ARAZĠ TOPLULAġTIRMA ĠÇĠN OPTĠMĠZASYON TABANLI YENĠ BĠR DAĞITIM VE PARSELASYON MODELĠNĠN
GELĠġTĠRĠLMESĠ Hüseyin HAKLI DOKTORA TEZĠ
Bilgisayar Mühendisliği Anabilim Dalı
Eylül-2017 KONYA Her Hakkı Saklıdır
iv
ÖZET
DOKTORA TEZĠ
ARAZĠ TOPLULAġTIRMA ĠÇĠN OPTĠMĠZASYON TABANLI YENĠ BĠR DAĞITIM VE PARSELASYON MODELĠNĠN GELĠġTĠRĠLMESĠ
Hüseyin HAKLI
Selçuk Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Anabilim Dalı
DanıĢman: Prof. Dr. Harun UĞUZ
2017, 115 Sayfa Jüri
Prof. Dr. Harun UĞUZ Prof. Dr. Ahmet ARSLAN
Prof. Dr. Tayfun ÇAY Doç. Dr. Gülay TEZEL
Yrd. Doç. Dr. Mehmet HACIBEYOĞLU
Arazi toplulaĢtırması (AT), çeĢitli sebepler nedeniyle parçalanmıĢ tarım arazilerinin birleĢtirilerek tarıma verimli hale getirilmesi ve çiftçi için uygun tarım ortamının oluĢturulması için yapılan çalıĢmalardır. Ülkemizde tarımsal istatistiklerin geliĢmiĢ ülkelerin gerisinde kaldığı gözlemlenmekte ve AT çalıĢmalarının bir an önce hızlandırılması gerekmektedir. Birçok aĢamadan oluĢan ve yorucu bir süreç olan AT‟ nin en önemli iki aĢaması arazi dağıtımı ve arazi parselasyonudur.
Arazi dağıtımı arazi parsellerinin hangi blokta yer alacağına, arazi parselasyonu ise blokları belirlenmiĢ olan yeni parsellerin bloğun neresinde olacağına karar verilen aĢamadır. Günümüzde AT süreci bir bilgisayar yazılımı ile teknisyen tarafından manuel olarak gerçekleĢtirilmektedir. Arazi dağıtım ve arazi parselasyon problemleri geniĢ bir arama uzayını sahip, birbiri ile çeliĢen kriterler içeren ve geleneksel teknikler ile çözümü mümkün olmayan gerçek dünya optimizasyon problemleridir. Arazi dağıtımı ve parselasyonu için yapılan çalıĢmalar ümit verici olsa da geliĢtirilmesine ve iyileĢtirilmesine ihtiyaç duyulmaktadır. Bu tez çalıĢmasında arazi dağıtım problemi için yeni bir amaç fonksiyonu geliĢtiren, genetik algoritmalar (GA), dağıtık arama (SS) ve diferansiyel evrim algoritmaları (DE) yöntemleri ile dağıtımı otomatik olarak gerçekleĢtiren ve 8 aĢamalı uzman bir sistem ile blokların tamamlanmasını sağlayan yeni bir model önerildi. Arazi parselasyonu için ise ikili arama (BS) ve Delaunay üçgenlenmesi (DT) tekniklerini kullanarak GA yöntemi ile otomatik olarak parselasyon iĢlemini önerilen amaç fonksiyonu yardımıyla gerçekleĢtiren yeni bir model sunuldu.
Arazi dağıtımı için önerilen model farklı evrimsel algoritmalar ile üç farklı çalıĢma alanı üzerinde uygulandı. DE ve SS yöntemleri arazi dağıtım planı kriterleri dikkate alındığında geleneksel yönteme göre çok daha baĢarılı olarak haftalar süren süreci dakikalar içinde otomatik olarak gerçekleĢtirdi. Literatürde çok az çalıĢma bulunan arazi parselasyonu için ise sağlam bir altyapı oluĢturularak, geliĢtirilen yöntem gerçek bir çalıĢma alanına uygulandı. Üç farklı arazi parselasyon kriterini dikkate alan amaç fonksiyonuna göre yapılan değerlendirmede önerilen yöntemin teknisyene göre daha baĢarılı olduğu görüldü. Her iki problem için geliĢtirilen modeller hem sağlamlıkları hem de doğrulukları ile yapılacak çalıĢmalar için önemli bir zemin oluĢturmaktadır.
Anahtar Kelimeler: arazi toplulaĢtırma, ayrık optimizasyon, dağıtık arama, diferansiyel evrim algoritması, evrimsel algoritmalar, genetik algoritmalar, uzman sistem.
v
THE DEGREE OF DOCTOR OF PHILOSOPHY IN COMPUTER ENGINEERING
Advisor: Prof. Dr. Harun UĞUZ 2017, 115 Pages
Jury
Prof. Dr. Harun UĞUZ Prof. Dr. Ahmet ARSLAN
Prof. Dr. Tayfun ÇAY Assoc. Prof. Dr. Gülay TEZEL Asst. Prof. Dr. Mehmet HACIBEYOĞLU
Land consolidation (LC) are efforts made to make them productive with consolidating agricultural farms that have been fragmented due to various reasons and create suitable agricultural environment for farmers. It is observed that agricultural statistics are behind developed countries in our country and LC studies should be accelerated as soon as possible. The two most important steps of LC, which is a multi-staged and exhausting process, are land redistribution and land partitioning.
Land redistribution is related to determining blocks of cadastral parcels, and land partitioning deals with determining the locations of these new parcels inside that block. Nowadays, the LC process is performed manually by a technician with computer software. Land redistribution and land partitioning problems are real world optimization problems that have a wide search space, contain contradictory criteria and cannot be solved with traditional techniques. Although studies for land redistribution and partitioning are promising, they need to be developed and improved. In this thesis, a new model which develops a new objective function for the land redistribution problem, performs the redistribution automatically with genetic algorithms (GA), scatter search (SS) and differential evolution algorithms (DE) and completes the blocks with 8 stage expert system was proposed. For the land partitioning, a new model was presented by using the binary search (BS) and Delaunay triangulation (DT) techniques and automatically performing the partitioning process with the GA method using the proposed objective function.
The proposed model for land redistribution was applied on three different study area with different evolutionary algorithms. DE and SS methods were performed much more successfully than the conventional method when the land distribution plan criteria were taken into consideration with reducing the process from weeks to minutes. For the land partitioning, which have very few studies in the literature, a robust infrastructure was established and the proposed model was applied to a real study area. The proposed method was more successful than the technician at evaluating with respect to objective function considering three different land partitioning criteria. Models developed for both problems form an important ground for studies to be carried out with their robustness and accuracy.
Keywords: differential evolution algorithm, discrete optimization, evolution algorithms, expert system, genetic algorithms, land consolidation, optimization, scatter search.
vi
ÖNSÖZ
Bu çalıĢmanın yürütülmesinde beni bilgi ve tecrübesiyle yönlendiren, her konuda anlayıĢ gösteren ve gerektiğinde gösterdiği yolda benle beraber yürüyen danıĢman hocam Prof. Dr. Harun UĞUZ ‟a;
Tez izleme komitesinde yer alan ve değerli katkılarıyla çalıĢmama destek veren Doç. Dr. Gülay TEZEL ve Prof. Dr. Tayfun ÇAY ‟a;
ÇalıĢmalarım sırasında desteklerini ve yardımlarını esirgemeyen Yrd. Doç. Dr. Ömer Kaan BAYKAN, Doç. Dr. Mustafa Servet KIRAN hocalarıma ve Selçuk Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü‟nün tüm öğretim elemanlarına;
ÇalıĢmalarımın gerçekleĢtirilmesinde vermiĢ oldukları destek için ÖYP Kurum Koordinatörlüğü‟ne ve 2211- Yurt Ġçi Lisansüstü Programı kapsamında burs imkânı sağlayan Türkiye Bilimsel ve Teknolojik AraĢtırma Kurumu (TÜBĠTAK)‟na
Bugünlere gelmemde büyük pay sahibi olan annem Makbule HAKLI ve babam Osman HAKLI ‟ya;
Yoğun çalıĢmalarım nedeniyle bunaldığım zamanlarda gösterdiği ilgi, anlayıĢ ve bana verdiği destek için eĢim Özlem HAKLI ve yorgun olduğumda gülümsemesi ve sevgisi ile mutlu olmamı sağlayan kızım Elif Yade HAKLI‟ ya teĢekkür ederim.
Hüseyin HAKLI KONYA-2017
vii
1. GĠRĠġ ... 1
1.1. Teze GiriĢ ve Tezin Amacı ... 1
1.2. Literatüre Katkısı ... 5
1.3. Tezin Organizasyonu ... 5
2. KAYNAK ARAġTIRMASI ... 7
2.1. Arazi ToplulaĢtırması için Kaynak AraĢtırması ... 7
2.2. Arazi Dağıtım Problemi için Kaynak AraĢtırması ... 9
2.3. Arazi Parselasyon Problemi için Kaynak AraĢtırması ... 13
2.4. GA, SS ve DE Algoritmaları için Kaynak AraĢtırması ... 15
2.5. BS ve DT Teknikleri için Kaynak AraĢtırması ... 16
3. MATERYAL VE METOT ... 17
3.1. Materyal ... 17
3.1.1. Alanözü köyü ... 17
3.1.2. Üçhüyük köyü ... 20
3.1.3. Ekinözü köyü ... 21
3.1.4. ÇalıĢma alanları için gerekli veriler ... 23
3.1.5. Matlab ... 25
3.1.6. MySQL ... 25
3.2. Metot ... 26
3.2.1. Genetik algoritmalar (GA) ... 26
3.2.2. Dağıtık arama (SS) ... 27
3.2.3. Diferansiyel evrim algoritması (DE) ... 29
3.2.4. Ġkili arama (BS) ... 31
3.2.5. Delaunay üçgenlemesi (DT) ... 32
4. PROBLEMLERĠN ÇÖZÜMÜ ĠÇĠN GEREKLĠ ĠġLEMLER ... 33
4.1. Veritabanının OluĢturulması ... 33
4.2. Nesne Yönelimli Programlamanın GerçekleĢtirilmesi ... 39
4.3. Grafiksel Gösterimin Hazırlanması ... 40
5. ARAZĠ DAĞITIM PROBLEMĠNĠN EVRĠMSEL ALGORĠTMALAR ĠLE ÇÖZÜLMESĠ ... 43
viii
5.2. Ön ĠĢlemlerin GerçekleĢtirilmesi ... 44
5.3. Yeni Amaç Fonksiyonu ... 45
5.4. Evrimsel Algoritmaların Arazi Dağıtım Problemine Uygulanması... 47
5.4.1. GA ile çözülmesi ... 48
5.4.2. SS ile çözülmesi ... 50
5.4.3. DE ile çözülmesi ... 54
5.5. Blok Dengelemesinin Uzman Sistem ile GerçekleĢtirilmesi ... 56
5.6. Arazi Dağıtım Problemi için Deneysel Sonuçlar ... 60
5.6.1. Önerilen amaç fonksiyonun değerlendirilmesi ... 60
5.6.2. Alanözü köyü için deneysel sonuçlar ... 61
5.6.3. Üçhüyük köyü için deneysel sonuçlar ... 64
5.6.4. Ekinözü köyü için deneysel sonuçlar ... 69
6. ARAZĠ PARSELASYON PROBLEMĠNĠN GENETĠK ALGORĠTMALAR ĠLE ÇÖZÜLMESĠ ... 77
6.1. Arazi Parselasyon Problemi ... 77
6.2. Ön Parselasyon Planının OluĢturulması ... 80
6.3. Amaç Fonksiyonu ... 87
6.4. Önerilen Yöntemin Arazi Parselasyon Problemine Uygulanması ... 88
6.5. Arazi Parselasyon Problemi için Deneysel Sonuçlar ... 92
7. SONUÇLAR VE ÖNERĠLER ... 99 7.1 Sonuçlar ... 99 7.2 Öneriler ... 101 KAYNAKLAR ... 102 EKLER ... 108 ÖZGEÇMĠġ ... 113
ix BSTA : Blok Ġçine DüĢen Sabit Tesis Alanı CAD : Bilgisayar Destekli Tasarım
CBS : Coğrafi Bilgi Sistemi DT : Delaunay Üçgenlemesi DOP : Düzenleme Ortaklık Payı FEs : Uygunluk Değerlendirme Sayısı GTH : Gıda, Tarım ve Hayvancılık GUI : Grafiksel Kullanıcı Arayüzü GA : Genetik Algoritmalar
DE : Diferansiyel Evrim Algoritması
KPOD : Kadastro Parsellerinin Ortalama Derecesi PA : Parsel Alanı
PS : Parsel Sayısı
TBY1 : Yöntem Tarafından Elde Edilen Tercih BaĢarı Yüzdesi
TBY2 : Uzman Sistem Uygulandıktan Sonra Elde Edilen Tercih BaĢarı Yüzdesi TBS : Toplam Blok Sayısı
TCP : Tercih Ceza Puanı
TRGM : Tarım Reformu Genel Müdürlüğü REFSET : Referans Kümesi
SS : Dağıtık Arama
YPD : Yeni Parselin Derecesi
YPKPA : Yeni Parselin Kapsadığı Kadastro Parsel Alanları Toplamı YPSTA : Yeni Parselin Kapsadığı Sabit Tesis Alanı
1. GĠRĠġ
1.1. Teze GiriĢ ve Tezin Amacı
Tarım, insan hayatını sürdürebilmek için gerekli olan temel ekonomik ve sosyal bir sektördür. Tarımın insanoğlunun varlığını devam ettirebilmesi adına taĢıdığı bu öneme rağmen sürekli artan dünya nüfusu karĢısında toprak varlığı aynı kalmaktadır. Ayrıca, arazi parçalanması nedeniyle tarım arazileri giderek azalmaktadır. Arazi parçalanması, çeĢitli sebepler ile arazi parsellerinin sürekli parçalanarak küçük ve verimsiz hale gelmesidir. Tarım arazilerinin küçük, parçalı ve dağınık olması iĢgücü, sermaye ve üretim kayıplarına neden olarak tarımsal verimliliği olumsuz yönde etkilemektedir. Arazi parçalanması, üretim ve ulaĢım maliyetini artırdığı gibi iĢletme sahiplerinin gelirlerini de azaltmaktadır (Demetriou ve ark., 2012a). Dünyadaki birçok ülke tarım ekonomisini doğrudan etkileyen bu problemle uğraĢmakta ve bu problemin çözümü için arazi toplulaĢtırmasını (AT) uygulamaktadır (Dijk van, 2002; Demetriou ve ark., 2012b). Çünkü AT projeleri ile bu problemin önüne geçilmeye çalıĢılmazsa mevcut durum daha da kötüleĢecektir (FAO, 2003). AT, çeĢitli sebepler nedeniyle parçalanmıĢ tarım arazilerinin birleĢtirilerek tarıma verimli hale getirilmesi ve yol ve su kanallarının yeniden düzenlenerek çiftçi için uygun tarım ortamının oluĢturulması için yapılan çalıĢmalardır. AT, sadece kırsal kalkınma projesini uygulamak için mükemmel bir araç olmakla kalmaz, aynı zamanda tarımsal yapıları geliĢtirir, doğa ve çevre projelerini uygular ve ulusal ve yerel altyapı projelerini içermektedir (Pasakarnis ve Maliene, 2008).
Tarım arazilerinin parçalı olma durumu iĢletme baĢına düĢen parsel sayısı ile gözlemlenmektedir. 2002 yılında Türkiye‟de iĢletme baĢına düĢen parsel sayısı 5.9 iken, 2006‟ da 6.3 ‟e ve 2011‟ de 6.9‟a yükselmiĢtir. Ayrıca, 1950 yılında 77 dekar olan ortalama iĢletme ölçeği 2001 yılında 61 dekar seviyesine gerilemiĢtir (Anonim, 2014a). Ortalama iĢletme ölçeği, Avrupa Birliği (AB)‟nde yaklaĢık 174 dekardır (Ballı, 2005). AB‟ de ortalama iĢletme ölçeği, ülkemize göre neredeyse üç kat daha fazladır. Maliye Bakanlığı‟nın 2014 yılındaki ekonomik raporun da tarımın GSYH içindeki payı % 6.0, tarımla uğraĢan nüfusun toplam nüfus içindeki payı ise yaklaĢık %22.3'dir (Anonim, 2014b). AB ülkelerinde ise tarımla uğraĢan nüfusun toplam nüfus içindeki payı %5.5 civarındadır. GeliĢmiĢ ülkelerde tarımla uğraĢan nüfus azalırken tarım arazileri giderek büyümektedir. Ülkemizde tarımla uğraĢan nüfus AB ülkelerinin 4 katı büyüklükte
Yıl Alan (ha) 1961-2002 450.000 2003-2007 132.000 2008 430.000 2009 103.000 2010 26.000 2011 601.998 2012 1.210.604 2013 1.036.356 2014 992.827 2015 100.000 TOPLAM 5.082.785
Ülkemizde toplulaĢtırma faaliyetleri Tarım Reformu Genel Müdürlüğü (TRGM), GTH Bakanlığı ve Tarım Ġl Müdürlükleri tarafından genellikle ihale yöntemi ile özel firmalar tarafından gerçekleĢtirilmektedir. GTH Bakanlığı‟nın 2013-2017 stratejik planında her yıl 1 milyon hektar arazinin toplulaĢtırılması hedeflenmektedir (Anonim, 2013). Böylece, Türkiye‟nin I. aĢama arazi toplulaĢtırılmasının tamamlanması istenmektedir. Ayrıca, TRGM müdürü tarafından, bir röportajda AT çalıĢmalarının 7 yıl içinde tamamlanmasının hedeflenmekte olduğu ve 2012 yılsonu itibariyle toplam 4 milyon hektar arazinin toplulaĢtırılacağı söylenmiĢtir (Küsek, 2011). Çizelge 1.1 incelendiğinde, 2015 yılı haricinde GTH Bakanlığı‟nın belirlediği hedef gerçekleĢse de, TRGM müdürünün belirlediği hedefin gerisinde kalınmıĢtır. Özellikle ABD, Kanada ve AB‟de bulunan geliĢmiĢ ülkeler toplulaĢtırma konusunda dünyaya önderlik etmekte, hatta geliĢmiĢ ülkelerin pek çoğu II. aĢama toplulaĢtırma projelerini tamamlamıĢ durumdadırlar (Acar, 2015).
Verilen bilgiler dikkate alındığında, ülkemizde AT çalıĢmalarının hızlandırılması gerektiği ve tarımsal verilerin geliĢmiĢ ülkelerin gerisinde kaldığı gözlemlenmektedir. Bu nedenle, I. kuĢak AT çalıĢmalarının bir an önce tamamlanarak tarımsal verimliliğin arttırılması gerekmektedir. AT çalıĢmalarının yavaĢ yürütülüyor
olmasının en önemli nedeni, sürecin yoğun emek ve zaman istemesi bir o kadar da politik ve karmaĢık bir süreç olmasıdır. Birçok aĢamadan oluĢan ve yorucu bir süreç olan AT‟ nin en önemli aĢaması arazi yeniden tahsisinin gerçekleĢtirilmesidir. Arazi yeniden tahsisi ise iki alt iĢlemden oluĢmaktadır: arazi dağıtımı ve arazi parselasyonu (Demetriou ve ark., 2012b). Arazi dağıtım iĢleminin çıktısı arazi parselasyon iĢleminin girdisini oluĢturmaktadır. AT çalıĢmaları için gerekli verilerin bilgisayar ortamına aktarılmasıyla süreç baĢlamaktadır. ġekil 1.1‟de AT süreci genel hatlarıyla gösterilmektedir.
ġekil 1.1. AT sürecinin adımları
ÇalıĢma alanı, ilk olarak yol ve su kanallarına uygun Ģekilde alt bloklara bölünmektedir. Blok planlaması tamamlandıktan sonra her bir arazi sahibi (iĢletme) ile mülakat gerçekleĢtirilir. Mülakat esnasında yasa gereği arazi sahipleri ile toplulaĢtırma sonrasında parsellerini nerede istediklerine iliĢkin istekleri görüĢülmekte, her bir iĢletmeden parselleri için 3 farklı blok tercihi alınmaktadır. ĠĢletmenin parsel yoğunluğu çok dağınık ise iĢletme farklı parselleri için farklı blok tercihleri yapabilmektedir. Arazi dağıtımı, arazi parsellerinin hangi blokta yer alacağına iĢletme tercihleri dikkate alınarak karar verilen aĢamadır. Arazi dağıtım problemi n sayıda kadastral parselin m sayıda blok içine belli kriterler dikkate alınarak blok alanları tam dolu olacak Ģekilde yerleĢtirilmesidir (Cay ve Iscan, 2011). Bloklara yerleĢtirilirken iĢletmelerin öncelikle ilk tercihleri dikkate alınmakta, bunun mümkün olmaması halinde de ikinci ve üçüncü tercihler temelinde dağıtım yapılmaktadır. Arazi parselasyonu ise blokları belirlenmiĢ olan yeni parsellerin bloğun neresinde olacağına karar verilen aĢamadır. En basit anlatım ile ilgili bloğa atanmıĢ n sayıda parselin blok içinde hangi sırada yerleĢeceğine karar verilmektedir. Parselasyon aĢamasında iĢletmelerin uzun yıllar kullanacağı parselin konumu, cephesi, endeksi gibi hususlar belirlenmektedir. Bu iki problem, AT sürecinin en zor, zaman alıcı, karmaĢık ve birbiri ile çeliĢen kriterler içeren aĢamalarıdır. AT sürecinin son aĢaması olan arazi parselasyonu tamamlandıktan sonra gerekli formların hazırlanması ve raporlanma iĢlemine geçilmektedir.
fazla zaman ve emek harcanmasına neden olmakta hem de süreçlerin baĢarısını teknisyenin bireysel baĢarısına bağlı kılarak sonucu tartıĢılır hale getirmektedir. Literatürde arazi dağıtım probleminin çözümüne yönelik farklı yaklaĢımlar ve yöntemler kullanılırken, arazi parselasyonu ile ilgili çok fazla çalıĢma bulunmamaktadır. Arazi dağıtımı ve parselasyonu için yapılan çalıĢmalar ümit verici olsa da, çalıĢmaların tek bir çalıĢma alanına özgü olması, gerçekçi olmaması veya operasyonel olarak uygulanamaması, önemli verileri göz ardı etmesi, bütün süreci yönetememesi vb. sebepler nedeniyle geliĢtirilmesine ve iyileĢtirilmesine ihtiyaç duyulmaktadır.
Bu tez çalıĢmasında, mevcut arazi dağıtım ve parselasyon modellerinin dezavantajlarını ortadan kaldıracak, zamandan ve emekten tasarruf sağlayacak, çok fazla sayıda veriyi (iĢletme sayıları, iĢletme tercihleri, blok sayıları vb.) aynı anda iĢleyip tarafsız bir Ģekilde değerlendirebilecek, böylece parsellerin arazi sahiplerinin tercihlerine göre en uygun bloklara, bloklar içerisinde minimum boĢluk kalacak Ģekilde atayabilecek, çiftçilerin haklarını gözeterek blok içerisinde parselasyon ölçütlerine göre en ideal yere yerleĢtirecek uzman sistemler ve optimizasyon tekniklerine dayanan bilgisayar tabanlı yeni bir dağıtım ve parselasyon modelinin geliĢtirilmesi amaçlanmaktadır. Arazi dağıtım problemi için yeni bir amaç fonksiyonu geliĢtiren, genetik algoritmalar (GA), dağıtık arama (SS) ve diferansiyel evrim algoritmaları (DE) ile dağıtımı otomatik olarak gerçekleĢtiren ve 8 aĢamalı uzman bir sistem ile blokların tamamlanmasını sağlayan yeni bir model önerilmektedir. Arazi parselasyonu için ise ikili arama (BS) ve Delaunay üçgenlenmesi (DT) teknikleri kullanarak GA yöntemi ile otomatik olarak parselasyon iĢlemini gerçekleĢtiren yeni bir model sunulmaktadır.
1.2. Literatüre Katkısı
Arazi dağıtım ve arazi parselasyon problemleri AT sürecinin en karmaĢık ve zaman alan aĢamaları olup, geniĢ bir arama uzayını sahip ve birbiri ile çeliĢen kriterler içeren gerçek dünya optimizasyon problemleridir. Bu iki gerçek dünya probleminin optimize edilebilmesi için problemlere uygun amaç fonksiyonları gerekmektedir. Problemlere özgü geliĢtirilen amaç fonksiyonları ile arazi dağıtım ve parselasyon planlarının kalitesini ölçebilecek, değerlendirebilecek ve karĢılaĢtırabilecek bir sistem literatüre eklenmektedir. Ayrıca evrimsel algoritmalar ile bu iki problemin çözümü gerçekleĢtirilerek, optimizasyonun gerçek hayatta ne kadar etkili olduğu gösterilmektedir. Farklı algoritmaların aynı problem üzerinde kıyaslanması ile algoritmaların birbirine karĢı üstünlükleri ve zayıf yönleri ortaya çıkarılmaktadır.
AT sürecinin hızını doğrudan etkileyecek arazi dağıtım ve parselasyon süreçlerinin otomatik olarak ve normalde gerçekleĢtiren süreden çok daha kısa sürede tamamlanması ile süreç hızlandırılmaktadır. Ayrıca teknisyenin bilgi, beceri ve günlük durumuna bağımlı olan bu süreçler için, geliĢtirilen yöntemler ile objektiflik, tutarlılık ve meĢruiyet derecesi daha yüksek bir sonuca eriĢilmesi sağlanmaktadır. GeliĢtirilen yöntemler ile itiraz süreçlerine anlık çözümler üretebilmekte ve alternatif dağıtım ve parselasyon planları sunabilmektedir.
Bu tez çalıĢmasında arazi dağıtım için geliĢtirilen yöntem literatürdeki benzer çalıĢmaların avantajlarını kullanıp, dezavantajlarını ortadan kaldırmaktadır. Birden fazla gerçek çalıĢma sahasına uygulanarak yöntemin baĢarısı ve kullanılabilirliği test edilmektedir. Literatürde çok az çalıĢma bulunan arazi parselasyonu için ise sağlam bir altyapı oluĢturularak, geliĢtirilen yöntem gerçek bir çalıĢma alanına uygulanmaktadır. GeliĢtirilen yöntemler, hem literatürdeki benzer çalıĢmalar hem de teknisyen ile karĢılaĢtırılmakta ve sonuçlar paylaĢılmaktadır. Elde edilen sonuçların, diğer çalıĢmalar ve teknisyen tarafından elde edilen sonuçlara göre daha baĢarılı olduğu görülmektedir. Her iki problem için geliĢtirilen yöntemler bundan sonra yapılacak çalıĢmalar için önemli bir zemin oluĢturmaktadır.
1.3. Tezin Organizasyonu
Materyal ve metotları içeren üçüncü bölümde tez çalıĢmasında kullanılacak gerçek çalıĢma sahaları olan Alanözü, Üçhüyük ve Ekinözü köyleri hakkında genel bilgiler verilmektedir. Tez çalıĢmasında, arazi dağıtım problemine uygulanan GA, SS ve DE evrimsel algoritmaları ile arazi parselasyon problemi için kullanılan BS ve DT teknikleri anlatılmaktadır.
Arazi dağıtım ve arazi parselasyon problemlerinin çözümü için gerekli olan veritabanının oluĢturulması, nesne yönelimli programlamanın gerçekleĢtirilmesi, grafiksel gösterimin hazırlanması iĢlemleri ile yazılım için hazırlanan arayüzler dördüncü bölümde sunulmaktadır.
Arazi dağıtım probleminin açıklanması, gerçekleĢtirilen ön iĢlemler, geliĢtirilen amaç fonksiyonu, evrimsel algoritmaların probleme uygulanması ve blokların tamamlanması için önerilen 8 aĢamalı uzman sistem beĢinci bölüm içerisinde yer almaktadır. Ayrıca bu bölüm Alanözü, Üçhüyük ve Ekinözü köyleri için geliĢtirilen yöntem ile elde edilen dağıtım sonuçlarını, analizlerini ve evrimsel algoritmaların karĢılaĢtırılmasını içermektedir.
Altıncı bölümde arazi parselasyon probleminin tanımı, ön parselasyon planının BS ve DT teknikleri ile oluĢturulması, geliĢtirilen amaç fonksiyonu ve GA yönteminin arazi parselasyon problemine uygulanması bulunmaktadır. Ayrıca bu bölümde Alanözü köyü için geliĢtirilen yöntem ile elde edilen parselasyon sonuçları, analizleri ve teknisyen ile karĢılaĢtırılması gerçekleĢtirilmektedir.
Son bölümde tez çalıĢması ve sonuçlar genel olarak değerlendirilerek gelecek çalıĢmalar için öneriler paylaĢılmaktadır.
2. KAYNAK ARAġTIRMASI
Kaynak araĢtırması beĢ farklı baĢlık altında gerçekleĢtirilmektedir. Ġlk olarak AT sürecinin gerekliliği, neden ihtiyaç duyulduğu ve genel durumu hakkında kaynak araĢtırması sunulmaktadır. Arazi dağıtım probleminin çözümü için literatürde farklı teknikler kullanırken, arazi parselasyonu için çok sayıda çalıĢma bulunmamaktadır. Arazi dağıtım ve arazi parselasyon problemlerinin çözümü için yapılan çalıĢmalar ayrı alt baĢlıklar altında gösterilmektedir. Ayrıca tez çalıĢmasında kullanılan GA, SS ve DE evrimsel algoritmaları ile BS ve DT tekniklerinin uygulama alanları için kaynak araĢtırması gerçekleĢtirilmektedir.
2.1. Arazi ToplulaĢtırması için Kaynak AraĢtırması
Bu baĢlık altında AT sürecinin tanımı, aĢamaları, sorunları, günümüzde nasıl gerçekleĢtirildiği, hedefleri, yararları, ülkemizde ve diğer ülkelerde ne durumda olduğu hakkında bilgiler içeren çalıĢmalara yer verilmektedir.
Erdi ve ark. (Erdi ve ark., 2002) çalıĢmasında, Türkiye‟deki arazi düzenleme çalıĢmalarındaki hedefler, geçmiĢte ve günümüzde yapılan uygulamalarla, düzenleme sonrası izleme konularındaki davranıĢ ve politikaların bir eleĢtirisi yapılmaktadır. ÇalıĢmanın AT konusunda yapılan yeni yasal düzenleme çalıĢmalarına bir katkısının olması temel amaç olarak seçilmiĢtir. Bugün hala Türkiye‟de AT çalıĢmalarının baĢlangıcındaki anlayıĢ ve yaklaĢımların aynen korunduğunu tespit etmiĢlerdir.
Van Dijk (Dijk van, 2002) çalıĢmasında, Orta Avrupa tarımının toprak mülkiyetinin aĢırı parçalanması ile uğraĢtığını ifade etmiĢtir. Batı Avrupa tecrübesi göz önüne alındığında, AT‟ nın yalnızca parçalanmanın hızlı bir Ģekilde azaltılması için yararlı olmadığını, aynı zamanda tarımsal harcamaları daima değiĢen dünya pazarı koĢullarına, tarım politikalarına veya bölgesel ekonomik geliĢmelere uyarlamak için önemli olduğu belirtmiĢtir. ÇalıĢmasında, arazi parçalanmasında ve AT ihtiyacında meydana gelecek muhtemel geliĢmeleri göstermiĢtir.
Ballı (Ballı, 2005), ülkemizde toplulaĢtırma çalıĢmalarının Köy Hizmetleri Genel Müdürlüğünün kapatılmasıyla merkezi kurum olarak Tarım Reformu Genel Müdürlüğü tarafından sürdürüldüğünü ifade etmiĢtir. AT projelerinin yürütülmesi için, ayrılan ödeneklerle yılda en fazla 30000 hektar alanın toplulaĢtırması
parçalanmasına, köy çevresinde dağınık, küçük ve Ģekilleri düzensiz parsellerden oluĢan iĢletmelerin, “yeter gelirli aile” normlarının altına düĢmesine neden olduğunu, bu sorunun parçalanmıĢ mülklerin toplulaĢtırılması ile çözülebileceğini ifade etmiĢtir.
Miranda ve ark.(Miranda ve ark., 2006) Ġspanya‟nın iç kırsal kesimlerinde gerçekleĢtirilen AT uygulamalarının gerekli katkıyı verip vermediklerini incelemiĢlerdir. Proje değerlendirmesi için genel AB kurallarını dikkate alarak CBS destekli analizler yardımıyla sosyal, ekonomik, çevresel ve idari faktörler belirlenmiĢtir. Yapılan inceleme sonunda AT‟nin kırsal nüfusun azalmasını yavaĢlatma açısından olumlu bir katkı sağladığı görülmüĢtür.
Ayten (Ayten, 2007), Türkiye tarımının bozuk iĢletme yapısına sahip olması ve arazi parsellerinin küçük, parçalı ve dağınık olmasının sulama ve ulaĢım ağından yeterince faydalanılamamasına neden olduğunu anlatmıĢtır. Bu durumun özellikle iĢgücü, sermaye ve üretim kayıplarına yol açması nedeniyle parçalanmıĢ tarım arazilerinin birleĢtirilmesinin gerekliliğini ifade etmiĢtir. Tarım arazilerin yeniden düzenlenmesi çalıĢmalarında AT iĢlerine önem ve hız verilerek optimizasyon tekniklerinin kullanılması gerektiğini belirtmiĢtir. Ayrıca toplulaĢtırmanın en önemli ara iĢlemlerinden birinin dağıtım olduğunu bu iĢlemde insan faktörünün devreye girmesi nedeniyle dağıtımı yapan kiĢinin aldığı eğitim Ģekline, yeteneğine, o günkü psikolojisine bağımlı kalındığını açıklamıĢtır. Böylece, sabit kriterlerden uzak ve belirli standardı olmayan yeni parseller oluĢturulduğunu belirtmiĢtir. ParçalanmıĢ, dağınık ve hisseli arazi parçalarının toplulaĢtırma iĢlemlerinin gerçekleĢtirilmesinde matematik modellere dayanan ve optimum seviyede yeni parselasyon planının oluĢumunu sağlayan parsel büyüklüğü esaslı dağıtım modeli üzerinde çalıĢılması gerektiğini ifade etmiĢtir.
Demetriou ve ark.(Demetriou ve ark., 2012b) arazi parçalanması, toplulaĢtırma ve yeniden tahsisi konularını araĢtırmıĢ ve uzun süren projeler, yüksek iĢletme masrafları ve ilgili paydaĢlar arasındaki çatıĢmalar nedeniyle Kıbrıs'ta AT için yeni bir
planlama destek sistemine ihtiyaç duyulduğunu ileri sürmüĢtür. ÇalıĢmasında, arazi toplulaĢtırmasının hâlihazırda Ġngiltere ve Ġrlanda Cumhuriyeti dıĢındaki tüm AB ülkelerinde uygulanmakta veya uygulama altında olduğunu belirtmiĢ ve AB dıĢındaki diğer ülkelerden de bahsetmiĢtir.
Çay (Çay, 2013), Arazi Düzenlemesi ve Mevzuatı adlı kitabında toplulaĢtırmanın dar ve geniĢ anlamda tanımını, faydalarını, amaçlarını, tarihsel geliĢimini yol ve su ağlarının planlanmasını ve derecelendirme çalıĢmalarını detaylı bir Ģekilde açıklamıĢtır. Ayrıca kitapta AT iĢlemlerinin iĢ akıĢını baĢlangıçtan sonuna kadar ayrıntılı bir Ģekilde vererek tam bir uygulama rehberi haline getirmiĢtir. AT ile tarla içi geliĢtirme hizmetlerinde ve toplulaĢtırma iĢlemlerinde kullanılan resmi yazıĢmalardan örnekler vererek konuyu mevzuat yönünden değerlendirmiĢ eksiklikleri ve olması gerekenleri detaylı bir Ģekilde açıklamıĢtır.
Son 25 yılda, zorunlu adımlara uyulmaması ve teknisyenlerin çoğu zaman gerekli yeterliliklerden yoksun olmaları nedeniyle LC projelerinin temel kusurlara maruz kaldıkları görülmektedir (Muchova ve ark., 2016).
2.2. Arazi Dağıtım Problemi için Kaynak AraĢtırması
1970li yıllardan günümüze arazi yeniden tahsisi probleminin çözümü için bilgisayar destekli çalıĢmalar gerçekleĢtirilmiĢtir ve algoritmalar önerilmiĢtir. Kik (Kik, 1971), Klempert (Klempert, 1974) ve Tenkanen (Tenkanen, 1987) AT çalıĢmalarında tarım arazilerinin yeniden tahsisinde matematiksel programlama metotlarının farklı algoritmalar ile nasıl kullanıldığı konusunda çalıĢmalar yapmıĢlardır.
Özdemir‟in yaptığı çalıĢmada, yöneylem araĢtırma teknikleri kullanılarak blok dağıtımı yapılmıĢtır (Özdemir, 1989). AT verileri sayısal ortamda toplanmıĢtır. ĠĢletme-blok ve iĢletme-parsel uzaklıkları dikkate alınarak oluĢturulan program yardımıyla dağıtım gerçekleĢtirilmiĢtir.
Avcı, her iĢletme için toplulaĢtırma öncesinde yerinde kalan arazi miktarının maksimizasyonunu esas alan ve doğrusal programlama tekniğine dayanan bir model önermiĢ ve bu modeli Salihli-Yılmaz Köyü AT projesinde uygulamıĢtır (Avci, 1999). Uygulamadan elde edilen sonuçlara göre, bu modelle elde edilen planda iĢletme baĢına düĢen parsel sayısı 1‟e çok yaklaĢırken, iĢletmelere kadastro parsellerinden verilen arazi miktarı da geleneksel yöntemdeki kadar yüksek bulunmuĢtur.
geçilmiĢtir.
Çay ve ĠĢcan (Cay ve Iscan, 2006), arazi dağıtımı için en uygun planı elde etmek amacıyla doğrusal programlama tekniğine dayanan Simplex yöntemini kullanmıĢ ve bir örnek üzerinde bu yöntemi uygulamıĢtır.
Ayranci (Ayranci, 2007), arazi dağıtım problemi için yol-zaman indeksi, alan ve iĢletme tercih kriterlerine göre geliĢtirdiği matematiksel optimizasyon modelini varsayımsal bir çalıĢma alanı için uygulamıĢtır. Çiftçiler ile mülakat yaparak önerdiği yöntem ile elde edilen dağıtım sonuçlarının yeterli olduğunu belirtmiĢtir.
Matematiksel optimizasyon modelini kullanan yukarıda bahsedilen bu çalıĢmaların sonuçları bazen verimlilik açısından yeterli görülse de, bu çalıĢmalar gerçekçi ve operasyonel olarak uygulanabilir durumda değildirler (Demetriou ve ark., 2012a).
ĠĢçan (ĠĢcan, 2009; Cay ve Iscan, 2011), arazi dağıtım problemini tam anlamıyla karĢılayacak bir matematiksel modelin olmadığını belirterek, bulanık mantık metodunun problem üzerine uygulamasını gerçekleĢtirmiĢtir. AT projelerinde mülakat esaslı dağıtım yönteminin kullanıldığı ve bunun çok zaman aldığından bahsederek önerdiği bulanık mantık tabanlı sistemde mülakatlara gerek olmadığını belirtmiĢtir. Böylece dağıtım aĢaması için gerekli olan zamanı kısaltmıĢtır. Yapılan çalıĢmada, en büyük parsel, parsel yoğunluğu, sabit tesis ve en büyük 2. parsel kriterleri girdi verisi olarak kabul edilmiĢ ve üyelik fonksiyonu değerleri uzmanların bilgi ve deneyimlerinden yararlanarak hazırlanmıĢtır. Elde edilen dağıtım sonuçlarına göre; dağıtım sonrasında oluĢan parsel ve hisse sayısı, iĢletme baĢına düĢen ortalama parsel sayısı ve ortalama parsel büyüklüğü yönlerinden bulanık mantık esaslı dağıtım modelinin, mülakat ve blok öncelik esaslı dağıtım modellerine göre daha baĢarılı sonuçlar verdiği tespit edilmiĢtir. Ancak, önerilen model üyelik fonksiyonlarının her bir çalıĢma alanı için yeniden
düzenlemesine ve teknisyen müdahalesi ile blokların dengelenmesine ihtiyaç duymaktadır.
Çay ve ark.(Çay ve ark., 2009), arazi dağıtımını iĢletmelere ait en büyük ve en büyük ikinci parselleri dikkate alarak gerçekleĢtiren blok öncelik esaslı dağıtım modelini açıklamıĢ ve blok öncelik esaslı dağıtım modelinden elde edilen sonuçları mülakat esaslı dağıtım modelinden elde edilen sonuçlarla karĢılaĢtırılmıĢtır.
Hollanda‟da Jansen ve ark. (Jansen ve ark., 2010) tarafından çeĢitli matematiksel algoritmalar içeren arazi yeniden tahsisini optimize etmek ve her iĢletme için tahsis edilen değerin ve tahsis talebinin optimizasyonunda uzmana yardım etmek amacıyla Transfer isimli özel bir yazılım uygulaması geliĢtirilmiĢtir.
Uyan (Uyan, 2011) doktora tez çalıĢmasında, arazi toplulaĢtırmaya tabi tutulan parsellerin konumu, dağıtım kuralları ve atama iĢlemlerinin karmaĢık bir problem olduğunu, bunun bilgisayar desteği alınarak çözülmesi gerektiğini ifade etmiĢtir. ÇalıĢmasında AT projelerinde kullanılmak üzere verilerin kolayca iĢlenebileceği, grafik gösterimlerle desteklenen blok dağıtımları için çeĢitli kriterler göz önünde bulundurarak en üst düzeyde karar verilmesini sağlayan prototip Mekânsal Karar Destek Sistemi tasarımı gerçekleĢtirmiĢtir. AT çalıĢmalarında planlamaya ve karar vermeye yardımcı olmak üzere tasarladıkları AT-MKDS V1.0 yazılımını tamamlamıĢ bu yazılıma göre yapılan AT çalıĢmasını mülakat esaslı ve blok öncelikli dağıtım sonuçları ile karĢılaĢtırılmıĢ ve daha iyi sonuçlar alındığını ifade etmiĢtir (Uyan ve ark., 2013).
Arazi dağıtım probleminin çözümü, Demetriou ve ark. (Demetriou ve ark., 2012a) tarafından uzman sistemler ve karar verme yöntemleri kullanılarak gerçekleĢtirilmiĢtir. ÇalıĢmada, uzman sistemler ile alternatif arazi dağıtım planları oluĢturulurken, karar verme yöntemleri ile bu planların değerlendirilmesi ve en faydalı olanın belirlenmesi iĢlemi gerçekleĢtirilmiĢtir. Sonuçlar, önerilen yöntemin uzmanların sonuçlarına göre daha baĢarılı olduğu gösterse de, bilgi tabanlı sistemin yeni kurallar eklenerek geliĢtirilmesine ve ekstra verilerin (iĢletme tercih ve talepleri) sisteme dâhil edilmesine ihtiyaç olduğunu vurgulamıĢlardır.
Demetriou (Demetriou, 2012) doktora tez çalıĢmasında, AT‟nin temel problemlerinin uzun süren projeler, yüksek maliyetli iĢlemler ve paydaĢlar arasındaki çıkar çatıĢması olduğunu belirtmiĢtir. Demetriou, dağıtım ve parselasyon aĢamaları üzerine kapsamlı bir çalıĢma yapmıĢ ve 4 ana modülden oluĢan uzman sistemler, çok kriterli karar yöntemleri ve GA içeren „„LACONISS‟‟ (AT için bütünleĢtirilmiĢ planlama ve karar destek sistemi) adında bir uygulama geliĢtirmiĢtir. Bu uygulama;
geliĢtirilen algoritmaların, genelde sezgisel veya optimizasyon temelli olduğunu belirtmiĢlerdir.
Martinez ve ark. (Martinez ve ark., 2013), teknisyene yardımcı olmak ve desteklemek için CBS tabanlı yarı otomatik bir yazılım sunmuĢtur. Yazılımda, geleneksel AT sürecini iyileĢtirmek için yazılım ve teknisyen arasındaki geri bildirim sistemi ve etkileĢimli prosedür kullanılmıĢtır.
Ġnceyol (Inceyol, 2014), blok dağıtımı için birçok matematik modellemeye dayalı programlama tekniklerini incelemiĢ ve bu tekniklerin ülkemizde yapılan uygulamalarda kullanılma imkânı olmadığını belirlemiĢtir. Doktora tez çalıĢmasında, iĢletme tercihlerini ve bloklardaki taĢan ve kalan alanları dikkate alarak arazi dağıtımının yapılmasını sağlayan GA yöntemine dayalı yeni bir model (AT-GA) önermiĢ ve bu uygulamayı Boztepe köyü verileri ve Ekinözü köyü verilerini kullanarak test etmiĢtir. Önerdiği yöntemi, bu iki çalıĢma sahasında uzmanlar tarafından elde edilen dağıtım planları ile karĢılaĢtırmıĢtır. Ayrıca mülakat öncelikli ve blok öncelikli dağıtım modelleri çalıĢma alanları için uygulanmıĢtır. Parsel sayısı, ortalama parsel büyüklüğü, iĢletmeye düĢen parsel sayısı ve hisseli parsel sayısına göre modeller karĢılaĢtırılmıĢ, süre ve maliyet analizleri yapılmıĢtır. Önerilen model, hem blokların ilk dağıtımında hem de blok dengelenmesindeki problemler nedeniyle geleneksel yöntemin (mülakat öncelikli model) gerisinde kalmıĢtır.
Uyan ve ark. (Uyan ve ark., 2015), mekânsal karar destek sistemleri ve GA ile yapılan iki farklı dağıtım yönteminin sonuçlarını iĢletme baĢına düĢen parsel sayısı, ortalama parsel büyüklüğü, parsel sayısı vb. kriterlere göre karĢılaĢtırmıĢlardır. GA yöntemi, mekânsal karar destek sistemlerine göre daha baĢarılı sonuçlar elde etmiĢtir.
Çizelge 2.1‟ de arazi dağıtım probleminin çözümüne yönelik kullanılan yöntemler, uygulandıkları çalıĢma alanları ve iyileĢtirilmesi gereken durumları hakkında bilgiler bulunmaktadır.
Çizelge 2.1. Arazi dağıtımı hakkında literatürde bulunan çalıĢmaların görünümü
ÇalıĢma
ÇalıĢma Alanı
Yöntem ĠyileĢtirme Ġhtiyacı
ĠĢletme
Sayısı Parsel Sayısı Sayısı Blok Alan (ha)
(Avci, 1999) 87 402 10 129.87 Doğrusal Programlama
-gerçekçi değil veya operasyonel olarak uygulanamaz -manuel müdahale ihtiyacı (Essadiki ve ark., 2003) - - 17 - ĠĢletme Ağırlıklı Metodoloji -yarı otomatik -manuel müdahale ihtiyacı
-açık olmayan kriterler ve kısıtlamalar (Ayranci, 2007) 6 23 2 26.371 Matematiksel Optimizasyon Modeli
- gerçekçi değil veya operasyonel olarak uygulanamaz -sadece varsayımsal alana uygulanması (Cay ve Iscan, 2011) 715 1536 76 1403 Bulanık Mantık Modeli -manuel müdahale ihtiyacı -iĢletme tercihlerinin göz ardı edilmesi -üyelik fonksiyonları nedeniyle tek çalıĢma alanına özgü (Demetriou ve ark., 2012a) - - - 195 Uzman Sistemler ve Karar Verme Yöntemleri -iĢletme tercihleri ve bazı verilerin göz ardı edilmesi
-bilgi tabanına daha fazla kural eklenmesi -daha fazla çalıĢma ile sistemin test edilmesi
(Uyan ve ark., 2015) 333 683 18 153 Mekânsal Karar Destek Sistemi -manuel müdahale ihtiyacı -çalıĢma alanının yapısına oldukça bağımlı Genetik Algoritmalar -tüm süreci yönetmede baĢarısızlık -yetersiz amaç fonksiyonu
2.3. Arazi Parselasyon Problemi için Kaynak AraĢtırması
Arazi parselasyonu, günümüzde arazi dağıtımına göre teknisyen tarafından daha hızlı bir Ģekilde gerçekleĢtirilmesine rağmen, bu problemin çözümü için otomatik bir model önermek ve uygulamak arazi dağıtımına göre çok daha zordur. Bu nedenle literatürde arazi parselasyonu için çok fazla çalıĢma bulunmamaktadır.
ve kullanıcı etkileĢimleri ile gerçekleĢtirildiğini belirtmiĢtir.
Tourino ve ark. (Tourino ve ark., 2003), Bölge-büyütme algoritması ve benzetilmiĢ tavlama tekniklerini kullanarak arazi parselasyon aĢamasını otomatik olarak gerçekleĢtirmiĢtir. Ġlk olarak, yeni parsellerin konumları alan büyütme ve birleĢtirme iĢlemi ile belirlenmiĢ daha sonra yeni parsellerin Ģekillerinin düzeltilmesi benzetilmiĢ tavlama tekniği ile tamamlanmıĢtır. Ayrıca, Tourino ve ark. literatürdeki diğer çalıĢmalardan farklı olarak yöntemlerini örnek bloklar yerine iki gerçek çalıĢma sahası üzerinde uygulamıĢlardır. ÇalıĢmanın sonuçları ortalama seviye için yeterli olmasına rağmen, sabit tesisler gibi bazı AT kriterleri dikkate alınmamıĢtır. Ayrıca, Demetriou ve ark., Tourino‟nun yönteminin kadastro parsellerinin büyüklüğüne ve blok Ģekillerine fazla bağımlı olduğunu ifade etmiĢtir (Demetriou ve ark., 2013). Tourino ve ark., yöntemin hesaplama zamanı hakkında söz etmemiĢ olmakla birlikte, 5 parsele sahip örnek bir bloğun benzetilmiĢ tavlama tekniği ile düzeltilmesi 10,000 aĢamada tamamlanmıĢtır.
Demetriou ve ark. (Demetriou ve ark., 2013), arazi parsellerini Ģekillerine, alanlarına ve değerlerine göre tasarlamak ve optimize etmek için tek ve çok amaçlı yaklaĢımlar ile GA yöntemini kullanarak arazi parselasyonu aĢamasını otomatikleĢtirmiĢtir. Yöntemlerini, 3 ha 6 parsele (blok-1) ve 5 ha 10 parsele (blok-2) sahip iki örnek blok için uygulamıĢlardır. Tek amaçlı yaklaĢımda, sadece parsellerin Ģekillerinin düzenlenmesini gerçekleĢtirirken, çok amaçlı yaklaĢımda ise parsel Ģekli, alanı ve değerinin dikkate alındığı bir amaç fonksiyonu kullanmıĢlardır. Ayrıca çalıĢmada, parsel Ģekli ve alanı, parsel Ģekli ve değeri, parsel Ģekli, alanı ve değerini dikkate alacak Ģekilde üç farklı durum iki örnek blok üzerinde test edilmiĢ ve sonuçlar paylaĢılmıĢtır. Sadece parsel Ģeklini düzenleme için yöntemin hesaplama zamanı birinci blok için 4.8 saat ve ikinci blok için 12 saat sürmüĢtür. ÇalıĢmada özellikle tek amaçlı optimizasyon (yani parsellerin Ģekli) durumunda, sonuçlar her iki blok için de
optimuma ulaĢmıĢ ve dolayısıyla algoritmanın Thiessen poligon yöntemini kullanarak düzenli Ģekiller içeren çokgenler üretebileceği gösterilmiĢtir. Öte yandan, iki veya üç kriterli çok amaçlı optimizasyon söz konusu olduğunda, sonuç, bloğun karmaĢıklığına bağlı olarak farklı bir resim sunmuĢ ve bloğun karmaĢıklığı arttıkça optimumdan uzaklaĢmıĢtır. Bu sonuçlar, arazi parselasyon problemi için bir adım teĢkil etse de, sonuçların doğruluğuna ve hesaplanma süresine iliĢkin daha fazla ilerlemeye ihtiyaç duyulduğunu belirtmiĢlerdir. Demetriou ve ark.‟ nın yöntemi gerçek bir çalıĢma alanına uygulandığında, hesaplama süresi arazi parselasyonu için kabul edilemez olacaktır.
Arazi dağıtımı ve arazi parselasyonu için yapılan çalıĢmalar ümit verici olsa da, çalıĢmaların tek bir çalıĢma alanına özgü olması, gerçekçi olmaması veya operasyonel olarak uygulanamaması, önemli verileri göz ardı etmesi, bütün süreci yönetememesi, hesaplama zamanının çok fazla olması vb. sebepler nedeniyle geliĢtirilmesine ve iyileĢtirilmesine ihtiyaç duyulmaktadır.
2.4. GA, SS ve DE Algoritmaları için Kaynak AraĢtırması
GA, SS ve DE evrimsel algoritmaları diğer tekniklere nazaran kolay uygulanabilir ve basit yapıları, popülasyon çeĢitliliğini daha fazla sağlayabilmeleri, arama uzayını etkin ve verimli bir Ģekilde tarayabilmeleri sayesinde birçok gerçek dünya problemine uygulanmakta ve uygulanılmaya da devam etmektedir.
GA, farklı kodlama teknikleri ile kullanılarak sürekli ve ayrık problemlere doğrudan uygulanması ve genel baĢarısı sayesinde gerçek dünya problemleri için çok fazla tercih edilen bir algoritmadır. Devriye kuvvetlerinin dağıtımının optimize edilmesi (Lau ve ark., 2010), arazi kullanım planlaması (Porta ve ark., 2013), kapasiteli tesis yerleĢtirme problemi (Fernandes ve ark., 2014), yenilenebilir hibrit enerji sistemlerinin modellenmesi (Ismail ve ark., 2014), deprem barınaklarının yerinin ve dağılımının planlaması (Hu ve ark., 2014), çizelgeleme problemleri (Ishikawa ve ark., 2015; Jun ve Park, 2015) gibi birçok alanda GA yöntemi kullanılmaktadır.
SS algoritması ise kredi kartı dolandırıcılığı tespiti (Duman ve Ozcelik, 2011), kafatası-yüz eĢleĢtirmesi (Ibanez ve ark., 2012), araç rotalama problemi (Zhang ve ark., 2012), yoğunluğa dayalı görüntü kaydı (Valsecchi ve ark., 2014), karıĢık ağ tasarımı (Khooban ve ark., 2015), esnek iĢyeri çizelgeleme problemi (Gonzalez ve ark., 2015), elektrik güç dağıtım sistemlerinin planlaması (Padua ve ark., 2015) gibi birçok gerçek dünya problemine uygulanmaktadır.
2.5. BS ve DT Teknikleri için Kaynak AraĢtırması
BS algoritması çok basit ve uygulaması kolay hızlı bir arama tekniğidir. BS birçok problem için kullanılmaktadır: internet protokol (IP) adresi arama (Mehrotra ve Franzon, 2002; Mun ve ark., 2006), Ģekil öğrenme (Tsapanos ve ark., 2010), veri kümeleme (Hatamlou, 2012; Biernacki ve Jacques, 2016), kablosuz ağlarda saldırı tespiti (Mukherjee ve ark., 2012), hızlı etiket algılama (Yaacob ve Daud, 2012), nokta desen eĢleĢtirme (Sreeja ve Sankar, 2015), basılı resim damgalama (Wang ve Allebach, 2016) vb.
Hesaplamalı geometrinin temel baĢlıklarından biri olan DT, ağ üretimi (Baker, 1989; Wang ve ark., 2015), gerçek zamanlı engel algılama ve izleme (Kim, 2006), üç boyutlu nesne modellemesi (Caumon ve ark., 2009), endoskopik görüntülerin sınıflandırılması (Hafner ve ark., 2010), parmak izi eĢleĢtirmesi (Chau ve Soto, 2011), metin algılama (Wu ve ark., 2014), tersinir veri gizleme (Hong ve ark., 2015), sensör yerleĢtirme (Dai ve Wang, 2015), akciğer kanseri ilaç tepki seviyesi ve atom bağlantı dinamikleri arasındaki iliĢkinin analizi (Zou ve ark., 2016) vb. birçok alanda uygulanmaktadır.
3. MATERYAL VE METOT
Tez çalıĢmasında kullanılan çalıĢma alanları, programlar ve yöntemler hakkında detaylı bilgi bu baĢlık altında verilmektedir.
3.1. Materyal
Arazi dağıtım problemi için önerilen yöntemin baĢarısını, geçerliliği ve sağlamlığı gösterebilmek adına üç farklı çalıĢma alanı belirlenmiĢtir. Bu çalıĢma alanları, küçük, orta ve büyük Ģeklinde büyüklüklerine göre seçilmiĢtir. Böylece, önerilen yöntemin test edilmesi daha sağlıklı bir Ģekilde gerçekleĢtirilmiĢtir. Arazi parselasyonu için önerilen yöntem ise ihtiyaç olan tüm verileri doğrulanan Alanözü köyü için uygulanmıĢtır. ÇalıĢma sahaları, toplulaĢtırma iĢlemi gerçekleĢtirilmiĢ gerçek
proje alanlarıdır.
3.1.1. Alanözü köyü
Konya ili Güneysınır ilçesinin Alanözü köyü için toplulaĢtırma alanındaki çalıĢmalar, TRGM‟ye bağlı Konya Bölge Müdürlüğü tarafından 2008 yılında 3083 sayılı kanuna göre katılımcı yani isteğe bağlı arazi düzenlemesi Ģeklinde yapılmıĢtır (Uyan, 2011). Alanözü köyünün coğrafi konumu ġekil 3.1‟ de gösterilmektedir. Alanözü köyüne ait haritalar Uyan‟ın (Uyan, 2011) doktora tez çalıĢmasından alınmıĢtır.
ġekil 3.2. Alanözü köyü kadastro durumu haritası (Uyan, 2011)
Proje alanına ait blok planlama ve düzenleme ve derecelendirme sınır haritaları Konya Tarım Reformu Bölge Müdürlüğünden temin edilmiĢtir. Alanözü köyünün toplulaĢtırması için uzmanlar tarafından gerekli teknik araĢtırmalar yapılarak 18 adet yeni blok belirlenmiĢ ve kullanılan blok planlaması ġekil 3.3‟ de gösterilmiĢtir. Arazi parselasyonu problemi için gerekli olan çalıĢma alanının düzenleme sınırı ve derece sınırları haritası ise ġekil 3.4‟ de verilmiĢtir.
ġekil 3.3. Alanözü köyü blok planlama haritası (Uyan, 2011)
iĢletme bulunmaktadır. Üçhüyük köyünün kadastro parsel sayısı 265‟tir. Üçhüyük köyünün kadastro durum haritası ġekil 3.5‟ de verilmektedir.
ġekil 3.5. Üçhüyük köyü kadastro durumu haritası
ĠĢletme baĢına düĢen parsel sayısı kadastro durumda bile 1‟ in altında olması Üçhüyük köyünün çok fazla parçalanmaya uğramadığını göstermektedir. Buna rağmen, AT iĢlemi sadece parsel sayısının düĢürülmesi ile değil yol, su kanallarının düzenlenmesi, tarıma uygun olmayan parsellerin düzeltilmesi vb. gibi iĢlemleri gerçekleĢtirmesi nedeniyle Üçhüyük köyü içinde uygulanmıĢtır. ToplulaĢtırma ile tarıma uygun olmayan küçük parsellerin birleĢtirilmesi gerçekleĢtirilerek ortalama parsel büyüklüğü arttırılmıĢtır. ÇalıĢma alanında 64 hisseli parsel bulurken, kadastro durumunda ortalama parsel büyüklüğü 33044 m2‟ dir.
Yapılan AT çalıĢmalarında, Üçhüyük köyü için 17 adet blok belirlenmiĢtir. ġekil 3.6 Üçhüyük köyünün blok planlama haritasını göstermektedir.
ġekil 3.6. Üçhüyük köyü blok planlama haritası
3.1.3. Ekinözü köyü
Literatürde çalıĢma alanı olarak kullanılan en büyük proje sahalarından biri olan Karaman ili Merkez ilçesi Ekinözü köyü üçüncü çalıĢma alanı olarak seçilmiĢtir. 2012 yılında TRGM tarafından toplulaĢtırma çalıĢmaları tamamlanan Ekinözü köyünün proje verileri, Konya Tarım Ġl Müdürlüğünden temin edilmiĢtir. 409 iĢletmeye sahip bu köyün toplam alanı 3177.68 ha‟ dır. 1130 kadastro parseli ve 99 blok bulunmaktadır. Ekinözü köyüne ait kadastro ve blok durumu haritaları ġekil 3.7‟ de gösterilmektedir.
ġekil 3.7. Ekinözü köyü kadastro (a) ve blok (b) durumu haritaları
ÇalıĢma alanın, kadastro parsel ve blok sayısının büyüklüğünün yanında ayrıca 258 adet hisseli parseli bulunan Ekinözü köyü arazi dağıtım problemi için zor ve karmaĢık bir uygulama alanıdır. Ekinözü köyü ile ilgili detaylı bilgiler, Ġnceyol‟un doktora tez çalıĢmasında bulunmaktadır (Inceyol, 2014).
