| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Sezgisel Optimizasyon ve Uygulamaları | ENM 453 | 7 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi NEVRA AKBİLEK |
| Dersi Verenler | Dr.Öğr.Üyesi NEVRA AKBİLEK, |
| 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 yordama giriş bilgisi edinir | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 2 | Öğrenci teknikleri nasıl ve niçin kullanacağı bilgisini edinir | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, | |
| 3 | Tavlama benzetimi kullanım ve uygulama bilgisi | Anlatım, Soru-Cevap, Gezi / Gözlem, Gözlem, | |
| 4 | Genetik algoritma yönteminin ne tür problemlerde kullanılacağı ve nasıl uygulanacağı bilgisi edinir. | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 5 | Tabu arama yönteminin ne tür problemlerde kullanılacağı ve nasıl uygulanacağı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 6 | Karınca kolonisi yönteminin ne tür problemlerde kullanılacağı ve nasıl uygulanacağı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 7 | Çok yönlü ve hibrid metotların ne zaman kullanılacağı ve nasıl uygulanacağı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 8 | Evrimsel algoritmalarda kısıt ele alma tekniklerinin nasıl uygulanacağı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 9 | Parçacık sürü optimizasyonu ne zaman kullanılacağı ve nasıl uygulanacağı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 10 | Çok amaçlı optimizasyon kullanımı bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Gezi / Gözlem, Gözlem, | |
| 11 | Literatürdeki güncel optimizasyon uygulamaları bilgisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Rol Oynama, Deney ve Laboratuvar, | |
| 12 | Gerçek bir problemin bir meta sezgisel yöntemi ile modelleme ve proje uygulama becerisi | Anlatım, Soru-Cevap, Beyin Fırtınası, Deney ve Laboratuvar, Gezi / Gözlem, Gözlem, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Adaptif arama yordamına giriş | Yapay zeka-optimizasyon algoritmalarına giriş |
| 2 | Tavlama benzetimi algoritması | Yapay Zeka Optimizasyon Algoritmaları_Derviş Karaboğa |
| 3 | Genetik algoritmalar | Yapay zeka optimizasyon algoritmaları_Derviş Karaboğa |
| 4 | Evrimsel stratejiler | Metaheuristics for Hard Optimization: Methods and Case Studies Johann Dréo, Alain Pétrowski , Patrick Siarry , Eric Taillard |
| 5 | Tabu arama | Yapay zeka optimizasyon algoritmaları_Derviş Karaboğa |
| 6 | Karınca kolonisi | Yapay zeka ve optimizasyon algortitmalaraı_Derviş Karaboğa |
| 7 | Parçacık sürü optimizasyonu | Yapay zeka optimizasyon algoritmaları |
| 8 | Hibrit metotlar | Yapay zeka optimizasyon algoritmaları |
| 9 | Evrimsel algoritmalarda kısıt ele alma teknikleri | |
| 10 | Çok amaçlı optimizasyon | |
| 11 | Literatürdeki güncel optimizasyon uygulamaları | |
| 12 | Mevcut uygulamaların değerlendirilmesi ve analizi | |
| 13 | Proje: gerçek bir problemin bir meta sezgisel yöntem ile çözülmesi | |
| 14 | Geliştirilen projelerin değerlendirilip, tartışılması |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | [1] Yapay zeka ve optimizasyon algoritmaları_Derviş Karaboğa [2] Metaheuristics for Hard Optimization: Methods and Case Studies |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve kendi dalları ile ilgili mühendislik konularında yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgilerini kullanarak karmaşık Endüstri Mühendisliği problemlerini modelleyebilme ve çözebilme becerisi | X | |||||
| 2 | Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ile modelleme tekniklerini seçme ve uygulama becerisi | X | |||||
| 3 | Endüstri Mühendisliği alanında karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
| 4 | Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
| 5 | Endüstri Mühendisliği alanındaki karmaşık problemlerinin, araştırma konularının incelenmesi amacıyla deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | X | |||||
| 8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | X | |||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | X | |||||
| 11 | Endüstri Mühendisliği alanındaki uygulamaların evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık | ||||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 25 |
| 1. Proje / Tasarım | 60 |
| 1. Performans Görevi (Uygulama) | 10 |
| 1. Ödev | 5 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 70 |
| 1. Final | 30 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
| Ara Sınav | 1 | 5 | 5 |
| Kısa Sınav | 1 | 1 | 1 |
| Proje / Tasarım | 1 | 16 | 16 |
| Final | 1 | 6 | 6 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ödev | 1 | 5 | 5 |
| Performans Görevi (Uygulama) | 1 | 3 | 3 |
| Toplam İş Yükü | 126 | ||
| Toplam İş Yükü / 25 (Saat) | 5,04 | ||
| Dersin AKTS Kredisi | 5 | ||