GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| MEKATDR652 | SEZGİSEL OPTİMİZASYON ALGORİTMALARI | Seçmeli Ders Grubu | 1 | 1 | 5,00 |
Dersin Seviyesi
Doktora
Dersin Sunulduğu Dil
Dersin Amacı
Temel optimizasyon ve yöntemlerini anlamak. Sezgisel optimizasyon algoritmaları ve çeşitleri üzerinde uygulama yapabilmek ve problem çözebilmek.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğr. Gör. Dr. Türker KOZA
Öğrenme Çıktıları
| 1 | Temel optimizasyon teknik ve yöntemlerin incelenmesi |
| 2 | Sezgisel yöntemler, yerel arama, amaç fonksiyonu ve karar yöntemleri |
| 3 | Genetik algoritma ve uygulamaları |
| 4 | parçacık sürü oitimizasyon algoritması ve uygulamaları |
| 5 | diferansiyel gelişim algoritması ve uygulamaları |
| 6 | yapay arı koloni algoritması ve uygulalamaları |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
-
Ders İçin Önerilen Diğer Hususlar
-
Dersin İçeriği
Optimizasyon ksvramı ve temelleri. Temel arama, yapılandırma ve bölgesel arama. Genetik algoritma, parçacık sürü optimizasyon algoritması, diferansiyel gelişim algoritması, yapay arı koloni algoritması, diğer güncel sezgisel yöntemler
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Temel optimizasyon kavramı ve yöntemleri | ||
| 2 | Yerel arama, sezgisel yöntemelrde değerlendirme kriterleri. | ||
| 3 | Sezgisel yöntemler, çeşitleri ve uygulama alanları | ||
| 4 | Genetik algoritma ve uygulamaları | ||
| 5 | Diferansiyel gelişim algoritması ve uygulamaları | ||
| 6 | parçacık sürü optimizasyon algoritması ve uygulamaları | ||
| 7 | yapay arı koloni algoritması | ||
| 8 | Sezgisel algoritma değerlendirme yöntemleri | ||
| 9 | Güncel algoritma incelenmesi | ||
| 10 | Güncel algoritma incelenmesi | ||
| 11 | Güncel algoritma incelenmesi | ||
| 12 | Güncel algoritma incelenmesi | ||
| 13 | Güncel algoritma incelenmesi | ||
| 14 | Güncel algoritma incelenmesi |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Derviş Karaboğa, Yapay Zeka Optimizasyon Algoritmalar, Nobel Yaynıevi, 2017 A. Kaveh, Advances in Metaheuristic Algorithms for Optimal Design of Structures, Springer, 2017 Xin-She Yang, Nature:Inspired Metaheuristic Algorithms, LUNIVER RESS, 2010
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 40 |
| Ev Ödevi | 2 | 60 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 60 |
| Toplam | 60 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
-
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 2 | 2 | 4 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 3 | 42 |
| Makale Kritik Etme | 14 | 1 | 14 |
| Ödev Problemleri için Bireysel Çalışma | 1 | 10 | 10 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 5 | 5 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 5 | 5 |
| Okuma | 14 | 2 | 28 |
| Ev Ödevi | 2 | 10 | 20 |
| Toplam İş Yükü (saat) | 130 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | PÇ 16 | |
| ÖÇ 1 | 5 | |||||||||||||||
| ÖÇ 2 | 4 | 5 | ||||||||||||||
| ÖÇ 3 | 5 | |||||||||||||||
| ÖÇ 4 | 5 | |||||||||||||||
| ÖÇ 5 | 5 | |||||||||||||||
| ÖÇ 6 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek