Sezgisel Eniyileme Yöntemleri(IND 504)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| IND 504 | Sezgisel Eniyileme Yöntemleri | 2 | 3 | 0 | 0 | 3 | 6 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Yüksek Lisans |
| Dersi Veren(ler) | Orhan FEYZİOĞLU ofeyzioglu@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı |
Bu ders, öğrencilerin karmaşık ve büyük ölçekli optimizasyon problemlerine çok yönlü ve yenilikçi çözüm stratejileri geliştirebilmesini amaçlar. Dersin temel hedefi, sezgisel ve meta-sezgisel yöntemlerin teorik altyapısını kavratmak ve bu yöntemlerin hangi durumlarda avantaj sağladığını somut örnekler üzerinden göstermektir. Bu kapsamda, hesaplama karmaşıklığından yapıcı ve iyileştirme sezgisellerine, popülasyona dayalı yaklaşımlardan literatürdeki modern algoritmalara kadar uzanan geniş bir yelpaze tanıtılır. Böylece öğrenciler, gerek akademik araştırmalarda gerekse endüstriyel uygulamalarda karşılaşabilecekleri çok çeşitli problemlere verimli çözümler üretebilmek için gerekli bilgi birikimini edinirler. Ders kapsamında yürütülen sunumlar ve dönem projeleri, kuramsal bilginin pratiğe aktarılmasında merkezi bir rol oynar. Öğrenciler, belirli bir eniyileme problemi için meta-sezgisel algoritmalar kodlayıp sonuçlarını nicel ve nitel açıdan değerlendirerek, farklı yöntemlerin güçlü ve zayıf yönlerine dair eleştirel bir bakış açısı kazanırlar. Bu süreçte, algoritma tasarımı ve performans analizi konularında tecrübe edinmenin yanı sıra, yeni yöntemler geliştirme veya var olan yöntemleri melezleme konusunda da bilgi sahibi olurlar. Böylelikle ders, öğrencilere hem ileri düzeyde akademik araştırma yapma hem de sektördeki karmaşık problemlere etkin çözümler sunma becerisi kazandırmayı hedefler. |
| İçerik |
1. Hafta: Hesaplama Karmaşıklığı, Sezgisel-Meta Sezgisel Yöntemler 2. Hafta: Yapıcı Sezgiseller 3. Hafta: İyileştirme Sezgiselleri 4. Hafta: Tavlama Benzetimi, Tabu Araması 5. Hafta: Genetik Algoritmalar, Diferansiyel Evrim Algoritması 6. Hafta: Parçacık Sürü Eniyilemesi, Karınca Kolonisi Eniyilemesi 7. Hafta: Balina Eniyileme Algoritması, Gri Kurt Algoritması 8. Hafta: Çiçek Tozlaşma Algoritması, Yusufçuk Algoritması 9. Hafta: Armoni Arama Algoritması, Kütleçekim Algoritması 10. Hafta: Meta Sezgisel Yöntemleri Melezleme 11. Hafta: Kısıtları Ele Alma Yaklaşımları 12. Hafta: Sezgisellerin Performansını Değerlendirme 13. Hafta: Dönem Projesi Sunumları 14. Hafta: Dönem Projesi Sunumları |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan öğrenci aşağıdaki kazanımları elde edecektir: 1. Hesaplama karmaşıklığı ile sezgisel ve meta-sezgisel yöntemler arasındaki ilişkiyi analiz eder; büyük ölçekli ve karmaşık problemlerin çözümünde hangi yaklaşımı tercih edeceğine dair stratejik bir bakış açısı geliştirir. 2. Yapıcı ve iyileştirme sezgisellerinin temel ilkelerini öğrenir; bu yöntemleri farklı problem türlerinde uygulayarak, avantaj ve dezavantajlarını somut örnekler üzerinden değerlendirir. 3. Tavlama Benzetimi, Tabu Araması, Genetik Algoritmalar, Parçacık Sürü Eniyilemesi, Karınca Kolonisi Eniyilemesi ve benzeri popülasyon tabanlı algoritmaların çalışma mekanizmalarını kavrar; algoritma varyasyonlarını ve literatür uygulamalarını yorumlayarak çözümlere uyarlayabilir. 4. Meta-sezgisel yöntemleri melezleme, kısıtları ele alma ve performans değerlendirme yaklaşımlarına hâkim olur; farklı algoritmaları kodlayarak çıktılarını deneysel yöntemlerle değerlendirir ve gerekli iyileştirmeleri yapar. 5. Özgün bir eniyileme problemi üzerinde meta-sezgisel algoritma uygular; algoritmanın performansını çok sayıda örnekle karşılaştırıp sonuçları sistematik bir rapor ve sunum hâlinde paylaşarak araştırma, tartışma ve raporlama becerilerini geliştirir. |
