Serpil GÜMÜŞTEKİN [1] , Talat ŞENEL [2]
ÖZ
Genetik algoritmalar (GAs), doğadaki canlıların geçirdiği süreci örnek alır. Anne ve baba bireyden (mevcut nesil) doğan yeni bireylerin şartlara uyum sağlayıp yaşamlarını devam ettirmesine ve iyi nesillerin kendi yaşamlarını korurken, kötü nesillerin yok olması ilkesine dayanır. Bu çalışmanın amacı, gerçek hayatta önemli bir role sahip olan beslenme problemlerinin Genetik Algoritma ile de etkili biçimde çözümlenebileceğini göstermektir. Bu amaçla, gerçek veriler kullanılarak doğrusal programlama modeli kurulmuş, kurulan bu model doğrusal programlama ve genetik algoritma kullanılarak çözümlenmiş, sonuçlarda ortaya çıkan değişimler incelenmiştir.
ABSTRACT
Genetic algorithms (GAs) are examples of creatures in nature. They are based on the principle that new individuals which were born from the mother and father individuals (current generation) become attuned to conditions and maintain their lives, and bad generations disappear when good generations save their own lives. The purpose of this study is to show that nutrition problem, which has important role in real life, can be solved by genetic algorithm. For this purpose, a linear programming model was established by using real data, this model is solved by using linear programming and genetic algorithm, the resulting changes in the results were analyzed.
Kaynakça
- Alpaslan F. (1996). Türkiye’de 6 Büyük İlde Doğrusal Programlama ile Optimum Beslenme Maliyetinin Minimizasyonu (1994-1997). Ondokuz Mayıs üniversitesi, Fen-Edebiyat Fakültesi Araştırma Fonu. Yayın No: F.150.s. 6- 8.
- Anderson A.M. and Earle M.D. (1983). Diet Planning in the Third World by Linear and Goal Programming. J. Opl. Res. Soc. Vol.34. pp.9 – 16.
- Baysal A. (1995). Genel Beslenme, Hatipoğlu Yayınevi,Ankara.
- Edwardson W. (1974). The Design of Nutritional Food Products for a Developing Country. A Thesis for the Degree of Ph. D. in Product Development, Massey University.
- Kaldırım E. ve Köse Z. (2006). Application of a Multi-objective Genetic Algorithm to the Modified Diet Problem, Genetic and Evolutionary Computation Congress (GECCO), Undergraduate Student Workshop, Seattle, USA.
- Goldberg D.E. (1989). Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, USA.
- Holland J.H. (1975). Adaption in Natural and Artificial Systems, University of Michigan Pres, Ann Arbor, MI.
- Paker H.S. (1996). Besinlerin Yenebilen 100 gramlarının Enerji ve Besin Öğeleri Değerleri, Sporda Beslenme, Gen Matbaacılık ve Reklamcılık, Ankara.
- Sahingoz S.A. ve Sanlier N.(2011). “Compliance with Mediterranean Diet Quality Index (KIDMED) and nutrition knowledge levels in adolescents. A case study from Turkey”, Appetite, Volume 57, Issue 1, August 2011, Pages 272–277
- Sarıaslan H. ve Karacabey A.A. (2003). İşletmelerde Sayısal Analizler, Ankara; Turhan Kitabevi.
- Smith V.E. (1959). Linear Programming Models for The Determination of Palatable Human Diets, J. Farm Econ, 41, 272-283.
- Sukhatme P.V. (1961). The World's Hunger and Future Needs in Food Supplies, Journal of Royal Statistical Society, Series A, Vol. 124, pp 463-525.
- TÜİK (2012). Tüketici Fiyat Endeksi. 03 Haziran 2013 tarihinde < http://www.tuik.gov.tr> adresinden erişildi.
- Lv Y. (2009). Multi – Objective Nutritional Diet Optimization Based on Quantum Genetic Algorithm ; in Proc. ICNC (4), pp, 336-340.
Ayrıntılar
| Konular | |
|---|---|
| Diğer ID | JA36AK23AF |
| Dergi Bölümü | Makaleler |
| Yazarlar | Yazar: Serpil GÜMÜŞTEKİN Yazar: Talat ŞENEL |