bezİer eĞrİlerİ ve yÜzeylerİ İle modern ve klasİk optİmİzasyon teknİklerİ...
TRANSCRIPT
T.C.SÜLEYMAN DEMİREL ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
BEZİER EĞRİLERİ VE YÜZEYLERİ İLE MODERN VE KLASİK OPTİMİZASYON TEKNİKLERİ VE UYGULAMALARI
Gülden KAPUSUZ
Danışman Prof. Dr. Ahmet ŞAHİNER
YÜKSEK LİSANS TEZİ MATEMATİK ANABİLİM DALI
ISPARTA - 2017
© 2017 [Gülden KAPUSUZ]
i
İÇİNDEKİLER
Sayfa İÇİNDEKİLER ......................................................................................................................... i ÖZET ......................................................................................................................................... ii ABSTRACT .............................................................................................................................. iii TEŞEKKÜR .............................................................................................................................. iv ŞEKİLLER DİZİNİ ................................................................................................................. v ÇİZELGELER DİZİNİ ............................................................................................................ vi SİMGELER VE KISALTMALAR DİZİNİ .......................................................................... vii 1. GİRİŞ..................................................................................................................................... 1
1.1. Tezin Organizasyonu ............................................................................................ 3 2. KAYNAK ÖZETLERİ ........................................................................................................ 5 3. TREONİN MOLEKÜLÜNDE ENERJİ KONFORMASYON PROBLEMİ .............. 8
3.1. Ön Bilgiler ................................................................................................................. 9 3.1.1. Yoğunluk fonksiyon teorisi(DFT) ........................................................... 9 3.1.2. Gaussian 03W ................................................................................................ 11 3.1.3. Potansiyel enerji yüzeyi ............................................................................. 12
3.2. Uygulama .................................................................................................................. 14 4. BULANIK MANTIK İLE VERİLERİN SÜREKLİLİĞİ .............................................. 16
4.1. Ön Bilgiler ................................................................................................................. 16 4.1.1. Bulanık sayı ve üyelik fonksiyonları ..................................................... 16 4.1.2. Mamdani çıkarım metodu ......................................................................... 17
4.2. Uygulama .................................................................................................................. 18 5. BEZİER YÜZEYLERİ İLE DÜZGÜN LOKAL YÜZEYLERİN OLUŞTURULMASI 23
5.1. Ön Bilgiler ................................................................................................................. 23 5.1.1. Bezier eğrileri ................................................................................................ 23 5.1.2. Bezier yüzeyleri............................................................................................. 23
5.2. Uygulama .................................................................................................................. 24 6. LOKAL BEZİER YÜZEYLERİNİN DÜZGÜN BİRLEŞTİRİLMESİ ....................... 32
6.1. Ön Bilgiler ................................................................................................................. 32 6.1.1. Parçalı düzgün fonksiyonlar .................................................................... 33
6.2. Uygulama .................................................................................................................. 35 7. ENERJİ KONFORMASYON PROBLEMİNDE SMOOTH AND DESCENTMETODU İLE GLOBAL OPTİMİZASYON ...................................................................... 38
7.1. Ön Bilgiler ................................................................................................................. 39 7.1.1. Global konvekslik ......................................................................................... 39 7.1.2. Diferansiyellenebilir optimizasyon ....................................................... 40 7.1.3. Optimizasyonun sınıflandırılması .......................................................... 41 7.1.4. Smooth and descent metodu .................................................................... 42
7.2. Uygulama .................................................................................................................. 43 8. TARTIŞMA VE SONUÇLAR ........................................................................................... 45 KAYNAKLAR .......................................................................................................................... 47 ÖZGEÇMİŞ ............................................................................................................................... 52
ii
ÖZET
Yüksek Lisans Tezi
BEZİER EĞRİLERİ VE YÜZEYLERİ İLE MODERN VE KLASİK OPTİMİZASYON TEKNİKLERİ VE UYGULAMALARI
Gülden KAPUSUZ
Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü
Matematik Anabilim Dalı
Danışman: Prof. Dr. Ahmet ŞAHİNER
Günümüzde optimizasyon problemi, matematik ve bilgisayar bilimlerinde uygun olan tüm çözümler içinde en iyi çözümü bulma problemidir. Optimizasyondaki iki ana bileşen modelleme ve çözümlemedir. Modelleme problemin matematiksel ifade edilmesi, çözümleme ise bu modeli sağlayan en iyi çözümün elde edilmesidir.
Bu tez çalışmasında, mühendislik, fizik ve kimya gibi bilim dallarında etkili sonuçlar verebilen bir global optimizasyon tekniği takdim edilmiştir. Benzer düzgün olmayan global konveks fonksiyonları içeren problemlere uygulanabilen bu teknik özel olarak treonin molekülünün enerji konformasyon analizi problemlerinde bir uygulama ile değerlendirilmiştir. Uygulama için öncelikle Yoğunluk Fonksiyon Teorisi (DFT) kullanılarak veri değerleri elde edilmiştir. Sonlu sayıda olan veri değerleri Bulanık Mantık kullanılarak modellenmiş ve veriler belli oranda sürekli hale getirilmiştir. Sonraki aşamada ise Bulanık Mantık ile oluşturulan sürekli fakat düzgün olmayan model ilk önce öngörülen lokal minimum değerler civarında düzgün Bezier yüzeyleri ile temsil edilmiş ardından Bezier eğrileri kullanılarak lokal Bezier yüzeylerinin düzgün kaynaştırılması sağlanmıştır. Böylece elde edilen tek parça diferansiyellenebilir amaç fonksiyonuna global minimum bulma yöntemleri uygulanabilir hale gelmiştir. İşte bu aşamada da enerji yüzeyini temsil eden global konveks amaç fonksiyonuna Smooth and Descent Metodu adını verdiğimiz global minimum bulma tekniği uygulanarak ilgili molekülün minimum enerji değeri bulunmuştur. Başarılı bir uygulama ile benzer optimizasyon problemlerine uygulanabilirliği etkinleştirilmiştir.
Bu yeni teknik ile elde edilen verilerin analizi tartışma ve sonuçlar kısmında detaylı olarak verilmiştir.
Anahtar Kelimeler: Bulanık Mantık, Bezier Yüzeyleri, Kaynaştırma, DFT, Global Optimizasyon.
2017, 53 sayfa
iii
ABSTRACT
M.Sc. Thesis
MODERN AND CLASSICAL OPTIMIZATION TECHNIQUES WITH BEZIER SURFACES AND BEZIER CURVES AND THEIR APPLICATIONS
Gülden KAPUSUZ
Süleyman Demirel University Graduate School of Natural and Applied Sciences
Department of Mathematics
Supervisor: Prof. Dr. Ahmet ŞAHİNER
An optimization is a process of finding an alternative with the most cost effective or highest achievable performance under a certain condition. The two main constituents of optimization are modeling and analysis. Modeling is the mathematical expression of the problem and analysis is the best solution that is to be obtained from this model.
In this thesis, a global optimization technique has been introduced that can give effective results in science such as engineering, physics and chemistry. This technique, which can be applied to problems involving similar non-smooth global convex functions, has been specifically evaluated by an application in energy conformation analysis problems of the treonin molecule. Firstly for the application, data values were obtained by using Density Function Theory (DFT). Data values which are discrete are modeled by using Fuzzy Logic and the data is made continuous. In the latter stage, the continuous but non-smooth model constituted by Fuzzy Logic is firstly represented by smooth Bezier surfaces around the local minimum values and then local Bezier surfaces are smoothly blended by using Bezier curves. Thus, global minimum finding methods can be applied to the differentiable objective function. At this stage, the global convex objective function representing the energy surface is found by applying the global minimum finding technique called the Smooth and Descent Method to find the minimum energy value of the molecule. Applicability to similar optimization problems has been activated with the successful application.
The analysis of the data obtained by this new technique is given in detail in the discussion and conclusion sections.
Keywords: Fuzzy Logic, Bezier Surfaces, Blending, DFT, Global Optimization.
2017, 53 pages
iv
TEŞEKKÜR
Bu çalışma ve öncesinde; özverisi, sabrı ve ilmi ile çalışmalarımın her aşamasında desteğini esirgemeyen danışman hocam Prof. Dr. Ahmet ŞAHİNER’ e, çalışmalarım boyunca bilgi ve deneyimleri ile yol gösteren Araş. Gör. Nurullah YILMAZ’ a, ayrıca Fizik uygulaması için benimle araştırma sonuçlarını paylaşan Fizik Bölümü Öğretim Üyesi Prof. Dr. Fatih UCUN’ a desteğinden dolayı teşekkür ederim.
4733-YL1-16 No’lu Proje ile tezimi maddi olarak destekleyen Süleyman Demirel Üniversitesi Bilimsel Araştırma Projeleri Yönetim Birimi Başkanlığı’na teşekkür ederim.
Ayrıca eğitim hayatım ve özellikle tez çalışmalarım boyunca benden maddi ve manevi desteklerini eksik etmeyen her zaman yanımda olan sevgili babam Hacı Mehmet KAPUSUZ, değerli annem Zahide KAPUSUZ’ a ve kıymetli kardeşlerime teşekkürlerimi bir borç bilirim.
Gülden KAPUSUZ ISPARTA, 2017
v
ŞEKİLLER DİZİNİ
Sayfa Şekil 3.1. Treonin ‘in çeşitli isomerleri ........................................................................ 9 Şekil 3.2. Gauss View 03 programında (a) kullanıcı arayüzü
(b)Moleküllerin orbitallerinin görüntülenmesi ................................... 13 Şekil 3.3. Treonin molekülünün uyarlanmış yapısı ................................................ 14 Şekil 3.4. Treonin molekülünün iki bileşenli PES grafiği...................................... 15 Şekil 4.1. Mamdani metodunun basit bileşenleri .................................................... 18 Şekil 4.2. Modelin genel yapısı ........................................................................................ 19 Şekil 4.3. SC1 değerleri (o) için üyelik fonksiyonları .............................................. 19 Şekil 4.4. SC2 değerleri (o) için üyelik fonksiyonları .............................................. 20 Şekil 4.5 Enerji değerlerinin üyelik fonksiyonları. ................................................. 20 Şekil 4.6. DFT metodu ile elde edilen enerji ile model sonucu elde edilen enerji değerleri arasındaki kolerasyon .................................................... 22 Şekil 4.7. Açı çiftlerine bağlı olarak enerji fonksiyonu. ......................................... 22 Şekil 5.1. Kontrol noktalarının farklı açılardan gösterimi ................................... 27 Şekil 5.2. Kontrol noktaları ile elde edilen Bezier yüzeyi ..................................... 31 Şekil 6.1. Kontrol noktaları ile elde edilen Bezier yüzeyi ..................................... 36 Şekil 6.2. Tek parça düzgün diferansiyellenebilir 𝑓 𝑥 fonksiyonu ................. 36
vi
ÇİZELGELER DİZİNİ
Sayfa Çizelge 5.1. Bazı lokal bezier yüzeylerinin kartezyen fonksiyonları ............... 28 Çizelge 5.2. Veri değerleri ................................................................................................. 29 Çizelge 5.3. Veri değerleri ................................................................................................. 30 Çizelge 7.1. Sayısal sonuçlar ............................................................................................ 44
vii
SİMGELER VE KISALTMALAR DİZİNİ DFT Yoğunluk Fonksiyon Teorisi İMKB İstanbul Menkul Kıymetler Borsası PES Potansiyel Enerji Yüzeyi SC1 C2C1C4O7 SC2 C1C2O6H13 FLM Bulanık Mantık Modelleme CAGD Computer Aided Geometric Design
PEY Potansiyel Enerji Yüzeyi P-S Parçalı Düzgün Fonksiyonlar a.u Atomik Birim
1
1. GİRİŞ
Son zamanlarda, reel hayat problemlerinde gelişen teknoloji ile en iyi sonuçları
en az maliyetle bulmak esas çalışmalardan olmuştur. Fizik çalışmalarında da
optimizasyon problemleri benzer şekilde görülmektedir. Üzerine çalışılan enerji
konformasyon analizi ise bunlardan biridir. Analiz çalışmasındaki esas amaç
molekül oluşturulurken ortaya çıkan enerji değerini minimize etmektir. Bu ise
atomların bağlanma şekilleri, bağ açıları gibi çeşitli değişenlere bağlıdır.
Konformasyon analizi üzerine çalışmalar ilk olarak 1960’lı yıllarda Walter Kohn
ve çalışma arkadaşları tarafından geliştirilmiştir. Thomas ve Fermi’ye ait olan
Yoğunluk Fonksiyonel Teorisi, parçacık sisteminin toplam enerjisini,
Schrödinger denkleminde elektriksel yük yoğunluk fonksiyonu kullanarak
hesaplar. Bu çalışmada incelenen moleküller için hesaplamalar, Gaussian 03
paket program(Frisch vd, 2003) ve Gauss-View moleküler görüntüleme(Frish
vd, 2001) paket programları kullanılarak yapılmıştır. Pople ve çalışanları
tarafından 2003 yıllarında geliştirilen Gaussian 03W, moleküler mekanik, yarı
deneysel ve ab initio yöntemlerini içeren oldukça kapsamlı bir programdır. Her
üç yöntem için de çok sayıda teori ve temel set seçeneğine sahiptir. Gaussian
03W programı atom ve moleküllerin enerjileri, enerjiye bağlı olan titreşim
frekansları, kuvvet sabitleri ve dipol momentleri hesaplamada ve moleküllerin
geometrik optimizasyonlarını yapmada son derece etkilidir (Dawson vd, 1959).
Yoğunluk Fonksiyon Teorisi (DFT) kullanılarak farklı torsion açılarda enerjileri
hesaplanan molekül, treonin molekülü (HO2CCH(NH2)CH(OH)CH3)’dür. Amaç
uygun şartlarda minimum enerji değerini araştırmak olacaktır. Bunun için ise
literatürde var olan (Yılmaz ve Sahiner, 2016) tarafından önerilen global
minimum bulma teknikleri kullanılacaktır. Öncelikle Gaussian 03W ile elde
edilen veriler analiz edilmiştir.
Global minimum bulma yönteminin etkin kullanılabilmesi için modelin
diferansiyellenebilir olması gereklidir. Fakat ilk adımda verilerin sürekli
olmaması problem teşkil etmektedir. Bu problemin giderilmesi için Bu
çalışmada uygulamalı bilim dallarında yaygın olarak kullanılan Bulanık Mantık
kullanılarak belli aralıkta kesikli olan verilerin sürekli hale getirilmesi için ilk
adım atılmıştır. Bulanık mantığın temelleri Zadeh tarafından 1965 yıllarında
2
atılmıştır (Zadeh, 1965). Bulanık Mantık, akıl yürütme mantığıdır ve belirsizlik
ortamında değerlendirme yaparak yaklaşık sonuç elde etmeyi sağlar. Ayrıca
belirsizliklerin anlatımı ve belirsizliklerle çalışılabilmesi için kurulmuş bir
matematik düzenidir. Akıl yürütme mantığı olan Bulanık Mantık belirsizlik
durumlarında değerlendirme yaparak yaklaşık sonuç elde etmeyi sağlar.
Bulanık Mantık Modelleme çalışmaları İMKB’ye kayıtlı çimento işletmelerinin
finansal tablolarının Bulanık Mantık ile belirlenmesinde (Eleren, 2007), Bulanık
Mantık ile gazlı içeceklerin karbondioksit kontrolü yapılmasında (S. Abduljabar,
2011), çiğ sütün kalite değerlendirilmesinde (Akıllı vd, 2014), son zamanlarda
ise optimizasyon çalışmalarında da veri modellemelerinde bir basamak olarak
kullanılmıştır (Sahiner vd, 2013), (Sahiner vd, 2014), (Sahiner vd, 2015).
Sonraki aşama olarak ise Bulanık Mantık ile oluşturulan sürekli yüzeyin
minimimum enerji değerinin bulunduğu nokta civarında modelin
diferansiyellenebilir olmaması üzerinde durulacaktır. Bunun giderilmesi ise
Bezier yüzeyleri ile sağlanacaktır. Her bir lokal enerji değerinin civarında lokal
Bezier yüzeyleri oluşturulacaktır. Bezier yüzeylerini oluşturan Bezier eğrilerinin
temelleri 1950 yıllarında atılmaya başlanmış ve ilk olarak 1959 yılında Paul de
Faget de Casteljau isminde Citroën’ de çalışan bir Fransız otomotiv
mühendisi tarafından literatüre takdim edilmiştir (Thompson vd, 1998). Bu
kavram son zamanlarda yüzey tasarımı (veya CAGD) için de büyük önem
arzetmektedir.
Oluşturulan lokal Bezier yüzeylerinin birbirine kaynaştırılarak tek parça
diferansiyellenebilir sürekli bir yüzey olması ve düzgünleştirilmesi yine Bezier
eğrileri ile sağlanacaktır. Düzgünleştirme çalışmaları ilk olarak 1975 yılında
Bertsekas tarafından min-max problemlerinde ortaya çıkmıştır. Data
modellemede kurulan eğri veya yüzeyin birinci ve ikinci mertebeden düzgün
olması (birinci ve ikinci mertebe türevleri sürekli) büyük bir önem arz
etmektedir. Geometrik Eğri ve Yüzey Tasarımı (veya CAGD) için eğri ve
yüzeylerin düzgün birleştirilmesi önemli problemlerdendir. Yüzey veya eğri
birleştirme çalışması kesişen iki yüzey (veya eğri) arasında düzgün bir geçişin
sağlanması çalışmalarını içermektedir. Genellikle iki yüzey, kesişme eğirisinin
3
(noktasının) civarından kesilir ve oluşan boşluk uygun bir yüzey parçası ile
doldurulur (Hartman, 1995).
Sonuç olarak optimizasyon teorisinde her birisi ayrı bir öneme sahip
modelleme, düzgünleştirme, düzgün birleştirme ve global minimum bulma
teknikleri geliştirilerek bunların kullanılışı enerji konformasyon analizi
problemleri üzerine özel bir uygulama ile tanıtılacaktır. Kullanılacak yol ve
yöntemlerle ilgili gerekli ön bilgiler, uygulamalar ve sonuçlar sıra ile tez
çalışmasında başlık olarak verilecektir. Yapılan bu tez çalışması ile farklı
disiplinlerdeki benzer optimizasyon problemlerine çözüm için yeni bir
metodoloji geliştirilmiş olacaktır.
1.1. Tezin Organizasyonu
Çalışmanın ilk bölümü olan giriş bölümünde, tez çalışması için önemli olan
Bulanık Mantık, optimizasyon çalışmalarının günümüzdeki yeri ve DFT üzerine
kısa bilgiler verilmiştir. Bu bölümde ayrıca tezin organizasyonu bildirilmiştir.
Kaynak özetleri kısmında, tez konusu ile ilgili literatür taraması yapılarak bu
konu üzerine benzer çalışmalar, optimizasyon konusu üzerine günümüzde
gelinen son nokta ve kullanılan çeşitli yöntemlere kısaca değinilmiştir.
Çalışmanın üçüncü bölümünde, tezin bir parçası olan enerji konformasyon
problemlerinden bahsedilmiştir. Bu problemin çözümünde kullanılan
yöntemlerden biri olan DFT, Gaussian 03W programı ve Potansiyel Enerji
Yüzeyi hakkında gerekli ön bilgiler verilmiştir. Ardından bu yöntemlerin tez
çalışmasına uygulanması ele alınmıştır.
Dördüncü bölümde, tezin sonraki aşamasında kullanılacak Bulanık Mantık ile
ilgili ön bilgiler verilmiş kısaca Mamdani Çıkarım Metodu’ndan bahsedilmiştir.
Ayrıca DFT ile elde edilen verilerin sürekli hale getirilmesi için kullanılan
Bulanık Mantık Yönteminin nasıl uygulanacağından bahsedilmiştir.
Beşinci bölümde, Bezier yüzeyleri ile ilgili tanımlara yer verilirken lokal
minimum enerji değerlerinin civarında Bezier yüzeylerinin oluşturulması
sağlanmıştır.
4
Altıncı bölümde, oluşturulan lokal Bezier yüzeylerinin, Bezier eğrileri ve parçalı
düzgün (P-S) fonksiyonlar kullanılarak birbiri ile düzgün kaynaştırılması
sağlanmıştır.
Yedinci bölümde, Treonin molekülü için enerji konformasyon probleminde
Smooth and Descent metodu kullanılarak global optimizasyon çalışması
yapılmış ve alakalı bazı tanım ve teoremler verilmiş, literatürde var olan global
minimum metodu olan Smooth and Descent yönteminden bahsedilmiş ve bu
yöntem minimum enerji değerlerinin bulunması için uygulanmıştır.
Uygulanan yöntemler ve alınan sonuçlarla ilgili karşılaşılan sorunların
çözümleri ve diğer yorumlar tartışmalar ve sonuçlar kısmında ele alınmıştır.
Tezin hazırlanmasında kullanılan kaynaklar ise tezin en son kısmında
verilmiştir.
5
2. KAYNAK ÖZETLERİ
Özel ve Kılıçkap (2006) Bezier yüzeylerini tasarım ve imalatta, yüzeyler ve
onların tanımlanmasında ve daha birçok reel hayat problemlerinde veri
modellemesi ve modelin estetiği ile ilgili çalışmalarında kullanmıştır.
Hartman (1995), çalışmasında yüzeyleri kaynaştırmak için bölgeyi uygun
aralıklarda kesmek ve eğrilerle en azından birinci dereceden
diferansiyellenebilir şekilde kaynaştırma üzerine çalışmıştır.
Ye ve Liang (1996) ise çalışmasında eğrilerle Bezier yüzeylerinin benzer şekilde
diferansiyellenebilir bağlanması üzerine çalışmalar yapılmıştır.
Cheng ve Gao (2003) ise yine çalışmalarında Bezier yüzeylerinin
diferansiyellenebilir şekilde kaynaştırılmasını parametrik olarak çözebilen
metotlar geliştirmiştir.
Belkhatir ve Zidna (2009) tarafından yapılan çalışmada ise yine yüzeylerin
diferansiyellenebilir kaynaştırılmasında parametrik çözüm üzerine
durulmuştur.
Yılmaz ve Şahiner (2015) Bulanık Mantık ile modellenen verilerin optimizasyon
çalışmalarında, klasik tekniklerden Filled Fonksiyon ve Smooth and Descent
metodlarını günlük hayat problemlerinin çözümünde kullanılmıştır.
Düzgünleştirme çalışmalarından ilki Bertsekas (1975) tarafından min-maks
problemleri için 1975 yılında ortaya koyulmuştur.
Zang (1980) ile aynı optimizasyon problemleri için diğer çalışmalar 80’ li
yılların başında literatürdeki yerini almıştır.
Dantzig (2002), optimizasyon modellerinin çözümüne yönelik yöntemlerin
araştırılmasının ikinci dünya savaşı yıllarına dayandığını ifade etmiştir.
Pınar ve Zenios (1994) ile Lian (2012) kısıtlı optimizasyonda kullanılan ceza
fonksiyonu metodu için düzgünleştirme fonksiyonları inşa etmişlerdir.
6
Haklı (2014), gerçek hayat problemlerinin geleneksel yöntemlerle çözülmesinin
zorluğu ve etkin olarak çözülememelerinin ilgiyi modelleme çalışmalarına
kaydırdığından bahsetmiştir.
Kashan (2014), çalışmasında özellikle son yıllarda kompleks ve zor
optimizasyon problemlerinin çözümü için bir çok sezgisel algoritma
geliştirmiştir. Bu algoritmalar tabiattan topluma, kültürden politika ve insana
kadar çevremizde gördüğümüz hemen hemen her şeyin modellenmesi ile
geliştirilmesini ele almıştır.
Leontief (1933,1936) çalışmalarında optimizasyon teknolojisinin gelişiminde
araştırmacıların öncelikli olarak modelleme ile ilgilendiğinden bahsetmiş ve bu
alandaki ilk çalışmaların Leontief tarafından Amerika Birleşik Devletleri’nin dış
ticaretini ve ekonomik yapısını modellemek amacıyla yaptığı yayınlar olduğunu
belirtmiştir.
Rus matematikçi Kantorovich (1939), üretim planlamasında en sıklıkla
karşılaşılan problemlerin modellenmesi ve elde edilebilecek en iyi sonuçları
bulma metotlarını anlattığı makalesiyle modern üretim sistemlerinde
optimizasyona olan ihtiyacı ortaya koymuştur.
Kantorovich ve Gavurin (1940) öte yandan ulaşım sektörünün verimliliğini
arttırmaya yönelik modelleme çalışmaları da yapmışlardır.
Kantorovich (1960), üretim sistemlerinin performansının artırımına yönelik
dokuz farklı optimizasyon problemi tanımlamış ve bu problemlerin çözümüne
yönelik olarak her problem için farklı çözüm algoritması geliştirmiştir.
Ayrıca, ekonomi alanında optimum kapasite kullanımına yönelik özellikle
ulaştırma sistemlerinde modelleme çalışmaları yapılmıştır. (Koopmans
,1949;1951;1957), (Koopmans ve Reiter, 1951), (Koopmans ve Bausch, 1959).
Nobel (2006)’ in sitesindeki açıklamaların ışığında, bu modelleme çalışmaları
bilim dünyası tarafından kabul görmüş olduğu ve Leontief 1973 yılında Nobel
Ekonomi Ödülünü aldığı, Kantorovich ve Koopmans’ın ise 1975 yılında Nobel
Ekonomi Ödülü’nü paylaştıkları anlaşılmıştır.
7
Dantzig (1949a), optimizasyon modellemelerinde özellikle ekonomik
sistemlerde kullanılması ve üretim/dağıtım sistemlerinde karşılaşılan
problemlerin birçoğunun optimizasyon problemi olarak modellenmesine
rağmen optimizasyon modellerinin teorik özelliklerinin araştırılması ve genel
çözüm algoritmalarının geliştirilmesinin halen devam ettiğini gösteren
çalışmalar yapmıştır. Optimizasyon problemlerinin çözümüne yönelik olarak ilk
önemli çalışma Dantzig tarafından yapılmış ve simpleks algoritması
geliştirilmiştir.
Gass ve Assad (2004), “Annotated Timeline of Operations Research: An Informal
History” isimli çalışmalarında belirttikleri üzere; Nobel Ekonomi ödülünü 1975
yılında alan Koopmans, Dantzig’in çalışmalarının önemine inanmış ve Dantzig’in
bu ödüle ortak olması gerektiğini Nobel ödül komitesine belirtmiştir. Fakat bu
çağrısına cevap alamamış ve Nobel ödülünün üçte birlik kısmını Uluslararası
Uygulamalı Sistem Analizi Enstitüsü’nde (International Institute for Applied
Systems Analysis-ILASA) George Dantzig adına kurulan burs programına
bağışlamıştır.
8
3. TREONİN MOLEKÜLÜNDE ENERJİ KONFORMASYON PROBLEMİ
Tez çalışmasında geliştirilen metotların, fizik çalışmalarında önemli yere sahip
enerji konformasyon problemlerine bir uygulaması yapılacaktır. Bunun için
konformasyon problemlerini daha iyi anlamamız gerekecektir. Bir molekül de
sadece sigma bağ (tek bağ) etrafında dönmeler vardır. Sigma bağı etrafında
grupların dönmesinden meydana gelen geçici molekül şekillerine moleküllerin
konformasyonu denir. Grupların sigma bağı etrafında dönmeleri sonucu
moleküllerin uğradığı enerji değişiminin analizine ise konformasyon analizi
denir. Moleküllerin farklı konformasyonları onların farklı özellikler
göstermesine sebep olabilir. Örneğin bir biyomolekülün bir fonksiyonu için o
molekülün belirli bir konformasyonda bulunması gerekir. Buda genellikle düşük
enerjili konformasyonlarıdır. Büyük moleküllerin düşük enerjili
konformasyonlarını bulmak için korformasyonel analiz yapmak gerekir. Bu
analizi yaparken ise molekülün atomları birbirine bağlanırken bağlar arasında
itme çekme kuvveti oluşur. Molekülün enerjisinin hesaplanmasında ise tüm
değişkenler göz önüne alınmalıdır. Moleküllerin enerjilerinin hesabında etkili
olan bağların torsion yani bükme açısı da enerji değerine etki etmektedir.
Böylelikle molekülün en az enerjiye hangi torsion açıda sahip olduğu
araştırılacaktır. Moleküllerin bağ yaparken en az enerjiye sahip olması onun
daha kararlı bir yapıda olmasına etki edecektir. Bu ise moleküller için istenen
bir özelliktir. Moleküllerin bu özelliklere sahip olarak modellenmesi ise kinetik
hesaplamalar, malzeme dizaynı, ilaç tasarımı gibi çeşitli sektörlerde
kullanılmaktadır.
Konformasyon analizinde kullanılacak çok elektronlu sistemlerde sayısal
çözümlemeler için çeşitli yöntemler kullanılmaktadır. Bunlar, ab initio
yöntemleri, yarı-ampirik yöntemler, yoğunluk fonksiyonel yöntemleridir. Bu
yöntemlerle Schrödinger denklemi tutarlı sonuç elde edinceye kadar
tekrarlanarak çözümlenir. Bu hesaplamalar çok karmaşık ve çözümü zaman
aldığı için ticari paket yazılımlar tarafından yapılmaktadır. Bu yazılımlar fortran
programlama dili kullanılarak hazırlanır ve bu yazılımlardan bazıları Gaussian,
Gamess, Molpro, Cache’ dir. Bu çalışmada, yoğunluk fonksiyon yöntemi ve
Gaussian yazılım programı kullanılmıştır.
9
DFT kullanılarak farklı torsion açılarda enerjileri hesaplanan molekül, treonin
molekülü (HO2CCH(NH2)CH(OH)CH3)’dür. Treoninde iki optik merkez bulunur;
dolayısıyla 4 farklı Stereoizomeri olabilir, diğer bir deyişle L-treoninin iki
diastereoizomerinin olması mümkündür. Fakat L-treonin ismi yaygın olarak
sadece bir enentiomeri için kullanılmaktadır. (2R, 3R)-2-amino-3-
hidroksibütanoik asit doğada çok nadir olarak bulunan ikinci diastereoizomeri
(2S, 3S), L-allo-treonin olarak adlandırılmaktadır. Treonin’in çeşitli isomerleri
Şekil 3.1 ‘de gösterilmiştir.
Şekil 3.1. Treonin’in çeşitli isomerleri
3.1. Ön Bilgiler
3.1.1. Yoğunluk fonksiyon teorisi (DFT)
Parçacık sisteminin toplam enerjisini elektriksel yük yoğunluğunun bir
fonksiyonu olarak incelenen, Schrödinger denkleminin çözümünde kullanılan ve
orijinali Thomas ve Fermi’ye ait olan DFT, ilk olarak 1960’lı yıllarda Walter
Kohn ve çalışma arkadaşları tarafından geliştirilmiştir.
Elektronik, Kimya, Fizik gibi dallarda, N (çok) cisimli sistemlerin
fonksiyonlarının çözümünde, bir dalga fonksiyonun elektron yoğunluğunu
10
temel bir değişken alarak kullanılan bu teori aşağıda verilen farklı çalışmalara
uygulanmış ve daha kısa, daha kullanışlı, daha modern, sistemi tek tek değil de
tüm olarak ele aldığı sonucuna varılmıştır. Barth ve Williams (1983) tarafından
yapılan, atomlar, katılar ve moleküller için Yoğunluk Fonksiyonel Teorisi
uygulamaları konulu çalışma bu konudaki ilk çalışmalardan biri olmuştur. Barth
(1984) sonrasında bu konuya, katılar için DFT, çalışması ile devam etmiştir.
İlerleyen yıllarda Avery ve Dahl (1989) tarafından, Kuantum Kimyası ve Fizikte
Yerel Yoğunluk yaklaşımı konulu çalışma yapılmıştır. Son zamanlarda ise Napari
(2000) tarafından akışkan sistemlerde faz davranışları ve çekirdeklenme için
DFT üzerine çalışmalar sürdürülmüştür. 2002 yıllarında Yoğunluk Fonksiyonel
Kuramı ve uygulamaları, 2004 yılında ise yarı iletkenlerin atomik, elektronik ve
titreşim özelliklerinin Yoğunluk Fonksiyon Teorisi ile belirlenmesi üzerine
çalışmalar bulunmaktadır.
Moleküllerin veya katıların yapılarının anlaşılmasında, kuantum mekaniğinin
insanı hayrete düşürecek bir biçimde hızlı gelişimine karşın, elde edilmiş olan
denklemlerin analitik veya sayısal çözümlerinde bir çok zorluklarla
karşılaşılmıştır. İlkesel olarak, kuantum mekaniksel bir dalga fonksiyonu,
verilen bir fiziksel sistem hakkında bilginin tümünü kapsamaktadır. İki boyutlu
bir kare potansiyel veya bir hidrojen atomu hali için, sistemin dalga
fonksiyonunu elde etmek için Schrödinger denklemini kesin olarak
çözülebiliyor ve buradan sistemin izin verilen tüm enerji hallerini
saptanabilirdir. Ne yazık ki, Schrödinger denklemini N cisimli bir sistem için
çözmek, genellikle olanak dışı olarak kalmaktadır. Bu tür problemlerin
çözümüne ulaşılmasında, bazı yaklaşımlarda bulunmak zorunluluğu vardır.
1998 yılında kimya bilim alanında Nobel ödülünü kazanmış olan Walter Kohn,
1964 yılında P.Hohenberg ile yapmış olduğu bir çalışmada çok cisimli dalga
fonksiyonunun varyasyonel bir yaklaşıklık içerisinde temel bir değişken olarak
alınmasının problemi oldukça güçleştirdiğini öne sürerek onun yerine yer ve
zamanın bir fonksiyonu olan elektron yoğunluğunu temel bir değişken almıştır.
Böylece çok cisimli sistemin Schrödinger denkleminin yaklaşık bir çözümünün
elde edilmesinde Yoğunluk Fonksiyon Teorisi yararlanılan bir yöntem haline
gelmiştir.
11
DFT’ nin önemli özellikleri
Orijinal DFT, bir taban durum teorisidir.
DFT, açık durumlu sistemlere ve manyetik özellikli katılara da
uygulanabilmektedir.
DFT, uyarlanmış durumlara ve zamana bağlı potansiyellere de
uygulanabilmektedir.
Hybrid DFT/Hartree-Fock metotları bulunmaktadır.
DFT, lokalize ve delokalize fonksiyonların her ikisini de
kullanabilmektedir.
3.1.2. Gaussian 03W
Bu çalışmada incelenen moleküller için hesaplamalar Gaussian 03 paket
program (Frisch vd, 2003) ve Gauss-View moleküler görüntüleme (Frish vd,
2001) paket programları kullanılarak yapılmıştır. Programın günümüzde farklı
platformlarda da çalışabilen çeşitli sürümleri mevcuttur. Program, kullanıcıların
çeşitli kuantum kimyasal hesaplamaları üç boyutlu görseller ve animasyonlarla
birleştirerek oldukça gelişmiş bir molekül modelleme ortamında
gerçekleştirmelerine olanak sağlar.
Pople ve çalışanları tarafından 2003 yıllarında geliştirilen Gaussian 03W,
moleküler mekanik, yarı deneysel ve ab initio yöntemlerini içeren oldukça
kapsamlı bir programdır. Her üç yöntem için de çok sayıda teori ve temel set
seçeneğine sahiptir. Gaussian 03W programı ile atom ve moleküllerin enerjileri
hesaplanabilir, geometrik optimizasyonları farklı bağ yapılabilir ve enerjiye
bağlı olan titreşim frekansları, kuvvet sabitleri ve dipol momentleri
hesaplanabilir. Program, potansiyel enerji yüzeyinde dolaşarak minimumlar,
geçiş halleri ve tepkime güzergahını tarayabilmektedir. Ayrıca IR ve Raman
spektrumları, termokimyasal özellikleri, bağ ve tepkime enerjileri, molekül
orbitalleri, atom yükleri, çok kutuplu momentler, NMR ve manyetik duyarlılık
titreşimsel şiddetleri, elektron ilgisi ve iyonlaşma enerjileri, kutuplanabilirlik ve
hiperkutuplanma, elektrostatik potansiyel ve elektron yoğunluğu gibi pek çok
özelliğin atomlar ve moleküller için hesaplanmasına olanak tanımaktadır. Tüm
bu özellikler gaz fazında ve çözelti içinde hesaplanabilmektedir.
12
Hesaplamalarda atom veya molekülün temel hali ya da uyarılmış hali
kullanılabilmektedir.
Gauss View 3.0 Gaussian paket programları için giriş (input) dosyaları
hazırlamak ve gaussian çıktılarını görselleştirmek için hazırlanmış bir grafik
arayüzdür (Şekil 3.2). Gauss View molekülleri görsel hale getirir ve onları
istediğimiz gibi döndürmemize, hareket ettirmemize ve moleküllerde değişiklik
yapmamıza olanak sağlar. Ayrıca karmaşık hesaplamalar için dahi kolaylıkla
giriş dosyaları hazırlamamızı imkan verip Gaussian programı tarafından
hesaplanan sonuçları (output) grafiksel olarak incelememize olanak
sağlamaktadır. Bu sonuçlar optimize edilmiş molekül yapıları, molekül
orbitalleri, elektrostatik potansiyel yüzeyleri, atomik yükler, IR, Raman, NMR
spektrumları gibi sıralanabilir.
3.1.3. Potansiyel enerji yüzeyi Potansiyel Enerji Yüzeyi (PEY), bütün mümkün atomik düzenlenişler üzerinden
atomlar topluluğunun potansiyel enerji yoluyla belirlenen çok boyutlu
yüzeyidir. N atomdan oluşan bir sistemin potansiyel enerji yüzeyi 3N-6 tane
koordinat boyutuna sahip olacaktır. Bu boyut sayısı kartezyen uzayın üç boyutlu
olmasının bir sonucudur. PEY, bağ uzunlukları, açılar ve torsion açıları
cinsinden yani iç koordinatlar ile tanımlanabilir.
PEY üzerinde özellikle incelenen noktalar en uygun molekül yapılarına karşılık
gelen yerel minimumlar, tüm PEY üzerinde en düşük enerjili nokta olan global
minimumlar ve geçiş yapılarına karşılık gelen eyer noktalarıdır. Eyer noktaları
minimumları birleştiren yollar üzerindeki en düşük enerjili bariyerdir ve
dolayısıyla geçiş durumları ile doğrudan ilgilidirler.
13
(a)
(b)
Şekil 3.2. GaussView 03 programında: a. kullanıcı arayüzü, b. Moleküler orbitallerin görüntülenmesi
14
3.2. Uygulama
Treonin molekülünün optimize yapısı Yoğunluk Fonksiyon Teorisi (DFT)
metodu kullanılarak uygun hale getirilmiştir. Metot ile birbirine bağlı olan
atomlar kullanılarak Molekülün şekli ve numaralandırılmış hali, Şekil 3.3’ deki
gibidir. Tüm hesaplamalar Gaussian 03 paket program(Frisch vd, 2003) ve
Gauss-View moleküler görüntüleme programı(Frish vd, 2001) kullanılarak
bilgisayar yoluyla ile yapılmıştır. Hesaplamalarda, DFT-6-31 G(d) metodu ile bir
torsion açısı sabit tutulup diğer torsion açısı 360o ye kadar 20o ‘lik artışlar
yapılarak değiştirilmiştir. Potansiyel Enerji Yüzeyi (PES) ile molekülün
minimum enerji yapısı görüntülenmiştir. İki değişkenli PES ile görüntülenen açı
çifti (SC1=C2C1C4O7 ve SC2=C1C2O6H13) olan molekül Bulanık Mantık
yaklaşımı için girdi değişkenleri kabul edilmiştir. PES ile görüntülenen veriler
Şekil 3.4’ de verilmiştir.
Şekil 3.3. Treonin molekülünün optimize yapısı
15
Şekil 3.4. Treonin molekülünün iki değişkenli PES grafiği . E= Energy, SC1= C2C1C4O7 ve SC2=C1C2O6H13.
16
4. BULANIK MANTIK İLE VERİLERİN SÜREKLİLİĞİ Bulanık mantığın temeli bulanık küme ve alt kümelere dayanır. Bulanık küme
sınırı net olarak tanımlanmış bir kümedir. Klasik yaklaşımda bir varlık ya
kümenin elemanıdır ya da değildir. Yani varlığın doğruluk değeri ya "1" ya da
"0" dır (Zadeh, 1965). Bulanık Mantık klasik mantığın genişletilmiş biçimidir.
Bir bulanık kümede her varlığın bir üyelik derecesi vardır ve bu üyelik derecesi
0 ile 1 arasında herhangi bir değer alabilir. Bununla ilgili gerekli açıklamalar ve
bazı tanımlara önbilgilerde yer verilmiştir.
4.1. Ön Bilgiler 4.1.1. Bulanık sayı ve üyelik fonksiyonları Tanım 4.1.1. Elemanları 𝑥 lerden oluşan herhangi bir 𝑋 kümesi verilmiş olsun.
𝐴 ⊂ 𝑋 alt kümesi 𝜇𝐴(𝑥) üyelik fonksiyonu ile karakterize edilir, 𝜇𝐴:𝑋 → [0,1]
karakteristik fonksiyonu da 𝑥’in A’ daki üyelik derecesi olur. A aşağıdaki gibi
ikili kümeler,
𝐴 = (𝑥, 𝜇𝐴(𝑥)) 𝑥 ∈ 𝑋, 𝜇𝐴 𝑥 ∈ [0,1]
ile gösterilir.
Bir problemin Bulanık Mantık ile modellenmesinde girdi ve çıktı değişkenleri
rol oynar. Her bir girdi ve çıktı değişkeni için farklı üyelik fonksiyonları
oluşturulur. Bu değişkenlerin üyelik fonksiyonları "az, orta, çok, düşük, yüksek"
gibi dilsel değişkenlerle de ifade edilir.
Tanım 4.1.2. 𝜇𝐴:ℝ → 0,1 üyelik fonksiyonları olmak üzere A bulanık kümesi
aşağıdaki özellikleri sağladığında bulanık sayı olarak isimlendirilir. (Savas,
2008):
A kümesi normal olmalı yani 𝜇𝐴 𝑥0 = 1, olacak şekilde
∃ 𝑥0 ∈ ℝ𝑛 ,
A bulanık konveks olmalı yani şu şartı sağlamalıdır:
𝜇𝐴 𝜆𝑥 + 1 − 𝜆 𝑦 ≥ 𝑚𝑖𝑛 𝜇𝐴 𝑥 ,𝜇𝐴 𝑦 ;
∀ 𝑥,𝑦 ∈ ℝ𝑛 ve 0 ≤ 𝜆 ≤ 1,
𝜇𝐴 üst yarı sürekli olmalıdır;
17
suppA sınırlı yani; 𝑥 ∈ ℝ𝑛 : 𝜇𝐴 𝑥 > 0 olmalıdır.
Bir bulanık sayı üçgen veya yamuk üyelik fonksiyonları ile tanımlanabilir.
Tanım 4.1.3. Üçgensel üyelik fonksiyonu a alt sınır, b üst sınır ve 𝑎 < 𝑚 < 𝑏
olmak üzere aşağıdaki gibidir:
𝜇 𝑥;𝑎, 𝑏,𝑚 =
0, 𝑥 ≤ 𝑎𝑥 − 𝑎
𝑚 − 𝑎, 𝑎 < 𝑥 ≤ 𝑚
𝑏 − 𝑥
𝑏 −𝑚, 𝑚 < 𝑥 ≤ 𝑏
0, 𝑥 > 𝑏.
Tanım 4.1.4. Yamuk üyelik fonksiyonu a alt sınır, d üst sınır, 𝑎 < 𝑏 < 𝑐 < 𝑑
olmak üzere aşağıdaki gibi ifade edilir.
𝜇 𝑥;𝑎, 𝑏,𝑚 =
0, 𝑥 < 𝑎 𝑥 − 𝑎
𝑏 − 𝑎, 𝑎 ≤ 𝑥 ≤ 𝑏
1, 𝑏 ≤ 𝑥 ≤ 𝑐𝑑 − 𝑥
𝑑 − 𝑐, 𝑐 ≤ 𝑥 ≤ 𝑑
0, 𝑥 > 𝑑.
4.1.2. Mamdani çıkarım metodu
Mamdani çıkarım metodu uygulamalarda en çok kullanılan yöntemdir. Mamdani
metodunda bir problemin modellenmesi ve çözümünde bulanıklaştırma
(fuzzification), kural tabanı (rule base), çıkarım metodu (inference) ve
durulaştırma (defuzzification) olmak üzere dört basit bileşen vardır. Bu
bileşenlerin çalışma şekli Şekil 4.1’ de gösterilmiştir.
18
Şekil 4.1. Mamdani metodunun basit bileşenleri
Bulanıklaştırma (Fuzzification): Sistem girdilerini, gerçek değerlerden
bulanık değerlere dönüştürme işlemidir.
Kural Tabanı (Rule Base): Uzman tarafından karar verilen "eğer-ise"
şeklindeki kurallardan oluşur.
Çıkarım metodu (Inference): Girdiler ve kurallar üzerinde bulanık
çıkarımla insan akıl yürütme sürecini simule eder.
Durulaştırma (Defuzzification): Çıkarım sonucu elde edilen bulanık
sayıları kesin sayılara dönüştürme işlemidir ( E. H. Mamdani, 1975), (E.
H. Mamdani, 1974), ( Sugeno veTagaki, 1983), (Tagaki ve Sugeno, 1985).
4.2. Uygulama
Atomları birbirine bağlanması esnasında ortaya çıkan enerjinin minimum
olması, oluşan molekülün kararlılığı açısından önemlidir. Bu çalışmada, farklı
açılarda bağlanan atomlar ve ortaya çıkan enerjilerden yararlanılarak bir
Bulanık Mantık modeli inşa edilmiştir. Çalışmada girdi değişkenleri sırasıyla
SC1(=C2C1C4O7) ve SC2(=C1C2O6H13) olarak alınmıştır. Çıktı değişkeni ise
SC1 ve SC2’nin değişen değerlerinde ortaya çıkan enerji değerlerinden
oluşturulmuştur. Modelin genel hali Şekil 4.2’ de verilmiştir. Bulanık Mantık
yaklaşımı kullanılarak sürekli olmayan veriler sürekli hale getirilmiştir. Böylece
ölçüm yapılmayan değerlerde de bir sonuca varılmıştır. Farklı açı çiftlerine
19
bağlı olarak molekülün enerjisinin tahmini için Mamdani modeli kullanılarak
Bulanık Mantık yaklaşımı oluşturulmuştur.
Şekil 4.2. Modelin genel yapısı
Birinci açı değeri 19o ile 359o arasında 20o’ lik açılarla arttırılırken, ikinci açı
değeri 6,78o ile 346,78o arasında yine 20o’ lik açılarla arttırılmıştır.
Şekil 4.3. SC1 değerleri (o) için üyelik fonksiyonları
Girdi değişkenleri olan birinci açı değerleri SC1 ve ikinci açı değerleri SC2 için
üyelik fonksiyonları sırasıyla (a1, a2,…, a18) ve (b1, b2,...,b18) olarak; çıktı
20
değişkeni olan molekülün enerji değerleri için üyelik fonksiyonları (e1,e2,...,e19)
olarak oluşturulmuştur. Her bir değişken için üyelik fonksiyonları sırasıyla Şekil
4.3, Şekil 4.4, Şekil 4.5’de gösterilmiştir. Enerji değerlerinin üyelik fonksiyonları
için enerji değerlerindeki 438 tamsayı kısmı çıkartılarak yerine 0 kullanılmıştır.
Şekil 4.4. SC2 değerleri (o) için üyelik fonksiyonları
Şekil 4.5. Enerji değerlerinin üyelik fonksiyonları
21
Üyelik fonksiyonları oluşturulduktan sonra sistemin kural tabanı
oluşturulmuştur. Kurallar ‘eğer-ise’ şeklindedir. Girilen bazı kurallar aşağıdaki
gibidir;
Eğer (Açı1 a1) ve (Açı2 b9) ise (Enerji e4)
Eğer (Açı1 a2) ve (Açı2 b9) ise (Enerji e4)
Eğer (Açı1 a3) ve (Açı2 b9) ise (Enerji e1)
Eğer (Açı1 a8) ve (Açı2 b9) ise (Enerji e2)
Eğer (Açı1 a11) ve (Açı2 b9) ise (Enerji e1)
Eğer (Açı1 a10) ve (Açı2 b17) ise (Enerji e2)
Eğer (Açı1 a18) ve (Açı2 b8) ise (Enerji e6)
⋮
Tüm bu işlemlerden sonra bir kural tabanı oluşmuş ve sonuç olarak ℝ² den ℝ’
ye bir fonksiyon elde edilmiştir. Bu fonksiyon Mamdani metodunun
durulaştırma (defuzzification) aşaması için kullanılmıştır.
Böylelikle FLM ile süreksiz olan veriler sürekli hale getirilmiş, test edilmemiş açı
çiftlerinde de enerji değerlerini öğrenmek mümkün hale getirilmiştir. Kurulan
model sonucunda elde edilen değerler ile gerçek değerler arasındaki ilişki
regresyon analizi ile karşılaştırılmış ve R² değeri %98 olarak bulunmuştur.
Gerçek veri değerleri ile tahmin değerleri arasındaki korelasyon Şekil 4.6’da
verilmiştir.
22
Şekil 4.6. DFT metodu ile elde edilen enerji ile FLM sonucu elde edilen enerji
değerleri arasındaki kolerasyon
Şekil 4.7. Açı çiftlerine bağlı olarak enerji fonksiyonu
y = 1,0162x + 7,1189R² = 0,9801
-438,28
-438,27
-438,26
-438,25
-438,24
-438,23
-438,22
-438,28 -438,27 -438,26 -438,25 -438,24 -438,23 -438,22
FLM
ile
hes
apla
nan
ver
iler
(Har
tree
/par
t)
DFT ile hesaplanan veriler (Hartree/part.)
23
5. BEZİER YÜZEYLERİ İLE DÜZGÜN LOKAL YÜZEYLERİN OLUŞTURULMASI
Bu bölümde optimizasyon sürecimizin ilk aşamasında Bulanık Mantık ile elde
ettiğimiz verilerin diferasiyellenebilir bir yüzey ile temsil edilmesi
sağlanacaktır. Bu amaçla ilk önce lokal bölgeler civarında Bezier yüzeyleri
oluşturulacak, daha sonraki bölümlerde de bu yüzeylerin birbirine düzgün
bağlanması yapılarak düzgün bir amaç fonksiyonu elde edilmesi ile sürece
devam edilecektir.
5.1. Ön Bilgiler 5.1.1. Bezier yüzeyleri
Tanım 5.1.1. Kuadratik Bezier yüzeyi yamaları 9 tane kontrol noktaları
kullanılan ızgara ile oluşturulur. (u,v) değişkenlerine bağlı olarak verilen
kuadratik Bezier yüzeyi, 𝑝𝑖𝑗 kontrol noktaları ve bilinen Bernstein polinomları
kullanılarak,
𝑝 𝑢, 𝑣 = 𝐵𝑖 𝑢 2𝑗=0 𝐵𝑗 (𝑣)𝑝𝑖𝑗
2𝑖=0
şekilde tanımlanır (Mortensen, 1985). Bezier yüzeyi ve eğrilerinin yüzey
modellemelerinde tercih edilmesinin pek çok nedeni bulunmaktadır.
Modellenmek istenen yüzeyin geometrik olarak daha estetik olması,
matematiksel anlamda diferansiyellenebilir olması Bezier eğrileri ile rahat bir
şekilde inşa edilebilmektedir. Bu inşada Bezier eğri ve yüzeylerinin şekilleri
kontrol noktaları tarafından belirlenir. Bu ise bu zamana kadar olan
çalışmalarda model oluşturulurken istenen şeklin inşa edilmesinde kullanılan
önemli özellik olmuştur. Bu tez çalışmasında ise oluşturulacak olan Bezier
yüzeyleri öngörülen lokal minimumlar civarlarında inşa edilecektir.
5.1.2. Bezier eğrileri
Bezier eğrisi 1950 yıllarında geliştirilmeye başlanmıştır. Fikrin temelleri ilk
olarak 1959 yılında Paul de Faget de Casteljau isminde Citroën’ de çalışan
bir Fransız otomotiv mühendisi tarafından atılmıştır. Aynı yıllarda, Renault'da
silindir parçalarının kesişimi üzerinde incelemeler yapan bir başka
Fransız otomotiv mühendisi Pierre Bézier’ de benzer bir yaklaşımla
araştırmalarını sürdürmüştür (Thompson vd, 1998). İki çalışan da
24
birbirlerinden ayrı olarak aynı sonuçları elde etmesine karşın, konu hakkında
yayınlanan ilk makale Bezier tarafından yazıldığından günümüzde bu eğri
Bezier eğrisi olarak bilinmektedir. Bu eğri özellikle bilgisayar grafikleri ve ilgili
alanlarda sıklıkla kullanılan parametrik eğri biçimidir. Eğri, seçilen kontrol
noktaları esas alınarak oluşturulur. İlk ve son noktalar eğri ile kesişirken,
seçilen diğer noktalar genellikle eğrinin üzerinde yer almaz(Farin, 1993).
Tanım 5.1.2. Bezier eğrisi matematiksel olarak genellikle Bernstein
polinomu baz alınarak ifade edilir. Buna göre, n' inci dereceden temel
fonksiyon, kontrol noktaları i ile parametrize edilmek üzere Bezier eğrisi
aşağıdaki şekilde gösterilir (Farin, 1984).
𝐵𝑖,𝑛 = 𝑛
𝑖 𝑢𝑖(1 − 𝑢)𝑛−𝑖
𝑛
𝑖 =
𝑛!
𝑖! 𝑛− 𝑖 !
5.2. Uygulama
Optimizasyon problemlerinde hedef fonksiyonunun bir lokal minimum
noktasını bulmak çok önemli; global minimum noktasını bulmak ise en önemli
konudur. Özellikle minimum noktalarda fonksiyonun diferansiyellenebilmesi
aranan özelliklerdendir. Bulanık Mantık modeli ile sürekli olmayan veriler
sürekli hale getirilmiş ve enerji değerlerini temsil eden bir yüzey elde edilmiştir.
Fakat oluşan yüzey bir analitik fonksiyonun açık bir kuralı ile temsil
edilememekte olup lokal-global minimumlaştırıcı noktalar civarında
diferansiyellenemeyen bir fonksiyondur. Bu problemin çözümü adına bu lokal
minimum enerjilerin olduğu bölgelerde kuadratik Bezier yüzeyleri
oluşturulmuştur. Bezier yüzeylerinin bu modeli oluşturmak için kullanılmasının
amaçlarından biri oluşturulan yüzeylerin düzgün olmasıdır. Bir diğer özelliği ise
kontrol noktalarının değişmesi ile yüzey üzerinde istenilen değişikliklerin
yapılabilmesi ve analizin kolay olmasıdır. Şekil 4.7 de görüldüğü üzere 9 tane
lokal bölge bulunmaktadır. Veri değerleri Fizik uygulamasından elde edilen
25
sonuçlar ve Bulanık Mantık ile elde edilen sürekli yüzeyden alınarak
oluşturulmuştur. Bezier yüzeyleri oluşturulurken veri değerleri ile kontrol
noktaları arasında ciddi fark olduğu gözlemlenmiştir. Fakat Bezier yüzeylerinin
oluşumunda her ikisi de etkin rol oynamaktadır. Veri değerleri Bezier
yüzeylerinin üzerlerinden geçmesini istediğimiz değerleri oluştururken kontrol
noktaları ise Bezier yüzeylerinin şeklinin belirlenmesinde kullanılan
noktalardır. Tez çalışmasında önemli olan hususlardan bir diğeri ise veri
değerlerinden geçmesini istediğimiz Bezier Yüzeylerinin gerekli kontrol
noktasını bulmak olacaktır. Çalışmanın özgün değerlerinden birisi ise bu
problemi çözen gerekli algoritmayı yazmak ve her bir lokal bölge için Bezier
Yüzeylerinin elde etmek olacaktır. Bezier eğrisinin bir başka özelliği ise eğriyi
oluşturan ilk ve son kontrol noktaları eğri üzerinde iken diğer noktalar eğri ile
kesişmez. Dolayısıyla bu bilgi bize eğrinin başlangıç ve bitiş noktalarının
dolayısı ile bu kontrol noktaları ile veri değerlerinin birbirlerine eşit olacağını
söylemektedir. Bu durum Bezier Yüzeyleri içinde değişmemektedir. Örneğin bu
çalışmada oluşturulacak olan her bir lokal bölge için kullanılacak 9 veri
değerinden 4 tanesi kontrol noktası ile çakışmaktadır. Yani her bir lokal yüzeyi
oluşturan köşenin kontrol noktası değeri ile veri değerleri aynıdır.
