Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi

Programlar Hakkında Bilgi

Lisans - Mühendislik Fakültesi - Endüstri Mühendisliği (İngilizce)

Müfredat Adı Ders Kodu Ders Adı Ders Türü Dönem AKTS Teorik Uygulama
2023 - Endüstri Mühendisliği (İngilizce) - Lisans IE4033 Heuristics Solution Methods Seçmeli 6 5,00 3 0

Dersin İçeriği

Dersin Amacı

Öğrencilerin farklı uygulama alanlarında karşılaşacabilecekleri karmaşık optimizasyon problemlerini sezgisel yöntem tasarlayarak ve uygulayarak çözebilmeleri için gerekli temellerin sağlanması hedeflenmektedir.

Öğrenim Türü

-

Dersin İçeriği

Optimizasyon problemlerinin sınıflandırılması, optimizasyon yöntemleri, sezgisel yöntemlerin sınıflandırılması, sezgisel yöntemlerde ortak kavramlar, sezgisel yöntemler için yazılımlar, tek çözüm temelli sezgiseller, popülasyon temelli sezgiseller

Planlanan Öğrenme Aktiviteleri ve Metodları

Sınıf içi sunumlar, öğrenci projeleri, ödevler ve sınavlar

Staj Durumu

Mevcut değil

Dersin Sunulduğu Dil

İngilizce

Ders Kitabı / Malzemesi / Önerilen Kaynaklar

Franz Rothlauf, "Design of Modern Heuristics: Principles and Applications", Springer, Natural Computing Series El-Ghazali Talbi, "Metaheuristics: From Design to Implementations", Wiley

Dersin Web Sayfası

http://akademik.marmara.edu.tr/cigdem.uslu

Öğrenme Çıktıları

  • Karar değişkenleri, amaçlar ve kısıtlarla beraber matematiksel programlama modellerini açıklar.
  • Matematiksel modellerin nasıl çözüm bulduğunu ve optimum çözüm olmasını nasıl garanti ettiğini açıklar.
  • Matematiksel programlama yöntemleri ile sezgisel yöntemler arasındaki farklılıkları açıklar.
  • LINGO yazılımı kullanarak matematiksel programlama modelleri formüle eder.
  • Sezgisel çözüm yöntemleri tasarlar.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik
1 Optimizasyon problemleri: Arama uzayları ve optimizasyon problemlerinin özellikleri
2 Optimizasyon yöntemleri: Analitik ve sayısal optimizasyon yöntemleri, doğrusal sürekli problemler için ve doğrusal kesikli problemler için optimizasyon yöntemleri
3 Sezgisel optimizasyon yöntemleri: Sezgiseller, yaklaştırma algoritmaları ve modern sezgiseller
4 Modern sezgisellerde ortak kavramlar: Gösterim, amaç fonksiyonu ve kısıtları ele alma
5 Modern sezgisellerde ortak kavramlar: Parametre ayarlaması ve sezgisellerin performanslarının analizi
6 Modern sezgiseller için yazılım platformları
7 Tek çözüm temelli modern sezgiseller: Yerel arama, komşunun seçilmesi, yerel optimumlardan kaçınma
8 Ara Sınav Haftası
9 Tek çözüm temelli modern sezgiseller: Tavlama benzetimi
10 Tek çözüm temelli modern sezgiseller: Tabu arama
11 Tek çözüm temelli modern sezgiseller: Iteratif yerel arama, değişken komşuluk arama, yol gösterimli yerel arama
12 Popülasyon temelli modern sezgiseller: Temel kavramlar
13 Popülasyon temelli modern sezgiseller: Evrimsel algoritmalar, genetik algoritmalar, evrim stratejileri, evrimsel programlama, genetik programlama
14 Popülasyon temelli modern sezgiseller: Karınca kolonisi, parçacıklı sürü optimizasyon
15 Öğrenci projeleri
16 Öğrenci projeleri
17 Yarı Yıl Sonu Sınavı

Değerlendirme

Değerlendirme Değer
Yarıyıl (Yıl) İçi Etkinlikleri 60
Yarıyıl (Yıl) Sonu Etkinlikleri 40
Yarıyıl (Yıl) Sonu Etkinlikleri Değer
Final Sınavı 100

Öğrenci İş Yükü Hesabı

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Öncesi/Sonrası Bireysel Çalışma 14 3 42
Proje ve Hazırlığı 1 20 20
Ödev ve Hazırlığı 5 10 50
Laboratuvar ve Hazırlığı 0 0 0
Atölye ve Hazırlığı 0 0 0
Sunum ve Hazırlığı 0 0 0
Seminer ve Hazırlığı 0 0 0
Demo ve Hazırlığı 0 0 0
Araştırma ve Hazırlığı 0 0 0
Rapor ve Hazırlığı 0 0 0
Arasınav ve Hazırlığı 1 10 10
Kısa Sınav ve Hazırlığı 0 0 0
Final ve Hazırlığı 1 10 10
Teorik Ders Saati 0 0 0
Uygulama Ders Saati 0 0 0

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ1
ÖÇ2
ÖÇ3
ÖÇ4
ÖÇ5