YÖNEYLEM ARAŞTIRMASI - III

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "YÖNEYLEM ARAŞTIRMASI - III"

Transkript

1 YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN

2 İçerik Altın Oran (Golden Section Search) Arama Metodu

3 Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x) a x b f (x) bulunmayabilir veya f (x) = 0 denklemini çözmek çok zor olabilir. Bu konuda, f(x) eğer özel bir tür fonksiyon ise (unimodal fonksiyon) optimum (en iyi) noktasının nasıl çözülebileceği ele alınacaktır.

4 Unimodal fonksiyon: Şayet [a, b] aralığındaki bazı x değerleri için f(x) [a, x] aralığında keskin bir şekilde artıyor ve [x, b] aralığında ise keskin bir şekilde azalıyorsa f(x) fonksiyonu [a, b] aralığında unimodaldır. Yani bu aralıkta sadece tek bir tepe noktası bulunmaktadır.

5 [a, b] aralığında unimodal bir fonksiyon x = yerel maksimum değeri [a, b] aralığında unimodal olmayan bir fonksiyon

6 [a, b] aralığında iki nokta olan x 1 ve x 2 noktalarında (x 1 < x 2 ) f(x) fonksiyonunu incelediğimizde çözümü bulana kadar aralığı daraltabiliriz. f(x 1 ) ve f(x 2 ) incelendiğinde üç durumdan biri meydana gelir. Her üç durumda da optimum çözümün [a, b] aralığında olacağını gösterebiliriz.

7 Durum 1: f(x 1 ) < f(x 2 ). f(x), [x 1, x 2 ] aralığının en azından bir kısmında artmakta olduğu için f(x) in unimodal olmasından dolayı optimum çözüm [a, x 1 ] aralığında oluşamaz. Bu sebeple Durum 1 de x (x 1, b] dir.

8 Durum 2: f(x 1 ) = f(x 2 ). [x 1, x 2 ] aralığının bir kısmında f(x) azalıyordur ve optimum çözüm a < x 2 kısmındadır. Bu sebeple Durum 2 de x [a, x 2 ) dir.

9 Durum 3: f(x 1 ) > f(x 2 ). Bu durumda f(x), x x 2 ye ulaşmadan önce azalmaya başlayacaktır. Bu sebeple Durum 3 de x [a, x 2 ) dir.

10 Belirsizlik aralığı: x nin [a, x 2 ) veya (x 1, b] aralıklarından hangisinde bulunacağına belirsizlik aralığı denir. Bu belirsizlik aralığını azaltmak için çok sayıda arama algoritması bahsedilen bu fikirleri kullanmaktadır. Bu algoritmaların birçoğu aşağıdaki adımları kullanır:

11 Adım 1: x için belirsizlik aralığı olarak [a, b] aralığı ile başla. Makul bir şekilde seçilmiş x 1 ve x 2 noktaları için f(x) i incele. Adım 2: Durum 1, 2 veya 3 ten hangisine uyduğunu belirle ve belirsizlik aralığını buna göre azalt. Adım 3: İki yeni nokta için f(x) i incele (algoritma, bu iki yeni noktanın nasıl seçileceğini belirtmektedir). Belirsizlik aralığı yeterince küçük olana kadar Adım 2 ye dön.

12 r : Altın Oran r karesel r 2 + r = 1 denkleminin pozitif bir kökü olsun. Karesel formülden şu elde edilir: r = 5 1 = 0,618 2 Altın oran arama algoritması x 1 ve x 2 noktalarında f(x) in incelenmesi ile başlar. x 1 = b r(b a) x 2 = a + r(b a)

13 Durum 1, 2 ve 3 te bahsedildiği üzere biliyoruz ki; Eğer f(x 1 ) < f(x 2 ) ise x (x 1, b]. Belirsizlik aralığı b x 1 = r(b a) uzunluğundadır. Eğer f(x 1 ) f(x 2 ) ise x [a, x 2 ). Belirsizlik aralığı x 2 a = r(b a) uzunluğundadır. Bu sebeple f(x 1 ) ve f(x 2 ) incelendikten sonra belirsizlik aralığı r(b a) uzunluğuna indirgenmiş olur.

14 Aşağıdaki prosedürü kullanarak iki yeni x 3 ve x 4 noktaları üretilir ve bu noktalarda f(x) incelenir. Durum 1: f(x 1 ) < f(x 2 ). Yeni belirsizlik aralığı (x 1, b] alınır. Uzunluğu b x 1 = r(b a) olacaktır. x 3 = b r(b x 1 ) = b r 2 (b a) x 4 = x 1 + r(b x 1 ) Yeni bulunan x 3 noktası, daha önce bulunan x 2 noktasına eşit olacaktır. Bunu r 2 = 1 r gerçeğinden hareketle ispatlayabiliriz. x 3 = b r 2 (b a) = b (1 r)(b a) = a + r(b a) = x 2

15 Aşağıdaki prosedürü kullanarak iki yeni x 3 ve x 4 noktaları üretilir ve bu noktalarda f(x) incelenir. Durum 2: f(x 1 ) f(x 2 ). Yeni belirsizlik aralığı [a, x 2 ) alınır. Uzunluğu x 2 a = r(b a) olacaktır. x 3 = x 2 r(x 2 a) x 4 = a + r(x 2 a) = a + r 2 (b a) Yeni bulunan x 4 noktası, daha önce bulunan x 1 noktasına eşit olacaktır. Bunu r 2 = 1 r gerçeğinden hareketle ispatlayabiliriz. x 4 = a + r 2 (b a) = a + (1 r)(b a) = b r(b a) = x 1

16 Şimdi f(x 3 ) ve f(x 4 ) fonksiyonları belirsizlik aralığını azaltmak için kullanılabilir. Bu aşamada Altın Oran Arama Algoritmasının iki iterasyonu tamamlanmıştır. Yukarıdan anlaşıldığı gibi Altın Oran Arama Algoritmasının her iterasyonunda f(x) sadece bir yeni noktada incelenecektir. k. iterasyonda belirsizlik aralığının genel ifadesi: L k = rl k-1 = r k (b a)

17 Bulunacak son belirsizlik aralığı < ɛ olmalıdır. Bu sebeple kaç iterasyon Altın Oran Arama Algoritması işletileceği, aşağıdaki formülden k değeri elde edilerek bulunur. r k (b a) < ɛ

18 Örnek: Aşağıdaki modeli, nihai belirsizlik aralığı 0,25 den küçük olacak şekilde Altın Oran Arama Algoritması ile çözelim: Max x x 0,75

19 Örnek: a = 1 b = 0,75 b a = 1,75 Max x x 0,75 r k (b a) < ɛ => 0,618 k * 1,75 < 0,25 => 0,618 k < 1/7 k ln (0,618) < ln (1/7) => k * (-0,48) < -1,95 k > 4,06 Öyleyse 5 iterasyon Altın Oran Arama Algoritması işletilecektir. Önce x 1 ve x 2 bulunur.

20 Örnek: x 1 = 0,75 0,618 * 1,75 = 0,3315 x 2 = 1 + 0,618 * 1,75 = 0,0815 f(x 1 ) = ( 0,3315) 2 1 = 1,1099 f(x 2 ) = (0,0815) 2 1 = 1,0066 Max x x 0,75 f(x 1 ) < f(x 2 ) olduğu için yeni belirsizlik aralığı: (x 1, b] = ( 0,3315, 0,75] ve daha önce ispatlandığı üzere x 3 = x 2 olacaktır. L 1 = 0,75 ( 0,3315) = 1,0815

21 Örnek: x 3 = x 2 = 0,0815 x 4 = 0, ,618 * 1,0815 = 0,3369 Max x x 0,75 f(x 3 ) = f(x 2 ) = 1,0066 f(x 4 ) = (0,3369) 2 1 = 1,1135 f(x 3 ) > f(x 4 ) olduğu için yeni belirsizlik aralığı: [x 1, x 4 ) = [ 0,3315, 0,3369) ve daha önce ispatlandığı üzere x 6 = x 3 olacaktır. L 2 = 0,3369 ( 0,3315) = 0,6684

22 Örnek: x 5 = 0,3369 0,618*0,6684 = 0,0762 x 6 = x 3 = 0,0815 f(x 5 ) = ( 0,0762) 2 1 = 1,0058 f(x 6 ) = f(x 3 ) = 1,0066 Max x x 0,75 f(x 5 ) > f(x 6 ) olduğu için yeni belirsizlik aralığı: [x 1, x 6 ) = [ 0,3315, 0,0815) x 8 = x 5 olacaktır. L 3 = 0, 0815 ( 0,3315) = 0,4130

23 Örnek: x 7 = 0, ,618 * 0,4130 = 0,1737 x 8 = x 5 = 0,0762 f(x 7 ) = ( 0,1737) 2 1 = 1,0302 f(x 8 ) = f(x 5 ) = 1,0058 Max x x 0,75 f(x 7 ) < f(x 8 ) olduğu için yeni belirsizlik aralığı: (x 7, x 6 ] = ( 0,1737, 0,0815] x 9 = x 8 olacaktır. L 4 = 0,0815 ( 0,1737) = 0,2552

24 Örnek: x 9 = x 8 = 0,0762 x 10 = 0, ,618 * 0,2552 = 0,016 f(x 9 ) = f(x 8 ) = 1,0058 f(x 10 ) = (0,016) 2 1 = 1,0003 Max x x 0,75 f(x 9 ) < f(x 10 ) olduğu için yeni belirsizlik aralığı: (x 9, x 6 ] = ( 0,0762, 0,0815] L 5 = 0,0815 ( 0,0762) = 0,1577 < 0,25 olduğu için sonlandırılır.

25 Örnek: Sonuç olarak; Max x x 0,75 Max x x 0,75 modelinin çözümü ( 0,0762, 0,0815] aralığında olacaktır. (Tabi ki gerçek maksimum x = 0 da oluşacaktır.) Altın Oran Arama Algoritması, minimizasyon problemlerinde de kullanılabilir. Bunun için amaç fonksiyonu 1 ile çarpılır.

26 Ödev: 1. Altın Oran Arama Algoritmasını Excel de hazırlayın. 2. Altın Oran Arama Algoritmasının MATLAB kodlarını yazın. 3. Altın Oran Arama Algoritmasını bildiğiniz bir programlama dili ile yazın.

27 Sorular 1. Aşağıdaki modelin optimum çözümünü 0,8 belirsizlik aralığı için çözünüz. Max. x 2 + 2x 3 x 5 2. Aşağıdaki modelin optimum çözümünü 0,6 belirsizlik aralığı için çözünüz. Max. x e x 1 x 3

28 Yöneylem Araştırması - II Kaynaklar 1. Wayne Winston, Operations Research Applications and Algorithms 4th. Edition, M. Turhan Çoban, Optimizasyon Ders Notları. 3. MATLAB: Yapay Zeka ve Mühendislik Uygulamaları, Prof. Dr. C.Kubat, Beşiz Yayınları-1.Basım, Aralık 2012.

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU

ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU ALTIN ORAN ARAMA (GOLDEN SECTION SEARCH) METODU Tek değişkenli bir f(x) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x)

Detaylı

Altın Oran Arama Metodu(Golden Search)

Altın Oran Arama Metodu(Golden Search) Altın Oran Arama Metodu(Golden Search) Bir f(x) (tek değişkenli) fonksiyonunu ele alalım. [Bazı x ler için f (x) bulunamayabilir.] Aşağıdaki DOP modelini çözmek istediğimizi var sayalım. Max f(x) a x b

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

YÖNEYLEM ARAŞTIRMASI - III

YÖNEYLEM ARAŞTIRMASI - III YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik İkiye Bölme / Yarılama Yöntemi Genel olarak f x = 0 gerek şartını sağlamak oldukça doğrusal olmayan ve bu sebeple çözümü

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 - 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

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

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

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

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

Türk-Alman Üniversitesi. Ders Bilgi Formu

Türk-Alman Üniversitesi. Ders Bilgi Formu Türk-Alman Üniversitesi Ders Bilgi Formu Dersin Adı Dersin Kodu Dersin Yarıyılı Yöneylem Araştırması WNG301 5 ECTS Ders Uygulama Laboratuar Kredisi (saat/hafta) (saat/hafta) (saat/hafta) 6 2 2 0 Ön Koşullar

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3519

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3519 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: YÖNEYLEM ARAŞTIRMASI I Dersin Orjinal Adı: YÖNEYLEM ARAŞTIRMASI I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu:

Detaylı

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem

3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem 3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası

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

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

Anadolu Üniversitesi Endüstri Mühendisliği Bölümü İST328 Yöneylem Araştırması 2 Dersi Bahar Dönemi. Hazırlayan: Doç. Dr.

Anadolu Üniversitesi Endüstri Mühendisliği Bölümü İST328 Yöneylem Araştırması 2 Dersi Bahar Dönemi. Hazırlayan: Doç. Dr. Anadolu Üniversitesi Endüstri Mühendisliği Bölümü İST8 Yöneylem Araştırması Dersi 00-0 Bahar Dönemi Hazırlayan: Doç. Dr. Nil ARAS AÇIKLAMA Bu sunu izleyen kaynaklardaki örnek ve bilgilerden faydalanarak

Detaylı

Yöneylem Araştırması I (IE 222) Ders Detayları

Yöneylem Araştırması I (IE 222) Ders Detayları Yöneylem Araştırması I (IE 222) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yöneylem Araştırması I IE 222 Güz 3 2 0 4 5 Ön Koşul Ders(ler)i Math 275 Doğrusal

Detaylı

Yöneylem Araştırması II (IE 323) Ders Detayları

Yöneylem Araştırması II (IE 323) Ders Detayları Yöneylem Araştırması II (IE 323) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yöneylem Araştırması II IE 323 Güz 3 2 0 4 5.5 Ön Koşul Ders(ler)i IE 222

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3620

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 3620 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: YÖNEYLEM ARAŞTIRMASI II Dersin Orjinal Adı: YÖNEYLEM ARAŞTIRMASI II Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu:

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 YÖNEYLEM ARAŞTIRMA - EN-3 3/ 3+0 3 Dersin Dili : Türkçe Dersin Seviyesi

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: IND 3907

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: IND 3907 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: MATEMATİKSEL MODELLEME ve UYGULAMALARI Dersin Orjinal Adı: MATHEMATICAL MODELING AND APPLICATIONS Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans,

Detaylı

(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM

(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM EŞİTSİZLİKLER A. TANIM f(x)>0, f(x) - eşitsizliğinin

Detaylı

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

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

Detaylı

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

ALGORİTMA ANALİZİ. Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü

ALGORİTMA ANALİZİ. Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü ALGORİTMA ANALİZİ Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü 2 Özyinelemeler veya artık teknik Türkçeye girmiş olan rekürsiflik en çok duyulan fakat kullanımında zorluklar görülen tekniklerdendir.

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

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati Kredi AKTS (T+U+L) ŞEBEKE MODELLERİ EN-413 4/I 3+0+0 3 5 Dersin Dili : İngilizce Dersin Seviyesi : Lisans

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

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL HAZIRLAYAN ÖĞRENCİ: Tilbe GÖKÇEL DANIŞMAN ÖĞRETMEN: Emel ERGÖNÜL İZMİR 2013 İÇİNDEKİLER 1. PROJENİN AMACI... 3 2. GİRİŞ... 3

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

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı

SİMPLEKS ALGORİTMASI Yapay değişken kullanımı Fen Bilimleri Enstitüsü Endüstri Mühendisliği Anabilim Dalı ENM53 Doğrusal Programlamada İleri Teknikler SİMPLEKS ALGORİTMASI Yapay değişken kullanımı Hazırlayan: Doç. Dr. Nil ARAS, 6 AÇIKLAMA Bu sununun

Detaylı

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler

Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler İçerik Ders Kodu Dersin Adı Yarıyıl Teori Uygulama Lab Kredisi AKTS IND 621 Stokastik Süreçler 1 3 0 0 3 8 Ön Koşul Derse Kabul Koşulları Dersin Dili Türü Dersin Düzeyi Dersin Amacı İngilizce Zorunlu Doktora

Detaylı

28 C j -Z j /2 0

28 C j -Z j /2 0 3.2.6. Dual Problem ve Ekonomik Yorumu Primal Model Z maks. = 4X 1 + 5X 2 (kar, pb/gün) X 1 + 2X 2 10 6X 1 + 6X 2 36 8X 1 + 4X 2 40 (işgücü, saat/gün) (Hammadde1, kg/gün) (Hammadde2, kg/gün) 4 5 0 0 0

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

BİLGİSAYAR PROGRAMLAMA MATLAB

BİLGİSAYAR PROGRAMLAMA MATLAB BİLGİSAYAR PROGRAMLAMA MATLAB Arş. Gör. Ahmet ARDAHANLI Kafkas Üniversitesi Mühendislik Fakültesi Ders Bilgileri Dersin Hocası: Araş. Gör. Ahmet Ardahanlı E-posta: ahmet.ardahanli@hotmail.com Oda: DZ-33

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

DOĞRUSAL OLMAYAN PROGRAMLAMA -I-

DOĞRUSAL OLMAYAN PROGRAMLAMA -I- DOĞRUSAL OLMAYAN PROGRAMLAMA -I- Dışbükeylik / İçbükeylik Hazırlayan Doç. Dr. Nil ARAS Anadolu Üniversitesi, Endüstri Mühendisliği Bölümü İST38 Yöneylem Araştırması Dersi 0-0 Öğretim Yılı Doğrusal olmayan

Detaylı

Okut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.

