Bu dersin amacı, karmaşık ve hesaplaması güç optimizasyon problemlerinin çözümünde kullanılan sezgisel, meta-sezgisel ve yapay zekâ destekli yöntemlere ilişkin ileri düzey teorik bilgi ve analiz becerileri kazandırmaktır. Öğrencilerin modern optimizasyon algoritmalarının temel prensiplerini anlaması, bu yöntemleri araştırma problemlerine uyarlayabilmesi, farklı algoritmaların performansını bilimsel olarak değerlendirebilmesi ve özgün optimizasyon çözümleri geliştirmesi hedeflenmektedir. Ders, doktora öğrencilerinin araştırma projelerinde yenilikçi optimizasyon tekniklerini etkin şekilde tasarlamalarını, uygulamalarını ve akademik düzeyde sunmalarını sağlamayı amaçlar.

Bu ders, karmaşık ve hesaplaması zor optimizasyon problemlerinin çözümünde kullanılan sezgisel, meta-sezgisel ve yapay zekâ destekli yöntemlere kapsamlı bir giriş sunar. Ders kapsamında önce klasik optimizasyon yaklaşımları tanıtılır; ardından evrimsel algoritmalar, sürü zekâsı yöntemleri ve ileri meta-sezgisel stratejiler ele alınır. Yapay zekâ ile desteklenen optimizasyon teknikleri, parametre uyarlaması, makine öğrenmesi tabanlı iyileştirme ve deney tasarımı gibi modern araştırma konuları da işlenir. Ders, çok amaçlı optimizasyon, büyük ölçekli problemler, kısıtlı optimizasyon teknikleri ve deneysel değerlendirme yöntemlerini kapsar. Öğrenciler, bir araştırma projesi geliştirerek seçtikleri bir optimizasyon problemine uygun meta-sezgisel veya AI destekli çözüm yöntemleri tasarlar, uygular ve değerlendirir. Ders boyunca bilimsel sunumlar, literatür incelemeleri ve araştırma projeleriyle doktora seviyesinde analitik ve metodolojik beceriler güçlendirilir.

Teorik dersler, sınavlar, tartışma, soru-cevap, sunum, proje, bireysel çalışma.

Textbook: - Yang, X.-S. (2020). Nature-Inspired Optimization Algorithms (2nd ed.). Academic Press. ISBN: 9780128219867 (paperback), 9780128219898 (eBook). Other: - Talbi, E.-G. (2009). Metaheuristics: From Design to Implementation. Wiley. ISBN: 978-0-470-27858-1. - Malik, H., Iqbal, A., Joshi, P., Agrawal, S., & Bakhsh, F. I. (Eds.). (2021). Metaheuristic and Evolutionary Computation: Algorithms and Applications. Springer. - Houssein, E. H., Abd Elaziz, M., Oliva, D., & Abualigah, L. (Eds.). (2022). Integrating Meta-Heuristics and Machine Learning for Real-World Optimization Problems. Springer, Studies in Computational Intelligence.