Doğrusal olmayan programlama. Suat ATAN

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Doğrusal olmayan programlama. Suat ATAN"

Transkript

1 Doğrusal olmayan programlama Suat ATAN

2 İçindekiler 1 Giriş 2 2 Optimizasyon 2 3 Doğrusal olmayan programlama Tek değişkenli fonksiyonun optimumluk şartları Çok Değişkenli Fonksiyonlarda Gerek ve Yeter Şart Doğrusal olmayan programlama problemlerinin çözümü Tek değişkenli kısıtsız optimizasyon problemlerinde yaklaşık çözüm teknikleri Aralığı ikiye bölme yöntemi Altın oran yöntemi Yarı aralık (bisection) yöntemi Çok değişkenli fonksiyonlarda yaklaşık çözüm teknikleri Gradyant yöntemi Newton yöntemi Kısıtlı optimizasyon Lagrange çarpanları Doğrudan arama yöntemi Yerine koyma metodu Kuhn-Tucker koşulları

3 1 Giriş Lineer programlama bir dizi sınırlamalar dahilinde çıktıların lineer matematiksel yöntemler kullanılarak optimize edilmesi demektir.anonim (2013d) Doğrusal (lineer) programlamadaki doğrusal (lineer) sözcüğü, modeldeki tüm matematiksel fonksiyonların doğrusal (lineer) olması gerektiğini belirtir. Programlama kelimesi ise bilgisayar programlamaya işaret etmez; daha çok planlama ile eş anlamlıdır. Dolayısıyla doğrusal (lineer) programlama, birçok uygun alternatif arasından belirlenmiş bir hedefe uyan optimal çözümü bulacak aktivitelerin planlanmasını ifade eder. (Anonim, 2013c) Matematikte matematiksel programlama ya da optimizasyon terimi; bir gerçel fonksiyonu minimize ya da maksimize etmek amacı ile gerçek ya da tamsayı değerlerini tanımlı bir aralıkta seçip fonksiyona yerleştirerek sistematik olarak bir problemi incelemek ya da çözmek işlemlerini ifade eder.pek çok gerçek ve teorik problemler bu genel çerçevede modellenebilir.bu teknik kullanılarak formüle edilen problemlere fizik bilminin ilgi alanından bir örnek verilecek olursa, bilgisayar monitörlerinin enerji minimizasyonundan söz edilebilir.(anonim, 2013b). Doğrusal programlama ve doğrusal olmayan programlama bu optimizasyonun bir alanıdır. Genel olarak doğrusal olmayan programlama, çözüm fonksiyonunun doğrusal(lineer) olmamasını ifade eder. Elbette gerçek hayatta doğrusal olmayan fonksiyona sahip çözümler de mevcuttur. Doğrusal olmayan programlamada kullanılacak matematiksel yöntem ve süreçler doğrusal programlamaya göre daha karmaşıktır. 2 Optimizasyon Matematik, bilgisayar bilimi, ya da yönetim bilimi, matematiksel optimizasyon (alternatif, optimizasyonu veya matematiksel programlama) mevcut alternatiflerin bazı dizi (bazı kriterler açısından) en iyi elemanın seçimidir. (Dantzig, 1965) Basit durumda, bir optimizasyon problemi sistematik bir izin kümesi içerisinden giriş değerlerini seçme ve fonksiyonunun değerini hesaplayarak gerçek işlevini maksimize veya minimize oluşur. Diğer formülasyonlar için optimizasyon teorisi ve teknikleri genelleme uygulamalı matematik geniş bir alanı kapsar. Daha genel olarak, optimizasyon amaç fonksiyonları ve etki farklı farklı çeşitli dahil olmak üzere tanımlanmış bir etki alanı (veya kısıtlamaları kümesi) verilen bazı objektif fonksiyonu mevcut en iyi değerler bulma içerir. Optimizasyon süreçleri, matematik gerektiren çalışmalardır. Modern optimizasyon yöntemle- 2

4 rinin başlangıcı değişimler hesabına (calculus of variations) kadar dayanır. Değişimler hesabı ile ilgili genel çerçeveyi 18. yüzyılda ortaya koyan Lagrange ın Lagrange çarpanlar yöntemi (Lagrangian multipler rule) olarak bilinen meşhur metodu da günümüzde optimizasyon teorisinin ana konularından birini oluşturmaktadır (Dutta). İlk ve en basit optimizasyon yöntemlerinden olan En Dik İniş, (EDİ) (steepest descent) metoduna ait uygulamanın Cauchy tarafından ilk kez gösterildiği 19.yüzyıl ortalarından yirminci yüzyılın ortalarına kadar bu sahada çok az ilerleme kaydedilmiştir. Bu dönemden itibaren bilgisayar teknolojisindeki gelişmelere paralel olarak çok hızlı işlemcilerin kullanılmaya başlanmasıyla optimizasyon konusundaki çalışmaların ve yeni uygulamaların miktarı da hızla artmıştır (Rao, 2009) Sayısal optimizasyon yöntemlerini üç grupta toplamak mümkündür. Bunlar; belirleyici (deterministic), olasılıksal (stochastic) ve melez (hybrid) metotlardır. Belirleyici metotlar genel olarak Fermat teoreminden hareketle oluşturulan EDİ ve Newton metotları gibi gradyan işlemlerine dayalı yöntemlerdir. Bununla birlikte uygulama yapılacak problemin özelliklerine bağlı olarak kullanılabilecek simpleks metotları, doğrusal programlama gibi değişik yöntemler de geçtiğimiz yüzyıl içerisinde ortaya çıkmıştır. Olasılıksal metotlar ise, Genetik Algoritmalar, Karınca Kolonisi ve Tavlama Benzetimi gibi türev bilgisi gerektirmeyen, genellikle doğadan esinlenen yöntemlerdir. Melez optimizasyon teknikleri ise belirleyici ve olasılıksal yöntemlerin bir arada kullanıldığı metotlardır. Her yöntemin farklı üstünlükleri ve eksiklikleri olabilmekle birlikte, genel olarak belirleyici yöntemler genel optimumu daha hassas bir şekilde bulabildiği, olasılıksal yöntemler ise uygulama kolaylıkları nedeniyle tercih edilirler. Melez yöntemler ise bir araya getirdiği farklı metotların üstünlüklerinden istifade etmeyi amaçlar. Dinamik sistemlerin kararlı denge noktalarının bulunması yaklaşımı ile doğrusal olmayan optimizasyon (doğrusal olmayan programlama) problemlerinin çözümü konusundaki teknikler de belirleyici yöntemlerden sayılmaktadır. Bu alandaki ilk çalışmalardan olan, doğrusal olmayan otonom sistemlerin kritik noktaları ile yerel optimumları ilişkilendiren Yamashita (Yamashita, 1980) dan sonra konu ile ilgili araştırmalar giderek artmış ve son on yılda yoğunlaşarak özellikle gradyan sistem yaklaşımları ile dinamik sistemin takip edeceği yörüngeler yoluyla dinamik sistemin denge noktalarına (yerel optimumlara) ulaşılması üzerinde durulmuştur. Söz konusu çalışmalarda, optimizasyonu yapılacak doğrusal olmayan fonksiyonun gradyanı kullanılarak birinci mertebeden adi diferansiyel denklem yardımıyla bir dinamik sistem tanımlanmakta ve bu dinamik sistemin denge noktaları, doğrusal olmayan fonksiyonun yerel optimumları olarak bulunmaktadır. Diğer taraftan ikinci mertebeden adi diferansiyel denklem üzerine kurulmuş dinamik sistem yaklaşımı üzerine de araştırmalar yapılmıştır. Hacıoğlu (2011) 3

5 3 Doğrusal olmayan programlama Doğrusal olmayan Programlama konusundaki ilk önemli ı95ı yılında Karush-Kuhn ve Tucker tarafından optimal çözüm için gerek ve yeter şartlar teorisi adı altmda sunulmuştur. Genel bir optimizasyon problemi x 1, x 2, x 3,..., x n n adet karar değişkenini amaç fonksiyonunu optimize(minimize veya maksimize) etmek suretiyle uygun alan içerisinden seçmektir. f(x 1, x2,..., x n ) Bu problem Eğer amaç fonksiyonu doğrusal değilse veya çözüm kümesinin yer aldığı uygun alan doğrusal olmayan sınırlarla belirlenmiş ise doğrusal olmayan programlama problemi olarak adlandırılır. Bu durumda doğrusal olmayan programlama problemi şöyle gösterilir: Aşağıdaki sınırlama fonksiyonları koşulu ile g 1 (x 1, x2,..., x n ) b g m (x 1, x2,..., x n ) b m Max.f(x 1, x2,..., x n ) Doğrusal olmayan programlama problemleri mühendislik, matematik, işletme, fiziğe dayalı bilimler ve matematilk ile kararın (geniş anlamda) girdiği tüm alanlarda yaygın bir biçimde kullanılmaktadır. (Avriel, 2012). (Cornuejols and Tutuncu, 2007) Gerek ve Yeter Şart Kavramı: Optimizasyon tekniklerinin uygulamalarında ve aynı zamanda elde edilen sonucun gerçek optimum değer olup olmadığını belirlemede gerek ve yeter şartlar dikkate alındığından bu şartları kavramak önemlidir. Gerek şart: Optimum noktada şartları sağlaması gereken durumlar olarak adlandırılır. Diğer bir tanımla eğer herhangi bir nokta gerek şartları sağlamıyorsa optimum nokta olamaz. Bununla birlikte gerek şartları sağlayan nokta optimum olmayabilir veya tek bir nokta olmayabilir. Gerek şartları sağlayan noktalar aday nokta (candidate points) olarak adlandırılır. Dolayısıyla optimum 4

6 nokta ile optimum olmayan noktaları ayırmak için başka şartlara ihtiyaç duyulur ve bu şartlar yeter şart olarak adlandırılır. Yeter şart: Eğer aday optimum noktalar yeter şartları sağlıyorsa bu nokta optimum noktadır ve daha ileri testler yapmaya gerek yoktur. Ancak bu şartların sağlanamadığı veya kullanılmadığı durumlarda aday noktalarından herhangi birisinin optimum olmadığı söylenemeyebilir. Özetle: (Anonim, 2013a) 1. Optimum noktalar gerek şartları sağlamalıdır. Bu şartları sağlamayan noktalar optimum nokta olamaz. 2. Gerek şartları sağlayan bir noktanın optimum olması gerekmez; yani optimum olmayan noktalarda gerek şartları sağlayabilir. 3. Yeter şartı sağlayan bir aday nokta gerçekten optimumdur. 4. Eğer yeter şartlar kullanılamıyor veya hesaplanamıyorsa aday noktaların optimum olduğuna dair herhangi bir sonuç çıkartamayız. Bütün bu şartlara optimality conditions (optimumluk şartları) denir ve aşağıda belirtilen iki durum için kullanılır: 1. Bir tasarım noktası verildiğinde, optimumluk şartları kullanılarak bu noktanın aday nokta olup olmadığı tespit edilir. 2. Aday noktayı tespit etmek için bu şartlar kullanılır. Tek değişkenli optimizasyon Tek değişkenli fonksiyonlarda dikkat edilecek husus elde edilen minimum değerin lokal minimum mu yoksa global minimum mu olduğunun tespit edilmesidir. Lokal minimum Bir değişkenli bir f(x)fonksiyonun h ın küçük pozitif ve negatif değerinde aşağıdaki ifadeyi veriyorsa bu fonksiyonun x = x da relatif veya lokal minimumdur. f(x ) f(x + h) Benzer olarak x noktasında eğer aşağıdaki ifade sağlanıyorsa bu değerde f(x) fonksiyonu maksimumdur. f(x ) f(x + h) Global minimum veya maksimum değer için optimumluk şartlarının sağlanması gerekmektedir ki bir değişkenli bir fonksiyon için aşağıda verilmiştir. Grafiksel gösterim şekil 1 ile gösterimektedir. 5

7 Şekil 1: Lokal ve global maksimum ve minimum 3.1 Tek değişkenli fonksiyonun optimumluk şartları Optimumluk şartları, bir f(x)nun aday noktalarını belirlemede kullanılır. Optimumluk şartlarını elde etmek için öncelikle aşağıda verilen kabul yapılır: x minimumnoktadır ve bunun civarındaki bir noktada fonksiyonun değeri ve türevidi kkate alınacaktır. noktası fonksiyonun lokal minimum noktası olsun. x ise x noktasına yakın herhangi bir nokta olarak dikkate alalım. Dolayısıyla artım miktarı d aşağıdaki gibi tanımlanır: d = x x ve bu noktalara karşılık f(x) fonksiyonun farkı aşağıdaki gibi verilir: (x) = f(x) f(x ) m noktası f(x) fonksiyonun lokal minimum olduğu nokta olduğundan küçük bir ilerlemede ( x değerine varıldığında) f(x) in değeri değişmez veya mutlaka artar. Dolayısıyla f(x) negatif olmayan bir değer alır. Dolayısıyla, f(x) = f(x) f(x ) 0. olmalıdır. Buradan f(x) fonksiyonu Taylor serisi ile açılıdktan sonra sonuç olarak d nin her değerinde şartı sağlayan değeri: f (x ) = 0 6

8 Şekil 2: Hessian Matrisi olacaktır. (Meyer, 1979) Bu şarta birinci-derece optimumluk şartı (first order optimality condition) veya birinci- derece gerek şart (first-order necessary condition) olarak adlandırılır zira fonksiyonun sadece birinci türevini içerir. Bu şartları sağlayan noktalar lokal minimum veya maksimum veya hiçbir olmayabilir (büküm noktası olabilir). Bu noktalar stationary noktaları olarak adlandırılır.aday noktaları belirledikten sonra bu noktalardan hangisinin fonksiyonu minimum veya maksimum yaptığını belirlemek için yeter şartlar dikkate alınır. Buna göre f (x ) 0 ise yeter şart olarak adlandırılır. 3.2 Çok Değişkenli Fonksiyonlarda Gerek ve Yeter Şart Eğer fonksiyon çok değişkenli ise bu durumda her bir eleman için ayrı ayrı kısmi türev alınan Hessian Matrisi tanımlamak gerekir. Çözüm buna göre yapılır. Şekil 2 ile Hessian matrisi gösterilmektedir. (Bartholomew-Biggs, 2005) Uygulamada Hessian Matrisi ile çözümün hesaplanması zaman alıcı olmaktadır bu bakımdan bilgisayarlı çözüm de yapılabilir. 7

9 4 Doğrusal olmayan programlama problemlerinin çözümü Doğrusal olmayan programlama problemlerinin hepsini çözen genel bir yöntem bulunmamakla birlikte, değişik tipteki doğrusal olmayan programlama problemlerinin çözümü için farklı yöntemler bulunmaktadır. Optimizasyon problemlerinin analitik yöntemlerle çözülemediği durumlarda yaklaşık çözüm tekniklerine başvurulur. Lineer olmayan programlama problemlerinin çözümü için geliştirilen algoritmaların temeli, tek değişkenli fonksiyonların çözümündeki algoritmalara dayanır. Bu nedenle önce tek değişkenli fonksiyonlarda aralığı ikiye bölme, altın-oran ve yarı-aralık algoritmaları, daha sonra da çok değişkenli fonksiyonlar için gradyant algoritmasından söz edilecektir Bir çok lineer olmayan programlama algoritmasının temel prensibi şu şekildedir: uygun bir X k noktası ile başlanır ve uygun bir λ k adım büyüklüğü bulunarak yeni bir X k+1 noktası elde edilir. Bu işleme ardışık olarak devam edilerek optimal çözüme ulaşılmaya çalışılır. 4.1 Tek değişkenli kısıtsız optimizasyon problemlerinde yaklaşık çözüm teknikleri Bir f(x) fonksiyonu [a, b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. Verilen aralıkta fonksiyonun yaklaşık çözümünü bulmak için aralığı ikiye bölme, altın oran ile yarı-aralık yöntemleri kullanılabilir. Bunlardan aralığı ikiye bölme ve altın oran türev kullanmayan, yarı-aralık türev kullanan algoritmalardır. Bu yöntemlerle ilgili kısa açıklamalara yer verilmiştir (Erdoğan ve Alptekin, 2006) Aralığı ikiye bölme yöntemi Bir f(x) fonksiyonu [a,b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. [a,b] aralığının orta noktasından ɛ > 0 uzaklıkta iki λ = (a + b)/2 ɛ ve µ = (a + b)/2 + ɛ noktaları alınarak bu noktaların fonksiyon altındaki görüntüleri bakılarak yeni bir aralık bulunur. Bu işleme aralık belli bir l > 0sayısından küçük olana kadar devam edilirse aranan çözüme ulaşılır Altın oran yöntemi Bir f(x)fonksiyonu [a, b] kapalı aralığında tanımlı ve bu aralıkta f(x) minimum veya maksimum değerini alsın. r2 + r 1 = 0 denkleminin pozitif kökü olan ve yaklaşık değeri r 0, 618 olan sayıya altın oran denir. Her iterasyonda sabit bir oranla aralığın uzunluğu indirgenerek yeni 8

