1. LİSANS
  2. MÜHENDİSLİK FAKÜLTESİ
  3. BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ
  4. 253 BİLGİSAYAR MÜHENDİSLİĞİ
Ders Bilgileri Ders Öğrenme Kazanımları Dersin Program Yeterlilikerine Katkısı AKTS / İş Yükü Tablosu Ders Şubeleri
Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
IENG 479SEZGİSEL YÖNTEMLER VE UYGULAMALARI3 + 06. Yarıyıl5

DERS TANIMI
Ders Düzeyi Lisans
Ders Türü Seçmeli
Dersin Amacı Endüstri mühendisliği araştırma konularının büyük bir bölümü NP-hard problemleri kapsamaktadır. Bu problemler genellikle kesin sonuç veren optimizasyon teknikleri ile çözülememektedir. Son yıllarda bu problemlerin çözümünde sezgisel yöntemler etkin bir sekilde kullanılmaktadır. Bu derste sezgisel yöntemler ve uygulama alanları tanıtılacaktır. Dersin sonunda öğrenci sezgisel yöntemler ile ilgili temel kavramları öğrenip, problem tanımlama ve matematiksel model kullanarak çözüm geliştirme becerisi ile NP-Hard problemlerin çözümüne sezgisel yönetmeleri uyarlayabilme becerisi kazanacaktır.
Ders İçeriği Optimizasyon problemlerine giriş, NP-Complete problemler, Lagrange Esnetmesi ve sezgiselleri, Klasik sezgisel yöntemler (Kazanç, Komşu arama, Aç gözlü), Geliştirme Sezgiselleri (Düğüm ekleme, k-opt, or-opt), Parametrik Sezgisel yöntemler (Genetik Algortimalar, Tabu Arama, Benzetimli Tavlama, Karınca kolonisi).
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1Sezgisel yöntemler ile ilgili temel kavramları öğrenir.
2Problem tanımlama ve matematiksel model kullanarak çözüm geliştirme becerisi kazanır
3NP-Hard problemlerin çözümü için klasik ve geliştirme sezgisellerini uyarlayabilme becerisi kazanır

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07PY 08PY 09PY 10PY 11PY 12
ÖK 00133          
ÖK 0023333        
ÖK 003 3434       
Ara Toplam69764       
Katkı232210000000

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)14342
Arasınavlar(hazırlık süresi dahil)12020
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)12626
Toplam İş Yükü

Dersin AKTS Kredisi





130

5
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2023-2024 Bahar1KENAN KARAGÜL
Detay 2021-2022 Bahar1KENAN KARAGÜL
Detay 2018-2019 Bahar1KENAN KARAGÜL
Detay 2017-2018 Bahar1KENAN KARAGÜL
Detay 2016-2017 Bahar1KENAN KARAGÜL


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi
IENG 479 SEZGİSEL YÖNTEMLER VE UYGULAMALARI 3 + 0 1 Türkçe 2023-2024 Bahar
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Doç. Dr. KENAN KARAGÜL kkaragul@pau.edu.tr MUH A0435 Dersin Devam Yüzdesi : %70
Amaç Endüstri mühendisliği araştırma konularının büyük bir bölümü NP-hard problemleri kapsamaktadır. Bu problemler genellikle kesin sonuç veren optimizasyon teknikleri ile çözülememektedir. Son yıllarda bu problemlerin çözümünde sezgisel yöntemler etkin bir sekilde kullanılmaktadır. Bu derste sezgisel yöntemler ve uygulama alanları tanıtılacaktır. Dersin sonunda öğrenci sezgisel yöntemler ile ilgili temel kavramları öğrenip, problem tanımlama ve matematiksel model kullanarak çözüm geliştirme becerisi ile NP-Hard problemlerin çözümüne sezgisel yönetmeleri uyarlayabilme becerisi kazanacaktır.
İçerik Optimizasyon problemlerine giriş, NP-Complete problemler, Lagrange Esnetmesi ve sezgiselleri, Klasik sezgisel yöntemler (Kazanç, Komşu arama, Aç gözlü), Geliştirme Sezgiselleri (Düğüm ekleme, k-opt, or-opt), Parametrik Sezgisel yöntemler (Genetik Algortimalar, Tabu Arama, Benzetimli Tavlama, Karınca kolonisi).
Haftalık Konu Başlıkları
HaftaKonular
1 Meta-Sezgisellere Giriş
2 Yerel ve Küresel Arama Algoritmaları
3 Yörünge Temelli Arama Algoritmaları
4 Populasyon Temelli Meta-Sezgiseller
5 Evrimsel Stratejiler
6 Evrimsel Programlama ve Genetik Programlama
7 Biyoljiden İlham Alan Meta-Sezgiseller
8 Diğer Populasyon Temelli Meta-Sezgiseller. Populasyon Temelli Meta-Sezgisellerde Ölçeklenebilirlik
9 Ara Sınav
10 Çok Amaçlı Evrimsel Optimizasyon
11 İleri Beslemeli Yapay Sinir Ağları
12 Yapay Sinir Ağlarında Denetimsiz Öğrenme
13 Tekrarlı Yapay Sinir Ağları
14 Yapay Sinir Ağlarının Evrimsel Tasarımı
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
KaynaklarKaynak Dili
Essentials of Metaheuristics, Sean Luke, Second Edtion, Online Version, October, 2015English
Clever Algorithms, Jason Brownlee, website online at http://www.CleverAlgorithms.comEnglish
Yazılım Geliştirme Aracı olarak açık kaynak kodlu SciLab : http://www.scilab.org/English
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı60Dönem Sonu Sınavı
Ara Sınav40Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları