PAÜ .:. Eğitim Öğretim Bilgi Sistemi

Yazdır

DERS BİLGİLERİ

Ders Kod	Ders Ad	T+U Saat	Yarıyıl	AKTS
EEEN 479	OPTİMİZASYON TEKNİKLERİ	3 + 0	7. Yarıyıl	4

DERS TANIMI

Ders Düzeyi	Lisans
Ders Türü	Seçmeli
Dersin Amacı	Türev tabanlı kısıtlamasız sayısal optimizasyon yöntemlerini öğretmek. Bu yöntemleri MatLab ortamında gerçeklemek. Bu yöntemleri gerçek dünya problemlerinin çözümünde kullanmak.
Ders İçeriği	Bir-boyutlu Lineer-olmayan Nümerik Optimizasyon / Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon / Matematiksel Temeller / Optimallik için Analitik Koşullar / Birinci-dereceden Yöntemler / İkinci-dereceden Yöntemler / İkinci-dereceden Yaklaşık Yöntemler / Uygulamalar
Ders Ön Koşul	Dersin ön koşulu yok.
Ders Yan Koşul	Dersin yan koşulu yok.
Öğretim Sistemi	Yüz Yüze

DERS ÖĞRENME KAZANIMLARI

1	Optimizasyon ile ilgili temel kavramları bilir.
2	Türev tabanlı kısıtlamasız sayısal optimizasyon yöntemlerini bilir.
3	Optimizasyon yöntemleriyle gerçek dünya problemlerini çözebilir.
4	Yapay Sinir Ağı ile modelleme ve tahmin yapabilir.

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI

No	PY 01	PY 02	PY 03	PY 04	PY 05	PY 06	PY 07	PY 08	PY 09	PY 10	PY 11
ÖK 001	3	5	4	2	1	2	2	2	1	1	1
ÖK 002	2	5	1	2	2	1		1	1	1	1
ÖK 003	1	4	1	1		2	3	1	1	4	2
ÖK 004	1	3	3	2	3	3		1	1	1	2
Ara Toplam	7	17	9	7	6	8	5	5	4	7	6
Katkı	2	4	2	2	2	2	1	1	1	2	2

AKTS / İŞ YÜKÜ TABLOSU

Etkinlik	Sayısı	Süresi (Saat)	Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)	14	3	42
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)	14	3	42
Arasınavlar(hazırlık süresi dahil)	1	6	6
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)	1	14	14
Toplam İş Yükü Dersin AKTS Kredisi			104 4

DERS ŞUBELERİ

Dönem seçiniz :

Yazdır

Ders Şube Detayları

Dersin Kodu	Dersin Ad	Saat (T+P)	Şube No	Öğretim Dili	Şube Dönemi
EEEN 479	OPTİMİZASYON TEKNİKLERİ	3 + 0	2	Türkçe	2019-2020 Güz

Öğretim Elemanı	E-Posta	İç Hat	Ders Yeri	Devam Zorunluluğu
Prof. Dr. SERDAR İPLİKÇİ	iplikci@pau.edu.tr		MUH A0312	Dersin Devam Yüzdesi : %

Amaç		Türev tabanlı kısıtlamasız sayısal optimizasyon yöntemlerini öğretmek. Bu yöntemleri MatLab ortamında gerçeklemek. Bu yöntemleri gerçek dünya problemlerinin çözümünde kullanmak.
İçerik		Bir-boyutlu Lineer-olmayan Nümerik Optimizasyon / Çok-boyutlu Lineer-olmayan Nümerik Optimizasyon / Matematiksel Temeller / Optimallik için Analitik Koşullar / Birinci-dereceden Yöntemler / İkinci-dereceden Yöntemler / İkinci-dereceden Yaklaşık Yöntemler / Uygulamalar

Haftalık Konu Başlıkları

Hafta	Konular
1	Optimizasyona Giriş, temel optimizasyon kavramları, optimizasyon problemi
2	Kısıtsız Optimizasyon
3	Nümerik Optimizasyon
4	Dolaylı Yöntemler: Newton Raphson, ikiye Bölme Metotları ve Matlab Uygulamaları
5	Doğrudan Yöntemler: Altın Bölme Metodu ve Matlab Uygulamaları
6	Çok değişkenli kısıtsız optimizasyon için algoritmalar
7	1. dereceden yöntemler
8	Steepest Descent, Conjugate Gradient yöntemleri
9	Ara Sınav
10	2. dereceden yöntemler, Newton ve Newton benzeri yöntemler
11	Gradient olmayan metotlar, Regresyon
12	Doğrusal ve Doğrusal-olmayan Modeller
13	SISO yapay sinir ağı modeli ve Matlab uygulamaları
14	MIMO yapay sinir ağı modeli ve Matlab uygulamaları

Materyaller

Materyal belirtilmemiştir.

Kaynaklar

Ders Değerlendirme Sistemi

Değerlendirme Yöntemi	Katkı Yüzdesi (%)	Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı	50	Dönem Sonu Sınavı
Ara Sınav	50	Ara Sınav

T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları

Aday Öğrenci