TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ (YL) (İNGİLİZCE) | |
| Kod | EE523 |
| Ad | Optimization |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Dönem | Güz |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Doç. Dr. FATİH KILIÇ |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, meta-sezgisel algoritmaların tarihsel gelişimini ve temel yaklaşımlarını tanıtmaktır. Ders kapsamında; yerel arama yöntemleri, genetik algoritmalar, evrim stratejileri, evrimsel programlama, genetik programlama, Parçacık Sürü Optimizasyonu (PSO), Yapay Arı Kolonisi (ABC) algoritması ve Harris Hawks Optimizasyonu (HHO) gibi başlıca meta-sezgisel yöntemler incelenmektedir. Ayrıca ders; kısıtlı optimizasyon problemleri, çok amaçlı optimizasyon, dinamik ortamlar, paralel uygulamalar, eş-evrimsel sistemler, parametre kontrolü, hibrit yaklaşımlar ile bu yöntemlerin gerçek dünya ve ticari uygulamalarına ilişkin genel bir çerçeve sunmayı amaçlamaktadır.
Dersin İçeriği
Bu ders, meta sezgisel algoritmaların tarihsel gelişimini ve temel yaklaşımlarını kapsamaktadır. Yerel arama algoritmaları, genetik algoritmalar, evrimsel stratejiler, evrimsel programlama, Parçacık Sürü Optimizasyonu, Yapay Arı Kolonisi (ABC) algoritması ve Harris Şahinleri Optimizasyonu gibi başlıca meta sezgisel yöntemler incelenmektedir. Ayrıca, kısıtlı optimizasyon problemleri, çok amaçlı optimizasyon, dinamik ortamlar, paralel uygulamalar, işbirlikçi evrimsel sistemler, parametre kontrolü, hibrit yaklaşımlar ve bu yöntemlerin gerçek dünya ve ticari uygulamaları hakkında genel bilgiler verilmektedir.
Dersin Ön Koşulu
Dersin ön koşulu bulunmamaktadır.
Kaynaklar
David B Fogel, "The Handbook of Evolutionary Computation", 1997 IOP Publishing Ltd and Oxford University Press Zbigniew Michalewics, "Genetic Algorithms + Data Structures = Evolution Programs", Springer Verlag, 1997. Melanie Mithcell, "An Introduction to Genetic Algorithms (Complex Adaptive Systems)", MIT Press, 1998 Ed. Bäck, Fogel and Michalewicz, "Evolutionary Computation1: Basic Algorithms and Operators", 2000.
Notlar
Yang, X. S. (2010). Engineering optimization: an introduction with metaheuristic applications. John Wiley & Sons. Du, K. L., & Swamy, M. N. S. (2016). Search and optimization by metaheuristics. Techniques and Algorithms Inspired by Nature, 1-10.
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Meta-sezgisel arama algoritmaları ve meta-sezgisel optimizasyon alanına ilişkin temel terminolojiyi açıklar. |
| ÖÇ02 | Meta-sezgisel arama algoritmalarının sağlaması gereken temel gereksinimleri açıklar. |
| ÖÇ03 | Meta-sezgisel arama algoritmalarının yaşam döngüsünü açıklar. |
| ÖÇ04 | Meta-sezgisel optimizasyonun temel bileşenlerini tanımlar. |
| ÖÇ05 | Meta-sezgisel optimizasyon çalışmalarının deneysel test ve doğrulama süreçlerini açıklar. |
| ÖÇ06 | Mühendislikteki sürekli optimizasyon problemlerini meta-sezgisel algoritmalar ile çözer. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Elektrik-elektronik mühendisliğinin temellerini oluşturan dalların en az birinde, bilgi düzeyini lisans düzeyinin ötesine çıkararak uzmanlaşabilme. | 4 |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı alanın içerdiği tüm konuların birlikte oluşturduğu bütünlüğü kavrayabilme. | 3 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Uzmanlaştığı alandaki mevcut bilimsel literatüre hakim olabilme ve takip edebilme | 3 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Alanının, ilişkili olduğu diğer dallarla olan disiplinlerarası etkileşimini kavrayabilme | 2 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Kuramsal veya deneysel çalışma yapma becerisine sahip olabilme | 4 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Araştırma sonucunda edinilen bilgileri derleyerek bütünlüklü bir bilimsel metin oluşturabilme | |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Tez konusu üzerinde, danışmanının belirlediği çerçeve içinde, konunun gerektirdiği mantıksal bütünlüğe uygun olarak, programlı bir şekilde çalışabilme. | |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Bilimsel veri tabanlarında literatür araştırması yapabilme; özelde, veri tabanlarını uygun ve doğru şekilde tarama ve listelenen unsurları değerlendirme, kategorize edebilme. | 2 |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Uzmanlık alanında İngilizce olarak yazılmış bir bilimsel metni rahatlıkla okuyup anlayacak düzeyde İngilizce bilme | |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Uzmanlıştığı konudaki bilgileri, bir sunum formatında derleyip, anlaşılır ve etkin bir şekilde sunabilme. | 2 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Bildiği bir programlama dilinde genelde belirli bir amaca yönelik, özelde uzmanlık alanı ile ilgili olan bir bilgisayar programı yazabilme | |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda yol gösterici olabilme, insiyatif alabilme | 4 |
