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

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 Genetik Algoritmalar Nesin Matematik Köyü Evrim Çalıştayı Nisan, 202 Genetik Algoritmalar (GA Đçerik Biyolojiden esinlenme GA nın özellikleri GA nın unsurları uygulama Algoritma Şema teoremi Mustafa Suhi Erden Robotik uygulama 2 32 Biyolojik Evrimden Esinlenmeler GA doğal evrimden esinlenerek modellenen olasılıksal algoritmalar Kalıtım 2 Hayatta kalma savaşımı C. Darwin (859, Türlerin Kökeni doğal seçilim G. Mendel (865 kalıtım T. Morgan (933 genlerin kromozomlarla taşınması J. Holland (975 genetik algoritmalar GA nın Özellikleri Bir çeşit eniyileme (otimizasyon algoritması Genel amaçlı (neredeyse her orbleme uygulanır Çözüm kümesinin farklı bölgelerinde çok koldan arama-tarama yaar Yakalanan iyi çözümleri bir sonraki adımlara aktarır Sınanmak üzere yeni çözüm adayları yaratır Çarazlama bilgi aktarımı Mutasyon çeşitlilik Seçilim en iyiyi alma

2 GA nın Unsurları Uygulama Genetik kodlama 2 Başlangıç oülasyonu 3 Ölçme fonksiyonu 4 Üretme 5 Genetik oerasyonlar 6 Parametreler (oülasyon büyüklüğü, genetik oerasyonların gerçekleşme olasılığı, vb Fonksiyonun en yüksek değerini bulma f ( x = + xsin(0πx x [, 2] f x 6 32 Kodlama Kromozomlar bir-sıfır dizileri (ikilik sistem Aralık ([-, 2] aralığında noktadan sonra 6 hane (2 ( < 3.0 < 22 haneli kromozomlar 6 2 = 3.0 v = ( => x = v = ( => x = v = ( => x = Başlangıç oülasyonu rasgele -0 lardan oluşmuş kromozomlar Ölçme fonksiyonu v f (x v=( x= => ölç (v = f ( = Üretme Rulet seçilimi Seçilme olasılığı: kromozomun değerinin oülasyondaki bütün kromozomların değerlerinin tolamına oranı

3 Rulet Seçilimi Her bir kromozomun değeri v i Poülasyondaki bütün kromozomların değeri F = o _ büy i= v i Her bir kromozomun seçilme olasılığı vi i = F Her kromozom için kümülatif olasılık q i = j j= Rasgele üretilen bir sayı i r [0,] r q ise ilk kromozom seçilir, değilse q < r olacak şekilde i-inci kromozom seçilir i q i Genetik Oerasyonlar Çarazlama ( c Çarazlama için c olasılıkla rasgele kromozomlar seçilir v = ( v 2 = ( v = ( v 2 = ( Mutasyon ( m Poülasyondaki kromozomların genleri m olasılıkla değiştirilir v = ( v = ( Parametreler Poülasyon büyüklüğü: o_büy = 50 Çarazlanma olasılığı: c = 0.25 Mutasyon olasılığı: m = 0.0 Sonuç 50 jenerasyondan sonraki en iyi sonuç: v max = ( x max = f(x max = Jenerasyon sayısı Ölçüm değeri f x

4 Genetic ALGORĐTMA Başlangıç oülasyonunu belirle: P(, t=0 2 Ölçüm ya: ölçüm { P( } 3 Durma koşulu sağlandıysa 7. adıma git 4 Üretme ya: P( den P(t+ i üret 5 Değişim uygula: P(t+ i değiştir 6 2. adıma git 7 Dur Nasıl Oluyor da GA Đşe Yarıyor? John Holland ın Şema Teoremi (975 Şema benzer gen dizilimlerini temsil eden kalı : (**0000 ( (00000 (00000 (0000 Farketmez işareti (* * dışındaki bütün genlerin aynı olması gerekli Şema nın Özellikleri Derece: d( Şemadaki 0 ve lerin tolam sayısı (Mutasyon dan etkilenme şansını belirler S = ( * * * * 0 * * 0 * d( = 3 Uzunluk: u( Đlk ve son gen işareti arasındaki uzunluk (Çarazlamadan etkilenme şansını belirler Değer: S = (* * * * 0 * * 0 * u( = 9 5 = 4 Şemaya uygun bütün dizilimlerin ortalama değeri değ( = i= ölç ( v i Şema nın Üretimi (Seçilim t anında şemaya uyan kromozom sayısı ξ (. t+ anında şemaya uyan kromozom sayısının beklenen değeri ξ ( t+ =ξ( F ( ort Şema çoğalma denklemi (seçilim Ortalamanın üstünde değeri olan şemalar bir sonraki jenerasyonda sayıları artar Ortalamanın altında değeri olan şemalar bir sonraki jenerasyonda sayıları azalır

5 Çarazlamanın Etkisi S = ( * * * * 0 0 * * * * * * S 2 = ( * * * * * * * * ** 0 Çarazlama sonucu S 2 nin bozulma olasılığı daha fazla Çarazlama noktası Bozulma olasılığı Korunma olasılığı ( m farklı nokta (m: kromozom uzunluğu u( b ( S = ( m u( k ( = b( = ( m Şema çoğalma denklemi (seçilim ve çarazlama ξ( t+ ξ( F ( ort c δ ( m Mutasyonun Etkisi Şemanın korunma olasılığı d ( S s( = ( m d( Şema çoğalma denklemi (seçilim, çarazlama, mutasyon u( ξ ( S, t ξ ( c d(. F ( m + m ort Ortalamanın üstünde değeri olan, kısa ve küçük dereceli şemalar yeni jenerasyonlarda artan oranlarla temsil edilir. m Şema Teoremi Kısa, düşük dereceli ve ortalamanın üstünde değeri olan şemalar genetik algoritma ile üretilen yeni jenerasyonlarda artan oranlarda temsil edilir. Yaıtaşları Hiotezi: Bir genetik algoritma, yaıtaşı olarak adlandırılabilecek kısa, düşük dereceli ve yüksek değerli şemaları yanyana getirerek çalışır. Genetik Programlama: Bir başarı öyküsü 5 uygulamada: 20.yy da atentlenmiş bir buluş yeniden üretildi ya da atenti ihlal eden bir sonuç bulundu 6 uygulamada: Ocak 2000 den sonra atentlenmiş bir buluş yeniden üretildi ya da atenti ihlal eden bir sonuç bulundu 2 uygulamada: Patentlenebilir bir sonuç elde edildi (Kontrolcü tasarımı uygulamaları (Koza ve Poli

6 Uygulama: Genetik Algoritma ile Bulanık Mantık Kontrolcüsü Tasarımı Insan-Robot Sistemi ĐNSAN ROBOT Kontrol Sistemi Bulanık Mantık Kontrolcüleri OMUZ KONTROLCÜSÜ OMUZ açısı beta Hedefe x yönünde uzaklık dx OMUZ açısının hızı ws Hedefe y yönünde uzaklık dy

7 Amaç: En kısa yol, en kısa süre, en az enerji Genetik Kodlama En kısa yoldan fark Đlk üyelik fonksiyonu için Son üyelik fonksiyonu için Sonuç Sonuç Önce OMUZ açısı beta Hedefe x yönünde uzaklık dx OMUZ açısının hızı ws Önce Sonra Genetik Algoritma Sonrası Hedefe y yönünde uzaklık dy

8 Sonuç Videolar Video_0 Video_ Referanslar Michalewicz, Z., Genetic Algorithms + Data Structures = Evolution Programs, Sringer-Verlag, 992. Koza, J.R., Genetic Programming, MIT Press, 992. Đlginiz için teşekkürler... Koza, J.R. And Poli, R., 2003, A genetic rogramming tutorial, in Introductory Tutorials in Otimization, Search and Decision Suort, ed. by Edmond Burke, Chater 8. Holland, J. H., Adatation in Natural and Artificial Systems, The University of Michigan Press, Ann Arbor, Michigan, 975. Erden, M.S., Leblebicioğlu, K., Halıcı, U., Multi-agent system based fuzzy controller design with genetic tuning for a service mobile maniulator robot in the hand-over task. Journal of Intelligent and Robotic Systems, 38:

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

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

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

Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta: Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.

Detaylı

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

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

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

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

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

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

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

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

GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI

GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI ÖZEL EGE LĠSESĠ GENETĠK ALGORĠTMALAR ĠLE HAFTALIK DERS PROGRAMININ HAZIRLANMASI HAZIRLAYAN ÖĞRENCĠLER: Berkin ĠNAN Doğa YÜKSEL DANIġMAN ÖĞRETMEN: Aslı ÇAKIR ĠZMĠR 2014 ĠÇĠNDEKĠLER 1. PROJENĠN AMACI. 3

Detaylı

RASSAL SAYI ÜRETİLMESİ

RASSAL SAYI ÜRETİLMESİ Dr. Mehmet AKSARAYLI Ekonometri Böl. Simülasyon Ders Notları Rassal Sayı Üretilmesi RASSAL SAYI ÜRETİLMESİ Simülasyon analizinde kullanılacak az sayıda rassal sayı üretimi için ilkel yöntemler kullanılabilir.

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

DOĞRUSAL OLMAYAN REGRESYON ANALİZİNDE GERÇEK DEĞER KODLAMALI GENETİK ALGORİTMA

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

Detaylı

Gevşek Hesaplama (COMPE 474) Ders Detayları

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

Detaylı

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

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

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

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı

ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı BİM618 Evrimsel Algoritmalar Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri 8.00-17.00 E posta: karaboga@erciyes.edu.tr http://abis.erciyes.edu.tr/sorgu.aspx?sorgu=236 Erciyes Üniversitesi, Mühendislik

Detaylı

DİFERANSİYEL GELİŞİM ALGORİTMASI

DİFERANSİYEL GELİŞİM ALGORİTMASI İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl: 5 Sayı: 9 Bahar 2006/1 s.85-99 DİFERANSİYEL GELİŞİM ALGORİTMASI Timur KESKİNTÜRK ÖZET Doğrusal olmayan problemlerin çözümüne yönelik olarak geliştirilmiş

Detaylı

GENETĐK ALGORĐTMA VE UYGULAMA ALANLARI

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

Detaylı

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

Rekombinasyon ve Bağlantı Analizi (Recombination and Linkage Analysis)

Rekombinasyon ve Bağlantı Analizi (Recombination and Linkage Analysis) Rekombinasyon ve Bağlantı Analizi (Recombination and Linkage Analysis) Mayoz bölünme sırasında aynı kromozom (bir kromatid) üzerindeki genler gametlere beraberce, başka bir ifade ile bağlı (zincirlenmiş)

Detaylı

1. DÖNEM Kodu Dersin Adı T U K. Matematik II Mathematics II (İng) Fizik I 3 2 4. Bilgisayar Programlama I (Java) Computer Programming I (Java) (İng)

1. DÖNEM Kodu Dersin Adı T U K. Matematik II Mathematics II (İng) Fizik I 3 2 4. Bilgisayar Programlama I (Java) Computer Programming I (Java) (İng) Müfredat: Mekatronik Mühendisliği lisans programından mezun olacak bir öğrencinin toplam 131 kredilik ders alması gerekmektedir. Bunların 8 kredisi öğretim dili Türkçe ve 123 kredisi öğretim dili İngilizce

Detaylı

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010

Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Evrimsel Çok amaçlı eniyileme Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Gündem Çok amaçlı eniyileme Giriş Evrimsel çok amaçlı eniyileme Sonuç Giriş Gerçek dünya problemleri

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

Evrimsel ekoloji. Erol Akçay. Proximate mechanisms and the evolution of cooperation. University of Pennsylvania.

