GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI"

Transkript

1 ÖZEL EGE LĠSESĠ GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI HAZIRLAYAN ÖĞRENCĠLER: Berkin ĠNAN Doğa YÜKSEL DANIġMAN ÖĞRETMEN: Aslı ÇAKIR ĠZMĠR 2014

2

3 ĠÇĠNDEKĠLER 1. PROJENĠN AMACI GĠRĠġ YÖNTEM SONUÇ TARTIġMA KAYNAKLAR

4 1. PROJENĠN AMACI Haftalık ders programı oluşturma, çizelgeleme (timetabling) problemlerinden biridir. Bu projede, bir liseye ait haftalık ders programlarının, genetik algoritmalar aracılığıyla otomatik olarak hazırlanması amaçlanmıştır. 2. GĠRĠġ Bu bölümde, projede geliştirilen yöntemde kullanılan genetik algoritmalar ve özellikleri anlatılmaktadır. Genetik Algoritmalar Genetik algoritma, doğadan ilham alınarak yapılmış bir en iyiyi bulma yöntemidir. Doğada en güçlünün yaşaması kanunu burada da geçerlidir. Uygun bireyler yaşar, kötü bireylerin soyu tükenir. En uygun bireyi bulurken kullandığı yöntem evrimdeki aşamalara benzetilebilir. Bu aşamalar sırasıyla populasyonun üretilmesi, çaprazlama(cross-over), mutasyon ve değerlendirmedir. İlk populasyon üretildikten sonraki populasyonlarda elitizm, yani oluşan bireylerin en uygunlarının yeni populasyona aktarılması, devreye girer [1]. Bir bireyin uygunluğu populasyondaki yeri ile belli olur ve bu bireylerin çoğalması için onlara daha çok şans tanınır. Genetik algoritma ilk kez John Holland tarafından ortaya atılmıştır. Genetik algoritma matematik, fizik, mühendislik ve daha birçok alanda kullanılır. Genetik algoritmaların temel akış şeması Şekil 1 de görülmektedir. Başla Başlangıç popülasyonunun oluşturulması Dur Popülasyonu değerlendir E Elitizm Çaprazlama Mutasyon Popülasyonu değerlendir Uygun sonuca ulaşıldı mı? H Şekil 1 Genetik Algoritma 3 Akış Şeması

5 2.1 Kromozom Kodlama Teknikleri Genetik algoritmada kromozom, çözümlerdir. Her kromozomun içeriği çözüm ile ilgili bilgiler içerir. Sonuca ulaşmak için ise bu kromozomlar üstünde çaprazlama, mutasyon gibi işlemler yapılır. Kromozomları genel olarak üç farklı şekilde kodlanmaktadır [2][3][4]. Ġkili Kodlama: İkili (binary) kodlama en yaygın kromozom temsillerindendir. Bir özelliğin olma durumu 1, olmama durumu 0 ile gösterilir. Örnek: Kromozom Kromozom Permütasyon Kodlama: Gezgin satıcı problemi ve çizelgeleme gibi çözüm içerisinde sıralamanın olduğu problemlerde kullanılır. Örnek: Kromozom Kromozom oluşur. Değer Kodlama : Değer kodlamada kromozom çözüm hakkındaki değerlerden Kromozom 1 Kromozom 2 (DUR), (İLERLE), (DUR), (ZIPLA) (ZIPLA), (DUR), (DUR), (ZIPLA) 2.2 Çaprazlama Çaprazlama, iki ebeveynden yavru bireylerin oluşturulma işlemidir. Populasyondaki bireyler çaprazlama işlemine tabi tutularak yeni nesil elde edilir. Çaprazlama işlemiyle yeni nesil oluşturulmadan önce, populasyondaki uygunluk değeri yüksek olan bireylerden bir kısmı doğrudan yeni nesile aktarılır. Bu işlem elitizm olarak adlandırılır ve elitizm işlemiyle bir önceki nesilde elde edilen kazanım korunmuş olur. 4

6 Çaprazlama işleminde kullanılan ebeveynlerin uygunluk değerleri, çaprazlama sonucunda oluşacak olan bireylerin uygunluğunu etkilemektedir. Çaprazlama işleminde ebeveyn seçimi için farklı yaklaşımlar literatürde yer almaktadır: Rulet Tekerleği: Rulet tekerleği seçiminde tüm bireyler uygunluk değerlerine göre bir rulet tekerleğine yerleştirilir. Böylece uygunluk değeri yüksek olan bireylerin çaprazlama işleminde kullanılma olasılıkları diğer bireylere göre daha fazla olur. Turnuva Yöntemi: Turnuva yönteminde populasyondan rastgele seçilen bireyler arasında uygunluk değerine göre turnuva yapılır. Bu bireyler arasından en iyi olanı çaprazlama için seçilir. Çaprazlama işlemi için de farklı teknikler yer almaktadır: Tek Noktalı Çaprazlama Tek noktalı çaprazlamada ebeveynlerdeki kromozomlar rastgele seçilen bir noktadan iki parçaya bölünür. Farklı ebeveynlerden gelen bölünmüş parçalar birleştirilerek yeni bireyler oluşturulur. Örnek: Ebeveyn Ebeveyn Çocuk Çocuk Çok Noktalı Çaprazlama Çok noktalı çaprazlamada ebeveynlerdeki kromozomlar rastgele seçilen noktalardan alt parçalara bölünür. Farklı ebeveynlerden gelen bölünmüş parçalar birleştirilerek yeni bireyler oluşturulur. Örnek: Kromozom Kromozom

7 Çocuk Çocuk Mutasyon Mutasyon, çaprazlama sonucunda elde edilen bireyler üzerinde rastgele bir genin değiştirilmesi işlemidir. Mutasyon işlemi ile genetik çeşitlilik sağlanmaktadır. Tersine çevirme, sıra değiştirme, değer ekleme/çıkarma gibi işlemler mutasyon operatörleri olarak kullanılmaktadır. Örnek: Birey Mutasyonlu Birey YÖNTEM Bu bölümde, genetik algoritma kullanılarak haftalık ders programı hazırlayan yöntem anlatılmaktadır. Yöntemde kullanılan genetik algoritma yapıları bir önceki bölümde yer almaktadır. Kromozom Temsili Projede, bireyler (çözümler) her bir hoca için, o hocanın bir haftada gireceği dersleri gösteren haftalık ders listeleri olarak temsil edilmektedir. Haftalık ders programı her hoca için haftalık ders sayısı kadar hücresi olan bir ders tablosudur. Popülasyondaki her birey, Java programlama dilindeki [5] Map yapılarıyla kodlanmıştır. Bu map yapıları ders verecek olan hocalarla bu hocalara ait haftalık ders listelerini eşleştirmektedir. Örnek olarak Özel Ege Lisesi nin haftalık ders sayısı 40 tır. Şekil 2 de görüldüğü üzere her bir hoca, 1 den 40 a kadar numaralandırılmış bir listeye sahiptir. Bu listenin her bir hücresinde hocanın o saatte girmesi gereken dersin adı bulunmaktadır. Ders adları sınıfları birbirinden ayırt edecek şekilde tanımlanmıştır. Örneğin, MAT_11A 11-A sınıfının matematik dersini, MAT_10B ise 10-B sınıfının matematik dersini göstermektedir. Şekil 3 te, popülasyonda yer alan bir bireydeki iki hocaya ait ders listesi yer almaktadır. 6

8 Hocalar Hoca 1 Hoca 2 Hoca 3 Hocaya Ait Ders Listesi Hoca 1 için ders listesi Hoca 2 için ders listesi Hoca 3 için ders listesi MAT_11A MAT_11A Şekil 2 Map yapısını gösteren şema Ruşen Sönmez MAT_10A MAT_10B MAT_11A MAT_11A MAT_10B MAT_10B MAT_10A MAT_10A BİY_10A BİY_10A BİY_10B BİY_10B Mesut Esen BİY_10D BİY_10D BİY_10C BİY_11A BİY_11A BİY_11A BİY_10C Şekil 3 Örnek bir birey. BaĢlangıç Populasyonunun OluĢturulması Başlangıç populasyonunun oluşturulması, hocalara atanan derslerin rastgele bir şekilde haftalık ders listesi üzerinde yerleştirilmesi işlemidir. Bu işlemde ilk olarak, daha önceden hazırlanmış olan ve içerisinde hocalara ait dersler ve ders saatlerini içeren dosya okunur. Dosya okunmasıyla elde edilen ders ve ders saatleri bilgileri daha sonra rastgele atama yapılırken ulaşılacaktır. Rastgele atama için ilk adım bir hocadan başlayarak onun bir dersini seçip rastgele bir sayı üretmektir. Bu sayı o hocanın listesinde kaçıncı ders saatinde seçilen dersin yerleştireceğini belirler. Aynı ders saatine tekrar ders yazılmayacak şekilde seçilen dersin haftalık ders sayısı kadar bu tekrar edilir. Daha sonra varsa aynı hocanın diğer 7

9 dersleri için de hocanın programındaki bir ders saatinin üzerine tekrar ders yazılmayacak şekilde bu işlem yapılır. Bu şekilde tüm hocalar için hoca sayısı kadar ders listesi oluşturulmuş olur. Her adımda bu listeyle hoca eşlenerek Map yapısına eklenir. Bu şekilde bir birey oluşturulur. Bu popülasyonun her bir bireyi için tekrarlanır. Bu yüzden kalabalık popülasyonlar üzerinde algoritmanın yavaşladığı görülür. Şekil 4 te 2 bireyden oluşan örnek bir popülasyon gösterimi yer almaktadır. Gösterimde renkli olarak belirlenen yerlerde hocalara ait dersler yer almaktadır. Ruşen Sönmez Mesut Esen Ruşen Sönmez 8

10 Mesut Esen Şekil 4 2 bireyden oluşan bir popülasyon Çaprazlama Projede geliştirilen yöntemde çaprazlama işlemi bir önceki bölümde anlatılan tek noktalı çaprazlama kullanılmaktadır. Çaprazlama işleminde, birinci ebeveynde yer alan ilk (K/2) hocanın ders listeleri birinci çocuğa, son (K/2) hocanın ders listeleri ise ikinci çocuğa kopyalanır. Daha sonra ikinci ebeveyndeki ilk (K/2) hocanın ders listeleri ikinci çocuğa, son (K/2) ders listeleri ise ilk çocuğa kopyalanır. Şekil 5.1 ve Şekil 5.2 de sırasıyla, Şekil 4 te gösterilen 2 bireyin çaprazlanması sonucu elde edilen bireyler yer almaktadır. 1. bireyin 1. hocası Ruşen Sönmez Mesut Esen 2. bireyin 2. hocası Şekil 5.1 9

11 2. bireyin 1. hocası Ruşen Sönmez Mesut Esen 2. bireyin 1. hocası Şekil 5.2 Şekil 4 te verilen bireylerden oluşan iki yavru birey Yeni nesile aktarılacak olan bireylerin bir kısmı bu çaprazlama yöntemiyle oluşturulurken bir kısmı da elitizm yöntemiyle elde edilmektedir. Elitizm yönteminde, uygunluk değeri yüksek olan bireyler doğrudan bir sonraki nesile aktarılmaktadır. Mutasyon Projede geliştirilen yöntemde mutasyon işlemi için bir önceki bölümde anlatılan sıra değiştirme yöntemi kullanılmaktadır. Mutasyon işleminde, birey içerisinden rastgele seçilen bir hocaya ait ders listesinden rastgele seçilen iki günün yerleri değiştirilmektedir. Birey üzerinde mutasyon işleminin uygulanması kararı daha önceden belirlenen bir olasılığa göre verilmektedir. Şekil 6.1 ve Şekil 6.2 de yer alan örnekte sırasıyla bir bireyin mutasyona uğramadan önce ve uğradıktan sonraki durumları gösterilmektedir. Hca Mesut Esen olsun. Örnekte, mutasyon olasılığına göre seçilen bireyde, rastgele seçilen bir hocanın ve günlerinin mutasyona uğraması yapılmaktadır. 10

12 Mesut Esen Şekil 6.1 Mutasyona uğratılacak bireyde hangi günlerin değişeceği gösterilmiştir Mesut Esen Şekil 6.2 Mutasyon sonucu oluşan birey Değerlendirme Yaratılan ve birçok şekilde değişikliğe uğrayan bu bireylerin yapılan uygulama için uygun olup olmadığını test etmek gerekir. Bizim ders programı problemimizde istenen şey aynı sınıfa birden fazla hocanın aynı anda ders vermemesidir. Bu yüzden yapılan değerlendirme fonksiyonu her bireydeki aynı anda aynı sınıfa giren hoca çakışmalarını hesaplar. Bu çakışmalar için her bireye ceza puanı verilir. Bu şekilde ceza puanları karşılaştırılarak hangi bireyin daha iyi olduğu anlaşılabilir. Elitizm yapılırken de en iyi olan bireyler bu ceza puanlarına göre en az puana sahip bireyler seçilir. Eğer ceza puanı 0 olan, hiç ceza almamış, bir birey bulunursa bu istenilen ders programının üretildiği anlamına gelir. 11

13 4. SONUÇ Bu bölümde, projede geliştirilen yönteme ait simülasyon altyapısı, parametreleri ve elde edilen sonuçlar anlatılmaktadır. Altyapı Projede geliştirilen yöntem Java programlama dili kullanılarak Eclipse[6] geliştirme ortamında kodlanmıştır. Simülasyonlar, Intel Core 2 Quad CPU Q GHz özelliklere sahip işlemciye ve 8 GB belleğe sahip 64 bitlik bir bilgisayarda çalıştırılmıştır. Parametreler Geliştirilen yöntem farklı parametreler ile test edilmiştir. Elde edilen test sonuçlarına göre en iyi sonucu veren parametreler Tablo 1 de yer almaktadır. Tablo 1. En iyi sonucu veren parametreler Nesil Sayısı 1000 Birey Sayısı Elitizim Oranı(%) 5 Mutasyon Oranı (%) 0.1 Popülasyondaki birey sayısı arttırıldığında, programın çalışması yavaşlamakta ve çok geç sonuçlar vermektedir. Hatta işlemci ve bellek kullanımının artmasıyla bilgisayarda kilitlenmeler yaşanmaktadır. Mutasyon oranı arttırıldığında uygun bireylerde de bozulmalar gözlenmektedir. Elitizim oranı arttırıldığında, nesiller arası çeşitlilikte azalma gözlenmekte ve çözüme ulaşılamamaktadır. 5.TARTIġMA Bu bölümde proje hazırlanırken karşılaşılan sorunlar, proje hakkındaki fikirlerimiz ve projenin geleceği hakkındaki düşüncelerimizi aktaracağız. Proje çalışmalarına başlamadan önce projemizin belirli bir kitlenin sorununu çözmesi üzerine yoğunlaştık ve baktığımızda en yakınımızdaki öğretmenlerimizi ve okul çalışanlarını gördük. 12

14 Uygun bir ders programı hazırlamak için haftalarca çalışmak zorundaydılar. Hazırladıkları ders programı hem öğretmen hem de öğrenci açısından tatmin edici düzeyde değildi. Bu sebeplerden dolayı bu projeyi yapmaya karar verdik. Projeyi yaparken, genetik algoritma basamaklarını birbirinden bağımsız olarak ele alıp modüler bir yapı ortaya koyduk. Java programlama dilinde yer alan hazır veri yapıları işimizi oldukça kolaylaştırmasına rağmen, özellikle veri yapılarının referans ile çağırılmasından dolayı bazı zorluklarla da karşılaştık. Bu zorlukları aşmak için farklı çözüm yöntemleri denedik. Projede sonucunda, hedeflediğimiz maddelerin büyük bir bölümünü gerçekleştirdik. Gelecek çalışmalarda; öğretmenlerin istedikleri günlere dersleri yerleştiren, zor derslerin arka arkaya gelmesini engelleyen vb.. gibi birtakım kısıtları da eklemeyi planlamaktayız. Bu eklemelerle birlikte, projemizin ülkemizdeki okullarda ders programlarının hazırlanması için kullanılmasını hedeflemekteyiz. KAYNAKLAR [1] Mitchell, Melanie (1996). An Introduction to Genetic Algorithms. Cambridge, MA: MIT Press. [2] Michalewicz, Zbigniew (1996). Genetic Algorithms + Data Structures = Evolution Programs. Springer-Verlag. [3] İşçi Ö. ve Korukoğlu, S., (2003), Genetik Algoritma Yaklaşımı ve Yöneylem Araştırmasında Bir Uygulama, Yönetim ve Ekonomi, 2003, Cilt:10, Sayı:2. [4] Genetik Algoritmalar, İleri Algoritma Analizi Ders Notları, 7.Hafta-GenetikAlgoritma.pdf, Erişim tarihi: [5] Java Technology, Erişim tarihi: [6] Eclipse IDE, Erişim tarihi:

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ GENETİK ALGORİTMALAR Genetik algoritmalar, Darwin in doğal seçim ve evrim teorisi ilkelerine dayanan bir arama ve optimizasyon yöntemidir.

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik

Detaylı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar

Detaylı

Fonksiyon Optimizasyonunda Genetik Algoritmalar

Fonksiyon 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

Detaylı

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri Onur KARASOY 1, Serkan BALLI 2 1 Muğla Sıtkı Koçman Üniversitesi Bilgi İşlem Dairesi Başkanlığı 2 Muğla Sıtkı Koçman Üniversitesi Bilişim Sistemleri

Detaylı

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA

Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA i GENETİK ALGORİTMA YAKLAŞIMIYLA ATÖLYE ÇİZELGELEME Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2005 ANKARA ii Serdar BİROĞUL tarafından hazırlanan

Detaylı

Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden

Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden Genetik Algoritmalar Nesin Matematik Köyü Evrim Çalıştayı 20-23 Nisan, 202 Genetik Algoritmalar (GA Đçerik Biyolojiden esinlenme GA nın özellikleri GA nın unsurları uygulama Algoritma Şema teoremi Mustafa

Detaylı

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:

Genetik 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.

Detaylı

İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA

İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA İLERİ ALGORİTMA ANALİZİ 1. Giriş GENETİK ALGORİTMA Geniş çözüm uzaylarının klasik yöntemlerle taranması hesaplama zamanını artırmaktadır. Genetik algoritma ile kabul edilebilir doğrulukta kısa sürede bir

Detaylı

GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı

GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı Erol Şahin Bilgisayar Mühendisliği Bölümü, Orta Doğu Teknik Üniversitesi Ankara, Türkiye 2. ULUSAL GRİD ÇALIŞTAYI, 1-2 Mart 2007, TÜBİTAK,

Detaylı

C PROGRAMLAMA YRD.DOÇ.DR. BUKET DOĞAN PROGRAM - ALGORİTMA AKIŞ ŞEMASI

C PROGRAMLAMA YRD.DOÇ.DR. BUKET DOĞAN PROGRAM - ALGORİTMA AKIŞ ŞEMASI C PROGRAMLAMA DİLİ YRD.DOÇ.DR. BUKET DOĞAN 1 PROGRAM - ALGORİTMA AKIŞ ŞEMASI Program : Belirli bir problemi çözmek için bir bilgisayar dili kullanılarak yazılmış deyimler dizisi. Algoritma bir sorunun

Detaylı

THE EFFECT OF PRODUCT NUMBER ON SOLVING THE JOP-SHOP SCHEDULING PROBLEM BY USING GENETIC ALGORITHM

THE EFFECT OF PRODUCT NUMBER ON SOLVING THE JOP-SHOP SCHEDULING PROBLEM BY USING GENETIC ALGORITHM GENETİK ALGORİTMA İLE ÇÖZÜMÜ GERÇEKLEŞTİRİLEN ATÖLYE ÇİZELGELEME PROBLEMİNDE ÜRÜN SAYISININ ETKİSİ Serdar BİROĞUL*, Uğur GÜVENÇ* (*) Gazi Üniversitesi Teknik Eğitim Fakültesi Elektrik Eğitimi Bölümü, Beşevler

Detaylı

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Istanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi Yıl:8 Sayı:15 Bahar 2009 s.167-178 DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA Timur KESKİNTÜRK * Serap ŞAHİN ÖZET

Detaylı

PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ

PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ Ege Akademik BakıĢ / Ege Academic Review 10 (1) 2010: 199-210 PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ EFFICIENCY OF MUTATION RATE FOR PARALLEL MACHINE SCHEDULING

Detaylı

Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)

Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği) Karınca Kolonisi Algoritmasının Zaman Çizelgelemesi Üzerine: Bir Modellemesi ve Uygulaması Hülya Özdağ (YTÜ Matematik Bölümü Ö.Ü.) Nilgün Aygör (YTÜ Matematik Bölümü Ö.Ü.) Aykut Parlak (YTÜ Matematik Mühendisliği)

Detaylı

10. Sınıf II. Dönem Biyoloji Dersi 1. Yazılı Sınavı

10. Sınıf II. Dönem Biyoloji Dersi 1. Yazılı Sınavı Ad Soyadı: No: Tarih: 10. Sınıf II. Dönem Biyoloji Dersi 1. Yazılı Sınavı 1) Modern genetik veya biyoteknoloji çalışmalarına 4 örnek veriniz. İstediğiniz birini açıklayınız. (10p) 2) Diploit bir erkek

Detaylı

Bilgisayar Programı Nedir?

Bilgisayar Programı Nedir? BİL1002 Bilgisayar Programlama PROF.DR.TOLGA ELBİR Bilgisayar Programı Nedir? Program, bilgisayarda i belirli libir amacı gerçekleştirmek için geliştirilmiş yöntemlerin ve verilerin, bilgisayarındonanımınınyerine

Detaylı

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati Kredi AKTS (T+U+L) YÖNEYLEM ARAŞTIRMA İÇİN ALGORİTMALAR EN-312 3/I 3+0+0 3 5 Dersin Dili : Türkçe Dersin

Detaylı

3) Aşağıda verilen ifadelerden hangisi mayoz bölünmenin sebep olduğu faydalardan değildir?

3) Aşağıda verilen ifadelerden hangisi mayoz bölünmenin sebep olduğu faydalardan değildir? 1) 3) Aşağıda verilen ifadelerden hangisi mayoz bölünmenin sebep olduğu faydalardan değildir? A) Genetik yapısı aynı hücreler oluşur. B) Tür içi çeşitliliğin ortaya çıkmasını sağlar. C) Eşeyli üreme için

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing

Detaylı

AYRIK YAPILAR ARŞ. GÖR. SONGÜL KARAKUŞ- FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ, ELAZIĞ

AYRIK YAPILAR ARŞ. GÖR. SONGÜL KARAKUŞ- FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ, ELAZIĞ AYRIK YAPILAR P r o f. D r. Ö m e r A k ı n v e Y r d. D o ç. D r. M u r a t Ö z b a y o ğ l u n u n Ç e v i r i E d i t ö r l ü ğ ü n ü ü s t l e n d i ğ i «A y r ı k M a t e m a t i k v e U y g u l a

Detaylı

Ana ekran: EKDERS2000, Eskişehir Osmangazi Üniversitesi. Mühendislik Mimarlık Fakültesi Fen Edebiyat Fakültesi Fen Bilimleri Enstitüsü

Ana ekran: EKDERS2000, Eskişehir Osmangazi Üniversitesi. Mühendislik Mimarlık Fakültesi Fen Edebiyat Fakültesi Fen Bilimleri Enstitüsü Ekders2000 07 Kasım 2014 YARDIM Ahmet TOPÇU Eskişehir Osmangazi Üniversitesi, Mühendislik Mimarlık Fakültesi İnşaat Mühendisliği Bölümü, 26480 ESKİŞEHİR E-Posta: ogu.ahmet.topcu@gmail.com Web: http://mmf2.ogu.edu.tr/atopcu

Detaylı

Hardy Weinberg Kanunu

Hardy Weinberg Kanunu Hardy Weinberg Kanunu Neden populasyonlarla çalışıyoruz? Popülasyonları analiz edebilmenin ilk yolu, genleri sayabilmekten geçer. Bu sayım, çok basit bir matematiksel işleme dayanır: genleri sayıp, tüm

Detaylı

MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ

MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ İSTANBUL TEKNİK ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ K-MEANS KÜMELEME ALGORİTMASININ GENETİK ALGORİTMA KULLANILARAK GELİŞTİRİLMESİ BİTİRME ÖDEVİ Yunus YÜNEL Tez Danışmanı:

Detaylı

IENG 227 Modern Üretim Yaklaşımları

IENG 227 Modern Üretim Yaklaşımları IENG 227 Modern Üretim Yaklaşımları Pamukkale Üniversitesi Endüstri Mühendisliği Bölümü IENG 227 Modern Üretim Yaklaşımları Dr. Hacer Güner Gören Esnek Üretim Sistemleri Esnek Üretim Sistemleri Bir esnek

Detaylı

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Simpleks 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

Detaylı

Bilgi ve İletişim Teknolojileri (JFM 102) Ders 10. LINUX OS (Programlama) BİLGİ & İLETİŞİM TEKNOLOJİLERİ GENEL BAKIŞ

Bilgi ve İletişim Teknolojileri (JFM 102) Ders 10. LINUX OS (Programlama) BİLGİ & İLETİŞİM TEKNOLOJİLERİ GENEL BAKIŞ Ders 10 LINUX OS (Programlama) BİLGİ & İLETİŞİM TEKNOLOJİLERİ GENEL BAKIŞ LINUX de Programlama LINUX işletim sistemi zengin bir programlama ortamı sağlar. Kullanıcılara sistemi geliştirme olanağı sağlar.

Detaylı

BİLGİSAYAR PROGRAMLAMA MATLAB

BİLGİSAYAR PROGRAMLAMA MATLAB BİLGİSAYAR PROGRAMLAMA MATLAB Arş. Gör. Ahmet ARDAHANLI Kafkas Üniversitesi Mühendislik Fakültesi Ders Bilgileri Dersin Hocası: Araş. Gör. Ahmet Ardahanlı E-posta: ahmet.ardahanli@hotmail.com Oda: DZ-33

Detaylı

TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ

TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ TABAKALI RASTGELE ÖRNEKLEMEDE ÖRNEKLEM BÜYÜKLÜKLERİNİN GENETİK ALGORİTMA İLE BELİRLENMESİ DETERMINATION OF SAMPLE SIZES IN STRATIFIED RANDOM SAMPLING WITH GENETIC ALGORITHM DERYA TURFAN DOÇ. DR. ÖZGÜR

Detaylı

Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması

Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi Suleyman Demirel University Journal of Natural andappliedscience 18(1), 8-13, 2014 Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla

Detaylı

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi Bil101 Bilgisayar Yazılımı I Bilgisayar Yüksek Mühendisi Kullanıcıdan aldığı veri ya da bilgilerle kullanıcının isteği doğrultusunda işlem ve karşılaştırmalar yapabilen, veri ya da bilgileri sabit disk,

Detaylı

Zeki Optimizasyon Teknikleri

Zeki 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

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS YAZILIM MÜHENDİSLİĞİ BG-411 4/1 3+0+0 3+0 5 Dersin Dili : TÜRKÇE Dersin Seviyesi

Detaylı

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI

ERCİYES ÜNİVERSİTESİ KİMYA ANABİLİM DALI İlaç Tasarımında Yeni Yazılımların Geliştirilmesi: Elektron Konformasyonel-Genetik Algoritma Metodu ile Triaminotriazin Bileşiklerinde Farmakofor Belirlenmesi ve Nicel Biyoaktivite Hesabı; ERCİYES ÜNİVERSİTESİ

Detaylı

ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN KULLANIMI

ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN KULLANIMI TMMOB Harita ve Kadastro Mühendisleri Odası 11. Türkiye Harita Bilimsel ve Teknik Kurultayı 2 6 Nisan 2007, Ankara ÜÇ BOYUTLU KARAYOLU GÜZÂRGAH OPTİMİZASYONUNDA KARAR DESTEK SİSTEMİ OLARAK GENETİK ALGORİTMALARIN

Detaylı

Dosyalarda Farklı Yaklaşımlar. Kütük Organizasyonu 1

Dosyalarda Farklı Yaklaşımlar. Kütük Organizasyonu 1 Dosyalarda Farklı Yaklaşımlar Kütük Organizasyonu 1 Giriş Şimdiye kadar öğrendiğimiz temel dosyalama komutlarıyla (fopen,flclose, fputs vb..) dosya oluşturabilmekte, kayıt ekleyebilmekte ve her bir kaydın

Detaylı

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK 08501008

Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Şekil Tanıma Final Projesi. Selçuk BAŞAK 08501008 Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Şekil Tanıma Final Projesi Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim uygulama ve kaynak kodları ektedir.

Detaylı

Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi

Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi Şerif Okumuş Melih Orhan Bilgisayar Mühendisliği Bölümü, Süleyman Demirel Üniversitesi, Isparta {serifokumus,melihorhan}@yahoo.com.tr

Detaylı

ÖZEL EGE LĠSESĠ. ġeklġndekġ ĠFADELERĠN. SADELEġTĠRĠLEMEZ VEYA SADELEġTĠRĠLEBĠLĠR OLMASI ĠÇĠN GEREKEN KOġULLAR

ÖZEL EGE LĠSESĠ. ġeklġndekġ ĠFADELERĠN. SADELEġTĠRĠLEMEZ VEYA SADELEġTĠRĠLEBĠLĠR OLMASI ĠÇĠN GEREKEN KOġULLAR ÖZEL EGE LĠSESĠ ġeklġndekġ ĠFADELERĠN SADELEġTĠRĠLEMEZ VEYA SADELEġTĠRĠLEBĠLĠR OLMASI ĠÇĠN GEREKEN KOġULLAR HAZIRLAYAN ÖĞRENCĠ: Ersin ĠSTANBULLU DANIġMAN ÖĞRETMEN: Defne TABU ĠZMĠR 2013 ĠÇĠNDEKĠLER 1.

Detaylı

Biyoloji, İleri Biyoloji derslerinde; Talim ve Terbiye Kurulunun tarih ve 12 sayılı

Biyoloji, İleri Biyoloji derslerinde; Talim ve Terbiye Kurulunun tarih ve 12 sayılı MESLEKİ VE TEKNİK ORTAÖĞRETİM OKUL VE KURUMLARINDA 2014-2015 EĞİTİM ÖĞRETİM YILINDA 10 UNCU SINIFLARDAN BAŞLAYARAK UYGULANACAK HAFTALIK DERS ÇİZELGELERİNE AİT AÇIKLAMALAR Haftalık ders çizelgelerinde ortak

Detaylı

Programlama Giriş. 17 Ekim 2015 Cumartesi Yrd. Doç. Dr. Mustafa YANARTAŞ 1

Programlama Giriş. 17 Ekim 2015 Cumartesi Yrd. Doç. Dr. Mustafa YANARTAŞ 1 17 Ekim 2015 Cumartesi Yrd. Doç. Dr. Mustafa YANARTAŞ 1 Ders Not Sistemi Vize : % 40 Final : % 60 Kaynaklar Kitap : Algoritma Geliştirme ve Programlama Giriş Yazar: Dr. Fahri VATANSEVER Konularla ilgili

Detaylı

.. LİSESİ /.. ÖĞRETİM YILI SINIFI BİLGİSAYARDA OFİS PROGRAMLARI DERSİ 1.DÖNEM 2. SINAV SORULARIDIR Adı ve Soyadı: Sınıf ve No : 10 MUH.

.. LİSESİ /.. ÖĞRETİM YILI SINIFI BİLGİSAYARDA OFİS PROGRAMLARI DERSİ 1.DÖNEM 2. SINAV SORULARIDIR Adı ve Soyadı: Sınıf ve No : 10 MUH. .. LİSESİ /.. ÖĞRETİM YILI SINIFI BİLGİSAYARDA OFİS PROGRAMLARI DERSİ 1.DÖNEM 2. SINAV SORULARIDIR Adı ve Soyadı: Sınıf ve No : 10 MUH. A 1-a) Excel hangi işlemleri yapmada kullanılan bir programdır? Yazınız

Detaylı

DOSYA ORGANİZASYONU. Çarpışma çözümleme yöntemleri ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ

DOSYA ORGANİZASYONU. Çarpışma çözümleme yöntemleri ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ DOSYA ORGANİZASYONU ÖZLEM AYDIN TRAKYA ÜNİVERSİTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ Çarpışma çözümleme yöntemleri Sunum planı Bağlantıları kullanarak çarpışmaların çözümlenmesi. Coalesced Hashing (Birleştirilmiş

Detaylı

C++ Dilinde Bazı Temel Algoritmalar

C++ Dilinde Bazı Temel Algoritmalar C++ Dilinde Bazı Temel Algoritmalar Bazı eşyalar için her eve lazım derler. Az sonra bahsedeceğimiz algoritmalar da her kodcuya lazım cinsten. Sayının tek mi çift mi olduğuna karar veren programdan, çarpım

Detaylı

AKBİM-KOÇ AKPRO DERS DAĞILIM PROGRAMI

AKBİM-KOÇ AKPRO DERS DAĞILIM PROGRAMI AKBİM-KOÇ AKPRO DERS DAĞILIM PROGRAMI Genel Bilgiler/Ayarlar: Bu bölümde programın genel ayarları yapılır. Programa vereceğimiz isim ve Programımız kaç haftalık olacaksa bilgileri girilir. Haftaların başlangıç

Detaylı

TrizSOFT. S.P.A.C Altı Sigma Danışmanlık

TrizSOFT. S.P.A.C Altı Sigma Danışmanlık 2009 TrizSOFT S.P.A.C Altı Sigma Danışmanlık İçerik Tanıtım... 3 TRIZ nedir?... 3 Çelişkiler Matrisi... 4 Parametreler... 5 Prensipler... 6 İnovasyon Haritası... 7 Radar Şeması... 8 Ürün Karşılaştırma...

Detaylı

TEOG1 DENEME SINAVI 1 ( DNA, Mitoz, Mayoz Kapsamlı)

TEOG1 DENEME SINAVI 1 ( DNA, Mitoz, Mayoz Kapsamlı) TEOG1 DENEME SINAVI 1 ( DNA, Mitoz, Mayoz Kapsamlı) 4. 1.Şekilde hayvan hücresinin mitoz bölünmede bir evresi gösterilmiştir. Bu evreden sonra aşağıdakilerden hangisi gerçekleşmez? A) Kalıtım maddesinin

Detaylı

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ

GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ 3. İzmir Rüzgâr Sempozyumu // 8-10 Ekim 2015 // İzmir 29 GÜNEŞ ENERJİSİ VE RÜZGÂR ENERJİSİ DÂHİL OLAN HİBRİT GÜÇ SİSTEMİNDE FARKLI ALGORİTMALAR İLE EKONOMİK YÜK DAĞITIMININ İNCELENMESİ Gül Kurt 1, Deniz

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN Ders No:2 GIRIŞ Bu derste elle ya da bir çalışma sayfası yardımıyla oluşturulacak bir simülasyon tablosunun kullanımıyla yapılabilecek simülasyon

Detaylı

KILAVUZ SORU ÇÖZÜMLERİ Fen ve Teknoloji

KILAVUZ SORU ÇÖZÜMLERİ Fen ve Teknoloji MİTOZ -. Ünite 6. Deniz yıldızının kopan parçasının yenilenmesi (onarım), ağaç gövdesinin büyümesi (büyüme) ve zigotun embriyoya dönüşmesi mitoz bölünme ile gerçekleşirken insanlarda yumurta hücresinin

Detaylı

Çoktan Seçmeli Değerlendirme Soruları Akış Şemaları İle Algoritma Geliştirme Örnekleri Giriş 39 1.Gündelik Hayattan Algoritma Örnekleri 39 2.Say

Çoktan Seçmeli Değerlendirme Soruları Akış Şemaları İle Algoritma Geliştirme Örnekleri Giriş 39 1.Gündelik Hayattan Algoritma Örnekleri 39 2.Say İÇİNDEKİLER 1. Bilgisayarın Yapısı Ve Programlama Dilleri Giriş 1 Bilgisayar ve Programlamanın Kısa Bir Tarihçesi 2 Donanım ve Yazılım Kavramları 3 Bilgisayarın Donanımsal yapısı 4 Giriş Birimi (Input

Detaylı

Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları

Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Bilgisayarlara ve Programlamaya Giriş COMPE 101 Güz 2 2

Detaylı

XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU

XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU XII. ÜRETİM ARAŞTIRMALARI SEMPOZYUMU EDİTÖRLER İbrahim GÜRLER, Ozan ÇAKIR YAYINA HAZIRLAYANLAR Mümin ÖZCAN, R. Altuğ TURAN 27 29 EYLÜL 2012 GEDİZ ÜNİVERSİTESİ SEYREK YERLEŞKESİ BİLDİRİLER MONTAJ HATTI

Detaylı

Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi

Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması Ağaç, verilerin birbirine sanki bir ağaç yapısı oluşturuyormuş gibi sanal olarak bağlanmasıyla elde edilen hiyararşik yapıya sahip

Detaylı

Aşağıda mitoz bölünme safhaları karışık olarak verilmiştir.

Aşağıda mitoz bölünme safhaları karışık olarak verilmiştir. 2015/2016 EĞİTİM ÖĞRETİM YILI FEN VE TEKNOLOJİ DERSİ ÖRNEK 8.SINIFLAR 1.DÖNEM 1.YAZILI Adı Soyadı : No: Sınıf: Resimdeki türlerin bazı hücrelerindeki kromozom sayılarını yazınız. (4x2p) Aşağıda mitoz bölünme

Detaylı

EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI

EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI Fatma Daban Dr. Ersin Özdemir Mustafa Kemal Üniversitesi Özet Eğitim kurumları, kaynaklarını belirli zaman

Detaylı

ADIM ADIM YGS LYS Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ

ADIM ADIM YGS LYS Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ ADIM ADIM YGS LYS 108. Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ Belirli bir bölgede yaşayan aynı türlerin oluşturduğu topluluğa popülasyon denir. Popülasyon genetiği, popülasyonu temel alan genetik koludur.

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA 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.

Detaylı

Genetik Algoritmalar. Prof.Dr.Adem KALINLI

Genetik Algoritmalar. Prof.Dr.Adem KALINLI Genetik Algoritmalar Erciyes Üniversitesi Ekim 2012 Sunum İçeriği Giriş Evrimsel Hesaplama Genetik Algoritmalar Maliyet fonksiyonu Bilgi temsil mekanizması Başlangıç popülasyonu oluşturma Uygunluk veya

Detaylı

Zeki Optimizasyon Teknikleri

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:

Detaylı

Yöneylem Araştırması II (IE 323) Ders Detayları

Yöneylem Araştırması II (IE 323) Ders Detayları Yöneylem Araştırması II (IE 323) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yöneylem Araştırması II IE 323 Güz 3 2 0 4 5.5 Ön Koşul Ders(ler)i IE 222

Detaylı

PASCAL ÜÇGENİ VE ÖRÜNTÜLER

PASCAL ÜÇGENİ VE ÖRÜNTÜLER YİBO öğretmenleri(fen ve Teknoloji, Fizik, Kimya, Biyoloji ve Matematik) Proje Danışmanlığı Eğitimi Çalıştayı MATEMATİK GRUBU PASCAL ÜÇGENİ VE ÖRÜNTÜLER PROJE EKİBİ İsmail Hakkı DURSUN Dedeli YİBO, Ağrı

Detaylı

Gevşek Hesaplama (COMPE 474) Ders Detayları

Gevşek Hesaplama (COMPE 474) Ders Detayları Gevşek Hesaplama (COMPE 474) Ders Detayları Ders Adı Gevşek Hesaplama Ders Kodu COMPE 474 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

Yöneylem Araştırması I (IE 222) Ders Detayları

Yöneylem Araştırması I (IE 222) Ders Detayları Yöneylem Araştırması I (IE 222) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yöneylem Araştırması I IE 222 Güz 3 2 0 4 5 Ön Koşul Ders(ler)i Math 275 Doğrusal

Detaylı

AMUSE A MUSICAL EXPERT

AMUSE A MUSICAL EXPERT AMUSE A MUSICAL EXPERT Proje Sahibi Türker Erçal Proje Yöneticisi Yrd. Doç. Dr. Ender Özcan TMMOB ELEKTRİK MÜHENDİSLERİ ODASI İSTANBUL ŞUBESİ 2005-2006 ÖĞRETİM YILI PROJE YARIŞMASI ÖZET AMUSE, genetik

Detaylı

GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI

GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI Mustafa KURT*, Cumali SEMETAY* *M.Ü.Teknik Eğitim Fakültesi Makina Bölümü Bu çalışmada, geleneksel yöntemlerle çözümü zor veya imkansız olan problemlerin çözümünde

Detaylı

İleri Algoritma (COMPE 574) Ders Detayları

İleri Algoritma (COMPE 574) Ders Detayları İleri Algoritma (COMPE 574) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS İleri Algoritma COMPE 574 Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

DERS BİLGİ FORMU. IV Türkçe Zorunlu Ders. Haftalık. Ders. Okul Eğitimi Süresi. Saati

DERS BİLGİ FORMU. IV Türkçe Zorunlu Ders. Haftalık. Ders. Okul Eğitimi Süresi. Saati DERS BİLGİ FORMU DERSİN ADI SİSTEM ANALİZİ VE TASARIMI I BÖLÜM PROGRAM DÖNEMİ DERSİN DİLİ DERS KATEGORİSİ ÖN ŞARTLAR SÜRE VE DAĞILIMI KREDİ DERSİN AMACI ÖĞRENME ÇIKTILARI VE YETERLİKLER DERSİN İÇERİĞİ

