DERS BİLGİ PAKETİ · ISI 511

Sezgisel Eniyileme

Seçmeli · İngilizce
AKTS
6
Yerel Kredi
3
Teori + Uygulama + Lab
3 + 0 + 0
Dersin Düzeyi
Yüksek Lisans
Ön Koşul
-
Yarıyıl
2

İçerik

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.

Dersin İçeriği

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:
ÖÇ1. 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.
ÖÇ2. Yapıcı ve iyileştirme sezgisellerinin temel ilkelerini öğrenir; bu yöntemleri farklı problem türlerinde uygulayarak, avantaj ve dezavantajlarını somut örnekler üzerinden değerlendirir.
ÖÇ3. 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.
ÖÇ4. Meta-sezgisel yöntemleri melezleme, kısıtları ele alma ve performans değerlendirme yaklaşımlarına hâkim olur; farklı algoritmaları kodlayarak çıktılarını deneysel yöntemlerle değerlendirir ve gerekli iyileştirmeleri yapar.
ÖÇ5. 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.

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.

Değerlendirme Sistemi

Başarı Notuna Etki Oranları
Etkinlikler 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
Etkinlikler 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

Yeterlilik İlişkisi

Numara Program Yeterlilikleri Puan
1 2 3 4 5
1 Var olan bilimsel veriler arasından, akıllı sistemler mühendislik alanında uzmanlık seviyesinde araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. X
2 Akıllı sistemler mühendisliği alanında uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgi sahibidir. X
3 Akıllı sistemler mühendisliği ile ilgili alanlarda belirsiz, sınırlı ya da eksik verileri kullanarak, bilimsel yöntemlerle bilgiyi tamamlar ve uygular; değişik disiplinlere ait bilgileri bir arada kullanabilir. X
4 Akıllı sistemler mühendisliği mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. X
5 Akıllı sistemler mühendisliği problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. X
6 Yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık akıllı sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler geliştirir. X
7 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler. X
8 Çok disiplinli takımlarda etkin biçimde çalışabilir, bu tür takımlarda liderlik yapabilir ve karmaşık durumlarda proje ve risk yönetimi tekniklerini de kullanarak çözüm yaklaşımları geliştirebilir; bağımsız çalışabilir ve sorumluluk alır. X
9 Bir yabancı dili en az Avrupa Dil Portföyü B2 Genel Düzeyinde kullanarak, sözlü ve yazılı iletişim kurar. X

AKTS - İş Yükü Tablosu

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
Ts Yıl Sonu 0 0 0
Hazırlık Yıl Sonu 0 0 0
Hazırlık Bütünleme 0 0 0
Toplam İş Yükü 152
Toplam İş Yükü / 25 6.08
Dersin AKTS Kredisi 6