Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | SEZGİSEL ALGORİTMALAR |
| 2 | Dersin Kodu: | END5123 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Yüksek Lisans |
| 5 | Dersin Verildiği Yıl: | 1 |
| 6 | Dersin Verildiği Yarıyıl: | 1 |
| 7 | Dersin AKTS Kredisi: | 7,5 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | Yok |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Prof. Dr. NURSEL ÖZTÜRK |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | Doç. Dr. İLKER KÜÇÜKOĞLU |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
nursel@uludag.edu.tr +90 224 2942083 Bursa Uludağ Üniversitesi Endüstri Mühendisliği Bölümü |
| 18 | Dersin Web Adresi: | |
| 19 | Dersin Amacı | Bu dersin amacı, öğrencilerin sezgisel algoritmalarla ilgili konularda mühendislik uygulamalarıyla bilgilendirilmelerini sağlamaktır. |
| 20 | Dersin Mesleki Gelişime Katkısı: | Dersin mesleki gelişime olan katkısı, sezgisel algoritmalar ile ilgili bilgi ve uygulamaların tanıtılması ve öğrenilen sezgisel algoritmaları uygulama becerisinin kazandırılmasıdır. |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Sezgisel algoritmalara giriş | |
| 2 | Tavlama benzetimi algoritması | |
| 3 | Tavlama benzetimi algoritması, uygulama örnekleri | |
| 4 | Tabu arama algoritması | |
| 5 | Tabu arama algoritması, uygulama örnekleri | |
| 6 | Genetik algoritmalar | |
| 7 | Genetik algoritmalar, uygulama örnekleri | |
| 8 | Diferansiyel Gelişim Algoritması | |
| 9 | Karınca koloni algoritmaları | |
| 10 | Parçacık Sürü Optimizasyonu | |
| 11 | Yapay Arı Koloni Algoritması | |
| 12 | Yapay bağışıklık sistemi algoritmaları | |
| 13 | Uygulama örnekleri | |
| 14 | Projelerin sunumu |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
• Yapay Zeka Optimizasyon Algoritmaları, Derviş Karaboğa, 2014, Nobel Yayın. • Handbook of Metaheuristics, Michel Gendreau and Jean-Yves Potvin, Springer. • Metaheuristics From Design to Implementation, El-Ghazali Talbi, 2009, Wiley. • Search and Optimization by Metaheuristics – Techniques and Algorithms Inspired by Nature, Ke-Lin Du and M.N.S Swamy, 2016, Birkauser. • Genetic Algorithms in Search, Optimization and Machine Learning, David E. Goldberg, 1989, Addison-Wesley Longman Publishing. • Modern Sezgisel Teknikler ve Uygulamaları, Tunçhan Cura, 2008, Papatya Yayıncılık. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 0 | 0 |
| Kısa Sınav | 0 | 0 |
| Ödev | 3 | 50 |
| Yıl sonu Sınavı | 1 | 50 |
| Toplam | 4 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 50 | |
| Finalin BAşarıya Oranı | 50 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | Ödev, Proje, Yıl Sonu Sınavı | |
| Açıklama | ||
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 10 | 140 |
| Ödevler | 3 | 8 | 16 |
| Projeler | 1 | 25 | 25 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 2 | 2 |
| Toplam İş Yükü | 225 | ||
| Toplam İş Yükü / 30 saat | 7,5 | ||
| Dersin AKTS Kredisi | 7,5 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ÖK: Öğrenme Kazanımları | PY: Program yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |