WIELOKRYTERIALNA OPTYMALIZCJA DZIAŁALNOCI DYSTRYBUTORA W WARUNKACH NIEPEWNOCI
|
|
- Paulina Głowacka
- 5 lat temu
- Przeglądów:
Transkrypt
1 WIELOKRYTERIALA OPTYALIZCJA DZIAŁALOCI DYSTRYBUTORA W WARUKACH IEPEWOCI arek Dolata marek@zapr.com.pl Instytut Informatyki Teoretycznej i Stosowanej ul. Dbrowskiego 73, Czstochowa Streszczenie. W zagadnieniu optymalizacji działalnoci dystrybutora uwzgldniono nie tylko koszty transportu ale take ograniczenia zwizane z moliwoci spełnienia kontraktu zawartego pomidzy dystrybutorem i odbiorcami oraz midzy dystrybutorem i dostawcami. W odrónieniu od podej klasycznych do formalizacji istniejcych niepewnoci za pomoc metod probabilistycznych uyte zostały elementy teorii zbiorów rozmytych pozwalajce na uwzgldnienie nie tylko obiektywnych informacji otrzymanych za pomoc statystycznej obróbki danych ale wiedzy i intuicji specjalistów z dziedziny problemu oraz decydentów. Problem został rozwizany w dwóch etapach. Rozmyto-przedziałowe wyniki pierwszego etapu zostały uyte jako dane wejciowe wielokryterialnego etapu drugiego. Dla rozwizania pierwszego etapu uyto rozmytego uogólnienia tradycyjnej metody programowania liniowego simplex za pomoc programowania obiektowego. Przy tym w realizacji operacji arytmetycznych na liczbach rozmytych uyto procedury ich przedstawienia w postaci sieci α-przekrojów. Istotnym problemem w realizacji tego podejcia jest porównywanie liczb rozmytych, dlatego uywano oryginalnej procedury opartej na probabilistycznej interpretacji przedziałów ostrych i rozmytych. W drugim wielokryterialnym etapie rezultaty pierwszego etapu posłuyły jako podstawa do dalszych oblicze dajcych w wyniku optymalne rzeczywiste wartoci szukanych wielkoci transportowanych towarów uwzgldniajc niepewno transakcji. Wychodzc od danych obarczonych niepewnoci dochodzimy do rozwizania rzeczywistego uwzgldniajcego niepewno parametrów zadania wraz z oszacowaniem ryzyka. Kluczowe słowa: Problem dystrybutora; programowanie liniowe rozmyte; problem transportowy rozmyty;. Wprowadzenie Zagadnienie optymalizacji działalnoci dystrybutora moe by sformułowane jako uogólnienie klasycznego problemu transportowego. Konwencjonalny problem transportowy jest specjalnym typem programowania liniowego gdzie sam problem jak i ograniczenia s opisane szczególn matematyczn struktur. ródłem dostaw moe by producent, magazyn itp. dla którego mamy przypisane odpowiednie parametry, podobnie jak dla celu dostaw; dodatkowo znane s koszty transportu na danych trasach. W klasycznym podejciu chodzi o minimalizacj kosztów poniesionych przez porednika podczas transportowania towaru od producentów do konsumentów. W opisywanym podejciu postanowiono maksymalizowa zysk dystrybutora podczas transportowania towaru od producentów do konsumentów w warunkach niepewnoci. W 979, Isermann [] przedstawił algorytm, dla rozwizywania problemu, przy pomocy którego został wyliczony komplet wszystkich skutecznych rozwiza. Ringuest i Rinks [2] proponowali dwa algorytmy iteracyjne dla rozwizywania liniowego wielokryterialnego problemu transportowego. Podobne rozwizanie zaproponowane zostało w [3]. Dla problemu transportowego zostały opracowane róne efektywne algorytmy ale z uwzgldnieniem stałych parametrów zadania opisanych w postaci liczb rzeczywistych. Jednake takie warunki s spełnione rzadko albo niemale nigdy ze wzgldu na wahania parametrów; przykładowo ciko ustali stały koszt dla okrelonej trasy. W pracy [4] taki problem był rozwizany w warunkach przedziałowej niepewnoci kosztów transportowych.
2 W pracach S.Chanasa i D. Kuchty [5, 6] rozwinito podejcie oparte na rozmyto-przedziałowym przedstawieniu niepewnych parametrów modelu. Rozwój tego podejcia przedstawiony jest w pracy [7]. Ogóln charakterystyk omówionych prac jest wprowadzenie ogranicze dotyczcych formy funkcji przynalenoci. To pozwala autorom przekształci pierwotny problem rozmytego programowania liniowego w sie zwykłych zada programowania liniowego za pomoc procedur analitycznych. W praktyce jednak funkcje przynalenoci opisujce parametry niepewne uywanych modeli mog mie do skomplikowane formy, oprócz tego istotnym momentem opracowania algorytmów programowania rozmytego jest niezbdno porównywania liczb rozmytych. Istnieje wiele podej do tego ale bdziemy uywali podejcia probabilistycznego [8, 9] pozwalajcego za pomoc tylko jednego zupełnie naturalnego załoenia stwierdzajcego, e przedział jest przedziałem liczby losowej ze stał gstoci prawdopodobiestwa, otrzyma cały zbiór operacji porównywania przedziałów ostrych, przedziałów rozmytych (z uyciem α- przekrojów) oraz przedziałów i liczb rzeczywistych. Proponowane podejcie pozwala na bezporednie rozmyte rozszerzenie klasycznego algorytmu simplex z implementacj metody za pomoc programowania obiektowego. Rozmyto-przedziałowe rozszerzenie problemu dystrybutora pozwala na uzyskanie rozmyto-przedziałowych wyników, jednake dystrybutor do sporzdzenia kontraktów potrzebuje optymalizowanych danych rzeczywistych. Problem dystrybutora został wic rozwizany w dwóch etapach. Pierwszym bdcym rozmyto-przedziałowym rozszerzeniem metody simplex oraz drugim wielokryterialnym, dla którego rozmyto-przedziałowe wyniki pierwszego etapu stanowi dane wejciowe, z zastosowaniem rónych metod agregacji kryteriów lokalnych. W wyniku drugiego etapu otrzymano rzeczywiste optymalizowane wartoci transportowanych wielkoci. 2. Posta matematyczna problemu Problem dystrybutora przedstawiony na Rys. mona zdefiniowa przyjmujc, e porednik zaopatruje si u producentów i dostarcza towar do konsumentów. Rys.. Graficzna prezentacja problemu dystrybutora Załoono, e wiadome s maksymalne moliwoci producentów dotyczce iloci wyprodukowanego towaru wynoszce a i,(,2,..., ) i maksymalne zdolnoci odbioru towarów przez konsumentów b j, (, 2,..., ). Dystrybutor posiada informacj o cenach za jednostk towaru który kupuje u kadego producenta i
3 o cenach sprzeday dla kadego konsumenta. Wiadomo, e straty na dostarczenie jednostki towaru od i-tego producenta do j-tego konsumenta s równe c, (,2,..., ;, 2,...,). Zgodnie z zawartymi umowami dystrybutor jest zobowizany kupowa u i-tego producenta minimum p i jednostek towaru po cenie t i za jednostk oraz gwarantowa dostarczenie j-temu konsumentowi minimum q j jednostek tego towaru po cenie s j za jednostk. Cał ilo towaru powyej omówionej w kontrakcie wartoci p i, dystrybutor kupuje po cenie promocyjnej k i za jednostk. Z kolei konsument kupuje cał ilo towaru powyej q j take po cenie promocyjnej r j za jednostk. Rozwizaniem problemu s optymalizowane iloci towaru kupowanego u kadego i-tego producenta oraz dostarczonego i sprzedanego j-temu konsumentowi x (,2,..., ;, 2,...,) w warunkach ogranicze zwizanych z podpisanymi umowami z producentami i konsumentami dotyczcymi iloci kupna i sprzeday. W wyniku dochód dystrybutora D moe by przedstawiony przez wyraenie D ( ) ( ) ( )+ = q s j p ti c + x j q j i * r j x p * i k i () x ograniczeniach: W rezultacie zadanie redukuje si do znalezienia wszystkich x maksymalizujcych dochód D przy - dotyczcych górnych granic popytu i poday x ( i =.. ); ai - dotyczcych dolnych granic popytu i poday x b j = j (.. ); (2) x ( i =.. ); p i x ( j =.. ); q j (3) Sformułowany problem mona rozwiza jako zadanie programowania liniowego przy wykorzystaniu algorytmów programowania liniowego np. simplex. Uwzgldniajc, e wszystkie parametry w ()-(3) s danymi niepewnymi bdziemy przedstawiali je za pomoc liczb rozmytych o trapezoidalnej formie. Wtedy zagadnienie optymalizacji działalnoci dystrybutora moe by przedstawione w formie: ( z x ) max D = (4) - ograniczenia dotyczce górnych granic popytu i poday x ( i =.. ); ai x ( j =.. ); b j (5)
