Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
METASEZGİSELLER Üçüncü Düzey ENM 619 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör PROF. DR. EMEL KIZILKAYA AYDOĞAN
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. EMEL KIZILKAYA AYDOĞAN, PROF. DR. Sinem KULLUK
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Sınıfta sözlü anlatım, makale inceleme ve proje sunumları
Dersin Amacı Meta-sezgisel algoritmaların kullanım amaçlarını, yapı ve işleyişlerini kavramak. Problem özelliklerine göre uygun metasezgisel algoritma(lar)dan faydalanarak probleme çözüm üretmek.
Dersin Tanımı Optimizasyon kavramı ve Sezgisel Algoritmalar. Temel yapılandırma ve iyileştirme sezgiselleri. Tabu Arama, Tavlama Benzetimi, Değişken Komşu Arama, Genetik Algoritmalar, Yapay Sinir Ağları, Karınca Koloni Optimizasyonu, Parçacık Sürü Optimizasyonu, Harmoni Arama, Diferansiyel Gelişim, Yapay Arı Kolonisi algoritmaları, Av Arama Algoritması konularını kapsar.

Dersin İçeriği
1 Optimizasyon, sezgisel algoritmalar ve meta-sezgisel algoritmalar ile ilgili temel kavramlar
2 Temel yapılandırma ve iyileştirme sezgiselleri
3 Tabu arama algoritması
4 Tavlama benzetimi algoritması
5 Genetik algoritmalar
6 Değişken komşu arama algoritması
7 Vize
8 Karınca koloni optimizasyonu algoritması
9 Parçacık sürü optimizasyonu algoritması
10 Diferansiyel gelişim algoritması
11 Yapay Arı Algoritmaları
12 Yapay sinir ağları
13 Harmoni arama algoritması
14 Av arama algoritması, proje sunumları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Sezgisel ve metasezgiseller hakkında bilgi sahibi olma ve hangi problemler için hangi durumlarda kullanmak gerektiğini kavrayabilme
2 Çözümü zor problemler için metasezgisel algoritmaları kullanabilme ve kodlayabilme
3 Problem tipine bağlı olarak uygun metasezgisel yöntemi belirleyebilme
4 -
5 -
6 -
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Endüstri mühendisliği alanında derinlemesine ve sistematik bilgiye sahip olarak, bu bilgiyi genişletebilecek ve yeniden yapılandırabilecek düzeyde kuramsal ve uygulamalı yetkinlik geliştirebilme.
2 Alanındaki karmaşık problemlere yönelik özgün model, yöntem veya algoritmalar geliştirebilme, bu katkıları bilimsel literatüre yenilikçi ve ileri düzeyde katkı sağlayacak şekilde sunabilme.
3 Bilimsel literatürü ileri düzeyde analiz edebilme, eleştirel değerlendirme yapabilme ve mevcut bilgi birikimindeki boşlukları tespit ederek yeni araştırma problemleri tanımlayabilme.
4 Karmaşık sistemleri yenilikçi modelleme, simülasyon, optimizasyon ve veri bilimi yaklaşımlarıyla analiz edebilme, elde edilen sonuçlardan genellenebilir ve teorik katkı sağlayan çıkarımlar üretebilme.
5 Bağımsız olarak özgün bir araştırma süreci tasarlayabilme, yönetebilme, uygulayabilme ve sonuçlarını bilimsel geçerlilik ve güvenilirlik kriterlerine uygun biçimde değerlendirebilme.
6 Disiplinlerarası araştırmalarda liderlik üstlenebilme, araştırma ekiplerini yönlendirebilme ve ulusal/uluslararası iş birlikleri geliştirebilme.
7 Bilimsel araştırma ve yayın süreçlerini etik ilkeler, akademik dürüstlük ve kalite standartları doğrultusunda yönetebilme ve bu ilkeleri yaygınlaştırabilme.
8 Araştırma çıktılarının uluslararası düzeyde saygın ve yüksek etkili bilimsel dergilerde yayımlanmasını sağlayarak alanın bilgi birikimine özgün katkı sunabilme.
9 Ürettiği bilimsel bilgiyi akademik, endüstriyel ve toplumsal bağlamlarda uygulamaya aktarabilme, karar vericilere ve politika yapıcılara katkı sağlayabilme.
10 Alanındaki gelişmeleri yönlendirebilecek düzeyde yenilikçi düşünme, teknoloji geliştirme ve bilgi üretme kapasitesi sergileyerek bilimsel ve teknolojik ilerlemeye katkı sağlayabilme.
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 13 3 39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 3 10 30
Ödevler 0 0 0
Sunum / Seminer hazırlama 1 20 20
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 20 20
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 1 20 20
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 20 20
Yarıyıl sonu sınavı 1 2 2
Araştırma 1 30 30
Toplam iş yükü     183
AKTS     7.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 20
Kısa sınav 0 0
Ödev 1 20
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı • Handbook of Metaheuristics, ed. Fred Glover, Gary A. Kochenberger, 2003.
Yardımcı Kaynaklar • Yapay Zeka Optimizasyon Algoritmaları, Derviş Karaboğa, 2004.

Ders İle İlgili Dosyalar
İndir  Dersle ilgili tüm dosyalar derste güncel olarak verilmektedir.
İndir  Dersle ilgili tüm dosyalar derste güncel olarak verilmektedir.