GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ
|
|
- Eren Atalar
- 8 yıl önce
- İzleme sayısı:
Transkript
1 GAP IV. Mühendislik Kongresi Bildiriler Kitabı, Haziran 2002, Şanlıurfa. Proceedings of the Fourth GAP Engineering Congress, June 2002, Şanlıurfa. GENETİK ALGORİTMALAR VE ÇALIŞMA PRENSİPLERİ Paki TURĞUT, HR.Ü. İnşaat Müh. Böl., Şanlıurfa, Mehmet GÜMÜŞÇÜ, HR.Ü., İnşaat Müh. Böl., Şanlıurfa, Abdussamet ARSLAN, G.Ü. İnşaat Müh. Böl., Ankara, Özet Genetik Algoritma, bilgisayar üzerinde oluşan bir evrim şeklidir. Genetik Algoritmalar ile oluşturulan seleksiyon, doğal topluluklara benzer bir şekilde bilgisayar hafızasına depo edilmiş kromozomlar üzerinde icra edilmektedir. Evrim teorisi, biyolojik sistemleri doğal seleksiyon işleminin devamlı üretimi olarak tanımlamaktadır. Buna benzer olarak, Genetik Algoritmalar el ile yapıldığında uzun süren hesaplamalar yerine bilgisayar üzerinde oluşturulan evrimle mühendislik problemlerinin çözümünde etkili olmaktadır. Matematiksel çözüme dayalı metotlar türev bilgisi gerektirmesine rağmen, Genetik Algoritmalar yardımıyla bir problemi çözmede özel bilgi gerekmemektedir. Genellikle, Genetik Algoritmalar deterministik bir alanda random operatörler kullanmaktadır. Bu bildiride, Genetik Algoritmaların VLSI(Very Large Scale Integration) çok büyük ölçekli tümdevre tasarımındaki yüksek performansı anlatılmaktadır. Anahtar Kelimeler: Genetik Algoritmalar, gen, kromozom, VLSI, devre, optimizasyon GENETIC ALGORITHMS AND THEIR WORKING PRINCIPLES Abstract Genetic Algorithm is a form of evolution that takes place in a computer. The selection by Genetic Algorithm operates on strings of binary digits stored in the computer's memory in much the same way that natural populations of individuals evolve. The evolution theory describes the biological systems as the continuous process of the natural selections. Similar to that, since computations made by hand are time consuming, Genetic Algorithms are effective for solving engineering problems by forming evaluation in computer. Genetic Algorithms do not require specific knowledge solving a problem although calculus based search algorithms use derivative information. Genetic Algorithms use randomized operators in place of usual deterministic ones. In this paper, it has been explained Genetic Algorithms have high performance in designing of VLSI(Very Large Scale Integration) circuit. Keywords: Genetic Algorithms, gene, chromosome, VLSI, circuit, optimisation 1.Giriş Genetik Algoritmalar, insan ve ekosistemlerdeki doğal gelişme, sosyal sistemlerdeki taklit etme ve psikolojideki sonuçları değerlendirmeyi içine alan dinamik metotların geniş bir şekilde modellenmesi ile oluşmaktadır. Evrim sistemlerinin bilgisayarda modellenmesini yapmak çoğu konvensiyonel modellemelere kıyasla biraz daha zor olmaktadır[1]. Teknolojide ilerlemeler için, doğanın sonsuz esin kaynağı olabileceğini bir kez de Michigan Üniversitesi'nden John Holland'ın çalışmaları kanıtlamıştır. Makine öğrenmesi (Machine Learning) konusunda çalışmalar yapan Holland, evrim kuramından etkilenerek canlılarda yaşanan genetik süreci bilgisayar ortamında gerçekleştirmeyi düşünmüştür[2]. Genetik Algoritma ilk ismini biyoloji, ikinci ismini ise bilgisayar biliminden almaktadır. Sadece bir tane mekanik yapının öğrenme yeteneğinin geliştirilmesi yerine, böyle yapılardan oluşan bir topluluğun çoğalma, çiftleşme, değişim vb.genetik süreçlerden geçirilerek, başarılı(öğrenebilen) yeni bireylerin oluştuğu görülmüştür. Holland'ın çalışmalarının sonuçlarını açıkladığı kitabının 1975'de yayınlanmasından sonra geliştirdiği yöntemin adı Genetik Algoritmalar yada kısaca GA olarak yerleşmiştir. Ancak 1985 yılında Holland'ın öğrencisi olarak doktorasını veren David E.Goldberg adlı inşaat mühendisi 1989'da konusunda bir klasik sayılan kitabını yayınlayıncaya kadar, Genetik Algoritmalar'ın pek pratik yararı olmayan araştırma konusu olduğu düşünülmekteydi. Halbuki Goldberg' in gaz borusu hatlarının denetimi 1173
