| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Dinamik Programlama | UYP 602 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi HÜSEYİN BURGAZOĞLU |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bu dersin amacı, öğrencilere çok aşamalı karar verme problemlerini çözmede kullanılan dinamik programlama (DP) yaklaşımının kuramsal temellerini ve uygulamalarını öğretmektir. Öğrenciler, deterministik ve stokastik dinamik programlama modellerini matematiksel olarak formüle edebilme, analitik ve algoritmik çözüm yöntemlerini geliştirme, ayrıca bu modelleri çeşitli karar problemlerine (üretim, envanter, finans, enerji, mühendislik sistemleri vb.) uygulama becerisi kazanır. |
| Dersin İçeriği | Dinamik programlamanın temelleri; çok aşamalı karar verme süreci; Bellman denklemi; deterministik dinamik programlama; geri dönüş (backward recursion) ve ileri çözüm (forward recursion); kısıtlı kaynak ve zamanlama problemleri; stokastik dinamik programlama; Markov karar süreçleri; optimal kontrol ve politika fonksiyonları; yaklaşık dinamik programlama (Approximate DP) ve pekiştirmeli öğrenme (Reinforcement Learning) yaklaşımları; yazılım destekli uygulamalar (Python, MATLAB, Excel Solver). |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Dinamik programlamanın kuramsal temellerini ve matematiksel yapısını açıklar. | ||
| 2 | Çok aşamalı karar problemlerini formüle eder | ||
| 3 | Deterministik ve stokastik dinamik programlama modellerini kurar ve çözer. | ||
| 4 | Markov karar süreçleri ve optimal politika kavramlarını analiz eder. | ||
| 5 | Yaklaşık dinamik programlama ve pekiştirmeli öğrenme yöntemlerini uygular. |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Dinamik programlamaya giriş: tarihçe, temel kavramlar ve uygulama alanları | İlgili ders notları |
| 2 | Çok aşamalı karar yapıları ve problem formülasyonu | İlgili ders notları |
| 3 | Bellman optimalite ilkesi ve temel teorik çerçeve | İlgili ders notları |
| 4 | Deterministik dinamik programlama ve geri dönüş algoritmaları | İlgili ders notları |
| 5 | Aşamalı optimizasyon ve politika fonksiyonlarının çıkarımı | İlgili ders notları |
| 6 | Kaynak tahsisi ve zamanlama problemlerinde DP uygulamaları | İlgili ders notları |
| 7 | Envanter kontrol ve üretim planlama problemleri | İlgili ders notları |
| 8 | Stokastik dinamik programlama ve olasılıklı geçiş durumları | İlgili ders notları |
| 9 | Markov karar süreçleri (MDP) ve çözüm yöntemleri | İlgili ders notları |
| 10 | Sonsuz ufuklu dinamik programlama ve indirgeme faktörü kavramı | İlgili ders notları |
| 11 | Yaklaşık dinamik programlama (Approximate DP) | İlgili ders notları |
| 12 | Pekiştirmeli öğrenme (Reinforcement Learning) temelleri | İlgili ders notları |
| 13 | DP’nin ileri uygulamaları: finans, enerji, yapay zeka örnekleri | İlgili ders notları |
| 14 | Genel değerlendirme | İlgili ders notları |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | En az bir yabancı dili de kullanarak kendi disiplininde derinlemesine bilgi sahibidir. | ||||||
| 2 | Kendi disiplinindeki kavram, uygulama, model ve teoriler ile araştırma yöntem bilgisini, bilimsel çalışmalarda ele aldığı işletme ve yönetim sorunlarının çözümünde disipline orijinal katkı sunacak şekilde kullanır | X | |||||
| 3 | Sahip olduğu bilgileri etik değerlere uygun, yasalar çerçevesinde, doğru ve güvenli şekilde kullanır. | ||||||
| 4 | Disiplini ile ilgili sosyal konular hakkında farkındalığını gösterir. | ||||||
| 5 | Bilimsel çalışmalarını nitelikli bilimsel mecralarda yayınlatabilir. | X | |||||
| 6 | Bilimsel çalışmalarını sözlü olarak bilimsel toplantılarda akademik teamüllere uygun bir şekilde sunabilir. | X | |||||
| 7 | Toplumsal refah oluşturmak için inovasyona dayalı girişimciliği stratejik eylemler ile ilişkilendirebilir ve tasarlayabilir. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Dinamik programlamanın kuramsal temellerini ve matematiksel yapısını açıklar. | 0 | 5 | 0 | 0 | 5 | 3 | 3 |
| 2 | Çok aşamalı karar problemlerini formüle eder | 0 | 5 | 0 | 0 | 5 | 3 | 3 |
| 3 | Deterministik ve stokastik dinamik programlama modellerini kurar ve çözer. | 0 | 5 | 0 | 0 | 5 | 3 | 3 |
| 4 | Markov karar süreçleri ve optimal politika kavramlarını analiz eder. | 0 | 5 | 0 | 0 | 5 | 3 | 3 |
| 5 | Yaklaşık dinamik programlama ve pekiştirmeli öğrenme yöntemlerini uygular. | 0 | 5 | 0 | 0 | 5 | 3 | 3 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 50 |
| 1. Ödev | 40 |
| 1. Kısa Sınav | 10 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| 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 |
| Ara Sınav | 1 | 12 | 12 |
| Kısa Sınav | 1 | 7 | 7 |
| Ödev | 1 | 20 | 20 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Final | 1 | 15 | 15 |
| Toplam İş Yükü | 150 | ||
| Toplam İş Yükü / 25 (Saat) | 6 | ||
| dersAKTSKredisi | 6 | ||