Bilgi Paketi / Ders Kataloğu
Mühendisler İçin Metasezgisel Optimizasyon Uygulamaları
Ders Kodu: MCE505
Ders Türü: Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: İngilizce
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 6
Amaç

Optimizasyon teknikleri ve metasezgisel optimizasyon algoritmaları konularında bilgi vermek, mühendislik uygulamaları için metasezgisel optimizasyon modellerini tasarlama ve uygulama, çözümlerini analiz etme becerisi kazandırmaktır. Öğrenciler, mühendislik sistemlerini verimli bir şekilde optimize etmek için gerekli olan düşünme ve problem çözme becerileri geliştireceklerdir

Özet İçerik

Optimizasyonun Temelleri, Monte Carlo Yöntemleri, Seçkisiz Yürüyüş ve Markov Zinciri, Genetik Algoritmalar, Benzetimli Tavlama, Karınca Algoritmaları, Arı Algoritmaları, Parçacık Sürü Optimizasyonu, Armoni Arama, Ateşböceği Algoritması, Çoklu Amaçlı Optimizasyon, Mühendislik Optimizasyon Uygulamaları

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Öğrenciler metasezgisel yöntemler kullanarak optimizasyon uygulamaları yapmak konusunda beceri kazanacaktır.
2.Öğrenciler çeşitli optimizasyon algoritmaları öğrenerek, bu algoritmaları bilgisayar programlama dilleri ile kodlama becerisi kazanacaklardır.
3.Öğrenciler gerçek mühendislik problemlerini verimli bir şekilde çözmek için metasezgisel algoritmaları kullanma becerisi kazanacaklardır.
4.Öğrenciler çeşitli mühendislik uygulamalarında metasezgisel optimizasyon yöntemleri tasarlama, kullanma ve çözümlerini analiz etme imkânı sunan, problem çözme yetenekleri geliştireceklerdir.
5.Öğrencilere uzmanlık alanının gerektirdiği modelleri yazılım dilleri ile programlamayabilme ve elde edilen çıktıları sayısal ve grafik yöntemlerle değerlendirebilmeleri için gerekli algoritmaları programlayabilme becerisi kazandırmak.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Engineering Optimization: An Introduction with Metaheuristic Applications (Yang, 2011)
2.Intelligent Optimisation Techniques: Genetic Algorithms, Tabu Search, Simulated Annealing and Neural Networks (Pham, Karaboğa, 2000)
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Optimizasyonun Temelleri
2. Hafta - Teorik
Matematiksel Gereksinimler
3. Hafta - Teorik
Monte Carlo Yöntemleri
4. Hafta - Teorik
Seçkisiz Yürüyüş ve Markov Zinciri
5. Hafta - Teorik
Genetik Algoritmalar
6. Hafta - Teorik
Benzetimli Tavlama
7. Hafta - Teorik
Karınca Algoritmaları
8. Hafta - Teorik
Arı Algoritmaları
9. Hafta - Teorik
Parçacık Sürü Optimizasyonu
10. Hafta - Teorik
Armoni Arama
11. Hafta - Teorik
Ateşböceği Algoritması
12. Hafta - Teorik
Çoklu Amaçlı Optimizasyon
13. Hafta - Teorik
Mühendislik Uygulamaları
14. Hafta - Teorik
Mühendislik Uygulamaları
Değerlendirme
Değerlendirme TürüAdetYüzde
Sunum1%20
Ödev1%20
Kısa Sınav (Quiz)2%10
Dönem Sonu Sınavı (Final)1%50
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders141356
Ödev102424
Sunum115015
Okuma201020
Kısa Sınav2307
Dönem Sonu Sınavı125328
TOPLAM İŞ YÜKÜ (Saat)150
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
OÇ-1
3
4
4
5
3
4
4
4
5
3
3
3
5
OÇ-2
3
4
4
4
5
4
3
5
5
3
4
3
5
OÇ-3
5
5
5
5
4
5
4
5
5
4
5
5
3
OÇ-4
5
5
5
5
5
5
4
5
5
5
4
5
5
OÇ-5
4
5
5
5
5
5
4
5
5
5
3
4
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026