaryo-2 de senaryo-3'e göre daha iyi sonuçlar vermektedir. Problemde modeller aracl§ ile verilen kararlarn artmas ile amaç fonksiyonlar açsndan daha iyi sonuçlara ula³ld§ görülmektedir. Senaryo-1 ve senaryo-2'de problemin ikinci a³amasnda ayn sezgisel algoritma kullanlmasna ra§men kayp veri miktarlar arasnda ciddi fark bulunmaktadr. Bu farkn ortaya çkmasnn nedeni senaryo-2'de alglayc konumlarnn rassal olarak belirlenmesidir. Senaryo-1 ile her zaman için daha iyi sonuçlara ula³lmasna
ra§men uygulama odakl dü³ünüldü§ünde senaryo-2 ve senaryo-3 kurulumlar açsndan senaryo-1'e göre çok daha kolay uygulanabilir senaryolardr.
Yaplan testler sonucunda senaryo-1 ve senaryo-2 için problemin snrlandrl- masnn amaç fonksiyon de§eri açsndan büyük farkllklara neden olmad§ gözlemlenmi³tir. Problemin snrlandrlmas sonucunda önerilen karma tamsayl do§rusal programlama modellerinin karma tamsayl do§rusal olmayan program- lama modellerinden daha kötü performans gösterdi§i gerçekle³tirilen testler ile gösterilmi³tir. Önerilen sezgisel algoritmann hem çözüm süresi hem de amaç fonksiyon de§eri açsndan gayet iyi sonuçlar vermesi sonucunda anahtar atamas yöntemi olarak önerilebilece§i gözükmektedir. Herbir senaryo için önerilen çözüm yöntemleri ile senaryolarn kar³la³tlmas yaplm³ ve problemlerde karar verilen saysnn art³nn hem a§ ya³am süresi açsndan hem de kayp veri miktar açsndan olumlu sonuçlar verdi§i gözlemlenmi³tir.