4 - ograniczenia dotyczcych dolnych granic popytu i poday x ( i =.. ); p i x ( j =.. ); q j (6) Gdzie z = r k c dla kadego..,... j i W wyraeniach (4)-(6) D, z, a, b, q, p s liczbami rozmytymi. W rezultacie otrzymamy zagadnienie maksymalizacji rozmytego dochodu (4) w warunkach ogranicze (5) i (6). W praktyce czsto mamy problem zwizany z rónymi dokładnociami przedstawienia danych niepewnych np. cz opisanych powyej parametrów moe by przedstawiona w postaci trapezoidalnych liczb rozmytych na podstawie opinii ekspertów. Druga cz moe mie posta np. histogramu lub gstoci prawdopodobiestwa w do skomplikowanej formie otrzyman w wyniku bada statystycznych. W tych wypadkach zasady ogólno metodologiczne sugeruj przekształcenie wszystkich danych do formy o najmniejszym poziomie dokładnoci. Z tego tez wzgldu istnieje potrzeba transformacji danych przedstawionych w postaci rozkładu prawdopodobiestwa lub histogramu do funkcji przynalenoci do liczby rozmyto-przedziałowej. Opracowany algorytm budujcy funkcj przynalenoci na podstawie gstoci zmiennych losowych, jeeli takie istniej lub bezporednio na podstawie histogramu przedstawiono dokładnie w []. etoda ta pozwala przedstawi wszystkie dane niepewne w jednolitej formie trapezoidalnych liczb rozmytych. Proponowana metoda rozwizania zagadnienia programowania rozmytego (4)-(6) realizowana za pomoc przedstawienia wszystkich liczb rozmytych w postaci zbiorów odpowiednich α-przekrojów, faktycznie redukuje zagadnienie rozmyte w sie zagadnie programowania ostro-przedziałowego z wykorzystaniem probabilistycznej metody porównywania przedziałów [8, 9]. a tym etapie jako wyniki optymalizacji otrzymujemy wartoci x transportowanego towaru od i- tego producenta do j-tego konsumenta oraz warto oczekiwan dochodu D w postaci trapezoidalnych liczb rozmyto-przedziałowych uwzgldniajcych niepewno. etoda ta porównana została z procedur onte-carlo, dla której otrzymano rezultaty niejednoznaczne [0, ], wyniki optymalizacji rozmytej s bliskie tym otrzymanym za pomoc procedury onte-carlo ale bardziej zrozumiałe i jednoznaczne; charakteryzuj si dodatkowo wystarczajc dokładnoci dlatego do dalszych bada wykorzystane zostały rozwizania otrzymane w wyniku uycia rozszerzenia rozmyto-przedziałowego. Rozmyto-przedziałowe wyniki optymalizacji s interesujce z punktu widzenia metodologii rozwizania problemu dystrybutora jednake w rzeczywistoci dystrybutor wymaga aby optymalne rozwizanie zaprezentowane zostało w postaci liczb rzeczywistych, które posłu do sporzdzenia umów z dostawcami i odbiorcami, rozwizanie to powinno jednak równie uwzgldnia niepewno.
5 W celu otrzymania rzeczywistych wyników optymalizacji problem dystrybutora został rozwizany w dwóch etapach. Opisany ju pierwszy etap w wyniku, którego otrzymano optymalizowane rozmytoprzedziałowe wartoci towarów transportowanych od i-tego producenta do j-tego konsumenta oraz rozmytoprzedziałow warto dochodu pozwolił na sformułowanie wielokryterialnego drugiego etapu, w wyniku którego otrzymano optymalizowane rzeczywiste wartoci transportowanych towarów. Jak ju zaznaczono rozmyto-przedziałowe wyniki transportowanych iloci towaru od i-tego producenta do j- tego konsumenta oraz rozmyto-przedziałowa warto reprezentujca zysk dystrybutora D posłuyły jako dane wejciowe do drugiego etapu optymalizacji. Wyznaczony w pierwszym etapie rozmyto-przedziałowy dochód D pozwala na okrelenie zakresu zmian realnego dochodu dystrybutora z uwzgldnieniem niepewnoci; pozwala on zatem na sformułowanie funkcji λ(d), która bdzie odzwierciedleniem chci maksymalizowania dochodu przez dystrybutora. Funkcj t przedstawion na Rys. 2 mona umownie nazwa funkcj zachłannoci (funkcja bezwzgldnego denia do zysku) dystrybutora poniewa nie uwzgldnia ona ryzyka a jedynie ch maksymalizacji zysku w przedziale moliwych wartoci zysku okrelonego przez otrzymany w pierwszym etapie rozmyty dochód D. Funkcja λ(d) Rys. 2 odzwierciedla intencj dystrybutora dla maksymalizowania dochodu nie rozwaajc zmniejszenia moliwoci maksymalizacji dochodu z powodu zwikszenia ryzyka, takiego rodzaju ryzyka mog by formalizowane niejawnie za pomoc ograniczenia na iloci towarów kupionych i sprzedanych przez dystrybutora. µ(d),λ(d) µ(d) λ(d) Rys. 2 Funkcja przynalenoci dochodu dystrybutora µ(d) oraz funkcja chci osignicia dochodu (zachłannoci) λ(d) D Ch dystrybutora co do maksymalizowania dochodu jest sprzeczna z intencj minimalizacji ryzyka dlatego potrzebne jest znalezienie kompromisu. Sformułujmy zagadnienie w inny sposób. Tak jak wczeniej mamy producentów i konsumentów. Wiadome rozmyte przedziały iloci sprzeday {a i }(,2..), i kupna { b j }(,2..), straty na dostarczenie jednostki towaru od j tego producenta do i-tego konsumenta {c }(,2..,,2..).
6 Rozwizaniem problemu s optymalizowane iloci (liczby rzeczywiste) kupna {a i }, i sprzeday {b j } oraz {x } (,2,...,;,2,...,), takie które dostarczaj najlepszego kompromisu pomidzy kryteriami maksymalizacji dochodu dystrybutora D i minimalizacji niepewnoci rezultatu ryzyka. Kocowe rozwizanie uzyskano na podstawie dwóch etapów. W wyniku pierwszego etapu dostalimy rozmyto-przedziałowe {x } oraz D. W drugim etapie zadanie sformułowano jako wielokryterialne. Jako kryteria lokalne rozpatrywalimy λ(d) kryterium maksymalizacji globalnego dochodu (funkcja zachłannoci) oraz kryteria przedstawione przez funkcj przynalenoci (uytecznoci) µ(a i ) (,2..), µ(b j ) (,2..), charakteryzujce kontrowersyjne zapotrzebowanie maksymalizacji iloci kupna i sprzeday oraz minimalizacji zwizanego z nimi ryzyka. Funkcje µ(a i ), µ(b j ) gdzie zgodnie z Rys. 3 a i a i a i4 oraz b j b j b j4, (,2..), (,2..), mona traktowa jako funkcje charakterystyczne ryzyka czyli stopnia niewypełnienia kontraktów przez dystrybutora. To kryterium mona te rozpatrywa jako rozmyte ograniczenie na sterujce parametry a i moliwoci wytwórcze i-tego producenta oraz b j moliwoci odbiorcze j-tego konsumenta. µ(a i ), µ (b j ) a i, b j a i2, b j2 a i3, b j3 a i4, b j4 a i, b j Rys. 3 Funkcje charakterystyczne ryzyka niewypełnienia kontraktów µ(a i ), µ(b j ) Dlatego e λ(d) najmocniej charakteryzuje zapotrzebowanie maksymalizacji dochodu w warunkach ogranicze na dochód D otrzymanych w pierwszym etapie głównym sensem kryteriów µ(a i ), µ(b j ) jest minimalizacja ryzyka czyli wypełnienia kontraktów; jasne e rozpatrywane kryteria lokalne s nierówno wane z punktu widzenia dystrybutora. Jednak od pocztku mona rozpatrywa kryteria µ(a i ), µ(b j ) jako równowane, które razem wzite charakteryzuj uogólnione ryzyko. Dla rozwizywania problemu formułuje si kryterium globalne jako agregowanie wszystkich lokalnych kryteriów z uwzgldnieniem współczynników ich wzgldnej wanoci. Takie kryterium jednoczenie uwzgldnia stopie dostrzeenia okrelonego poziomu dochodu i stopie spełnienia ogranicze jednoczenie charakteryzujcych ryzyko. Dla formułowania kryterium uogólnionego mona uywa rónych sposobów agregowania:
7 - maksymalnego pesymizmu F ({â i }, {b j},{ x }) = min(λ α (D({a i },{b j },{x })), min(µ (a ),µ 2 (a 2 ),...,µ (a ),µ (b ),µ 2 (b 2 ),...,µ (b )) β ), (7) - addytywne F 2 ({â i }, {b j},{ x })=α*λ(d({a i },{b j },{x }))+ β*(µ (a )+µ 2 (a 2 )+...+µ (a )+µ (b )+µ 2 (b 2 )+...+µ (b ))/2(+), (8) - multiplikatywne F 3 ({â i }, {b j},{ x }) = λ α (D({a i }, {b j },{x }))* *(µ (a )*µ 2 (a 2 )*...*µ (a )*µ (b )*µ 2 (b 2 )*...*µ (b )) β, (9) Ostatecznie dla opracowanych metod agregacji mona stwierdzi, e optymalizowane rozwizanie problemu mona przedstawi formalnie jako (0) ({a i }, {b j },{x }) pt = arg( max F k ({â i }, {b j},{ x })), gdzie k=,2,3, (0) gdzie α i β - współczynniki wzgldnej wanoci odpowiednio dochodu i ryzyka (α + β=2); â i =[a i, a i2, a i3, a i4 ], b [b j, b j2, b j3, b j4 ], x =[x, x 2, x 3, x 4 ], 0 F, F 2, F 3 ;,2..,,2..; Dla znalezienia rozwiza zagadnie drugiego etapu, bdcych jednoczenie rozwizaniami kocowymi problemu dystrybutora, zastosowano algorytm optymalizacji na podstawie bezporedniego przeszukiwania losowego z wykorzystaniem technik programowania obiektowego. Dla algorytmu bezporedniego przeszukiwania losowego zakres przeszukiwania został wyznaczony na podstawie rozwiza etapu pierwszego. 3. Przykład numeryczny. Dla uproszczenia i przejrzystoci rezultatów przypumy e mamy tylko trzech producentów i trzech producentów =3; =3. Wszystkie dane wejciowe przekształcone zostały w trapezoidalne przedziały rozmyte, które przedstawione s w formie cztero punktowej w tablicy. Tablica Posta rozmyto-przedziałowa parametrów zagadnienia (4)-(6) â =[437, 455, 464, 479], â 2 =[437, 455, 464, 479], â 3 =[587, 605, 64, 629], p =[47, 435, 444, 459], p 2=[47, 435, 444, 459], p 3=[567, 585, 594, 609], b =[387, 405, 44, 429], b 2=[487, 505, 54, 529], b 3=[587, 605, 64, 629], q =[367, 385, 394, 409], q 2=[467, 485, 494, 509], q 3=[567, 585, 594, 609], ẑ =[277, 295, 304, 39], ẑ 2 =[457, 475, 484, 499], ẑ 3 =[467, 485, 494, 509], ẑ 3 =[277, 295, 304, 39], ẑ 32 =[359, 377, 386, 40], ẑ 33 =[576, 594, 603, 68], ẑ 2 =[377, 395, 404, 49], ẑ 22 =[56, 579, 588, 603], ẑ 23 =[272, 290, 299, 34],
