Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
İLERİ TASARIM ALGORİTMALARI	Üçüncü Düzey	EEM 627	Seçmeli	1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	--
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. AYTEKİN BAĞIŞ
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. AYTEKİN BAĞIŞ
Yardımcı Öğretim Eleman(lar)ı	--
Dersin Veriliş Şekli	Yüz yüze
Dersin Amacı	Bu dersin amacı, mühendislik sistemlerinin analiz ve tasarımında kullanılan yapay zekaya dayalı yeni ve ileri optimizasyon algoritmalarının Matlab destekli olarak incelenmesi ve bilgisayar destekli uygulamalarının yapılmasıdır.
Dersin Tanımı	İleri optimizasyon tekniklerinin incelenmesi, yapay zekaya dayalı yeni ve ileri optimizasyon algoritmalarının ele alınması, Matlab programı destekli olarak uygulamaların yapılması

Dersin İçeriği

1	Optimizasyon ve algoritmalar, giriş ve genel tanımlar
2	Algoritmaların incelenmesi ve sınıflandırılması
3	Meta-sezgisel algoritmalar, tek ve çok çözüme (popülasyona) dayalı algoritmalar
4	I-Doğa-temelli (nature-inspired) algoritmalar -Evrimsel algoritmalar (Genetik, ES, Diferansiyel Gelişim, Memetik vb.)
5	Doğa-temelli (nature-inspired) algoritmalar -Evrimsel algoritmalar
6	Doğa-temelli (nature-inspired) algoritmalar -Evrimsel algoritmalar
7	Doğa-temelli (nature-inspired) algoritmalar -Sürü zekasına dayalı algoritmalar (ABC, PSO, Bat, Firefly, Bees, Cuckoo, BSA, DS vb.)
8	Doğa-temelli (nature-inspired) algoritmalar -Sürü zekasına dayalı algoritmalar (ABC, PSO, Bat, Firefly, Bees, Cuckoo, BSA, DS vb.)
9	Doğa-temelli (nature-inspired) algoritmalar -Sürü zekasına dayalı algoritmalar
10	Doğa-temelli (nature-inspired) algoritmalar -Sürü zekasına dayalı algoritmalar
11	Doğa-temelli (nature-inspired) algoritmalar -Fiziksel temellere dayalı algoritmalar (GSA, Black hole, Ray, Chemical Reaction, Curved Space, Charged System, Central Force vb.)
12	Doğa-temelli (nature-inspired) algoritmalar -Fiziksel temellere dayalı algoritmalar
13	II-İnsan temelli (human-based) algoritmalar Tabu Search, Harmony Search, Group Search, Firework, Interior Search, Seeker Optimization, Social-Based, Mine Blast Alg. vb.)
14	İnsan temelli (human-based) algoritmalar
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Optimizasyon ve algoritmalar ile ilişkili temel kavramların incelenmesi
2	Farklı özelliklere sahip optimizasyon problemleri için kullanılabilecek optimizasyon tekniklerinin tanıtılması
3	Yapay zekaya dayalı optimizasyon yaklaşımlarının tanıtılması
4	Ele alınan algoritmaların bilgisayar destekli olarak yazımına yönelik alıştırmalar
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Elektrik-elektronik mühendisliği alanında bilimsel araştırma yaparak bilgiye derinlemesine ulaşabilme, bilgiyi değerlendirme, yorumlama ve uygulama becerisine sahip olur.
2	Sınırlı verileri kullanarak bilimsel yöntemlerle aynı veya farklı disiplinlere ait bilgileri bütünleştirebilme becerisine sahip olur.
3	Mühendislik problemlerini tanımlayabilme, çözüm yöntemi geliştirme ve çözümlerde yenilikçi yöntemler uygulama ve geliştirebilme becerisine sahip olur.
4	Analitik, modelleme ve deneysel esaslı süreçleri tasarlama ve uygulama becerisi kazanır ve bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlama becerisine sahip olur.
5	Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında bilgi sahibi olur ve gerektiğinde bunları kullanma becerisi kazanır.
6	Verilerin toplanması ve yorumlanması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
7	Çalışmalarını ulusal ve uluslararası ortamlarda yazılı ya da sözlü olarak aktarabilme becerisine sahip olur.
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	4	56
Ödevler	1	14	14
Sunum / Seminer hazırlama	1	4	4
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	3	3	9
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	2	2	4
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	4	3	12
Yarıyıl sonu sınavı	1	2	2
Araştırma	14	3	42
Toplam iş yükü			187
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	1	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	(1) S.C. Chapra, R.P. Canale, Mühendisler için Sayısal Yöntemler (Yazılım ve Programlama Uygulamalarıyla) (Çeviri: H.Heperkan, U.Kesgin), Literatür Yayıncılık, 2003. (2) A. Antoniou, W.S. Lu, “Practical Optimization, Algorithms and Engineering Applications”, Springer, 2007. (3) S.S. Rao, “Engineering Optimization: Theory and Practice, Fourth Edition”, John Wiley & Sons, Inc., 2009.
Yardımcı Kaynaklar	(1) P. Venkataraman, “Applied Optimization with Matlab Programming”, John Wiley & Sons, Inc., 2002. (2) W.Y. Yang, W. Cao, T.S. Chung, J. Morris, “Applied numerical methods using MATLAB”, John Wiley & Sons, Inc., 2005.

Ders İle İlgili Dosyalar