Zaman Pencereli Evde Bakım/Beslenme Hizmeti Yönlendirme Problemi İçin Karınca Koloni Algoritması

Abstract

Ülkemizde ve Dünya genelinde hızla artan yaşlı nüfus oranı dikkat çekmektedir. Yaşlanan bu nüfus ile birlikte de bazı sorunlar ortaya çıkmaktadır. Yaşlanan insanların vücut dirençlerinin düşmesi, metabolik reaksiyonlarının yavaşlaması, hareket kabiliyetlerinin zayıflaması, düşünüp karar verebilme yetilerinin azalması gibi birçok sebepten bu insanlar bakıma muhtaç hale gelmektedir. Ayrıca muhtaç olma durumu sadece yaşlı insanlarda değil fiziksel veya zihinsel anlamda doğuştan ya da sonradan engelli olan insanlarda da görülmektedir. İnsanlar hasta, yaşlı veya engelli olmasalar dahi ameliyat, tedavi, muayene gibi sağlık hizmetlerinin arkasından sunulan sosyal bakım hizmetlerini evlerinde almak istemektedirler. Evde sunulan bu sağlık veya bakım hizmetleri ile ayrıca devletlerin sağlık kurumlarındaki mali giderler düşürülmekte ve bu kurum veya kuruluşlar fazladan iş yükünden de kurtulmaktadırlar. Bu çalışma da evde sunulan bakım hizmetleri kapsamında yer alan beslenme veya üç öğün yemek dağıtımında araçların en kısa mesafe ve dolayısıyla zamanda yönlendirilmesi, mevcut maliyetleri düşürmek için meta sezgisel yöntemlerden Karınca Koloni Algoritması ile iyileştirmelerin yapılması sağlanarak ihtiyaç sahibi insanlara ulaştırılan hizmetin kalitesinin arttırılmasına yardımcı olunmuştur. Bu yolla mobil hizmet sunan araç maliyetlerinin azaltılmasının yanı sıra hizmet veren ekibin tükenmişliği de azaltılarak hizmet veriminin artırılmasını hedeflenmiştir.

Keywords

• Evde Bakım
• Optimizasyon
• Araç Rotalama
• Karınca Koloni Algoritması

Ant Colony Algorithm For Household Care / Nutrition Service Direction Problem With Time Window And Fuzzy Demand

Abstract

The rapidly increasing rate of elderly population in the world and in our country draws attention. Some problems arise with this aging population. These people become in need of care for many reasons such as the decrease in body resistance of aging people, slowing down of their metabolic reactions, weakening of their mobility and their ability to think and make decisions. In addition, the state of neediness is not only seen in elderly people, but also in people who are congenital or later disabled physically or mentally. Even if people are not sick, elderly or disabled, they want to receive social care services at home after health services such as surgery, treatment and examination. With these health or care services offered at home, the financial expenses of the health institutions of the governments are also reduced and these institutions or organizations get rid of the extra workload. In this study, it has been helped to increase the quality of the service delivered to the people in need by making improvements with the Ant Colony Algorithm, which is one of the meta-heuristic methods to reduce the current costs, in the nutrition or three-course meal distribution within the scope of the home care services. In this way, it is aimed to increase service efficiency by reducing the cost of vehicles providing mobile services as well as reducing the burnout of the serving team.

Keywords

• Household Care
• Optimization
• Vehicle Routing
• Ant Colony Algorithm

References

1. Blum, C., & Roli, A. (2003). Metaheuristics in Combinatorial Optimization: Overview and Conceptual Comparison. ACM Computing Surveys, 35(3), 268–308.
2. Çetin, S., & Gencer, C. (2010). Kesi•n zaman pencereli• - Eş zamanli daǧitim toplamali araç rotalama problemi•: Matematiksel model. Journal of the Faculty of Engineering and Architecture of Gazi University, 25(3), 579–585.
3. Cordeau, J. F., Gendreau, M., Laporte, G., Potvin, J. Y., & Semet, F. (2002). A guide to vehicle routing heuristics. Journal of the Operational Research Society, 53(5), 512–522.
4. De Backer, B., Furnon, V., Shaw, P., Kilby, P., & Prosser, P. (2000). Solving vehicle routing problems using constraint programming and metaheuristics. Journal of Heuristics, 6(4), 501–523.
5. Deneubourg, J. L., Aron, S., Goss, S., & Pasteels, J. M. (1990). The self-organizing exploratory pattern of the argentine ant. Journal of Insect Behavior, 3(2), 159–168.
6. Dorigo, M., Di Caro, G., & Gambardella, L. M. (1999). Ant algorithms for discrete optimization. Artificial Life, 5(2), 137–172.
7. Dorigo, M., & Gambardella, L. M. (1997). Ant colony system: A cooperative learning approach to the traveling salesman problem. IEEE Transactions on Evolutionary Computation, 1(1), 53–66.
8. Goss, S., Aron, S., Deneubourg, J. L., & Pasteels, J. M. (1989). Self-organized Shortcuts in the Argentine Ant. Naturwissenschaften, 76(1959), 579–581.

9. Keskintürk, T., & Söyler, H. (2006). Global Karınca Kolonisi Optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 21(4), 689–698.
10. Nabiyev, V. (2003). Yapay Zeka - Problemler, Yöntemler, Algoritmalar. Seçkin Yayınevi.
11. Oesterle, J., & Bauernhansl, T. (2016). Exact Method for the Vehicle Routing Problem with Mixed Linehaul and Backhaul Customers, Heterogeneous Fleet, time Window and Manufacturing Capacity. Procedia CIRP, 41, 573–578.
12. Reimann, M., Doerner, K., & Hartl, R. F. (2004). D-ants: Savings based ants divide and conquer the vehicle routing problem. Computers and Operations Research, 31(4), 563–591.
13. Şahin, Y., & Eroğlu, A. (2014). KAPASITE KISITLI ARAÇ ROTALAMA PROBLEMI IÇIN METASEZGISEL YÖNTEMLER: BILIMSEL YAZIN TARAMASI. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 19(4), 337–355.
14. Stützle, T., & Hoos, H. H. (2000). MAX-MIN Ant System. Future Generation Computer Systems, 16(8), 889–914.