| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Sezgisel Optimizasyon Metodları | ENM 546 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi NEVRA AKBİLEK |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Optimizasyon ve teknikleri konusu ile ilgili temel bilginin edinilmesi . Literatürün takip edilmesi, meta sezgisellerle güncel uygulama ve analiz becerisinin geliştirilmesi. Yapay zekanın bir dalı olan sezgisel tekniklerin yöneylem araştırması problemlerinde çözüm aracı olarak kullanılmasının gösterilmesi. Buna bağlamda uygulama projeleri ile tavlama benzetimi(simulated annealing), yasaklı arama( tabu search), genetik algoritma(genetic algorithms), karınca kolonisi(ant colony), parçacık sürü optimizasyonu(particle swarm optimization) sezgisel optimizasyon tekniklerinin öğrenilmesi ve uygulanması.
|
| Dersin İçeriği | Yapay zekanın bir dalı olan sezgisel arama nedir ve hangi problemler için kullanılır. Kurucu, yerel arama(local-search) ve meta-sezgisel(meta-heuristic) algoritmaların farkının ve kullanım alanlarının anlaşılması. NP-Karmaşık(NP-Complete) , Karar (Decision Theory) ve tahmin problemlerinde kullanımı ve çözüm yöntemlerinin: tavlama benzetimi(simulated annealing), yasaklı arama( tabu search), genetik algoritma(genetic algorithms), karınca kolonisi(ant colony), parçacık sürü optimizasyonu(particle swarm optimization) uygulanması. Ceza(Penalty function) ve kısıt ele alma tekniklerinin kullanılması. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Adaptif yordamına giriş bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 2 | Öğrenci teknikleri nasıl ve niçin kullanacağı bilgisini edinir | Anlatım, Soru-Cevap, Gezi / Gözlem, | |
| 3 | Tavlama benzetimi kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Grupla Çalışma, Gözlem, | |
| 4 | Genetik algoritmalar kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Grupla Çalışma, Gözlem, | |
| 5 | Tabu arama kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Grupla Çalışma, Gözlem, | |
| 6 | Karınca kolonisi kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Grupla Çalışma, Gözlem, | |
| 7 | Parçacık sürü optimizasyonu kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Grupla Çalışma, Gözlem, | |
| 8 | Çok yönlü ve hibrid metotlar kullanımı bilgisi | Anlatım, Beyin Fırtınası, Tartışma, Rol Oynama, | |
| 9 | Evrimsel algoritmalarda kısıt ele alma teknikleri bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, Gözlem, | |
| 10 | Çok amaçlı optimizasyon kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Tartışma, Gözlem, | |
| 11 | Literatürdeki güncel optimizasyon uygulamaları bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Problem Çözme, Gözlem, | |
| 12 | Mevcut uygulamaların değerlendirilmesi ve analizi bilgisi | Anlatım, Soru-Cevap, Rol Oynama, | |
| 13 | Gerçek bir problemin bir meta sezgisel yöntemi ile modelleme becerisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gözlem, | |
| 14 | Geliştirilen modellerin değerlendirilip, tartışılması | Anlatım, Soru-Cevap, Beyin Fırtınası, Problem Çözme, | |
| 15 | Sonuçları değerlendirebilme becerisi | Anlatım, Soru-Cevap, Rol Oynama, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Adaptif arama yordamına giriş | |
| 2 | Tavlama benzetimi | |
| 3 | Genetik algoritmalar | |
| 4 | Evrimsel stratejiler | |
| 5 | Tabu arama | |
| 6 | Karınca kolonisi | |
| 7 | Parçacık sürü optimizasyonu | |
| 8 | Çok yönlü ve hibrid metotlar | |
| 9 | Evrimsel algoritmalarda kısıt ele alma teknikleri | |
| 10 | Çok amaçlı optimizasyon | |
| 11 | Literatürdeki güncel optimizasyon uygulamaları | |
| 12 | Mevcut uygulamaların değerlendirilmesi ve analizi | |
| 13 | Gerçek bir problemin bir meta sezgisel yöntemi ile ele alınması projesi | |
| 14 | Geliştirilen projelerin değerlendirilip, tartışılması |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | [1] Yapay zeka ve optimiz asyon algoritmaları_Derviş Karaboğa [2] Metaheuristics for Hard Optimization: Methods and Case Studies ted Annealing (Davis) |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | sürdürülebilir kalkınma ve endüstri mühendisliğinin gelişen koşullara göre gelişmelerini izleyebilmek ve uygulayabilmek için yaşam boyu öğrenme, bilim ve teknolojideki gelişmeleri izler ve bunun için kendini sürekli yenileme becerisine sahip olur. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 |
|---|---|---|---|---|---|---|---|
| 1 | Adaptif yordamına giriş bilgisi | ||||||
| 2 | Öğrenci teknikleri nasıl ve niçin kullanacağı bilgisini edinir | ||||||
| 3 | Tavlama benzetimi kullanımı bilgisi | ||||||
| 4 | Genetik algoritmalar kullanımı bilgisi | ||||||
| 5 | Tabu arama kullanımı bilgisi | ||||||
| 6 | Karınca kolonisi kullanımı bilgisi | ||||||
| 7 | Parçacık sürü optimizasyonu kullanımı bilgisi | ||||||
| 8 | Çok yönlü ve hibrid metotlar kullanımı bilgisi | ||||||
| 9 | Evrimsel algoritmalarda kısıt ele alma teknikleri bilgisi | ||||||
| 10 | Çok amaçlı optimizasyon kullanımı bilgisi | ||||||
| 11 | Literatürdeki güncel optimizasyon uygulamaları bilgisi | ||||||
| 12 | Mevcut uygulamaların değerlendirilmesi ve analizi bilgisi | ||||||
| 13 | Gerçek bir problemin bir meta sezgisel yöntemi ile modelleme becerisi | ||||||
| 14 | Geliştirilen modellerin değerlendirilip, tartışılması | ||||||
| 15 | Sonuçları değerlendirebilme becerisi |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Proje / Tasarım | 50 |
| 2. Proje / Tasarım | 50 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 60 |
| 1. Final | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 1 | 16 |
| Ara Sınav | 1 | 10 | 10 |
| Ödev | 1 | 10 | 10 |
| Proje / Tasarım | 1 | 30 | 30 |
| Performans Görevi (Uygulama) | 1 | 10 | 10 |
| Final | 1 | 10 | 10 |
| Toplam İş Yükü | 134 | ||
| Toplam İş Yükü / 25 (Saat) | 5,36 | ||
| Dersin AKTS Kredisi | 6 | ||