8 Za pomoc opracowanego algorytmu bdcego modyfikacj rozmyto-przedziałow algorytmu simplex (model (4)-(6)) po pierwszym etapie rozwizania otrzymano rezultaty przedstawione w tablicy 2 słuce dalszym obliczeniom. Tablica 2 Optymalizowane rozmyto-przedziałowe iloci x transportowanego towaru oraz ich wartoci rednie. x =[240, 374, 446, 576], x r = 40, x 2 =[0, 32,68, 34], x 2r = 50, x 3 =[0, 0, 0, 0], x 3r = 0, x 2 =[0, 0, 0, 0], x 2r = 0, x 22 =[46, 45, 469, 500], x 22r = 460, x 23 =[0, 0, 0, 0], x 23r = 0, x 3 =[0, 0, 0, 0], x 3r = 0, x 32 =[0, 0, 0, 0], x 32r = 0, x 33 =[462, 578, 64, 756], x 33r = 60. Optymalizowana rozmyto-przedziałowa warto dochodu dystrybutora oraz jej warto rednia: D = [538492, 73536, , 09833] D r = Otrzymane powyej wyniki zgodnie z opisan wczeniej metodologi wykorzystane zostały do dalszych oblicze. µ(d),λ(d) µ(d) λ(d) D Rys. 4 Funkcja przynalenoci dochodu dystrybutora µ(d) oraz funkcja zachłannoci λ(d) dla rozpatrywanego przykładu. Zastosowanie współczynników wzgldnej wanoci w (7)-(9) pozwala na spełnienie preferencji decydenta odnonie rentownoci i ryzyka. Decydent chcc podj wiksze ryzyko dajc sobie przy tym moliwo osignicia wikszego zysku, lub wybierajc mniejszy zysk ale jednoczenie obarczony mniejszym ryzykiem, moe tego dokona włanie dziki odpowiedniemu doborowi współczynników wzgldnej wanoci. W przykładzie aby nie rozpatrywa wszystkich moliwoci załoono e decydent chcc osign wikszy zysk podejmuje zwizane z tym wiksze ryzyko i dobiera współczynniki wzgldnej wanoci odpowiednio α=.7 dla zysku oraz β=0.3 dla ryzyka. W wyniku przeprowadzonych oblicze zgodnie z zalenociami (7)- (9) wyniki dla rónych metod agregacji przedstawione zostały w tablicy 3.
9 Tablica 3. Rzeczywiste wyniki optymalizacji działalnoci dystrybutora dla rónych metod agregacji multiplikatywna addytywne maksymalnego pesymizmu Kryterium globalne w 0,22 0,97 0,27 punkcie optimum Dochód ( rednia warto) X X X X X X X X X a a a b b b Rys. 5 przedstawia funkcj wypełnienia kontraktu charakteryzujc ryzyko zwizane z predsiwziciem dla addytywnej metody agregacji kryteriów lokalnych. Optymalna warto a opt =5 (Tablica 3) odpowiada zwikszonemu ryzyku wynikajcemu z doboru współczynników wzgldnej wanoci dlatego obserwujemy mniejsz wartoc funkcji µ(a opt ). µ(a ) µ(a opt ) a a opt a 4 a Rys. 5 Funkcja charakterystyczna niewypełnienia kontraktów µ(a ),dla metody addytywnej. 4. Podsumowanie W problemie dystrybutora bardzo istotn spraw jest uwzgldnienie niepewnoci zwizanej z praktyczn realizacj zagadnienia. Parametry takie jak koszty na poszczególnych trasach czy nawet maksymalne moliwoci wytwórcze czy te odbiorcze kontrahentów s wielkociami obarczonymi niepewnoci i dodatkowo zale od aktualnej sytuacji rynkowej. W przedstawionej pracy uwzgldnienie niepewnoci zostało zrealizowane za pomoc liczb rozmyto-przedziałowych w postaci α-przekrojów, za pomoc których bazujc na wiedzy specjalistów z dziedziny problemu a take osób podejmujcych decyzje opisane zostały wszystkie niepewne parametry modelu. Jak udowodniono w [] podejcie to jest co
10 najmniej nie gorsze od klasycznego podejcia onte Carlo co pozwala na zastosowanie go do rozwizania pierwszego etapu problemu. Zastosowanie rozwizania rozmyto-przedziałowego pozwoliło oszacowa wachania dochodu dystrybutora oraz wartoci towarów transportowanych na wybranych trasach i oceni ich ryzyko. ie s to jednak dane rzeczywiste, które mog słuy do sporzdzenia umów pomidzy dystrybutorem a kontrahentami. Celem znalezienia optymalnego rozwizania w znalezionych na etapie rozmytoprzedziałowym wynikach zastosowano wielokryterialne podejcie do problemu traktujc maksymalizacj dochodu i minimalizacj zwizanego z nim ryzyka jako kryteria lokalne składajce si na globaln funkcj celu. Zadanie zostało rozwizane przy wykorzystaniu programowania obiektowego. W celu porównania wyników zastosowano róne metody agregacji kryteriów lokalnych. Przedstawione wyniki prezentuj jeden z moliwych układów doboru współczynników wzgldnej wanoci za pomoc, których mona zmienia preferencje decydenta. Wyniki optymalizacji wielokryterialnej porównane zostały z wartociami rednimi rozmyto-przedziałowych wyników pierwszego etapu. Optymalizowane kocowe rozwizania s wiksze od wartoci rednich rozwizania rozmyto-przedziałowego ze wzgldu na prezentowany w przykadzie dobór współczynników wzgldnej wanoci, z których wynika chc dystrybutora do zwikszenia zysku przy jednoczesnym podjciu wikszego ryzyka. Pomimo tego rozwizania te s porównywalne z wartociami rednimi rozwiza pierwszego etapu, a dla innego doboru współczynników wzgldnej wanoci wrcz takie same; najwiksze rónice rozwiza zaobserwowano dla rozwiza uzyskanych addytywn metod agregacji kryteriów lokalnych. Stwierdzi dodatkowo naley, e dla wszystkich metod agregacji rozwizania kocowe przedstawione w tablicy 3 s bardzo zblione. Porównywalne wyniki dla wszystkich metod agregacji wskazuj na poprawne znalezienie wartoci optymalnych. LITERATURA [] H. Isermann, The enumeration of all efficient solution for a linear multiple-objective transportation problem, aval Research Logistics Quarterly 26 (979) 23-39; [2] J.L. Ringuest, D.B. Rinks, Interactive solutions for the linear multiobjective transportation problem, European Journal of Operational Research 32 (987) [3] A.K. Bit,.P. Biswal, S.S. Alam, Fuzzy programming approach to multicriteria decision making transportation problem, Fuzzy Sets and Systems 50 (992) [4] S.K. Das, A. Goswami, S.S. Alam, ultiobjective transportation problem with interval cost, source and destination parameters, European Journal of Operational Research 7 (999) 00-2 [5] S. Chanas,. Delgado, J.L Verdegay and.a. Vila, Interval and fuzzy extensions of classical transportation problems, Transportation Planning Technol. 7(993) [6] S. Chanas, D. Kuchta, Fuzzy integer transportation problem, Fuzzy Sets and Systems 98 (998) [7] Waiel F. Abd El-Wahed, A multi-objective transportation problem under fuzziness, Fuzzy Sets and Systems 7 (200) [8] P. Sewastianow, P. Róg, K. Karczewski, A Probabilistic ethod for Ordering Group of Intervals, Informatyka teoretyczna i stosowana/computer Science. Politechnika Czstochowska, Rocznik 2, 2 (2002), [9] P. Sewastianow, P. Róg, A Probability Approach to Fuzzy and Crisp Intervals Ordering, Task Quarterly 7 o (2003), 47-56, Politechnika Czstochowska
11 [0]. Dolata, A. Ptak, Optymalizacja dystrybucji w warunkach niepewnoci probabilistycznej, Informatyka teoretyczna i stosowana/computer Science. Politechnika Czstochowska, Rocznik 3, 4 (2003) []. Dolata, L. Dymowa, J. Grabara, Rozmyta optymalizacja działalnoci dystrybutora, ateriały do 5 Górskiej Szkoły PTI, Efektywno zastosowa systemów informatycznych. Szczyrk VI.2003
WIELOKRYTERIALNA ROZMYTA OPTYMALIZCJA DYSTRYBUCJI W WARUNKACH NIEPEWNOCI
WIELOKRYTERIALA ROZYTA OPTYALIZCJA DYSTRYBUCJI W WARUKACH IEPEWOCI Ludmiła Dymowa, arek Dolata dymowa@icis.pcz.czest.pl, mailto:marek@zapr.pl Instytut Informatyki Teoretycznej i Stosowanej, Politechnika
Bardziej szczegółowoROZMYTA OPTYMALIZCJA DZIAŁALNOCI DYSTRYBUTORA
ROZYTA OPTYALIZCJA DZIAŁALOCI DYSTRYBUTORA arek Dolata, Ludmiła Dymowa, Janusz Grabara, marek@zapr.com.pl Instytut Informatyki Teoretycznej i Stosowanej ul. Dbrowskiego 73, 42-200 Czstochowa Streszczenie.