| Öğretim Yöntemleri | |
| Kaynaklar |
1. Gendreau, M., & Potvin, J.-Y. (Eds.). (2019). Handbook of Metaheuristics (3rd ed.). Springer International Publishing. 2. Martí, R., Pardalos, P. M., & Resende, M. G. C. (Eds.). (2018). Handbook of Heuristics. Springer International Publishing. 3. Maniezzo, V., Boschetti, M. A., & Stützle, T. (2021). Matheuristics: Algorithms and Implementations. Springer International Publishing. 4. Talbi, E.-G. (2009). Metaheuristics: From design to implementation. John Wiley & Sons. 5. Blum, C., & Raidl, G. R. (2016). Hybrid metaheuristics: Powerful tools for optimization. Springer International Publishing. 6. Kulkarni, A. J., Mezura-Montes, E., Wang, Y., Gandomi, A. H., & Krishnasamy, G. (Eds.). (2021). Constraint handling in metaheuristics and applications. Springer. 7. Michalewicz, Z., & Fogel, D. B. (2004). How to solve it: Modern heuristics. Springer. 8. Kaveh, A., & Bakhshpoori, T. (2019). Metaheuristics: Outlines, MATLAB codes and examples. Springer Nature Switzerland. 9.Taillard, É. D. (2023). Design of heuristic algorithms for hard optimization: With Python codes for the traveling salesman problem. Springer Nature. |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Hesaplama Karmaşıklığı, Sezgisel-Meta Sezgisel Yöntemler |
| 2 | Yapıcı Sezgiseller |
| 3 | İyileştirme Sezgiselleri |
| 4 | Tavlama Benzetimi, Tabu Araması |
| 5 | Genetik Algoritmalar, Diferansiyel Evrim Algoritması |
| 6 | Parçacık Sürü Eniyilemesi, Karınca Kolonisi Eniyilemesi |
| 7 | Balina Eniyileme Algoritması, Gri Kurt Algoritması |
| 8 | Çiçek Tozlaşma Algoritması, Yusufçuk Algoritması |
| 9 | Armoni Arama Algoritması, Kütleçekim Algoritması |
| 10 | Meta Sezgisel Yöntemleri Melezleme |
| 11 | Kısıtları Ele Alma Yaklaşımları |
| 12 | Sezgisellerin Performansını Değerlendirme |
| 13 | Dönem Projesi Sunumları |
| 14 | Dönem Projesi Sunumları |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 3 | 50 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 50 |
| Toplam | 4 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 2 | 20 |
| Sunum | 1 | 15 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 |
| Proje | 0 | 0 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 1 | 50 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 1 | 15 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Bütünleme | 0 | 0 |
| Toplam | 5 | 100 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 0 | 0 | 0 |
| Ödevler | 2 | 10 | 20 |
| Sunum | 0 | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 50 | 50 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 1 | 40 | 40 |
| Portfolyo Çalışmaları | 0 | 0 | 0 |
| Raporlar | 0 | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 | 0 |
| Seminer | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Bütünleme | 0 | 0 | 0 |
| Toplam İş Yükü | 152 | ||
| Toplam İş Yükü / 25 | 6.08 | ||
| Dersin AKTS Kredisi | 6 | ||