GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| İST-529 | YAPAY ZEKA OPTİMİZASYON ALGORİTMALARI | Seçmeli Ders Grubu | 1 | 2 | 6,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu ders, birçok optimizasyon problemlerinin çözümünde kullanılan sezgisel ve sezgisel ötesi arama yöntemlerini konu almaktadır. Sezgisel arama yöntemleri ile ilgili temel kavramları ve tanımları vererek bazı uygulamalarla öğrencileri tanıştırmayı hedeflemektedir.
Dersi Veren Öğretim GörevlisiGörevlileri
Prof. Dr. Eren BAŞ
Öğrenme Çıktıları
| 1 | Klasik optimizasyon algoritmalarını öğrenir. |
| 2 | Yapay zeka optimizasyon algoritmalarını öğrenir ve uygular. |
| 3 | Yapay zeka optimizasyon algoritmalarını karşılaştırır. |
| 4 | Yapay sinir ağlarını öğrenir. |
| 5 | Yapay zeka optimizasyon algoritmalarını yapay sinir ağlarına uygular. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Optimizasyona Giriş, Eşlenik Gradient Yöntemler, Yapay Zekaya Giriş, Yapay Sinir Ağları, Yapay Sinir Ağlarının Yapıları, Genetik Algoritma, Diferansiyel Gelişim Algoritması, Parçacık Sürü Optimizasyonu, Yapay Arı Kolonisi, Bulanık Mantık, Bazı Uygulamalar
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Optimizasyona Giriş | ||
| 2 | Golden Section Yöntemi | ||
| 3 | Eşlenik Gradient Yöntemler | ||
| 4 | Yapay Zekaya Giriş | ||
| 5 | Genetik Algoritma | ||
| 6 | Diferansiyel Gelişim Algoritması | ||
| 7 | Parçacık Sürü Optimizasyonu | ||
| 8 | Ara sınav | ||
| 9 | Yapay Arı Kolonisi | ||
| 10 | Yapay Yarasa Algoritması | ||
| 11 | Armoni Arama Algoritması | ||
| 12 | Yapay Balık Sürüsü Algoritması | ||
| 13 | Gri Kurt Algoritması | ||
| 14 | Yapay Sinir Ağları | ||
| 15 | Yapay Zeka Optimizasyon Algoritmalarının Yapay Sinir Ağları İle Eğitimi | ||
| 16 | Final |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1. D.Dasgupta and Z. Michalewicz, Evolutionary Algorithms in Engineering Applications, Springer-Verlag, NY (1997). 2. E. Aarts and J.K. Lenstra (eds.), Local Search in Combinatorial Optimization, Chichester, UK, (1997). 3. T. Bäck, Evolutionary Algorithms in Theory and Practice, Oxford University Press, UK (1996). 4. D. Karaboğa, Yapay Zeka Optimizasyon Algoritmaları, Atlas Yayın Dağıtım, 2004 5. C. Elmas, Yapay Zeka Uygulamaları, Seçkin Yayıncılık, 2007.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Derse Katılım | 14 | 4 | 56 |
| Ara Sınav İçin Bireysel Çalışma | 14 | 4 | 56 |
| Final Sınavı içiin Bireysel Çalışma | 16 | 4 | 64 |
| Toplam İş Yükü (saat) | 180 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek