School/Faculty/Institute | Faculty of Engineering | ||||||
Course Code | IE 307 | ||||||
Course Title in English | Modeling and Methods in Optimization | ||||||
Course Title in Turkish | Modelleme ve Optimizasyonda Yöntemler | ||||||
Language of Instruction | EN | ||||||
Type of Course | Flipped Classroom,Laboratory Work,Lecture | ||||||
Level of Course | Advanced | ||||||
Semester | Fall | ||||||
Contact Hours per Week |
|
||||||
Estimated Student Workload | 175 hours per semester | ||||||
Number of Credits | 7 ECTS | ||||||
Grading Mode | Standard Letter Grade | ||||||
Pre-requisites |
IE 202 - Operations Research I |
||||||
Expected Prior Knowledge | Prior knowledge in deterministic operations research methodologies | ||||||
Co-requisites | None | ||||||
Registration Restrictions | none | ||||||
Overall Educational Objective | To learn mathematical modeling in depth and use/develop solution methods. | ||||||
Course Description | This course presents various aspects of mathematical modeling and of problem-solving strategies used for the solution of realistic, large-scale, complex problems. The following topics are covered: modeling with integer programming; branch-and-bound method; building advanced linear programming models; importance of linearity; linearization of some nonlinear programming problems; goal programming; shortest path problem; minimal spanning tree problem; maximum flow problem; examples of combinatorial optimization problems; heuristics for combinatorial optimization problems such as list processing heuristics, local search; non-linear models in one variable; convexity; unconstrained and constrained optimization in non-linear programming. | ||||||
Course Description in Turkish | Bu ders, matematiksel modellemenin çeşitli yönlerini ve gerçeğe uygun, büyük boyutlu, karmaşık problemlerin çözümü için kullanılan problem çözme stratejilerini tanıtır. Ders boyunca en kısa yol problemi; tam sayılı programlama ile modelleme; dal-sınır yöntemi ; ileri düzey doğrusal programlama modelleri kurma; doğrusallığın önemi; bazı doğrusal olmayan problemlerin doğrusallaştırılması; hedef programlama; minimum örten ağaç problemi; en büyük akış problemi; kombinatoryal optimizasyon problem örnekleri; açgözlü sezgiseller yerel arama gibi kombinatoryal problemler için sezgiseller; tek değişkenli doğrusal olmayan modeller; dışbükeylik; doğrusal olmayan programlamada kısıtsız ve kısıtlı optimizasyon konuları işlenir. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to:1) identify network structure in optimization problems and use suitable solution methods; 2) formulate good mathematical models; 3) explore optimization algorithms; 4) design suitable algorithms for optimization problems, analyze and interpret the results, and draw conclusions; 5) give a demonstration of a designed algorithm; 6) function effectively as a member of a team; 7) apply solution techniques for non-linear problems. |
Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
---|---|---|---|---|---|---|---|
1) Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | |||||||
2) Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | |||||||
3) Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | |||||||
4) Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | |||||||
5) Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | |||||||
6) Mesleki etik standartların içselleştirilmesi ve yayılması. | |||||||
7) Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | |||||||
8) Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | |||||||
9) Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | |||||||
10) Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | |||||||
11) Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | |||||||
12) Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | |||||||
13) Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. |
N None | S Supportive | H Highly Related |
Program Outcomes and Competences | Level | Assessed by | |
1) | Psikolojideki başlıca kavramlar, teorik perspektifler, deneysel bulgular ve tarihsel eğilimler hakkında kapsamlı bilgi edinilmesi. | N | |
2) | Psikolojide temel araştırma yöntemlerini, ayrıca araştırma tasarımı, veri analizi ve veri yorumlama anlama ve uygulama becerisi. | N | |
3) | Davranış ve zihinsel süreçlerle ilgili problemleri çözmek için eleştirel ve yaratıcı düşünme, şüpheci sorgulama ve bilimsel bir yaklaşım kullanma yetkinliği. | H | Exam,HW,Participation |
4) | Psikolojik ilke, beceri ve değerleri kişisel, sosyal ve örgütsel bağlamlarda anlama ve uygulama becerisi. | N | |
5) | Psikoloji disipliniyle bağlantılı olan kanıtları değerlendirme, belirsizliği tolere etme ve diğer değerleri yansıtma becerisi. | N | |
6) | Mesleki etik standartların içselleştirilmesi ve yayılması. | N | |
7) | Psikoloji ve diğer sosyal bilimler alanlarında bilgi edinme amacıyla bilgi teknolojileri, bilgisayar ve diğer teknolojileri kullanma konusunda yetkinlik gösterme. | N | |
8) | Psikoloji bilimi bilgisini Türkçe ve en azından CEFR B2 düzeyinde İngilizce olmak üzere çeşitli formatlarda etkili bir şekilde iletme becerisi. | N | |
9) | Sosyokültürel ve uluslararası çeşitliliğin karmaşıklığını tanıma, anlama ve buna saygı gösterme. | S | Participation |
10) | Yaşam boyu öğrenme, araştırma ve kendini geliştirme ihtiyacını tanıma ve bu doğrultuda beceriler geliştirme. | S | HW,Participation |
11) | Psikolojik teori ve literatüre dayanarak eleştirel hipotezler oluşturma ve bu hipotezleri test etmek için çalışmalar tasarlama becerisi. | N | |
12) | Bağımsız olarak bilgi edinme ve kendi öğrenimini planlama becerisi. | S | Exam,HW |
13) | Yazılı çalışmaların ve sunumların netliği ve düzeni konusunda ileri düzeyde yetkinlik gösterme. | H | Exam,HW |
Prepared by and Date | HANDE KÜÇÜKAYDIN , March 2024 |
Course Coordinator | HANDE KÜÇÜKAYDIN |
Semester | Fall |
Name of Instructor | Dr. Öğr. Üyesi HANDE KÜÇÜKAYDIN |
Hafta | Konu |
1) | Modeling with Integer Programming |
2) | Modeling with Integer Programming |
3) | Modeling with Integer Programming, Branch-and-Bound |
4) | Branch-and-Bound, Advanced LP Models |
5) | Advanced LP Models, Network Optimization Models: Shortest Path Problem, Minimal Spanning Tree Problem |
6) | Network Optimization Models: Shortest Path Problem, Minimal Spanning Tree Problem, Maximum Flow Problem |
7) | Network Optimization Models: Maximum Flow Problem, Combinatorial Optimization Problems |
8) | Heuristics for Combinatorial Optimization: Introduction, Reformulation, Rounding and Decomposition, List-processing Heuristics |
9) | Heuristics for Combinatorial Optimization: List-processing Heuristics, Neighborhoods and Neighbors |
10) | Neighborhoods and Neighbors, Local Search |
11) | Local Search, Non-linear Models in One Variable |
12) | Non-linear Models in One Variable, Non-linear Models: Convexity and Unconstrained Optimization |
13) | Non-linear Models: Convexity and Unconstrained Optimization, Non-linear Models: Constrained Optimization |
14) | Non-linear Models: Constrained Optimization |
15) | Final Exam/Project/Presentation period |
16) | Final Exam/Project/Presentation period |
Required/Recommended Readings | • Williams, H. P. (2013). Model Building in Mathematical Programming (5th Edition). Wiley • Hillier, F.S., Lieberman, G. J. (2015). Introduction to Operations Research (10th Edition). McGraw-Hill Education | ||||||||||||||||||
Teaching Methods | Lectures/contact hours using “flipped classroom” as an active learning technique | ||||||||||||||||||
Homework and Projects | A project will be completed in groups of students. | ||||||||||||||||||
Laboratory Work | None | ||||||||||||||||||
Computer Use | Yes | ||||||||||||||||||
Other Activities | none | ||||||||||||||||||
Assessment Methods |
|
||||||||||||||||||
Course Administration |
hande.kucukaydin@mef.edu.tr 212 3953631 Instructor’s -office and phone number: 5th floor, 212 3953631 -office hours: TBA -email address: hande.kucukaydin@mef.edu.tr Exams and quizzes: Closed book and closed notes. Rules for attendance: YÖK regulations. You are responsible for the announcements made in class. Rules for late submission of assignments: N/A Missing a quiz: Provided that proper documents of excuse are presented, a make-up exam will be given for each missed quiz. Missing a project: Project deadlines are always extendable up to 72 hours, with submissions late for (0,24] hours receive 70% of the credit they get, (24,48] hours receive 35% , and (48,72] receive 10%. Missing a midterm: You are expected to be present without exception and to plan any travel around these dates accordingly. Medical emergencies are of course excluded if accompanied by a doctor’s note. A note indicating that you were seen at the health center on the day of the exam is not a sufficient documentation of medically excused absence from the exam. The note must say that you were medically unable to take the exam. Provided that proper documents of excuse are presented, a make-up exam will be given for each missed midterm. If you fail to take the exam on the assigned day and do not have a valid excuse, you will be given zero (0) on the exam. Employment interviews, employer events, weddings, vacations, etc. are not excused absences. Eligibility to take the final exam: YÖK regulations. Missing a final: Faculty regulations. A reminder of proper classroom behavior, code of student conduct: YÖK Regulations Academic dishonesty and plagiarism: YÖK Regulations |
Activity | No/Weeks | Hours | Calculation | ||||
No/Weeks per Semester | Preparing for the Activity | Spent in the Activity Itself | Completing the Activity Requirements | ||||
Ders Saati | 14 | 1 | 4 | 1 | 84 | ||
Proje | 1 | 40 | 2 | 42 | |||
Küçük Sınavlar | 3 | 6 | 1 | 21 | |||
Ara Sınavlar | 1 | 25 | 3 | 28 | |||
Total Workload | 175 | ||||||
Total Workload/25 | 7.0 | ||||||
ECTS | 7 |