Detaylı

BİL1002 Bilgisayar Programlama PROF.DR.TOLGA ELBİR

BİL1002 Bilgisayar Programlama PROF.DR.TOLGA ELBİR BİL1002 Bilgisayar Programlama PROF.DR.TOLGA ELBİR Bilgisayar Programı Nedir? Program, bilgisayarda belirli bir amacı gerçekleştirmek için geliştirilmiş yöntemlerin ve verilerin, bilgisayarın donanımının

Detaylı

Akıllı Mekatronik Sistemler (MECE 404) Ders Detayları

Akıllı Mekatronik Sistemler (MECE 404) Ders Detayları Akıllı Mekatronik Sistemler (MECE 404) Ders Detayları Ders Adı Akıllı Mekatronik Sistemler Ders Kodu MECE 404 Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Bahar 2 0 2 3 5 Ön Koşul Ders(ler)i

Detaylı

T.C. MİLLÎ EĞİTİM BAKANLIĞI ÖLÇME, DEĞERLENDİRME VE SINAV HİZMETLERİ GENEL MÜDÜRLÜĞÜ SINIF DEĞERLENDİRME SINAVI - 1

T.C. MİLLÎ EĞİTİM BAKANLIĞI ÖLÇME, DEĞERLENDİRME VE SINAV HİZMETLERİ GENEL MÜDÜRLÜĞÜ SINIF DEĞERLENDİRME SINAVI - 1 T.C. MİLLÎ EĞİTİM BAKANLIĞI 2015-2016 8.SINIF DEĞERLENDİRME SINAVI - 1 2015-2016 8.SINIF DEĞERLENDİRME SINAVI - 1 FEN VE TEKNOLOJİ Adı ve Soyadı :... Sınıfı :... Öğrenci Numarası :... SORU SAYISI : 20

Detaylı

Arama metodlarında temel işlem anahtarları karşılaştırmaktır.

Arama metodlarında temel işlem anahtarları karşılaştırmaktır. (Kırpma) Hash Fonksiyonları Selecting Digits Folding (shift folding, boundary folding) Division MidSquare Extraction Radix Transformation Çakışma (Collision) ve çözümler Linear Probing Double Quadratic

Detaylı

T.C. MALTEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ LİSANS PROGRAMI. 2011-12 Bahar Yarıyılı

T.C. MALTEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ LİSANS PROGRAMI. 2011-12 Bahar Yarıyılı T.C. MALTEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ LİSANS PROGRAMI 2011-12 Bahar Yarıyılı ALGORİTMA VE PROGRAMLAMA BİL 133 5 AKTS Kredisi 1. yıl 1. yarıyıl Lisans Zorunlu 4 saat/hafta

Detaylı

Dosya Saklama Ortamları (Devam) Kütük Organizasyonu 1

Dosya Saklama Ortamları (Devam) Kütük Organizasyonu 1 Dosya Saklama Ortamları (Devam) Kütük Organizasyonu 1 Disk Erişimi Diks Erişiminde 3 öğe vardır: i) Arama Süresi (Seek Time) ii) iii) Gecikme Süresi(Rotational Delay) Transfer Süresi (Transfer Time) Kütük

Detaylı

*Soy ağacı: Bireylerin atalarını şekil ya da sembollerle gösteren tabloya soy ağacı denir. Dişiler; yuvarlak erkekler ise kare şekli ile gösterilir.

*Soy ağacı: Bireylerin atalarını şekil ya da sembollerle gösteren tabloya soy ağacı denir. Dişiler; yuvarlak erkekler ise kare şekli ile gösterilir. SOY AĞAÇLARI *Soy ağacı: Bireylerin atalarını şekil ya da sembollerle gösteren tabloya soy ağacı denir. Dişiler; yuvarlak erkekler ise kare şekli ile gösterilir. Evlenmeler, iki birey arasında yatay çizgiyle

Detaylı

ÖZEL EGE İLKÖĞRETİM OKULU

ÖZEL EGE İLKÖĞRETİM OKULU ÖZEL EGE İLKÖĞRETİM OKULU 4.SINIF MATEMATİK DERSİ PROJESİ PROJE KONUSU : GRAFİKLER, KULLANIM ALANLARI VE GRAFİK UYGULAMALARI HAZIRLAYANLAR : Egem ERASLAN F.Sarper TEK Göktürk ERBAYSAL Mert KAHVECİ ÖNSÖZ

Detaylı

MONTE CARLO BENZETİMİ

MONTE CARLO BENZETİMİ MONTE CARLO BENZETİMİ U(0,1) rassal değişkenler kullanılarak (zamanın önemli bir rolü olmadığı) stokastik ya da deterministik problemlerin çözümünde kullanılan bir tekniktir. Monte Carlo simülasyonu, genellikle

Detaylı

Proje Yönetimi Uygulamaları Görev Tanımlama

Proje Yönetimi Uygulamaları Görev Tanımlama Girişimcilik ve İnovasyon Dersi Proje Yönetimi Uygulamaları Görev Tanımlama Yrd. Doç. Dr. Ali Nizam Prof. Dr. Fevzi YILMAZ Mühendislik Fakültesi Fatih Sultan Mehmet Vakıf Üniversitesi 2015 İş Paketi -

Detaylı

DOĞAL GAZ & ENERJİ YÖNETİMİ BİLDİRİLER KİTABI

DOĞAL GAZ & ENERJİ YÖNETİMİ BİLDİRİLER KİTABI TMMOB MAKİNA MÜHENDİSLERİ ODASI İİ DOĞAL GAZ & ENERJİ YÖNETİMİ KONGRE ve SERGİSİ BİLDİRİLER KİTABI GAZİANTEP EYLÜL 2001 TMMOB MAKİNA MÜHENDİSLERİ ODASİ Sümer Sok. 36/1-A Uemirtepc /ANKARA Tel : 0(312)231

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA 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.

Detaylı

Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması

Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması Projenin Amacı : YGS de başarılı olmak isteyen bir öğrencinin, istatistiksel yöntemler çerçevesinde, sınavda çıkan soru sayısını,

Detaylı

PROGRAMLAMAYA GİRİŞ. Öğr. Gör. Ayhan KOÇ. Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay.

