Hoş Geldiniz,
Misafir
.
Oturum Aç
.
English
NİNOVA
DERSLER
YARDIM
HAKKINDA
Neredeyim:
Ninova
/
Dersler
/
Bilişim Enstitüsü
/
BLU 512
/
Dersin Bilgileri
Fakülteye dön
Ana Sayfa
Dersin Bilgileri
Dersin Haftalık Planı
Değerlendirme Kriterleri
Dersin Bilgileri
Dersin Adı
Türkçe
Enerji Sist.Akıllı Optim.Yönt.
İngilizce
Intelligent Optimization Methods for Energy Systems
Dersin Kodu
BLU 512
Kredi
Ders
(saat/hafta)
Uygulama
(saat/hafta)
Labratuvar
(saat/hafta)
Dönem
-
3
3
-
-
Dersin Dili
İngilizce
Dersin Koordinatörü
Gülcihan Özdemir
Dersin Amaçları
1. Akıllı eniyileme yöntemlerinin ve ilkelerinin öğrenilmesi.
2. Akıllı eniyileme yöntemlerinin, sayısal eniyileme yöntemlerine göre üstün ve zayıf yanlarının öğrenilmesi.
3. Akıllı yöntem tasarlamanın öğrenilmesi.
4. Elektrik İletim Sistemlerinde, Elektrik Dağıtım Sistemlerinde, Akıllı Şebekelerde bu yöntemler kullanılarak güncel problemlerin modellenmesi ve çözülmesi
Dersin Tanımı
Benzetilmiş Tavlama Yöntemi, Tabu Araması Yöntemi, Genetik Algoritmalar, Diferansiyel Gelişim Yöntemi, Parçacık Sürüsü Eniyilemesi, Armoni Araması Yöntemi, Karınca Kolonisi Eniyilemesi, Yapay Arı Kolonisi Eniyilemesi, Yerçekimsel Arama Algoritması, Elektrik İletim Sistemi Uygulamaları, Elektrik Dağıtım Sistemi Uygulamaları, Akıllı Şebeke Uygulamaları
Dersin Çıktıları
1. Akıllı eniyileme yöntemlerinin, türev tabanlı sayısal eniyileme yöntemlerine göre üstün ve zayıf yanları
2. Akıllı eniyileme yöntemlerinin çalışma ilkeleri ve prensipleri
3. Çözüm kümesi, uygunluk değeri, çaprazlama, değişinim kavramları ve bunların belirlenmesi
4. Akıllı eniyileme yöntem parametrelerini belirleme kıstasları.
5. Elektrik güç sistemi problemlerinde akıllı yöntemlerinin bir çözüm aracı olarak etkin bir şekilde kullanılabilmesi
6. Yöntemlerin performanslarının karşılaştırılması ve iyileştirilmesi
Önkoşullar
Gereken Olanaklar
Diğer
Ders Kitabı
1. Lee, K. Y, El-Sharkawi, M.A.,2008, Modern Heuristic Optimization Techniques: Theory and Applications to Power Systems, IEEE Press.
2. Goldberg, D., 1989, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Professional
3. Eberhart, R. C., Shi, Y., Kennedy, J., 2001, Swarm Intelligence, Morgan Kaufman Publishers
4. Price, K. Storn, R. M., Lampinen, J. A., 2005, Differential Evolution: A Practical Approach to Global Optimization, Springer
5. Dorigo, M., Stutzle, T., 2004, Ant Colony Optimization, MIT Press
Diğer Referanslar
Dersler
.
Yardım
.
Hakkında
Ninova, İTÜ Bilgi İşlem Daire Başkanlığı ürünüdür. © 2024