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