Araştırma Makalesi
BibTex RIS Kaynak Göster

THE COST OPTIMIZATION OF MIXED FEED WITH DIFFERENTIAL EVOLUTION ALGORITHM

Yıl 2014, Sayı: 033, 33 - 44, 15.04.2014

Yaşar Yaşar Burhanettin Durmuş

Öz

In this work, the cost optimization of mixed feed with differential evolution algorithm (DE) has been studied. In the ration calculation prepared for rabbit grower compound feed, it has been aimed to produce optimal and low-cost compound feed meeting the nutritional needs of the animal. In the selection of the feed raw materials in the compound feed the limit values and constraints taking place in the scientific data have been considered and penalties have been imposed in the case the constraints are exceeded. The obtained results have been compared to those of particle swarm optimization (PSO), real code genetic algorithm (RGA) and linear programming (LP). According to the results; it has been observed that DE has reduced the cost of compound feed.

Anahtar Kelimeler

Differential evolution algorithm optimization cost optimization of feed

Kaynakça

  • [1] N. Özen, “Hayvan Besleme Fizyolojisi ve Metabolizması Genişletilmiş 2. Baskı”, Akdeniz Üniversitesi Ziraat Fakültesi No:6, Antalya, (2005).
  • [2] A. Ergün, Ş. T. Tuncer, İ. Çolpan, S. Yalçın, G. Yıldız, M. K. Küçükersan, S. Küçükersan, A. Şehu, “Hayvan Besleme ve Beslenme Hastalıkları 4. Baskı”, Pozitif Matbaacılık, Ankara, 1-725 (2008). [3] Y. Yaşar, “Diferansiyel gelişim algoritması ile karma yem maliyet optimizasyonu”, Yüksek Lisans Tezi, Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü, (2014).
  • [4] J. A. Tesmer ve B. Zimmerman, “Diet Formulation”, University of Minnesota Extension Service, www Report Lesson 5, MN55965, Preston, 1-11 (2004).
  • [5] J. Hadrich, C. Wolf, and S. Harsh, "Optimal livestock diet formulation with farm environmental compliance consequences", American Agricultural Economics Association Annual Meeting, Providence, Rhode Island, July 24-27, 2005.
  • [6] M. A. Şahman, M. Çunkas, F. İnal, Ş. İnal, B. Coşkun, U. Taşkıran, “Cost optimization of feed mixes by genetic algorithms”, Advanced Engineering Software, 40, 965–974 (2009).
  • [7] A. A. Altun and M. A. Şahman, “Cost optimization of mixed feeds with the particle swarm optimization method”, Neural Computing & Applications, 22(2), 383-390 (2011).
  • [8] N. Karaboga, “Digital IIR filter design using differential evolution algorithm”, EURASHIP Journal on Applied Signal Processing, 8, 1269-1276 (2005).
  • [9] T. W. Liao, “Two hybrid differential evolution algorithms for engineering design optimization”, Applied Soft Computing, 10(4), 1188-1199 (2010).
  • [10] B. Yu, and X. S. He, “Training radial basis function networks with differential evolution”, Transactions on Engineering Computer and Technology, 11(2) , 157–160 (2006).
  • [11] A. Gün, B. Durmuş, H. Temurtaş, and G. Kuvat, “A comparative study on optimum PID tuning with differential evolution and particle swarm optimization”, 2nd International Symposium on Computing Science & Engineering (ISCSE-2011), 2, Kuşadası, Aydın, 101-107, (2011).
  • [12] https://www.selcuk.edu.tr/Sayfa.aspx?birim=014003&sayfa=4690&dt=1(2014).
  • [13] R. Storn and K. Price, “Differential evolution - a simple and efficient heuristic for global optimization over continuous spaces”, Journal of Global Optimization, 11, 341–359 (1997).
  • [14] T. Keskintürk, “Diferansiyel gelişim algoritması”, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 9(1), 85-99 (2006).
  • [15] N. Karaboğa ve C. A. Koyuncu, "Diferansiyel gelişim algoritması kullanılarak adaptif lineer toplayıcı tasarımı", III. Otomasyon Sempozyumu 2005, Denizli, 216, (2005).
  • [16] D. Zaharie, “Influence of crossover on the behavior of differential evolution algorithms”, Applied Soft Computing, 9(3), 1126-1138 (2009).

FARKSAL GELİŞİM ALGORİTMASI İLE KARMA YEM MALİYET OPTİMİZASYONU

Yıl 2014, Sayı: 033, 33 - 44, 15.04.2014

Yaşar Yaşar Burhanettin Durmuş

Öz

Bu çalışmada, farksal gelişim algoritması (FGA) ile karma yem maliyet optimizasyonu çalışılmıştır. Tavşan büyütme yemi için hazırlanan rasyon hesabında hayvanın besin ihtiyaçlarını karşılayacak ve düşük maliyetli uygun yem karışımlarının üretilmesi amaçlanmıştır. Karma yem içindeki yem hammaddelerinin seçiminde bilimsel verilerde yer alan sınır değerlerine ve kısıtlara dikkat edilmiş, kısıt aşımlarında ceza uygulanmıştır. Elde edilen sonuçlar parçacık sürü optimizasyonu (PSO), gerçek kodlu genetik algoritma (RGA) ve lineer programlama (LP) ile karşılaştırılmıştır. Sonuçlara göre; FGA ’nın karma yem maliyetini düşürdüğü gözlemlenmiştir.

Anahtar Kelimeler

Farksal gelişim algoritması optimizasyon yem maliyet optimizasyonu

Kaynakça

  • [1] N. Özen, “Hayvan Besleme Fizyolojisi ve Metabolizması Genişletilmiş 2. Baskı”, Akdeniz Üniversitesi Ziraat Fakültesi No:6, Antalya, (2005).
  • [2] A. Ergün, Ş. T. Tuncer, İ. Çolpan, S. Yalçın, G. Yıldız, M. K. Küçükersan, S. Küçükersan, A. Şehu, “Hayvan Besleme ve Beslenme Hastalıkları 4. Baskı”, Pozitif Matbaacılık, Ankara, 1-725 (2008). [3] Y. Yaşar, “Diferansiyel gelişim algoritması ile karma yem maliyet optimizasyonu”, Yüksek Lisans Tezi, Dumlupınar Üniversitesi Fen Bilimleri Enstitüsü, (2014).
  • [4] J. A. Tesmer ve B. Zimmerman, “Diet Formulation”, University of Minnesota Extension Service, www Report Lesson 5, MN55965, Preston, 1-11 (2004).
  • [5] J. Hadrich, C. Wolf, and S. Harsh, "Optimal livestock diet formulation with farm environmental compliance consequences", American Agricultural Economics Association Annual Meeting, Providence, Rhode Island, July 24-27, 2005.
  • [6] M. A. Şahman, M. Çunkas, F. İnal, Ş. İnal, B. Coşkun, U. Taşkıran, “Cost optimization of feed mixes by genetic algorithms”, Advanced Engineering Software, 40, 965–974 (2009).
  • [7] A. A. Altun and M. A. Şahman, “Cost optimization of mixed feeds with the particle swarm optimization method”, Neural Computing & Applications, 22(2), 383-390 (2011).
  • [8] N. Karaboga, “Digital IIR filter design using differential evolution algorithm”, EURASHIP Journal on Applied Signal Processing, 8, 1269-1276 (2005).
  • [9] T. W. Liao, “Two hybrid differential evolution algorithms for engineering design optimization”, Applied Soft Computing, 10(4), 1188-1199 (2010).
  • [10] B. Yu, and X. S. He, “Training radial basis function networks with differential evolution”, Transactions on Engineering Computer and Technology, 11(2) , 157–160 (2006).
  • [11] A. Gün, B. Durmuş, H. Temurtaş, and G. Kuvat, “A comparative study on optimum PID tuning with differential evolution and particle swarm optimization”, 2nd International Symposium on Computing Science & Engineering (ISCSE-2011), 2, Kuşadası, Aydın, 101-107, (2011).
  • [12] https://www.selcuk.edu.tr/Sayfa.aspx?birim=014003&sayfa=4690&dt=1(2014).
  • [13] R. Storn and K. Price, “Differential evolution - a simple and efficient heuristic for global optimization over continuous spaces”, Journal of Global Optimization, 11, 341–359 (1997).
  • [14] T. Keskintürk, “Diferansiyel gelişim algoritması”, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 9(1), 85-99 (2006).
  • [15] N. Karaboğa ve C. A. Koyuncu, "Diferansiyel gelişim algoritması kullanılarak adaptif lineer toplayıcı tasarımı", III. Otomasyon Sempozyumu 2005, Denizli, 216, (2005).
  • [16] D. Zaharie, “Influence of crossover on the behavior of differential evolution algorithms”, Applied Soft Computing, 9(3), 1126-1138 (2009).
Toplam 15 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Yaşar Yaşar Bu kişi benim

Burhanettin Durmuş

Yayımlanma Tarihi 15 Nisan 2014
Yayımlandığı Sayı Yıl 2014 Sayı: 033

Kaynak Göster

APA Yaşar, Y., & Durmuş, B. (2014). FARKSAL GELİŞİM ALGORİTMASI İLE KARMA YEM MALİYET OPTİMİZASYONU. Journal of Science and Technology of Dumlupınar University(033), 33-44.
 Kapak Resmi İndir