GENETİK ALGORİTMALARA GİRİŞ
|
|
- Mehmed Günaydın
- 5 yıl önce
- İzleme sayısı:
Transkript
1 GENETİK ALGORİTMALARA GİRİŞ Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp Düzce
2 Konu Başlıkları Giriş Algoritmanın Tanımı ve Gelişimi Yöntemin Esasları İleri Düzey Operatörler Genetik Algoritmanın Kodlanması Genetik Algoritmanın Uygulanması 2
3 Giriş Genetik algoritmalar (GA) hem doğal seçim mekanizmasından hem de doğal genetik biliminden etkilenmiş sayısal optimizasyon algoritmalarıdır. Bu yöntem çok genel olup bir çok probleme uygulanabilecek kapasiteye sahiptir. Bazı yaklaşımların aksine, günlük hayatta karşılaştığımız hemen hemen her problemin çözümünde kullanılabilmektedir. Algoritmanın anlaşılması basit ve gerekli bilgisayar kodunu yazmak kolaydır. GA nın birçok disiplini olmasına rağmen yapay sinir ağları kadar dikkat çekmemiştir. 3
4 Giriş Neden bunun böyle olduğunu söylemek oldukça zordur. GA nın kendine has sınırları nedeniyle veya güçlü bir metafor eksikliği bu kesinlikle doğru değildir. Zira gerçek dünya problemlerin çözümüne yardımcı olan Darwin ve diğerlerinin fikirlerini genelleyen daha ilham verici ne olabilir? Bugün çevremizde gördüğümüz biyolojik çeşitliliği kimyasal bir düzensizlikten öte bir şey olmadan başlatan evrim denen kavram etkileyicidir, şayet olmasa bile kompleks problemleri çözen ilham verici değerler bütünüdür. 4
5 Giriş Birçok yollarla doğal seçim ve doğal genetik kavramının diğer problemlere uygulanma düşüncesi o kadar açıktır ki; birileri neden bunun daha denenmediğini merak edebilir. Gerçekten de öyle olmuştur. En başından beri bilgisayar bilimiyle uğraşanlar hayatın bir veya daha fazla özelliğini taklit eden sistemlerin vizyonuna sahiptirler. Pratik mühendislik optimizasyon problemlerini çözen çözümlerin popülasyonunu kullanma fikri 1950 ve 1960 larda birçok kez düşünülmüştür. Ancak GA özü itibarıyla bir kişi tarafından yani John Holland tarafından 1960 da icat edilmiştir. Onun böyle algoritmaları geliştirmesinin nedenleri bu kitabın ilgilendiği GA ile problem çözme biçiminin ötesindedir. 5
6 Giriş Holland ın 1975 te yazdığı Adaptation in Natural and Artificial Systems kitabı (son zamanlarda ekleri ile birlikte yeniden basılmıştır) vizyoner yaklaşımı nedeniyle özellikle okunmaya değerdir. Son zamanlarda diğerlerinden daha çok örneğin De Jong yazmış olduğu Genetic Algorithms are NOT Function Optimizers başlıklı bir makalede GA nın sadece fiziksel bir sistem modelindeki bilinmeyen parametre setini tahmin eden güçlü bir yöntemden ziyade potansiyel olarak daha farklı bir şey olduğunu bize söylemektedir. Bu kitapta GA nın farklı optimizasyon problemlerinde bu güçlü yanı çoğunlukla ilgimizi çekmektedir. 6
7 7 Giriş
8 8 Giriş
9 Giriş Öyleyse GA nedir? GA aşağıda verilen özellikleri içeren tipik bir algoritmadır. Bir problemin çözüm tahminlerinin popülasyonu veya sayısıdır. Popülasyon içindeki bireysel çözümlerin ne kadar iyi veya kötü olduğunu hesaplayan bir yöntemdir. Daha iyi çözümlerin parçalarını ortalama olarak daha iyi çözümler bulmak için karıştıran bir yöntemdir. Çözümler içindeki farklılığın daimi kaybını önleyen mutasyon operatörüdür. 9
10 Giriş Tipik olarak az sayıdaki bileşenle spesifik bir problemi çözen GA yı tasarlamanın ne kadar kolay olduğu fikrini veren bir başlangıç yapılabilir. Bunun için karmaşık bir matematik, zahmetli ve anlaşılmaz algoritmalar gerek yoktur. Dezavantajlı durum gibi görünse de GA nın tam olarak ne olduğunu belirleyen az sayıda zor ve katı kurallar mevcuttur. Konuyu daha ileriye getirmeden ve GA yı oluşturmanın muhtelif yollarını tartışmadan önce GA nın başarılı bir şekilde uygulandığı problem örnekleri verilecek ve arama ve optimizasyon ifadesi ile neyin kastedildiğinden bahsedilecektir. 10
11 Bazı Uygulamalar Geleneksel yöntemlerden ziyade birçok bilim insanı ve mühendis GA yı kullanmayı neden tercih ediyor? Diğer yöntemlerin çözmekte zorlandığı karmaşık bir çok problemi kolaylıkla çözebilme becerisi vardır. Bunun örneklerinden bazıları bir çok lokal optimumum olduğu karmaşık arama uzayında büyük ölçekli kombinatoryal optimizasyon problemleri (gaz boru hatlarının güzergahının belirlenmesi) ve gerçek değerli parametre tahminlerinin yapılması olarak verilebilir. GA birçok lokal optimumlara sahip arama uzayından en iyi çözümü bulma kabiliyetine sahiptir. 11
12 GA nın başarılı bir şekilde uygulandığı problemler ve alanlar: Görüntü işleme, elektronik eleman yerleştirme, lazer teknoloji, tıp, uzay gemisi yörüngeleri, zaman serisi analizi, katı-hal fiziği astronomi, likit kristaller, robot bilimi, su şebekeleri, 12 Bazı Uygulamalar
13 13 Bazı Uygulamalar mimari yapı tasarımı, bilgisayar yazılım otomatik evrimi, estetik, iş idaresi planlaması, yüz tanıma, yapay zeka sistemlerinin (yapay sinir ağları vb.) eğitimi ve tasarımı, kontrol, elektromanyetizma, elektrik makinaları, güç elektroniği, yenilenebilir enerji, üç boyutlu protein yapılarının tahmini vb.
14 Arama Uzayı Bir optimizasyon probleminde eldeki problemi en iyi şekilde tarif eden çözümü bulmak için olası çözümler araştırılır. Örneğin uçak kanadının ürettiği kaldırma kuvvetini matematiksel bir model üzerinden maksimum yapan ayarlanabilir parametre setinin değerlerinin bulunmaya çalışılması gibi. Eğer a ve b gibi iki ayarlanabilen parametre olsaydı çok sayıda kombinasyon denebilir, her bir tasarım ile üretilen kaldırma kuvveti hesaplanabilirdi. Buna göre a, b ve kaldırma kuvvetini sırasıyla x, y, ve z eksenleri üzerinde gösteren bir yüzey çizimi yapılabilirdi (Şekil 1.0). 14
15 Arama Uzayı 15 Şekil 1.0
16 Arama Uzayı Şekil 1.0 da verilen çizim böyle bir problemin arama uzayını temsil eder. Daha kompleks problemler için, yani iki bilinmeyenden daha fazlası, durumu görmek daha da zorlaşır. Ancak arama uzayı kavramı çözümler arasında mesafe ölçümü tanımlandığı müddetçe geçerlidir. Her bir çözümün problem içindeki başarı ölçütü veya uygunluk değeri belirlenir. Daha iyi performans gösteren veya daha uygun çözümler bir müddet sonra arama uzayında tepe noktaları daha kötü çözümlerse arama uzayında vadi noktaları teşkil eder veya uygunluk değerlerinden oluşan bir görüntü ortaya çıkarır. 16
17 Arama Uzayı Bu şekilde uzaylar veya görüntüler sürpriz bir şekilde karmaşık bir topoğrafya meydana getirir. Hatta basit problemler için bile yükseklikleri değişen birçok tepe noktaları oluşur ve tüm ölçek üzerinde birbirinden vadiler ile ayrılırlar. En yüksek tepe genellikle global maksimum veya optimum olarak adlandırılır, daha küçük tepe noktaları ise lokal maksimum veya optimum olarak refere edilir. Birçok arama problemi için amaç global optimumu doğru şekilde bulmaktır ancak bu o şekilde gerekmeyebilir. Bazı durumlarda, örneğin gerçek zamanlı kontrolde uygunluğun belli değerinin üstündeki herhangi bir noktanın bilinmesi mimari tasarımda bu durum geçerli değildir. kabul edilebilir. Ancak 17
18 Arama Uzayı Birçok geleneksel algoritmanın neden zorluklarla karşılaştığını görmek için bu şekildeki arama uzaylarında global optimumun aranması söz konusu arama uzayındaki özelliklerin nasıl oluştuğunu bilmeyi gerektirir (Şekil 1.1). Şekilde gösterilen deneysel veriyi dele alalım. Burada x bağımsız değişkeninin muhtelif noktalarında y bağımlı değişkenine karşılık gelen ölçümler bulunmaktadır. Bariz bir şekilde x ve y arasında bir bağıntının olabileceğine dair bir görüntü mevcuttur. Bu bağıntı olarak ifade edilebilir. y j = mx j + c 18
19 Arama Uzayı 19 Şekil 1.1
20 Arama Uzayı Ancak m ve c değerleri ne olmalıdır? Eğer x=0 iken y=0 olduğunu gösteren bir neden varsa o zaman c=0 ve m sadece ayarlanması gereken bir parametre veya bilinmeyendir. m değerini bulmanın bir yolu bir cetvel kullanarak noktalar arasından en iyi doğruyu göz ile tahmin etmektir. Böylece m nin değeri doğrunun eğimi ile verilir. Ancak bunun için daha doğru yaklaşımlar mevcuttur. m nin en iyi tahminini bulmanın bilinen nümerik yöntemi en küçük kareler tahmini ile olur. Bu teknikte tahmin edilen (y) ile ölçülen (y) arasındaki hata objektif fonksiyon ile karakterize edilir. 20
21 Arama Uzayı Ω = n j=1 y j y j 2 Ω = n j=1 y j mx j + c 2 c=0 olması durumunda, Ω = n j=1 y j mx j 2 21
22 Arama Uzayı Esasen bu yöntem basit bir şekilde y nin ölçülen değerleri ile tahmin edilen (Şekil 1.2) değerler arasındaki dikey mesafelerin karelerinin toplamını hesaplar. Bu mesafelerin toplamı minimum olduğunda Ω minimum olacaktır. Bu minimum değeri veren m değeri m in en iyi tahmini değeridir. Bu Ω un en düşük değerini bulma probleminin hâlâ çözülmediğini gösterir. Bunu yapmanın bir yolu (az sayıda veriye sahip basit bir problem için oldukça makul bir yaklaşımdır) bilgisayar kullanarak m nin iyi ayarlanmış tablo değerleri üzerinden Ω yı hesaplamaktır. Daha sonra Ω un en küçük değerini veren m değerini kolayca seçilir. 22
23 Arama Uzayı 23 Şekil 1.2
24 Arama Uzayı Bu yaklaşım problemin arama uzayı görüntüsünü (Şekil 1.3) oluşturan Şekil 1.1 in veriler ile beraber kullanılmıştır. m e ait en iyi değer m = m* 1.1 olduğu açıktır. Burada yıldız işareti parametreye ait optimal değeri göstermektedir. Bilinmeyen parametre veya parametreleri tahmin ederek çok sayıda bilinmeyenle kolayca problemi çözen bu yaklaşım sayısallaştırılmış arama olarak adlandırılır. Şayet görece olarak az sayıda bilinmeyen parametreler varsa bu yaklaşım gerçekten faydalı olur ve Ω değeri hızlı bir şekilde tahmin edilebilir. Örnek olarak, böyle bir yaklaşım niçin belli büyüklükteki problemlere hızlıca uygulanabilir olduğu aşağıdaki örnek üzerinden ele alalım. 24
25 Arama Uzayı 25 Şekil 1.3
26 Arama Uzayı On tane bilinmeyeni ve her biri yüzde birlik doğruluk gerektiren bir problemde sonuca ulaşmak için adet tahmin yapılması gerekir. Bilgisayar saniyede 1000 tahmin yapsa bile cevabı bulunabilmesi için 3x10 9 yıl geçmesi gerekecektir. Karşılaşılan çoğu problemlerde bilinmeyen sayısı 10 dan fazladır. Yüzde birlik doğruluk seviyesi çok rağbet gören hassasiyet değildir ve saniyede 1000 işlem birçok problem için hatırı sayılır bir değerdir. Bütün bunlar daha iyi bir yaklaşımın bulunması ihtiyacını ortaya koymaktadır. Şekil 1.3 e dönersek, eğri şeklinin kısa bir değerlendirilmesi başka bir yaklaşımı önermektedir. Buna göre m in m 1 ve m 2 (Şekil 1.4 e bakın) olmak üzere 2 tahmini olsun. 26
27 Arama Uzayı 27 Şekil 1.4
28 Arama Uzayı Eğer Ω (m 1 ) > Ω (m 2 ) ise m 3 = m 2 + olan başka bir tahmin yapın veya aksi durumda diğer tarafa yönelin. Burada m den çok küçük bir sayı olup değerini ayarlamanın yolu uygun dinamik değerler vermektir. Bu şekilde yöntem m* değerine doğru hızlı bir şekilde yoğunlaşacaktır. Böyle bir yaklaşım doğrudan arama olarak tanımlanır (bu yöntem türev veya başka bilgiler içermez). Verilen problem minimizasyon problemlerinden biridir. Eğer 1/Ω çizilseydi problem maksimizasyon problemlerinden birine dönüşecekti ve bulunmak istenen değer tepenin en üst noktası olacaktı. Ancak bu gibi yöntemler genele tümüyle uygulanamaz. Zira ayarlanabilen tek bir a parametresi olan Ω, farklı bir problem verildiğinde Şekil 1.5 de gösterilen değişimi yapabilir. 28
29 Arama Uzayı 29 Şekil 1.5
30 Arama Uzayı İster yukarıda ana hatları verilen doğrudan arama algoritması, isterse basit hesap temelli bir yaklaşım kullanılsın, a nın nihai tahmin değeri algoritmanın başladığı arama uzayına bağlıdır. a = a 2 noktası için başlangıç tahmininin yapılması elbette aranan (global) minimum değerin (a*) bulunmasını sağlar. Ancak a= a 1 alınırsa o zaman sadece yerel minimum (a**) noktasına ulaşılır. Bu da önemli bir soruna işaret eder. Arama algoritması ile üretilen sonuçlar başlama noktasına bağlıysa, o zaman üretilen cevaplara duyulan güven azalır. Verilen örnekte, bu problemin başka bir çözüm yolu, problemi çözmeye bir gurup noktadan başlamak olabilir. 30
31 Arama Uzayı Buna göre bilinen en küçük minimum değerin doğru global minimum değer olduğunu farz edelim. Bu çoğunlukla benimsenen bir stratejidir. Şekil 1.5 çok basit bir arama uzayını göstermektedir. Çok daha karmaşık bir uzayda (Şekil 1.6 gibi) çok sayıda lokal optimumlar olabilir ve bu yaklaşım o zaman daha gerçekçi olur. Öyleyse bu karmaşık uzayların üstesinden nasıl gelinebilinir? Bu konuda olası çok sayıda yaklaşım önerilmiş ve rastgele arama ve benzetim tavlaması gibi yöntemler faydalı bulunmuştur. Genetik Algoritmaların bileşenleri olan doğal seçim ve doğal genetiği içeren analojilerin yönlendirdiği rastsal aramaların başarılı ve güçlü yöntemler olduğunu kanıtlamıştır. 31
32 Arama Uzayı 32 Şekil 1.6
33 Arama Uzayı 33 Şekil 1.6b Matlab «peaks» fonksiyonu
34 34 Bazı Kaynak Kitaplar
35 35 Giriş
36 36 Giriş
37 37 Giriş
38 38 Giriş
39 39 Giriş
40 40 Giriş
GENETİK ALGORİTMALARA GİRİŞ (I)
Bu notlar D. Coley ve S. Haupt ın Kitaplarından Yararlanarak Hazırlanmıştır. GENETİK ALGORİTMALARA GİRİŞ (I) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr
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
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.
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
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
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
DetaylıGENETİK 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.
DetaylıYZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest
DetaylıSAYISAL ÇÖZÜMLEME. Yrd.Doç.Dr.Esra Tunç Görmüş. 1.Hafta
SAYISAL ÇÖZÜMLEME Yrd.Doç.Dr.Esra Tunç Görmüş 1.Hafta Sayısal çözümleme nümerik analiz nümerik çözümleme, approximate computation mühendislikte sayısal yöntemler Computational mathematics Numerical analysis
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
Detaylı2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik 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
DetaylıZeki 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
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
DetaylıElastisite Teorisi Düzlem Problemleri için Sonuç 1
Elastisite Teorisi Düzlem Problemleri için Sonuç 1 Düzlem Gerilme durumu için: Bilinmeyenler: Düzlem Şekil değiştirme durumu için: Bilinmeyenler: 3 gerilme bileşeni : 3 gerilme bileşeni : 3 şekil değiştirme
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
DetaylıGENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA
GENETİK ALGORİTMA ÖZNUR CENGİZ 201410306014 HİLAL KOCA 150306024 GENETİK ALGORİTMA Genetik Algoritma yaklaşımının ortaya çıkışı 1970 lerin başında olmuştur. 1975 te John Holland ın makine öğrenmesi üzerine
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
DetaylıGENETİK ALGORİTMALARA GİRİŞ (V)
GENETİK ALGORİTMALARA GİRİŞ (V) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıBÖLÜM 4: MADDESEL NOKTANIN KİNETİĞİ: İMPULS ve MOMENTUM
BÖLÜM 4: MADDESEL NOKTANIN KİNETİĞİ: İMPULS ve MOMENTUM 4.1. Giriş Bir önceki bölümde, hareket denklemi F = ma nın, maddesel noktanın yer değiştirmesine göre integrasyonu ile elde edilen iş ve enerji denklemlerini
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
DetaylıZeki 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:
DetaylıRADYASYON ÖLÇÜM YÖNTEMLERİ DERS. Prof. Dr. Haluk YÜCEL RADYASYON DEDEKSİYON VERİMİ, ÖLÜ ZAMAN, PULS YIĞILMASI ÖZELLİKLERİ
RADYASYON ÖLÇÜM YÖNTEMLERİ Prof. Dr. Haluk YÜCEL 101516 DERS RADYASYON DEDEKSİYON VERİMİ, ÖLÜ ZAMAN, PULS YIĞILMASI ÖZELLİKLERİ DEDEKTÖRLERİN TEMEL PERFORMANS ÖZELLİKLERİ -Enerji Ayırım Gücü -Uzaysal Ayırma
DetaylıEv Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması
Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması Özay CAN, Nedim TUTKUN Düzce Üniversitesi Elektrik/Elektronik Mühendisliği Kapsam Giriş Hibrit Sistem ve Güç
DetaylıFonksiyon Minimizasyonunda Simulated Annealing Yöntemi
07-04-006 Ümit Akıncı Fonksiyon Minimizasyonunda Simulated Annealing Yöntemi İçindekiler Fonksiyon Minimizasyonu Metropolis Algoritması. Algoritma.......................................... Bir boyutlu
DetaylıGERİLME ANALİZİ VE MOHR ÇEMBERİ MUKAVEMET
GERİLME ANALİZİ VE MOHR ÇEMBERİ MUKAVEMET Yrd. Doç. Dr. Emine AYDIN Yrd. Doç. Dr. Elif BORU 1 GENEL YÜKLEME DURUMUNDA GERİLME ANALİZİ Daha önce incelenen gerilme örnekleri eksenel yüklü yapı elemanları
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.
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
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
DetaylıGezgin 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
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
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
DetaylıBirinci Mertebeden Adi Diferansiyel Denklemler
Birinci Mertebeden Adi Diferansiyel Denklemler Bir veya daha çok bağımlı değişken, bir veya daha çok bağımsız değişken ve bağımlı değişkenin bağımsız değişkene göre (diferansiyel) türevlerini içeren bağıntıya
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıTRİGONMETRİK FONKSİYONLAR: DİK ÜÇGEN YAKLAŞIMI
TRİGONMETRİK FONKSİYONLAR: DİK ÜÇGEN YAKLAŞIMI Diyelim ki yeryüzünden güneşe olan mesafeyi bulmak istiyoruz. Şerit metre kullanmak açıkçası pratik değildir. Bu nedenle bu sorunun üstesinden gelmek için
DetaylıModelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.
MODELLEME MODELLEME Matematik modelleme yaklaşımı sistemlerin daha iyi anlaşılması, analiz edilmesi ve tasarımının etkin ve ekonomik bir yoludur. Modelleme karmaşık parametrelerin belirlenmesi için iyi
DetaylıDİNAMİK. Ders_9. Doç.Dr. İbrahim Serkan MISIR DEÜ İnşaat Mühendisliği Bölümü. Ders notları için: GÜZ
DİNAMİK Ders_9 Doç.Dr. İbrahim Serkan MISIR DEÜ İnşaat Mühendisliği Bölümü Ders notları için: http://kisi.deu.edu.tr/serkan.misir/ 2018-2019 GÜZ RİJİT CİSİMLERİN DÜZLEMSEL KİNEMATİĞİ: ÖTELENME&DÖNME Bugünün
DetaylıSerdar 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
DetaylıYapay Sinir Ağları. (Artificial Neural Networks) DOÇ. DR. ERSAN KABALCI
Yapay Sinir Ağları (Artificial Neural Networks) J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Yapay Sinir Ağları Tarihçe Biyolojik
DetaylıGENETİK ALGORİTMALARA GİRİŞ (III)
GENETİK ALGORİTMALARA GİRİŞ (III) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıFiziksel bir olayı incelemek için çeşitli yöntemler kullanılır. Bunlar; 1. Ampirik Bağıntılar 2. Boyut Analizi, Benzerlik Teorisi 3.
Fiziksel bir olayı incelemek için çeşitli yöntemler kullanılır. Bunlar; 1. Ampirik Bağıntılar 2. Boyut Analizi, Benzerlik Teorisi 3. Benzetim Yöntemi (Analoji) 4. Analitik Yöntem 1. Ampirik Bağıntılar:
DetaylıBİRİNCİ BASIMA ÖN SÖZ
BİRİNCİ BASIMA ÖN SÖZ Varlıkların kendilerinde cereyan eden olayları ve varlıklar arasındaki ilişkileri inceleyerek anlamak ve bunları bilgi formuna dökmek kimya, biyoloji, fizik ve astronomi gibi temel
DetaylıBüyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data)
Büyük Veri İçin İstatistiksel Öğrenme (Statistical Learning for Big Data) M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Bu dersin sunumları, The Elements of Statistical Learning: Data
DetaylıDoç. Dr. Bilge DORAN
Doç. Dr. Bilge DORAN Bilgisayar teknolojisinin ilerlemesi doğal olarak Yapı Mühendisliğinin bir bölümü olarak tanımlanabilecek sistem analizi (hesabı) kısmına yansımıştır. Mühendislik biliminde bilindiği
DetaylıMAK Makina Dinamiği - Ders Notları -1- MAKİNA DİNAMİĞİ
MAK 0 - Makina Dinamiği - Ders Notları -- MAKİNA DİNAMİĞİ. GİRİŞ.. Konunun Amaç ve Kapsamı Makina Dinamiği, uygulamalı mekaniğin bir bölümünü meydana getirir. Burada makina parçalarının hareket kanunları,
DetaylıAKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI
AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI *Mehmet YÜCEER, **Erdal KARADURMUŞ, *Rıdvan BERBER *Ankara Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü Tandoğan - 06100
DetaylıAST416 Astronomide Sayısal Çözümleme - II. 6. Monte Carlo
AST416 Astronomide Sayısal Çözümleme - II 6. Monte Carlo Bu derste neler öğreneceksiniz? Monte Carlo Yöntemleri Markov Zinciri (Markov Chain) Rastgele Yürüyüş (Random Walk) Markov Chain Monte Carlo, MCMC
DetaylıKalibrasyon için iki yöntem vardır, 1. Hesaplama yöntemi
Kalibrasyon Bir eksendeki hareket miktarının standart ünitelerden biri veya spesifik bir öğe uyum sağlaması işlemine kalibrasyon denir. Endüstriyel makinelerde en çok görülen üniteler, kullanım şekillerine
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
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 2 Kuvvet Vektörleri Kaynak: Mühendislik Mekaniği: Statik, R.C.Hibbeler, S.C.Fan, Çevirenler: A. Soyuçok, Ö.Soyuçok. 2 Kuvvet Vektörleri Bu bölümde,
DetaylıGenel Graf Üzerinde Mutlak 1-merkez
Genel Graf Üzerinde Mutlak 1-merkez Çözüm yöntemine geçmeden önce bazı tanımlara ihtiyaç vardır. Dikkate alınan G grafındaki düğümleri 1 den n e kadar numaralandırın. Uzunluğu a(i, j)>0 olarak verilen
DetaylıBilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1
Bilgisayar Mühendisliği Bilgisayar Mühendisliğine Giriş 1 Mühendislik Nedir? Mühendislik, bilim ve matematiğin yararlı cihaz ve sistemlerin üretimine uygulanmasıdır. Örn: Elektrik mühendisleri, elektronik
Detaylı6. DENEY Alternatif Akım Kaynağı ve Osiloskop Cihazlarının Kullanımı
6. DENEY Alternatif Akım Kaynağı ve Osiloskop Cihazlarının Kullanımı Deneyin Amacı: Osiloskop kullanarak alternatif gerilimlerin incelenmesi Deney Malzemeleri: Osiloskop Alternatif Akım Kaynağı Uyarı:
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
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
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
DetaylıGENETİK ALGORİTMALAR BÜŞRA GÜRACAR
GENETİK ALGORİTMALAR BÜŞRA GÜRACAR 201420404036 İÇERİK Genetik Algoritmanın, Amacı Kullanım Alanları Kavramları Uygulama Adımları Parametreler Genetik Algoritma Kodlama Türleri Genetik Algoritma Genetik
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
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
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 1- GİRİŞ Doç. Dr. Ali Rıza YILDIZ 1 Mühendislikte, herhangi bir fiziksel sistemin matematiksel modellenmesi sonucu elde edilen karmaşık veya analitik çözülemeyen denklemlerin
DetaylıMEKATRONİK MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI
MEKATRONİK MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI Mekatronik Mühendisliği Yüksek Lisans programının eğitim dili İngilizce olup, tezli ve tezsiz iki programdan oluşmaktadır. Tezli programda öğrencilerin; -
DetaylıDİNAMİK - 7. Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi. Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü
DİNAMİK - 7 Yrd. Doç. Dr. Mehmet Ali Dayıoğlu Ankara Üniversitesi Ziraat Fakültesi Tarım Makinaları ve Teknolojileri Mühendisliği Bölümü 7. HAFTA Kapsam: Parçacık Kinetiği, Kuvvet İvme Yöntemi Newton hareket
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)
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
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 2 Kuvvet Vektörleri Kaynak: Mühendislik Mekaniği: Statik, R.C.Hibbeler, S.C.Fan, Çevirenler: A. Soyuçok, Ö.Soyuçok. 2 Kuvvet Vektörleri Bu bölümde,
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıALP OĞUZ ANADOLU LİSESİ EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI
ALP OĞUZ ANADOLU LİSESİ 2017-2018 EĞİTİM ÖĞRETİM YILI BİLGİSAYAR BİLİMİ DERSİ 2.DÖNEM 2.SINAV ÖNCESİ ÇALIŞMA SORULARI VE YANITLARI Doğru yanıtlar kırmızı renkte verilmiştir. 1. Problemlerin her zaman sıradan
DetaylıDENEY 1 SABİT HIZLA DÜZGÜN DOĞRUSAL HAREKET
DENEY 1 SABİT HIZLA DÜZGÜN DOĞRUSAL HAREKET AMAÇ: Bir nesnenin sabit hızda, net gücün etkisi altında olmadan düzgün bir hat üzerinde hareket etmesini doğrulamak ve bu hızı hesaplanmaktır. GENEL BİLGİLER:
Detaylı8.04 Kuantum Fiziği Ders X. Schrödinger denk. bir V(x) potansiyeli içinde bir boyutta bir parçacığın hareketini inceler.
Schrödinger denklemi Schrödinger denk. bir V(x) potansiyeli içinde bir boyutta bir parçacığın hareketini inceler. Köşeli parantez içindeki terim, dalga fonksiyonuna etki eden bir işlemci olup, Hamilton
Detaylı8. ALTERNATİF AKIM VE SERİ RLC DEVRESİ
8. ATENATİF AKIM E SEİ DEESİ AMAÇA 1. Alternatif akım ve gerilim ölçmeyi öğrenmek. Direnç, kondansatör ve indüktans oluşan seri bir alternatif akım devresini analiz etmek AAÇA oltmetre, ampermetre, kondansatör
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 Ara Değer Hesabı Lagrance Polinom İnterpolasyonu
Detaylı= 2 6 Türevsel denkleminin 1) denge değerlerinin bulunuz. 2) Bulmuş olduğunuz dengenin istikrarlı olup olmadığını tespit ediniz.
Siyasal Bilgiler Fakültesi İktisat Bölümü Matematiksel İktisat Ders Notu Prof. Dr. Hasan Şahin Faz Diyagramı Çizimi Açıklamarı = 2 6 Türevsel denkleminin 1) denge değerlerinin bulunuz. 2) Bulmuş olduğunuz
DetaylıHAVACILIK VE UZAY MÜHENDİSİ/UZAY MÜHENDİSİ
TANIM Hava ve uzay araçlarının tasarımı ve yapımı, bunların uzaya gönderilmesi, araçların yerden izlenmesi, araçlarla haberleşme vb. işleri yapan kişidir. A- GÖREVLER Sivil ve askeri kuruluşlarda; - Yer
DetaylıYAVAŞ DEĞİŞEN ÜNİFORM OLMAYAN AKIM
YAVAŞ DEĞİŞEN ÜNİFORM OLMAYAN AKIM Yavaş değişen akımların analizinde kullanılacak genel denklem bir kanal kesitindeki toplam enerji yüksekliği: H = V g + h + z x e göre türevi alınırsa: dh d V = dx dx
DetaylıNedim TUTKUN Düzce Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Düzce-Türkiye
Optimizasyon Teknikleri Nedim TUTKUN nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Düzce-Türkiye Optimizasyon nedir? İşleri daha iyi yapmak Daha fazla kâr elde etmek
DetaylıGeometriden kaynaklanan etkileri en aza indirmek için yük ve uzama, sırasıyla mühendislik gerilmesi ve mühendislik birim şekil değişimi parametreleri elde etmek üzere normalize edilir. Mühendislik gerilmesi
Detaylıii) S 2LW 2WH 2LW 2WH S 2WH 2LW S 3( x 1) 5( x 2) 5 3x 3 5x x Maliye Bölümü EKON 103 Matematik I / Mart 2018 Proje 2 CEVAPLAR C.1) C.
