Home » Akademik Birimler » Makine Fakültesi » Endüstri Mühendisliği Bölümü » Dersler » Optimizasyonda Sezgisel Yöntemler
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Optimizasyonda Sezgisel YöntemlerEND388224200
ÖnkoşullarEND3101 Yöneylem Araştırması 1
YarıyılBahar
Dersin DiliTürkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Endüstri Mühendisliği Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimEndüstri Mühendisliği Bölümü
Dersin KoordinatörüNezir AYDIN
Dersi Veren(ler)Coşkun ÖZKAN
Asistan(lar)ıSelman Karagöz
Dersin AmacıBu dersi başarı ile tamamlayan öğrencilerden, sezgisel yöntemlerin nasıl ve neden çalıştığını, ne zaman kullanılması gerektiğini, birbirlerine ve matematiksel programlama gibi geleneksel yaklaşımlara olan üstünlüklerini kavramaları beklenmektedir.
Dersin İçeriğiKombinatoryal problemlerin çözümü için önemli ve popüler olan, geleneksel ve modern çeşitli sezgisel tekniklere giriş. Sezgisel tekniklerin varoluş sebepleri, yetenekleri ve uygulanabilirlikleri
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • J. S. Arora, Introduction to Optimum Design, Elsevier Academic Pres, 2004.
  • G. N. Vanderplaats, Numerical Optimization Techniques for Engineering Design, McGraw-Hill, New York, 1984.
  • D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, 1989.
Opsiyonel Program BileşenleriYok

Ders Öğrenim 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. Sonuclari diger dogrusal ve kesin cozum teknikleriyle karsilastirabilecektir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş: hesaplama büyüme hızı, algoritmik karmaşıklık ve kombinatoryal problemDers Notları 1
2Dal-sınır yöntemi: dallandırma, sınırlama, nod geliştirmeDers Notları 2
3Baskınlık, sınır sağlamak için rahatlatma, tamsayılı programlamaDers Notları 3
4Lagrange rahatlatma yöntemiDers Notları 4
5Lagrange rahatlatma yöntemiDers Notları 5
61. Ara sinavSınav Sorusu Hazırlama
7Yerel araştırma: komşuluklar, yerel ve global en iyilik, yapıcı ve iyileştirici sezgisel tekniklerDers Notları 6
8Benzetimli tavlama, genel yaklaşım, soğuma çizelgeleri ve değişimleriDers Notları 7
9Genetik algoritmalar: popülasyonlar, üreme, çaprazlamaDers Notları 8
10Mutasyon, dokular, rekabet ve genetik programlamaDers Notları 9
11TABU araması: kısa süreli bellek, TABU durumu, hedefleme, kuvvetlendirme ve çeşitlendirmeDers Notları 10
12Diğer yöntem ve teknikler: sinir ağları, rastsal yöntemler, melez yöntemlerDers Notları 11
132. Ara sinavSınav Sorusu Hazırlama
14Deluge algoritmasıDers Notları 12
15Proje Teslim ve SunumuProje Konuları Okuma
16Final SinaviSınav Sorusu Hazırlama

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım145
Laboratuar00
Uygulama
Arazi Çalışması00
Derse Özgü Staj00
Küçük Sınavlar/Stüdyo Kritiği210
Ödev25
Sunum/Jüri15
Projeler15
Seminer/Workshop00
Ara Sınavlar230
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati162
Laboratuar00
Uygulama00
Arazi Çalışması00
Sınıf Dışı Ders Çalışması122
Derse Özgü Staj00
Ödev26
Küçük Sınavlar/Stüdyo Kritiği24
Projeler16
Sunum / Seminer12
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)210
Final (Sınav Süresi + Sınav Hazırlık Süresi)110
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok