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 | Dr.Öğr.Üyesi NEVRA AKBİLEK, |
Dersin Yardımcıları | |
Dersin Kategorisi | Diğer |
Dersin Amacı | Sezgisel optimizasyon ile ilgili temel bilgi, optimizasyon yöntemleri bilgisi ve literatür bilgisinin edinilmesi. Buna ek olarak uygulama projesi. |
Dersin İçeriği | Optimizasyon ve teknikleri konusu ile ilgili temel bilginin edinilmesi . Literatürün takip edilmesi, meta sezgisellerle güncel uygulama ve analiz becerisinin geliştirilmesi. |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
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 |
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] Metaheuristics for Hard Optimization: Methods and Case Studies Johann Dréo, Alain Pétrowski (Author), Patrick Siarry (Author), Eric Taillard (Author), A. Chatterjee (Translator) [2] Genetic Algorithms in Search, Optimization and Machine Learnin(Goldberg) [3] Genetic Programming (Koza) [4] Genetic Algorithms and Simulated Annealing (Davis) [5] Simulated Annealing and Boltzmann Machines (Aarts and Korst) [6] Evolution and Optimum Seeking (Schwefel) |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 40 |
1. Ödev | 10 |
1. Proje / Tasarım | 30 |
1. Performans Görevi (Uygulama) | 20 |
Toplam | 100 |
1. Yıl İçinin Başarıya | 50 |
1. Final | 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 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 1 | 16 |
Ara Sınav | 1 | 20 | 20 |
Ödev | 1 | 10 | 10 |
Proje / Tasarım | 1 | 30 | 30 |
Performans Görevi (Uygulama) | 1 | 20 | 20 |
Final | 1 | 10 | 10 |
Toplam İş Yükü | 154 | ||
Toplam İş Yükü / 25 (Saat) | 6,16 | ||
Dersin AKTS Kredisi | 6 |