| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Sezgisel Eniyileme Yöntemleri | IE 552 | 5 | 9 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Zor kombinatoryal optimizasyon problemlerini çözmek için (meta) sezgisel arama yaklaşımları geliştirilmesi |
| 2. Farklı sezgisel yaklaşımların kalitesini karşılaştırılması |
| 3. Sezgisel yöntemlerin temel tiplerini kavrar |
| 4. Tavlama benzetimi, tabu arama, genetik algoritmalar, karınca algoritmaları ve melezleri dahil olmak üzere meta-sezgiselleri kullanabilir |
| 5. Mühendislik problemi için bir sezgisel yöntemin sonuçlarını analiz eder. |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, karmaşık optimizasyon problemlerinin çözümü için sezgisel arama yöntemlerinin, özellikle genetik algoritma, benzetim tavlama ve tabu arama yöntemlerini içeren çeşitli yerel arama stratejilerinin detaylı olarak incelenmesini, uygulamalarını ve geliştirilmesini kapsar. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş |
| 2 | Sezgisellerin Sınıflandırılması |
| 3 | Çözüm Kurucu Sezgiseller |
| 4 | İyileştirici Sezgiseller |
| 5 | Tavlama Benzetimi |
| 6 | Tabu Arama |
| 7 | Genetik Algoritmalar |
| 8 | Sürü Zekası ve Karınca Kolonileri |
| 9 | Dağılım Arama |
| 10 | Kısıtlama |
| 11 | Çok Amaçlı Genetik Algoritma |
| 12 | Depğişken Komşu Arama |
| 13 | Performans Değerleme |
| 14 | Hesaplama Karmaşıklığı |
| |
| Kaynaklar: |
| • El-Ghazali Talbi: Metaheuristics - From Design to Implementation, Wiley, 2009 .
• J. Dr´eo, A. P´etrowski, P. Siarry, E. Taillard, Metaheuristics for Hard Optimization, Simulated Annealing, Tabu Search, Evolutionary and Genetic Algorithms, Ant Colonies,…, Springer, 2003.
|
| |
| Diğer Kaynaklar: |
| • Sean Luke, 2013, Essentials of Metaheuristics, Lulu, second edition.
• Gendreau, Michel and Jean-Yves Potvin (eds) (2012) Handbook of Metaheuristics. Springer.
• Talbi, El-Ghazali (2009) Metaheuristics; From Design to Implementation. Wiley.
• Stefan Edelkamp, Peter Norvig: Heuristic Search: Theory and Applications, Elsevier, 2011.
• Fred Glover, Gary A. Kochenberger: Handbook of Metaheuristics, Springer, 2010.
• Zbigniew Michalewicz, David B. Fogel: How to Solve It: Modern Heuristics, Springer, 2004.
• Holger H. Hoos ,Thomas Stützle: Stochastic Local Search, Morgan Kaufmann, 2005.
• Sadiq M. Sait, Habib Youssef: Iterative Computer Algorithms with Applications in Engineering: Solving Combinatorial Optimization Problems, Wiley, 2000.
• Christos H. Papadimitiou, Kenneth Steiglitz: Combinatorial Optimization., Dover Publications, 2nd edition, 1998.
• K. Deb: Multiobjective optimization using Evolutionary Algorithms, Wiley, 2001
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Derslerde öğretim elemanı seçilmiş önemli kavramları ve noktaları işleyecektir. Derslerde sunulan materyallere aşina olmak ve sınıf içi tartışmalara katılmak için, öğrencilerin yeni ders öncesindeki derslerde yer alan materyalleri okuması beklenir. Öğrenciler derse hazırlıklı gelirlerse, dersleri daha ilginç bulacak ve tartışmadan faydalanacaktır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara sınav | 1 | %30 |
| Ödev | 1 | %20 |
| Final Sınavı | 1 | %50 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |