| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Heurıstıc Optımızatıon Methods | ENM 546 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi ELİF ELÇİN GÜNAY |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Obtaining basic knowledge about optimization and its techniques. Following the literature, developing up-to-date application and analysis skills with meta-heuristics. Demonstrating the use of heuristic techniques, a branch of artificial intelligence, as a solution tool in operations research problems. In this context, learning and applying heuristic optimization techniques such as simulated annealing, tabu search, genetic algorithms, ant colony, and particle swarm optimization with application projects. |
| Dersin İçeriği | What is a heuristic search and for what problems it is used? Understanding the applications of local-search and meta-heuristic algorithms. NP-Complete problems, Decision Theory and its use in estimation problems and solution methods: simulated annealing, tabu search, genetic algorithms, ant colony, implementation of particle swarm optimization. Use of penalty function and constraint handling techniques. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Understanding the concept of adaptive search | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 2 | The student acquires the knowledge of how and why to use the techniques. | Soru-Cevap, Anlatım, | |
| 3 | Apply simulated annealing | Eğitsel Oyun, Tartışma, Anlatım, | |
| 4 | Apply genetic algorithm | Eğitsel Oyun, Anlatım, | |
| 5 | Apply Tabu search | Tartışma, | |
| 6 | Apply Ant colony optimaztion | Tartışma, | |
| 7 | Apply particle swarm optimization | Tartışma, | |
| 8 | Apply hybrid methods | Tartışma, | |
| 9 | Knowledge of constraint handling techniques in evolutionary algorithms | Tartışma, | |
| 10 | Apply multi-objective optimization | Tartışma, | |
| 11 | Knowledge of current optimization practices in the literature | Tartışma, | |
| 12 | Knowledge of evaluation and analysis of current practices | Tartışma, | |
| 13 | Ability to model a real problem with a meta-heuristic | Tartışma, | |
| 14 | Evaluation and discussion of the developed models | Tartışma, | |
| 15 | Interpreting the results | Tartışma, Anlatım, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Introduction to optimization an heuristic optimization | |
| 2 | Simulated annealling | |
| 3 | Genetic algorithms | |
| 4 | Evolutionary strategies | |
| 5 | ant colony optimization | |
| 6 | Particle swarm optimization | |
| 7 | Hybrid optimization | |
| 8 | Constraint handling techniques in evolutionary algorithms | |
| 9 | Multi objective optimization | |
| 10 | Recent optimization applications in the literature | |
| 11 | Evaluation and analysis of current practices | |
| 12 | Dealing a real problem with a meta-heuristic approach | |
| 13 | Evaluation and discussion of the developed projects | |
| 14 | Analyzing and interpreting the results |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | [1] Yapay zeka ve optimizasyon 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 | Understanding the concept of adaptive search | ||||||
| 2 | The student acquires the knowledge of how and why to use the techniques. | ||||||
| 3 | Apply simulated annealing | ||||||
| 4 | Apply genetic algorithm | ||||||
| 5 | Apply Tabu search | ||||||
| 6 | Apply Ant colony optimaztion | ||||||
| 7 | Apply particle swarm optimization | ||||||
| 8 | Apply hybrid methods | ||||||
| 9 | Knowledge of constraint handling techniques in evolutionary algorithms | ||||||
| 10 | Apply multi-objective optimization | ||||||
| 11 | Knowledge of current optimization practices in the literature | ||||||
| 12 | Knowledge of evaluation and analysis of current practices | ||||||
| 13 | Ability to model a real problem with a meta-heuristic | ||||||
| 14 | Evaluation and discussion of the developed models | ||||||
| 15 | Interpreting the results |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 55 |
| 1. Ödev | 15 |
| 2. Ödev | 15 |
| 3. Ödev | 15 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 60 |
| 1. Final | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Proje / Tasarım | 1 | 30 | 30 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 1 | 16 |
| Ara Sınav | 1 | 10 | 10 |
| Ödev | 2 | 8 | 16 |
| Performans Görevi (Uygulama) | 1 | 10 | 10 |
| Final | 1 | 20 | 20 |
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Toplam İş Yükü | 150 | ||
| Toplam İş Yükü / 25 (Saat) | 6 | ||
| Dersin AKTS Kredisi | 6 | ||