2 üzerine yaptığı çalışma ona sadece 1985 National Science Fundation Genç Araştırmacı ödülünü kazandırmakla kalmayıp, Genetik Algoritmalar' ın pratik kullanımının da olabilirliğini kanıtlamıştır[3]. 2. Genetik Algoritmalarla İlgili Temel Kavramlar Kromozom (Chromosome) bir yada daha fazla genin bir araya gelmesi ile oluşan ve problemin çözümü için gerekli tüm bilgiyi üzerinde taşıyan genetik yapıdır. Örneğin, genleri 4, 3, 5 birim uzunluklara sahip olan üç doğru parçasına ait uzunluk bilgisinin ikilik düzende kodlandığı bir kromozomu göstermektedir. Çaprazlama (Crossover) iki kromozomun bir araya gelerek genetik bilgi değişimi yapmasıdır. Örneğin, ve kromozomları üzerinde 4. genden başlayarak tek noktalı çaprazlama yapıldığında, ve kromozomları elde edilmektedir. Evrim (Evolution) genetik bilgi taşıyan bir topluluk üzerine genetik işlemlerin uygulanması sürecidir. Gen (Gene) kendi başına anlamlı genetik bilgi taşıyan en küçük genetik yapıdır. Genetik Programlama (GP, Genetic Programming) genlerinde program parçacıklarının kodlandığı kromozomlar üzerinde çalışan bir genetik algoritma yoluyla istenilen işi yapan bir programın geliştirilmesidir. Tersinme (Inversiyon) bir kromozomu ulaştıran genlerden ardışık bir grubun kendi içerisinde birbirleri ile yer değiştirerek ters dizilmeleridir. Örneğin, kromozomu 5. ve 8. gen konumları arasında tersindiğinde ortaya kromozomu çıkmaktadır. Eşleme (Mating) iki kromozomun çaprazlama amacıyla seçilmesidir. Değişim (Mutasyon) bir kromozomun taşıdığı genetik bilgide bir nedene bağlı olmaksızın rastgele değişim olmasıdır. Örneğin, kromozomunun 3. geninde değişim olması sonucunda, kromozomu oluşmaktadır. Çoğalma, Kopyalama (Reproduction) bir kromozomun kendisi ile aynı genetik bilgiyi taşıyan bir kopyasının oluşturulmasıdır. Örneğin, kromozumu çoğaltıldığında ve kromozomları elde edilmektedir. Seçme (Selection) bir kromozom havuzundaki kromozomlardan hangilerinin yeni oluşturulacak havuza aktarılacağının, kromozomların başarı değerlerini dikkate alarak belirlenmesidir. 3. Genetik Algoritmaların Genel Yapısı Ünlü matematikçi J. Hadamard "Gerek matematikte, gerek başka alanlarda buluş ve icatlar farklı alanlardan düşüncelerin bir araya gelmesiyle gerçekleşir. demiştir[3]. Bu söz Genetik Algoritmalar' ın nasıl doğduğunu özetlediği gibi temel çalışma ilkesini de açıklamıştır. Aşağıda Genetik Algoritma' nın yapısı genel hatları ile verilmektedir. Başlangıç anını belirle. t:0; Toplulukta yer alacak bireyleri oluştur. P(t); Bireylerin yaşam koşullarına uygunluğunu değerlendir. Değerlendir P(t); İstenilen düzeye ulaşılana kadar. While not başarılı-birey-bulundu do Zaman sayacını artır. t:= t+1; Bir sonraki topluluğa döl verecek bireyleri seç. P'(t) :=Ebeveynleri seç P(t); Seçilen bireyleri çiftleştir. Çiftleştir P(t); Geçici toplulukta rasgele değişimler olmasını sağla. Değişime uğrat P(t); Geçici topluluğun başarı durumunu değerlendir. Değerlendir P(t); Bir sonraki topluluğu oluştur. P(t+1):=P(t); End do : 1174
3 Buradaki terimlerde topluluk havuz ile, birey kromozom ile, çiftleşme çaprazlama ile, uygunluk fonksiyonu tasarımın kalitesi ile, sosyal başarı da tasarımın ekonomikliği ile yer değiştirdiğinde ortaya Genetik Algoritmalar çıkmaktadır. Görüldüğü gibi başlangıçta topluluğu oluşturma işlemi yapılmaktadır. Bu adımda genellikle uygulanan yöntem başlangıç topluluğunun rasgele oluşturulması şeklindedir. Fakat topluluk oluşturulurken bireylerin mümkün olduğu kadar biri birine benzememesini sağlamak toplumsal çeşitlilik açısından faydalı olmaktadır ve dolayısıyla çözüme daha hızlı yaklaşılmaktadır. Toplulukları evrim sürecine sokmadan önce yapılması gereken bir başka işlemde, başlangıç bireylerinin değerlendirilmesidir. Bu aşama evrim süreci içerisinde bir sonraki nesle döl verecek olan bireylerin belirlenmesi için gerekmektedir. Daha sonra istenilen düzeyde başarılı birey bulununcaya kadar veya topluluk başarıda artış sağlayamaz duruma gelince veya önceden belirlenen evrim sayısı tamamlanıncaya kadar sürecek olan evrim başlayacaktır. Her evrim sürecinde tekrar edilecek olan işlemler ise aşağıdaki şekilde sıralanacaktır. Bir sonraki nesle döl verecek olan bireyler daha önce hesaplanmış olan başarı değerlerine bağlı olarak seçilmektedir. Daha sonra, seçilen bireyler istenilen bir yöntemle çiftleştirilmektedir. Çiftleştirme sonucu oluşturulan bireyler genellikle, % 0.1 olasılıkla değişime uğratılmaktadır. Son adım olarak ta oluşturulan yeni bireylerin başarı değeri hesaplanmaktadır[4]. 4. Genetik Algoritmaların Uygulamaları 1983 yılında, Goldberg gaz borusu hatlarının denetiminde ilk defa Genetik Algoritmaları kullanmıştır. Goldberg tarafından yapılan bu çalışma, Genetik Algoritmaların ilk pratik uygulamasıdır. Goldberg yapmış olduğu bu çalışmayla Genetik Algoritmaların pratik kullanımını göstermiş ve bu çalışma sonucunda 1985 National Science Fundation Genç Araştırmacı Ödülünü kazanmıştır[3]. Rajeev ve Krishnamoorty 160 elemanlı bir uzay kafes sisteminin optimum tasarımında Genetik Algoritmaları kullanmıştır[5]. Dejong çok parametreli fonksiyonların çözümünü Genetik Algoritmalar kullanarak yapmıştır[6]. Jenkins değişik maksimizasyon veya minimizasyon problemlerinin çözümünde Genetik Algoritmaları kullanmıştır[7]. Çok katlı yapı çerçevelerinde kesit tesirlerini oluşturan hareketli yük kombinezonlarının bulunması işlemini Genetik Algoritmalarla Arslan tarafından yapılmıştır. Arslan ın çözmüş olduğu bu problemin çözümünde matematiksel modelin kullanılması mümkün değildi. Genetik Algoritmalar matematiksel modellemesi yapılamayan veya karmaşık olan problemleri random operatörler kullanarak başarılı bir şekilde çözmektedir[8]. Arslan, betonarme bir kirişin optimum tasarımında Genetik Algoritmaları başarılı bir şekilde kullanmıştır[9]. 5. VLSI(Çok Büyük Ölçekli Tümdevre) Tasarımında Genetik Algoritmalar Genetik Algoritmaların kullanıldığı en önemli alanlardan birisi optimizasyon problemlerinin çözümüdür. Genetik Algoritmaların nasıl çalıştığı anlatılmak istendiğinde genellikle verilen örnek f(x)= x 2 fonksiyonunun belirli bir aralıktaki en büyük veya en küçük değerinin bulunmasıdır. VLSI tasarımı bu tip bir fonksiyonun optimizasyonu işlemine benzemektedir[10]. Elektronik bir devrenin transistörler, dirençler, sığalar ve diğer elemanlardan meydana geldiği bilinmektedir. Bu devre elemanları çeşitli maddelerden yapıldığında dikdörtgen kutucuklar oluşmaktadır. VLSI yonga tasarımında, dikdörtgenler belli şekillerde çakışarak veya çakışmayarak, bazende dikdörtgenler arasında belirli uzunluklar bırakılarak bu kutucuklar en küçük alana yerleştirilir. Milyonlarca kutucuğun bulunduğu bir elektronik devrede klasik bir yöntemle bu işlemleri yapmak oldukça zordur ve çok uzun zaman almaktadır. Verilen pratik uygulama, belirli bir alanda bulunan dikdörtgen kutuların birbirleriyle çakışmama problemine dönüşmektedir[10]. Şekil 1 de, dikdörtgen bir devre plakası ve dikdörgen kutucuklardan oluşan devre elemanları gösterilmektedir. Dikdörtgen sayıları ve boyutları başlangıçta verilmektedir. Devre plakasının boyutları da verilmektedir. Genetik Algoritmalarla bir problemin çözümüne başlanmadan yapılması gereken en önemli işlem amaç fonksiyonu ve kromozomların oluşturulmasıdır. Başlangıçta, düşünülmeden yanlış oluşturulmuş bir amaç fonksiyonu ve kromozom şekli sonuçların hatalı olmasına neden olacaktır. VLSI yonga tasarımında, amaç fonksiyonu kesişen dikdörtgen kutuların kesişen bölgedeki alanlarının minimizasyonu olmaktadır. Kesişen kutuların kesişim bölgesindeki alan küçüldükçe, kutular birbirinden uzaklaşmaktadır. Programın çalışma süresini belirleyen generasyon sayısı, kesişmeler ortadan kaldırılıncaya kadar devam eden sürece bağlı olmaktadır. Genetik Algoritma kromozomlarını oluşturan genler bu uygulamada 1175
4 koordinat bilgisini taşımaktadır. Genlerin oluşturduğu kromozomlar üzerinde dikdörtgen kutuların köşe koordinatları saklanmaktadır. Ayrıca, bu kromozomların bünyesinde taşıdığı köşe noktaların koordinatlarına ait genlere ilave olarak, dikdörtgen kutucukları döndüren genlerde bulunmaktadır. Örneğin herhangi bir kromozomdaki 1 geni dönmeyi, 0 geni ise dönmemeyi ifade etmektedir. Bu işlemlere ait bilgisayar akış diyagramı Şekil 1 de gösterilmektedir. Şekil 1 de görüldüğü gibi, popülasyon sayısı, kromozom uzunluğu, dikdörtgen boyutları, dikdörtgen sayısı ve plaka boyutları başlangıçta verilmektedir. Başlangıç popülasyonu rasgele oluşturulmaktadır. Dikdörtgenlerin kesişen alanları hesaplanmakta ve bu kromozomlar alanların değerleri dikkate alınarak büyükten küçüğe doğru sıralanmaktadır. Amaç fonksiyonu kesişen alanların en küçükleme işlemi olduğundan, küçük alanları veren kromozomlar başarılı kabul edilmektedir. Bir sonraki aşamada, havuz oluşturulmaktadır. Başarılı olan bireylerin bir veya birkaç kopyası yapılırken, başarısız olan bireyler havuzun dışına atılıp, imha edilmektedir. Böylece, başarılı olan bireyler birbirlerine çaprazlama vasıtasıyla döl vererek, çok daha başarılı bireyleri oluşturmaktadır. Bütün bu işlemler topluluktaki bireylerin başarısı birbirlerine yaklaşıncaya kadar devem etmektedir. Generasyon işlemi bittikten sonra, en iyi düzenlemeyi oluşturan birey ortaya çıkmaktadır. Şekil 2 de, VLSI yonga tasarımında değişim süreci gösterilmektedir. Değişik boyuttaki dikdörtgen devrelerin ana plaka üzerine birbirleriyle çakışmayacak şekilde yerleştirilmesi gerekmektedir. Şekil 2 de gösterilen 1 rakamı generasyon sayısını göstermektedir. Şekil 2 de gösterildiği gibi, başlangıçta 15 adet dikdörtgen rasgele ana plaka üzerine dağıtılmıştır. Devreler rasgele dağıtıldığından, dikdörtgen kutular arasında oldukça fazla çakışma olduğu gözlenmektedir. Şekil 2 de, gösterilen rakamı kutucuklar arasındaki çakışmadan dolayı oluşan alanı göstermektedir. Çakışan alanların toplam miktarı br 2 dir. Genetik Algoritmanın amacı br 2 lik çakışan alanı sıfırlamaktır. Çakışan alanların toplam miktarı azaldıkça, kutular birbirinden uzaklaşacaktır. Genetik Algoritma 60. evrim sürecinde dikdörtgenleri birbirinden ayırmış ve 0 çakışmayı elde etmiştir. Ancak, evrim süreci tamamlanmamıştır. Böyle bir durum erken yaklaşmayı önlemek için gereklidir. Erken yaklaşmayı önlemek için iki seçenek bulunmaktadır. Bunlardan birincisi programı birkaç defa aynı problem için çalıştırmaktır. İkincisi ise, generasyon sayısını büyük seçmektir. Şekil 2 de gösterilen en son düzenleme yani 84. generasyonda farklı bir düzenleme oluşturulmuştur. Genetik Algoritma 60. evrim sürecinde yakaladığı 0 çakışma durumundan değişme(mutasyon) operatörünün uygulanmasıyla uzaklaşmıştır. Fakat, 84. evrim sürecinin sonunda istenilen değere kavuşarak çözümü tamamlamıştır. Şekil 2 de gösterilen her üç düzenlemenin birbirinden faklı olduğu gözlenmektedir. Bu problemde 15 adet devre yerine çok daha büyük sayıda ( Örneğin adet) devre bulunduğu zaman Genetik Algoritmaların performansının ne kadar yüksek olduğu gözlenecektir. Görüldüğü gibi, Genetik Algoritmalar özellikle standart boyutlara sahip bir tüm plaka üzerinden çeşitli büyüklükteki geometrik parçaların ekonomik bir şekilde elde edilmesi işleminde oldukça faydalı olacaktır. 6.Sonuç Genetik Algoritmaların hesaplama hızının konvensiyonel metotlardan daha fazla olduğu görülmektedir. Matematiksel bilgiye dayanan problemlerde araştırma uzayını elde etmek için türev bilgisi kullanılmasına rağmen, Genetik Algoritmalar için türev bilgisi önemsizdir. Genetik Algoritmalar problem çözümüne noktalar topluluğu ile yaklaştığından, çözümün çok kısa sürede bulunması ihtimali bulunmaktadır. Genetik Algoritmaların başarısı çaprazlama operatörünün sürekli olarak yeni alternatifler üretmesinden ileri gelmektedir. Mutasyon operatörünün kullanılması erken yaklaşımı önleyip, alternatif üretimlerin devam etmesini sağlamaktadır. Genetik Algoritmalar problem çözümünde çok alternatiflerin üretilmesi istenilen yerlerde başarılı olmaktadır. Genetik Algoritmalar özellikle matematiksel olarak modellenemeyen optimizasyon problemlerinin çözümünde oldukça etkili olmaktadır. Genetik Algoritmaların başarısı uygun kromozomların seçimi ve amaç fonksiyonun oluşturulması işlemlerine bağımlıdır. Hatalı oluşturulmuş bir kromozom yapısı ve amaç fonksiyonu sonuçların yanlış elde edilmesine ve Genetik Algoritmaların hiçbir zaman sonuca ulaşamamasına neden olacaktır. Bilgisayarların tüm bilim dallarına hakim olduğu günümüzde, evrimsel modellemelere olan bağımlılık gittikçe artmaktadır. 1176
5 Başla Popülasyon sayısı, Kromozom uzunluğu, Dikdörtgen boyutları Dikdörtgen sayısı,plaka boyutları Generasyon= 1 Popülasyonun rasgele oluşturulması Dikgörtgenlerin kesişen kısımlarının alanlarını hesapla Alanları ve kromozomları küçükten büyüğe sırala Generasyon=Generasyon+1 En iyi bireyleri seç İyi bireyleri havuza at ve eşleştir Çaprazlama ve mutasyon operatörü kullanarak yeni bireyler oluştur Hayır Generasyon bittimi? Evet En iyi düzenlemeyi çiz Şekil 1. VLSI Tasarımında Genetik Algoritma Akış Diyagramı 1177
6 Şekil 2. VLSI Yonga Tasarımında Devre Üzerindeki Evrim Süreci 1178
7 Kaynaklar [1] LIEPPINS,G.E. and HILLIARD, M.R.,1989. Genetic Algorithms Foundation and Applications,Annals of Operations Research, V.21, pp: [2] HOLLAND, J.H.,1975. Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor [3] GOLDBERG, D. E.,1983. Computer-Aided Gas Pipeline Operation Using Genetic Algorithms and Rule Learning. Ph.D Dissertation University of Michigan, Ann Arbor. [4] ARSLAN, A., TURĞUT, P.,1996. Yapı Mühendisliğinde Genetik Algoritmalar ve Uygulama Potansiyeli. İnşaat Mühendisliğinde Bilgisayar Kullanımı V. Sempozyumu, İ.T.Ü. İnşaat Fakültesi, İstanbul. [5] RAJEEV, S. AND KRISHNAMOORTHY, C. S., Discrete Optimisation of Structures Using Genetic Algorithms. Journal of Structural Engineering, V.118, No.5, pp: [6] DEJONG, K.A., Genetic Algorithms. Thesis, University of Michigan, Ann Arbor. MI. [7] JENICINS, W.M.,1993. Plane Frame Optimum Design Environment Based on Genetic Algorithms. Journal of Structures Engineering, V. 118, No. 11, pp: [8] ARSLAN, A., TURĞUT, P., CALAYIR, Y,1996. A Genetic Search Based Arrangement of Load Combinations in Structural Frames. CST 96 The Third International Conference on Computational Structures Technology, Budapest, Hungary, Ed. B.H.V. Topping, CIVIL-COMP Press, Edinburgh, Scotland [9] TURĞUT, P., ARSLAN, A., Genetik Algoritma ile Betonarme Bir Kirişin Optimum Tasarımı. Prof.Dr. Rifat Yarar Sempozyumu, İTÜ, İnşaat Fakültesi, Maslak-İstanbul. [10] ERGÜL, A.,1994. PC Günlüğü, PC Dosyası. Şubat
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
DetaylıZeki 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
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.
DetaylıSU KAYNAKLARI SİSTEMLERİNDE LİNEER OLMAYAN PROBLEMLERİN GENETİK ALGORİTMA İLE ÇÖZÜMÜ
PAMUKKALE ÜNİVERSİTESİ MÜHENDİ SLİK FAKÜLTESİ YIL PAMUKKALE UNIVERSITY ENGINEERING COLLEGE CİLT MÜHENDİSLİK B İ L İ MLERİ DERGİSİ SAYI JOURNAL OF ENGINEERING SCIENCES SAYFA : 1998 : 4 : 3 : 777-785 SU
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
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
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
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
DetaylıGenetik Algoritmalar (GA) Genetik Algoritmalar Đçerik Nesin Matematik Köyü E rim Ç lı l ş ı ta t yı Nisan, 2012 Mustafa Suphi Erden
Genetik Algoritmalar Nesin Matematik Köyü Evrim Çalıştayı 20-23 Nisan, 202 Genetik Algoritmalar (GA Đçerik Biyolojiden esinlenme GA nın özellikleri GA nın unsurları uygulama Algoritma Şema teoremi Mustafa
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
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
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
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
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
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
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
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
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
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
DetaylıSıvı Depolarının Statik ve Dinamik Hesapları
Sıvı Depolarının Statik ve Dinamik Hesapları Bu konuda yapmış olduğumuz yayınlardan derlenen ön bilgiler ve bunların listesi aşağıda sunulmaktadır. Bu başlık altında depoların pratik hesaplarına ilişkin
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
DetaylıTAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ. M. Levent Koç* Can E. Balas**
TAŞ DOLGU DALGAKIRANLARIN GENETİK ALGORİTMA İLE GÜVENİRLİK ANALİZİ M. Levent Koç* Can E. Balas** (*) Yrd. Doç. Dr., Cumhuriyet Üniversitesi, Mühendislik Fakültesi İnşaat Mühendisliği Bölümü, Sivas Tel:
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
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
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
DetaylıDeğişken Çaprazlama ve Mutasyon Faktörleri Kullanılmış Genetik Algoritma ile Kafes Yapıların Optimizasyonu
Değişken Çaprazlama ve Mutasyon Faktörleri Kullanılmış Genetik Algoritma ile Kafes Yapıların Optimizasyonu Hilmi COŞKUN İskenderun Teknik Üniversitesi, İnşaat Mühendisliği Bölümü, İskenderun, HATAY Tel:
Detaylıf(x) ve g(x) reel sayılarda tanımlı iki fonksiyon olmak üzere, x > k olacak şekilde bir k vardır öyle ki,
Algoritma Karmaşıklığı ve Büyük O Gösterimi (Big O Notation) Yazdığımız bir algoritmanın doğru çalıştığından emin olmakla birlikte bu algoritmayı, daha önce yazılmış ve aynı sonucu veren başka algoritmalarla
DetaylıYrd.Doç. Dr. Tülin ÇETİN
Yrd.Doç. Dr. Tülin ÇETİN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Lisans Ege Üniversitesi Bilgisayar Mühendisliği 1987-1992 Lisans Celal Bayar Üniversitesi İnşaat Mühendisliği 2001-2004 Y. Lisans
DetaylıSelf Organising Migrating Algorithm
OPTİMİZASYON TEKNİKLERİ Self Organising Migrating Algorithm Kendini Organize Eden Göç/Geçiş Algoritması MELİH HİLMİ ULUDAĞ Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü İletişim: www.melihhilmiuludag.com
DetaylıÖ Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.
Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi
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
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
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
DetaylıT.C. İZMİR KÂTİP ÇELEBİ ÜNİVERSİTESİ BİLİMSEL ARAŞTIRMA PROJELERİ KOORDİNASYON BİRİMİ
T.C. İZMİR KÂTİP ÇELEBİ ÜNİVERSİTESİ BİLİMSEL ARAŞTIRMA PROJELERİ KOORDİNASYON BİRİMİ PROJE BAŞLIĞI Mühendislik Problemlerinin Bilgisayar Destekli Çözümleri Proje No:2013-2-FMBP-73 Proje Türü ÖNAP SONUÇ
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
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
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
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
DetaylıProgramlama Dilleri 1. Ders 3: Rastgele sayı üretimi ve uygulamaları
Ders 3: Rastgele sayı üretimi ve uygulamaları Ders 3 Genel Bakış Giriş Rastgele Sayı Rastgele Sayı Üreteci rand Fonksiyonunun İşlevi srand Fonksiyonunun İşlevi Monte Carlo Yöntemi Uygulama 1: Yazı-Tura
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
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
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
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
Detaylı2-D KESİM OPTİMİZASYONU
2-D KESİM OPTİMİZASYONU Hazırlayan: Gürkan Bayır YTÜ Bilgisayar Mühendisliği Bölümü Proje Yürütücüsü: Yrd. Doç. Songül Albayrak İstanbul, 2007 GİRİŞ Paketleme ya da stok kesimi olarak bilinen problem yıllardır
DetaylıAST416 Astronomide Sayısal Çözümleme - II. 6. Monte Carlo
AST416 Astronomide Sayısal Çözümleme - II 6. Monte Carlo Bu derste neler öğreneceksiniz? Monte Carlo Yöntemleri Markov Zinciri (Markov Chain) Rastgele Yürüyüş (Random Walk) Markov Chain Monte Carlo, MCMC
DetaylıİNŞAAT MALZEME BİLGİSİ
İNŞAAT MALZEME BİLGİSİ Prof. Dr. Metin OLGUN Ankara Üniversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, yapı malzemelerinin önemi 2 Yapı malzemelerinin genel özellikleri,
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
DetaylıMÜHENDİSLİK MEKANİĞİ (STATİK)
MÜHENDİSLİK MEKANİĞİ (STATİK) Prof. Dr. Metin OLGUN Ankara Üniversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, temel kavramlar, statiğin temel ilkeleri 2-3 Düzlem kuvvetler
DetaylıYard. Doç. Dr. İrfan DELİ. Matematik
Unvanı Yard. Doç. Dr. Adı Soyadı İrfan DELİ Doğum Yeri ve Tarihi: Çivril/Denizli -- 06.04.1986 Bölüm: E-Posta Matematik irfandeli20@gmail.com, irfandeli@kilis.edu.tr AKADEMİK GELİŞİM ÜNİVERSİTE YIL Lisans
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
DetaylıPARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ
Ege Akademik BakıĢ / Ege Academic Review 10 (1) 2010: 199-210 PARALEL MAKĠNALARIN GENETĠK ALGORĠTMA ĠLE ÇĠZELGELENMESĠNDE MUTASYON ORANININ ETKĠNLĠĞĠ EFFICIENCY OF MUTATION RATE FOR PARALLEL MACHINE SCHEDULING
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
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri
DetaylıDEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR VE DERSLERİN İNTİBAKLARI
Updated at 31.05.2017 (v4) DEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR VE DERSLERİN İNTİBAKLARI A) Birinci Sınıfa 2013-2014 Öğretim Yılında Başlayan Öğrenciler: III. Yarıyıl (2014-2015 Güz) IV.