Seçilen üç çalıĢma alanına ait genel bilgiler Çizelge 3.1‟ de verilmektedir. ÇalıĢma alanları büyüklüklerine göre belirlenerek küçük, orta ve büyük olmak üzere ayrılmaktadırlar. Önerilen yöntemlerin doğruluğunu, baĢarısını ve sağlamlığını tespit etmek için üç farklı çalıĢma alanı kullanılmaktadır. Arazi parselasyon problemi için geliĢtirilen yöntem ise ihtiyaç olan tüm verileri doğrulanan Alanözü köyüne uygulanacaktır.
Çizelge 3.1. ÇalıĢma alanlarına ait genel bilgiler
Bilgiler ÇalıĢma Alanları
Alanözü Üçhüyük Ekinözü
Proje Alanı (ha) 152.69 875.69 3177.68
ĠĢletme Sayısı 333 275 409
Kadastro Parsel Sayısı 683 265 1130
Blok Sayısı 18 17 99
Hisseli Parsel Sayısı 53 64 258
ĠĢletme BaĢına DüĢen Ortalama Parsel
Sayısı 2.05 0.96 2.76
Ortalama Parsel Büyüklüğü (m2
) 2235 33044 28115
Kadastro Parsel Parça
Sayısı 880 407 1689
ToplulaĢtırmanın
Tamamlandığı Yıl 2008 2016 2012
Çizelge 3.1‟ de verilen çalıĢma alanlarının genel bilgileri incelendiğinde, Alanözü köyü küçük bir alana sahip olmasına rağmen parsel ve blok sayısının büyüklüğü dikkat çekmektedir. Bu nedenle, Alanözü köyünde ortalama parsel büyüklüğü standartların altına düĢmektedir. Üçhüyük köyü alanı, Alanözü köyü alanının yaklaĢık 6 katı olmasına rağmen parsel ve blok sayısı daha azdır. Ekinözü köyü 2.76 ile iĢletme baĢına düĢen parsel sayısı en fazla olan çalıĢma alanıdır. Çizelge 3.1‟ de verilen kadastro parsel parça sayısı, çalıĢma alanlarında bulunan hisseli parsellerin ayrılması ile elde edilmektedir.
3.1.4. ÇalıĢma alanları için gerekli veriler
Arazi dağıtım ve arazi parselasyon iĢlemlerinin gerçekleĢtirilebilmesi için çalıĢma alanlarına ait birçok veriye ihtiyaç duyulmaktadır. ÇalıĢma alanları için toplulaĢtırma sürecinde kullanılacak genel veriler .xls formatına sahip AT formlarında tutulmaktadır. Bu formlarda bulunan gerekli bilgiler veritabanına kaydedilerek kullanılmaktadır. Bu formların sabit bir formatları bulunmakta ve her çalıĢma alanı için oluĢturulmaktadır. ĠĢletme ad ve soyad, kadastro parsel numara, alan, derece, iĢletmelere ait parseller vb. bilgiler bu formlarda tutulmaktadır. ġekil 3.8 „de Ekinözü köyüne ait AT-5 formunun görüntüsü verilmektedir.
ġekil 3.8. AT-5 formu gösterimi
Arazi parselasyon probleminde çalıĢma alanına ait koordinat verilerine ihtiyaç duyulmaktadır. Bu veriler ise herhangi bir bilgisayar destekli tasarım (CAD) programı yardımıyla alınabilmektedir. Bu tez çalıĢmasında, çalıĢma alanına ait nokta koordinat verileri, NetCAD programı yardımıyla .cks uzantılı dosya formatında çıkarılmaktadır. .cks uzantılı veri dosyaları parsel, blok, derece ve genel sınır olmak üzere dört farklı tabaka için hazırlanmıĢtır. Örnek bir .cks uzantılı dosya formatı ġekil 3.9‟da gösterilmektedir.
ġekil 3.9‟da verilen dosya formatında, her biri ayrı numaralandırmıĢ noktaların X ve Y koordinat verileri ve numaraları verilen kadastro parsellerinin hangi noktaların birleĢmesi ile çizdirileceği sunulmaktadır. Ayrıca parsellerin alan bilgileri de .cks uzantılı dosyada verilmektedir. ÇalıĢma alanı için gerekli veriler, .cks uzantılı dosyalardan okunarak veritabanına aktarılmaktadır.
3.1.5. Matlab
Tez çalıĢmasının tüm programlama ve kodlama iĢlemleri Matlab uygulama geliĢtirme aracı üzerinde gerçekleĢtirilmiĢtir. Matlab yüksek seviyeli bir teknik programlama dili olmasının yanı sıra algoritma geliĢtirme, verilerin görselleĢtirilmesi, veri analizi ve sayısal hesaplamalar için etkileĢimli bir uygulama geliĢtirme aracıdır (TaĢdemir, 2005). Matlab, akademik ve endüstriyel olmak üzere birçok alanda öncelikli olarak kullanılmaktadır. Yüksek boyutlu matrislerde ve sayısal iĢlemlerde hesaplama ve takip kolaylığı nedeniyle sıklıkla tercih edilmektedir. Grafik arayüz konusunda diğer nesne yönelimli diller kadar fazla seçenek sunmasa da Java altyapısı kullanılabilmektedir. Tez çalıĢmasında, Matlab‟ın grafik arayüz ekranı ve nesne yönelimli yapısından yararlanılmıĢtır. Arazi dağıtımı ve parselasyonu için kullanılacak algoritmaların birebir kodlaması gerçekleĢtirilmiĢtir. Özellikle arazi parselasyonu probleminin çözümü sırasında birçok grafiksel fonksiyon kullanılmıĢ ve DT tekniğini doğrudan uygulanması konusunda kolaylık sağlamıĢtır.
3.1.6. MySQL
Tez çalıĢması içinde çözülmesi hedeflenen arazi dağıtım ve arazi parselasyon problemleri için kullanılacak veri sayısı çok fazladır. Bu verilerin birbiri ile iliĢkilerinin sağlanması, iĢlenmeleri ve kolayca ulaĢılmaları veritabanı kullanımını gerektirmektedir. Tez çalıĢmasında, açık kaynak lisansı altında ücretsiz bir yazılım olması, basit ve hızlı bir Ģekilde çalıĢabilmesi, yüksek performans, ölçeklenebilirlik ve esnekliğinden dolayı MySQL veritabanı yönetim sistemi kullanılmıĢtır. MySQL, birçok programlama dilini desteklemekte ve birden fazla kullanıcı ile kullanılabilmektedir. Gerekli ER diyagramı, tablolar ve tablolar arası iliĢkiler bu sistem yardımıyla oluĢturulmuĢtur.
Holland (Holland, 1975) tarafından doğal adaptasyondan etkilenerek önerilen GA, Goldberg‟in çalıĢması (Goldberg, 1989) ile birçok alanda kullanılmaya baĢlamıĢtır. Popülasyon tabanlı olan GA, doğal seçim ve evrim teorisine dayanan bir arama ve optimizasyon yöntemidir. Basit bir GA üç aĢamadan oluĢmaktadır: reprodüksiyon, çaprazlama ve mutasyon (Kanagaraj ve ark., 2013). Reprodüksiyon ile iyi bireylerin hayatta kalması gerçekleĢtirilirken, çaprazlama ile iki bireyin farklı Ģekillerde çaprazlanarak yeni nesiller oluĢturulması sağlanır. Mutasyon iĢlemi bireyler üzerindeki rasgele değiĢimleri temsil eder. GA yönteminin akıĢ Ģeması ġekil 3.10 (a)‟ da gösterilmektedir. Genel olarak bir GA algoritmadaki iĢlem adımları Ģunlardır:
• Kodlama
• BaĢlangıç Popülasyonu Hazırlanması
• Doğal Seçim (Üreme, Çoğalma, Kopyalama) • Çaprazlama
• Mutasyon • Yeni Nesil • Durdurma Kriteri
Biyolojik evrim temeline dayanan GA, çaprazlama, mutasyon gibi iĢlemleri kullanarak en iyi çözümü elde etmeye çalıĢan bir algoritmadır. Popülasyon içindeki her bir birey kromozom olarak adlandırılırken, kromozomun her bir parçası ise gen olarak ifade edilir. Yani her bir kromozom bir aday çözümü temsil ederken, her bir gen ise bir boyutu temsil etmektedir. GA algoritmasının genel olarak çalıĢma prensibi, baĢlangıç popülasyonundan itibaren güçlü bireyler ile yeni nesiller oluĢturarak daha iyi çözümler elde etmektir. Bu Ģekilde her iterasyon (tekrarlama) boyunca seçim yöntemleri ile seçtiği iyi bireyler üzerinden en iyi sonuca ulaĢmayı hedefler. BaĢka bir deyiĢle, iyi
çözümlerin bir sonraki nesle aktarılması ve yeni çözümlerin üretilmesinde kullanılması, kötü çözümlerin ise yok olması arzu edilir. Bireyler aynı biyolojik evrimde olduğu gibi çaprazlama ve mutasyon yolları ile değiĢikliğe uğratılır. Böylece popülasyon çeĢitliliği sağlanarak yerel minimumlardan kaçınılır. GA basit yapısı, ayrık ve sürekli problemlere doğrudan uygulanabilmesi, farklı kodlama teknikleri ile kullanabilmesi nedeniyle sıklıkla tercih edilmektedir.
3.2.2. Dağıtık arama (SS)
Temelleri 1960‟lı yıllarda karar kuralları ve kısıtlamaları için önerilen stratejilere dayanan SS „ in kapsamları ve prensipleri ilk olarak 1977 yılında Glover (Glover, 1977) tarafından önerilmiĢtir. GA gibi diğer evrimsel yöntemlerin aksine SS, rasgele seçimler kullanmak yerine yeni çözümler üretmek için sistematik tasarımların ve yöntemlerin daha fazla yarar sağladığı öncülüğünde bulunmuĢtur (Marti ve ark., 2006). SS yöntemi, iyi çözümlerin amaç fonksiyonu değerleri ile sınırlandırılmadığı önceki problem çözme çabalarından elde edilen iyi çözümlerden oluĢan bir referans kümesine göre sistematik Ģekilde yönlendirilmektedir. ġekil 3.10 (b)‟ de yöntemin akıĢ Ģeması verilmektedir.