Okut. Yüksel YURTAY. İletişim :  (264) Sayısal Analiz. Giriş. Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak

Detaylı

İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH)

İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH) İLERİ ALGORİTMA ANALİZİ TABU ARAMA ALGORİTMASI (TABU SEARCH) Tabu Arama Algoritması, optimizasyon problemlerinin çözümü için F.Glover tarafından geliştirilmiş iteratif bir araştırma algoritmasıdır. Temel

Detaylı

YÖNEYLEM ARAŞTIRMASI - II

YÖNEYLEM ARAŞTIRMASI - II YÖNEYLEM ARAŞTIRMASI - II Araş. Gör. Murat SARI 1/35 I Giriş Biri diğerini izleyen ve karşılıklı etkileri olan bir dizi kararın bütünüyle ele alındığı problemler için geliştirilen karar modelleri ve bunların

Detaylı

Uyarlanır Sistemler and Sinyal İşleme (EE 424) Ders Detayları

Uyarlanır Sistemler and Sinyal İşleme (EE 424) Ders Detayları Uyarlanır Sistemler and Sinyal İşleme (EE 424) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Uyarlanır Sistemler and Sinyal İşleme EE 424 Her İkisi 3 0

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

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

EŞİTSİZLİKLER. 5. x 2 + 4x + 4 > x 2 0. eşitsizliğinin çözüm kümesi. eşitsizliğinin çözüm kümesi. aşağıdakilerden hangisidir?

EŞİTSİZLİKLER. 5. x 2 + 4x + 4 > x 2 0. eşitsizliğinin çözüm kümesi. eşitsizliğinin çözüm kümesi. aşağıdakilerden hangisidir? 1. 36 x A) [- 6, ] B) [- 6, 6 ] C) [, 36] D) [, 36 ] E) [- 36, ] 5. x + 4x + 4 > A) (, ) B) - } C) D) R E) R - {- } 6. x + 8x + 16. x x 8 < aşağıdalerden hangisidir? A) (- 4, ) B) (-, ) C) (- 4, ) A) {

Detaylı

Rassal Değişken Üretimi

Rassal Değişken Üretimi Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.

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

BİLGİSAYAR PROGRAMLAMA DERSİ

BİLGİSAYAR PROGRAMLAMA DERSİ BİLGİSAYAR PROGRAMLAMA DERSİ Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü DERS NOTU 5 KONU: Matlab de Diziler ve Matrisler İÇ İÇE FOR DÖNGÜSÜ

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

BLM-431 YAPAY ZEKA. Ders-5 Bilgili Arama Yöntemleri. Yrd. Doç. Dr. Ümit ATİLA

BLM-431 YAPAY ZEKA. Ders-5 Bilgili Arama Yöntemleri. Yrd. Doç. Dr. Ümit ATİLA BLM-431 YAPAY ZEKA Ders-5 Bilgili Arama Yöntemleri Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/ Arama Grafları Eğer arama uzayı ağaç yapısından değil de graf

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 4- LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ Matematikte veya hidrolik, dinamik, mekanik, elektrik

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

Sayısal Yöntemler (MGMT 214) Ders Detayları

Sayısal Yöntemler (MGMT 214) Ders Detayları Sayısal Yöntemler (MGMT 214) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Sayısal Yöntemler MGMT 214 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yapay Zeka Sistemleri BIL308 6 3+0 3 4

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Yapay Zeka Sistemleri BIL308 6 3+0 3 4 DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Yapay Zeka Sistemleri BIL308 6 3+0 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Zorunlu / Yüz Yüze Dersin

Detaylı

Tablo7.1.1 Bismarck için Kaynak Gereksinimleri Ürün İşçilik (Saat) Kumaş (Yard Kare) Gömlek 3 4 Şort 2 3 Pantolon 6 4

Tablo7.1.1 Bismarck için Kaynak Gereksinimleri Ürün İşçilik (Saat) Kumaş (Yard Kare) Gömlek 3 4 Şort 2 3 Pantolon 6 4 ISLE403 YÖNEYLEM ARAŞTIRMASI I DERS VII NOTLAR Günümüzün iş dünyasında şirketler sermaye mallarını satın almak yerine finansal kiralama yoluyla edinmeyi değerlendiriyorlar. Finansal kiralama sabit maliyetler

Detaylı

2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları

2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları 2013-2014 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları Prof. Dr. Orhan TORKUL 1. Bilişim Sistemleri Analiz ve Tasarımı 2. İş Zekası Sistemleri 3. Ortak Çalışma Sistemleri

Detaylı

Dr. Musa KILIÇ Öğretim Görevlisi http://kisi.deu.edu.tr/musa.kilic

Dr. Musa KILIÇ Öğretim Görevlisi http://kisi.deu.edu.tr/musa.kilic Dr. Musa KILIÇ Öğretim Görevlisi http://kisi.deu.edu.tr/musa.kilic BİLGİSAYAR DONANIM Donanım birimleri ekran, klavye, harddisk, ram YAZILIM Yazılımlar ise bilgisayarın donanım yapısını kullanılır hale

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

PROF. DR. ŞAKİR ESNAF IN BİTİRME PROJESİ KONULARI

PROF. DR. ŞAKİR ESNAF IN BİTİRME PROJESİ KONULARI PROF. DR. ŞAKİR ESNAF IN TEORİK ÇALIŞMA BAŞLIKLARI Ø Coğrafi Çoklu Tesis Yeri Seçimi (Weber) Probleminin Çözümü için Sezgisel ve Metasezgisel Algoritmalar Ø Çoklu Tesis Yeri Seçimi (Pmedyan) Probleminin

Detaylı

Duyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir.

Duyarlılık Analizi, modelde veri olarak kabul edilmiş parametrelerde meydana gelen değişimlerin optimum çözüme etkisinin incelenmesidir. ISLE 403 YÖNEYLEM ARAŞTIRMASI I DERS IV NOTLAR Bağlayıcı Kısıtlar ve Bağlayıcı Olmayan Kısıtlar: Bağlayıcı Kısıtlar, denklemleri optimum çözüm noktasında kesişen kısıtlardır. Bağlayıcı-Olmayan Kısıtlar,

Detaylı

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması

Karar değişkenlere ilişkin fonksiyonların ve bu fonksiyonlara ilişkin sınırlamaların tanımlanması İNŞAAT PROJELERİNİN PROGRAMLAMA, TASARIM VE YAPIM SÜRECİNDE OPTİMİZASYON Doğrusal Optimizasyon Optimizasyon Kuramı (Eniyileme Süreci) Doğrusal Olmayan Optimizasyon Optimizasyon en iyi çözümü bulma sürecidir.

Detaylı

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ T.C. SAKARYA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ BİTİRME ÇALIŞMASI TEZ BAŞLIĞI HAZIRLAYAN Adı Soyadı DANIŞMAN Ünvanı Adı Soyadı MAYIS 2017 2 İÇİNDEKİLER İçindekiler Sayfası

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

Optimizasyona Giriş (MFGE 412) Ders Detayları

Optimizasyona Giriş (MFGE 412) Ders Detayları Optimizasyona Giriş (MFGE 412) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Saati Laboratuar Kredi AKTS Saati Optimizasyona Giriş MFGE 412 Seçmeli 3 0 0 3 5 Ön Koşul Ders(ler)i MATH 275 Lineer Cebir

Detaylı

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

Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ. Prof. Dr. İbrahim UZUN Mühendislikte Sayısal Çözüm Yöntemleri NÜMERİK ANALİZ Prof. Dr. İbrahim UZUN Yayın No : 2415 İşletme-Ekonomi Dizisi : 147 5. Baskı Eylül 2012 - İSTANBUL ISBN 978-605 - 377-438 - 9 Copyright Bu kitabın

Detaylı

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

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

Detaylı

Hafta 4 Döngü Yapıları

Hafta 4 Döngü Yapıları BLM111 Programlama Dilleri I Hafta 4 Döngü Yapıları Yrd. Doç. Dr. Caner ÖZCAN Akış Diyagramı Akış Diyagramı Örnek - Tekrar Katsayıları klavyeden girilen ikinci derece denklemin köklerini hesaplayan algoritmanın

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

EĞĠTĠM-ÖĞRETĠM PLANI

EĞĠTĠM-ÖĞRETĠM PLANI T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2014-2015 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL ENM 101 Matematik I 4 0 4 6 ENM 102 Matematik II 4 0 4 6 ENM 103 Fizik

Detaylı

Örüntü Tanıma (EE 448) Ders Detayları

Örüntü Tanıma (EE 448) Ders Detayları Örüntü Tanıma (EE 448) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Örüntü Tanıma EE 448 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin Dili Dersin Türü Dersin

Detaylı

Özyineleme (Recursion)

Özyineleme (Recursion) Özyineleme tanımlamaları Özyineleme çağırma Tail özyineleme Nontail özyineleme Dolaylı (Indirect) özyineleme İçiçe (Nested) özyineleme Yrd.Doç.Dr. M. Ali Akcayol Kendi kendisini doğrudan veya dolaylı olarak

Detaylı

Erciyes Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü İNŞ-201 Nümerik Analiz Dersi Final Sınavı

Erciyes Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü İNŞ-201 Nümerik Analiz Dersi Final Sınavı Erciyes Üniversitesi, Mühendislik Fakültesi, İnşaat Mühendisliği Bölümü İNŞ-201 Nümerik Analiz Dersi Final Sınavı (30)1.a) İki reel sayının mantissa ları (gövde kısımları) eşit ve mantissa1 = mantissa2

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Matlab Programlama BIL449 7 3+0 3 5 Ön Koşul Dersleri Yok Dersin Dili Dersin Seviyesi Dersin Türü Türkçe Lisans Seçmeli / Yüz Yüze Dersin

Detaylı

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ

ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ ULAŞTIRMA MODELİ VE ÇEŞİTLİ ULAŞTIRMA MODELLERİ Özlem AYDIN Trakya Üniversitesi Bilgisayar Mühendisliği Bölümü ULAŞTIRMA MODELİNİN TANIMI Ulaştırma modeli, doğrusal programlama probleminin özel bir şeklidir.

