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

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

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

2 Optimizasyon?

3 Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir. Verilen şartlar altında en iyi sonucun elde edilmesi işidir. Matematiksel olarak ifade etmek gerekirse kısaca bir fonksiyonun minimize veya maksimize edilmesi amacıyla olarak tanımlanabilir. Gerçek ya da tamsayı değerlerini tanımlı bir aralıkta seçip fonksiyona yerleştirerek sistematik olarak bir problemi incelemek ya da çözmek.

4 Optimizasyon Nedir? Bir sistemin planlanmasında hedef, istenen karı maksimize yada gerekli çabayı minimize etmektir. İstenen kar veya gerekli çaba, karar değişkenlerinin bir fonksiyonu olarak ifade edilir. Optimizasyon sürecinde bu fonksiyonun minimum veya maksimum değerini oluşturan şartlar bulunur.

5 Optimizasyon Nedir? Bir işin yapılmış olması demek, o işin en iyi şekilde yapıldığı anlamına gelmez. Optimizasyon teknikleri, yapılmış veya yapılmakta olan işin en iyi çözümünü ortaya koymak için kullanılır. Bu teknikler kullanılarak ortaya konulmuş olan çözüm, Optimum Çözüm olarak adlandırılır. Hedef her zaman için bu optimum çözümü yakalayabilmektir

6 Optimizasyon Nedir? Optimizasyon problemlerinde genellikle daha az hesaplamalar yaparak en iyi çözümün bulunması üzerinde durulmaktadır.

7 Optimizasyon Nedir? Optimizasyon Problemlerinin Sınıflandırılması f(x) fonksiyonunda x değerinin durumuna göre; Sınırlamasız optimizasyon Sınırlamalı optimizasyon

8 Optimizasyon Nedir? Bir optimizasyon problemi şu kısımlardan oluşur; Optimizasyon değişkeni: Optimizasyon değişkenlerinin tanımlanması Amaç fonksiyonu: Yapılmak istenen optimizasyonu tanımlayan fonksiyon Kısıt fonksiyonu: Değişkenin max yada min olması konusunda önüne çıkan engeller.

9 Optimizasyon Nedir? Örnek Aşağıdaki optimizasyon probleminde hedef fonksiyonu minimum yapan değeri bulunuz. f(x) = (x ) 2 + ( x 2 1.5) 2 g 1 (x) = x 1 + x 2 2 <= 0 g 2 (x) = -x 1 < 0 g 3 (x) = -x 2 < 0

10 Genetik Algoritmalar

11 Genetik Algoritmalar Genetik bilimine dayanan bir optimizasyon tekniğidir. Temel ilkeleri John Holland tarafından ortaya atılmıştır. Holland bu konuda ilk çalışmalarının sonucunda Adaptation in Natural and Artificial Systems isimli kitabını çıkartmıştır(1975). Darwin in evrim teorisini temel alır.

12 Genetik Algoritmalar Genetik alanındaki çaprazlama, mutasyon, doğal seçilim gibi biyolojik süreçlerden esinlenerek geliştirilmiştir. Biyolojik süreçleri matematiksel olarak modelleyerek fonksiyonları optimize eden bir algoritmadır. Doğadaki güçlü olan birey hayatta kalır prensibine bağlı kalarak, nüfustaki iyi bireylere yaşama şansı vermekte ve nüfusu oluşturan bireylerin, yani aday çözümlerin kuşaktan kuşağa iyileşmesini sağlamaktadır.

13 Genetik Algoritmalar Başlıca Özellikleri; İteratif çalışan ve rastlantısal olarak arama yapan bir algoritmadır. Çözüm uzayının tümünde arama yapabilir. Paralel bir arama yöntemidir. Birden fazla hedefe ulaşabilen bir yöntemdir. Gürültülü, süreksiz ve zamanla değişen fonksiyonları da optimize edebilmektedir. Türev, integral gibi matematiksel işlemlere ve iteratif formüllere ihtiyaç duymazlar. Bulunan en iyi çözüme yakın diğer çözümleri de içerirler. Parametre değerleri yerine bunların kodlarını kullanırlar.

14 Genetik Algoritmalar Terminoloji Popülasyon (Topluluk): Çözüm kümesini oluşturan bireylerin tümüdür. Kromozom: Çözüm için kullanılan bireyler. Gen: Kromozom içindeki anlamlı en küçük bilgidir. Mutasyon: Bir kromozomda rastgele yapılan değişikliktir. Jenerasyon: Yeni bir topluluktur. Mating: Bireyler arasındaki eşlemedir.

Zeki Optimizasyon Teknikleri. Genetik Algoritma (Genetic Algorithm)

Zeki Optimizasyon Teknikleri. Genetik Algoritma (Genetic Algorithm) Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. Popülasyon tabanlı algoritmadır. Her birey problemin çözümü

Detaylı

Zeki Optimizasyon Teknikleri

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

Detaylı

YAPAY ZEKA NEDİR? (Artificial Intelligence)

YAPAY ZEKA NEDİR? (Artificial Intelligence) Mekatronik Mühendisliği Uygulamalarında Yapay Zeka Ders Notu: 1 YAPAY ZEKA NEDİR? (Artificial Intelligence) Dr. Erhan AKDOĞAN İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit

Detaylı

GENETİK ALGORİTMALAR. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

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

Detaylı

Fonksiyon Optimizasyonunda Genetik Algoritmalar

Fonksiyon Optimizasyonunda Genetik Algoritmalar 01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu

Detaylı

BMÜ-579 Metasezgisel Yöntemler. Diferansiyel Gelişim Algoritması. 1 Yrd. Doç. Dr. İlhan AYDIN

BMÜ-579 Metasezgisel Yöntemler. Diferansiyel Gelişim Algoritması. 1 Yrd. Doç. Dr. İlhan AYDIN BMÜ-579 Metasezgisel Yöntemler Diferansiyel Gelişim Algoritması 1 Yrd. Doç. Dr. İlhan AYDIN 2 Diferansiyel Gelişim Algoritması DGA, Price ve Storn tarafından 1995 yılında geliştirilmiş, özellikle sürekli

Detaylı

Doğrusal Programlama (DP) Yrd. Doç. Dr. KENAN GENÇOL Hitit Üniversitesi

Doğrusal Programlama (DP) Yrd. Doç. Dr. KENAN GENÇOL Hitit Üniversitesi Doğrusal Programlama (DP) Yrd. Doç. Dr. KENAN GENÇOL Hitit Üniversitesi Doğrusal Programlama Doğrusal programlama yaklaşımı, doğrusal yapıdaki kısıtları ihmal etmeden, doğrusal formdaki amaç fonksiyonunu

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı

GENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA

GENETİK 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

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

GENETİK 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

Detaylı

YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR

YZM 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

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM 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

Detaylı

METASEZGİSEL YÖNTEMLER

METASEZGİSEL 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,

Detaylı

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms)

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 2017-2018 Güz Yarıyılı EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 4 Genetik Algoritma Örnek Uygulamalar (Sırt Çantası Problemi, Sınav Programı Çizelgeleme) Yrd. Doç. Dr. İbrahim

Detaylı

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms)

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 2017-2018 Güz Yarıyılı EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 5 Genetik Algoritma Parametreler Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web: http://ikucukkoc.baun.edu.tr Email: ikucukkoc@balikesir.edu.tr

Detaylı

OPTİMİZASYON TEKNİKLERİ-2. Hafta

OPTİMİZASYON TEKNİKLERİ-2. Hafta GİRİŞ OPTİMİZASYON TEKNİKLERİ-2. Hafta Mühendislik açısından bir işin tasarlanıp, gerçekleştirilmesi yeterli değildir. İşin en iyi çözüm yöntemiyle en verimli bir şekilde yapılması bir anlam ifade eder.

Detaylı

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik

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

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

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

Detaylı

KONU 4: DOĞRUSAL PROGRAMLAMA MODELİ İÇİN ÇÖZÜM YÖNTEMLERİ I

KONU 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

Detaylı

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL)

doğrusal programlama DOĞRUSAL PROGRAMLAMA (GENEL) DOĞRUSAL PROGRAMLAMA (GENEL) Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik biçiminde verilmesi durumunda amaca

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme

Detaylı

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

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

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

Detaylı

GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ

GENETİK 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

Detaylı

Diferansiyel Denklemler ve Matematiksel Modeller

Diferansiyel Denklemler ve Matematiksel Modeller Diferansiyel Denklemler ve Matematiksel Modeller Fizik, mühendislik, kimya, biyoloji, astronomi, ekonomi gibi dallarda belli problemleri temsil etmek için bir matematiksel model gerekli olur. Bu matematiksel

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA

GENETİK 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

Detaylı

OPTİMİZASYON TEKNİKLERİ. Kısıtsız Optimizasyon

OPTİMİZASYON 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

Detaylı

EŞİTLİK KISITLI TÜREVLİ YÖNTEMLER

EŞİTLİK 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

Detaylı

Esnek Hesaplamaya Giriş

Esnek 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

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM 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

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

GENETİK ALGORİTMALAR BÜŞRA GÜRACAR

GENETİK 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

Detaylı

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon

Kısıtsız Optimizasyon OPTİMİZASYON Kısıtsız Optimizasyon OPTİMİZASYON Bu bölümde çok değişkenli kısıtsız optimizasyon problemlerinin çözüm yöntemleri incelenecektir. Bu bölümde anlatılacak yöntemler, kısıtlı optimizasyon problemlerini de çözebilmektedir. Bunun

Detaylı

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.

Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D. Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için

Detaylı

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar METASEZGİSEL YÖNTEMLER Genetik Algoritmalar 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik Genetik Algoritma Algoritma Uygulamaları üzerine klasik eser

Detaylı

EMM3208 Optimizasyon Teknikleri

EMM3208 Optimizasyon Teknikleri 2017-2018 Bahar Yarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü EMM3208 Optimizasyon Teknikleri (GAMS Kurulumu ve Temel Özellikleri, GAMS ile Modellemeye Giriş) 3 Yrd. Doç. Dr. İbrahim Küçükkoç

Detaylı

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY)

DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) DOĞRUSAL PROGRAMLAMADA DUALİTE (DUALITY) 1 DOĞRUSAL PROGRAMLAMADA İKİLİK (DUALİTE-DUALITY) Doğrusal programlama modelleri olarak adlandırılır. Aynı modelin değişik bir düzende oluşturulmasıyla Dual (İkilik)

Detaylı

GENETİK ALGORİTMALARA GİRİŞ

GENETİK ALGORİTMALARA GİRİŞ GENETİK ALGORİTMALARA GİRİŞ Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620 Düzce

Detaylı

CBS ve Coğrafi Hesaplama

CBS ve Coğrafi Hesaplama Yıldız Teknik Üniversitesi CBS ve Coğrafi Hesaplama 2. Bölüm Yrd. Doç. Dr. Alper ŞEN Harita Mühendisliği Bölümü Kartografya Anabilim Dalı web: http://www.yarbis.yildiz.edu.tr/alpersen/ E mail: alpersen@yildiz.edu.tr

Detaylı

Ev 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 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

Detaylı

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I 1/19 İçerik Yöneylem Araştırmasının Dalları Kullanım Alanları Yöneylem Araştırmasında Bazı Yöntemler Doğrusal (Lineer) Programlama, Oyun Teorisi, Dinamik Programlama, Tam Sayılı

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik (Eşitlik Kısıtlı Türevli Yöntem) Bu metodu incelemek için Amaç fonksiyonu Min.z= f(x) Kısıtı g(x)=0 olan problemde

Detaylı

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM 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

Detaylı

YÖNEYLEM ARAŞTIRMASI - I

YÖNEYLEM ARAŞTIRMASI - I YÖNEYLEM ARAŞTIRMASI - I /0 İçerik Matematiksel Modelin Kurulması Grafik Çözüm DP Terminolojisi DP Modelinin Standart Formu DP Varsayımları 2/0 Grafik Çözüm İki değişkenli (X, X2) modellerde kullanılabilir,

Detaylı

1. Harmoni Arama Algoritması

1. Harmoni Arama Algoritması 1. Harmoni Arama Algoritması Türk Dil Kurumu tanımına göre harmoni (armoni), iki veya daha çok sesin aynı anda kulağa hoş gelecek bir biçimdeki uyumudur. Harmoni arama algoritmasının çalışma yapısı bu

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (I)

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

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

Başlangıç Temel Programının Bilinmemesi Durumu

Başlangıç Temel Programının Bilinmemesi Durumu aşlangıç Temel Programının ilinmemesi Durumu İlgili kısıtlarda şartlar ( ) ise bunlara gevşek (slack) değişkenler eklenerek eşitliklere dönüştürülmektedir. Ancak sınırlayıcı şartlar ( ) veya ( = ) olduğu

Detaylı

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları

Programlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura

Detaylı

2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics

2011 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

Detaylı

KISITLI OPTİMİZASYON

KISITLI OPTİMİZASYON KISITLI OPTİMİZASYON SİMPLEKS YÖNTEMİ Simpleks Yöntemi Simpleks yöntemi iteratif bir prosedürü gerektirir. Bu iterasyonlar ile gerçekçi çözümlerin olduğu bölgenin (S) bir köşesinden başlayarak amaç fonksiyonunun

Detaylı

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Dr. Özgür Kabak TP Çözümü TP problemlerinin çözümü için başlıca iki yaklaşım vardır kesme düzlemleri (cutting planes) dal sınır (branch and bound) tüm yaklaşımlar tekrarlı

Detaylı

Matematik Ders Notları. Doç. Dr. Murat Donduran

Matematik Ders Notları. Doç. Dr. Murat Donduran Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları

Detaylı

Modelleme bir sanattan çok bir Bilim olarak tanımlanabilir. Bir model kurucu için en önemli karar model seçiminde ilişkileri belirlemektir.

Modelleme 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

Detaylı

T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI

T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Genişletilmiş Lagrange Yöntemi Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. İpek Deveci KARAKOÇ

Detaylı

MAT101 MATEMATİK I BÖLÜM 13 EĞRİ ÇİZİMİ

MAT101 MATEMATİK I BÖLÜM 13 EĞRİ ÇİZİMİ MAT101 MATEMATİK I BÖLÜM 13 EĞRİ ÇİZİMİ Yrd. Doç. Dr. Furkan BAŞER Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Eğri-Çizme Teknikleri Bu konuda ele alacağımız 3 alt başlık yer alır. Alt Başlıklar

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (III)

GENETİK 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

Detaylı

GridAE: Yapay Evrim Uygulamaları için Grid Tabanlı bir Altyapı

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

Detaylı

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

0.1 Zarf Teoremi (Envelope Teorem)

0.1 Zarf Teoremi (Envelope Teorem) Ankara Üniversitesi, Siyasal Bilgiler Fakültesi Prof. Dr. Hasan Şahin 0.1 Zarf Teoremi (Envelope Teorem) Bu kısımda zarf teoremini ve iktisatta nasıl kullanıldığını ele alacağız. bu bölüm Chiang 13.5 üzerine

Detaylı

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak

EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü. Dr. Özgür Kabak EM302 Yöneylem Araştırması 2 Çok değişkenli DOP ların çözümü Dr. Özgür Kabak Doğrusal olmayan programlama Tek değişkenli DOP ların çözümü Uç noktaların analizi Altın kesit Araması Çok değişkenli DOP ların

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

İleri Diferansiyel Denklemler

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

PARÇACIK SÜRÜ OPTİMİZASYONU BMÜ-579 METASEZGİSEL YÖNTEMLER YRD. DOÇ. DR. İLHAN AYDIN

PARÇACIK 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.

Detaylı

2- VERİLERİN TOPLANMASI

2- VERİLERİN TOPLANMASI 2- VERİLERİN TOPLANMASI Bu bölümde yararlanılan kaynaklar: İşletme İstatistiğine Giriş (Prof. Dr. İsmail Hakkı Armutlulu) ve İşletme İstatistiğinin Temelleri (Bowerman, O Connell, Murphree, Orris Editör:

Detaylı

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ SİVİL HAVACILIK ANABİLİM DALI YENİ DERS ÖNERİSİ/ DERS GÜNCELLEME / DERS GÜNCELLEME Dersin Kodu SHA 615 Dersin Adı İSTATİSTİKSEL SİNYAL İŞLEME Yarıyılı GÜZ Dersin İçeriği: Olasılık ve olasılıksal süreçlerin gözden geçirilmesi. Bayes kestirim kuramı. Büyük olabilirlik

Detaylı

7. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

7. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN 7. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.7. MALİYET TEORİSİ: YENİDEN Sabit Maliyetler (FC): Üretim miktarından bağımsız olan maliyetleri

Detaylı

Genel Graf Üzerinde Mutlak 1-merkez

Genel 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

Detaylı

İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA

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

Detaylı

Birinci Mertebeden Adi Diferansiyel Denklemler

Birinci 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

Detaylı

Google Maps ve Genetik Algoritmalarla GSP Çözümü İçin Öneri

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

Detaylı

4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI.

4. HAFTA BLM323 SAYISAL ANALİZ. Okt. Yasin ORTAKCI. 4. HAFTA BLM33 SAYISAL ANALİZ Okt. Yasin ORTAKCI yasinortakci@karabuk.edu.tr Karabük Üniversitesi Uzaktan Eğitim Uygulama ve Araştırma Merkezi BLM33 DOĞRUSAL OLMAYAN (NONLINEAR) DENKLEM SİSTEMLERİ Mühendisliğin

Detaylı

Genetik Algoritma ile Elde Edilen Uyumlu Renklerin Web Şablonları Üzerinde Gerçeklenmesi

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

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR

HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR HESSİEN MATRİS QUADRATİK FORM MUTLAK ve BÖLGESEL MAKS-MİN NOKTALAR Kısıtlı ve kısıtsız fonksiyonlar için maksimum veya minimum (ekstremum) noktalarının belirlenmesinde diferansiyel hesabı kullanarak çeşitli

Detaylı

TAMSAYILI PROGRAMLAMA

TAMSAYILI PROGRAMLAMA TAMSAYILI PROGRAMLAMA Doğrusal programlama problemlerinde sık sık çözümün tamsayı olması gereken durumlar ile karşılaşılır. Örneğin ele alınan problem masa, sandalye, otomobil vb. üretimlerinin optimum

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 2- HATA VE HATA KAYNAKLARI Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ Bir denklemin veya problemin çözümünde kullanılan sayısal yöntem belli bir giriş verisini işleme tabi tutarak sayısal

Detaylı

ÇEV 2006 Mühendislik Matematiği (Sayısal Analiz) DEÜ Çevre Mühendisliği Bölümü Doç.Dr. Alper ELÇĐ

ÇEV 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

Detaylı

Giris {\} /\ Suhap SAHIN

Giris {\} /\ Suhap SAHIN Giris 0 {\} /\ Suhap SAHIN Kaynaklar http://web.stanford.edu/class/cs109/ Konular 1. Giris Olasılık Bilgisayar Mühendisi Konular 1. Giris 2. Sayma Saymayı ne zaman ögrendiniz? Konular 1. Giris 2. Sayma

Detaylı

DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ DENİZ HARP OKULU ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS DENİZ HAREKÂT ANALİZİ ENM- / +0 Dersin Dili : Türkçe Dersin Seviyesi

Detaylı

6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

6. 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

Detaylı

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ

YAPAY SİNİR AĞLARI. Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ YAPAY SİNİR AĞLARI Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ İÇERİK Sinir Hücreleri Yapay Sinir Ağları Yapısı Elemanları Çalışması Modelleri Yapılarına Göre Öğrenme Algoritmalarına Göre Avantaj ve

Detaylı

Lineer Programlama. Doğrusal terimi, hem amaç hem de kısıtları temsil eden matematiksel fonksiyonların doğrusal olduğunu gösterir.

Lineer 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

Detaylı

Mühendislik Matematiği 2- Hafta 1. Arş. Gör. Dr. Sıtkı AKKAYA

Mühendislik Matematiği 2- Hafta 1. Arş. Gör. Dr. Sıtkı AKKAYA Mühendislik Matematiği 2- Hafta 1 Arş. Gör. Dr. Sıtkı AKKAYA İÇİNDEKİLER BÖLÜM 1 BİRİNCİ MERTEBEDEN DİFERANSİYEL DENKLEMLER 1.1. GİRİŞ 1.2. BAZI TEMEL TANIMLAMALAR 1.3. DİFERANSİYEL DENKLEMLERİN ÇÖZÜMLERİ

Detaylı

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler

Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri

Detaylı

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre):

Simpleks Yönteminde Kullanılan İlave Değişkenler (Eşitliğin yönüne göre): DP SİMPLEKS ÇÖZÜM Simpleks Yöntemi, amaç fonksiyonunu en büyük (maksimum) veya en küçük (minimum) yapacak en iyi çözüme adım adım yaklaşan bir algoritma (hesaplama yöntemi) dir. Bu nedenle, probleme bir

Detaylı

Internet Programming II

Internet Programming II Internet Programming II Elbistan Meslek Yüksek Okulu 2015 2016 Bahar Yarıyılı 16 May. 2016 Öğr.Gör. Murat KEÇECĠOĞLU 1 Fonksiyonlar Değişken Kontrol Fonksiyonları isset() Fonksiyonu Parametre olarak aldığı

Detaylı

Bulanık Hesaplama Berfin Tanrıverdi Ş.Bengisu Karakılınç

Bulanık Hesaplama Berfin Tanrıverdi Ş.Bengisu Karakılınç Bulanık Hesaplama 14011068 Berfin Tanrıverdi 13011039 Ş.Bengisu Karakılınç Bulanık Hesaplama Bulanık hesaplama, yapay zekanın alt bir dalı olup karmaşık problemleri çözmeye odaklanır. Bulanık Hesaplama

Detaylı

Tek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi

Tek Değişkenli Optimizasyon OPTİMİZASYON. Gradient Tabanlı Yöntemler. Bisection (İkiye Bölme) Yöntemi OPTİMİZASYON Gerçek hayatta, çok değişkenli optimizasyon problemleri karmaşıktır ve nadir olarak problem tek değişkenli olur. Bununla birlikte, tek değişkenli optimizasyon algoritmaları çok değişkenli

Detaylı

MATRİSEL ÇÖZÜM TABLOLARIYLA DUYARLILIK ANALİZİ

MATRİSEL ÇÖZÜM TABLOLARIYLA DUYARLILIK ANALİZİ SİMPLEKS TABLONUN YORUMU MATRİSEL ÇÖZÜM TABLOLARIYLA DUYARLILIK ANALİZİ Şu ana kadar verilen bir DP probleminin çözümünü ve çözüm şartlarını inceledik. Eğer orijinal modelin parametrelerinde bazı değişiklikler

Detaylı

Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması

Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Yapay Zeka Yöntemlerinin Otomotiv Sektöründe Ürün Tasarımı Çalışmalarında Kullanılması Doç. Dr. Ali Rıza YILDIZ 04.11.2014 Doç. Dr. Ali Rıza YILDIZ - "Hibrid Evrimsel Yöntemler İle Taşıt Elemanlarının

Detaylı

Self Organising Migrating Algorithm

Self Organising Migrating Algorithm OPTİMİZASYON TEKNİKLERİ Self Organising Migrating Algorithm Kendini Organize Eden Göç/Geçiş Algoritması MELİH HİLMİ ULUDAĞ Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü İletişim: www.melihhilmiuludag.com

Detaylı

GAMS Kullanım Notları

GAMS Kullanım Notları GAMS Kullanım Notları Dilay Çelebi İstanbul Teknik Üniversitesi 1. Giriş Aşağıdaki DP problemini ele aldığımızı varsayalım. Z min = 4x 1 + 2x 2 + 33x 3 (1) x 1 4x 2 + x 3 12 (2) 9x 1 + 6x 2 = 15 (3) 5x

Detaylı

GAMS Kurulumu ve Temel Özellikleri GAMS ile Modellemeye Giriş, Örnek Problemler

GAMS Kurulumu ve Temel Özellikleri GAMS ile Modellemeye Giriş, Örnek Problemler 2017-2018 Bahar Yarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü GAMS Kurulumu ve Temel Özellikleri GAMS ile Modellemeye Giriş, Örnek Problemler Yrd. Doç. Dr. İbrahim Küçükkoç http://ikucukkoc.baun.edu.tr

Detaylı

ADIM ADIM YGS LYS Adım EKOLOJİ 15 POPÜLASYON GENETİĞİ

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

Detaylı

Deniz ERSOY Elektrik Yük. Müh.

Deniz ERSOY Elektrik Yük. Müh. Deniz ERSOY Elektrik Yük. Müh. AMACIMIZ Yenilenebilir enerji kaynaklarının tesis edilmesi ve enerji üretimi pek çok araştırmaya konu olmuştur. Fosil yakıtların giderek artan maliyeti ve giderek tükeniyor

Detaylı

ADIM ADIM YGS LYS Adım EVRİM

ADIM ADIM YGS LYS Adım EVRİM ADIM ADIM YGS LYS 191. Adım EVRİM EVRİM İLE İLGİLİ GÖRÜŞLER Evrim, geçmiş ile gelecekteki canlıların ve olayların yorumlanmasını sağlayarak, bugün dünyada yaşayan canlılar arasındaki akrabalık derecesini

Detaylı