10 nokta çiftleri bulunur. Bu işleme aralık belli bir l > 0 sayısından küçük olana kadar devam edilirse aranan çözüme ulaşılır Yarı aralık (bisection) yöntemi Bir f(x) fonksiyonu [a,b] kapalı aralığında tanımlı ve bu aralıkta f(x) türevlenebilir bir fonksiyon olmak üzere minimum veya maksimum değerini alsın. Bu durumda aralığın orta noktasındaki türev değerine bakılarak yeni aralık tespit edilir. Bu işleme aralık l > 0 sayısından olana kadar devam edilirse aranan çözüme ulaşılır. 4.2 Çok değişkenli fonksiyonlarda yaklaşık çözüm teknikleri Bu başlık altında gradyant ve Newton yöntemlerine yer verilmiştir. Uygulamada yaklaşık çözüm yöntemleri için bilgisayar programlarından yararlanılmaktadır. Örneğin aralığı ikiye bölme ve altın oran algoritması için C++ ve Newton ile gradyant yöntemleri için de Maple matematiksel programlama dilinde yazılan programlar kullanılabilmektedir Gradyant yöntemi Bu yöntem en hızlı artan veya en hızlı azalan yön olarak isimlendirilir. Öncelikle bir başlangıç noktası alınır, daha sonra amaç fonksiyonunu en hızlı geliştiren yönde hareket edilir. Bu yön amaç fonksiyonunun gradyantı ile (eğer amaç fonksiyonu maksimum ise) aynı yönde veya amaç fonksiyonunun gradyantının (eğer amaç fonksiyonu minimum ise) ters yönde olacaktır. Daha sonra gradyant belli bir katı kadar adım atılarak başlangıç noktasına ilave edilir. Fonksiyonun gradyantının normu ɛ > 0 olana kadar iterasyona devam edilerek çözüm bulunur. Özetle gradyant algoritması; 1. Rastgele bir X 0 noktasıyla başla, 2. X 0 da fonksiyon gradyantını hesapla, 3. Gradyan doğrultusunda bir adım atarak yeni bir X 1 noktasına git, 4. (2) ve (3) adımlarını, fonksiyonun gradyantının sıfır olduğu X noktasına kadar tekrarla, şeklindedir. 9

11 4.2.2 Newton yöntemi Gradyan yönteminde amaç fonksiyonunun en hızlı iyileştiği yön olan gradyant yönünde adım atılarak yeni bir nokta bulunurken, Newton yönteminde ise ikinci mertebe koşulları kullanılması suretiyle Newton adımı atılarak yeni bir nokta bulunur. Newton adımı bir lineer denklem sisteminin çözülmesi ile bulunur. 4.3 Kısıtlı optimizasyon Kısıtlı doğrusal olmayan (nonlinear) optimizasyon problemleri, kısıtları eşitlik veya eşitsizlik şeklinde olan problemlerden oluşur. Yöntemler kısıtlılık ve kısıtsızlık hallerine göre geliştirilmiştir. Kısıtlı olanlar için analitik çözüm; kısıtlar eşitlik şeklinde ise lagrange çarpanları yöntemiyle yapılır. Kısıtlar eşitsizlik şeklinde ise Kuhn-Tucker (K-T) koşullarını sağlayacak şekilde çözümler araştırılır Lagrange çarpanları Z min,max = f(x 1, x 2,..., x n ) (1) g i (x) = b i (2) şeklinde verilen kısıtları eşitlik halinde ve değişkenleri serbest olan modelin çözümünde Langrange çarpanları yöntemi kullanılır. Kaya (2012) Yöntemin iki temel varsayımı vardır.(markland ve Sweigart, 1987, s.719 aktaran Kaya (2012)) Kısıtlayıcı fonksiyon sayısı (m), bilinmeyen değişken sayısı (n) sayısından az olmalıdır. Amaç fonksiyonu ve kısıtlar sürekli ve türevleri alınabilen fonksiyonlar olmalıdır. Modelin amaç fonksiyonu ve kısıtlarından oluşan Langrange fonksiyonu aşağıdaki biçimde gösterilir: L(x, λ) = f(x) + λ i [b i g i (x)] (3) λ i değerlerine Langrange çarpanları adı verilir. Langrange fonksiyonun kullanılmasıyla; m kısıtlı problem, m Langrange çarpanlı kısıtsız bir problem haline gelir. Langrange fonksiyonunun optimumu veren sonuç, kısıtları sağlamak zorunda olduğunda orjinal problemin de optimum çözümü olacaktır. Kaya (2012) 10

12 Örnek: Maksimizasyon problemimiz aşağıdaki gibi olsun. 1 Max : Z = 4x x 2 2 (4) kısıt ise: x 1 + 2x 2 = 40 (5) İlk adımda doğrusal olmayan amaç fonksiyonumuzu Langrange fonksiyonuna çevirelim. Bunun için kısıtlama fonksiyonunu da aşağıdaki gibi sıfıra eşit hale getirmek suretiyle dönüştürelim: x 1 + 2x 2 40 = 0 (6) Sonraki adım; Langrange çarpanı λ ile bir önceki sıfıra eşit eşitliğimizi çarpıp amaç fonksiyonuna etkileyelim (bu durumda amaç fonksiyonu değişmemiş olur). L = 4x 1 0.1x x 2 0.2x 2 2 λ(x 1 + 2x 2 40) (7) Şimdi ise 3 değişkenimiz ile ilgili Langrange fonksiyonunun kısmi türevini alalım: L x 1 = 4 0.2x 1 λ (8) L x 2 = 5 0.4x 2 2λ (9) Bu denklemleri sıfıra eşitleyelim: L λ = x 1 2x (10) 4 0.2x 1 λ = 0 (11) 5 0.4x 2 2λ = 0 (12) Denklemler çözüldüğünde aşağıdaki sonuçlar elde edilir: x 1 2x = 0 (13) x 1 = Örneğin tamamı Nonlinear Programming Solution Techniques adlı kitaptan alınmıştır. Anonim 11

13 Şekil 3: Problemin WolframAlpha ile çözülmüş hali ve 3 boyutlu görünümü. şişe üretmeli, kupa üretmeli x 2 = 10.8 λ = 0.33 olur Bu değerleri Langrange fonksiyonunda ilgili yerlere yazdığımızda L değeri $70.42 olacaktır. Yukarıda elle yapılan çözümün bilgisayarda çözülmüş hali: Yukarıdaki optimizasyon problemini bilgisayar yardımı ile manuel çözüme göre daha hızlı ve hatasız çözebiliriz. Çözümün grafiksel gösterimi Şekil 3 de gösterilmiştir. Örnek : Hickory Şirketi sandalye üretmektedir. Her ay sabit maliyetler 7500 $ ayrıca her bir sandalye başına üretim maliyeti 40 $ olmaktadır. Fiyat ise taleple bağlantılı olup aşağıdaki doğrusal denkleme göre ortaya çıkmaktadır. (v üretilecek adet olmak üzere): Anonim v = p (14) 12

14 Şekil 4: Hickory Şirketi için optimal üretim Buna göre doğrusal olmayan kar fonksiyonunu yazın ve maksimum karı sağlayacak fiyat ve optimum üretim adedini ve buna göre çıkacak maksimum karı da hesaplayın: Çözüm: p fiyat olmak üzere kar fonksiyonu hasılat- toplam maliyet olacaktır. Buna göre öncelikle maliyet fonksiyonumuz: c = v (15) olur, hasılat pv değerinden maliyeti çıkaracak olursak: Max.pv ( v) (16) Şimdi bu propbelmde v değerleri yerine v = p denkleminin sağ taraftaki ifadesini koyarak bilinmeyen adedini bire indirelim: Maksimize400p 1.2p p (17) ayrıca kar sıfır olmayacağından kısıt fonksiyonumuz: p > 0 olacaktır. Bu denklemi bilgisayar yardımı ile çözdüğümüzde: p = 146, 66 optimum üretim adedi v = 224 adet ve maksimum kar 2180 $ olacaktır. Çözümün 3 boyutlu grafiksel gösterimi şekil 4 ile gösterilmiştir. 13

15 Şekil 5: Belirsizlik aralığı Doğrudan arama yöntemi Bu yöntemin düşüncesi tanımlanmış optimumu içerdiği bilinen bir belirsizlik aralığını tanımlamak ve optimum bulununcaya kadar aralığı daraltmaktır. Bu aralık başta istenildiği kadar küçük tutulabilir.bu yöntem şekil 5 ile grafiksel olarak gösterilmiştir. Örnek: Aşağıdaki doğrusal olmayan problemi doğrudan arama yöntemi ile çözelim: Çözüm: x L = 0, x R = 3 olsun: x L x x 2 ve x 1 x x R olmalıdır. 3x 0 x 2 Max.f(x) = x x 3 Burada: x 1 x L = x R x 2 ve = x 2 x 1 dir. Bu da: (18) x 1 = x L + x R x L 2 (19) ve x 2 = x L + x R x L + 2 olduğu anlamına gelir. = 0.01 olarak hesap yapılacak olursa sonuçlar 6 ile gösterilmektedir. (20) 14

16 Şekil 6: Doğrudan arama yöntemi ile çözüm Yerine koyma metodu Doğrusal olmayan programlama çözüm metotları içerisinde en kolay metot yerine koyma metodu 2 olarak bilinen metottur. Bu metot ancak tek kısıtlılık eşiği olan durumlarda kullanılır. Bu metodun mantığı değişlenleri birbiri yerine koymak suretiyle çözmektir. Bu kısıtlı optimizasyon modelinin bir nevi kısıtsız optimizasyon modeline dönüşmesi olarak kabul edilebilir.anonim Örnek: Problem: Anonim maksimizez = vp c f vc v (21) kısıt ise: v = p (22) Sabit değerler c f = 10000$vec v = 8$oslun Dikkat edilecek olursa amaç fonksiyonu doğrusal değildir çünkü v (satış adedi) ve p (fiyat) değişkenlerinin çarpanları vardır bu nedenle denklem doğrusal değildir. Şimdi yukarıdaki ilk fonksiyonda v yerine ikinci fonksiyondaki p değerini yazarsak: 2 İngilizce karşılığı substition method 15

17 Z = 1500p 24.6p 2 c f 1500c v pc v (23) c f ve c v sabit değişkenlerini de yerine koyduğumuzda: Z = 16696p 24.6p (24) Bu problemi Z nin diferansiyelini alıp sıfıra eşitleyerek çözeceğiz: Z p = p (25) 0 = p (26) 49.2p = (27) p = 34.49$ (28) Aynı problemin bilgisayar destekli çözümü şekil 7 ile gösterilmiştir. 4.4 Kuhn-Tucker koşulları Bir doğrusal olmayan programlama probleminde, problemin kısıtları eşitsizlik formunda ise bu türden problemlerin çözümü Kuhn-Tucker koşullarını sağlamalıdır. Kısıtları eşitsizlik formunda olan bir doğrusal olmayan programlama problemi aşağıdaki şekilde verilsin: m kısıt ve n değişkenden oluşan bir problemde; Maksimum veya minimum amaç fonksiyonu: z = f(x1, x2,..., xn) Kısıtlar: g1(x1, x2,..., xn) b1g2(x1, x2,..., xn) b2...gm(x1, x2,..., xn) bm şeklinde verilsin. Problemin Lagrange fonksiyonu yazılır ve buna göre Kuhn-Tucker koşulları incelenir. Lagrange fonksiyonu aşağıdaki gibi yazılır: L(x j, λ i ) = f(x j )λ(x j )(j = 1, 2,.., n)ve(i = 1, 2,..., m) Kuhn-Tucker koşullarının uygulanabilmesi için verilen doğrusal olmayan programlama probleminin kısıtlarının şeklinde olması gerekmektedir Winston, (2004). Kuhn-Tucker gerek şartları iki amaç için kullanılır: verilen bir noktanın muhtemel optimum olup olmadığını kontrol etmede aday minimum noktaların tespitinde kullanılır Kuhn-Tucker 1. derece gerek şartları ile ilgili önemli bazı özellikler aşağıda verilmiştir: 16

18 Şekil 7: Problemin bilgisayar destekli çözümü-optimal değer işaretlenmiştir 17

19 K-T şartları ancak regular (düzenli) noktada uygulanır. K-T şartlarını sağlamayan noktalar, eğer irregular (düzensiz) noktalar değilse lokal minimum olamazlar. K-T şartlarını sağlayan noktalar Kuhn-Tucker noktaları olara adlandırılır. K-T şartlarını sağlayan noktalar kısıtlı veya kısıtsız olabilir. Eğer eşitlik kısıtlayıcı varsa ve eşitliksiz kısıtlayıcıların hiçbiri aktif değilse K-T şartlarını sağlayan bu noktalar stationary noktalardır. Yani bu noktalar minimum maksimum veya dönüm noktaları olabilir. Kaynaklar Anonim. Nonlinear Programming Solution Techniques. Anonim. pages 1 8, 2013a. Anonim. Optimizasyon-vikipedia, b. URL Anonim. Dogrusal programlama-vikipedia, c. URL Anonim. Linear programming-wolfram mathworld, d. URL Mordecai Avriel. Nonlinear programming: analysis and methods. Courier Dover Publications, MC Bartholomew-Biggs. Nonlinear optimization with financial applications, volume Gerard Cornuejols and R Tutuncu. Optimization methods in finance. Number January George Bernard Dantzig. Linear programming and extensions. Princeton university press, J. Dutta. Optimization Theory - A Modern face of Applied Mathematics. Havacılık Mühendisliği Bölümü İstanbul Türkiye Hacıoğlu, Abdurahman; Hava Harp Okulu. Doğrusal olmayan optimizasyon problemleri için taşınır algoritmik fonksiyonlar yöntemi. Havacılık ve Uzay Teknolojileri Dergisi, 5(1):1, ISSN Cansın Kaya. Doğrtusal olmayan programlama ile portföy analizi, Ocak Yuksek Lisans Tezi. 18

20 RM Meyer. Max-Min Problems. Essential Mathematics for Applied Fields, pages 1 8, URL S. S. Rao. Engineering Optimization: Theory and Practice, Fourth Edition. John Wiley and Sons, Inc., H. Yamashita. A Differential Equation Approach to Nonlinear Programming. Mathematical Programming, cilt 18, s,

EM302 Yöneylem Araştırması 2 Doğrusal Olmayan Programlamaya Giriş. Dr. Özgür Kabak

EM302 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

Detaylı

TRAKYA 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 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

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

DOĞRUSAL 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

Detaylı

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 Bölüm 2 STATİK DENGE ANALİZİ 19 2.1 İktisatta Denge Kavramı 20 2.1.1.

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

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN

Mühendislikte 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

Detaylı

Şimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak

Şimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak 10.Konu İç çarpım uzayları ve özellikleri 10.1. ve üzerinde uzunluk de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor teoreminden dir. 1.Ö.: [ ] ise ( ) ( ) ve ( ) noktaları gözönüne alalım.

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 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

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 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

Detaylı

Prof.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr

Prof.Dr. ÜNAL ERKAN MUMCUOĞLU. merkan@metu.edu.tr Ders Bilgisi Ders Kodu 9060528 Ders Bölüm 1 Ders Başlığı BİLİŞİM SİSTEMLERİ İÇİN MATEMATİĞİN TEMELLERİ Ders Kredisi 3 ECTS 8.0 Katalog Tanımı Ön koşullar Ders saati Bu dersin amacı altyapısı teknik olmayan

Detaylı

VEKTÖR UZAYLARI 1.GİRİŞ

VEKTÖR UZAYLARI 1.GİRİŞ 1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 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

Detaylı

MATEMATiKSEL iktisat

MATEMATiKSEL iktisat DİKKAT!... BU ÖZET 8 ÜNİTEDİR BU- RADA İLK ÜNİTE GÖSTERİLMEKTEDİR. MATEMATiKSEL iktisat KISA ÖZET KOLAY AOF Kolayaöf.com 0362 233 8723 Sayfa 2 içindekiler 1.ünite-Türev ve Kuralları..3 2.üniteTek Değişkenli

Detaylı

Kimya Mühendisliğinde Uygulamalı Matematik

Kimya Mühendisliğinde Uygulamalı Matematik Fen Bilimleri Enstitüsü Kimya Mühendisliği Anabilim Dalı Kimya Mühendisliğinde Uygulamalı Matematik DERS BİLGİ FORMU DERS BİLGİLERİ Dersin Adı Kodu Yarıyıl Kimya Mühendisliğinde Uygulamalı Matematik T

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

İktisat bilimi açısından optimizasyon, amacımıza en uygun olan. seçeneğin belirlenmesidir. Örneğin bir firmanın kârını

İktisat bilimi açısından optimizasyon, amacımıza en uygun olan. seçeneğin belirlenmesidir. Örneğin bir firmanın kârını OPTİMİZASYON İktisat bilimi açısından optimizasyon, amacımıza en uygun olan seçeneğin belirlenmesidir. Örneğin bir firmanın kârını maksimize edecek olan üretim miktarının belirlenmesi; bir bireyin toplam

Detaylı

Prof.Dr.Ünal Ufuktepe

Prof.Dr.Ünal Ufuktepe İzmir Ekonomi Üniversitesi, Matematik Bölümü 21 Ocak 2012 KLASİK ANLAMDA TÜREV Fiziğin en temel işlevlerinden biri hareketi tanımlamaktır. Newton ve Leibniz hareketi tanımlama ve tahmin etme konusunda

Detaylı

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011

Sembolik Programlama1. Gün. Sembolik Programlama. 20 Eylül 2011 Sembolik Programlama 1. Gün Şenol Pişkin 20 Eylül 2011 Sunum Kapsamı MuPAD İçerik Başlangıç 1. Bölüm: Cebirsel işlemler 2. Bölüm: Denklem çözümleri MuPAD Kısaca MuPAD Bilgisi ve Tarihçesi MuPAD Diğer Araçlar

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 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

Detaylı

Cebirsel Fonksiyonlar

Cebirsel Fonksiyonlar Cebirsel Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 4 Amaçlar Bu üniteyi çalıştıktan sonra; polinom, rasyonel ve cebirsel fonksiyonları tanıyacak ve bu türden bazı fonksiyonların grafiklerini öğrenmiş

Detaylı

Algoritma ve Akış Diyagramları

Algoritma ve Akış Diyagramları Algoritma ve Akış Diyagramları Bir problemin çözümüne ulaşabilmek için izlenecek ardışık mantık ve işlem dizisine ALGORİTMA, algoritmanın çizimsel gösterimine ise AKIŞ DİYAGRAMI adı verilir 1 Akış diyagramları

Detaylı

Şekil 7.1 Bir tankta sıvı birikimi

Şekil 7.1 Bir tankta sıvı birikimi 6 7. DİFERENSİYEL DENKLEMLERİN SAYISAL ÇÖZÜMLERİ Diferensiyel denklemlerin sayısal integrasyonunda kullanılabilecek bir çok yöntem vardır. Tecrübeler dördüncü mertebe (Runge-Kutta) yönteminin hemen hemen

Detaylı

İÇİNDEKİLER. Bölüm 2 CEBİR 43

İÇİNDEKİLER. Bölüm 2 CEBİR 43 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 13 1.1 Doğal Sayılar 15 1.1.1. Tek ve Çift Sayılar 15 1.1.2. Asal Sayılar 15 1.1.3 Doğal Sayıların Özellikleri 15 1.1.4 Doğal Sayılarda Özel Toplamlar 16 1.1.5. Faktöriyel

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 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

Detaylı

Maksimizasyon s.t. İşçilik, saat) (Kil, kg)

Maksimizasyon s.t. İşçilik, saat) (Kil, kg) Simplex ile Çözüm Yöntemi Doç. Dr. Fazıl GÖKGÖZ 1 Doğrusal Programlama Modeli Maksimizasyon s.t. İşçilik, saat) (Kil, kg) 2 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 1 Modelin Standard Hali Maksimizasyon

Detaylı

Bu Cennet Vatan için Şehit Düşenlere İthafen

Bu Cennet Vatan için Şehit Düşenlere İthafen ÖNSÖZ Optimizasyon Teorisinin mühendislik, üretim, işletme, ekonomi, haberleşme, ulaştırma, sanayi gibi pek çok alanda uygulanması, YA nı vazgeçilmez kılmıştır. Özellikle bilgisayarların yaygın bir kullanım

Detaylı

BULANIK 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 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

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206 99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE

Detaylı

Uzayda iki doğrunun ortak dikme doğrusunun denklemi

Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda verilen d 1 ve d aykırı doğrularının ikisine birden dik olan doğruya ortak dikme doğrusu denir... olmak üzere bu iki doğru denkleminde değilse

Detaylı

5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR

5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR 5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR ÖZEL BÜYÜKÇEKMECE ÇINAR KOLEJİ 19 Mayıs Mah. Bülent Ecevit Cad. Tüyap Yokuşu

Detaylı

11.Konu Tam sayılarda bölünebilme, modüler aritmetik, Diofant denklemler

11.Konu Tam sayılarda bölünebilme, modüler aritmetik, Diofant denklemler 11.Konu Tam sayılarda bölünebilme, modüler aritmetik, Diofant denklemler 1. Asal sayılar 2. Bir tam sayının bölenleri 3. Modüler aritmetik 4. Bölünebilme kuralları 5. Lineer modüler aritmetik 6. Euler

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 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

Detaylı

DOĞRUSAL PROGRAMLAMA TEKNİĞİ İLE KÖMÜR DAĞITIM OPTİMİZASYONU COAL DISTRIBUTION OPTIMIZATION BY UTILIZING LINEAR PROGRAMMING

DOĞRUSAL PROGRAMLAMA TEKNİĞİ İLE KÖMÜR DAĞITIM OPTİMİZASYONU COAL DISTRIBUTION OPTIMIZATION BY UTILIZING LINEAR PROGRAMMING Eskişehir Osmangazi Üniversitesi Müh.Mim.Fak.Dergisi C.XX, S.1, 2007 Eng&Arch.Fac. Eskişehir Osmangazi University, Vol..XX, No:1, 2007 Makalenin Geliş Tarihi : 17.02.2006 Makalenin Kabul Tarihi : 16.11.2006

Detaylı

DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI

DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI DARÜŞŞAFAKA LİSESİ SALİH ZEKİ LİSE ÖĞRENCİLERİ ARASI MATEMATİK PROJELERİ YARIŞMASI PROJE ADI: TÜRKİYE DEKİ GELECEKTEKİ DOKTOR İHTİYACINI YÖNEYLEM ARASTIRMASI İLE BELİRLEMEK MEV KOLEJİ BASINKÖY OKULLARI

Detaylı

Derece Bölüm/Program Üniversite Yıl

Derece Bölüm/Program Üniversite Yıl DR. ALI S. NAZLIPINAR Dumlupınar Üniversitesi, Fen Ed. Fakültesi Matematik Bölümü, Kütahya, TÜRKİYE ali.nazlipinar@dpu.edu.tr Tel: +90 274 2652031 /3065 (Dahili) Öğrenim Durumu Derece Bölüm/Program Üniversite

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

HEDEF ARA ve ÇÖZÜCÜ HEDEF ARA

HEDEF ARA ve ÇÖZÜCÜ HEDEF ARA HEDEF ARA ve ÇÖZÜCÜ HEDEF ARA Hedef ara komutu bir fonksiyonun tersinin bulunmasında kullanılır. Hedef ara işlemi, y=f(x) gibi bir fonksiyonda y değeri verildiğinde x değerinin bulunmasıdır. Bu işlem,

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk

Detaylı

ÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER

ÜNİTE. MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI İÇİNDEKİLER HEDEFLER DOĞRULAR VE PARABOLLER HEDEFLER İÇİNDEKİLER DOĞRULAR VE PARABOLLER Birinci Dereceden Polinom Fonksiyonlar ve Doğru Doğru Denklemlerinin Bulunması İkinci Dereceden Polinom Fonksiyonlar ve Parabol MATEMATİK-1 Yrd.Doç.Dr.Ömer TARAKÇI

Detaylı

BÖLÜM 1: MADDESEL NOKTANIN KİNEMATİĞİ

BÖLÜM 1: MADDESEL NOKTANIN KİNEMATİĞİ BÖLÜM 1: MADDESEL NOKTANIN KİNEMATİĞİ 1.1. Giriş Kinematik, daha öncede vurgulandığı üzere, harekete sebep olan veya hareketin bir sonucu olarak ortaya çıkan kuvvetleri dikkate almadan cisimlerin hareketini

Detaylı

BÖLÜM 4: MADDESEL NOKTANIN KİNETİĞİ: İMPULS ve MOMENTUM

BÖLÜM 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

Detaylı

Özyineleme (Recursion)

Özyineleme (Recursion) C PROGRAMLAMA Özyineleme (Recursion) Bir fonksiyonun kendisini çağırarak çözüme gitmesine özyineleme (recursion), böyle çalışan fonksiyonlara da özyinelemeli (recursive) fonksiyonlar denilir. Özyineleme,

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

OYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü

OYUN TEORİSİ. Özlem AYDIN. Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü OYUN TEORİSİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü TANIM ''Oyun Teorisi'', iki yada daha fazla rakibi belirli kurallar altında birleştirerek karşılıklı olarak çelişen olasılıklar

Detaylı

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU

ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ULUSLARARASI ANTALYA ÜNİVERSİTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ DERS KATALOĞU ZORUNLU DERSLER IE 201 - Operasyon Modelleme Karar vermedeki belirsizlik rolü de dahil olmak üzere işletme kararlarının matematiksel

Detaylı

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14 ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI Analiz Cilt 2 Ünite 8-14 T.C. ANADOLU ÜNİVERSİTESİ YAYINLARI NO: 1082 AÇIKÖĞRETİM FAKÜLTESİ YAYINLARI NO: 600

Detaylı

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI Konu Başlıkları Lineer Denklem Sistemlerinin Çözümü İntegral ve Türev İntegral (Alan) Türev (Sayısal Fark ) Diferansiyel Denklem çözümleri Denetim Sistemlerinin

Detaylı

8.Konu Vektör uzayları, Alt Uzaylar

8.Konu Vektör uzayları, Alt Uzaylar 8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye

Detaylı

FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2015-2016 YAZ OKULU DERS İÇERİĞİ. (Mühendislik Fakültesi Bütün Bölümler, Fen Fakültesi Kimya ve Astronomi Bölümleri)

FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2015-2016 YAZ OKULU DERS İÇERİĞİ. (Mühendislik Fakültesi Bütün Bölümler, Fen Fakültesi Kimya ve Astronomi Bölümleri) Bölümü Dersin Kodu ve Adı K MAT101 Genel I (Mühendislik Fakültesi Bütün Bölümler, Fen Fakültesi Kimya ve Astronomi Bölümleri) 1- Kümeler, reel sayılar, bir denklem veya eşitsizliğin grafiği 2- Fonksiyonlar,

Detaylı

4.3. Türev ile İlgili Teoremler

4.3. Türev ile İlgili Teoremler 4.. Türev ile İlgili Teoremler Bu kesimde ortalama değer teoremini vereceğiz. Ortalama değer teoremini ispatlarken kullanılacak olan Fermat teoremini ve diğer bazı teoremleri ispat edeceğiz. 4...Teorem

Detaylı

İNSANSIZ HAVA ARACI PERVANELERİNİN TASARIM, ANALİZ VE TEST YETENEKLERİNİN GELİŞTİRİLMESİ

İNSANSIZ HAVA ARACI PERVANELERİNİN TASARIM, ANALİZ VE TEST YETENEKLERİNİN GELİŞTİRİLMESİ IV. ULUSAL HAVACILIK VE UZAY KONFERANSI 12-14 Eylül 212, Hava Harp Okulu, İstanbul İNSANSIZ HAVA ARACI PERVANELERİNİN TASARIM, ANALİZ VE TEST YETENEKLERİNİN GELİŞTİRİLMESİ Oğuz Kaan ONAY *, Javid KHALILOV,

Detaylı

7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım;

7. BÖLÜM İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI İÇ ÇARPIM UZAYLARI .= 1 1 + + Genel: Vektörler bölümünde vektörel iç çarpım; İÇ ÇARPIM UZAYLARI 7. BÖLÜM İÇ ÇARPIM UZAYLARI Genel: Vektörler bölümünde vektörel iç çarpım;.= 1 1 + + Açıklanmış ve bu konu uzunluk ve uzaklık kavramlarını açıklamak için kullanılmıştır. Bu bölümde öklit

Detaylı

Bulanık Mantık Denetleyicileri

Bulanık Mantık Denetleyicileri Bulanık Mantık Denetleyicileri Bulanık Çıkarım BULANIK ÇIKARIM İki-değerli mantık Çok-değerli mantık Bulanık mantık Bulanık kurallar Bulanık çıkarım Bulanık anlamlandırma Bulanık Çıkarım İki-değerli mantık

Detaylı

KESİN PROJE RAPORU PROJENİN ADI PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ DANIŞMAN ÖĞRETMEN

KESİN PROJE RAPORU PROJENİN ADI PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ DANIŞMAN ÖĞRETMEN KESİN PROJE RAPORU PROJENİN ADI HANGİ ADAYI SEÇELİM? PROJEYİ HAZIRLAYANLAR BABÜR NEDİM ÇAĞATAY OKUL ADI VE ADRESİ ÖZEL KÜLTÜR FEN LİSESİ ATAKÖY 9.-10. KISIM, 34156 BAKIRKÖY - İSTANBUL DANIŞMAN ÖĞRETMEN

Detaylı

30 NİSAN-14 MAYIS ZEYNEP KAYAR. 1) L : R 3 R 2, L(x 1, x 2, x 3 ) = ( 3x 1 + 2x 3 4x 2, 2x 1 + x 2 3x 3 )

30 NİSAN-14 MAYIS ZEYNEP KAYAR. 1) L : R 3 R 2, L(x 1, x 2, x 3 ) = ( 3x 1 + 2x 3 4x 2, 2x 1 + x 2 3x 3 ) 3 NİSAN-4 MAYIS ZEYNEP KAYAR MATEMATİK BÖLÜMÜ LİNEER CEBİR-II DERSİ ÖDEV 4 Soru I: Aşağıda verilen dönüşümlerin lineer olup olmadığını gösteriniz. ) L : R 3 R, L(x, x, x 3 ) = ( 3x + x 3 4x 4, x + x 3x

Detaylı

Türev Uygulamaları. 4.1 Bağımlı Hız

Türev Uygulamaları. 4.1 Bağımlı Hız Bölüm 4 Türev Uygulamaları 4.1 Bağımlı Hız Eğer bir balonun içine hava pompalarsak, balonun hem yarıçapı hem de hacmi artar ve artış hızları birbirine bağımlıdır. Fakat, hacmin artış hızını doğrudan ölçmek

Detaylı

Çözümlemeleri" adlı yüksek lisans tezini başarıyla tamamlayarak 2001'de mezun oldu.

