Genetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden
|
|
- Nesrin Birsen
- 7 yıl önce
- İzleme sayısı:
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 Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik
DetaylıYZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR
YZM 5257 YAPAY ZEKA VE UZMAN SİSTEMLER DERS#6: GENETİK ALGORİTMALAR Sınıflandırma Yöntemleri: Karar Ağaçları (Decision Trees) Örnek Tabanlı Yöntemler (Instance Based Methods): k en yakın komşu (k nearest
DetaylıGenetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
DetaylıGENETİK 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.
DetaylıGENETİK ALGORİTMA ÖZNUR CENGİZ HİLAL KOCA
GENETİK ALGORİTMA ÖZNUR CENGİZ 201410306014 HİLAL KOCA 150306024 GENETİK ALGORİTMA Genetik Algoritma yaklaşımının ortaya çıkışı 1970 lerin başında olmuştur. 1975 te John Holland ın makine öğrenmesi üzerine
DetaylıFonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
DetaylıGENETİK ALGORİTMALAR BÜŞRA GÜRACAR
GENETİK ALGORİTMALAR BÜŞRA GÜRACAR 201420404036 İÇERİK Genetik Algoritmanın, Amacı Kullanım Alanları Kavramları Uygulama Adımları Parametreler Genetik Algoritma Kodlama Türleri Genetik Algoritma Genetik
DetaylıGENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ
VI. Ulusal Temiz Enerji Sempozyumu UTES 2006 25 27 Mayıs 2006, Isparta Sf.756 764 GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ Nida Nurbay ve Ali Çınar Kocaeli Üniversitesi Tek. Eğt. Fak. Makine
DetaylıMETASEZGİSEL 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
DetaylıGoogle 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
DetaylıGezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar
DetaylıGENETĠK 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
DetaylıRASSAL 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.
DetaylıGENETİK ALGORİTMALARA GİRİŞ (III)
GENETİK ALGORİTMALARA GİRİŞ (III) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıDOĞRUSAL 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
DetaylıGevşek 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
Detaylı2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının
DetaylıGenetik 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
DetaylıMekatronik 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
DetaylıERCİYES 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
DetaylıDİFERANSİYEL 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
DetaylıGENETĐK 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
DetaylıSerdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ANKARA
i GENETİK ALGORİTMA YAKLAŞIMIYLA ATÖLYE ÇİZELGELEME Serdar BİROĞUL YÜKSEK LİSANS TEZİ (ELEKTRİK EĞİTİMİ) GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2005 ANKARA ii Serdar BİROĞUL tarafından hazırlanan
DetaylıRekombinasyon 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)
Detaylı1. 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
DetaylıEvrimsel 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
DetaylıEMM4131 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
DetaylıEvrimsel 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,
DetaylıCBS 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
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
DetaylıMATEMATİK 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:
DetaylıGENETİK 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
DetaylıGridAE: 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,
DetaylıTHE 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... rref = 0; lref = 0 f cmu_mx <= 40 Then ' Fuzzy Table-Left l_cmu = ((40 - cmu_mx) * 100) / 40 rref = rref + (20 * l_cmu) / 100 End If If cmu_mx >=
... rref = 0; lref = 0 f cmu_mx
DetaylıGENETİK ALGORİTMALARA GİRİŞ (V)
GENETİK ALGORİTMALARA GİRİŞ (V) Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği Bölümü Konuralp 81620
DetaylıEMM4131 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:
DetaylıKablosuz 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
DetaylıÖRNEKLEME 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
DetaylıYÖNETİM 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
DetaylıPolinom 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:
Detaylı4. 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
DetaylıYÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Altın Oran (Golden Section Search) Arama Metodu Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f
DetaylıYrd. 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
DetaylıGENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA
GENETİK ALGORİTMALARA GİRİŞ (II) BİNARİ KODLANMIŞ GA Nedim TUTKUN Düzce Üniversitesi Elektrik Elektronik Mühendisliği Bölümü nedimtutkun@duzce.edu.tr Düzce Üniversitesi Elektrik&Elektronik Mühendisliği
DetaylıSigma 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
DetaylıRASTGELE 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.
DetaylıMÜFREDAT 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
DetaylıKİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI
KİNETİK MODEL PARAMETRELERİNİN BELİRLENMESİNDE KULLANILAN OPTİMİZASYON TEKNİKLERİNİN KIYASLANMASI Hatice YANIKOĞLU a, Ezgi ÖZKARA a, Mehmet YÜCEER a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği
DetaylıHAFTA 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,
Detaylıİleri 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
DetaylıEM302 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
Detaylıwww.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
DetaylıKAMU 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
DetaylıSÜREKLİ 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
DetaylıARAŞTIRMA 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
DetaylıGENETİK 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
DetaylıONARILABĐLĐR 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
DetaylıEv Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması
Ev Tipi Yenilenebilir Hibrit Sistem İçin Mikro-Genetik Algoritma ile Optimal Yük Planlaması Özay CAN, Nedim TUTKUN Düzce Üniversitesi Elektrik/Elektronik Mühendisliği Kapsam Giriş Hibrit Sistem ve Güç
DetaylıMETASEZGİSEL YÖNTEMLER
METASEZGİSEL YÖNTEMLER Ara sınav - 30% Ödev (Haftalık) - 20% Final (Proje Sunumu) - 50% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn: Zaman çizelgeleme, en kısa yol bulunması,
DetaylıADIM 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
DetaylıSÜREKLİ 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
DetaylıZeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
DetaylıRössler 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
DetaylıKARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler. Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü
KARINCA KOLONİ ALGORİTMASI BMÜ-579 Meta Sezgisel Yöntemler Yrd. Doç. Dr. İlhan AYDIN Fırat Üniversitesi, Bilgisayar Mühendisliği Bölümü Karınca Koloni Algoritması Bilim adamları, böcek davranışlarını inceleyerek
DetaylıİLERİ 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
DetaylıBilgisayar Mühendisliği. Bilgisayar Mühendisliğine Giriş 1
Bilgisayar Mühendisliği Bilgisayar Mühendisliğine Giriş 1 Mühendislik Nedir? Mühendislik, bilim ve matematiğin yararlı cihaz ve sistemlerin üretimine uygulanmasıdır. Örn: Elektrik mühendisleri, elektronik
DetaylıGÜNEŞ 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
DetaylıÖZET...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
DetaylıGENETİK 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
DetaylıMoleküler 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
DetaylıGENETİK 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,
DetaylıEĞİTİMDE 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
DetaylıALKÜ 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
DetaylıTedarik 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
DetaylıÜÇ 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
DetaylıGezgin 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 2018 2019 ÖĞRETİM YILI BİLİŞİM TEKNOLOJİLERİ DERSİ ÜNİTELENDİRİLMİŞ YILLIK DERS PLANI Hazırlayan : Özel Öğretim Kurumları Birliği (ÖZKURBİR) Dersin Adı : Bilişim
DetaylıRasgele 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
Detaylıayxmaz/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
DetaylıVERİ 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
DetaylıBIL1202 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:
DetaylıT.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
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıTabakalı 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
DetaylıMarkov 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
DetaylıGERÇEL 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
DetaylıDİZGE 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
DetaylıEĞİTİM 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
DetaylıMIT 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.
DetaylıÖZGEÇMİŞ. 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
DetaylıGENETİK 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
DetaylıBLM 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
DetaylıZamansal 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
DetaylıYaklaşık 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
DetaylıBENZETİLMİŞ 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
DetaylıEsnek Hesaplamaya Giriş
Esnek Hesaplamaya Giriş J E O L O J İ M Ü H E N D İ S L İ Ğ İ A. B. D. E S N E K H E S A P L A M A Y Ö N T E M L E R İ - I DOÇ. DR. ERSAN KABALCI Esnek Hesaplama Nedir? Esnek hesaplamanın temelinde yatan
DetaylıGenetik 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
DetaylıDOĞAL 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
DetaylıBASKIN 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