Esnek bir yapıya sahip olan SS yöntemi beĢ farklı adım altında açıklanabilir (Glover, 1998; Marti ve ark., 2006; Laguna ve ark., 2011) :
-FarklılaĢtırma Üretim Yöntemi:
Aramayı baĢlatmanın temelini oluĢturan bir dizi farklı çözüm üretmek için kullanılır. Temel amaç, çeĢitlilik ve kaliteyi dengeleyerek kullanılacak yöntem ile arama uzayı için etkili bir popülasyon oluĢturmaktır. FarklılaĢtırma üretim yöntemi tamamen rassal olmadığında SS algoritmasının daha baĢarılı olduğu görülmektedir (Laguna ve ark., 2011).
-ĠyileĢtirme Yöntemi:
Aday çözümlerin, amaç fonksiyonu tarafından elde edilen değerlerini ve belli bir kısıt durumunun uygulanabilirliğini iyileĢtirmeyi hedeflemektedir. Basit bir iyileĢtirme yöntemi, mevut çözümün komĢuluğunda daha iyi bir çözüm elde edilemeyinceye kadar devam eden bir yerel aramadır. ĠyileĢtirme yöntemi olarak yerel minimumlardan kaçınmayı sağlayacak tabu arama, benzetilmiĢ tavlama gibi etkili yerel arama sağlayacak algoritmalar uygulanabilmektedir. Bu aĢamada önemli nokta, çözümleri
hazırlamaktır. BaĢlangıç referans kümesi oluĢturulduktan sonra referans kümesi güncelleme yöntemi, referans kümesinin sürdürülmesi için hizmet eder. Bu yöntemin tipik bir uygulamasında, baĢlangıç referans kümesi kaliteli ve farklı çözümleri bir araya getirilerek oluĢturulur. Farklı çözümler belirlenirken, çözümlerin temsil edilme Ģekillerine bağlı olarak bir mesafe metriği kullanılmaktadır. Ġterasyonlar süresince, referans kümesinin güncellenmesi genellikle çözüm kalitesine göre yapılmaktadır.
-Altküme OluĢturma Yöntemi:
Bu yöntem ile çözüm kombinasyonu yönteminin giriĢi olan referans kümesinin alt kümeleri üretilmektedir. Yöntemin genel uygulamasında, referans kümesinde bulunan bireylerden oluĢabilecek tüm çözüm çiftleri kullanılmaktadır. SS yönteminde, daha büyük sayıda alt kümelerin kullanılması da mümkün olmaktadır. Üçlü, dörtlü veya daha fazla sayıda çözümler bir alt küme haline getirilerek çözüm kombinasyonu yönteminde uygulanabilir.
-Çözüm Kombinasyonu Yöntemi:
Çözüm kombinasyon yöntemi, yeni çözümler oluĢturmak için altküme oluĢturma yönteminin çıktısını kullanmaktadır. Yeni çözümler, genellikle 2 ya da daha fazla referans kümesi çözümünün birleĢtirilmesinden meydana gelmektedir. Çözümlerin kombinasyonu için kullanılan yöntemler, problemin yapısına ve çözümlerin temsil edilme Ģekillerine göre belirlenmektedir. Sürekli, ayrık, permütasyon vb. kodlama temsilleri için kombinasyon yöntemleri istenilen sayıda seçilmektedir. Seçilen yöntemler, her altküme çözümleri için uygulanarak elde edilen çözümler bir havuzda toplanmaktadır.
Çözüm kombinasyon yöntemi ile elde edilen yeni çözümler amaç fonksiyonu ile değerlendirilerek referans kümesinin güncellenmesi gerçekleĢtirilmektedir. SS yöntemi, referans kümesinin değiĢmediği ve güncellenemediği durumda, referans kümesinin belli bir bölümünü çeĢitlilik sağlanması için değiĢtirmektedir. Böylece durgunluğun önüne
geçilerek ve yeni çözümler için çeĢitlilik sağlanarak arama uzayının daha verimli aranması sağlanmaktadır.
3.2.3. Diferansiyel evrim algoritması (DE)
DE algoritması, sürekli optimizasyon problemlerinin çözümü için 1995 yılında Storn ve Price tarafından GA‟nın temel iĢlemlerine dayanarak önerilen sezgisel ve popülasyon tabanlı bir algoritmadır (Storn ve Price, 1995). DE algoritması da çaprazlama, mutasyon ve seçim gibi iĢlemleri içerse de iĢlemlerin uygulanıĢ biçim ve sırası kısmında GA algoritmasından ayrılmaktadır. DE yönteminde, tüm popülasyon aynı anda iĢlenmek yerine, rasgele seçilen üç kromozomdan elde edilen mutasyona uğramıĢ kromozom ve mevcut kromozom çaprazlanmakta elde edilen yeni kromozomun kalitesine göre seçim yapılmaktadır. Ayrıca mutasyon iĢlemi, çaprazlama iĢleminden önce gerçekleĢtirilmektedir. DE‟ nin temel prosedüründe dört farklı aĢama bulunmaktadır (Price ve ark., 2005; Do ve ark., 2016):
-BaĢlangıç Popülasyonun Hazırlanması:
D boyutlu her bir kromozom bir aday çözümü temsil etmekte ve her bir boyut belirlenen aralık değerleri içinde arama uzayında rasgele olarak oluĢturulmaktadır.
-Mutasyon:
Mutasyon iĢleminde birbirinde farklı üç kromozom seçilir. Bu kromozomlardan ikisinin farkı alınarak ölçekleme faktörü ile çarpılır ve diğer kromozom ile toplanır. Denklem 3.1‟de iĢlem gösterilmektedir.
1 ( 2 3)
i r r r
v x F x x (3.1)
i
v bir aday çözüm olarak mutasyon kromozomu temsil ederken, r1 r2 r3 i Ģartını
sağlanacak Ģekilde 1 r x , 2 r x ve 3 r
x rasgele seçilmiĢ kromozomları göstermektedir.
Ölçekleme faktörü olan F ise genellikle [0,2] aralığında seçilmektedir. Ölçekleme faktörünün, yüksek değerler seçilmesi global aramayı desteklerken, küçük değerler seçilmesi ise yerel aramayı güçlendirmektedir.
cj
r [0,1] aralığında rasgele belirlenen bir sayı iken, CR parametresi de [0,1] aralığında
sabit olarak belirlenen çaprazlama oranını temsil etmektedir. Çaprazlama oranı, kullanıcı tarafından tanımlanır ve yeni aday kromozom olan u ‟nin ne kadarlık ij
kısmının v kromozomundan geleceğini belirlemektedir. ij jrand , n boyut sayısı olmak üzere (1,2,..,n) değerleri arasından seçilen bir tamsayıdır. Bu değer sayesinde aday kromozomun en azından bir geninin kesin olarak mutasyon kromozomu olan v ‟den ij
geleceği garanti altına alınmaktadır.
-Seçim:
Son olarak ui ve xi kromozomları uygunluk değerlerine göre karĢılaĢtırılmakta, minimizasyon problemi için daha küçük uygunluk değerine sahip olan kromozom bir sonraki nesle aktarılmaktadır. Seçim iĢlemi Denklem 3.3‟de gösterilmektedir.
, ( ) ( ), , , i i i yeni i i u if f u f x x x diğer durumlarda (3.3) ( )i
f u ve f x( )i amaç fonksiyonundan elde edilen uygunluk değerleridir.
Durdurma kriteri sağlanana kadar mutasyon, çaprazlama ve seçim iĢlem adımları tekrarlanmaktadır. Algoritma sonlanınca en iyi uygunluk değeri ve kromozom rapor edilmektedir. ġekil 3.10 (c)‟de DE algoritmasının akıĢ Ģeması bulunmaktadır.
a) GA b) SS c) DE ġekil 3.10. GA (a), SS (b) ve DE (c) algoritmalarının akıĢ Ģemaları
3.2.4. Ġkili arama (BS)
BS, çok basit ve uygulaması kolay hızlı bir arama tekniğidir. BS, arama uzayında ortalama yineleme sayısını en aza indirmektedir (Knuth, 1993).
Literatürde belki de en klasik arama yöntemlerinden biri olarak yer alan BS algoritması, özellikle arama uzayında yer alan elemanların sıralı ve sayısının fazla olduğu durumlarda daha etkilidir. Elemanları sıralı ve miktarı N olan bir arama uzayında sırayla arama yapıldığında ortalama olarak O(N) adımda sonuca ulaĢılabilmesine karĢılık, BS algoritmasında ortalama O(logN) adımda aranacak elemana ulaĢılabilecektir. Ortalama adım sayısından da anlaĢılacağı üzere sırayla aramaya göre oldukça hızlı bir yöntemdir. Bu yöntemin mantığı oldukça basittir. Buna göre aramaya arama uzayının ortasından baĢlanır, aranan eleman orta noktada yer alan elemandan küçükse yeni arama uzayı ilk eleman ve orta nokta arasında; büyükse yeni arama uzayı orta nokta ve son eleman arasında olacak Ģekilde ayarlanır. Yeni arama uzayı sınırlarına göre yine orta nokta seçilerek aranacak elemana ulaĢıncaya kadar bu iĢlem tekrarlanır. Arama uzayı her yeni yinelemede yarıya düĢürüldüğü için yöntemin karmaĢıklığı O(logN) seviyesinde olacaktır.
Arazi yüzeyinin tamamı üçgenlerden oluĢmaktadır ve farklı amaçlara göre çeĢitli üçgenleme algoritmaları bulunmaktadır (Yanalak, 1997).
ÜçgenleĢtirme için literatürde farklı yöntemler olsa da yerel ve genel eĢ açılılık, oluĢan üçgenler ağının kenar toplamının minimum olması gibi avantajlı özelliğinden dolayı Delaunay üçgenleĢtirmesi (Delaunay, 1934) yöntemi tez çalıĢması kapsamında tercih edilmiĢtir. DT tekniğinde, oluĢan üçgenlerin çevrel çemberleri içerisinde baĢka dayanak noktası yer almamaktadır (Hong ve ark., 2015). Bu tez çalıĢmasında, Matlab uygulama geliĢtirme aracında hazır bulunan DT kütüphanesi kullanılmıĢtır. DT ile ilgili detaylı bilgi için (Delaunay, 1934; Baker, 1989; Yanalak, 1997).