Çözümlemeleri adlı yüksek lisans tezini başarıyla tamamlayarak 2001'de mezun oldu. Dersi Veren Öğretim Üyesi: Doç. Dr. Mehmet KORKMAZ Özgeçmişi Mehmet KORKMAZ, 1975 yılında Malatya da doğdu. İlkokul, ortaokul ve liseyi memleketi olan Isparta da tamamladı. 1996 yılında İ.Ü. Orman Fakültesi,

Detaylı

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

Detaylı

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu

Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Endüstri Mühendisliği Tezli Yüksek Lisans Dersler Tablosu Zorunlu Dersler Ders Kodu Ders Adı Teorik Uygulama Toplam AKTS IENG540 Optimizasyon Modelleri ve Algoritmalar 3 0 3 8 IENG560 Olasılıksal Analiz

Detaylı

Üstel ve Logaritmik Fonksiyonlar

Üstel ve Logaritmik Fonksiyonlar Üstel ve Logaritmik Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 5 Amaçlar Bu üniteyi çalıştıktan sonra; üstel ve logaritmik fonksiyonları tanıyacak, üstel ve logaritmik fonksiyonların grafiklerini

Detaylı

Öğr. Gör. Barış Alpaslan

Öğr. Gör. Barış Alpaslan Dersin Adı DERS ÖĞRETİM PLANI Matematik I Dersin Kodu ECO 05/04 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 5 Haftalık Ders Saati 3 Haftalık

Detaylı

13. Karakteristik kökler ve özvektörler

13. Karakteristik kökler ve özvektörler 13. Karakteristik kökler ve özvektörler 13.1 Karakteristik kökler 1.Tanım: A nxn tipinde matris olmak üzere parametrisinin n.dereceden bir polinomu olan şeklinde gösterilen polinomuna A matrisin karakteristik

Detaylı

(14) (19.43) de v yi sağlayan fonksiyona karşılık gelen u = F v fonksiyonunun ikinci türevi sürekli, R de 2π periodik ve

(14) (19.43) de v yi sağlayan fonksiyona karşılık gelen u = F v fonksiyonunun ikinci türevi sürekli, R de 2π periodik ve nin her g L 2 (S için tek çözümünüm olması için gerekli ve yeterli koşulun her j için λ λ j olacak biçimde λ j ifadesini sağlayan R \ {} de bir λ j dizisinin olduğunu gösteriniz. (13) Her λ j için (19.43)

Detaylı

İbrahim Küçükkoç Arş. Gör.

İbrahim Küçükkoç Arş. Gör. Doğrusal Programlamada Karışım Problemleri İbrahim Küçükkoç Arş. Gör. Balikesir Üniversitesi Endüstri Mühendisliği Bölümü Mühendislik-Mimarlık Fakültesi Çağış Kampüsü 10145 / Balıkesir 0 (266) 6121194

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Kompleks Matematik EEE203 3 3+0 3 4

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Kompleks Matematik EEE203 3 3+0 3 4 DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Kompleks Matematik EEE203 3 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu / Yüz Yüze Dersin

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI BÜTÜNLEME PROGRAMI

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI BÜTÜNLEME PROGRAMI II. YARIYIL Soyut Matematik II Mat. 1. Grup Prof.Dr.A.FIRAT 22.06.2015 15:00-16:30 C 012, C 013 Mathematics II Mat. 1. Grup Prof.Dr.İ.ÇANAK 23.06.2015 15:00-16:30 C 012, C 013 Bilgisayar (A Grubu) Mat.

Detaylı

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI FİNAL PROGRAMI

EGE ÜNİVERSİTESİ FEN FAKÜLTESİ MATEMATİK BÖLÜMÜ 2014-2015 ÖĞRETİM YILI BAHAR YARIYILI FİNAL PROGRAMI II. YARIYIL Soyut Matematik II Mat. 1. Grup Prof.Dr.A.FIRAT 01.06.2015 08:30-10:00 C 012, C 013, C 118, C 119 Mathematics II Mat. 1. Grup Prof.Dr.İ.ÇANAK 10.06.2015 15:00-16:30 C 117, C 118, C 119, C 013

Detaylı

YAŞAR ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ENDÜSTRİ MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI

YAŞAR ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ENDÜSTRİ MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI YAŞAR ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ENDÜSTRİ MÜHENDİSLİĞİ YÜKSEK LİSANS PROGRAMI Mevcut Program: TEZLİ YÜKSEK LİSANS PROGRAMI 1.Dönem 2.Dönem 521 Doğrusal Eniyileme ve Ağ Modelleri 2-2-3 10 524

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

1.GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G. vardır. 3) a G için denir) vardır.

1.GRUPLAR. c (Birleşme özelliği) sağlanır. 2) a G için a e e a a olacak şekilde e G. vardır. 3) a G için denir) vardır. 1.GRUPLAR Tanım 1.1. G boş olmayan bir küme ve, G de bir ikili işlem olsun. (G, ) cebirsel yapısına aşağıdaki aksiyomları sağlıyorsa bir grup denir. 1) a, b, c G için a ( b c) ( a b) c (Birleşme özelliği)

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Lineer Cebir ve Vektörler EEE118 2 3+0 3 4

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Lineer Cebir ve Vektörler EEE118 2 3+0 3 4 DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Lineer Cebir ve Vektörler EEE118 2 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu / Yüz Yüze

Detaylı

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7 Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required

Detaylı

YATAY UÇUŞ SEYAHAT PERFORMANSI (CRUISE PERFORMANCE)

YATAY UÇUŞ SEYAHAT PERFORMANSI (CRUISE PERFORMANCE) YATAY UÇUŞ SEYAHAT PERFORMANSI (CRUISE PERFORMANCE) Yakıt sarfiyatı Ekonomik uçuş Yakıt maliyeti ile zamana bağlı direkt işletme giderleri arasında denge sağlanmalıdır. Özgül Yakıt Sarfiyatı (Specific

Detaylı

matematik LYS SORU BANKASI KONU ÖZETLERİ KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ Süleyman ERTEKİN Öğrenci Kitaplığı

matematik LYS SORU BANKASI KONU ÖZETLERİ KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ Süleyman ERTEKİN Öğrenci Kitaplığı matematik SORU BANKASI Süleyman ERTEKİN LYS KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ KONU ÖZETLERİ Öğrenci Kitaplığı SORU BANKASI matematik LYS EDAM Öğrenci Kitaplığı 18 EDAM ın yazılı izni olmaksızın,

Detaylı

Türev Uygulamaları ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

Türev Uygulamaları ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV Türev Uygulamaları Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 10 Amaçlar Bu üniteyi çalıştıktan sonra; türev kavramı yardımı ile fonksiyonun monotonluğunu, ekstremum noktalarını, konvekslik ve konkavlığını, büküm

Detaylı

10.Konu Tam sayıların inşası

10.Konu Tam sayıların inşası 10.Konu Tam sayıların inşası 1. Tam sayılar kümesi 2. Tam sayılar kümesinde toplama ve çarpma 3. Pozitif ve negatif tam sayılar 4. Tam sayılar kümesinde çıkarma 5. Tam sayılar kümesinde sıralama 6. Bir

Detaylı

Dr. Gönül Kemikler İ. Ü. Onkoloji Enstitüsü

Dr. Gönül Kemikler İ. Ü. Onkoloji Enstitüsü Dr. Gönül Kemikler İ. Ü. Onkoloji Enstitüsü Radyoaktif kaynakların Vücut boşluklarına Tümörün içine Tümörün yakınına kalıcı geçici olarak yerleştirilerek yapılan bir yakın mesafe tedavisidir. X.Ulusal

Detaylı

T.C. MALTEPE ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ MATEMATİK LİSANS PROGRAMI. 2013-14 Güz Yarıyılı. 1 yıl 1. yarıyıl Lisans Zorunlu

T.C. MALTEPE ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ MATEMATİK LİSANS PROGRAMI. 2013-14 Güz Yarıyılı. 1 yıl 1. yarıyıl Lisans Zorunlu AKTS Kredisi 5 T.C. MALTEPE ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ MATEMATİK LİSANS PROGRAMI Dersin adı: 2013-14 Güz Yarıyılı Genel Matematik I Dersin Kodu emat 151 1 yıl 1. yarıyıl Lisans Zorunlu 3 s/hafta

Detaylı

İÇİNDEKİLER İÇİNDEKİLER KODLAB

İÇİNDEKİLER İÇİNDEKİLER KODLAB İÇİNDEKİLER IX İÇİNDEKİLER 1 GİRİŞ 1 Kitabın Amacı 1 Algoritmanın Önemi 2 Bilgisayarın Doğuşu ve Kullanım Amaçları 3 Programlama Dili Nedir? 3 Entegre Geliştirme Ortamı (IDE) Nedir? 4 2 ALGORİTMA VE AKIŞ

Detaylı

Yrd. Doç. Dr.Yiğit Aksoy

Yrd. Doç. Dr.Yiğit Aksoy Yrd. Doç. Dr.Yiğit Aksoy ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Celal Bayar Üniversitesi Makine Mühendisliği 00 Y. Lisans Celal Bayar Üniversitesi Makine Mühendisliği 00 Doktora Celal

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

GRAFİK ÇİZİMİ VE UYGULAMALARI 2

GRAFİK ÇİZİMİ VE UYGULAMALARI 2 GRAFİK ÇİZİMİ VE UYGULAMALARI 2 1. Verinin Grafikle Gösterilmesi 2 1.1. İki Değişkenli Grafikler 3 1.1.1. Serpilme Diyagramı 4 1.1.2. Zaman Serisi Grafikleri 5 1.1.3. İktisadi Modellerde Kullanılan Grafikler

Detaylı

2015 2016 BAHAR YARIYILI İKTİSADİ MATEMATİK VİZE SORU VE CEVAPLARI 1) Bir mala ait arz ve talep fonksiyonları aşağıdaki gibidir:

2015 2016 BAHAR YARIYILI İKTİSADİ MATEMATİK VİZE SORU VE CEVAPLARI 1) Bir mala ait arz ve talep fonksiyonları aşağıdaki gibidir: 2015 2016 BAHAR YARIYILI İKTİSADİ MATEMATİK VİZE SORU VE CEVAPLARI 1) Bir mala ait arz ve talep fonksiyonları aşağıdaki gibidir: a) Bu malın arz ve talep denklemlerinin grafiklerini çiziniz (5 puan) (DÖÇ.1-).

Detaylı

Buna göre, eşitliği yazılabilir. sayılara rasyonel sayılar denir ve Q ile gösterilir. , -, 2 2 = 1. sayıdır. 2, 3, 5 birer irrasyonel sayıdır.

Buna göre, eşitliği yazılabilir. sayılara rasyonel sayılar denir ve Q ile gösterilir. , -, 2 2 = 1. sayıdır. 2, 3, 5 birer irrasyonel sayıdır. TEMEL KAVRAMLAR RAKAM Bir çokluk belirtmek için kullanılan sembollere rakam denir. 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 sembolleri birer rakamdır. 2. TAMSAYILAR KÜMESİ Z = {..., -3, -2, -1, 0, 1, 2, 3, 4,... }

Detaylı

ZAMAN SKALASINDA LİNEER OLMAYAN İNTEGRAL EŞİTSİZLİKLERİ. YÜKSEK LİSANS TEZİ Hakan TEMİZ. Danışman Doç. Dr. Mustafa Kemal YILDIZ

ZAMAN SKALASINDA LİNEER OLMAYAN İNTEGRAL EŞİTSİZLİKLERİ. YÜKSEK LİSANS TEZİ Hakan TEMİZ. Danışman Doç. Dr. Mustafa Kemal YILDIZ ZAMAN SKALASINDA LİNEER OLMAYAN İNTEGRAL EŞİTSİZLİKLERİ YÜKSEK LİSANS TEZİ Hakan TEMİZ Danışman Doç. Dr. Mustafa Kemal YILDIZ MATEMATİK ANABİLİM DALI Haziran, 2014 AFYON KOCATEPE ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

EM205 26/9/2014. Programlamaya giriş Algoritmalar. Amaçlar

EM205 26/9/2014. Programlamaya giriş Algoritmalar. Amaçlar EM205 26/9/2014 Programlamaya giriş Algoritmalar Temel kavramlar Algoritmalar Amaçlar Algoritma kavramını öğrenmek, Algoritmaları ifade edebilmek, Temel matematiksel algoritmaları yazabilmek C programlama

Detaylı

mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar

mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar Algoritma ve Programlamaya Giriş mustafacosar@hitit.edu.tr http://web.hitit.edu.tr/mustafacosar İçerik Algoritma Akış Diyagramları Programlamada İşlemler o o o Matematiksel Karşılaştırma Mantıksal Programlama

Detaylı

yöneylem araştırması Nedensellik üzerine diyaloglar I

yöneylem 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

Detaylı

Regresyon ve İnterpolasyon. Rıdvan YAKUT

Regresyon ve İnterpolasyon. Rıdvan YAKUT Regresyon ve İnterpolasyon Rıdvan YAKUT Eğri Uydurma Yöntemleri Regresyon En Küçük Kareler Yöntemi Doğru Uydurma Polinom Uydurma Üstel Fonksiyonlara Eğri Uydurma İnterpolasyon Lagrange İnterpolasyonu (Polinomal

Detaylı

OTOMATİK KONTROL SİSTEMLERİ İŞARET AKIŞ DİYAGRAMLARI SIGNAL FLOW GRAPH

OTOMATİK KONTROL SİSTEMLERİ İŞARET AKIŞ DİYAGRAMLARI SIGNAL FLOW GRAPH OTOMATİK KONTROL SİSTEMLERİ İŞARET AKIŞ DİYAGRAMLARI SIGNAL FLOW GRAPH İŞARET AKIŞ DİYAGRAMLARI İşaret akış diyagramları blok diyagramlara bir alternatiftir. Fonksiyonel bloklar, işaretler, toplama noktaları

Detaylı

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak GAMS Giriş GAMS (The General Algebraic Modeling System) matematiksel proglamlama ve optimizasyon için tasarlanan yüksek seviyeli bir dildir. Giriş dosyası:

Detaylı

2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ

2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ 2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ YGS sonrası adayları puan getirisinin daha çok olan LYS ler bekliyor. Kalan süre içinde adayların girecekleri testlere kaynaklık eden derslere sabırla çalışmaları

Detaylı

Projenin Adı: Metalik Oranlar ve Karmaşık Sayı Uygulamaları

Projenin Adı: Metalik Oranlar ve Karmaşık Sayı Uygulamaları Projenin Adı: Metalik Oranlar ve Karmaşık Sayı Uygulamaları Projenin Amacı: Metalik Oranların elde edildiği ikinci dereceden denklemin diskriminantını ele alarak karmaşık sayılarla uygulama yapmak ve elde

Detaylı

MB5002 NÜMERİK ANALİZ

MB5002 NÜMERİK ANALİZ MB500 NÜMERİK ANALİZ Ders Notları Yrd. Doç. Dr. Emel YAVUZ DUMAN İstanbul Kültür Üniversitesi Matematik-Bilgisayar Bölümü c 01, Emel Yavuz Duman Tüm hakkı saklıdır. Bu notlar Örgün Öğretimde Uzaktan Öğretim

Detaylı

OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI

OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI A. Doğan 1 M. Alçı 2 Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 1 ahmetdogan@erciyes.edu.tr 2 malci@erciyes.edu.tr

Detaylı

Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu

Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Üstel Öğrenme ve Genel Bozulma Etkili Akış Tipi Çizelgeleme Problemi: Maksimum Tamamlanma Zamanı Minimizasyonu Tamer Eren Kırıkkale Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 71451,

Detaylı

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE VE İMALAT MÜHENDİSLİĞİ BÖLÜMÜ

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE VE İMALAT MÜHENDİSLİĞİ BÖLÜMÜ BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE VE İMALAT MÜHENDİSLİĞİ BÖLÜMÜ MÜHENDİSLİKTE DENEYSEL METOTLAR II ZAMANA BAĞLI ISI İLETİMİ 1.Deneyin Adı: Zamana bağlı ısı iletimi. 2. Deneyin

Detaylı