Evrimsel ekoloji. Erol Akçay. Proximate mechanisms and the evolution of cooperation. University of Pennsylvania. Evrimsel ekoloji Erol Akçay Proximate mechanisms and the evolution of cooperation University of Pennsylvania eakcay@sas.upenn.edu Matematiksel Evrim Yazokulu 9 Eylül 2013 Nesin Matematik Köyü, Şirince,

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

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

MATEMATİK MÜHENDİSLİĞİ BÖLÜMÜ

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

Detaylı

GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ

GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ GAP IV. Mühendislik Kongresi Bildiriler Kitabı, 06-08 Haziran 2002, Şanlıurfa. Proceedings of the Fourth GAP Engineering Congress, 06-08 June 2002, Şanlıurfa. GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ

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

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

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

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (V)

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

Detaylı

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) Genetik Algoritma

EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) Genetik Algoritma 2017-2018 Güz Yarıyılı Balıkesir Üniversitesi, Endüstri Mühendisliği Bölümü EMM4131 Popülasyon Temelli Algoritmalar (Population-based Algorithms) 3 Genetik Algoritma Yrd. Doç. Dr. İbrahim KÜÇÜKKOÇ Web:

Detaylı

Kablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008

Kablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008 Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL

YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL (3) SINIFI: 1. Yıl Güz Dönemi MIS101 BİLGİSAYAR PROGRAMLAMA 1 COMPUTER PROGRAMMING 1 Z 3-0 4 BUS101 BİLİM VE TEKNOLOJİ TARİHİ HISTORY OF SCIENCE AND TECHNOLOGY Z 3-0 4 BUS103 İŞLETMECİLER İÇİN MATEMATİK

Detaylı

Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü

Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü 322 Polinom olmayan denklemlerin genetik algoritma tabanlı çözümü Nihat ÖZTÜRK *, Emre ÇELİK * Gazi Üniversitesi Teknoloji Fakültesi Elektrik Elektronik Mühendisliği Bölümü, ANKARA ÖZET Anahtar Kelimeler:

Detaylı

4. Bulanık Sayılar- Üyelik Fonksiyonları

4. Bulanık Sayılar- Üyelik Fonksiyonları 4. Bulanık Sayılar- Üyelik Fonksiyonları Bulanık Sayı Normal ve dışbükey bir bulanık kümenin alfa kesimi kapalı bir küme ise bulanık sayı olarak adlandırılmaktadır. Her bulanık sayı dış bükey bir bulanık

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

Yrd. Doç. Dr. Osman Kaan EROL (İ.T.Ü)

Yrd. Doç. Dr. Osman Kaan EROL (İ.T.Ü) İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ KONTROL SİSTEMLERİ İÇİN BULANIK PID KONTROLÖRLERİN GENETİK ALGORİTMALAR YARDIMIYLA AYARLANMASI Tezin Enstitüye Verildiği Tarih: 20 Mart 2007 Tezin Savunulduğu

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

Sigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM

Sigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma 6/ Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM Fügen TORUNBALCI

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

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

Detaylı

MÜFREDAT DERS LİSTESİ

MÜFREDAT DERS LİSTESİ MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103

Detaylı

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI

KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği

Detaylı

HAFTA II Mendel Genetiği

HAFTA II Mendel Genetiği GENETĐK 111-503 HAFTA II Mendel Genetiği Doç. Dr. Hilâl Özdağ 1865 Gregor Mendel kalıtım kurallarının temellerini attı. http://www.dnaftb.org/dnaftb/1/concept/ 1 Seçilen Özellikler Hartl DL, Jones EW,

Detaylı

İleri Algoritma (COMPE 574) Ders Detayları

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

Detaylı

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

www.tubiad.org ISSN:2148-3736 El-Cezerî Fen ve Mühendislik Dergisi Cilt: 3, No: 2, 2016 (363-371)

www.tubiad.org ISSN:2148-3736 El-Cezerî Fen ve Mühendislik Dergisi Cilt: 3, No: 2, 2016 (363-371) www.tubiad.org ISSN:2148-3736 El-Cezerî Fen ve Mühendislik Dergisi Cilt: 3, No: 2, 2016 (363-371) El-Cezerî Journal of Science and Engineering Vol: 3, No: 2, 2016 (363-371) ECJSE Makale / Research Paper

Detaylı

KAMU PERSONEL SEÇME SINAVI ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ORTAÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ TG 4 ÖABT ORTAÖĞRETİM MATEMATİK Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının

Detaylı

SÜREKLİ BİR KİRİŞTE MAKSİMUM MOMENTLERİN GENETİK ALGORİTMALAR İLE BELİRLENMESİ

SÜREKLİ BİR KİRİŞTE MAKSİMUM MOMENTLERİN GENETİK ALGORİTMALAR İLE BELİRLENMESİ ÖZET/ABSTRACT DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: Sayı: sh. -9 Ekim 00 SÜREKLİ BİR KİRİŞTE MAKSİMUM MOMENTLERİN GENETİK ALGORİTMALAR İLE BELİRLENMESİ (THE DETERMINATION OF MAXIMUM

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:8-Sayı/No: 2 : 337-343 (2007) ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE CEKETLİ KARIŞTIRMA TANKININ

Detaylı

GENETİK ALGORİTMALARA GİRİŞ (IV)

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

Detaylı

ONARILABĐLĐR ELEMANLARA ÖNLEYĐCĐ BAKIMIN ETKĐSĐ VE OPTĐMĐZASYONU*

ONARILABĐLĐR ELEMANLARA ÖNLEYĐCĐ BAKIMIN ETKĐSĐ VE OPTĐMĐZASYONU* makale Ayşe KAHVEĐOĞLU * Yrd. Doç. Dr., Anadolu Üniversitesi ONAILABĐLĐ ELEMANLAA ÖNLEYĐĐ BAKIMIN EKĐSĐ VE OĐMĐZASYONU* GĐĐŞ Bakım faaliyetinin temel amacı, olabilecek muhtemel arızaların önlenmesi veya

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

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

ADIM ADIM YGS LYS. 91. Adım KALITIM -17 GENETİK VARYASYON MUTASYON MODİFİKASYON ADAPTASYON - REKOMBİNASYON

ADIM ADIM YGS LYS. 91. Adım KALITIM -17 GENETİK VARYASYON MUTASYON MODİFİKASYON ADAPTASYON - REKOMBİNASYON ADIM ADIM YGS LYS 91. Adım KALITIM -17 GENETİK VARYASYON MUTASYON MODİFİKASYON ADAPTASYON - REKOMBİNASYON GENETİK VARYASYON Aynı türün bireyleri arasındaki farklılığa VARYASYON denir. Varyasyonların hepsi

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

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

Rössler Tabanlı Kaotik Farksal Gelişim Algoritması

Rössler Tabanlı Kaotik Farksal Gelişim Algoritması Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, Cilt:1, Sayı:, 1 ISSN: 1-33 (http://edergi.bilecik.edu.tr/index.php/fbd) Araştırma Makalesi/Research Article Rössler Tabanlı Kaotik Farksal Gelişim

Detaylı

KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü

KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek

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

Bilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1

Bilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1 Bilgisayar Mühendisliği Bilgisayar Mühendisliğine Giriş 1 Mühendislik Nedir? Mühendislik, bilim ve matematiğin yararlı cihaz ve sistemlerin üretimine uygulanmasıdır. Örn: Elektrik mühendisleri, elektronik

Detaylı

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

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

Detaylı

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX

ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX XI İÇİNDEKİLER ÖZET...V ABSTRACT...VII TEŞEKKÜR... IX ŞEKİLLER DİZİNİ... XIV SÖZLÜK... XIX 1. GİRİŞ... 1 2. PLANLAMANIN TARİHÇESİ... 7 2.1 Literatürdeki Planlayıcılar ve Kullandıkları Problem... Gösterimi

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

Moleküler Biyoloji ve Genetik Bölümü Boğaziçi Üniversitesi

Moleküler Biyoloji ve Genetik Bölümü Boğaziçi Üniversitesi BİYOLOJİDEKİ TEKNOLOJİK GELİŞMELER VE ÖNCELİKLERİMİZ Dr. Aslı Tolun Moleküler Biyoloji ve Genetik Bölümü Boğaziçi Üniversitesi KLONLAMA / KOPYALAMA Tanım Yöntem Amaç: Kopya birey yaratma Kök hücre oluşturma

Detaylı

GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU

GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU TİMAK-Tasarım İmalat Analiz Kongresi 6-8 Nisan 006 - BALIKESİR GENETİK ALGORİTMA YARDIMIYLA KARDAN MİL ÇAPI MİNİMİZASYONU Muhammet Yaman 1, Hamit Saruhan, Faruk Mendi 3 1 Abant İzzet Baysal Üniversitesi,

Detaylı

EĞİTİMDE VERİMLİLİĞİ ARTIRAN DERS PROGRAMLARININ HAZIRLANMASI İÇİN GENETİK ALGORİTMA KULLANIMI

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

Detaylı

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için

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

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

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

Detaylı

Gezgin Satıcı Probleminin Karınca Kolonisi ve Genetik Algoritmalarla Eniyilemesi ve Karşılaştırılması

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

Detaylı

... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI

... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI ... ROBOTİK VE KODLAMA EĞİTİMİ ÇERÇEVESİNDE 2018 2019 ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI Hazırlayan : Özel Öğretim Kurumları Birliği (ÖZKURBİR) Dersin Adı : Bilişim

Detaylı

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var :

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var : Rasgele Sayı Üretme Rasgele Sayıların Özellikleri İki önemli istaiksel özelliği var : Düzgünlük (Uniformity) Bağımsızlık R i, rasgele sayısı olasılık yoğunluk fonksiyonu aşağıdaki gibi olan uniform bir

Detaylı

ayxmaz/biyoloji 2. DNA aşağıdaki sonuçlardan hangisi ile üretilir Kalıp DNA yukarıdaki ana DNAdan yeni DNA molekülleri hangi sonulca üretilir A B C D

ayxmaz/biyoloji 2. DNA aşağıdaki sonuçlardan hangisi ile üretilir Kalıp DNA yukarıdaki ana DNAdan yeni DNA molekülleri hangi sonulca üretilir A B C D 1. DNA replikasyonu.. için gereklidir A) sadece mitoz B) sadece mayoz C) mitoz ve mayoz D) sadece gamet oluşumu E) sadece protein sentezi 2. DNA aşağıdaki sonuçlardan hangisi ile üretilir Kalıp DNA yukarıdaki

Detaylı

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5

Detaylı

BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ

BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ 2017-2018 BaharYarıyılı Balıkesir Üniversitesi Endüstri Mühendisliği Bölümü 6 BIL1202 ALGORİTMA VE PROGRAMLAMAYA GİRİŞ (Temel Algoritma Örnekleri, Genel Uygulamalar) Yrd. Doç. Dr. İbrahim Küçükkoç Web:

Detaylı

T.C SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ GENETİK ALGORİTMALAR İLE TIBBİ VERİ MADENCİLİĞİ EMİNE TUĞ YÜKSEK LİSANS TEZİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI Konya, 2005 T.C. SELÇUK ÜNİVERSİTESİ FEN

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

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu

Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu th International Adanced Technologies Symposium (IATS ), -8 May 20, Elazığ, Turkey Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu Ö. Soykasap e K. B. Sugözü Afyon

Detaylı

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun

Detaylı

GERÇEL SAYI KODLAMALI GENETĠK ALGORĠTMALARIN OPTĠMĠZASYONDA KULLANIMI. YÜKSEK LĠSANS TEZĠ Uzay Müh. Ahmet ÖZTÜRK. Anabilim Dalı : UZAY MÜHENDĠSLĠĞĠ

GERÇEL SAYI KODLAMALI GENETĠK ALGORĠTMALARIN OPTĠMĠZASYONDA KULLANIMI. YÜKSEK LĠSANS TEZĠ Uzay Müh. Ahmet ÖZTÜRK. Anabilim Dalı : UZAY MÜHENDĠSLĠĞĠ ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ GERÇEL SAYI KODLAMALI GENETĠK ALGORĠTMALARIN OPTĠMĠZASYONDA KULLANIMI YÜKSEK LĠSANS TEZĠ Uzay Müh. Ahmet ÖZTÜRK Anabilim Dalı : UZAY MÜHENDĠSLĠĞĠ Programı

