Genetik Algoritmalar (GA) İle Nüfus Artış Tahmini

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

Population Growth Prediction with Genetic Algorithm (GA)

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. [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.