Bardziej szczegółowoOTYMALIZCJA DYSTRYBUCJI W WARUNKACH NIEPEWNOCI PROBABILISTYCZNEJ.
OTYALIZCJA DYSTRYBUCJI W WARUKACH IEPEWOCI PROBABILISTYCZEJ. arek Dolata, Aleksandra Ptak marek@zapr.com.pl Instytut Informatyki Teoretycznej i Stosowanej ul. Dbrowskiego 73, 42-200 Czstochowa Streszczenie.
Bardziej szczegółowoWymierne korzyci wynikajce z analizy procesów
Wymierne korzyci wynikajce z analizy procesów Analiza procesu jest narzdziem do osignicia wyszej efektywnoci organizacji (midzy innymi). Wymaga ona zbudowania modelu procesu biznesowego bdcego opisem funkcjonowania
Bardziej szczegółowoPlanowanie adresacji IP dla przedsibiorstwa.
Planowanie adresacji IP dla przedsibiorstwa. Wstp Przy podejciu do planowania adresacji IP moemy spotka si z 2 głównymi przypadkami: planowanie za pomoc adresów sieci prywatnej przypadek, w którym jeeli
Bardziej szczegółowoOptymalizacja procesów odlewania cigłego i walcowania tam w walcach-krystalizatorach
Materiały. Konferencji Informatyka w Technologii Metali KomPlasTech24 Zakopane -4 stycznia 24 Optymalizacja procesów odlewania cigłego i walcowania tam w walcach-krystalizatorach P. Sewastjanow, L. Dymowa
Bardziej szczegółowoKONKURENCJA DOSKONA!A
KONKURENCJA OSKONA!A Bez wzgl"du na rodzaj konkurencji, w jakiej uczestniczy firma, jej celem gospodarowania jest maksymalizacja zysku (minimalizacja straty) w krótkim okresie i maksymalizacja warto"ci
Bardziej szczegółowoWielokryterialna optymalizacja procesu odlewania cigłego z jednoczesnym walcowaniem tamy z chlorku miedzi
Materiały. Konferencji Informatyka w Technologii Metali KomPlasTech24 Zakopane -4 stycznia 24 Wielokryterialna optymalizacja procesu odlewania cigłego z jednoczesnym walcowaniem tamy z chlorku miedzi L.
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoMODELOWANIE PROCESÓW EKSPLOATACJI MASZYN
Akademia Techniczno Rolnicza w Bydgoszczy Wojskowy Instytut Techniki Pancernej i Samochodowej MODELOWANIE PROCESÓW EKSPLOATACJI MASZYN BYDGOSZCZ SULEJÓWEK, 2002. 2 Akademia Techniczno Rolnicza w Bydgoszczy
Bardziej szczegółowoCash flow projektu zakładajcego posiadanie własnego magazynu oraz posiłkowanie si magazynem obcym w przypadku sezonowych zwyek
Optymalizacja zaangaowania kapitałowego 4.01.2005 r. w decyzjach typu make or buy. Magazyn czy obcy cz. 2. Cash flow projektu zakładajcego posiadanie własnego magazynu oraz posiłkowanie si magazynem obcym
Bardziej szczegółowoMetody ilociowe w zarzdzaniu
Metody ilociowe w zarzdzaniu WZ Zarzdzanie i Inynieria Produkcji Studia I stopnia o profilu: A P P1rzedmiot: Metody ilociowe w zarzdzaniu Kod przedmiotu ZIP 1 S 07 64-0 -0 Status przedmiotu: Przedmiot
Bardziej szczegółowostopie szaro ci piksela ( x, y)
I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.
Bardziej szczegółowoProjektowanie i analiza zadaniowa interfejsu na przykładzie okna dialogowego.
