| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Tasarımda Eniyileştirme | MKT5124 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | İngilizce |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Mekatronik Mühendisliği ABD Mekatronik Mühendisliği Yüksek Lisans Programı (Tezsiz, İngilizce) Seçmeli @ Mekatronik Mühendisliği ABD Mekatronik Mühendisliği Yüksek Lisans Programı (%30 İngilizce) Seçmeli @ Mekatronik Mühendisliği ABD Mekatronik Mühendisliği Doktora Programı (%30 İngilizce) |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Mekatronik Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Haydar Livatyalı |
| Dersi Veren(ler) | Haydar Livatyalı |
| Asistan(lar)ı | Ahmet Kırlı |
| Dersin Amacı | Bu derste mühendislik tasarımında yaygın bir biçimde kullanılan bilgisayar destekli optimizasyon tekniklerinin tasarım aracı olarak öğretilmesi amaçlanmaktadır. Öğrencilerin; 1. temel optimizasyon yöntemleri hakkında bilgi edinmeleri 2. mühendislik tasarım optimizasyonu yöntemleri ile yakınlık sağlamaları 3. verilen bir optimizasyon uygulaması için en uygun yöntemi anlamaları 4. mühendislik problemlerini uygun yöntem ile optimizasyon problemi olarak geliştirebilmeleri 5. optimal mühendislik tasarımları için bilgisayar ve uygun yazılımları kullanmaları beklenmektedir. |
|---|---|
| Dersin İçeriği | Temel kavramlar ve kısıtlamasız ve kısıtlamalı optimizasyonu; Lagrange çarpanları, Kuhn-Tucker gereklilik koşulları ve Konveks programlama; Kısıtlama dönüşümü ve ölçekleme etkileri; Lineer programlama. Simpleks yöntemi, İki-faz Simpleks yöntemi, Büyük-M yöntemi, Duyarlılık analizi; Kısıtlamasız optimizasyon, En hızlı düşüş yöntemi ve Yakınsama hızı; Arama teknikleri, Altın bölüm yöntemi ve Polinom interpolasyonu; Değişkenlerin ölçeklenmesi, Eşlenik gradyen yöntemi ve Newton ve kuasi-Newton yöntemleri; Minimize edilmş toplam potansiyel enerjiyi hesaplama; Kısıtlamalı optimizasyon, Lineerleştirme, Ardaşık lineer programlama ve Kuadratik programlama altproblemleri; Kısıtlamalı en hızlı düşüş ve kuasi-Newton yöntemleri, Kabul edilebilir yönler yöntemi, Genelleştirilmiş indirgenmiş gradyen yöntemi; Direk arama yöntemleri: Hooke and Jeeves, Rosenbrock, eşlenik yönler ve tavlama benzetişimi yöntemleri; Genetik algoritma ve Pareto optimalite; Sonlu eleman tabanlı optimizasyon, Parametre optimizasyonu, Direk ve eklenik yöntemleri; Optimalite kriterleri yöntemi, Şekil ve Topoloji optimizasyonunu |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Temel kavramlar ve kısıtlamasız ve kısıtlamalı optimizasyonu tanımlama
- Lagrange çarpanlarını hesaplama, Kuhn-Tucker gereklilik koşullarını tanımlama ve Konveks programlamayı uygulama
- Kısıtlama dönüşümünü uygulama ve ölçekleme etkilerini hesaplama
- Lineer programlama. Simpleks yöntemi, İki-faz Simpleks yöntemi, Büyük-M yöntemi, Duyarlılık analizi uygulama
- Kısıtlamasız optimizasyon, En hızlı düşüş yöntemi uygulama ve Yakınsama hızını hesaplama
- Arama teknikleri, Altın bölüm yöntemi ve Polinom interpolasyonunu uygulama
- Değişkenlerin ölçeklenmesi, Eşlenik gradyen yöntemi ve Newton ve kuasi-Newton yöntemlerini uygulama
- Minimize edilmş toplam potansiyel enerjiyi hesaplama
- Kısıtlamalı optimizasyon, Lineerleştirme, Ardaşık lineer programlama ve Kuadratik programlama altproblemlerini uygulama/çözme
- Kısıtlamalı en hızlı düşüş ve kuasi-Newton yöntemleri, Kabul edilebilir yönler yöntemi, Genelleştirilmiş indirgenmiş gradyen yöntemini uygulama
- Direk arama yöntemleri: Hooke and Jeeves, Rosenbrock, eşlenik yönler ve tavlama benzetişimi yöntemlerini uygulama
- Genetik algoritma ve Pareto optimaliteyi uygulama
- Sonlu eleman tabanlı optimizasyon, Parametre optimizasyonu, Direk ve eklenik yöntemlerini uygulama
- Optimalite kriterleri yöntemi, Şekil optimizasyonu, Topoloji optimizasyonunu uygulama
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel kavramlar. Kısıtlamasız ve kısıtlamalı optimizasyon. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi |
| 2 | Lagrange çarpanları. Kuhn-Tucker gereklilik koşulları. Konveks programlama. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftanın ders notlarının tekrarı |
| 3 | Kısıtlama dönüşümü. Ölçekleme etkileri. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 4 | Lineer programlama. Simpleks yöntemi. İki-faz Simpleks yöntemi. Büyük-M yöntemi. Duyarlılık analizi. Dualite. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 5 | Kısıtlamasız optimizasyon. En hızlı düşüş yöntemi. Yakınsama hızı. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 6 | Arama teknikleri. Altın bölüm yöntemi. Polinom interpolasyonu. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 7 | Değişkenlerin ölçeklenmesi. Eşlenik gradyen yöntemi. Newton ve kuasi-Newton yöntemleri. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 8 | Arasınav 1 | |
| 9 | Toplam potansiyel enerjinin minimizasyonu. . | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 10 | Kısıtlamalı optimizasyon. Lineerleştirme. Ardaşık lineer programlama. Kuadratik programlama altproblemi. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 11 | Kısıtlamalı en hızlı düşüş ve kuasi-Newton yöntemleri. Kabul edilebilir yönler yöntemi. Genelleştirilmiş indirgenmiş gradyen yöntemi. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 12 | Direk arama yöntemleri: Hooke and Jeeves, Rosenbrock, eşlenik yönler ve tavlama benzetişimi yöntemleri. | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 13 | Arasınav 2 | |
| 14 | Genetik algoritma. Pareto optimalite | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 15 | Sonlu eleman tabanlı optimizasyon. Parametre optimizasyonu. Direk ve eklenik yöntemler, Optimalite kriterleri yöntemi. Şekil optimizasyonu. Topoloji optimizasyonu. Optimizasyon uygulamaları ve durum çalışmaları | Ders Kitabı ve çeşitli kaynaklardan teorik bilginin edinilmesi ile önceki haftaların ders notlarının tekrarı |
| 16 | Final Sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 8 | 30 |
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 2 | 40 |
| Final | 1 | 30 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 16 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 5 | |
| Derse Özgü Staj | |||
| Ödev | 14 | 6 | |
| Küçük Sınavlar/Stüdyo Kritiği | 7 | 1 | |
| Projeler | |||
| Sunum / Seminer | 1 | 2 | |
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 2 | 3 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 3 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