Detaylı

DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1

DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 DİZGE TABANLI BİLEŞEN DENEMELERİNİN TASARIMINDA BEKLENEN DİZGE YAŞAM SÜRESİNİN MODELLENMESİ 1 Emre YAMANGİL Orhan FEYZİOĞLU Süleyman ÖZEKİCİ Galatasaray Üniversitesi Galatasaray Üniversitesi Koç Üniversitesi

Detaylı

EĞİTİM ÖĞRETİM YILI. FEN LİSESİ 11.SINIF MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLLIK PLANI 11.SINIF KAZANIM VE SÜRE TABLOSU

EĞİTİM ÖĞRETİM YILI. FEN LİSESİ 11.SINIF MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLLIK PLANI 11.SINIF KAZANIM VE SÜRE TABLOSU 08-09 EĞİTİM ÖĞRETİM YILI. FEN LİSESİ.SINIF MATEMATİK DERSİ ÜNİTELENDİRİLMİŞ YILLLIK PLANI.SINIF KAZANIM VE SÜRE TABLOSU No Konular Kazanım sayısı Ders Saati Ağırlık (%).. TRİGONOMETRİ 8 6 6.. Yönlü Açılar

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR

ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr

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

BLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik

BLM 4811 MESLEKİ TERMİNOLOJİ II Salı , D-109 Dr. Göksel Biricik BLM 4811 MESLEKİ TERMİNOLOJİ II 2017-1 Salı 13.00 14.50, D-109 Dr. Göksel Biricik goksel@ce.yildiz.edu.tr Ders Planı Hafta Tarih Konu 1 19.09 Tanışma, Ders Planı, Kriterler, Giriş 2 26.09 Bilgisayarın

Detaylı

Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama

Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Mehmet Yavuz ONAT Yrd.Doç.Dr.Engin YILDIZTEPE Dokuz Eylül Üniversitesi, İstatistik Bölümü Akademik Bilişim 2015, Anadolu Üniversitesi, Eskişehir

Detaylı

Yaklaşık Düşünme Teorisi

Yaklaşık Düşünme Teorisi Yaklaşık Düşünme Teorisi Zadeh tarafından 1979 yılında öne sürülmüştür. Kesin bilinmeyen veya belirsiz bilgiye dayalı işlemlerde etkili sonuçlar vermektedir. Genellikle bir f fonksiyonu ile x ve y değişkeni

Detaylı

BENZETİLMİŞ TAVLAMALI GENETİK ALGORİTMALAR İLE UZUN DÖNEM ELEKTRİK ENERJİSİ ÜRETİM GENİŞLETME PLANLAMASI

BENZETİLMİŞ TAVLAMALI GENETİK ALGORİTMALAR İLE UZUN DÖNEM ELEKTRİK ENERJİSİ ÜRETİM GENİŞLETME PLANLAMASI BENZEİLMİŞ AVLAMALI GENEİK ALGORİMALAR İLE UZUN DÖNEM ELEKRİK ENERİSİ ÜREİM GENİŞLEME PLANLAMASI Mehmet YILDIRIM Kadir ERKAN 2 Semra ÖZÜRK 3,2 Kocaeli Üniversitesi Enformatik Bölümü, 4300, İzmit, KOCAELİ

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

Genetik Algoritmalar. Prof.Dr.Adem KALINLI

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

Detaylı

DOĞAL GAZ & ENERJİ YÖNETİMİ BİLDİRİLER KİTABI

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

Detaylı

BASKIN GEN SEÇİMİ OPERATÖRÜNE DAYALI GENETİK ALGORİTMA MODELİ

BASKIN GEN SEÇİMİ OPERATÖRÜNE DAYALI GENETİK ALGORİTMA MODELİ Gazi Üniv. Müh. Mim. Fak. Der. J. Fac. Eng. Arch. Gazi Univ. Cilt 26, No 4, 869-875, 20 Vol 26, No 4, 869-875, 20 BASKIN GEN SEÇİMİ OPERATÖRÜNE DAYALI GENETİK ALGORİTMA MODELİ Adem KALINLI, Özgür AKSU

Detaylı