Obnoxious facility location models and solution algorithms
[ X ]
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Adana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tezde, zararlı tesislerin topluluklar ve çevre üzerindeki olumsuz etkilerini en aza indirmek için stratejik yer seçimine odaklandık. Bu zorlu NP-zor problemlerini ele almak için genetik algoritma ve açgözlü algoritma olmak üzere iki algoritma keşfettik. Ayrıca bu algoritmalardan elde edilen çözümleri kesin yöntemlerle karşılaştırdık. Genetik algoritma, dengeli çözümler için çeşitli kriterleri ve kısıtlamaları bir araya getirerek potansiyel tesis alanlarını sistematik olarak araştırır. Yinelemeli yaklaşımı, optimum veya optimuma yakın sonuçları bulmak için çözümleri geliştirir. Açgözlü algoritma ise, özellikle anlık kazançlar çok önemli olduğunda yerel olarak en uygun seçimleri verimli bir şekilde yapar. Kapsamlı deneyler yoluyla, her iki algoritmanın performansını kesin yöntemlerle karşılaştırdık. Kesin yöntemler optimallik garantisi sağlarken, büyük ölçekli problemler için hesaplama açısından yoğun olabilirler. Buna karşılık, genetik algoritma, çözüm kalitesi ile hesaplama çabası arasında umut verici bir denge sunarak geniş bir çözüm alanını verimli bir şekilde araştırır. Açgözlü algoritma, hesaplama açısından verimli senaryolarda tatmin edici sonuçlar sağlar. Karar vericiler, her iki algoritmanın güçlü yanlarını birleştirerek ve performanslarını kesin yöntemlere göre değerlendirerek topluluklar ve çevre üzerindeki zararlı etkileri en aza indiren en uygun tesis konumlarını belirleyebilir. Bu araştırma, zararlı tesislerin neden olduğu zararı hafifletmek için etkili bir yaklaşıma katkıda bulunmaktadır.
In this thesis we focused on the strategic selection of locations for obnoxious facilities to minimize their negative impact on communities and the environment. We explored two algorithms, the genetic algorithm and the greedy algorithm, to address these challenging NP-hard problems. Additionally, we compared the solutions obtained from these algorithms with exact methods. The genetic algorithm systematically explores potential facility sites, incorporating diverse criteria and constraints for balanced solutions. Its iterative approach refines solutions to find optimal or near-optimal outcomes. The greedy algorithm, on the other hand, makes locally optimal choices efficiently, especially when immediate gains are crucial. Through comprehensive experimentation, we compared the performance of both algorithms with exact methods. While exact methods provide guarantees of optimality, they can be computationally intensive for large-scale problems. In contrast, the genetic algorithm efficiently explores a wide solution space, offering a promising balance between solution quality and computational effort. The greedy algorithm provides satisfactory results in computationally efficient scenarios. By combining the strengths of both algorithms and evaluating their performance against exact methods, decision-makers can identify optimal facility locations that minimize harmful effects on communities and the environment. This research contributes to an effective approach for mitigating harm caused by obnoxious facilities.
In this thesis we focused on the strategic selection of locations for obnoxious facilities to minimize their negative impact on communities and the environment. We explored two algorithms, the genetic algorithm and the greedy algorithm, to address these challenging NP-hard problems. Additionally, we compared the solutions obtained from these algorithms with exact methods. The genetic algorithm systematically explores potential facility sites, incorporating diverse criteria and constraints for balanced solutions. Its iterative approach refines solutions to find optimal or near-optimal outcomes. The greedy algorithm, on the other hand, makes locally optimal choices efficiently, especially when immediate gains are crucial. Through comprehensive experimentation, we compared the performance of both algorithms with exact methods. While exact methods provide guarantees of optimality, they can be computationally intensive for large-scale problems. In contrast, the genetic algorithm efficiently explores a wide solution space, offering a promising balance between solution quality and computational effort. The greedy algorithm provides satisfactory results in computationally efficient scenarios. By combining the strengths of both algorithms and evaluating their performance against exact methods, decision-makers can identify optimal facility locations that minimize harmful effects on communities and the environment. This research contributes to an effective approach for mitigating harm caused by obnoxious facilities.
Açıklama
Lisansüstü Eğitim Enstitüsü, Endüstri Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
