METASEZGİSEL YÖNTEMLER
|
|
- Berkant Aydoğan
- 5 yıl önce
- İzleme sayısı:
Transkript
1 METASEZGİSEL YÖNTEMLER Ara sınav - 30% Ödev (Haftalık) - 20% Final (Proje Sunumu) - 50% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn: Zaman çizelgeleme, en kısa yol bulunması, denetleyici tasarımı, network optimizasyonu vb.) Güncel uygulamalar olması gerekir. - Hazırlanacak proje önerileri ara sınav tarihine kadar bildirilecek - E-posta : iaydin@firat.edu.tr - Dersin web adresi : Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
2 Dersin İçeriği 1- Giriş, genel tanımlamalar 2- Genetik algoritmalar 3- Parçacık sürü optimizasyonu 4- Yapay bağışık sistemler 5- Diferansiyel gelişim algoritması 6- Karınca koloni algoritması 7- Yapay arı koloni algoritması 8- Isıl işlem algoritması 9- Tabu arama algoritması
3 Giriş Belirli sınırlamaları sağlayacak şekilde bilinmeyen parametre değerlerinin bulunmasını içeren herhangi bir problem, optimizasyon problemi olarak tanımlanır. o Optimizasyon, verilen şartlar altında en iyi sonucun elde edilmesi işidir. Bu problemde ilk adım karar değişkenleri veya parametreleri olarak isimlendirilen parametre setini tanımlamaktır. Optimizasyon alanındaki en önemli gelişmeler 18.yy da Newton ve Lagrange tarafından yapılmıştır. Bir sistemin planlanmasında hedef, istenen kar maksimize ya da gerekli çabayı minimize etmektir. İstenen kar veya gerekli çaba, karar değişkenlerinin bir fonksiyonu olarak ifade edilir. Optimizasyon sürecinde bu fonksiyonun minimum veya maksimum değerini oluşturan şartlar bulunur.
4 GİRİŞ N değişkenli x=(x1, x2,, xi,, xn) vektörü için maliyet fonksiyonu f(x)=f(x1,x2,, xn) şeklinde gösterilir. Sistem p adet eşitlik sınırlamasına sahip ise hj(x)=hj(x1, x2,, xn)=0 1<=j<=p şeklinde gösterilir. Eğer sistem m tane eşitsizlik sınırlamalarına sahip ise gi(x)=gi(x1, x2,, xn)<=0 1<=i<=m şeklinde gösterilir. Bazı problemlerde birden fazla maliyet fonksiyonu bulunabilir. Yani problem birden fazla en küçük yapılacak fonksiyon içeriyorsa çok amaçlı (multi objective) optimizasyon problemi olarak adlandırılır. Problem için sınırlamaları sağlayan mümkün tüm çözümlerin oluşturduğu bölge araştırma yapılabilecek uygun (feasible) çözüm bölgesi olarak adlandırılır. f(x*)<=f(x) ile verilen şartı uygun bölge içindeki tüm muhtemel (x) için sağlıyor ise f(x)fonksiyonu x* da küresel minimuma sahiptir. Eğer bu denklem dar bir bölge içinde, x* in dar bir komşuluğunda tüm muhtemel çözümler için sağlanıyorsa f(x) x* da bölgesel minimuma sahiptir.
5 GİRİŞ Fonksiyonlar sürekli ve türevlenebilir olmalıdır. Çok küçük pozitif ve negatif bütün h değerleri için f(x0) f(x0 +h) ise f(x) fonksiyonu x0 da yerel minimuma sahiptir. f(x0) f(x0 +h) ise f(x) fonksiyonu x0 da yerel maksimuma sahiptir.
6 OPTİMİZASYON PROBLEMLERİNİN SINIFLANDIRILMASI f(x) amaç fonksiyonunun x ile ilgili herhangi bir sınırlama yoksa sınırlamasız optimizasyon x ile ilgili sınırlamanın bulunduğu optimizasyon problemi ise sınırlamalı optimizasyondur. Diğer bir sınıflandırma ise amaç fonksiyonunun ve sınırlamalar ile ilgili fonksiyonların lineer olup olmamasına bağlıdır. o Lineer amaç ve sınırlama fonksiyonları var ise lineer programlama problemi o Nonlineer amaç ve sınırlama var ise nonlineer programlama problemi Sürekli ve ayrık optimizasyon problemleri diğer optimizasyon şeklidir. o Ayrık niceliklerin optimal olarak düzenlenmesi, gruplanması, sıraya konulması veya seçilmesi ayrık optimizasyon o Tasarım değişkenleri sürekli değerler ise bu tür problemlere sürekli optimizasyon denir.
7 OPTİMİZASYON METOTLARININ SINIFLANDIRILMASI Klasik optimizasyon metotları ikiye ayrılır: Doğrudan metotlar Optimalite kriterine dayalı dolaylı metotlar: Optimalliki şartları bir fonksiyonun minimum noktalarının sağlaması gereken şartlardır. Tahmini bir başlangıç noktasından başlayarak optimallik şartlarının başlangıç çözümünün geliştirilmesidir. Optimizasyon problemlerinde fonksiyonların bir kısmı veya tamamı nonlineerdir. Nonlineer programlama kavramı, nonlineer problemleri çözmek amacıyla geliştirilen nümerik metotlar için kullanılır. Neden nonlineer programlamaya ihtiyaç duyulur? Tasarım değişkenlerinin ve sınırlama sayılarının çok olması-çok sayıda denklem Tasarım probleminin fonksiyonları yüksek seviyede nonlineerlik içerebilir. Çoğu mühendislik uygulamalarında fonksiyonlar tasarım değişkenleri açısından açık olmayabilir.
8 İTERATİF ARAŞTIRMA İŞLEMİ Adım 1. Bir başlangıç çözümü (x (0) al. İterasyon sayacını sıfırla) Adım 2. Araştırma uzayında bu nokta için bir araştırma yönü (d (t) ) belirle. Sınırlamasız optimizasyonda maliyet fonksiyonu ile gradyentin hesabı Sınırlamalı optimizasyonda sınırlama fonksiyonlarına ihtiyaç duyar. Adım 3. Araştırmanın yakınsamasını kontrol et. Eğer bitmiş ise bitir, yoksa devam Adım 4. Pozitif bir adım büyüklüğü belirle ( (t) ) hesapla. Adım 5. Yeni çözümü aşağıdaki formül ile belirle. x (t+1) =x(t)+ t d (t) Adım 6. İterasyon sayacını bir arttır (t=t+1) ve 2. Adıma git.
9 EN DİK İNİŞ YÖNTEMİ Yöntem aşağıya doğru en mümkün olan en dik iniş yönünün araştırılmasına dayalıdır. Bunun için mevcut noktada hesaplanan negatif gradient e dayalıdır. Dolayısıyla birinci dereceden metot olarak ta isimlendirilir. Pozitif gradyent vektörü g(x), f(x) in x noktasında en yüksek artış gösterdiği yönü belirtir ve genliği g(x) de x noktasındaki eğimdir. Eğer x(t) verilmiş ise x(t+1) aşağıdaki gibi hesaplanır. x (t+1) =x (t) - t g(x (t) ) Denklemde t adım büyüklüğü olup pozitiftir. Adım büyüklüğü g(x (t) ) yönünde f(x (t+1) ) i küçük yapacak şekilde hesaplanır. x (t) B x (t+1) C d (t) A x (t-1)
10 EN-DİK İNİŞ YÖNTEMİ Adım 1. Bir başlangıç çözümü (x (0) al. İterasyon sayacını sıfırla ve durdurma kriteri içni bir tolerans seç.) Adım 2. x (t) noktasında g(t) gradiyentini ve g (t) yi hesapla. Şayet g (t) tolerans e den küçük ise araştırmayı durdur. Yoksa devam et. Adım 3. d (t) =-g (t) şeklinde alarak araştırmanın yönünü belirle. Adım 4. Yeni noktayı x (t+1) =x (t) + t d (t) ile belirle. Burada yapacak şekilde hesaplanan adım büyüklüğüdür. Adım 5. İterasyon sayacını bir arttır (t=t+1) ve 2. Adıma git. t f(x (t+1) ) yi minimum
11 Örnek: Aşağıda verilen iki değişkenli fonksiyonu minimum yapacak değişken değerlerini en-dik iniş yöntemi ile bulunuz. İkinci adımdaki g (1) için çözülürse g (1) =(0,0) elde edilir ve bu da durdurma kriterini sağlar.
12 Eşlenik Gradient Algoritması Eşlenik gradient en-dik iniş yönteminin performansını arttırmak için geliştirilmiştir. Eşlenik gradient algoritmasının temel adımları aşağıdaki gibidir.
13 Örnek: f(x1,x2,x3)=x x x x 1 x 2 + 2x 2 x 3 fonksiyonun minimum yapacak değişken değerlerini bulmak için eşlenik gradient yöntemini kullanınız. x (0) =(2, 4, 10) g (0) =(2x 1 +2x 2, 4x 2 +2x 1 +2x 3, 4x 3 +2x 2 )=(12,40,48) g (0) =63.6 f(x (0) )= iterasyon sonunda çözüm olarak x (1) =(0.0956, , 2.381) değerini bulunur. g (1) =(-4.5, , 4.828) f(x (1) )=10.75 g (1) =7.952> olduğundan araştırmaya devam et.
14
15 Newton Yöntemi Temel fikri mevcut nokta etrafında fonksiyonun ikinci dereceden Taylor serisi açılımını kullanmaktır. Newton metodunda fonksiyonun birinci ve ikinci türevlerinin olduğu varsayılır. İlk önce gradient (g) daha sonra Hessian (H) matrisi hesaplanır. x (t+1) = x (t) + Δx (t) ve Δx (t 1) = α[h(x (t) )] 1 g(x (t) ) Burada H, Hessian matrisini gösterir ve matris tekil değildir. Klasik Newton yöntemleri gradient tabanlı bilgi aracılığıyla adım büyüklüğünü 1 alır. Bu yüzden her problem için yakınsamayı garanti etmezler. Bu dezavantajı ortadan kaldırmak için değiştirilmiş Newton yöntemi kullanılır.
16 Değiştirilmiş Newton Yöntemi
17 Örnek: Aşağıda verilen üç değişkenli fonksiyonun minimumunu değiştirilmiş Newton yöntemi ile bulunuz.
18
19 Sezgisel Algoritmalar Sağ el kuralına dayalı algoritmalardır. Herhangi bir amacı gerçekleştirmek için veya hedefe varmak için çeşitli alternatif hareketlerden etkili olanlara karar vermek amacı ile tanımlanan kriterler veya bilgisayar metotlarıdır. Bu algoritmalar, çözüm uzayında optimum çözüme yakınsaması ispat edilemeyen algoritmalar olarak da adlandırılır. Bu tür algoritmalar yakınsama özelliğine sahiptir, ama kesin çözümü garanti etmezler, sadece kesin çözüme yakın çözümü garanti ederler.
20 Sezgisel Algoritmalara Gerek Duyulmasının Sebepleri a) Optimizasyon problemi, kesin çözümü bulma işleminin tanımlanmadığı bir yapıya sahip olabilir. b) Anlaşıla bilirlik açısından sezgisel algoritmalar karar verici için çok daha basit olabilir. c) Sezgisel algoritmalar öğrenme amaçlı ve kesin çözümü bulma işleminin bir parçası olabilir. d) Matematik formülleriyle yapılan tanımlamalarda genellikle gerçek dünya problemlerinin en zor tarafları ihmal edilir. e) Model parametrelerini belirleme aşamasında kullanılan verinin hatalı olması sezgisel yaklaşımın üretebileceği alt optimal çözümden daha büyük hatalara sebep olabilir.
21 Sezgisel Algoritmaların Değerlendirilmesi için Kriterler Çözüm Kalitesi ve Hesaplama zamanı Kod basitliği ve gerçeklenebilirlik Esneklik Sağlamlık Basitlik ve analiz edilebilirlik Etkileşimli hesaplama ve teknoloji değişimleri
22 HILL CLIMBING 1. İterasyon tekniği kullanılır. 2. Arama alanında tek bir noktadan başlar. 3. Her bir iterasyonda mevcut çözüme komşu çözümler arasından bir tanesi seçilir. 4. Eğer seçilen nokta mevcut çözümden daha iyiyse yeni çözüm olarak alınır, değilse başka bir komşu çözüm aranır. 5. Algoritma daha iyi bir çözüm bulunamayınca veya daha önceden belirlenmiş iterasyon sayısına ulaşınca sonlandırılır.
23 HILL CLIMBING Lokal minimumu bulabilir. - Genellikle farklı başlama noktalarından başlanmak zorundadır. Başlama noktası seçimi şu şekilde yapılabilir; o Rastgele seçilebilir o Daha önceden belirlenmiş noktalara göre seçilebilir - Diğer bilgilere göre (Örn: Önceki çözümler, Uzman bilgileri, Ölçümler, vb.)
24 HILL CLIMBING Örnek: 30 karakterlik bir binary karakter dizisi problemin çözüm uzayını oluşturmaktadır. f(bd) = 20 * bir_sayisi(bd) 100 fonksiyonunu maksimum yapan binary dizisini (bd) bulunuz. bir_sayisi(bd) fonksiyonu bd dizisindeki birlerin sayısını vermektedir. Örn: bd1 = ( ) f(bd1) = 10 * = 120
25 HILL CLIMBING procedure HillClimbing begin iterasyon 0 repeat lokal FALSE rastgele bir bd dizisi seç bd dizisini değerlendir repeat bd dizisindeki bitlerin değerini değiştirip yeni 30 komşu çözüm üret Yeni komşu çözüm kümesinde f fonksiyonunu maks. yapanı seç else lokal TRUE until lokal iterasyon iterasyon + 1 until iterasyon = MAXITERASYON end
26 HILL CLIMBING Zayıf yanları: - Genellikle lokal optimum olan çözümlerde sonlanmaktadır. - Elde edilen optimum başlama noktasına bağlıdır. - Genellikle istenen sonucu elde etmede hesaplama zamanı için bir üst limit yoktur. Avantajları: - Uygulamak çok kolaydır. - Sadece problemin gösterimi, değerlendirme fonksiyonu ve komşu çözüm üretme fonksiyonu yeterlidir.
Zeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıKısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon
OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Bu bölümde eşitsizlik kısıtlarına bağlı bir doğrusal olmayan kısıta sahip problemin belirlenen stasyoner noktaları
DetaylıPARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN
PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN 1995 yılında Dr.Eberhart ve Dr.Kennedy tarafından geliştirilmiş popülasyon temelli sezgisel bir optimizasyon tekniğidir.
DetaylıTek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi
OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli
DetaylıGenetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
DetaylıHESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR
HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR Kısıtlı ve kısıtsız fonksiyonlar için maksimum veya minimum (ekstremum) noktalarının belirlenmesinde diferansiyel hesabı kullanarak çeşitli
DetaylıEŞİTLİK KISITLI TÜREVLİ YÖNTEMLER
EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER LAGRANGE YÖNTEMİ Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde değişkenler ve kısıtlar genel olarak şeklinde gösterilir. fonksiyonlarının
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıOPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon
OPTİMİZASYON TEKNİKLERİ Kısıtsız Optimizasyon Giriş Klasik optimizasyon yöntemleri minimum veya maksimum değerlerini bulmak için türev gerektiren ve gerektirmeyen teknikler olarak bilinirler. Bu yöntemler
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde
DetaylıOPTİMİZASYON TEKNİKLERİ-2. Hafta
GİRİŞ OPTİMİZASYON TEKNİKLERİ-2. Hafta Mühendislik açısından bir işin tasarlanıp, gerçekleştirilmesi yeterli değildir. İşin en iyi çözüm yöntemiyle en verimli bir şekilde yapılması bir anlam ifade eder.
DetaylıEM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş Dr. Özgür Kabak Doğrusal Olmayan Programlama Eğer bir Matematiksel Programlama modelinin amaç fonksiyonu ve/veya kısıtları doğrusal değil
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik İkiye Bölme / Yarılama Yöntemi Genel olarak f x = 0 gerek şartını sağlamak oldukça doğrusal olmayan ve bu sebeple çözümü
DetaylıDOĞRUSAL OLMAYAN PROGRAMLAMA -I-
DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan
DetaylıOkut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.
Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak
DetaylıEM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak
EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü Dr. Özgür Kabak Doğrusal olmayan programlama Tek değişkenli DOP ların çözümü Uç noktaların analizi Altın kesit Araması Çok değişkenli DOP ların
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 11 1.1. Sayı Kümeleri 12 1.1.1.Doğal Sayılar Kümesi 12 1.1.2.Tam Sayılar Kümesi 13 1.1.3.Rasyonel Sayılar Kümesi 14 1.1.4. İrrasyonel Sayılar Kümesi 16 1.1.5. Gerçel
DetaylıKarar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması
İNŞAAT PROJELERİNİN PROGRAMLAMA, TASARIM VE YAPIM SÜRECİNDE OPTİMİZASYON Doğrusal Optimizasyon Optimizasyon Kuramı (Eniyileme Süreci) Doğrusal Olmayan Optimizasyon Optimizasyon en iyi çözümü bulma sürecidir.
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
Detaylı0.1 Zarf Teoremi (Envelope Teorem)
Ankara Üniversitesi, Siyasal Bilgiler Fakültesi Prof. Dr. Hasan Şahin 0.1 Zarf Teoremi (Envelope Teorem) Bu kısımda zarf teoremini ve iktisatta nasıl kullanıldığını ele alacağız. bu bölüm Chiang 13.5 üzerine
DetaylıNEWTON RAPHSON YÖNTEMİ
NEWTON RAPHSON YÖNTEMİ Genel olarak ff(xx) 0 gerek şartını sağlamak doğrusal olmayan ifadelerde oldukça zordur ve bu sebeple çözümler zor olabilir. Newton-Raphson yöntemi, doğrusal olmayan denklemlerin
DetaylıİLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH)
İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH) Tabu Arama Algoritması, optimizasyon problemlerinin çözümü için F.Glover tarafından geliştirilmiş iteratif bir araştırma algoritmasıdır. Temel
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıTİPİK MODELLEME UYGULAMALARI
MODELLEME Matematik modelleme yaklaşımı sistemlerin daha iyi anlaşılması, analiz edilmesi ve tasarımının etkin ve ekonomik bir yoludur. Modelleme karmaşık parametrelerin belirlenmesi için iyi tanımlamalara
Detaylı4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
4. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi BLM33 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f
DetaylıMesleki Terminoloji. Sayısal Analiz DERSİ VEREN: ARŞ. GRV. DR. GÖKSEL BİRİCİK MEHMET EMRE ÖNDER DOĞAÇ CEM İŞOĞLU
Mesleki Terminoloji DERSİ VEREN: ARŞ. GRV. DR. GÖKSEL BİRİCİK Sayısal Analiz MEHMET EMRE ÖNDER - 12011061 DOĞAÇ CEM İŞOĞLU - 11011074 Sayısal Analiz Nedir? Sayısal analiz, yada diğer adıyla numerik analiz,
DetaylıYöneylem Araştırması II
Yöneylem Araştırması II Öğr. Gör. Dr. Hakan ÇERÇİOĞLU cercioglu@gazi.edu.tr BÖLÜM I: Doğrusal Programlama Tekrarı Doğrusal Programlama Tanımı Doğrusal Programlama Varsayımları Grafik Çözüm Metodu Simpleks
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Quadratic Programming Bir karesel programlama modeli aşağıdaki gibi tanımlanır. Amaç fonksiyonu: Maks.(veya Min.) z
DetaylıOPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2
OPTIMIZASYON.... Bir Değişkenli Fonksiyonların Maksimizasyonu.... Türev...3.. Bir noktadaki türevin değeri...4.. Maksimum için Birinci Derece Koşulu...4.3. İkinci Derece Koşulu...5.4. Türev Kuralları...5
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
DetaylıKARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek
DetaylıBaşlangıç Temel Programının Bilinmemesi Durumu
aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu
DetaylıGÜZ DÖNEMİ ARASINAV SORULARI. 1. Sayısal çözümleme ve fonksiyonu tanımlayarak kullanıldığı alanları kısaca açıklayınız?
MAK 05 SAYISAL ÇÖZÜMLEME S Ü L E Y M A N D E M Ġ R E L Ü N Ġ V E R S Ġ T E S Ġ M Ü H E N D Ġ S L Ġ K F A K Ü L T E S Ġ M A K Ġ N A M Ü H E N D Ġ S L Ġ Ğ Ġ B Ö L Ü M Ü I. öğretim II. öğretim A şubesi B
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME 1 SAYISAL ÇÖZÜMLEME 4. Hafta DENKLEM ÇÖZÜMLERİ 2 İÇİNDEKİLER Denklem Çözümleri Doğrusal Olmayan Denklem Çözümleri Grafik Yöntemleri Kapalı Yöntemler İkiye Bölme (Bisection) Yöntemi Adım
DetaylıKONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I
KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I 4.1. Dışbükeylik ve Uç Nokta Bir d.p.p. de model kısıtlarını aynı anda sağlayan X X X karar değişkenleri... n vektörüne çözüm denir. Eğer bu
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
Detaylı10. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.
. HAFTA BLM323 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi 2 2- İTERATİF YÖNTEMLER Doğrusal denklem sistemlerinin çözümünde
DetaylıULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ
ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTıRMA MODELININ TANıMı Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU
ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)
DetaylıHATA VE HATA KAYNAKLARI...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1 Giriş... 1 1.2 Sayısal Analizin İlgi Alanı... 2 1.3 Mühendislik Problemlerinin Çözümü ve Sayısal Analiz... 2 1.4 Sayısal Analizde Bilgisayarın Önemi... 7 1.5 Sayısal Çözümün
DetaylıSimpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):
DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir
Detaylı3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
DetaylıOptimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli)
ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS 2 NOTLAR Optimizasyon İçin Kök(Generic) Model (Doğrusal-Olmayan Programlama Modeli) X, karar değişkenlerinin bir vektörü olsun. z, g 1, g 2,...,g m fonksiyonlardır.
DetaylıKISITLI OPTİMİZASYON
KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 4- LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Matematikte veya hidrolik, dinamik, mekanik, elektrik
DetaylıZeki Optimizasyon Teknikleri. Karınca Algoritması (Ant Algorithm)
Zeki Optimizasyon Teknikleri Karınca Algoritması (Ant Algorithm) Karınca Algoritması 1996 yılında Marco Dorigo tarafından ortaya atılmıştır. Temel olarak karıncaların yiyecek madde ile yuvaları arasındaki
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıKAMU PERSONEL SEÇME SINAVI ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ORTAÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ TG 4 ÖABT ORTAÖĞRETİM MATEMATİK Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının
DetaylıT.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI
T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Genişletilmiş Lagrange Yöntemi Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. İpek Deveci KARAKOÇ
DetaylıYıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
DetaylıDOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)
DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) 1 DOĞRUSAL PROGRAMLAMADA İKİLİK (DUALİTE-DUALITY) Doğrusal programlama modelleri olarak adlandırılır. Aynı modelin değişik bir düzende oluşturulmasıyla Dual (İkilik)
Detaylıyöneylem araştırması Nedensellik üzerine diyaloglar I
yöneylem araştırması Nedensellik üzerine diyaloglar I i Yayın No : 3197 Eğitim Dizisi : 149 1. Baskı Ocak 2015 İSTANBUL ISBN 978-605 - 333-225 1 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları
DetaylıMühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN
Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın
DetaylıÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ
Giriş ÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ Sayısal Analiz Nedir? Mühendislikte ve bilimde, herhangi bir süreci tanımlayan karmaşık denklemlerin
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS ENDÜSTRİ MÜH. İÇİN SAYISAL YÖNTEMLER FEB-321 3/ 2.YY 3+0+0 3 3 Dersin Dili
DetaylıLineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.
LİNEER PROGRAMLAMA Giriş Uygulamada karşılaşılan birçok optimizasyon problemi kısıtlar içerir. Yani optimizasyon probleminde amaç fonksiyonuna ilave olarak çözümü kısıtlayıcı ek denklemler mevcuttur. Bu
DetaylıSistem Dinamiği. Bölüm 2- Dinamik Cevap ve Laplace Dönüşümü. Doç.Dr. Erhan AKDOĞAN
Sistem Dinamiği - Dinamik Cevap ve Laplace Dönüşümü Doç. Sunumlarda kullanılan semboller: El notlarına bkz. Yorum Soru MATLAB Bolum No.Alt Başlık No.Denklem Sıra No Denklem numarası Şekil No Şekil numarası
DetaylıTRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ
TRAKYA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MAKİNA MÜHENDİSLİĞİ ANABİLİM DALI DOKTORA PROGRAMI ŞEKİL TANIMA ÖDEV 2 KONU : DESTEK VEKTÖR MAKİNELERİ Kenan KILIÇASLAN Okul No:1098107203 1. DESTEK VEKTÖR MAKİNELER
DetaylıAltın Oran Arama Metodu(Golden Search)
Altın Oran Arama Metodu(Golden Search) Bir f(x) (tek değişkenli) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x) a x b
DetaylıKümeler arası. Küme içi. uzaklıklar. maksimize edilir. minimize edilir
Kümeleme Analizi: Temel Kavramlar ve Algoritmalar Kümeleme Analizi Nedir? Her biri bir dizi öznitelik ile, veri noktalarının bir kümesi ve noktalar arasındaki benzerliği ölçen bir benzerlik ölçümü verilmiş
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal
DetaylıBULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1. Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı
BULANIK MANTIK VE SİSTEMLERİ 2014 2015 BAHAR DÖNEMİ ÖDEV 1 Müslüm ÖZTÜRK 148164001004 Bilişim Teknolojileri Mühendisliği ABD Doktora Programı Mart 2015 0 SORU 1) Bulanık Küme nedir? Bulanık Kümenin (fuzzy
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI A R, a A ve f de A da tanımlı bir fonksiyon olsun. Eğer f(x) f(a) lim x a x a limiti veya x=a+h koymakla elde edilen f(a+h) f(a) lim h 0 h Bu türev f (a), df dx limiti varsa f fonksiyonu
DetaylıConcept Learning. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ. Yapay Zeka - Kavram Öğrenme
Concept Learning Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ 1 İÇERİK Öğrenme Metotları Kavram Öğrenme Nedir? Terminoloji Find-S Algoritması Candidate-Elimination Algoritması List-Then Elimination Algoritması
DetaylıBÖLÜM III: Şebeke Modelleri. Şebeke Kavramları. Şebeke Kavramları. Şebeke Kavramları. Yönlü Şebeke (Directed Network) Dal / ok
8.0.0 Şebeke Kavramları BÖLÜM III: Şebeke Modelleri Şebeke (Network) Sonlu sayıdaki düğümler kümesiyle, bunlarla bağlantılı oklar (veya dallar) kümesinin oluşturduğu yapı şeklinde tanımlanabilir ve (N,A)
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıMath 322 Diferensiyel Denklemler Ders Notları 2012
1 Genel Tanımlar Bir veya birden fazla fonksiyonun türevlerini içeren denklemlere diferensiyel denklem denmektedir. Diferensiyel denklemler Adi (Sıradan) diferensiyel denklemler ve Kısmi diferensiyel denklemler
DetaylıYÖNEYLEM ARAŞTIRMASI - I
YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı
DetaylıTeori ve Örneklerle. Doç. Dr. Bülent ORUÇ
Teori ve Örneklerle JEOFİZİKTE MODELLEME Doç. Dr. Bülent ORUÇ Kocaeli-2012 İÇİNDEKİLER BÖLÜM 1 Sayısal Çözümlemeye Genel Bakış 1 1.2. Matris Gösterimi. 2 1.2. Matris Transpozu. 3 1.3. Matris Toplama ve
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI 1-TÜREVİN TANIMI VE GÖSTERİLİŞİ a,b R olmak üzere, f:[a,b] R fonksiyonu verilmiş olsun. x 0 (a,b) için lim x X0 f(x)-f( x 0 ) limiti bir gerçel sayı ise bu limit değerine f fonksiyonunun
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 3- LİNEER DENKLEM SİSTEMLERİNİN ÇÖZÜMÜ Doç. Dr. Ali Rıza YILDIZ 1 LİNEER DENKLEM SİSTEMLERİ Bilimsel ve teknolojik çalışmalarda karşılaşılan matematikle ilgili belli başlı
DetaylıÇok değişkenli fonksiyonlar. Maksimum- Minimum
66 Bölüm 6 Ders 06 Çok değişkenli fonksiyonlar. Maksimum- Minimum 6.1 Çözümler:Alıştırmalar 06 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay Ön Bilgi: z = f (x, y) fonksiyonu 3-boyutlu uzayda bir yüzeyin denklemidir.
DetaylıBölüm 2. Bir boyutta hareket
Bölüm 2 Bir boyutta hareket Kinematik Dış etkenlere maruz kalması durumunda bir cismin hareketindeki değişimleri tanımlar Bir boyutta hareketten kasıt, cismin bir doğru boyunca hareket ettiği durumların
DetaylıTemelleri. Doç.Dr.Ali Argun Karacabey
Doğrusal Programlamanın Temelleri Doç.Dr.Ali Argun Karacabey Doğrusal Programlama Nedir? Bir Doğrusal Programlama Modeli doğrusal kısıtlar altında bir doğrusal ğ fonksiyonun değerini ğ maksimize yada minimize
Detaylıx e göre türev y sabit kabul edilir. y ye göre türev x sabit kabul edilir.
TÜREV y= f(x) fonksiyonu [a,b] aralığında tanımlı olsun. Bu aralıktaki bağımsız x değişkenini h kadar arttırdığımızda fonksiyon değeri de buna bağlı olarak değişecektir. Fonksiyondaki artma miktarını değişkendeki
DetaylıGENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA
GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği
DetaylıYrd. Doç. Dr. A. Burak İNNER
Yrd. Doç. Dr. A. Burak İNNER Kocaeli Üniversitesi Bilgisayar Mühendisliği Yapay Zeka ve Benzetim Sistemleri Ar-Ge Lab. http://yapbenzet.kocaeli.edu.tr Regresyon o EnKüçük Kareler Yöntemi Doğru Uydurma
DetaylıDoğrusal olmayan programlama. Suat ATAN
Doğrusal olmayan programlama Suat ATAN İçindekiler 1 Giriş 2 2 Optimizasyon 2 3 Doğrusal olmayan programlama 4 3.1 Tek değişkenli fonksiyonun optimumluk şartları.................. 6 3.2 Çok Değişkenli
DetaylıÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV. ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV
- 1 - ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV Kazanım 1 : Türev Kavramını fiziksel ve geometrik uygulamalar yardımıyla açıklar, türevin tanımını
DetaylıALGORİTMA ANALİZİ. Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü
ALGORİTMA ANALİZİ Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü 2 Özyinelemeler veya artık teknik Türkçeye girmiş olan rekürsiflik en çok duyulan fakat kullanımında zorluklar görülen tekniklerdendir.
DetaylıDoğrusal Programlamada Grafik Çözüm
Doğrusal Programlamada Grafik Çözüm doğrusal programlama PROBLEMİN ÇÖZÜLMESİ (OPTİMUM ÇÖZÜM) Farklı yöntemlerle çözülebilir Grafik çözüm (değişken sayısı 2 veya 3 olabilir) Simpleks çözüm Bilgisayar yazılımlarıyla
DetaylıWeb Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan
DetaylıÇalışma Soruları 1. a) x > 5 b) y < -3 c) xy > 0 d) x 3 < y e) (x-2) 2 + y 2 > 1. ( ) 2x
Çalışma Soruları. Aşağıdaki denklemleri çözünüz: a) 7x = 4x + b) x 7x = x 4 c) x 4 x + = 0. Aşağıdaki eşitsizliklerin çözüm kümelerini belirleyiniz ve aralıklar cinsinden ifade ediniz: a) 4x > 9 b) x 4
DetaylıElemanter fonksiyonlarla yaklaşım ve hata
Elemanter fonksiyonlarla yaklaşım ve hata Prof. Dr. Erhan Coşkun Karadeniz Teknik Üniversitesi, Fen Fakültesi Matematik Bölümü Kasım, 2018 e 5 Kasım, 2018 1 / 48 Elemanter fonksiyonlarla yaklaşım ve hata
DetaylıMat Matematik II / Calculus II
Mat - Matematik II / Calculus II Çalışma Soruları Çok Değişkenli Fonksiyonlar: Seviye eğri ve yüzeyler, Limit ve süreklilik wolframalpha.com uygulamasında bir fonksiyonun tanım kümesini bulmak için: x
DetaylıBIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ
2017-2018 BaharYarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü 6 BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ (Temel Algoritma Örnekleri, Genel Uygulamalar) Yrd. Doç. Dr. İbrahim Küçükkoç Web:
DetaylıMakine Öğrenmesi 2. hafta
Makine Öğrenmesi 2. hafta Uzaklığa dayalı gruplandırma K-means kümeleme K-NN sınıflayıcı 1 Uzaklığa dayalı gruplandırma Makine öğrenmesinde amaç birbirine en çok benzeyen veri noktalarını aynı grup içerisinde
DetaylıKPSS ÖABT İLKÖĞRETİM MATEMATİK. Tamamı Çözümlü SORU BANKASI. 50 soruda SORU
KPSS ÖABT 09 İLKÖĞRETİM MATEMATİK Tamamı Çözümlü SORU BANKASI 50 soruda SORU Komisyon ÖABT İLKÖĞRETİM MATEMATİK TAMAMI ÇÖZÜMLÜ SORU BANKASI ISBN 978-605--9-6 Kitapta yer alan bölümlerin tüm sorumluluğu
DetaylıBekleme Hattı Teorisi
Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
Detaylı