The division of labor calculations, which are prepared by considering the criteria such as efficiency, low cost and shortest time in production activities, are called scheduling. Scheduling calculations are made by developing a mathematical model in single machine systems. As the number of machines and work increases, problems such as delivery time, inventory cost and production efficiency arise. Today, meta heuristic methods are frequently used to solve large-scale scheduling problems. Meta heuristic methods make the solution of the problem easier in terms of both time and ease of operation. Flow type scheduling is based on the principle that machines are settled in series and all jobs are processed on machines in the same order. In this study, hybrid genetic algorithm is presented for the solution of flow type scheduling problems in NP-Hard class. The solution quality of the algorithm, which has been hybridized by adapting the Palmer, CDS and Neh methods to the initial population, has been further improved. The efficiency of the algorithm was measured by Taillard problem sets in the literature. The results obtained were compared with the current literature results. Business rules, standard deviation, work order and skewness attributes were extracted from the rankings that constitute the upper values of the selected ten problems, and various rules were introduced by creating a decision tree with these attributes. Similarities were sought between these rules and the best results achieved so far. Better results were obtained from the studies compared in 7 problems.

Üretim faaliyetlerinde verimlilik, düşük maliyet ve gerçekleşeceği en kısa zaman gibi kriterler gözönünde bulundurularak hazırlanan iş bölümü hesaplamaları çizelgeleme olarak adlandırılmaktadır.Çizelgeleme hesapları tek makineli sistemlerde matematiksel bir model geliştirilerek yapılmaktadır.Makine ve iş sayısı arttıkça teslim süresi, stok maliyeti, üretim verimliliği gibi sorunlar ortayaçıkmaktadır. Günümüzde büyük boyutlu çizelgeleme problemlerinin çözümü için meta sezgiselyöntemlere sıkça başvurulmaktadır. Meta sezgisel yöntemler problemin çözümünü gerek zamangerekse işlem kolaylığı açısından daha kolay hale getirmektedir. Akış tipi çizelgeleme, makinalarınseri şekilde yerleşmesi ve tüm işlerin makinalarda aynı sıra ile işlem görmesi prensibinedayanmaktadır. Bu çalışmada NP-Zor sınıfında yer alan akış tipi çizelgeleme problemlerinin çözümüiçin hibrit genetik algoritma sunulmuştur. Başlangıç popülasyonuna Palmer, CDS ve Neh yöntemleriadapte edilerek hibrit hale getirilen algoritmanın çözüm kalitesi daha da geliştirilmiştir. Algoritmanın verimliliği literatürde yer alan Taillard problem setleri ile ölçülmüştür. Elde edilen sonuçlar güncel literatür sonuçlarıyla karşılaştırılmıştır. Seçilen on adet problemin üst değerlerini oluşturan sıralamalardan iş süresi, standart sapma, iş sırası ve çarpıklık öz nitelikleri çıkarılıp, bu öz niteliklerle karar ağacı oluşturularak çeşitli kurallar ortaya konulmuştur. Bu kurallar ile şimdiye kadar ulaşılan en iyi sonuçlar arasında benzerlikler aranmıştır. 7 problemde karşılaştırılan çalışmalardan daha iyi sonuçlar elde edilmiştir.