Bizi takip edin
|
EN

MATH 316 | Ders Tanıtım Bilgileri

Dersin Adı
Optimizasyon II
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
MATH 316
Bahar
3
0
3
6

Ön-Koşul(lar)
  MATH 305 Başarılı olmak (En az DD notu almış olmak)
Dersin Dili
İngilizce
Dersin Türü
Zorunlu
Dersin Düzeyi
Lisans
Dersin Veriliş Şekli -
Dersin Öğretim Yöntem ve Teknikleri Grup çalışması
Problem çözme
Anlatım / Sunum
Dersin Koordinatörü -
Öğretim Eleman(lar)ı
Yardımcı(ları)
Dersin Amacı Bu ders, optimizasyon alanındaki bazı kavramlara giriş sağlar ve bazı doğrusal olmayan optimizasyon problemlerini çözmek için çeşitli optimizasyon yöntemleri sunar. Konuların içeriği: doğrusal olmayan ve tam sayılı programlamanın modellenmesi ve çeşitli çözme yöntemleridir. Ders, en yaygın doğrusal olmayan optimizasyon yöntemlerinin birçok örneğini temin eder ve varsayımlar uygulamalı matematik problemlerinin yararlı anlaşılmasına olanak sağlar.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Doğrusal olmayan programlama yaklaşımı kullanarak gerçek hayat problemlerini modelleyebilecektir.
  • Doğrusal olmayan programlama problemlerini Lagrange çarpanı metodu ve dallanma ve sınırlandırma yaklaşımı metodu kullanarak çözebilecektir.
  • Tek değişkenli ve çok değişkenli doğrusal olmayan optimizasyon problemlerini sınıflandırabilecektir.
  • Tamamen tam sayılı ve karma tam sayılı programlama problemlerini çözebilecektir.
  • Eşitlik kısıtlı ve eşitsiz kısıtlı optimizasyon problemlerinin karakterizasyonunu karşılaştırabilecektir.
Ders Tanımı Bu derste doğrusal olmayan optimizasyonun temel kavram ve uygulamaları incelenecektir.

 



Dersin Kategorisi

Temel Ders
X
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 Doğrusal olmayan optimizasyon problemlerinin modellenmesi ve formülasyonu “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.1
2 Optimizasyon için diferansiyel kalkülüsün tekrarı “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.2, 3.4
3 Kuadratik formlar, Gradient vektör ve Hessian matris, konveks ve konkav fonksiyonlar “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.4, 4.3, 4.7
4 Tek değişkenli doğrusal olmayan problemlerin çözümleri “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.4
5 Çok değişkenli kısıtsız maksimizasyon ve minimizasyon “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 4.5
6 Eşitlik kısıtlı optimizasyon problemleri: Lagrange çarpanı metodu “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.2
7 Eşitlik kısıtlı optimizasyon problemleri: Lagrange çarpanı metodu “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.2
8 Eşitsizilik kısıtlı optimizasyon problemleri: KKT en iyilik koşulları “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.3
9 Diğer optimizasyon problemleri, karakterize edilmesi ve çözüm yöntemleri “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 3.5, 3.6, 3.7
10 Tam sayılı programlama problemlerinin formülasyonu “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 2.5
11 Dallanma ve sınırlandırma yöntemi kullanılarak tamamen tam sayılı programlama problemlerinin çözümü “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 2.5
12 Dallanma ve sınırlandırma yöntemi kullanılarak karma tam sayılı programlama problemlerinin çözümü “Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. Chapter 2.5
13 Kesen düzlem algoritması “Operations Research: Applications and Algorithms” by Wayne L. Winston, Cengage Learning, 4th Edition, 2003. Chapter 9.8
14 Kesen düzlem algoritmasının optimizasyon problemlerine uygulanması “Operations Research: Applications and Algorithms” by Wayne L. Winston, Cengage Learning, 4th Edition, 2003. Chapter 9.8
15 Dersin gözden geçirilmesi
16 Final Sınavı

 

Ders Kitabı

“Introduction to Optimization” by Pablo Pedregal, Springer-Verlag New York, 1st Edition, 2004. ISBN-13: 978-0387403984.

Önerilen Okumalar/Materyaller

“Operations Research: Applications and Algorithms” by Wayne L. Winston, Cengage Learning, 4th Edition, 2003. ISBN-13: 978-0534380588

“A First Course in Optimization Theory” by R.K. Sundaram, Cambridge Press,1st Edition, 1996. ISBN-13: 978-0521497701

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri Sayı Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum
1
10
Proje
1
20
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
1
30
Final Sınavı
1
40
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
3
60
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
1
40
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x teorik ders saati)
16
3
48
Laboratuvar / Uygulama Ders Saati
(Sınav haftası dahildir. 16 x uygulama/lab ders saati)
16
0
Sınıf Dışı Ders Çalışması
14
3
42
Arazi Çalışması
0
Küçük Sınav / Stüdyo Kritiği
0
Portfolyo
0
Ödev
0
Sunum / Jüri Önünde Sunum
1
15
15
Proje
1
20
20
Seminer/Çalıştay
0
Sözlü Sınav
0
Ara Sınavlar
1
25
25
Final Sınavı
1
30
30
    Toplam
180

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1

Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur.

2

Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.

X
3

Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder.

X
4

Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir.

5

Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır.

6

Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar.

X
7

Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır.

8

Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular.

9

Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur.

10

Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar.

11

Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar.

12

İkinci yabancı dili orta düzeyde kullanır.

13

İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


SOSYAL MEDYA

İzmir Ekonomi Üniversitesi
izto logo
İzmir Ticaret Odası Eğitim ve Sağlık Vakfı
kuruluşudur.
ieu logo

Sakarya Caddesi No:156
35330 Balçova - İzmir / TÜRKİYE

kampus izmir

Bizi Takip edin

İEU © Tüm hakları saklıdır.