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
DetaylıÖZGEÇMİŞ VE YAYINLAR LİSTESİ
ÖZGEÇMİŞ VE YAYINLAR LİSTESİ Adı Soyadı: Nihal UZCAN ERATLI Doğum Tarihi: 27 Nisan 1962 Adres: İTÜ İnşaat Fakültesi, İnşaat Mühendisliği Bölümü, Maslak-İSTANBUL Öğrenim Durumu Derece Bölüm/Program Üniversite
DetaylıDers Kodu Ders Adı İngilizce Ders Adı TE PR KR AKTS Ders Kodu Ders Adı İngilizce Ders Adı TE PR KR AKTS
FEN BİLİMLERİ ENSTİTÜSÜ İNŞAAT MÜHENDİSLİĞİ ABD YÜKSEK LİSANS ANABİLİM DALI KODU : 81109 01.Yarıyıl Dersleri Ders Kodu INS735* 02.Yarıyıl Dersleri Ders Adı İngilizce Ders Adı TE PR KR AKTS Ders Kodu Ders
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
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,
DetaylıÖZGEÇMİŞ 2003 MÜHENDİSLİĞİ İSTANBUL ÜNİVERSİTESİ ÜNİVERSİTESİ
ÖZGEÇMİŞ 1. Adı Soyadı: İPEK EKER 2. Doğum Tarihi: 31.01.1980 3. Ünvanı: ÖĞRETİM GÖREVLİSİ 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans ENDÜSTRİ İSTANBUL KÜLTÜR 2003 MÜHENDİSLİĞİ ÜNİVERSİTESİ Y.Lisans
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
DetaylıDEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR VE DERSLERİN İNTİBAKLARI
Updated at 28.04.2016 DEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR VE DERSLERİN İNTİBAKLARI A) Birinci Sınıfa 2013 2014 Öğretim Yılında Başlayan Öğrenciler: III. Yarıyıl (2014 2015 Güz) IV. Yarıyıl
Detaylı1).S.Ü. MÜH.-MİM. FAKÜLTESİ, MİMARLIK BÖLÜMÜ/KONYA mutosun@selcuk.edu.tr, mustosun@hotmail.com tel: 0542 644 83 19
YAPILARDA ENERJİ TASARRUFUNA YÖNELİK ÇABALAR İÇİN BİR BİLGİSAYAR ANALİZ PROGRAM MODELİ Dr. Mustafa TOSUN 1 1).S.Ü. MÜH.-MİM. FAKÜLTESİ, MİMARLIK BÖLÜMÜ/KONYA mutosun@selcuk.edu.tr, mustosun@hotmail.com
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
DetaylıBilgisayar Mühendisliği Bölümü Lisans Ders Programı / Computer Engineering Undergraduate Curriculum
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Undergraduate Curriculum 2014-2015 ve Öncesi Girişli Öğrenciler için Uygulanan Ders Program 1.Yıl / I.Dönem (First Year / First Semester) FIZ115 Fizik
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
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
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.
DetaylıSOFTWARE ENGINEERS EDUCATION SOFTWARE REQUIREMENTS/ INSPECTION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS
SOFTWARE REQUIREMENTS/ INSPECTION SOFTWARE ENGINEERS EDUCATION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS SOFTWARE REQUIREMENTS/ INSPECTION Ö. Albayrak, J. C. Carver,
DetaylıDersin Adı Dersin İngilizce Adi Seçmeli / Zorunlu. Tez Çalışması Thesis Zorunlu Computer Applications in Civil Engineering
İnşaat Mühendisliği Tezli Yüksek Lisans Ders Planı Güz Yarıyılı Dersin Kodu Dersin Adı Dersin İngilizce Adi Seçmeli / Zorunlu Saat AKTS 501 Tez Çalışması Thesis Zorunlu 3 60 503 Bilgisayar Uygulamaları
DetaylıSE Engineering Sciences 30 Mayıs 2011, Pazartesi 13:00 M1-2 İNG 152 -İngilizce II 31 Mayıs 2011, Salı 14:00 Yabancı Diller Binası
MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ FİNAL TARİHLERİ 2010-2011 BAHAR DÖNEMİ 1. SINIF Dersin Adı Sınav Tarihi Saat Sınav Yeri TRD 158 / 99 - Türk Dili II 30 Mayıs 2011, 10:00 Mühendislik Amfi SE 104
DetaylıYÖNEYLEM 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
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
DetaylıBESLENME PROBLEMİNDE GENETİK ALGORİTMA KULLANILMASI. e posta:
IAAOJ, Scientific Science, 2013,1(1),19-26 BESLENME PROBLEMİNDE GENETİK ALGORİTMA KULLANILMASI Arş.Gör.Serpil Gümüştekin 1, Yrd.Doç.Dr.Talat Şenel 1 1Ondokuz Mayıs Üniversitesi, Fen Edebiyat Fakültesi,
Detaylıİnşaat Mühendisliği Bölümü Öğretim Yılı Güz Yarıyılı Bitirme Sınav Programı (Türkçe Programı)
06-07 Öğretim Yılı Güz Yarıyılı Bitirme Sınav Programı (Türkçe Programı). yarıyıl 6 Aralık Pazartesi 7 Aralık Salı 8 Aralık Çarşamba 9 Aralık Perşembe 0 Aralık Cuma Fizik I (Grup 6) - İnşaat Müh. Giriş
DetaylıEĞİTİM-ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) BÖLÜMÜ DERS PROGRAMINDA YAPILAN DEĞİŞİKLİKLER
BİRİNCİ SINIF GÜZ YARIYILI 2015-2016 EĞİTİM-ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) BÖLÜMÜ DERS PROGRAMINDA YAPILAN DEĞİŞİKLİKLER DEĞİŞİKLİK FORMU COM101 BİLGİSAYAR PROGRAMLAMA
Detaylıhir Osmangazi Üniversitesi, Mühendislik
6. ÇELK YAPILAR SEMPOZYUMU hir Osmangazi Üniversitesi, Mühendislik * e-posta: ozbasaran@ogu.edu.tr, estetik, ve ekonomi gibi sebeplerle, son dönemde modern kafes tercih edilmektedir. sistemlerinin projelendirilmesinde
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
DetaylıÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Atatürk Üniversitesi İnşaat Mühendisliği Y. Lisans - - -
Doç. Dr. Erkan DOĞAN ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Atatürk Üniversitesi İnşaat Mühendisliği 998-00 Y. Lisans - - - Doktora Adres Orta Doğu Teknik Üniversitesi Fen Bilimleri
DetaylıDEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR
DEVAM ETMEKTE OLAN ÖĞRENCİLERE UYGULANACAK PROGRAMLAR A) Birinci Sınıfa 2013-2014 Öğretim Yılında Başlayan Öğrenciler: III. Yarıyıl (2014-2015 Güz) IV. Yarıyıl (2014-2015 Bahar) MAT 219 Differential Equations
DetaylıTeori/Saat Uygulama/Saat Laboratuar/Saat AKTS BLM Dersin Amacı
Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü Bölüm/Program Dersi Ders Tanım Bilgileri Adı Programlama Laboratuvarı II İngilizce Programming Lab -II Adı Kodu Teori/Saat Uygulama/Saat Laboratuar/Saat
DetaylıSistem Modelleme ve Simülasyon (SE 360) Ders Detayları
Sistem Modelleme ve Simülasyon (SE 360) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Sistem Modelleme ve Simülasyon SE 360 Her İkisi 3 0 0 3 5 Ön Koşul
DetaylıÖngerilmeli Beton Köprü Kirişlerinin Optimum Tasarımında Bağıl Nem Oranının Etkisi
Öngerilmeli Beton Köprü Kirişlerinin Optimum Tasarımında Bağıl Nem Oranının Etkisi ÖZET Öngerilmeli beton I kesitli kirişlere sahip köprüler, kısa ve orta açıklıklı mesafelerde en çok kullanılan köprü
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
DetaylıSONLU ELEMANLAR YÖNTEMI ile (SAP2000 UYGULAMASI) 3D Frame Analysis. Reza SHIRZAD REZAEI
SONLU ELEMANLAR YÖNTEMI ile (SAP2000 UYGULAMASI) 3D Frame Analysis Reza SHIRZAD REZAEI SONLU ELEMANLAR YÖNTEMİ Sonlu Elemanlar (SE)Yöntemi, çesitli mühendislik problemlerine kabul edilebilir bir yaklasımla
DetaylıOkut. 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
DetaylıAKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI
AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI *Mehmet YÜCEER, **Erdal KARADURMUŞ, *Rıdvan BERBER *Ankara Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü Tandoğan - 06100
DetaylıTEKNOLOJİK ARAŞTIRMALAR
www.teknolojikarastirmalar.com ISSN:1304-4141 Makine Teknolojileri Elektronik Dergisi 2005 (1) 49-54 TEKNOLOJİK ARAŞTIRMALAR Teknik Not Akışkanlar Mekaniği Ve İklimlendirme Sistemlerinde Sonlu Elemanlar
DetaylıArdışık Veri Tipleri. Prof.Dr. Bahadır AKTUĞ JFM212 Python ile Mühendislik Uygulamaları. *Kaynakça bölümünde verilen kaynaklardan derlenmiştir.
Ardışık Veri Tipleri Prof.Dr. Bahadır AKTUĞ JFM212 Python ile Mühendislik Uygulamaları *Kaynakça bölümünde verilen kaynaklardan derlenmiştir. Ardışık Veri Tipleri Ardışık veri tipleri, Python programlarında
DetaylıBİL-341 ALGORİTMALAR BÜYÜK O NOTASYONU AHMET ATAKAN 0904.01036. atakanahmet@hotmail.com KIRGIZİSTAN-TÜRKİYE MANAS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
BİL-341 ALGORİTMALAR BÜYÜK O NOTASYONU AHMET ATAKAN 0904.01036 atakanahmet@hotmail.com KIRGIZİSTAN-TÜRKİYE MANAS ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ BİŞKEK 2012 Ahmet Atakan
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:
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
DetaylıİNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRETİM ELEMANLARININ 2011 YILI AKADEMİK ETKİNLİKLERİ TABLOSU
İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRETİM ELEMANLARININ YILI AKADEMİK ETKİNLİKLERİ TABLOSU No Öğretim Üyesi Etkinlik Türü Etkinlik Adı Konu Yeri Tarih Süre 2 6 7 Sedat SERT Muharrem AKTAŞ Rıfat AKBIYIKLI Muharrem
DetaylıTeori/Saat Uygulama/Saat Laboratuar/Saat AKTS BLM Dersin Amacı
Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü Bölüm/Program Dersi Ders Tanım Bilgileri Adı Programlama Laboratuvarı - I İngilizce Programming Lab - I Adı Kodu Teori/Saat Uygulama/Saat Laboratuar/Saat
DetaylıBilgisayar Programlama (COMPE 102) Ders Detayları
Bilgisayar Programlama (COMPE 102) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Kredi AKTS Saati Bilgisayar Programlama COMPE 102 Bahar 2 2 0 3 4 Ön Koşul Ders(ler)i Dersin
DetaylıİÇİNDEKİLER. ÖNSÖZ... iii İÇİNDEKİLER... v
İÇİNDEKİLER ÖNSÖZ... iii İÇİNDEKİLER... v BÖLÜM 1.... 1 1.1. GİRİŞ VE TEMEL KAVRAMLAR... 1 1.2. LİNEER ELASTİSİTE TEORİSİNDE YAPILAN KABULLER... 3 1.3. GERİLME VE GENLEME... 4 1.3.1. Kartezyen Koordinatlarda
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