Endüstri Mühendisliği Bölümü Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.11779/1942

Browse

Filters

2017 - 20204

Settings

Subject: search.filters.subject.Stochastic optimization

Search Results

Now showing 1 - 4 of 4
  • Article
    Büyük Ölçekli Etki Enbüyükleme Problemi için Lagrange Gevşetmesi Tabanlı Etkin Bir Çözüm Yöntemi
    (AKÜ FEMÜBİD, 2020-03-17) Güney, Evren
    Etki Enbüyükleme Problemi (EEP) büyük bir sosyal ağ içindeki en etkin K tane kişiyi seçen zor bir stokastik kombinatoryal eniyileme problemidir. Son yıllarda pek çok araştırmacının ilgisini çeken bu problem için çok sayıda etkin yöntem geliştirilmiştir. Sosyal ağdaki bilginin / etkinin yayılımı çeşitli ağ akış modelleri ile tasarlandığında, elde edilen problemin amaç fonksiyonunun alt-birimsel olduğu gözlemlenmiştir. Bu sebeple basit bir açgözlü algoritma ile (1-1/e) en kötü performans garantisine erişilmiştir. Ancak, aç gözlü algoritmanın büyük boyutlu problemlerde çok uzun çözüm süreleri gerektirmesi alternatif yöntem arayışlarına neden olmuştur. Son yıllarda geliştirilen yeni yöntemler genelde büyük boyutlu ağlarda kısa sürede iyi çözümler elde ederken (1-1/e) performans garantisini de korumaktadır. Ancak pek az sayıda çalışma problemin sadece en-iyi çözümüne odaklanmıştır. Bu çalışmada Lagrange gevşetmesi tabanlı ve EEP’yi eniyi / eniyiye yakın çözen ve ölçeklenebilen bir yöntem geliştirilmiştir. Bu çerçevede, öncelikle Örneklem Ortalama Yakınsaması ile özgün probleme yakınsayan belirgin bir matematiksel model kurulmuştur. Daha sonra bu model üzerinde düğüm tabanlı Lagrange gevşetmesi tekniği uygulanmıştır. İlgili yöntem bağımsız çağlayan ve doğrusal eşik bilgi yayılım modelleri varsayımı altında çeşitli boyutlardaki sosyal ağ veri setleri (Facebook, Enron, Gnutella, arXiv) üzerinde test edilmiştir. Bütün senaryolarda eniyi / eniyiye yakın çözümlere ulaşılırken yazındaki mevcut yöntemlere göre on kata kadar hızlanma sağlanmıştır.
  • Article
    An Efficient Linear Programming Based Method for the Influence Maximization Problem in Social Networks (vol 503, Pg 589, 2019)
    (Elsevier, 2020-02-01) Güney, Evren
    The influence maximization problem (IMP) aims to determine the most influential individuals within a social network. In this study first we develop a binary integer program that approximates the original problem by Monte Carlo sampling. Next, to solve IMP efficiently, we propose a linear programming relaxation based method with a provable worst case bound that converges to the current state-of-the-art 1-1/e bound asymptotically. Experimental analysis indicate that the new method is superior to the state-of-the-art in terms of solution quality and this is one of the few studies that provides approximate optimal solutions for certain real life social networks.
  • Article
    Citation - WoS: 12
    Citation - Scopus: 19
    Minimizing the Misinformation Spread in Social Networks
    (Taylor and Francis, 2019-11-21) Güney, Evren; Kuban, İ. Kuban Altınel; Tanınmış, Kübra; Aras, Necati; Altinel, I. Kuban
    The Influence Maximization Problem has been widely studied in recent years, due to rich application areas including marketing. It involves finding k nodes to trigger a spread such that the expected number of influenced nodes is maximized. The problem we address in this study is an extension of the reverse influence maximization problem, i.e., misinformation minimization problem where two players make decisions sequentially in the form of a Stackelberg game. The first player aims to minimize the spread of misinformation whereas the second player aims its maximization. Two algorithms, one greedy heuristic and one matheuristic, are proposed for the first player’s problem. In both of them, the second player’s problem is approximated by Sample Average Approximation, a well-known method for solving two-stage stochastic programming problems, that is augmented with a state-of-the-art algorithm developed for the influence maximization problem.
  • Article
    Citation - WoS: 10
    Citation - Scopus: 13
    Energy Investment Planning at a Private Company: a Mathematical Programming-Based Model and Its Application in Turkey
    (IEEE-Inst Electrical Electronics Engineers Inc, 2017-11-01) Ağralı, Semra; Canakoglu, Ethem; Arikan, Yildiz; Terzi, Fulya; Adıyeke, Esra; Adyeke, Esra; Agral, Semra; Çanakolu, Ethem
    We consider a mid-sized private electricity generating company that plans to enter the market that is partially regulated. There is a cap and trade system in operation in the industry. There are nine possible power plant types that the company considers to invest on through a planning horizon. Some of these plants may include a carbon capture and storage technology. We develop a stochastic mixed-integer linear program for this problem where the objective is to maximize the expected net present value of the profit obtained. We include restrictions on the maximum and minimum possible amount of investment for every type of investment option. We also enforce market share conditions such that the percentage of the total investments of the company over the total installed capacity of the country stay between upper and lower bounds. Moreover, in order to distribute the investment risk, the percentage of each type of power plant investment is restricted by some upper bound. We tested the model for a hypothetical company operating in Turkey. The results show that the model is suitable to be used for determining the investment strategy of the company.