Detaylı

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım)

Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması. (Eğitim/Hata geri yayılım) Çok katmanlı ileri sürümlü YSA da standart geri yayıyım ve momentum geri yayılım algoritmalarının karşılaştırılması (Eğitim/Hata geri yayılım) Özetçe Bu çalışmada çok katmanlı ve ileri sürümlü bir YSA

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP)

DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) DOĞRUSAL OLMAYAN PROGRAMLAMA (NLP) 1. Non-lineer kar analizi, 2. Kısıtlı optimizasyon, 3. Yerine koyma (substitution) yöntemi, 4. Lagranj Çarpanları Yöntemi 5. Başabaş Analizleri ve Duyarlılık Testleri

Detaylı

BLM-431 YAPAY ZEKA. Ders-4 Bilgisiz Arama Yöntemleri. Yrd. Doç. Dr. Ümit ATİLA

BLM-431 YAPAY ZEKA. Ders-4 Bilgisiz Arama Yöntemleri. Yrd. Doç. Dr. Ümit ATİLA BLM-431 YAPAY ZEKA Ders-4 Bilgisiz Arama Yöntemleri Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/ Dersin Hedefleri Aşağıda verilen arama stratejilerini anlamak

Detaylı

EĞĠTĠM-ÖĞRETĠM PLANI

EĞĠTĠM-ÖĞRETĠM PLANI T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2016-2017 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL ENM 101 Matematik I 4 0 6 6 ENM 102 Matematik II 4 0 6 6 ENM 103 Fizik

Detaylı

FBEB-512 C++ ile Nesne Tabanlı Programlama Güz 2009 (1. Hafta) (Yrd. Doç. Dr. Deniz Dal)

FBEB-512 C++ ile Nesne Tabanlı Programlama Güz 2009 (1. Hafta) (Yrd. Doç. Dr. Deniz Dal) FBEB-512 C++ ile Nesne Tabanlı Programlama Güz 2009 (1. Hafta) (Yrd. Doç. Dr. Deniz Dal) Algoritma Geliştirme ve Akış Diyagramları BİLGİSAYARLA PROBLEM ÇÖZÜMÜ AŞAMALARI Analiz Algoritma Geliştirilmesi

Detaylı

FİBONACCİ ARAMA YÖNTEMİ KULLANILARAK BROWN'UN TEK PARAMETRELİ ÜSTEL DÜZGÜNLEŞTİRME YÖNTEMİ'NDE OPTİMUM DÜZGÜNLEŞTİRME SABİTİNİN SEÇİMİ

FİBONACCİ ARAMA YÖNTEMİ KULLANILARAK BROWN'UN TEK PARAMETRELİ ÜSTEL DÜZGÜNLEŞTİRME YÖNTEMİ'NDE OPTİMUM DÜZGÜNLEŞTİRME SABİTİNİN SEÇİMİ /. 0. İsletme Fakültesi Dergisi Nisan 2006 C:35 Sayı: I Sayfa 69-83 FİBONACCİ ARAMA YÖNTEMİ KULLANILARAK BROWN'UN TEK PARAMETRELİ ÜSTEL DÜZGÜNLEŞTİRME YÖNTEMİ'NDE OPTİMUM DÜZGÜNLEŞTİRME SABİTİNİN SEÇİMİ

Detaylı

Soru 1. Soru 4. Soru 2. Soru 5. Soru 3. Soru 6.

Soru 1. Soru 4. Soru 2. Soru 5. Soru 3. Soru 6. İ s t a n b u l K ü l t ü r Ü n i v e r s i t e s i Matematik -Bilgisayar Bölümü MB500, MC 56, MC 56 - NÜMERİK ANALİZ (I) 0 Ocak 0 CEVAPLAR Talimatlar Sınav süresi 5 dakikadır. İlk 0 dakika sınav salonunu

Detaylı

GALATASARAY ÜNİVERSİTESİ

GALATASARAY ÜNİVERSİTESİ 1 MÜHENDİSLİK VE TEKNOLOJİ FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ 2017/2018 ÖĞRETİM YILI DERS PROGRAMI Not 1 : Fransızca Hazırlık sınıfından gelen ve Fransızca seviye tespit sınavında başarısız olan

