Büyük ölçekli optimizasyon problemlerinin çözümü için algoritma ve arama tekniklerine yol gösteren (üst akıl) yöntemlerdir Meta-Sezgisel (Meta-heuristics) algoritmalar.

Yerel arama için sezgisel algoritmaların avantajlarına sahip olduğu gibi; yerel optimum sonuçları atlatarak global optimum çözüme ulaşmak için de ilham aldığı konulardaki stratejileri kullanır.

İşte bu algoritmalar arasında en popüler olanlardan biri de Genetik Algoritma (GA)’dır.

Genetik algoritma (GA), biyolojik evrimi taklit eden doğal seleksiyon sürecine dayalı, hem kısıtlı hem de kısıtsız optimizasyon problemlerini çözmek için kullanılan esnek yapıda ve uyarlanabilir bir algoritmadır.

GA'nın çıkış noktası doğa ve evrimdir. Evrimden ilham alan yapısı gereği, motto’su: “En güçlü olanın hayatta kalması”

Bu kursta Genetik Algoritma (GA) konusunu detayları ile ele alıyoruz.

• Nedir?

• Nasıl çalışır?

• Hangi bileşenlerden oluşur?

  • Nüfus

  • Birey/Kromozom

  • Seçim ve ebeveynler

  • Eşleşme, çaprazlama ve yavrular

  • Mutasyon

  • Elitizm

  • Uygunluk Fonksiyonu

  • Nesil/Jenerasyon yapısı

• Nelere dikkat etmek gerekir?

Ek olarak; Gezgin Satıcı Problemi (TSP) ve Karesel Atama Problemi (QAP) detaylı olarak ele alınıyor; TSPLIB ve QAPLIB kütüphanelerinde bulunan akademik örnekler ile Python'da Genetik Algoritma'yı kodlayarak bu problemleri çözmeye çalışıyoruz. Problem çıktılarını inceliyor, görselleştiriyor ve algoritmanın daha verimli çalışması için performans iyileştirmeleri yapıyoruz.

Bu kursa katılan ideal öğrenci; Yöneylem Araştırması, Kombinatoryal Optimizasyon ve Python'da programlama konularında temel bilgi düzeyine sahip olmalıdır. Bu sizi korkutmasın, tüm konular mümkün olduğunca temel düzeyde ele alınacak şekilde bir içerik hazırlandı.

Kursta görüşmek üzere!