Çalışmamızda global minimum enerji değerinin bulunduğu; SC1 açısı için
[149,78o;206,78o] ve SC2 açısı için [159o;219o] açı çiftleri arasında değişen
enerji değerlerini ve global minimum enerji değerini bulunduran bölge ve [0o;
360o] arasında değişen diğer 8 lokal bölgeler belirlenmiştir. Her bir lokal bölge
için 9 tane kontrol noktası ele alınmıştır. Kontrol noktaları Bulanık Mantık ile
oluşturulan sürekli yüzeyden elde edilen değerler ve orijinal veri değerleri ile
oluşturulmuştur. Kontrol noktalarının elde edilmesi ve Bezier yüzeylerinin inşa
edilmesi için gerekli Algoritma 1 oluşturulmuş ve algoritma ile ilgili gerekli bazı
açıklamalar aşağıdaki şekilde verilmiştir.
Algoritma 1 (Lokal Bezier Yüzeylerinin Oluşturulması):
Adım 0: Lokal değerlerin bulunduğu bölge için tanım ve değer aralıkları belirlenir.
26
Adım 1: Kullanılacak olan parametreler (u,v) ve parametrelerin tanım aralıkları
[0,1] olarak belirlenir. Bezier yüzeylerine taban oluşturulan n. derece Bernstein
polinomları tanıtılır. Çalışmada Bernstein polinomlarının derecesi n=3 olarak
alınır.
Adım 2: Kuadratik Bezier yüzeyi için kullanılacak Bernstein polinomlarının
katsayılar matrisi C oluşturulur.
Adım 3: Bulanık Mantık ve DFT ile elde edilen veri değerleri girilir.
Adım 4: [0,1] aralığında ½ adım uzunlukları ile değişen u,v değerlerinin C
matrisinde yerine yazılması ve veri değerlerinin kullanılması ile veri
değerlerinden geçecek şekilde oluşturulacak kuadratik Bezier yüzeyinin kontrol
noktaları bulunur.
Adım 5: Kontrol noktaları ve C matrisinin çarpılması ile istenilen parametrik
yüzey denklemi S bulunur.
Adım 6: u, v cinsinden elde edilen yüzey yerine gerekli sadeleştirmeler yapılarak
karteyzen Bezier yüzey denklemi elde edilir.
Adım 7: Bezier yüzeyinin veri değerleri ile birlikte görüntüsü elde edilir.
Bu algoritma lokal minimumların bulunduğu 9 bölgede belirlenen aralıklar için
tekrar edilir ve Kuadratik Bezier yüzeyleri elde edilir.
27
Şekil 5.1. Kontrol noktalarının farklı açılardan gösterimi
9 tane olan her bir lokal bölge için Bezier yüzeyleri parametrik olarak verilen
algoritma ile oluşturulmuştur. Oluşturulan her bir bölge parametrik olarak
ifade edilmiş ve Bezier yüzeylerinin parametrik fonksiyonlar elde edilmiştir.
Elde edilen bu parametrik fonksiyonlar kullanılarak Şekil. 5.1’ de verilen
yüzeyler matlab programında çizdirilmiştir. Her bir lokal Bezier yüzeyinin
parametrik fonksiyonları hem daha anlaşılır bir denklem olarak ifade edilmesi
açısından hem de daha sonraki yapılacak olan modelleme çalışmalarda
kullanılması amacıyla kartezyen koordinatlardaki fonksiyonlar haline
dönüştürülmüştür. Lokal bölgeler için yüzey fonksiyonları tanım aralıkları baz
alınarak numaralandırılmıştır. Şekil. 5.1’ de tanım aralıklarına göre oluşturulan
lokal Bezier yüzeyleri verilmiş ve aralıklara göre yüzeyler numaralandırılmıştır.
Numaralandırma işlemi sonrasında yine aynı sıra ile fonksiyonlar karteyzen
28
hale dönüştürülmüştür. Her bir lokal bölge için bu fonksiyonlar 𝑓1 𝑥,𝑦 ,
𝑓2 𝑥,𝑦 , 𝑓3 𝑥, 𝑦 , 𝑓4 𝑥,𝑦 , 𝑓5 𝑥,𝑦 , 𝑓6 𝑥,𝑦 , 𝑓7 𝑥,𝑦 , 𝑓8 𝑥,𝑦 , 𝑓9 𝑥,𝑦 olarak ifade
edilmiştir. Bunlardan bazıları kartezyen formda Çizelge 5.1’ de gösterilmiştir.
Çizelge 5.1 Bazı lokal Bezier yüzeylerinin kartezyen formdaki fonksiyonları
𝑓1 𝑥,𝑦 =𝑥2𝑦2
5120000000−
23𝑥2𝑦
128000000+
31𝑥2
800000−
9𝑥𝑦2
64000000+
203𝑥𝑦
1600000−
27𝑥
1000+
3𝑦2
128000−
1703𝑦
80000+
4243
1000
𝑓2 𝑥,𝑦 =29𝑥2𝑦2
10240000000−
489𝑥2𝑦
256000000+
103𝑥2
320000−
109𝑥𝑦2
102400000+
9173𝑥𝑦
12800000−
9653𝑥
80000+
9761𝑦2
102400000−
164909𝑦
2560000+
34087
3200
𝑓4 𝑥,𝑦 = −𝑥2𝑦2
2048000000+
13𝑥2𝑦
64000000−
19𝑥2
102400+
83𝑥𝑦2
256000000−
27𝑥𝑦
200000+
7909𝑥
640000−
151𝑦2
3200000+
399𝑦
20000−
3341
1600
𝑓5 𝑥,𝑦 =−7𝑥2𝑦2
5120000000+
33𝑥2𝑦
64000000−
113𝑥2
2560000+
133𝑥𝑦2
256000000−
627𝑥𝑦
3200000+
10783𝑥
640000−
2063𝑥2
51200000+
9737𝑦
640000−
199213
128000
Elde edilen noktalar kullanılarak kuadratik Bezier yüzeyleri elde edilmiştir.
Şekil 5.2’ de Algoritma 1 kullanılarak Matlab programında oluşturulan yüzeyler
gösterilmiştir.
Bezier yüzeyleri oluşturulurken kullanılan veri değerlerinin tablosu Çizelge 5.2
ve Çizelge 5.3’ de verilmiştir.
29
Çizelge 5.2. Veri değerleri
𝑓1 𝑥,𝑦
SC1 280 280 280 320 320 320 360 360 360
SC2 280 320 360 280 320 360 280 320 360
Enerji
değeri
-
0.236
-
0.245
-
0.256
-
0.246
-
0.247
-
0.253
-
0.244
-
0.245
-
0.252
𝑓2 𝑥,𝑦
SC1 150 150 150 190 190 190 230 230 230
SC2 280 320 360 280 320 360 280 320 360
Enerji
değeri
-
0.226
-
0.237
-
0.250
-
0.241
-
0.242
-
0.258
-
0.227
-
0.245
-
0.262
𝑓3 𝑥,𝑦
SC1 0 0 0 40 40 40 80 80 80
SC2 280 320 360 280 320 360 280 320 360
Enerji
değeri
-
0.236
-
0.242
-
0.252
-
0.244
-
0.245
-
0.260
-
0.230
-
0.254
-
0.264
𝑓4 𝑥,𝑦
SC1 280 280 280 320 320 320 360 360 360
SC2 140 180 220 140 180 220 140 180 220
Enerji
değeri
-
0.248
-
0.257
-
0.249
-
0.248
-
0.262
-
0.255
-
0.247
-
0.260
-
0.253
𝑓5 𝑥,𝑦
SC1 150 150 150 190 190 190 230 230 230
SC2 140 180 220 140 180 220 140 180 220
Enerji
değeri
-
0.248
-
0.263
-
0.256
-
0.247
-
0.267
-
0.258
-
0.242
-
0.257
-
0.250
30
Çizelge 5.3. Veri değerleri
𝑓6 𝑥,𝑦
SC1 0 0 0 40 40 40 80 80 80
SC2 140 180 220 140 180 220 140 180 220
Enerji
değeri
-
0.250
-
0.257
-
0.251
-
0.253
-
0.261
-
0.254
-
0.250
-
0.263
-
0.255
𝑓7 𝑥,𝑦
SC1 280 280 280 320 320 320 360 360 360
SC2 0 40 80 0 40 80 0 40 80
Enerji
değeri
-
0.263
-
0.257
-
0.237
-
0.266
-
0.259
-
0.241
-
0.260
-
0.253
-
0.237
𝑓8 𝑥,𝑦
SC1 150 150 150 190 190 190 230 230 230
SC2 0 40 80 0 40 80 0 40 80
Enerji
değeri
-
0.256
-
0.249
-
0.227
-
0.261
-
0.255
-
0.238
-
0.257
-
0.249
-
0.231
𝑓9 𝑥,𝑦
SC1 0 0 0 40 40 40 80 80 80
SC2 0 40 80 0 40 80 0 40 80
Enerji
değeri
-
0.249
-
0.245
-
0.234
-
0.255
-
0.248
-
0.241
-
0.261
-
0.255
-
0.243
31
Şekil 5.2 Kontrol noktaları ile elde edilen Bezier yüzeyleri
32
6. LOKAL BEZİER YÜZEYLERİNİN DÜZGÜN BİRLEŞTİRİLMESİ
Bu bölümde lokal olarak örülen Bezier eğrilerinin birbirine düzgün
kaynaştırılması sağlanacaktır. Bu kaynaştırma için Bezier eğrileri ve parçalı
düzgün fonksiyonlar kullanılacaktır. Takip eden başlıklarda ilgili konuyla alakalı
gerekli tanım verilmiş ve uygulama kısmında nasıl uygulandığı ile ilgili bilgilere
yer verilmiştir.
6.1. Ön Bilgiler
Bu bölümde literatürde önemli yere sahip kaynaştırma tekniklerine bir yenisi
eklenecektir. Bu işlem parçalı düzgün fonksiyonlar ve Bezier eğrileri
kullanılarak yapılacaktır.
Yapılacak olan bu çalışma ile Bezier eğrilerinin ve yüzeylerinin optimizasyon
tekniklerinde farklı bir amaca hizmet edecek şekilde kullanılması sağlanacaktır.
Bir önceki bölümde lokal olarak oluşturulan bu yüzeylerin birbirine düzgün
olarak kaynaştırılması çalışmanın başka bir önemli değeri olacaktır. Yüzeylerin
tek parça diferansiyellenebilir şekilde birbiri ile kaynaştırılması Bezier eğrileri
ile oluşturulacaktır. Yüzeylerin birleştirilmesi, özellikle Bezier yüzeylerinin
birleştirilmesi CAGD(Computer Aided Geometric Design) olarak bilinen
bilgisayar destekli tasarım çalışmaları için önemli çalışmalardandır. Yüzeyleri
kaynaştırmak için literatürdeki en bilinen yol, yüzeyleri uygun yerlerinden
kesmek ve eğrilerle en azından birinci dereceden diferansiyellenebilir şekilde
kaynaştırmaktır(Ye ve Liang, 1996), (Hartman, 1995). Bu problemin çözümünde
ise literatürde parametrik olarak önerilen çeşitli metotlar mevcuttur (Cheng ve
Gao, 2003),(Belkhatir ve Zidna, 2009). Bu çalışmada ise parametrik olarak elde
edilen lokal Bezier yüzeylerinin kartezyen şekilde ifade edilmesi ile de çeşitli
metotların kullanılabilirliği sağlanacaktır. Bir sonraki başlığımızda bu aşamada
kullanılacak olan parçalı düzgün fonksiyonlar ve alakalı tanımlara yer
verildikten sonra tez çalışmasındaki uygulama üzerine durulacaktır.
33
6.1.1. Parçalı düzgün fonksiyonlar
Parçalı düzgün (P-S) fonksiyonlar düzgün olmayan fonksiyonlar kümesinin
önemli alt sınıflarından birini oluşturmaktadır. Optimizasyon, veri modelleme,
geometrik tasarım ve birçok alanda kullanılmaktadır. P-S fonksiyonlar birçok
uygulama alanına sahip olsa da bu fonksiyonların en önemli dezavantajları
tanım kümeleri üzerinde tamamen düzgün olmamalarıdır. Bu durum
optimizasyon alanında etkili deterministik yaklaşımların çoğunu P-S
fonksiyonlar içeren problemlerin çözümü için kullanılmaz hale getirmiştir. Bu
ve benzeri dezavantajları ortadan kaldırmak amacıyla, düzgünleştirme
teknikleri P-S fonksiyonların bazı alt sınıfları için önerilmiştir.
Tanım 6.1.2. Ω ⊂ ℝn üzerinde tanımlı reel değerli 𝑓 fonksiyonu sürekli ve
𝑓(𝑥) ∈ 𝑓𝑖 (𝑥): 𝑖 ∈ 1,2,… ,𝑚 ,∀𝑥 ∈ 𝛺
olacak şekilde 𝑓𝑖 , 𝑖 ∈ 1,2,… , m türevlenebilir fonksiyonları varsa 𝑓
fonksiyonuna parçalı Ω üzerinde düzgün fonksiyon denir (Qi ve Tseng, 2007).
Tanım 6.1.3. Boştan farklı Ω ⊂ ℝn üzerinde tanımlı reel değerli 𝑓 fonksiyonu Ω
üzerinde sürekli ve
𝑖 = 1,2,… ,𝑚 için 𝑓𝑖 : Ω → ℝ fonksiyonları türevlenebilir,
∪𝑖=1𝑚 𝐴𝑖 = Ω ve 𝑖 ≠ 𝑗 için 𝐴𝑖 ∩ 𝐴𝑗 = ∅ olmak üzere 𝑓 𝑥 = 𝑓𝑖 𝑥 ,∀𝑥 ∈ 𝐴𝑖
olacak şekilde varsa 𝐴𝑖 ⊂ Ω kümeleri var
ise 𝑓 fonksiyonuna Ω üzerinde parçalı düzgün fonksiyon denir.
Yukarıdaki parçalı düzgün fonksiyon tanımına göre
𝑓 𝑥 = 𝑓𝑖
𝑚
𝑖=1
𝑥 𝜒𝐴𝑖 𝑥 = 𝑓
𝑚
𝑖=1
𝑥 𝜒𝐴𝑖 𝑥
şeklinde ifade edilebilir. Burada 𝜒𝐴𝑖 𝑥 , 𝐴𝑖 kümesinin karakteristik fonksiyonunu
ifade etmektedir ve
𝜒𝐴𝑖 𝑥 = 1, 𝑥 ∈ 𝐴𝑖0, 𝑥 ∉ 𝐴𝑖
olarak gösterilmektedir.
34
Lokal olarak oluşturulan 𝑓𝑖 , 𝑖 = 1,2,… fonksiyonları sürekli türevlere sahip
olmasına rağmen bu fonksiyonların kaynaştırılması ile oluşturulan 𝑓 fonksiyonu
Ω üzerinde türevlenebilir değildir. Esasında 𝑓 fonksiyonunun türevlenebilir
olmamasının nedeni karakteristik fonksiyonların düzgün olmamasından
kaynaklanmaktadır. Bu yüzden karakteristik fonksiyonların düzgünleştirilmesi
ile 𝑓 fonksiyonu türevlenebilir olmuştur.
Lokal yüzeylerin düzgün olarak birleştirilmesi bu tez çalışmasında önemli bir
yer tutmaktadır. Atılacak olan bu adım bir sonraki aşama olan global
minimizasyon çalışmasının temelini oluşturacaktır. Bu bağlamda yüzeylerin
düzgün birleştirilmesi için (Yılmaz ve Sahiner, 2016) tarafından önerilen
metodun Bezier eğrileri kullanılarak yeniden inşa edilmesi ile sağlanır. Yeni
önerilecek metot aşağıdaki şekilde inşa edilmiştir:
𝑎1,𝑎2,𝑎3,𝑎4 reel sayıları 𝑎1 < 𝑎2 < 𝑎3 < 𝑎4 şartını sağlıyor ve 𝑓: ℝ2 → ℝ
𝑓 =
𝑓1 𝑥 , 𝑥 ∈ [𝑎1,𝑎2] × [𝑎1,𝑎2]
𝑓2 𝑥 , 𝑥 ∈ [𝑎1,𝑎2] × [𝑎3,𝑎4]
𝑓4 𝑥 , 𝑥 ∈ [𝑎3,𝑎4] × [𝑎1,𝑎2]
𝑓5 𝑥 , 𝑥 ∈ [𝑎3,𝑎4] × [𝑎3,𝑎4]
şeklinde tanımlanan bir fonksiyon olsun. Bu durumda 𝑓 fonksiyonu
karakteristik fonksiyonlar kullanılarak yeniden şu şekilde yazılabilir:
𝑓 𝑥 = 𝑓1 𝑥 𝜒 𝑎1 ,𝑎2 𝑥1 𝜒 𝑎1 ,𝑎2
𝑥2 + 𝑓2 𝑥 𝜒 𝑎1 ,𝑎2 𝑥1 𝜒[𝑎3 ,𝑎4] 𝑥2
+ 𝑓4 𝑥 𝜒[𝑎3 ,𝑎4] 𝑥1 𝜒 𝑎1 ,𝑎2 𝑥2 + 𝑓5 𝑥 𝜒[𝑎3 ,𝑎4] 𝑥1 𝜒[𝑎3 ,𝑎4] 𝑥2 .
Böylece, düzgün diferansiyellenebilir 𝑓 fonksiyonu aşağıdaki şekilde elde
edilebilir:
𝑓 𝑥 = 𝑓1 𝑥 𝜒 𝑎1 ,𝑎2 𝑥1 𝜒 𝑎1 ,𝑎2
𝑥2 + 𝑓2 𝑥 𝜒 𝑎1 ,𝑎2 𝑥1 𝜒 [𝑎3 ,𝑎4] 𝑥2
+ 𝑓4 𝑥 𝜒 [𝑎3 ,𝑎4] 𝑥1 𝜒 𝑎1 ,𝑎2 𝑥2 + 𝑓5 𝑥 𝜒 [𝑎3 ,𝑎4] 𝑥1 𝜒 [𝑎3 ,𝑎4] 𝑥2 .
𝑓 𝑥 fonksiyonunun yukarıdaki tanımındaki 𝜒 𝑎1 ,𝑎2 𝑥,𝛽 fonksiyonunun tanımı
35
𝜒 𝑎1 ,𝑎2 𝑥,𝛽 =
1, 𝑥 ∈ [𝑎1,𝑎2] 𝑞(𝑡,𝛽), 𝑥 ∈ [𝑎2,𝑎3]
0, 𝑥 ∈ [𝑎3,𝑎4]
ile verilir. Benzer şekilde 𝜒 𝑎3 ,𝑎4 𝑥,𝛽 fonksiyonu da
𝜒 𝑎3 ,𝑎4 𝑥,𝛽 =
1, 𝑥 ∈ [𝑎3,𝑎4]
𝑞 −𝑡,𝛽 , 𝑥 ∈ [𝑎2,𝑎3]
0, 𝑥 ∈ 𝑎1,𝑎2
şeklinde de tanımlanabilir.
Burada fonksiyonların düzgün bağlanmasında Bezier eğrileri kullanılarak
oluşturulan parçalı sürekli fonksiyonlar yukarıdaki denklemlerde 𝜒 𝑎1 ,𝑎2 𝑥,𝛽
, 𝜒 𝑎3 ,𝑎4 𝑥,𝛽 ile ifade edilmiştir. Oluşturulan Bezier eğrisi 𝑞(𝑡,𝛽) ’nin
parametrik denklemi ise şu şekildedir:
𝑥 𝑡 = −(2𝑡3 + 3𝑡2 − 3𝑡 + 1)𝛽
𝑦 𝑡 = − 2𝑡 + 1 (𝑡 − 1)𝛽
𝑡 = 𝑥 − 𝑎,𝛽 =𝑎3−𝑎2
2,𝛼 =
𝑎2+𝑎3
2 ‘dir.
6.2. Uygulama Elde edilen bu yeni düzgün diferansiyellenebilir metot lokal olarak oluşturulan
Bezier yüzeylerine uygulanmıştır. Minimum enerji değerini içinde bulunduran
bir ana bölge ve belli 4 lokal bölge göz önüne alınmıştır. Bu bölgeler
D = 150,360 × [140,360] ana bölgesi ve D1 = 280,360 × [280,360 ],
D2 = 150,230 × [280,36 , D4 = 280,360 × [140,220] , D5 = 150,230 ×
[140,220] dikdörtgensel alt bölgeleri olarak seçilmiştir. Her bir lokal bölge için 9
tane kontrol noktası ile oluşturulan yüzeyler Şekil 6.1’ de verilmiştir. Bazı
bölgelerin için kartezyen formdaki fonksiyonları Çizelge 5.1’ de verilmiştir. Yine
bu bölgeler için veri değerleri ise her bir bölge için sırasıyla
𝑓1 x, y ,𝑓2 x, y ,𝑓4 x, y ,𝑓5 x, y fonksiyonları aracılığıyla Çizelge 5.2’ de
verilmiştir. Verilen bu fonksiyonlara ise Bezier eğrileri ile oluşturulan yeni
36
kaynaştırma tekniği uygulanmıştır. Böylece tek parça diferansiyellenebilir 𝑓 (x)
model fonksiyonu elde edilmiştir. 𝑓 (x) fonksiyonu ise Şekil 6.2’ de
gösterilmiştir.
Şekil 6.1 Kontrol noktaları ile elde edilen Bezier yüzeyi
Şekil 6.2 Tek parça düzgün diferansiyellenebilir 𝑓 𝑥 fonksiyonu
Böylece optimizasyon, data modelleme, eğri ve yüzey birleştirme
problemlerinde ortaya çıkan parçalı sürekli veya parçalı diferansiyellenebilir
fonksiyonları tamamıyla diferansiyellenebilir hale getirecek özgün bir
37
düzgünleştirme yöntemi Bezier eğrileri kullanılarak üretilmiştir. Bu yeni
düzgünleştirme yaklaşımları Lipschitz sürekli olan fonksiyonların yanı sıra
Lipschitz sürekli olmayan fonksiyonlar için de kullanılabilmektedir.
38
7. ENERJİ KONFORMASYON PROBLEMİNE SMOOTH AND DESCENT METHODU İLE GLOBAL OPTİMİZASYON
Optimizasyon temel bir tanımlama ile verilen kısıtlar altında en iyi çözümün
bulunması işidir. Optimizasyon problemlerinin çözümü belirli sınırlamaları
sağlayacak şekilde matematiksel ifadelere veya kurallara dayanan
algoritmalarla mümkün olmaktadır. Tüm optimizasyon problemlerinin
çözümünde etkin bir metot yoktur ve kullanılan metotlar gerçek çözümü
bulmayı garanti etmezler. Ancak kabul edilebilir hızda kabul edilebilir ölçüde en
iyi çözümün bulunmasında genel olarak başarılıdırlar.
Geçtiğimiz yüzyılın son çeyreğinde bilgisayar teknolojisinde yaşanan büyük
gelişim sonucu, optimizasyon yöntemlerinin fen, sosyal ve sağlık bilimlerinin
uygulamalarındaki kullanımı giderek artmış ve günümüzün mühendisleri
zamanlarının pek çoğunu bilgisayarlar başında, sayısal modellemeler ve
çözümler için harcamaya başlamışlardır. Tasarlanan bir makinenin optimum
boyutlarının bulunması, bir işletmenin karının maksimum yapılması veya
üretilen bir ürünün minimum maliyetle üretimi, bir kişinin maksimum kar elde
edebilmesi için elindeki parayı hangi yatırım araçlarına ne miktarda yatırması
gerektiği, maksimum çekim alanı oluşturulacak şekilde sensor yerleşimi,
elektrik yük akışının optimize edilmesi, bir robotun engellere çarpmadan
minimum yolu takip etmesi problemleri birer optimizasyon problemidir. Mesela
modellenen sistemdeki elektrik yük akışının optimize edilmesi probleminde 𝑓
fonksiyonu yük akışını temsil ederken bir robotun engellere çarpmadan
minimum yolu takip etmesi problemleminde ise robotun yolunu temsil
edecektir. Bu tür problemlerde "A kümesi" genellikle bir takım daraltıcı kısıtlar,
eşitlikler ve eşitsizlikler ile yerine verilecek (denenecek) değerleri sağlayan ℝ𝑛
öklidyen uzayının bir alt kümesidir. 𝑓 fonksiyonundaki A' nın tanım aralığına
"arama uzayı", A' nın alacağı değerlerin kümesine ise çözüm adayları ya da olası
çözümler denir.
𝑓 fonksiyonuna objektif(nesnel) ya da paha(maliyet) fonksiyonu denir.
İstenilen objeyi minimize ya da maksimize eden(amaca göre) olası A çözümüne
ise "optimal çözüm" denir.
39
Genellikle, problemin olası çözümü ve objektif fonksiyonu konvekslik
göstermez. Yani; birden çok yerel minimum ve maksimum noktalarına
rastlanabilir.
Dışbükey (konveks) olmayan problemlerin çözümünde pek çok algoritma
kullanılmasına rağmen (çoğunlukla ticari amaca yönelik çözüm üreten
algoritmalar) yerel optimal noktalar ve mutlak optimal noktalar arasındaki
farkların ayırt ve tespit edilmesinde yetersiz kalınmakta ve orijinal probleme bir
adım geriden yaklaşılmaktadır. Konvekslik çoğu problemin doğasında
bulunmayan bir özellik olsa da optimizasyon teorisinin temel taşı olarak
düşünülebilir.
7.1. Ön Bilgiler
Literatürde global minimum bulma teknikleri üzerine çeşitli çalışmalar yapılmış
her bir teknik global minimum değere daha yakın sonuç elde etmek için birçok
yöntem geliştirmiştir. Tez çalışmasında ise genel olarak tüm global konveks
fonksiyonlarına uygulanabilecek Smooth and Descent Metodu özel olarak belli
bir molekülün enerji konformasyon problemi çalışması için oluşturulan global
konveks fonksiyonun global minimum değerini bulmak için kullanılmıştır.
İlerleyen bölümlerde ise bu aşamada kullanılacak olan gerekli tanımlar ve
açıklamalara yer verilmiştir.
7.1.1. Global konvekslik
Tanım 7.1.1. 𝑓:ℝⁿ → ℝ fonksiyon olsun. Eğer
‖𝑥‖ → +∞ ⇒ 𝑓(𝑥) → −∞
ise f ‘ye global konkav denir
Tanım 7.1.2. 𝑓:ℝⁿ → ℝ bir fonksiyon olsun. Eğer
‖𝑥‖ → +∞ ⇒ 𝑓(𝑥) → +∞
ise f ‘ye zorlayıcı fonksiyon (global konveks) denir.
Açıkça eğer 𝑓(𝑥) global konkav ise -𝑓(𝑥) global konvekstir. Terside doğrudur.
Global konkav bir fonksiyon ∞′ da bir global minimuma sahipken, global
40
konveks bir fonksiyon belirli bir yerde 𝑥∗global minimumuna sahiptir (Ge ve
Qin, 1987).
Global konvekslik, öyle kapalı ve sınırlı bir 𝛺 ⊂ ℝⁿ kümesi vardır ki Ω , f(x)’ in
bütün lokal minimumlarını içerir ve bütün bu f(x) ‘in mimimumları ( lokal ve
global) Ω in iç noktasıdır demektir. Aynı zamanda global konvekslik f(x)’in hiçbir
minimizasyon dizisinin sonsuza ıraksayamayacağını garantiler (Xu vd, 2001).
Tanım 7.1.3. 𝑥𝑘∗ , 𝑓 𝑥 fonksiyonunun bir izole minimum noktası olsun. 𝑥𝑘
∗ ’ i
içeren ve kendisinden alınan her 𝑥 noktasına uygulanan lokal minimum
metodunda 𝑥𝑘∗ ’a yakınsayan, kendisinden olmayan herhangi bir 𝑥 noktasına
uygulanan lokal minimum metodunda 𝑥𝑘∗ ’a yakınsamayan, açık ve bağlantılı
kümeye 𝑥𝑘∗ ’ nın yuvası denir ve bu yuva 𝐵𝑘
∗ ile gösterilir (Han ve Han, 2001; Xu
vd.,2001; Liu, 2002).
Tanım 7.1.4. Eğer 𝑥𝑘∗ noktasında 𝑓 𝑥 fonksiyonunun maksimumu var ise 𝑓 𝑥
fonksiyonunun 𝑥𝑘∗ daki tepesi, −𝑓 𝑥 fonksiyonunun 𝑥𝑘
∗ daki yuvasıdır (Han ve
Han, 2001; Xu vd., 2001; Liu, 2002).
Tanım 7.1.5. Eğer
𝑓 𝑥𝑘+1∗ < 𝑓 𝑥𝑘
∗ , ( 𝑓 𝑥𝑘+1∗ > 𝑓 𝑥𝑘
∗ )
ise 𝑓 𝑥 fonksiyonunun 𝑥𝑘∗ ’ dan daha düşük (yüksek) 𝑥𝑘+1
∗ minimumlaştırıcısı
vardır ve bu durumda 𝑓 𝑥 fonksiyonunun 𝑥𝑘+1∗ daki 𝐵𝑘+1
∗ yuvası 𝐵𝑘∗ dan daha
düşüktür (yüksektir) denir (Han ve Han, 2001; Xu vd., 2001; Liu, 2002).
Tanım 7.1.6. 𝐵𝑘∗ ı içeren ve kendisinden alınan her 𝑥 ≠ 𝑥𝑘
∗ için (𝑥 − 𝑥𝑘∗). 𝑓 𝑥
fonksiyonunun güçlü artan parçası olan açık ve bağlantılı kümeye 𝑥𝑘∗ izole
minimum noktasının basit yuvası denir ve 𝑆𝑘∗ ile gösterilir.
7.1.2. Diferansiyellenebilir optimizasyon
Klasik optimizasyon teknikleri sürekli ve türevi alınabilir fonksiyonların
optimum değerlerini bulmak için diferansiyel analiz tekniklerini kullanır. Bu
41
teknik ayrıca daha gelişmiş tekniklere de alt yapı oluşturmaktadır. Bir amaç
fonksiyonu olan bazı problemler süreksiz ve diferansiyellenebilir
olmadıklarından, klasik optimizasyon teknikleri bu tip problemlerin çözümünde
sınırlı bir kapsama sahiptir. Fakat optimizasyonun analiz yöntemleri, birçok
nümerik tekniğin gelişmesi için bir taban oluşturur. Diferansiyellenebilir
fonksiyonlarla ilgili önemli kavram aşağıda verilmiştir.
Tanım 7.1.7. 𝑓:ℝⁿ → ℝ bir fonksiyon olsun.
𝑙𝑖𝑚ℎ→0
𝑓 𝑥0 + ℎ − 𝑓 𝑥0 − 𝐿(ℎ)
ℎ = 0
olacak şekilde bir 𝐿 lineer fonksiyoneli varsa 𝑓 fonksiyonu 𝑥0 noktasında
diferansiyellenebilirdir denir.
7.1.3. Optimizasyon problemlerinin bazı sınıflandırılmaları
Optimizasyon problemlerinin çeşitli sınıflandırılmaları yapılmıştır. Ancak genel
kabul gören sınıflandırmaya göre (Karaboğa, 2004);
Amaç fonksiyonunun, parametrelerle ilgili herhangi bir sınırlama
olmaksızın minimizasyonu veya maksimizasyonu sınırlamasız
optimizasyon,
Parametrelerle ilgili sınırlamanın veya sınırlamaların olduğu
optimizasyon problemi sınırlamalı optimizasyon,
Amaç fonksiyonu ve parametreler lineer ise optimizasyon problemi
lineer optimizasyon,
Amaç fonksiyonu veya parametreler lineer değil ise lineer olmayan
optimizasyon,
Ayrık niceliklerin optimal olarak düzenlenmesi, gruplanması veya
seçilmesi problemi ayrık optimizasyon,
42
Tasarım değişkenlerinin alacağı değerlerin sürekli olduğu problemler
sürekli optimizasyon
problemi adını alır.
Klasik optimizasyon;
Fonksiyonlar sürekli ve türevlenebilir olmalıdır,
Çok küçük pozitif ve negatif bütün h değerleri için f ( x0 ) ≤ f ( x0 + h ) ise
f(x) fonksiyonu x0 ’da yerel minimuma sahiptir. f ( x0 ) ≥ f ( x0 + h ) ise f (x)
fonksiyonu x0 ’da yerel maksimuma sahiptir,
f ( x ) fonksiyonu tanımlı olduğu bölgede bütün x’ ler için f ( x0 ) ≤ f ( x )
ise f ( x ) fonksiyonu x0’ da veya tanımlı olduğu bölgede mutlak
minimuma ; f ( x0 ) ≥ f ( x ) ise, f ( x ) fonksiyonu x0’ da mutlak veya
bölgesel maksimuma sahiptir,
olarak tanımlanabilmektedir.
7.1.4. Smooth and descent metodu
Tez çalışmasının en son bölümünde aşamalı süreçlerden geçerek oluşturulan
diferansiyellenebilir yüzey üzerinde global minimizasyon çalışması yapılacaktır.
Bunun için Ω, ℝ𝒏′ nin dikdörtgensel bir alt kümesi ve 𝑓 , Ω üzerinde
diferansiyellenebilir global konveks bir fonksiyon olmak üzere
𝑃 minΩ⊂ℝ𝑛
𝑓(𝑥)
problemi göz önüne alınacaktır. Probleminin çözümü için Yılmaz tarafından
önerilmiş (Yılmaz ve Sahiner, 2016) olan Smooth and Descent Global
minimizasyon algoritması göz önüne alınmıştır. 𝑥𝑘∗ k-ıncı lokal minimum
noktası, 𝛼,𝛽 > 0 parametreler ve 𝜑(𝑡) (Yılmaz ve Sahiner, 2016)
çalışmalarındaki gibi olmak üzere çözüm için önerilen fonksiyon
𝜙 𝛽𝛼(𝑥, 𝑥𝑘
∗)= 𝑓 𝑥𝑘∗ − 𝛽 − 𝑞 𝑓 𝑥𝑘
∗ − 𝑓 𝑥 − 𝛽,𝛽 + 𝛼𝜑 ‖𝑥 − 𝑥𝑘∗‖ 2
43
fonksiyonudur. Yine aynı çalışmada önerilen algoritma şu şekilde ifade
edilebilir:
Algoritma 2 (Global Minimumun Bulunması):
Adım 0: 𝑘 = 1,𝛽 = 10−4,𝛼 = 0.1, 𝜖 = 10−2 olarak alınır, N yönlerin maksimum
sayısı ve yönler 𝑑𝑖 , i=1,2,…, N’ dir.
Adım 1: Herhangi rastgele 𝑥0 başlangıç noktasından başlayarak 𝑓(𝑥) amaç
fonksiyonunun 𝑥𝑘∗ lokal minimumlaştırıcısını bul.
Adım 2: Smooth and Descent Function olan 𝜙 𝛽𝛼(𝑥, 𝑥𝑘
∗) fonksiyonunu oluştur.
Adım 3: i=1 için 𝑥0 = 𝑥𝑘∗ + 𝜖𝑑𝑖 olarak bir başlangıç yönü kullan ve 𝑥𝑠 olarak
ifade edilen 𝜙 𝛽𝛼(𝑥, 𝑥𝑘
∗) fonksiyonunun minimumlaştırıcısını bul.
Adım 4: Eğer 𝑥𝑠 ∈ Ω ise Adım 6‘ya, değilse Adım 5’e git.
Adım 5: Eğer 𝑖 < 𝑁 ise, Adım 3’e git ve 𝑖 = 𝑖 + 1 al, değilse algoritmayı durdur
ve global minimumlaştırıcıyı 𝑥∗ = 𝑥𝑘∗ al.
Adım 6: 𝑥0 = 𝑥𝑠 al ve Adım 1 git.
7.2. Uygulama
6.2 ve 7.1.4’ deki bilgiler ışığında aşağıdaki optimizasyon problemi oluşturulur.
(𝑃 ) min𝑥∈ 150,360 ×[140,360]
𝑓 (𝑥)
olmak üzere
𝑓 𝑥 = 𝑓1𝜒 𝐷1+ 𝑓2𝜒 𝐷2
+ 𝑓4𝜒 𝐷4+ 𝑓5𝜒 𝐷5
‘dir. Böylece düzgün diferansiyellenebilir bir fonksiyon elde edilmiştir.
Ardından (𝑃 ) problemini çözmek için Yılmaz ve Sahiner, (2015) tarafından
önerilen Smooth and Descent Metodu uygulanmıştır. Böylece fonksiyonun global
minimumlaştırıcısı 𝑥𝑘∗ =(181,6167;187,5836) ve global minimum değeri ise
𝑓 𝑥∗ = −438,2678 olarak bulunmuştur. Ayrıntılı sonuçlar Çizelge 7.1’ de
verilmiştir.
44
Çizelge 7.1. Sayısal sonuçlar
𝑘 𝛼 𝛽 𝑥0 𝑥𝑘∗ 𝑓𝑘
∗
1 0.5 1 160,0000; 280,0000 190,2613; 277,4205 -438,2412
2 0.5 1 190,2613; 277,4205 329,0062; 186,9678 -438,2625
3 0.5 1 329,0062; 186,9678 (181,6167;187,5836) -438,2678
Başlangıç noktası 160,0000; 280,0000 noktası alınarak uygulanan Smooth and
Descent metodu ile 3 adım sonrasında fonksiyonun global minimum değeri (-
438,2678 a.u.) olarak bulunmuştur. Bulunan bu değer ile sigma bağları
arasındaki açı değerleri (181,6167;187,5836) olduğu zaman molekülün
minimum enerjiye sahip olacağı belirlenmiştir. Bu ise Treonin molekülünün en
kararlı halini hangi derecelerdeki sigma bağları ile ne büyüklükte enerji
değerine sahip olduğunda alacağını ifade etmiştir. DFT metodu ile yapılan
ölçüm sonucu elde edilen sigma bağlar arasındaki açı değerleri (180;190) ve bu
açı değerlerindeki enerji değeri (-438,267 a.u.) olarak ölçülmüştür. Bulunan
değerlerin gerçek veri değerlerine yakınlığı böylelikle açıkça ortaya
konulmuştur.
45
8. TARTIŞMA VE SONUÇLAR
Bu çalışmada ilk önce DFT metodu kullanılarak Treonin molekülü için
konformasyon analizi yapılmıştır. Bulanık Mantık yaklaşımı kullanılarak test
edilmemiş açılarda değerler elde edilmiş süreksiz olan veriler sürekli hale
getirilmiştir. Bu çalışma ise Sahiner vd., (2016) tarafından yayınlanan makalede
daha detaylı şekilde anlatılmıştır. Belli bölgelerde lokal-global minimum noktası
olan, düzgün olmayan, FLM ile oluşturulan sürekli yüzeyden test edilmemiş bazı
açılarda enerji değerleri durulaştırma ile elde edilip kuadratik Bezier yüzeyi
örerek düzgünleştirilmesi sağlanmıştır. Ardından örülen ayrı lokal Bezier
yüzeylerinin birbirine düzgün olarak bağlanması yine Bezier eğrileri
kullanılarak oluşturulmuştur. Böylece global minimumu bulmak için uygulanan
modern, klasik ve güncel optimizasyon teknikleri uygulanabilir hale
getirilmiştir. Özellikle bu tez çalışmasında enerji konformasyon problemlerine
literatürde var olan global minimum bulma yöntemi uygulanmıştır. Bu yöntem
ile ilgili molekülün global minimumlaştırıcısı 𝑥𝑘∗ =(181,6167;187,5836) ve
global minimum enerji değeri ise 𝑓 𝑥∗ = −438,2678 olarak bulunmuştur. Bu
değerler ile DFT elde edilen sonuçlar hemen hemen benzer çıkmıştır. Bu sonuç
ile çözüm için geliştirilen tüm bu yöntemlerin başarısından bahsetmek mümkün
olmuştur.
İleriki çalışmalarda Bulanık Mantık modellemesinde kullanılan enerji değerleri
için veri sayısı azaltılıp yeni bir model kurulup ölçülen enerji değerleri ile FLM
ile bulunan veri değerleri karşılaştırılabilir. Ayrıca global minimum bulma
çalışması için kontrol noktaları ile örülen Bezier yüzeyinde kullanılan kontrol
noktaları değiştirilip bu noktaları daha iyi temsil eden Bezier yüzeyleri
oluşturulabilir. Global minimum bulma çalışmasında literatürde önerilen
teknikler haricinde yine Bezier eğrileri kullanılarak oluşturulan yeni
düzgünleştirme teknikleri geliştirilerek literatüre yeni bir global minimum
bulma tekniği kazandırılabilir. Ayrıca geliştirilecek yeni metodun sadece enerji
konformasyon problemlerine uygulanması ile kalınmayıp, literatürde var olan
test problemlerine de uygulamaları yapılabilir. Hatta metot ile elde edilen
sonuçların daha önce önerilen metotların aynı test problemlerine uygulanması
46
ile ortaya çıkan sonuçlar karşılaştırılarak metodun kullanılabilirliği ve global
minimumu bulmadaki başarısı test edilebilir.
Bu tez çalışması ayrıca, disiplinlerarası çalışmalara örnek teşkil edecektir. Gerek
diğer fen ve sosyal bilim dalları (Mühendislik, Ekonomi, Sosyoloji, vb.) gerekse
de matematiğin farklı dalları (Geometri, Uygulamalı Matematik, vb.) arasındaki
çalışmalara da öncülük edecektir.
47
KAYNAKLAR
Akıllı, A., Atıl, H., Kesenkaş, H. 2014. Çiğ Sütün Kalite Değerlendirilmesinde Bulanık Mantık Yaklaşımı, Kafkas Univ. Vet. Fak . Derg., 20(2): 223-229, DOI: 10.9775/kvfd.2013.9894.
Atkins, P.W., Friedman, R. S. 1997. Molecular Quantum Mechanics, 3rd edition,
Oxford University Press, 545p. Avery, D., Dahl K., Savage M., Brengelmann G. 1989. Phase-Typing Of Seosonal
Affective Disorder Using A Constant Routine. Annual Meeting of the Society for Light Treatment and Bioligical Rhythms 14(abstract).
Barth, U.Von. 1984. Density Functional Theory for Solids in The Electronic
Structure of complex Systems edited by P.Phariseeau and W. Temmerman, NATO ASI Series B: Physics, 113. P.67. Plenum, New York.
Bazaraa, M.S. , Sherali, H.D. , Shetty, C.M. , 2006. Nonlinear Programming: Theory
and Algorithms, New Jersey. Becke, A.D. 1993. Density-Functional Thermochemistry. III. The Role Of Exact
Exchange. Journal Of Chemical Physics, 98(7), 5648-5652. Belkhatir, B., Zidna, A. 2009. Construction Of Flexible Blending Parametric
Surfaces Via Curves, Math. Comput. Simulat. 79, 3599-3608. Bertsekas, D., 1975. Nondifferentiable optimization via approximation, Math.
Program. Stud. 31–25. Center, B., Verma, B. P. 1992. A Fuzzy Photosynthesis Model For Tomato.
Transactions of the ASABE, 40(3), 815-821.
Cheng, J., Gao, X.S. 2003. Constructing Blending Surfaces For Two Arbitrary Surfaces, MM Research Preprints 22, 14-28.
Dantzig, G.B. 2002. Linear Programming, Operations Research 50 (1), 42-47.
Dantzig, G. B., Wood, M. 1949. Programming of Inter-Dependent Activities I, General Discussion, Econometrica, 17, 3-4, 193-199. (Aynı makale ayrıca Dantzig, G.B. ve Wood, M. (1951), Activity Analysis of Production and Allocation içinde Koopmans, T. C. editör, John Wiley& Sons, NY, 15-18 yayınlanmıştır).
Dantzig, G.B. 2002. "Linear Programming," Operations Research, Vol. 50, No. 1,
pp. 42-47. Dawson, R.M.C., et al., 1959. Data for Biochemical Research, Oxford, Clarendon
Press.
48
Eleren, A. 2007. İMKB’ye Kayıtlı Çimento İşletmelerinin Finansal Tablolarının Bulanık Mantık ile Giderilmesi, Afyon Kocatepe Üniversitesi İ.İ.B.F Dergisi.
Farin, G. 1984. A Survey of Curves and Surfaces Methods in CAGD, Computer
Aided Geometric Desing, 1-60. Farin, G. 1993. Curves and Surfaces for Computer Aided Geometric Desing , A
practical guide, Acad. Press, 119-121. Frish, A., Nielsen, A. B., Holder, A. J., 2001. Gauss View User Manual, Gaussian
Inc. Pittsburg, PA. Frisch, M. J., Trucks, G. W., Schlegel, H.B., Scuseria, G. E., Robb, M. A., Cheeseman,
J. R. , Montgomery Jr., J. A., Vreven, T., Kudin, K. N., Burant, J. C., Millam, J. M., Iyengar, S. S., Tomasi J., Barone, V., Mennucci, B., Cossi, M., Scalmani, G., Rega, N., Petersson, G. A., Nakatsuji, H. M., Hada, M., Ehara, K., Toyota, R., Fukuda, J., Hasegawa, M., Ishida, T., Nakajima, Y., Honda, O., Kitao, H., Nakai, M., Klene, X., Li, J. E., Knox, H. P., Hratchian, J. B., Cross, C., Adamo, J., Jaramillo, R., Gomperts, R. E., Stratmann, O., Yazyev, A. J., Austin, R., Cammi, C., Pomelli, J., W. Ochterski, P. Y., Ayala, K., Morokuma, G. A., Voth, P., Salvador, J. J., Dannenberg, V. G., Zakrzewski, S., Dapprich, A. D., Daniels, M. C., Strain, O., Farkas, D., K. Malick, A. D., Rabuck, K., Raghavachari, J. B., Foresman, J. V., Ortiz, Q., Cui, A. G., Baboul, S., Clifford, J., Cioslowski, B. B., Stefanov, G., Liu, A., Liashenko, P., Piskorz, I., Komaromi, R. L., Martin, D. J., Fox, T., Keith, M. A., Al-Laham, C. Y., Peng, A., Nanayakkara, M., Challacombe, P. M. W., Gill, B., Johnson, Chen, W., Wong, M.,Gonzalez, W., Pople, C., GAUSSIAN 03, Revision C.02, 2003. Gaussian Inc., Pittsburgh, PA.
Gass, S.I. ve Assad, A.A. 2004. Annotated Timeline of Operations Research: An
Informal History, Springer-Verlag New York, NY. Ge, R.P., Qin, Y.F., 1987. A Class of Filled Functions for Finding Global Minimizer
of a Functşon of Several Variables. Journal of Optimization Theory and Applications, 54(2), 241-252.
Haklı, H., Uğuz, H. 2014. A Novel Particle Swarm Optimization Algorithm With
Levy Flight, Applied Soft Computing, 23, 333-345. Han, Q., Han, J., 2001. Revised Filled Function Methods for Unconstrained Global
Optimization. Applied Mathematics and Computation, 119, 217-228. Hartman, E. 1995. Blending An İmplicit With A Parametric Surface, Comput.
Aided Goem. D. 12, 825-835. Kantorovich, L. V. 1939. “Mathematical Methods in the Organization and
Planning of Production”, Publication House of the Leningrad State University, Leningrad, U.S.S.R., 68.
49
Kantorovich, L. V. 1960. “Mathematical Methods in the Organization and Planning of Production”, Management Sci. 6 ,366–422.
Kantorovich, L. V., Gavurin M. K. 1949. Primenenie matematicheskikh metodov v
voprosakh analiza gruzopotokov, in Problemy povysheniia effektivnosti raboty transporta (The Use of Mathematical Methods in Analyzing Problems of Goods Transport, in Problems of Increasing the Efficiency in the Transport Industry, pp. 110-138). Academy of Sciences, U.S.S.R.
Karaboğa, D. 2004. Yapay Zeka Optimizasyon Algoritmaları, Atlas Yayınevi, İst.,
75-112. Kashan, A.H. 2014. League Championship Algorithm (LCA): An Algorithm For
Global Optimization İnspired By Sport Championships, Applied Soft Computing, 16,171-200.
Kashan, A. H. 2014. Leaguechampionship Algorithm (LCA):An Algorıthm For
Global Optimization İnspried By Sport Championships, Applied Soft Copmputing, 16, 171-200.
Koopmans, T. C. 1949. Optimum Utilization of the Transportation System,
Proceedings of the International Statistical Conferences, 5, 136-145. Koopmans, T. C. 1951a. Activity Analysis of Production and Allocation, New
York, Wiley. Koopmans, T. C. ve Reiter, S. 1951. A Model of Transportation, Koopmans, T. C.,
editör, Activity Analysis of Production and Allocation, 222-259, New York, Wiley.
Koopmans, T. C. 1957, Three Essays on the State of Economic Science, New York,
McGraw-Hill. Koopmans, T. C. ve Bausch, A.F. 1959, Selected Topics in Economics Involving
Mathematical Reasoning, SIAM Review, 1, 2, 79-148. Lee, C., Yang W., Parr R.G. 1988. Development Of The Colle-Salvetti Correlation-
Energy Formula İnto A Functional Of The Electron Density, Phys, Rev. 37(785).
Leontief, W.W. 1933. The Use of Indifference Curves in the Analysis of Foreign
Trade, The Quarterly Journal of Economics, 47, 493-503. Leontief, W. W. 1936. Quantitative Input and Output Relations in the Economic
System of the United States, Review of Econ. Statistics, 18, 3, 105-125. Lian, S. J., 2012. Smoothing approximation to l1 exact penalty for inequality
constrained optimization, Appl. Math. Comput., 219, 3113–3121.
50
Liu, X., 2002. A Computable Filled Function Used for Global Minimization. Applied Mathematics and Computation, 126, 21-278.
Mamdani, E. H. 1974. Application Of Fuzzy Algorithms For Control Of Simple
Dynamic Plant. Proceedings of the IEEE, 121(12), 1585-1588. Mamdani, E. H., Assilian, S. 1975. An Experiment İn Linguistic Synthesis With A
Fuzzy Logic Controller. International Journal of Man-Machine Studies, 7(1), 1-13.
Mortensen, M.E. 1985. Geometric Modelling, Wiley. Napari, I., Laaksonen, A., Strey, R. 2000. J. Chem. Phys. 113(7013).
Nobel Ödülü web sitesi, http://nobelprize.org/economics/laureates/, son erişim tarihi: 5 Şubat 2006.
Pinar, M.C., Zenios, S., 1994. On smoothing exact penalty functions for convex
constrained optimization, SIAM J. Optimiz., 4 , 468–511. Qi, L., Tseng, P., 2007. On Almost Smooth Functions and Piecewise Smooth
Functions, Nonlinear Anal., 67: 773--794. Rao, S. S. 2009. Engineering Optimization Theory and Practice, 4th Edition,
Wiley, New Jerseyi. S. Abduljabar, J. 2011. Bulanık Mantık Yöntemleri Kullanılarak Gazlı İçeceklerin
Karbondioksit Kontrolü, Ankara Üniversitesi, Fen Bilimleri Enstitüsü. Sahiner, A. . Gokkaya, H., Ucar, N. 2013. Journal of the Balkan Tribological
Association, 19(4), 537-548,. Sahiner, A. .Ucar, N., Yilmaz, N. 2015. Oxidation Communications, 38 (1), 166. Sahiner, A., Ucun, F., Kapusuz, G., Yilmaz, N. 2016. Completed Optimized
Structure of Threonine Molecule by Fuzzy Logic Modeling, Z Naturforsch A, 71( 4), Pages 381–386.
Sahiner, A., Yilmaz, N., Demirozer, O. 2014. Mathematical Modeling and an
Application of the Filled Function Method in Entomology, Int. J. Pest Manage., 60 (3), 232-237.
Savas, E. 2008. J. Inequal. Appl., Article ID 147827, 6. Sugeno, M., Takagi, T. 1983. Multi-dimensional Fuzzy Reasoning, Fuzzy Sets and
Systems 9(2), 313-325.
51
Takagi, T., Sugeno, M. 1985. Fuzzy İdentification Of Systems And İts Applications To Modeling And Control. IEEE Transactions on Systems, Man, and Cybernetics, 15, 116-132.
Thompson, J.F., Soni, B.K., Weattherill, N. P. 1988. Handbook of Grid. Generation, London, 28-1
Vosko, S.H., Wilk, L., Nusair, M. 1980. Accurate Spin- Dependent Electron Liquid Correlation Energies For Local Spin Density Calculations: A Critical Analysis, Canadian Journal of Physics, 58(8), 1200-1211.
Wiiliams, R., Barth, U.von. 1983. Applications of Density- Functional Theory to Atoms, Molecules and Solid in Theory of the Inhomegenous Electron Gas, edited by S. Lundqvist and N. H. March, Physics of Solids and Liquids Series, Plenum, New York.
Xu, Z., Huang, H., Pardolos, P., Xu, C., 2001. Filled Function for Unconstrained Global Optimization. Journal of Global Optimization, 20, 49-65.
Ye. X., Liang, Y., Nowachi, H. 1996. Geometric Contunnuity Between Adjacent Bezier Patchesand Their Constructions, Comput. Aided Goem. D. 13, 521-548.
Yılmaz, N., Sahiner, A. 2015. Smoothing Approach for Non-Lipschitz Optimization, Submitted.
Yılmaz, N., Sahiner, A. 2016. A New Smoothing Approximation to Piecewise Smooth Functions and Applications, ICAA 2016, Kırşehir, Abstract Book Page 226.
Yılmaz, N., Sahiner, A. 2015. A New Global Optimization Technique For Non-Smooth And Non-Convex Optimization, Joint ORSC/EURO Int. Conference 2015 on Cont. Opt., Shanghai-China, Abstract Book, pp 15.
Zadeh, L. A. 1965. Fuzzy Sets. lnformation and Control, 8, 338-353.
Zadeh, L. A. 1973. Outline Of A New Approach To The Analysis Of Complex Systems And Decision Processes. IEEE Transactions on Systems, Man and Cybernetics, 3, 28-44
Zadeh, L. A. 1975. The Concept Of A Linguistic Variable And İts Application To Approximate Reasoning: part 1. Information Sciences, 8(1), 199-249.
Zadeh, L. A. 1976. The Concept Of A Linguistic Variable And İts Application To Approximate Reasoning: part 3. Information Sciences, 9(2), 43-80.
Zang, I., 1980. A smooting out technique for min-max optimization, Math. Programm. 19, 61–77.
52
ÖZGEÇMİŞ
Adı Soyadı : Gülden KAPUSUZ
Doğum Yeri ve Yılı : Ankara, 1992
Medeni Hali : Bekar
Yabancı Dili : İngilizce
E-posta : [email protected]
Eğitim Durumu
Lise : Abidinpaşa Anadolu Lisesi
Lisans : SDÜ, Fen Edebiyat Fakültesi, Matematik Bölümü
Yayınları
SCI, SSCI ve AHCI tarafından taranan dergilerde yayımlanan teknik not, editöre mektup, tartışma, vaka takdimi ve özet türünden yayınlar dışındaki makale
Sahiner, A., Ucun, F., Kapusuz, G., Yilmaz, N. 2016. Completed Optimized Structure of Threonine Molecule by Fuzzy Logic Modeling, Z Naturforsch A, 71( 4), Pages 381–386.
SCI, SSCI ve AHCI dışındaki indeks ve özler tarafından taranan dergilerde yayımlanan teknik not, editöre mektup, tartışma, vaka takdimi ve özet türünden yayınlar dışındaki makale
Sahiner, A., Kapusuz, G., Yilmaz, N. 2016, A New Smoothing Approach to Exact Penalty Functions for Inequality Constrained Optimization Problems, Numer. Algebra Cont. Optim., 6(2), Pages 161–173.
SCI, SSCI ve AHCI tarafından taranan dergilerde yayımlanan teknik not, editöre mektup, tartışma, vaka takdimi ve özet türünden yayın
Sahiner, A., Kapusuz, G., Yilmaz, N. 2016. A New Mathematical Modeling Approach for the Energy of Thronine Molecule, AIP Conference Proceedings.
Uluslararası toplantıda sunularak özet metin olarak yayımlanan bildiri
53
Sahiner, A., Öztop, M., Kapusuz, G., Demirozer, O. 2014. Application of Filled Function Method for Non-smooth Problems, Int. Cong. Hon. R.P. Agarwal, page 202, Bursa-Turkey.
Sahiner, A., Kapusuz, G., Yılmaz, N. 2015. A New Smoothing Approach to Exact Penalty Functions for İnequality Constrained Optimization Problems, ICAAMM-2015, Abstract Book, 128pp, İstanbul-Turkey
Sahiner, A., Ucun, F., Kapusuz, G., Yilmaz N. 2015. Completed Optimized Structure of Threonine Molecule by Fuzzy Logic Modeling, Int. Conf. Adv. Math. Sci, page 136, Antalya-Turkey
Sahiner, A., Kapusuz, G., Yilmaz, N. 2016. A New Smoothing Method via Bezier Curve for Non-smooth Functions, ICAA 2016, Kırşehir, Abstract Book Page 130, Kırşehir-Turkey