|
Ders Öğretim PlanıDersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | EM213.2B | Sezgisel Optimizasyon | Seçmeli | 2 | 3 | 4 |
| Dersin Seviyesi | Lisans | Dersin Amacı | Bu dersi başarı ile tamamlayan öğrencilerden, sezgisel yöntemlerin nasıl ve neden çalıştığını, ne zaman kullanılması gerektiğini, birbirlerine ve matematiksel programlama gibi geleneksel yaklaşımlara olan üstünlüklerini | Dersi Veren Öğretim Görevlisi/Görevlileri | Doç.Dr. Erdemalp Özden | Öğrenme Çıktıları | 1 | Öğrenci, benzetimli tavlama, genetik algoritmalar, evrimsel stratejiler ve TABU araması gibi yaygın olarak kullanılan çeşitli sezgisel metodlar hakkında bilgi edinecektir. | 2 | Öğrenci, yaygın sezgisel yöntemleri kullanarak analiz yapıp model kurabilecektir | 3 | Öğrenci, sinir ağları ve rastsal yöntemler gibi diğer bazı sezgisel yöntemleri öğrendiğini gösterecektir. | 4 | Öğrenci, sezgisel yöntemeri kullanarak elde ettiği sonuçları kullanıp yorumlayabilecektir. |
| Öğrenim Türü | Birinci Öğretim | Dersin Ön Koşulu Olan Dersler | Yok | Ders İçin Önerilen Diğer Hususlar | Yok | Dersin İçeriği | Kombinatoryal problemlerin çözümü için çeşitli sezgisel teknikler. Sezgisel tekniklerin varoluş sebepleri, yetenekleri ve uygulanabilirlikleri. | Haftalık Ayrıntılı Ders İçeriği | |
1 | Giriş: hesaplama büyüme hızı, algoritmik karmaşıklık ve kombinatoryal problem
| - | - | 2 | Dal-sınır yöntemi: dallandırma, sınırlama, nod geliştirme
| - | - | 3 | Baskınlık, sınır sağlamak için rahatlatma, tamsayılı programlama
| - | - | 4 | Lagrange rahatlatma yöntemi
| - | - | 5 | Yerel araştırma: komşuluklar, yerel ve global en iyilik, yapıcı ve iyileştirici sezgisel teknikler
| - | - | 6 | Yerel araştırma: komşuluklar, yerel ve global en iyilik, yapıcı ve iyileştirici sezgisel teknikler
| - | - | 7 | Benzetimli tavlama, genel yaklaşım, soğuma çizelgeleri ve değişimleri
| - | - | 8 | Ara Sınav
| - | - | 9 | Genetik algoritmalar: popülasyonlar, üreme, çaprazlama
| - | - | 10 | Genetik algoritmalar: popülasyonlar, üreme, çaprazlama
| - | - | 11 | Mutasyon, dokular, rekabet ve genetik programlama
| - | - | 12 | TABU araması: kısa süreli bellek, TABU durumu, hedefleme, kuvvetlendirme ve çeşitlendirme
| - | - | 13 | Diğer yöntem ve teknikler: sinir ağları, rastsal yöntemler, melez yöntemler
| - | - | 14 | Deluge algoritması, kayıttan kayıta transfer ve paralel uygulama
| - | - | 15 | Deluge algoritması, kayıttan kayıta transfer ve paralel uygulama 2 | | |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar | Reeves, C. R., Modern Heuristic Techniques for Combinatorial Problems, John Wiley & Sons, 1993.
Sait, S.M., and Youssef, H., Iterative Algorithms with Applications in Engineering, IEEE Press, 1999. | Planlanan Öğrenme Aktiviteleri ve Metodları | | Değerlendirme | |
Ara Sınav | 1 | 100 | TOPLAM | 100 | |
Final Sınavı | 1 | 100 | TOPLAM | 100 | Yarıyıl (Yıl) İçi Etkinlikleri | 40 | Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | TOPLAM | 100 |
| Dersin Sunulduğu Dil | Türkçe | Staj Durumu | Yok |
| İş Yükü Hesaplaması | |
Ara Sınav | 1 | 1 | 1 | Final Sınavı | 1 | 2 | 2 | Derse Katılım | 14 | 3 | 42 | Ara Sınav İçin Bireysel Çalışma | 5 | 4 | 20 | Final Sınavı içiin Bireysel Çalışma | 10 | 3 | 30 | Ev Ödevi | 4 | 3 | 12 | |
Program ve Öğrenme Çıktıları İlişkisi | ÖÇ1 | 4 | | | 5 | 5 | | 3 | 4 | ÖÇ2 | | | 3 | 4 | | | 3 | 3 | ÖÇ3 | 4 | 4 | | | | | 4 | 2 | ÖÇ4 | | | 5 | | | | 3 | 3 |
| * Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek |
|
|
|
|