| PÖÇ13 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Uygun bir dil ve tarz ile insanlarla iletişim kurabilme | |
| PÖÇ14 | Yetkinlikler - Öğrenme Yetkinliği | Uzmanlık alanı ile ilgili konularda proje, politika, süreç üretebilme ve bu öğeleri değerlendirme | |
| PÖÇ15 | Yetkinlikler - Öğrenme Yetkinliği | Mevcut araştırma deneyimine dayanarak yeni konularda da araştırma yapabilme | 3 |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Optimizasyona Giriş, Optimizasyon Terminolojisi ve Tanımlar | Temel optimizasyon kavramları ve terminolojiyi araştırın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 2 | Mühendislik Optimizasyonu, Optimizasyon Tipi, Optimizasyon Algoritmaları, Araştırma ve Uygulama Projesi | Optimizasyon problem türleri (sürekli, ayrık) hakkında okuyun. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 3 | Maliyet Fonksiyonunun Oluşturulması ve CEC Fonksiyonları | Amaç (objective) fonksiyonu ve benchmark (CEC) fonksiyonlarını inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 4 | Meta-Sezgisel Algoritma Test Problemleri, Meta-sezgisel algoritmaların arama performanslarının ölçülmesi ve karşılaştırılması, Yerel arama ve çeşitlilik | Yerel arama, keşif (exploration) ve sömürü (exploitation) kavramlarını öğrenin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 5 | Meta Sezgisel Algoritmalar: Hill climbing, Tabu search | Hill climbing ve tabu search algoritmalarının mantığını inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 6 | Meta Sezgisel Algoritmalar: Genetik Algoritma ve Uygulaması, Araştırma ve Uygulama Projesi Kontrolü 1 | Genetik algoritmanın temel bileşenlerini öğrenin (selection, crossover, mutation). | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 7 | Meta Sezgisel Algoritmalar: Genetik Algoritma ve Uygulaması, Araştırma ve Uygulama Projesi Kontrolü 2 | GA parametre ayarları ve uygulama örneklerini inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 8 | Ara Sınavlar | İlk 7 haftanın tüm konularını tekrar edin. | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Meta Sezgisel Algoritmalar: Parçacık Sürü Optimizasyonu, Araştırma ve Uygulama Projesi Kontrolü | Swarm Optimization Sürü zekâsı ve PSO algoritmasının temel mantığını öğrenin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 10 | Meta Sezgisel Algoritmalar: Yapay Arı Kolonisi Algoritması ve Uygulaması | Arı kolonisi optimizasyonunun çalışma prensibini inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 11 | Meta Sezgisel Algoritmalar: Grey Wolf Optimizer | GWO algoritmasının avlanma ve liderlik mekanizmasını araştırın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 12 | İkili arama uzayı için İkili dönüşümler | Binary encoding ve transfer fonksiyonlarını inceleyin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 13 | Hibrit Algoritmalar | Farklı algoritmaların nasıl birleştirildiğini araştırın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 14 | Öğrenci Sunumları | Proje çıktılarınızı hazırlayın ve sunum pratiği yapın. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 15 | Ders Değerlendirme | Tüm algoritmaları karşılaştırmalı olarak tekrar edin. | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 16 | Yarıyıl Sonu Sınavları | Tüm ders içeriğini genel olarak tekrar edin. | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Eksik konuları tamamlayın ve son tekrar yapın. | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 16 | 5 | 80 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 24 | 24 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 2 | 2 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 2 | 2 |
| Toplam İş Yükü (Saat) | 150 | ||
| Toplam İş Yükü / 25 (s) | 6,00 | ||
| AKTS | 6 AKTS | ||