A multiobjective fleet location problem solved by adaptation of evolutionary algorithms NSGA-II and SMS-EMOA

Authors : Ertan YAKICI

Pages : 94-100

View : 15 | Download : 6

Publication Date : 2018-02-27

Article Type : Research Paper

Abstract :Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:`Normal Tablo`; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:``; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:`Calibri`,sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:`Times New Roman`; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Donanma platformlarının, radar toplam kapsama alanları ve radar kritik kapsama alanlarının ençoklanması amacı ile harekât bölgesinde konuşlandırılması problemi çok amaçlı evrimsel algoritmalar kullanılarak çözülmüştür. Bu kapsamda, literatürde Non-Dominated Sorting Genetic Algorithm-II insert ignore into journalissuearticles values(NSGA-II); ve S-Metric Selection Evolutionary Multiobjective Optimization Algorithm insert ignore into journalissuearticles values(SMS-EMOA); adı verilen yöntemler kullanılmıştır. Deney uygulamasında, bu yöntemlerin Pareto-optimal cepheye oldukça yakın olduğu değerlendirilen iyi ve istendiği gibi birbirinden farklı çözümler ürettiği görülmüştür. Kullanılan yöntemlerin performansları hipervolüm gösterge tekniği kullanılarak karşılaştırılmış, NSGA-II yönteminin daha iyi performans gösterdiği tespit edilmiştir.
Keywords : Filo konumlandırma, Optimal sensör yerleşimi, Çok amaçlı evrimsel algoritmalar