Öz
Bu çalışmada,
nüfus artış tahminini yapmak üzere yapay zekanın bir alt disiplini olan genetik
algoritmalardan yararlanılarak .NET ortamında C# programlama dili kullanılarak
görsel ara yüze sahip bir yazılımı geliştirilmiştir. Bu bağlamda TÜİK’ten yıllara göre yapılan sayım bilgileri
baz alınmış ve geliştirilen yazılım sayesinde ileriki yıllar için nüfus artış
tahmini yapılabilmiştir. Çalışma kapsamında, hız ve performans açısından ikili
kodlu genetik algoritma yerine Gerçek Kodlu Genetik Algoritma; seçme
yöntemi olarak da Turnuva Seçim Yöntemi kullanılmıştır.
Çünkü Genetik Algoritmalarda (GA) İkili kodlu
algoritmalar; parametrelerin “1” ve “0” larla ifade edilmesi, kromozomların
boyutlarını oldukça artırdığından sınırlı hassasiyete sahip olmaktadırlar. Oysa
bunun yerine gerçek rakamlarla kodlama yapabilen, gerçek kodlu GA’yı kullanmak
daha avantajlıdır. Gerçek kodlu GA, hem daha hassas hem de PC belleğinde daha
az yer kaplamaktadır. Ayrıca mevcut
yazılımların kullanım karmaşıklığının ve zorluğunun önüne geçmek için
geliştirilen yazılımda, başlangıçta kullanıcı
tarafından popülasyon sayısı, iterasyon sayısı, çaprazlama oranı, mutasyon oranı
ve TÜİK’ten alınmış geçmiş yıllara ait nüfus sayım verileri girişi kullanıcı
tarafından girişi yapıldıktan sonra eldeki veriler doğrultusunda istenen yıla
ait nüfus artış tahmini yapılmaktadır. Bu çalışma kapsamında da TÜİK’ten alınan veriler
kullanılarak öncelikle Türkiye ve Konya ili için 2016 yılı nüfus artış
tahminleri yapılmış ve bu tahmini artış oranı gerçek verilerle
karşılaştırılmıştır. Daha sonra ise Türkiye geneli ve Konya ili için 2020
yılına ait nüfus artış tahmini oranına yer verilmiştir. Ayrıca geliştirilen
yazılım eldeki veriler doğrultusunda kıtalar, ülkeler, şehirler, beldeler ve
hatta köyler için nüfus artış tahmini yapabilecek esneklik ve yapıda
tasarlanmıştır.
Anahtar Kelimeler
Yapay Zeka Genetik Algoritma Gerçek Kodlu Genetik Algoritma Nüfus Artış Tahmini C# .NET Görsel Arayüz
Kaynakça
- [1] Bolat, B., Erol, K. O. ve İmrak, C. E. (2004). “Genetic Algorithms in Engineering Applications and the Function of Operators”. Journal of Engineering and Natural Sciences, ss 264-271.[2] http://www.atasoyweb.net/Genetik-Algoritma, Erişim Tarihi:05.02.2017.[3] Akbari, M., Rashidi, H. And Alizadeh, S. H. (2017). “An Enhanced Genetic Algorithm With New Operators For Task Scheduling In Heterogeneous Computing Systems”. 61, pp 35–46.[4] John H. Holland. Adaptation in Natural and Artificial Systems, 1974.[5] Zhang, K., Du, H. and Feldman, M. V. (2017). “Maximizing influence in a social network: Improved Results Using a Genetic Algorithm”, 478, ss 20–30.[6] http://tr.wikipedia.org/wiki/Genetik_algoritma, Erişim Tarihi:02.01.2017.[7] Cunkaş, M. (2006). Genetik Algoritmalar ve Uygulamaları. Selçuk Üniversitesi, Teknik Eğitim Fakültesi, Konya, ss 1-78.[8] Baker, J.E. (1985). “Adaptive selection methods for Genetic Algorithms”. In Proceedings of the 1st International Conference on Genetic Algorithms and their Applications, pp 101-111, ISBN:0-8058-0426-9. [9] Sivaraj, R. and Ravichandran, T. (2011). “A Review Of Selection Methods In Genetic Algorithm”, International Journal of Engineering Science and Technology (IJEST), 3(5), pp 3792–3797, ISSN : 0975-5462, 3792-3797.
