|
|
| YZLM5160 | Meta-Sezgisel Arama Algoritması Tasarımı | 3+0+0 | AKTS:7.5 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Yüksek Lisans(Tezli) | | Yazılım Şekli | Seçmeli | | Bölümü | YAZILIM MÜHENDİSLİĞİ ANABİLİM DALI | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze , Uygulama | | Dersin Süresi | 14 hafta - haftada 3 saat teorik | | Öğretim Üyesi | Prof. Dr. Hamdi Tolga KAHRAMAN | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Meta-sezgisel arama (MSA) algoritmalarının tasarımını bir problem olarak ele almak. Meta-sezgisel arama sürecini analiz etmek. Arama sürecinde algoritmaların karşılaması gereken gereksinimleri irdelemek. Komşuluk araması, çeşitlilik, yerel çözüm tuzakları, küresel en iyi çözüm gibi meta-sezgisel arama sürecine ilişkin temel kavramları tartışmak. Kaos teorisi, levy adımları, Fitness-Distance Balance rehber seçim yöntemi, zıtlık esaslı öğrenme ve dağılım yöntemlerinin MSA algoritmalarının arama performanslarına etkilerini incelemek. MSA algoritmalarının tasarım parametrelerini dinamik olarak değiştirmeyi sağlayan teknikleri incelemek. MSA algoritmalarında arama operatörlerinin tasarımını irdelemek. Arama operatörlerinin arama sürecindeki işlevlerini incelemek. Alternatif MSA teknikleri ile melez algoritmalar tasarlamanın algoritmaların arama performansları üzerindeki etkilerini incelemek. Sürekli değerli optimizasyon test problemlerini ele almak. Kısıtlı mühendislik test problemlerini incelemek. MSA algoritmalarının arama performanslarını karşılaştırmak, test etmek ve analizlerini yapmak. MSA algoritmalarının yakınsama ve çeşitlilik testlerini gerçekleştirmek. |
| Program Kazanımları | BPKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | PK - 1 : | MSA algoritmalarının arama sürecini modelleyebilir. | 1,4,6 | 1,6, | | PK - 2 : | MSA algoritmalarına ilişkin temel kavramları açıklayabilir | 1,4,6 | 1,6, | | PK - 3 : | Kaos teorisi, levy adımları, Fitness-Distance Balance rehber seçim yöntemi, zıtlık esaslı öğrenme ve dağılım yöntemlerinin MSA algoritmalarının arama performanslarına etkilerini tartışabilir. | 1,4,6 | 1,6, | | PK - 4 : | MSA algoritmalarında arama operatörlerinin işlevlerini ortaya çıkarabilir. | 1,4,6 | 1,6, | | PK - 5 : | Yeni bir MSA tekniği ya da melez MSA teknikleri ya da mevcut MSA algoritmalarının varyasyonlarını geliştirebilir. | 1,4,6 | 1,6, | | PK - 6 : | MSA algoritmalarını test edebilir. | 1,4,6 | 1,6, | | PK - 7 : | MSA algoritmalarının arama performanslarını birbirleriyle kıyaslayabilir ve analiz edebilir. | 1,4,6 | 1,6, | | BPKK :Bölüm program kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),PK : Öğrenim Kazanımı | | |
| Meta-sezgisel arama (MSA) süreci, MSA terminolojisi, klasik ve modern MSA teknikleri, MSA algoritma tasarımı, Kaos teorisi, Levy adımları, Fitness-Distance Balance seçim yöntemi, zıtlık esaslı öğrenme, gauss ve rastgele dağılım yöntemleri, arama öğeratörleri, test ve karşılaştırma problemleri, kısıtlı optimizasyon mühendislik problemleri, melez MSA algoritmalarının geliştirilmesi, MSA algoritmalarının arama performansları açısından test edilmeleri, karşılaştırılmaları ve analiz edilmeleri. |
| |
| Haftalık Detaylı Ders İçeriği | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Meta-sezgisel arama süreci ve kavramları | | | Hafta 2 | Topluluk tabanlı MSA teknikleri (GA, PSO, ABC, GSA, CS, SOS, LSA), araştırma ödevi ve uygulama projesi | | | Hafta 3 | MSA algoritması tasarımı | | | Hafta 4 | Seçim teknikleri, komşuluk araması, çeşitlilik ve GA/ABC/SOS uygulamaları | | | Hafta 5 | Kaos teorisi ve SOS uygulaması | | | Hafta 6 | Dağılım teknikleri ve CS/LSA uygulaması | | | Hafta 7 | Zıtlık esaslı öğrenme ve SOS örneği | | | Hafta 8 | Levy adımları ve PSO örneği | | | Hafta 9 | Ödev sunumu | | | Hafta 10 | FDB seçim yöntemi ve meta-sezgisel arama algoritma uygulama örnekleri | | | Hafta 11 | MSA algoritmalarını melezleştirme | | | Hafta 12 | Test problemleri ve kısıtlı mühendislik problemleri , Algoritma analizi | | | Hafta 13 | Proje Sunumu | | | Hafta 14 | Proje Sunumu | | | Hafta 15 | Proje Sunumu | | | Hafta 16 | Final Sınavı | | | |
| 1 | Talbi, E. G. (2009). Metaheuristics: from design to implementation (Vol. 74). John Wiley & Sons. | | | 2 | Lones, Michael. "Sean Luke: essentials of metaheuristics." (2011): 333-334. (ISBN: 978-1-300-54962-8) | | | 3 | Glover, F. W., & Kochenberger, G. A. (Eds.). (2006). Handbook of metaheuristics (Vol. 57). Springer Science & Business Media. | | | |
| 1 | Yang, X. S. (2010). Engineering optimization: an introduction with metaheuristic applications. John Wiley & Sons. | | | 2 | Kahraman, H. T., Aras, S., & Gedikli, E. (2020). Fitness-distance balance (FDB): a new selection method for meta-heuristic search algorithms. Knowledge-Based Systems, 190, 105169. | | | 3 | Kahraman, H. T., Bakir, H., Duman, S., Katı, M., Aras, S., & Guvenc, U. (2021). Dynamic FDB selection method and its application: modeling and optimizing of directional overcurrent relays coordination. Applied Intelligence, 1-36. | | | 4 | Aras, S., Gedikli, E., & Kahraman, H. T. (2021). A novel stochastic fractal search algorithm with fitness-Distance balance for global numerical optimization. Swarm and Evolutionary Computation, 61, 100821. | | | 5 | Duman, S., Kahraman, H. T., Guvenc, U., & Aras, S. (2021). Development of a Lévy flight and FDB-based coyote optimization algorithm for global optimization and real-world ACOPF problems. Soft Computing, 25(8), 6577-6617. | | | 6 | Yang X. S. (2008). Nature-Inspired Metaheuristic Algorithms, Luniver Press, UK. | | | 7 | Kahraman, H. T., Aras, S., Guvenc, U., & Sonmez, Y. (2017, October). Exploring the effect of distribution methods on meta-heuristic searching process. In Computer Science and Engineering (UBMK), 2017 International Conference on (pp. 371-376). IEEE. | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | 24/11/2021 | 180 | 20 | | Proje | 16 | 19/01/2022 | 180 | 30 | | Dönem sonu sınavı | 15 | 22/12/2024 | 180 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 3 | 14 | 42 | | Sınıf dışı çalışma | 5 | 14 | 70 | | Arasınav için hazırlık | 5 | 2 | 10 | | Arasınav | 3 | 1 | 3 | | Uygulama | 1 | 5 | 5 | | Ödev | 2 | 9 | 18 | | Proje | 2 | 14 | 28 | | Kısa sınav | 2 | 1 | 2 | | Dönem sonu sınavı için hazırlık | 5 | 2 | 10 | | Dönem sonu sınavı | 3 | 1 | 3 | | Toplam Çalışma Yükü | | | 191 |
|