PROGRAMLAMAYA GİRİŞ. Öğr. Gör. Ayhan KOÇ. Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay. PROGRAMLAMAYA GİRİŞ Öğr. Gör. Ayhan KOÇ Kaynak: Algoritma Geliştirme ve Programlamaya Giriş, Dr. Fahri VATANSEVER, Seçkin Yay., 2007 Algoritma ve Programlamaya Giriş, Ebubekir YAŞAR, Murathan Yay., 2011

Detaylı

AKILLI TATIL PLANLAMA SISTEMI

AKILLI TATIL PLANLAMA SISTEMI AKILLI TATIL PLANLAMA SISTEMI Istanbul Teknik Üniversitesi Bilgisayar ve Bilişim Fakültesi Bitirme Ödevi Ali Mert Taşkın taskinal@itu.edu.tr Doç. Dr. Feza Buzluca buzluca@itu.edu.tr Ocak 2017 İçerik Giriş

Detaylı

Sistem Analizi Ders Notları Bölüm 2

Sistem Analizi Ders Notları Bölüm 2 2. SİSTEM MODELLERİ Sistem Analizi Ders Notları Bölüm 2 Sistemlerin işleyişini ve durumlarını izah etmek ve göstermek amacıyla çeşitli modellerden faydalanılır. Bu modeller aşağıdaki şekilde sınıflandırılabilir:

Detaylı

Mesleki ve Teknik Eğitim Genel Müdürlüğü ÇİN HALK CUMHURİYETİ. HAZIRLAYAN: Dr. Recep ALTIN

Mesleki ve Teknik Eğitim Genel Müdürlüğü ÇİN HALK CUMHURİYETİ. HAZIRLAYAN: Dr. Recep ALTIN Mesleki ve Teknik Eğitim Genel Müdürlüğü ÇİN HALK CUMHURİYETİ HAZIRLAYAN: Dr. Recep ALTIN ÇİN HALK CUMHURİYETİ NUFÜSÜ YÜZÖLÇÜMÜ YÖNETİMİ BAŞKENTİ KİŞİBAŞINA DÜŞEN MİLLİ GELİRİ KİŞİ BAŞINA DÜŞEN MİLLİ GELİRDE

Detaylı

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf / Y.Y. Ders Saati (T+U+L) Kredi AKTS PROGRAMLAMA BG-213 2/1 2+0+2 2+1 5 Dersin Dili : TÜRKÇE Dersin Seviyesi : LİSANS

Detaylı

İnsan. kaynakları. istihdam

İnsan. kaynakları. istihdam İnsan kaynakları ve istihdam İ ÇİN DE Kİ LER 1 Kurumsallaşmanın şirketler açısından önemi 2 Uygulamanın hedefleri 3 Uygulamanın kazandırdıkları 4 İçerik ve Yöntem 5 Akış tablosu Kurumsallaşmanın Şirketler

Detaylı

Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları

Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları Bilgisayarlara ve Programlamaya Giriş (COMPE 101) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Bilgisayarlara ve Programlamaya Giriş COMPE 101 Güz 2 2

Detaylı

Siparişe Dayalı Üretim İçin Ürün Gruplarının Oluşturulmasında Genetik Algoritma Tabanlı Bir Yaklaşım

Siparişe Dayalı Üretim İçin Ürün Gruplarının Oluşturulmasında Genetik Algoritma Tabanlı Bir Yaklaşım YÖNETİM VE EKONOMİ Yıl:2013 Cilt:20 Sayı:2 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA Siparişe Dayalı Üretim İçin Ürün Gruplarının Oluşturulmasında Genetik Algoritma Tabanlı Bir Yaklaşım Prof. Dr. Şevkinaz

Detaylı

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi

Bil101 Bilgisayar Yazılımı I. M. Erdem ÇORAPÇIOĞLU Bilgisayar Yüksek Mühendisi Bil101 Bilgisayar Yazılımı I Bilgisayar Yüksek Mühendisi Editör Disk 1)Kaynak kodlar editör aracılığı ile oluşturulur. (.c) Kaynak dosya Önişleyici Disk 2)Önişleyici kodlar içerisindeki ilk işleme işini

Detaylı

T.C. MİLLÎ EĞİTİM BAKANLIĞI Talim ve Terbiye Kurulu Başkanlığı ORTAÖĞRETİM GENEL MÜDÜRLÜĞÜNE

T.C. MİLLÎ EĞİTİM BAKANLIĞI Talim ve Terbiye Kurulu Başkanlığı ORTAÖĞRETİM GENEL MÜDÜRLÜĞÜNE Sayı : B.08.0.TTK.0.01.01.02 Konu : Haftalık Ders Çizelgeleri İli İlgili Tereddüt Edilen Hususlar ORTAÖĞRETİM GENEL MÜDÜRLÜĞÜNE İlgi: a) Ortaöğretim Genel Müdürlüğünün 11.09.2006 tarih ve 11824 sayılı

Detaylı

DOKÜMANLARIN KONTROLÜ PROSEDÜRÜ Doküman No: Yürürlük Tarihi: Revizyon Tarih/No:

DOKÜMANLARIN KONTROLÜ PROSEDÜRÜ Doküman No: Yürürlük Tarihi: Revizyon Tarih/No: 1. AMAÇ Bu prosedürün amacı, İç Kontrol Sistemi içinde bulunan tüm dokümanların hazırlanması, onaylanması, yayını, sürdürülmesi, güncelleştirilmesi ve dağıtım esasları için yöntem ve sorumlulukları belirlemektir.

Detaylı

Uydu Haberleşmesi (EE 408) Ders Detayları

Uydu Haberleşmesi (EE 408) Ders Detayları Uydu Haberleşmesi (EE 408) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Laboratuar Kredi AKTS Kodu Saati Saati Saati Uydu Haberleşmesi EE 408 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i EE 301, EE 309

Detaylı

TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI

TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI TOBB EKONOMİ VE TEKNOLOJİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ I. SINIF EĞİTİM - ÖĞRETİM PROGRAMI 1. YIL 1. DÖNEM BİL 103 Bilgisayar Bilimlerine Giriş 2 0 2 3 Z BİL 113 Bilgisayar

Detaylı

BİL-141 Bilgisayar Programlama I (Java)

BİL-141 Bilgisayar Programlama I (Java) 1 BİL-141 Bilgisayar Programlama I (Java) Hazırlayan: M.Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Not: Bu dersin sunumları, Java Bilgisayar Programlamaya Giriş, A. Yazıcı, E. Doğdu,

Detaylı

Öğrenci Ana Sayfası Ekranını Tanımak

Öğrenci Ana Sayfası Ekranını Tanımak Öğrenci Ana Sayfası Ekranını Tanımak Öğrenci kendisine bildirilen Kullanıcı kodu ve parola bilgileri ile sisteme giriş yaptığında Öğrenci Ana Sayfası ekranına ulaşılır. Öğrenci Ana Sayfası ekranından,

Detaylı

Bilgisayarla Görme (EE 430) Ders Detayları

Bilgisayarla Görme (EE 430) Ders Detayları Bilgisayarla Görme (EE 430) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Bilgisayarla Görme EE 430 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i EE 275, MATH

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYILARIN ÜRETİLMESİ Rastgele değişimler yapay tablolardan veya parametreleri verilen teorik dağılım fonksiyonlarından elde edilir.

Detaylı

Genetik Knapsack. Umut BENZER 05-06-7670 http://www.ubenzer.com Ege Üniversitesi Bilgisayar Mühendisliği Yapay Zekâ

Genetik Knapsack. Umut BENZER 05-06-7670 http://www.ubenzer.com Ege Üniversitesi Bilgisayar Mühendisliği Yapay Zekâ Genetik Knapsack Umut BENZER 05-06-7670 http://www.ubenzer.com Ege Üniversitesi Bilgisayar Mühendisliği Yapay Zekâ 31.10.2011 İçindekiler Programcı Kataloğu...3 Teknik Bilgiler...3 Makine Özellikleri...3

Detaylı