Öz
In this study, it is aimed to predict population
growth by using software with visual interface C # programming language which
was developed in the .NET environment by making use of genetic algorithms which
is a sub-discipline of artificial intelligence. In this context, based on the
counting information conducted by Turkish Statistical Institute was taken as
basis and the developed software was able to estimate the population growth for
the following years. In the scope of the study, in terms of speed and
performance Genetic Algorithm with Real Coding was used instead of binary coded
genetic algorithm; Tournament Selection Method was used as the selection
method. Because Genetic Algorithms (GA) is binary coded algorithms; the
expression of the parameters with "1" and "0" increases
size of the chromosomes considerably and that results limited sensitivity.
However, it is more advantageous to use genuine coded GA, which can code with
real numbers instead. The real code GA is both more accurate and takes up less
space in the PC memory. In addition, in the developed software in order to
avoid the complexity and difficulties of use of existing software, population
growth forecast is being made initially after user enters the number of
populations, the number of iterations, the crossover rate and the population
counts of previous years information obtained from Turkish Statistical
Institute. Within the context of this study, data collected from Turkish
Statistical Institute for 2016 estimates of population growth were made for
Turkey and Konya provinces and estimated increase rate was compared with the
actual data. The estimated population increase rate for 2020 for Turkey and
Konya province is given thereafter. In addition to that, the developed
software is designed for flexibility and structure that can predict population
growth for continents, countries, cities, borders and even villages with
available data.
Anahtar Kelimeler
Artificial Intelligence Genetic Algorithm Genetic Algorithm with Real Coding Population Growth Prediction C #. NET Visual Interface
Kaynakça
- [1] Bolat, B., Erol, K. O. ve İmrak, C. E. (2004). “Genetic Algorithms in Engineering Applications and the Function of Operators”. Journal of Engineering and Natural Sciences, ss 264-271.[2] http://www.atasoyweb.net/Genetik-Algoritma, Erişim Tarihi:05.02.2017.[3] Akbari, M., Rashidi, H. And Alizadeh, S. H. (2017). “An Enhanced Genetic Algorithm With New Operators For Task Scheduling In Heterogeneous Computing Systems”. 61, pp 35–46.[4] John H. Holland. Adaptation in Natural and Artificial Systems, 1974.[5] Zhang, K., Du, H. and Feldman, M. V. (2017). “Maximizing influence in a social network: Improved Results Using a Genetic Algorithm”, 478, ss 20–30.[6] http://tr.wikipedia.org/wiki/Genetik_algoritma, Erişim Tarihi:02.01.2017.[7] Cunkaş, M. (2006). Genetik Algoritmalar ve Uygulamaları. Selçuk Üniversitesi, Teknik Eğitim Fakültesi, Konya, ss 1-78.[8] Baker, J.E. (1985). “Adaptive selection methods for Genetic Algorithms”. In Proceedings of the 1st International Conference on Genetic Algorithms and their Applications, pp 101-111, ISBN:0-8058-0426-9. [9] Sivaraj, R. and Ravichandran, T. (2011). “A Review Of Selection Methods In Genetic Algorithm”, International Journal of Engineering Science and Technology (IJEST), 3(5), pp 3792–3797, ISSN : 0975-5462, 3792-3797.
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Mühendislik |
| Bölüm | Makaleler(Araştırma) |
| Yazarlar | |
| Yayımlanma Tarihi | 5 Haziran 2018 |
| Yayımlandığı Sayı | Yıl 2018 Cilt: 11 Sayı: 1 |
Kaynak Göster
https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü | |
Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız. Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır: 1. Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir. 2. Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır. 3. Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır. 4. Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir. 5. İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir. 6. Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.
|
