POŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI
|
|
- Kornelia Woźniak
- 5 lat temu
- Przeglądów:
Transkrypt
1 POŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI mgr inż. Karol Walędzik k.waledzik@mini.pw.edu.pl prof. dr hab. inż. Jacek Mańdziuk j.mandziuk@mini.pw.edu.pl
2 GRA? 2
3 CZY COŚ WIĘCEJ? 3
4 DYNAMICZNE PROBLEMY DECYZYJNE? 4
5 MCTS + HEURYSTYKA =? Uniwersalność Dostrojenie do problemu Szerokie przeszukiwanie Identyfikacja obiecujących kierunków Inteligentne próbkowanie Dziedzinowe ukierunkowanie 5
6 HIPOTEZY 1. Algorytmy symulacyjne, a w szczególności UCT, popularne głównie w obszarze gier, mogą być skuteczną metodą rozwiązywania złożonych dynamicznych problemów decyzyjnych samodzielnie lub jako elementy podejścia hybrydowego. 2. Możliwe jest skonstruowanie podejścia hybrydowego łączącego metody symulacyjne oraz dziedzinowe metody heurystyczne, uzyskując metodę skuteczniejszą od każdego z tych podejść stosowanego samodzielnie. 6
7 CO DALEJ? Przeszukiwanie drzew metodą Monte Carlo (MCTS) Dynamiczne problemy decyzyjne General Game Playing Risk-Aware Project Scheduling Problem Wnioski Pytania 7
8 PRZESZUKIWANIE DRZEW METODĄ MONTE CARLO MONTE CARLO TREE SEARCH (MCTS)
9 PRZESZUKIWANIE DRZEW METODĄ MONTE CARLO 9
10 UCT (UPPER CONFIDENCE BOUNDS APPLIED TO TREES) Na bazie UCB1 dla problemu K-rękiego bandyty Polityka selekcji: a = argmax a A s Q s, a + C ln N(s N s, a 10
11 GENERAL GAME PLAYING
12 GENERAL GAME PLAYING 12
13 GAME DESCRIPTION LANGUAGE 13
14 MAGICIAN
15 MAGICIAN 15
16 GUIDED UCT 16
17 FUNKCJA EWALUACYJNA 17
18 GAME DESCRIPTION LANGUAGE 18
19 PRZYKŁADOWA FUNKCJA EWALUACYJNA 0,33*cell(2, 2, x) + -0,33*cell(2, 2, o) + -0,10*cell(?, 1, x) + 0,10*(cell(2,?, x)-cell(2,?, o))... 19
20 REZULTATY EKSPERYMENTALNE
21 GRY Wybrane spośród 13 wstępnie ewaluowanych: Szachy najbardziej złożone Warcaby wyjątkowo dobre wstępne wyniki Othello najgorsze wstępne wyniki Connect4, Connect5 (Go-Moku) mieszane wyniki, średnia złożoność 21
22 MTD(F) (MIN-MAX) VS. UCT 22
23 GUIDED UCT VS. UCT 23
24 MTD(F) (MIN-MAX) VS. GUIDED UCT 24
25 MTD(F) (MIN-MAX) VS. WIELOWĄTKOWE GUIDED UCT 25
26 WERSJA TURNIEJOWA 26
27 SPOSTRZEŻENIA Przynajmniej w części przypadków możliwa budowa skutecznej funkcji ewaluacyjnej Skuteczność algorytmów zależna od charakterystyki gry oraz limitów czasowych Oba algorytmy silniejsze niż referencyjne MCTS Istnieją problemy, dla których GUCT silniejsze niż MTD(f) 27
28 RISK-AWARE PROJECT SCHEDULING PROBLEM PROBLEM HARMONOGRAMOWANIA PROJEKTÓW Z UWZGLĘDNIENIEM RYZYK
29 PROBLEM HARMONOGRAMOWANIA PROJEKTÓW Z OGRANICZONYMI ZASOBAMI (RCPSP) 29
30 RISK-AWARE PROJECT SCHEDULING RAPSP = SRCPSP + RYZYKA + ODPOWIEDZI NA RYZYKA RYZYKO warunki materializacji ODPOWIEDŹ NA RYZYKO specjalny rodzaj zadania prawdopodobieństwo materializacji efekt materializacji transformacja stanu projektu realizacja nie jest konieczna do zakończenia projektu efekty realizacji 30
31 STRATEGIE RAPSP
32 STRATEGIE RAPSP 32
33 HEURISTIC SOLVER Harmonogram bazowy: lista odpowiedzi na ryzyko do natychmiastowego wykonania przypisanie czasów rozpoczęcia wszystkim zadaniom Konstrukcja: reaktywnie w każdym punkcie decyzyjnym na bazie deterministycznej wersji projektu poprzez wypróbowanie dostępnych kombinacji odpowiedzi na ryzyka i funkcji priorytetyzujących zadania z równoległym schematem generowania harmonogramu 33
34 GRASP Bazowa reguła: lista odpowiedzi na ryzyko do natychmiastowego wykonania lista priorytetyzująca zadań Konstrukcja: reaktywnie w każdym punkcie decyzyjnym poprzez próby zastosowania różnych kombinacji odpowiedzi na ryzyka oraz GRASP 34
35 GRASP Harmonogram dla RCPSP Aktualizacja zbioru elitarnego Optymalizacja lokalna (podwójna justyfikacja) Analiza Monte Carlo Harmonogram RCPSP Strategia SRCPSP 35
36 BASIC UCT 36
37 BASIC UCT: UPROSZCZONY STAN PROJEKTU 37
38 PROACTIVE UCT 38
39 HEURYSTYKA REAKTYWNA Miara reaktywnej skuteczności odpowiedzi na ryzyko 39
40 SYNERGIA ProUCT + HS: ponowne wykorzystanie harmonogramu bazowego punktowe szacunki czasu realizacji zadań na podstawie symulacji MCTS ProUCT + GRASP: ponowne wykorzystanie list priorytetyzujących punktowe szacunki czasu realizacji zadań na podstawie symulacji MCTS pamięć podręczna zbiorów elitarnych w drzewie MCTS 40
41 REZULTATY EKSPERYMENTALNE
42 INSTANCJE TESTOWE Instancje RCPSP (PSPLib) Instancje SRCPSP Efekty ryzyka niedostępności zasobu nieodnawialnego Czasowe Permanentne Budżet odpowiedzi na ryzyka Współdzielony Dedykowany Współdzielony NSH SEP FSH 42
43 SEP & NSH Relatywne czasy realizacji ProUCT-HS < HS < BasicUCT ProUCT-GRASP < GRASP < BasicUCT ProUCT-HS < ProUCT-GRASP GRASP HS Liczba wygranych 43
44 SEP & NSH Relatywne czasy realizacji Liczba wygranych 44
45 FSH Relatywne i skorygowane czasy realizacji Odsetek porażek 45
46 SPOSTRZEŻENIA Skuteczność zależna od charakterystyki instancji Niskie korelacje rezultatów poszczególnych metod BasicUCT dominujące przy bardzo wysokim prawdopodobieństwie porażki ProUCT najsilniejsze przekrojowo 46
47 PODSUMOWANIE
48 EFEKTY SYNERGII? Dwa dynamiczne problemy decyzyjne GGP RAPSP Dwie hybrydowe metody GUCT + generowanie funkcji ewaluacyjnej ProUCT + HS/GRASP
49 A HIPOTEZY? 1. Algorytmy symulacyjne, a w szczególności UCT, popularne głównie w obszarze gier, mogą być skuteczną metodą rozwiązywania złożonych dynamicznych problemów decyzyjnych samodzielnie lub jako elementy podejścia hybrydowego. 2. Możliwe jest skonstruowanie podejścia hybrydowego łączącego metody symulacyjne oraz dziedzinowe metody heurystyczne, uzyskując metodę skuteczniejszą od każdego z tych podejść stosowanego samodzielnie. 49
50 A HIPOTEZY? 1. Algorytmy symulacyjne, a w szczególności UCT, popularne głównie w obszarze gier, mogą być skuteczną metodą rozwiązywania złożonych dynamicznych problemów decyzyjnych samodzielnie lub jako elementy podejścia hybrydowego. 2. Możliwe jest skonstruowanie podejścia hybrydowego łączącego metody symulacyjne oraz dziedzinowe metody heurystyczne, uzyskując metodę skuteczniejszą od każdego z tych podejść stosowanego samodzielnie. GUCT zwykle skuteczniejsze od UCT w niektórych przypadkach skuteczniejsze od min-max ProUCT: skuteczniejsze od BasicUCT (poza skrajnymi przypadkami) konsekwentnie skuteczniejsze od GRASP / HS
51 DZIĘKUJĘ 51
52 ORYGINALNE WYNIKI ROZPRAWY 1. Dwa nowe sposoby łączenia MCTS i metod heurystycznych 2. Agent GGP skuteczniejszy niż MCTS z heurystyką historyczną, w tym: a. mechanizm budowy funkcji ewaluacyjnej w GGP b. hybrydowy algorytm łączący wykorzystanie UCT oraz funkcji ewaluacyjnej 3. Problem harmonogramowania projektu z uwzględnieniem ryzyk (RAPSP) 4. Pięć strategii rozwiązywania RAPSP, w tym strategie hybrydowe 52
RISK-AWARE PROJECT SCHEDULING
RISK-AWARE PROJECT SCHEDULING PROUCT - GRASP KAROL WALĘDZIK DEFINICJA ZAGADNIENIA RESOURCE-CONSTRAINED PROJECT SCHEDULING (RCPS) Karol Walędzik - RAPS 3 RISK-AWARE PROJECT SCHEDULING (RAPS) 1 tryb wykonywania
Bardziej szczegółowoRISK-AWARE PROJECT SCHEDULING
RISK-AWARE PROJECT SCHEDULING METODA GRASP KAROL WALĘDZIK DEFINICJA ZAGADNIENIA RESOURCE-CONSTRAINED PROJECT SCHEDULING (RCPS) Karol Walędzik - RAPS 3 RISK-AWARE PROJECT SCHEDULING (RAPS) 1 tryb wykonywania
Bardziej szczegółowoRISK-AWARE PROJECT SCHEDULING
RISK-AWARE PROJECT SCHEDULING Z WYKORZYSTANIEM UCT KAROL WALĘDZIK DEFINICJA ZAGADNIENIA RESOURCE-CONSTRAINED PROJECT SCHEDULING (RCPS) Karol Walędzik - RAPS 3 RISK-AWARE PROJECT SCHEDULING (RAPS) 1 tryb
Bardziej szczegółowoRisk-Aware Project Scheduling. SimpleUCT
Risk-Aware Project Scheduling SimpleUCT DEFINICJA ZAGADNIENIA Resource-Constrained Project Scheduling (RCPS) Risk-Aware Project Scheduling (RAPS) 1 tryb wykonywania działań Czas trwania zadań jako zmienna
Bardziej szczegółowoRISK-AWARE PROJECT SCHEDULING
RISK-AWARE PROJECT SCHEDULING SIMPLEUCT CZ. 2 KAROL WALĘDZIK DEFINICJA ZAGADNIENIA RESOURCE-CONSTRAINED PROJECT SCHEDULING (RCPS) Karol Walędzik - RAPS 3 RISK-AWARE PROJECT SCHEDULING (RAPS) 1 tryb wykonywania
Bardziej szczegółowoSystems Research Institute Polish Academy of Sciences
Systems Research Institute Polish Academy of Sciences Newelska 6, 01-447 Warszawa, Poland Phone: Directors: Fax: E-mail: Web: Tax no.: (48) 22 38 10 100 (48) 22 38 10 275 (48) 22 38 10 105 ibs@ibspan.waw.pl
Bardziej szczegółowoMAGICIAN: GUIDED UCT. Zastosowanie automatycznie generowanej funkcji oceny w GGP
MAGICIAN: GUIDED UCT Zastosowanie automatycznie generowanej funkcji oceny w GGP GENERAL GAME PLAYING General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie gry Turniej
Bardziej szczegółowoMAGICIAN. czyli General Game Playing w praktyce. General Game Playing
MAGICIAN czyli General Game Playing w praktyce General Game Playing 1 General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie gry Turniej w ramach AAAI National Conference
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Bardziej szczegółowoZastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM
SZKOŁA GŁÓWNA HANDLOWA w Warszawie STUDIUM MAGISTERSKIE Kierunek: Metody ilościowe w ekonomii i systemy informacyjne Karol Walędzik Nr albumu: 26353 Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska
SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania
Bardziej szczegółowoMAGICIAN: A GGP Agent. Analiza zależności w opisie reguł gier GGP
MAGICIAN: A GGP Agent Analiza zależności w opisie reguł gier GGP GENERAL GAME PLAYING General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie gry Turniej w ramach AAAI
Bardziej szczegółowoAnaliza stanów gry na potrzeby UCT w DVRP
Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza
Bardziej szczegółowoObliczenia równoległe w General Game Playing
Obliczenia równoległe w General Game Playing promotor: prof. dr hab. Jacek Mańdziuk 1/66 Plan Krótkie przypomnienie GGP/MiNI-Player Motywacja Pomysł 2012 Pomysł 2013 Porównanie Podsumowanie 2/66 General
Bardziej szczegółowoMixed-UCT: Zastosowanie metod symulacyjnych do poszukiwania równowagi Stackelberga w grach wielokrokowych
Mixed-UCT: Zastosowanie metod symulacyjnych do poszukiwania równowagi Stackelberga w grach wielokrokowych Jan Karwowski Zakład Sztucznej Inteligencji i Metod Obliczeniowych Wydział Matematyki i Nauk Informacyjnych
Bardziej szczegółowoObrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego
IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,
Bardziej szczegółowoDYPLOM POST-MBA: STRATEGICZNE ZARZĄDZANIE PROJEKTAMI
DYPLOM POST-MBA: STRATEGICZNE ZARZĄDZANIE PROJEKTAMI TERMIN od: TERMIN do: CZAS TRWANIA:12 dni MIEJSCE: CENA: 7600 zł netto Tempo i złożoność funkcjonowania organizacji sprawia, że udana realizacja firmowych
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoThe game of NoGo. The state-of-art algorithms. Arkadiusz Nowakowski.
The game of NoGo The state-of-art algorithms Arkadiusz Nowakowski arkadiusz.nowakowski@us.edu.pl Faculty of Computer Science and Materials Science University of Silesia, Poland Sosnowiec 28.11.2016 Plan
Bardziej szczegółowoDWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI
DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia
Bardziej szczegółowoAI i ML w grach. Przegląd zagadnień i inspiracje systemów human-like
Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska AI i ML w grach. Przegląd zagadnień i inspiracje systemów human-like Jacek Mańdziuk PP-RAI 2018, Poznań, 18/10/2018 Gry a poważna nauka
Bardziej szczegółowoOPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w
Bardziej szczegółowoAlgorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów. Adam Żychowski
Algorytm memetyczny w grach wielokryterialnych z odroczoną preferencją celów Adam Żychowski Definicja problemu dwóch graczy: P 1 (minimalizator) oraz P 2 (maksymalizator) S 1, S 2 zbiory strategii graczy
Bardziej szczegółowoAlfa-beta Ulepszenie minimax Liczba wierzchołk ow w drzewie gry. maksymalnie wd. minimalnie wbd/2c + wdd/2e Algorytmy przeszukiwania drzewa gry 5
Zastosowanie metody Samuela doboru współczynników funkcji oceniajacej w programie grajacym w anty-warcaby Daniel Osman promotor: dr hab. inż. Jacek Mańdziuk 1 Spis treści Algorytmy przeszukiwania drzewa
Bardziej szczegółowoMetody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska
Metody tworzenia efektywnych komitetów klasyfikatorów jednoklasowych Bartosz Krawczyk Katedra Systemów i Sieci Komputerowych Politechnika Wrocławska e-mail: bartosz.krawczyk@pwr.wroc.pl Czym jest klasyfikacja
Bardziej szczegółowoIdentyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji
Identyfikacja istotnych atrybutów za pomocą Baysowskich miar konfirmacji Jacek Szcześniak Jerzy Błaszczyński Roman Słowiński Poznań, 5.XI.2013r. Konspekt Wstęp Wprowadzenie Metody typu wrapper Nowe metody
Bardziej szczegółowoInstytut Badań Systemowych Polskiej Akademii Nauk. Streszczenie rozprawy doktorskiej
Instytut Badań Systemowych Polskiej Akademii Nauk Streszczenie rozprawy doktorskiej Meta-heurystyczne metody adaptacyjne bazujące na symulacjach w synchronicznych grach wieloosobowych. Mgr inż. Maciej
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowo5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i
Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie
Bardziej szczegółowoIdentyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem.
Identyfikacja i pomiar ryzyka pierwszy krok w zarządzaniu ryzykiem. Andrzej Podszywałow Własność przemysłowa w innowacyjnej gospodarce. Zarządzanie ryzykiem, strategia zarządzania własnością intelektualną
Bardziej szczegółowoCogGGP kognitywnie inspirowany agent GGP podejście nr 1 wyniki eksperymentalne
CogGGP kognitywnie inspirowany agent GGP podejście nr 1 wyniki eksperymentalne mgr inż. C. Dendek prof nzw. dr hab. J. Mańdziuk Politechnika Warszawska, Wydział Matematyki i Nauk Informacyjnych Outline
Bardziej szczegółowoPorównanie rozwiązań równowagowych Stackelberga w grach z wynikami stosowania algorytmu UCT
Porównanie rozwiązań równowagowych Stackelberga w grach z wynikami stosowania algorytmu UCT Jan Karwowski Zakład Sztucznej Inteligencji i Metod Obliczeniowych Wydział Matematyki i Nauk Informacyjnych PW
Bardziej szczegółowoMAGICIAN: GUIDED UCT. Ekstrakcja uniwersalnej funkcji ewaluacyjnej z rezultatów symulacji UCT
MAGICIAN: GUIDED UCT Ekstrakcja uniwersalnej funkcji ewaluacyjnej z rezultatów symulacji UCT GENERAL GAME PLAYING General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie
Bardziej szczegółowoALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ
ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar
Bardziej szczegółowoAlgorytm memetyczny dla rzeczywistego problemu planowania tras pojazdów
Algorytm memetyczny dla rzeczywistego problemu planowania tras pojazdów Andrzej Jaszkiewicz, Przemysław Wesołek 3 grudnia 2013 Kontekst problemu Firma dystrybucyjna Kilka statystyk (wiedza z danych miesięcznych)
Bardziej szczegółowoDwaj gracze na przemian kładą jednakowe monety na stole tak, aby na siebie nie nachodziły Przegrywa ten, kto nie może dołożyć monety
Mateusz Lewandowski Krótka filozofia Ciekawość gier Poziomy rozwiązania gier Synchroniczne wykonywanie ruchów w GGP Podejścia do końcówek gier Wykrywanie symetrii Związki z innymi dziedzinami KONSPEKT
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoBUDOWANIE PARTNERSTWA PONADNARODOWEGO. Wrocław, 13 maja 2010r.
BUDOWANIE PARTNERSTWA PONADNARODOWEGO Wrocław, 13 maja 2010r. ZASADY BUDOWANIA PARTNERSTWA PONADNARODOWEGO Zasady budowania partnerstwa Istotą partnerstwa jest: dobrowolność udziału uczestników (określenie
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowoPlan. Struktura czynności myślenia (materiał, operacje reguły)
Myślenie Pojęcie myślenia Plan Struktura czynności myślenia (materiał, operacje reguły) Funkcje myślenia Rola myślenia w rozwiązywaniu problemów (pojęcie problemu i jego rodzaje, fazy rozwiązywania, przeszkody)
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowomgr inż. Magdalena Deckert Poznań, r. Metody przyrostowego uczenia się ze strumieni danych.
mgr inż. Magdalena Deckert Poznań, 30.11.2010r. Metody przyrostowego uczenia się ze strumieni danych. Plan prezentacji Wstęp Concept drift i typy zmian Algorytmy przyrostowego uczenia się ze strumieni
Bardziej szczegółowoTEORIA GIER DEFINICJA (VON NEUMANN, MORGENSTERN) GRA. jednostek (graczy) znajdujących się w sytuacji konfliktowej (konflikt interesów),w
TEORIA GIER GRA DEFINICJA (VON NEUMANN, MORGENSTERN) Gra składa się z zestawu reguł określających możliwości wyboru postępowania jednostek (graczy) znajdujących się w sytuacji konfliktowej (konflikt interesów),w
Bardziej szczegółowoBeer Game i Shop Floor Game efektywne zarządzanie łańcuchem dostaw
Beer Game i Shop Floor Game efektywne zarządzanie łańcuchem dostaw Terminy szkolenia Opis Beer Game - warsztat symulujący wpływ jakości informacji i komunikacji na możliwość planowania działań podmiotów
Bardziej szczegółowoAurea BPM. Unikalna platforma dla zarządzania ryzykiem Warszawa, 25 lipca 2013
Aurea BPM Unikalna platforma dla zarządzania ryzykiem Warszawa, 25 lipca 2013 Agenda 1. Podstawowe informacje o Aurea BPM 2. Przykłady projektów w obszarze minimalizacji skutków zagrożeń 3. Aurea BPM dla
Bardziej szczegółowoKrzysztof Wawrzyniak Quo vadis BS? Ożarów Mazowiecki, styczeń 2014
1 QUO VADIS.. BS? Rekomendacja D dlaczego? Mocne fundamenty to dynamiczny rozwój. Rzeczywistość wdrożeniowa. 2 Determinanty sukcesu w biznesie. strategia, zasoby (ludzie, kompetencje, procedury, technologia)
Bardziej szczegółowoSTUDIA PODYPLOMOWE Zarządzanie Projektami
STUDIA PODYPLOMOWE Zarządzanie Projektami (Program studiów) Opracowanie: dr inż. Jacek Jakieła Program studiów Zarządzanie projektami 2 CEL STUDIÓW, ADRESAT I PROFIL ABSOLWENTA Studia podyplomowe Zarządzanie
Bardziej szczegółowoGeneral Game Playing. Aktualnie stosowane algorytmy i metody konstrukcji agentów
General Game Playing Aktualnie stosowane algorytmy i metody konstrukcji agentów GENERAL GAME PLAYING General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie gry Turniej
Bardziej szczegółowoGłównym zadaniem tej fazy procesu zarządzania jest oszacowanie wielkości prawdopodobieństwa i skutków zaistnienia zidentyfikowanych uprzednio ryzyk.
Głównym zadaniem tej fazy procesu zarządzania jest oszacowanie wielkości prawdopodobieństwa i skutków zaistnienia zidentyfikowanych uprzednio ryzyk. Na tym etapie wykonuje się hierarchizację zidentyfikowanych
Bardziej szczegółowoZarządzanie projektami. Zarządzanie ryzykiem projektu
Zarządzanie projektami Zarządzanie ryzykiem projektu Warunki podejmowania decyzji Pewność Niepewność Ryzyko 2 Jak można zdefiniować ryzyko? Autor S.T. Regan A.H. Willet Definicja Prawdopodobieństwo straty
Bardziej szczegółowoPodejmowanie decyzji w warunkach ryzyka. Tomasz Brzęczek Wydział Inżynierii Zarządzania PP
Podejmowanie decyzji w warunkach ryzyka Tomasz Brzęczek Wydział Inżynierii Zarządzania PP Ryzyko decyzyjne. Przez ryzyko decyzyjne rozumiemy zmienność wyniku decyzji przedsiębiorstwa spowodowaną losowością
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoReforma regulacyjna sektora bankowego
Reforma regulacyjna sektora bankowego Zmiany w IRRBB ewolucja czy rewolucja? 11 grudnia 2017 IRRBB Ewolucja oczekiwań regulacyjnych 2004 2015 2016 2018 (?) 2002 BCBS Principles for the management and supervision
Bardziej szczegółowoAlgorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami. Marcin Klimek *
Zeszyty Naukowe WWSI, No 15, Vol. 10, 2016, s. 41-52 Algorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami Marcin Klimek * Państwowa Szkoła Wyższa w Białej Podlaskiej,
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Algorytm kolonii mrówek Idea Smuga feromonowa 1 Sztuczne mrówki w TSP Sztuczna mrówka agent, który porusza się z miasta do miasta Mrówki preferują miasta połączone łukami z dużą
Bardziej szczegółowoWojciech Skwirz
1 Regularyzacja jako metoda doboru zmiennych objaśniających do modelu statystycznego. 2 Plan prezentacji 1. Wstęp 2. Część teoretyczna - Algorytm podziału i ograniczeń - Regularyzacja 3. Opis wyników badania
Bardziej szczegółowoEfektywno ć gier dydaktycznych w procesie kształcenia
Efektywno ć gier dydaktycznych w procesie kształcenia Roman Król Efektywno ć gier dydaktycznych w procesie kształcenia Ofi cyna Wydawnicza Impuls Kraków 2007 Copyright by Oficyna Wydawnicza Impuls, Kraków
Bardziej szczegółowoSpecjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego
Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.
Bardziej szczegółowoProcedura postępowania w przypadku niewypłacalności Członka Giełdowej Izby Rozrachunkowej
Materiał do omówienia podczas posiedzenia KREE i KRG Procedura postępowania w przypadku niewypłacalności Członka Giełdowej Izby Rozrachunkowej Tomasz Wieczorek Dyrektor Działu Zarządzania Ryzykiem, IRGiT
Bardziej szczegółowoBogdan Kępka. Bogdan Kępka
PRAKTYCZNE SPOSOBY WDRAŻANIA EKOINNOWACJI Agenda Część wprowadzająca: Wdrażanie ekoinnowacji od czego zacząć? Organizacja projektu. Jak przygotować firmę i pracowników? Część praktyczna: Potrzeby i pomysły.
Bardziej szczegółowoWielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik
Wielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik W książce autorzy przedstawiają dyskretne problemy wielokryterialne, w których liczba rozpatrywanych przez decydenta wariantów decyzyjnych
Bardziej szczegółowoMiNI-Player podsumowanie dotychczasowych badao
MiNI-Player podsumowanie dotychczasowych badao promotor: prof. dr hab. Jacek Maodziuk O czym opowiem Wprowadzenie motywacja Monte-Carlo Tree Search i UCT Strategie gry Mechanizm oceny i wyboru strategii
Bardziej szczegółowoPODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH. Autor: mgr inż. Viktoriia Gromova. Wrocław 2012 r.
PODEJMOWANIE DECYZJI KIEROWNICZYCH W PROCESIE NEGOCJACJI BIZNESOWYCH Autor: mgr inż. Viktoriia Gromova Wrocław 2012 r. PLAN PREZENTACJI WPROWADZENIE W TEMATYKĘ NEGOCJACJI BIZNESOWYCH PROBLEMATYKA PODEJMOWANIA
Bardziej szczegółowoTeoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego
Instytut Informatyki Uniwersytetu Śląskiego Wykład 4 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.
Bardziej szczegółowoMODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH
Poznań - Rosnówko, 17-19.06.2015 r. Politechnika Poznańska Wydział Maszyn Roboczych i Transportu Zakład Systemów Transportowych MODEL OPTYMALIZACYJNY SYNCHRONIZACJI LINII TRAMWAJOWYCH mgr inż. Kamil Musialski
Bardziej szczegółowoWykład Zarządzanie projektami Zajęcia 7 Zarządzanie ryzykiem. dr Stanisław Gasik s.gasik@vistula.edu.pl
04--7 Wykład Zarządzanie projektami Zajęcia 7 Zarządzanie ryzykiem dr Stanisław Gasik s.gasik@vistula.edu.pl www.sybena.pl/uv/04-wyklad-eko-zp-9-pl/wyklad7.pdf Budowa autostrady Możliwe sytuacje Projekt
Bardziej szczegółowoNarzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)
Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji
Bardziej szczegółowoZarządzanie ryzykiem
Zarządzanie ryzykiem Zarządzanie ryzykiem Zarządzanie ryzykiem obejmuje: Ciągłe badanie wpływu zewnętrznych i wewnętrznych zagrożeń, Szacowanie poziomu ryzyka jako prawdopodobieństwo wystąpienia poszczególnych
Bardziej szczegółowoSpecjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego
Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.
Bardziej szczegółowoStochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów
Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 14
Bardziej szczegółowoStrategia identyfikacji, pomiaru, monitorowania i kontroli ryzyka w Domu Maklerskim Capital Partners SA
Strategia identyfikacji, pomiaru, monitorowania i kontroli ryzyka zatwierdzona przez Zarząd dnia 14 czerwca 2010 roku zmieniona przez Zarząd dnia 28 października 2010r. (Uchwała nr 3/X/2010) Tekst jednolity
Bardziej szczegółowoZaplanować projekt fundraisingowy i przeprowadzić go przez wszystkie etapy realizacji nie tracąc z pola widzenia założonych efektów;
Celem szkolenia Zarządzanie projektem fundraisingowym jest nabycie przez uczestników wiedzy, umiejętności oraz kompetencji w zakresie planowania i osiągania celów projektowych. Uczestnik pozna i nauczy
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie
Bardziej szczegółowoAlgorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych
Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w
Bardziej szczegółowoPoniższy program może być skrócony do 1 dnia lub kilkugodzinnej prezentacji.
ZARZĄDZANIE PROJEKTAMI JAK ZAKOŃCZYĆ PROJEKT Z SUKCESEM Beata Kozyra 2018 2 dni Poniższy program może być skrócony do 1 dnia lub kilkugodzinnej prezentacji. Każdy projekt musi mieć cel, który można zmierzyć,
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Metaheurystyki oparte na algorytmach lokalnego przeszukiwania Maciej Hapke maciej.hapke at put.poznan.pl GRASP Greedy Randomized Adaptive Search Procedure T.A. Feo, M.G.C. Resende,
Bardziej szczegółowoOrganizacyjny aspekt projektu
Organizacyjny aspekt projektu Zarządzanie funkcjonalne Zarządzanie między funkcjonalne Osiąganie celów poprzez kierowanie bieżącymi działaniami Odpowiedzialność spoczywa na kierownikach funkcyjnych Efektywność
Bardziej szczegółowoStatystyczne Zarządzanie Jakością
Statystyczne Zarządzanie Jakością Opis Obecnym wyzwaniem dla większości procesów produkcyjnych jest utrzymanie powtarzalnej jakość zgodnie z oczekiwaniami klientów nie dla partii pięciu sztuk ale dla serii
Bardziej szczegółowoStochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych
Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski Warszawa 10 listopada 2016 Proseminarium licencjackie
Bardziej szczegółowoReforma regulacyjna sektora bankowego
Reforma regulacyjna sektora bankowego Efektywny biznesowo system kontroli wewnętrznej w świetle wymagań Rekomendacji H KNF 11 grudnia 2017 Efektywny biznesowo system kontroli wewnętrznej a Rekomendacja
Bardziej szczegółowo1. Problem badawczy i jego znaczenie. Warszawa,
Prof. dr hab. inż. Franciszek Seredyński Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie Wydział Matematyczno-Przyrodniczy.SNŚ Instytut Informatyki f.seredynski@uksw.edu.pl Warszawa, 22.11.2018
Bardziej szczegółowoWykład 1 Sprawy organizacyjne
Wykład 1 Sprawy organizacyjne 1 Zasady zaliczenia Prezentacja/projekt w grupach 5 osobowych. Każda osoba przygotowuje: samodzielnie analizę w excel, prezentację teoretyczną w grupie. Obecność na zajęciach
Bardziej szczegółowoProcedura obsługi niewypłacalności
Procedura obsługi niewypłacalności Autor prezentacji: Tomasz Wieczorek Dyrektor Dział Zarządzania Ryzykiem, IRGiT Kontakt: tel. 22 341 98 20, e-mail: tomasz.wieczorek@irgit.pl Izba Rozliczeniowa Giełd
Bardziej szczegółowoDroga żółwia SPIS TREŚCI
Droga żółwia Curtis Faith SPIS TREŚCI Przedmowa do wydania polskiego Podziękowania Słowo wstępne Przedmowa Wprowadzenie Dzień w którym spotkałem Księcia Parkietu Rozdział 1. Uzależnieni od ryzyka Traderzy
Bardziej szczegółowoObliczenia równoległe i rozproszone. Praca zbiorowa pod redakcją Andrzeja Karbowskiego i Ewy Niewiadomskiej-Szynkiewicz
Obliczenia równoległe i rozproszone Praca zbiorowa pod redakcją Andrzeja Karbowskiego i Ewy Niewiadomskiej-Szynkiewicz 15 czerwca 2001 Spis treści Przedmowa............................................
Bardziej szczegółowoCogGGP - kognitywnie inspirowany agent GGP - opis architektury
CogGGP - kognitywnie inspirowany agent GGP - opis architektury C. Dendek prof nzw. dr hab. J. Mańdziuk Politechnika Warszawska, Wydział Matematyki i Nauk Informacyjnych C. Dendek, prof nzw. dr hab. J.
Bardziej szczegółowoSTUDIA PODYPLOMOWE ZARZĄDZANIE PROJEKTAMI Edycja 2011/2012
STUDIA PODYPLOMOWE ZARZĄDZANIE PROJEKTAMI Edycja 2011/2012 Program studiów opracował: Grzegorz Karpiuk CEL STUDIÓW 1. Zdobycie przez uczestników wiedzy i kompetencji z zakresu zarządzania projektami oraz
Bardziej szczegółowoMetoda UCT w stochastycznych problemach transportowych
Metoda UCT w stochastycznych problemach transportowych mgr inż. Maciej Świechowski promotor: prof. Jacek Mańdziuk Seminarium Metody Inteligencji Obliczeniowej 25.06.2015 Plan prezentacji Krótkie przypomnienie
Bardziej szczegółowoSymulacja wyników finansowych i wartości spółki za pomocą modelu zysku rezydualnego. Karol Marek Klimczak
Symulacja wyników finansowych i wartości spółki za pomocą modelu zysku rezydualnego Karol Marek Klimczak kmklim@kozminski.edu.pl Finanse przedsiębiorstw 2 3 Ekonomia Y = A K α L β Funkcja produkcji Cobba-Douglasa
Bardziej szczegółowoTomasz AMBROZIAK, Dariusz PYZA WYBRANE ASPEKTY MODELOWANIA SYSTEMÓW PRZEWOZOWYCH
Abstracts in Polish Tomasz AMBROZIAK, Konrad LEWCZUK METODA HARMONOGRAMOWANIA PROCESU PRZYJECIA ŁADUNKÓW W OBIEKCIE MAGAZYNOWYM Streszczenie: Artykuł określa rolę harmonogramu realizacji procesu przyjęcia
Bardziej szczegółowoUczenie ze wzmocnieniem aplikacje
Uczenie ze wzmocnieniem aplikacje Na podstawie: AIMA ch21 oraz Reinforcement Learning (Sutton i Barto) Wojciech Jaśkowski Instytut Informatyki, Politechnika Poznańska 23 maja 2014 Problem decyzyjny Markova
Bardziej szczegółowoWsparcie narzędziowe zarządzania ryzykiem w projektach
Wsparcie narzędziowe zarządzania ryzykiem w projektach Prezentacja dodatkowa: PMBOK a zarządzanie ryzykiem Podyplomowe Studia Menedżerskie erskie Zarządzanie projektami informatycznymi PMBOK a zarządzanie
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoAUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016
AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016 Adam PRUS, Krzysztof PIEŃKOSZ Politechnika Warszawska SZEREGOWANIE ZADAŃ CZĘŚCIOWO PODZIELNYCH NA PROCESORACH RÓWNOLEGŁYCH Streszczenie. W pracy jest rozpatrywany
Bardziej szczegółowoPODSTAWY ZARZĄDZANIA PROJEKTAMI
Bogdan Miedziński PODSTAWY ZARZĄDZANIA PROJEKTAMI Dorocie żonie, wiernej towarzyszce życia 1 SPIS TREŚCI Wstęp................................................. 9 1. Zarządzanie projektami z lotu ptaka....................
Bardziej szczegółowoGrzegorz Karpiuk gkarpiuk@wsiz.rzeszow.pl. Gra Fabryka Aut Wprowadzenie do zarządzania projektami. www.auta.wsiz.pl
Grzegorz Karpiuk gkarpiuk@wsiz.rzeszow.pl Gra Fabryka Aut Wprowadzenie do zarządzania projektami www.auta.wsiz.pl Plan zajęć Dzień 1 (04.10): Wprowadzenie do zarządzania projektami Rundy testowe Dzień
Bardziej szczegółowoMetody optymalizacji dyskretnej
Metody optymalizacji dyskretnej Spis treści Spis treści Metody optymalizacji dyskretnej...1 1 Wstęp...5 2 Metody optymalizacji dyskretnej...6 2.1 Metody dokładne...6 2.2 Metody przybliżone...6 2.2.1 Poszukiwanie
Bardziej szczegółowoHeurystyczne metody przeszukiwania
Heurystyczne metody przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Pojęcie heurystyki Metody heurystyczne są jednym z ważniejszych narzędzi sztucznej inteligencji.
Bardziej szczegółowoAlgorytmy klasyfikacji
Algorytmy klasyfikacji Konrad Miziński Instytut Informatyki Politechnika Warszawska 6 maja 2015 1 Wnioskowanie 2 Klasyfikacja Zastosowania 3 Drzewa decyzyjne Budowa Ocena jakości Przycinanie 4 Lasy losowe
Bardziej szczegółowoPolityka zarządzania ryzykiem w Uniwersytecie Mikołaja Kopernika w Toruniu
Załącznik nr do zarządzenia nr 156 Rektora UMK z 15 listopada 011r. Polityka zarządzania ryzykiem w Uniwersytecie Mikołaja Kopernika w Toruniu 1 1. Polityka zarządzania ryzykiem, zwana dalej Polityką,
Bardziej szczegółowo