Page 108 - st-robot-yatirimlari-2025-nisan

ROBOT

ÜRÜN VE SİSTEMLERİ
Optimizasyon

metasezgisel yaklaşımlar esneklik ve
etkinlik sunar. Özellikle optimizasyon
gerektiren karmaşık sistemlerde, bu al-
goritmalar geniş bir çözüm uzayını hızlı
bir şekilde tarayarak uygun sonuçlar
elde edilmesini sağlar.

3. SONUÇ
Metasezgisel algoritmalar, tasarım sü-
reçlerinde maliyetin düşürülmesi, perfor-
mansın artırılması ve süreçlerin hızlandırıl-
masında önemli katkılar sunar. Ayrıca, bu
yöntemler çok sayıda kısıt ve değişkenin
olduğu sistemlerde, geleneksel yöntem-
lerin aksine, çoklu çözümler sunarak ta-
sarım kararlarına çeşitlilik ve farkındalık
katmaktadır. Bu özellikleriyle metasez-
gisel algoritmalar, mühendislik disiplinle-
rinde yenilikçi ve rekabetçi çözümler ge-
liştirmek için vazgeçilmez bir araç haline
gelmiştir. Sonuç olarak endüstriyel uygu-
lamalarda ve mühendislik tasarımında,
optimizasyonda metasezgisel yöntemle-
Şekil 3. Metasezgisel yöntemlerin arama çözüm sayısına göre sınıflandırılması rin önemi daha fazla artmaktadır.

KAYNAKLAR
[1] Y. Çelik, İ. Yıldız, ve A. T. Karadeniz, “Son Üç Yılda Geliştirilen Metasezgisel Algoritmalar Hakkında Kısa Bir İnceleme”,
Avrupa Bilim ve Teknoloji Dergisi, ss. 463-477, Eki. 2019, doi: 10.31590/EJOSAT.638431.
[2] A. Onan, “Metasezgisel Yöntemler ve Uygulama Alanları”, Journal of Cukurova University Faculty of Economics and
Administrative Sciences, c. 17, sy 2, ss. 113-128, Ara. 2013, Erişim: 17 Kasım 2024. [Çevrimiçi]. Erişim adresi: https://
dergipark.org.tr/en/pub/cuiibfd/issue/4144/54418
[3] R. Kommadath, D. Maharana, ve P. Kotecha, “A metaheuristic-based efficient strategy for multi-unit produc-
tion planning with unique process constraints”, Appl Soft Comput, c. 134, s. 109871, Şub. 2023, doi: 10.1016/J.
ASOC.2022.109871.
[4] P. Coelho ve C. Silva, “Parallel Metaheuristics for Shop Scheduling: enabling Industry 4.0”, Procedia Comput Sci, c.
180, ss. 778-786, Oca. 2021, doi: 10.1016/J.PROCS.2021.01.328.
[5] D. Balderas, A. Ortiz, E. Méndez, P. Ponce, ve A. Molina, “Empowering Digital Twin for Industry 4.0 using metaheu-
ristic optimization algorithms: case study PCB drilling optimization”, International Journal of Advanced Manufacturing
Technology, c. 113, sy 5-6, ss. 1295-1306, Mar. 2021, doi: 10.1007/S00170-021-06649-8/FIGURES/12.
[6] Ö. Sevim ve M. Sönmez, “Geliştirilmiş Yapay Arı Koloni Algoritması İle kafes ve Düzlemsel Çelik Yapıların Optimum
Tasarımı”, Nigde Omer Halisdemir University Journal of Engineering Sciences, c. 3, sy 2, ss. 38-51, Tem. 2016, doi:
10.28948/NGUMUH.239368.
[7] T. Doğruer, “DC Motorun Hız Kontrolü İçin Kesir Dereceli PID Kontrolör Tasarımı ve Dayanıklılık Analizi”, Adıyaman
Üniversitesi Mühendislik Bilimleri Dergisi, c. 10, sy 19, ss. 15-28, Nis. 2023, doi: 10.54365/ADYUMBD.1152949.
[8] M. T. ÖZDEMİR, M. M. KARACA, ve A. T. KARAŞAHİN, “Ters Sarkaç Sistemi İçin LQR Kontrolcü Tasarımında Gene-
tik Algoritma Optimizasyonu”, European Journal of Science and Technology, ss. 163-171, Kas. 2020, doi: 10.31590/
EJOSAT.820337.
[9] A. Gürel ve E. Zerdali, “Metaheuristic optimization of predictive torque control for induction motor control”, Nigde
Omer Halisdemir University Journal of Engineering Sciences, c. 11, sy 1, ss. 55-61, Oca. 2022, doi: 10.28948/NGU-
MUH.969734.
[10] Beauregard, Y., Thomson, V., & Bhuiyan, N. (2008). Lean engineering logistics: Load leveling of design jobs with
capacity considerations. (https://doi.org/10.5589/Q08-006)
[11] Chen, C.-J., & Young, C. (2004). Integrate topology/shape/size optimization into upfront automotive component
design. In 34th AIAA Fluid Dynamics Conference and Exhibit.(https://doi.org/10.2514/6.2004-4594)

106 ST Robot Yatırımları Nisan 2025