| Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
| 2022 - İstatistik - Lisans | IST3056 | Yapay Zeka Optimizasyon Yöntemleri | Seçmeli | 5 | 3,00 | 2 | 0 |
Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi
Programlar Hakkında Bilgi
Lisans - Fen Fakültesi - İstatistik
Dersin İçeriği
Dersin Amacı
Sezgisel arama algoritmalarının tasarımı, geliştirilmesi ve çalışması hakkında bilgilerin aktarılması, bir gerçek hayat optimizasyon probleminin sezgisel arama algoritmaları ile modellenebilmesinin öğretilmesi.
Öğrenim Türü
-
Dersin İçeriği
Sezgisel algoritmaların temel özellikleri tartışılarak, çözüm kurucu algoritmalar, yerel arama algoritmaları ve sezgisel algoritmalardan genetik algoritma, diferansiyel gelişim algoritması, tabu arama, tavlama benzetimi, parçacık sürü optimizasyonu, değişken komşu arama, karınca kolonisi optimizasyonu gibi yöntemler incelenecektir.
Planlanan Öğrenme Aktiviteleri ve Metodları
Tanımlayıcı metod,Sınıfta yüz yüze anlatma tekniği,Tahtada problem çözümü,Tartışma
Staj Durumu
Yok
Dersin Sunulduğu Dil
Türkçe
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Ders notları, Yang, Xin-She Engineering optimization an introduction with metaheuristic applications. John Wiley and Sons, 2010, Luke, Sean. Essentials of metaheuristics. Vol. 113. Raleigh: Lulu, 2009, Derviş Karaboğa Yapay Zeka Optimizasyon Algoritmaları, Nobel Akademik Yayıncılık, , 2020.
Dersin Web Sayfası
-
Öğrenme Çıktıları
- Öğrenciler optimizasyon problemleri çözümünde sezgisel algoritmaları kullanabilir.
- Öğrenciler sezgisel yöntemler ile ilgili temel kavramları bilirler.
- Öğrenciler sezgisel algoritmaların performanslarını ölçebilir.
- Öğrenciler sezgisel algoritmaların farklı optimizasyon problemlerine uygulanmasını gerçekleştirebilirler.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik |
|---|---|
| 1 | Sezgisel Algoritmaların temelleri |
| 2 | Optimizasyon problemlerinin sınıflandırılması |
| 3 | Sezgisel algoritma işlemleri (güncelleme, seçim) |
| 4 | Algoritma performans ölçümleri |
| 5 | Genetik Algoritma |
| 6 | Genetik Algoritma |
| 7 | Diferansiyel Gelişim Algoritması |
| 8 | Ara Sınav Haftası |
| 9 | Tabu Arama |
| 10 | Tavlama Benzetimi |
| 11 | Parçacık Sürü Optimizasyonu |
| 12 | Yapay Arı Kolonisi Algoritması |
| 13 | Yapay Arı Kolonisi Algoritması |
| 14 | Gri Kurt Algoritması |
| 15 | Karınca Kolonisi Algoritması |
| 16 | Ders Çalışma Haftası |
| 17 | Yarı Yıl Sonu Sınavı |
Değerlendirme
| Değerlendirme | Değer |
|---|---|
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
| 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 | 15 | 2 | 30 |
| Proje ve Hazırlığı | 0 | 0 | 0 |
| Ödev ve Hazırlığı | 0 | 0 | 0 |
| 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 | 5 | 5 |
| Kısa Sınav ve Hazırlığı | 0 | 0 | 0 |
| Final ve Hazırlığı | 1 | 5 | 5 |
| Teorik Ders Saati | 3 | 15 | 45 |
| Uygulama Ders Saati | 0 | 0 | 0 |
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ1 | ||||||||||||
| ÖÇ2 | ||||||||||||
| ÖÇ3 | ||||||||||||
| ÖÇ4 | ||||||||||||
| ÖÇ5 |