Detaylı

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR

İÇİNDEKİLER ÖNSÖZ Bölüm 1 SAYILAR 11 Bölüm 2 KÜMELER 31 Bölüm 3 FONKSİYONLAR İÇİNDEKİLER ÖNSÖZ III Bölüm 1 SAYILAR 11 1.1. Sayı Kümeleri 12 1.1.1.Doğal Sayılar Kümesi 12 1.1.2.Tam Sayılar Kümesi 13 1.1.3.Rasyonel Sayılar Kümesi 14 1.1.4. İrrasyonel Sayılar Kümesi 16 1.1.5. Gerçel

Detaylı

Lojistikte Karar Yönetimi ve Optimizasyon (LOJ 430) Ders Detayları

Lojistikte Karar Yönetimi ve Optimizasyon (LOJ 430) Ders Detayları Lojistikte Karar Yönetimi ve Optimizasyon (LOJ 430) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Kodu Saati Saati Laboratuar Kredi AKTS Saati Lojistikte Karar Yönetimi ve Optimizasyon LOJ 430 Her

Detaylı

2014-2015 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları

2014-2015 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları 2014-2015 Bahar Y.Y. E-Mühendislik Yönetimi Proje Dersi Danışman Listesi ve İlgi Alanları Prof. Dr. Orhan TORKUL 1. Bilişim Sistemleri Analiz ve Tasarımı 2. İş Zekası Sistemleri 3. Ortak Çalışma Sistemleri

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

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 4- LİNEER OLMAYAN DENKLEMLERİN ÇÖZÜMÜ SORULAR ÇÖZÜMLER & MATLAB PROGRAMLAMA Doç. Dr. Ali Rıza YILDIZ Arş. Gör. Emre DEMİRCİ 1 4.1: Aşağıdaki verilen fonksiyonun belirten aralıklarda

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

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: CME 1002

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: CME 1002 Dersi Veren Birim: Bilgisayar Mühendisliği Dersin Türkçe Adı: ALGORİTMA VE PROGRAMLAMA II Dersin Orjinal Adı: ALGORITHMS AND PROGRAMMING II Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans

Detaylı

YUVARLAMA FONKSİYONLARI

YUVARLAMA FONKSİYONLARI YUVARLAMA FONKSİYONLARI Fonksiyon Çalışma Prensibi fix(x) x ondalık sayısını sıfır yönündeki ilk tamsayıya round(x) x ondalık sayısını kisine en yakın ilk tamsayıya ceil(x) x ondalık sayısını + yönündeki

Detaylı

Bireylerin yaşadığı çevreye uyum sağlaması durumunda ortaya çıkan olumsuzluklara PROBLEM denir.

Bireylerin yaşadığı çevreye uyum sağlaması durumunda ortaya çıkan olumsuzluklara PROBLEM denir. Bireylerin yaşadığı çevreye uyum sağlaması durumunda ortaya çıkan olumsuzluklara PROBLEM denir. Bu durumda bireylerin ortaya çıkan olumsuzluklara karşılık çözüm bulmak için yapacakları mücadeleye de PROBLEM

Detaylı

DERS TANITIM BİLGİLERİ

DERS TANITIM BİLGİLERİ DERS TANITIM BİLGİLERİ Dersin Kodu ve Adı Matematik (3+0) Bölüm / Program Dersin Dili Dersin Türü Dersi Verenler Sağlık Yönetimi Türkçe Zorunlu Yard. Doç. Dr. M. Tamer Koşan Dersle İlgili Görüşme Saatleri

Detaylı

Yapay Zeka (MECE 441) Ders Detayları

Yapay Zeka (MECE 441) Ders Detayları Yapay Zeka (MECE 441) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yapay Zeka MECE 441 Bahar 3 0 0 3 4 Ön Koşul Ders(ler)i Yok Dersin Dili Dersin Türü

Detaylı

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

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

Detaylı

Erzurum Teknik Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Programlama Dersi Ödevi Soru

Erzurum Teknik Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Programlama Dersi Ödevi Soru Adı: Soyadı: Numara: Bölümü: Erzurum Teknik Üniversitesi Mühislik Mimarlık Fakültesi Bilgisayar Programlama Dersi Ödevi 15.11.2015 Soru 1 2 3 4...... Toplam Puanlar Soru-1: Yandaki kısımda verilen terimlerin

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

TEMEL BİLGİSAYAR BİLİMLERİ. Programcılık, problem çözme ve algoritma oluşturma

TEMEL BİLGİSAYAR BİLİMLERİ. Programcılık, problem çözme ve algoritma oluşturma TEMEL BİLGİSAYAR BİLİMLERİ Programcılık, problem çözme ve algoritma oluşturma Programcılık, program çözme ve algoritma Program: Bilgisayara bir işlemi yaptırmak için yazılan komutlar dizisinin bütünü veya

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