C.1) x1 x 1 4 4( x1) x 6 4x 4 x 6 x 46 x Maliye Bölümü EKON 10 Matematik I / Mart 018 Proje CEVAPLAR C.) i) S LW WH LW WH S LW WH S W W W S L H W ii) S LW WH WH LW S WH LW S W W W S H L W C.) ( x1) 5(
DetaylıADC Devrelerinde Pratik Düşünceler
ADC Devrelerinde Pratik Düşünceler ADC nin belki de en önemli örneği çözünürlüğüdür. Çözünürlük dönüştürücü tarafından elde edilen ikili bitlerin sayısıdır. Çünkü ADC devreleri birçok kesikli adımdan birinin
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.
DetaylıOlasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları
Olasılık Kuramı ve İstatistik Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları OLASILIK Olasılık teorisi, raslantı ya da kesin olmayan olaylarla ilgilenir. Raslantı
DetaylıGerilme Dönüşümleri (Stress Transformation)
Gerilme Dönüşümleri (Stress Transformation) Bubölümdebirnoktayaetkiyen vebelli bir koordinat ekseni/düzlemi ile ilişkili gerilme bileşenlerini, başka bir koordinat sistemi/başka bir düzlem ile ilişkili
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
DetaylıFİZ209A OPTİK LABORATUVARI DENEY KILAVUZU
T.C. GAZİ ÜNİVERSİTESİ GAZİ EĞİTİM FAKÜLTESİ ORTAÖĞRETİM FEN VE MATEMATİK ALANLARI EĞİTİMİ BÖLÜMÜ FİZİK EĞİTİMİ ANABİLİM DALI FİZ209A OPTİK LABORATUVARI DENEY KILAVUZU TÇ 2007 & ҰǓ 2012 Öğrencinin Adı
Detaylı6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN
6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.5. Doğrusal olmayan fonksiyonların eğimi Doğrusal fonksiyonlarda eğim her noktada sabittir
DetaylıEnerji Sistemleri Mühendisliği Bölümü
YALOVA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ Enerji Sistemleri Mühendisliği Bölümü ESM 413 Enerji Sistemleri Laboratuvarı-II RL, RC ve RLC DEVRELERİNİN AC ANALİZİ Puanlandırma Sistemi: Hazırlık Soruları:
DetaylıGök Mekaniği: Eğrisel Hareket in Kinematiği
Gök Mekaniği: Eğrisel Hareket in Kinematiği Bundan bir önceki giriş yazımızda Kepler yasaları ve Newton ın hareket kanunlarını vermiş, bunlardan yola çıkarak gök mekaniklerini elde edeceğimizi söylemiştik.
DetaylıDENEY 2. Statik Sürtünme Katsayısının Belirlenmesi. Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi
DENEY 2 Statik Sürtünme Katsayısının Belirlenmesi Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fizik Bölümü Isparta-2018 Amaç 1. Kuru yüzeler arasındaki sürtünme kuvveti ve sürtünme katsayısı kavramlarının
DetaylıMETASEZGİSEL YÖNTEMLER
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,
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri
DetaylıGENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ
VI. Ulusal Temiz Enerji Sempozyumu UTES 2006 25 27 Mayıs 2006, Isparta Sf.756 764 GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ Nida Nurbay ve Ali Çınar Kocaeli Üniversitesi Tek. Eğt. Fak. Makine
DetaylıERCİYES 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
DetaylıYapısal Analiz Programı SAP2000 Bilgi Aktarımı ve Kullanımı. Doç.Dr. Bilge Doran
Yapısal Analiz Programı SAP2000 Bilgi Aktarımı ve Kullanımı Dersin Adı : Yapı Mühendisliğinde Bilgisayar Uygulamaları Koordinatörü : Doç.Dr.Bilge DORAN Öğretim Üyeleri/Elemanları: Dr. Sema NOYAN ALACALI,
DetaylıİTKİLİ MOTORLU UÇAĞIN YATAY UÇUŞ HIZI
İTKİLİ MOTORLU UÇAĞIN YATAY UÇUŞ HIZI Mustafa Cavcar Anadolu Üniversitesi Havacılık ve Uzay Bilimleri Fakültesi 26470 Eskişehir Yatay uçuş sabit uçuş irtifaında yeryüzüne paralel olarak yapılan uçuştur.
DetaylıGenetik 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
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
DetaylıBÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES)
BÖLÜNMÜŞ FARKLAR (DİVİDED DİFFERENCES) Lagrange ve Neville yöntemlerinin bazı olumsuz yanları vardır: İşlem sayısı çok fazladır (bazı başka yöntemlere kıyasla) Data setinde bir nokta ilavesi veya çıkartılması
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
Detaylı