Projektowanie i analiza zadaniowa interfejsu na przykładzie okna dialogowego. Jerzy Grobelny Politechnika Wrocławska Projektowanie zadaniowe jest jednym z podstawowych podej do racjonalnego kształtowania
Bardziej szczegółowoProgramowanie Obiektowe
Programowanie Obiektowe dr in. Piotr Zabawa IBM/Rational Certified Consultant pzabawa@pk.edu.pl WYKŁAD 1 Wstp, jzyki, obiektowo Cele wykładu Zaznajomienie słuchaczy z głównymi cechami obiektowoci Przedstawienie
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
Bardziej szczegółowoAmortyzacja rodków trwałych
Amortyzacja rodków trwałych Wydawnictwo Podatkowe GOFIN http://www.gofin.pl/podp.php/190/665/ Dodatek do Zeszytów Metodycznych Rachunkowoci z dnia 2003-07-20 Nr 7 Nr kolejny 110 Warto pocztkow rodków trwałych
Bardziej szczegółowoPlan wykładu. Reguły asocjacyjne. Przykłady asocjacji. Reguły asocjacyjne. Jeli warunki to efekty. warunki efekty
Plan wykładu Reguły asocjacyjne Marcin S. Szczuka Wykład 6 Terminologia dla reguł asocjacyjnych. Ogólny algorytm znajdowania reguł. Wyszukiwanie czstych zbiorów. Konstruowanie reguł - APRIORI. Reguły asocjacyjne
Bardziej szczegółowoPROWIZJE Menad er Schematy rozliczeniowe
W nowej wersji systemu pojawił si specjalny moduł dla menaderów przychodni. Na razie jest to rozwizanie pilotaowe i udostpniono w nim jedn funkcj, która zostanie przybliona w niniejszym biuletynie. Docelowo
Bardziej szczegółowoWST P Ogólne opisanie problemu rzeczywistego.
HIERARCHICZNE I WIELOKRYTERIALNE ZARZDZANIE WIEDZ W PODEJMOWANIU DECYZJI I OCENIE ZJAWISK SOCJALNO - EKONOMICZNYCH. Ludmiła Dymowa, Paweł Sewastianow, Jarosław Łapeta WSTP Wiadomo, e wiedza istnieje nie
Bardziej szczegółowoKonspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce
mgr Tomasz Grbski Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce Temat: Dyskusja nad liczb rozwiza równania liniowego i kwadratowego z wartoci bezwzgldn i parametrem. Czas trwania: 45 minut.
Bardziej szczegółowoProgram Sprzeda 2012
Program Sprzeda 2012 Autor: Jacek Bielecki Ostatnia zmiana: 2012-04-25 Wersja: 2012.961 Spis treci PROGRAM SPRZEDA 2012... 1 Spis treci... 1 Instalacja... 1 Instalacja stacji roboczych... 1 Uruchamianie...
Bardziej szczegółowoMetody Informatyczne w Budownictwie Metoda Elementów Skoczonych ZADANIE NR 1
Metody Informatyczne w Budownictwie Metoda Elementów Skoczonych ZADANIE NR 1 Wyznaczy wektor sił i przemieszcze wzłowych dla układu elementów przedstawionego na rysunku poniej (rysunek nie jest w skali!).
Bardziej szczegółowoPoprawa efektywnoci metody wstecznej propagacji bdu. Jacek Bartman
Poprawa efektywnoci metody wstecznej propagac bdu Algorytm wstecznej propagac bdu. Wygeneruj losowo wektory wag. 2. Podaj wybrany wzorzec na wejcie sieci. 3. Wyznacz odpowiedzi wszystkich neuronów wyjciowych
Bardziej szczegółowoTemat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.
Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.. Oznaczenia i załoenia Oznaczenia G = - graf skierowany z funkcj wagi s wierzchołek ródłowy t wierzchołek
Bardziej szczegółowoPlan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji
Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji
Bardziej szczegółowoProjekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu
Przygotował: mgr in. Jarosław Szybiski Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu 1. Wstp Okablowanie strukturalne to pojcie, którym okrela si specyficzne
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoPROCEDURY REGULACYJNE STEROWNIKÓW PROGRAMOWALNYCH (PLC)
PROCEDURY REGULACYJNE STEROWNIKÓW PROGRAMOWALNYCH (PLC) W dotychczasowych systemach automatyki przemysłowej algorytm PID był realizowany przez osobny regulator sprztowy - analogowy lub mikroprocesorowy.
Bardziej szczegółowoDDK-076-115/04/VP Warszawa, 02 czerwca 2004 r.
Korespondencja w sprawie wystpienia Odpowied Prezesa Urzdu Ochrony Konkurencji i Konsumentów na wystpienie Generalnego Inspektora Ochrony Danych Osobowych. PREZES URZDU OCHRONY KONKURENCJI I KONSUMENTÓW
Bardziej szczegółowoROZPORZDZENIE KOMISJI (WE) NR 69/2001. z dnia 12 stycznia 2001 r.
ROZPORZDZENIE KOMISJI (WE) NR 69/2001 z dnia 12 stycznia 2001 r. w sprawie zastosowania art. 87 i 88 Traktatu WE w odniesieniu do pomocy w ramach zasady de minimis KOMISJA WSPÓLNOT EUROPEJSKICH, uwzgldniajc
Bardziej szczegółowoZarzdzanie i Inynieria Produkcji Studia drugiego stopnia o profilu: A P. Wykład 15 wiczenia 30 Laboratorium Projekt
Podstawy optymalizacja w ach wytwarzania WM Zarzdzanie i Inynieria Produkcji Studia drugiego stopnia o profilu: A P Przedmiot: Optymalizacja w ach wytwarzania Status przedmiotu: obowizkowy Kod: ZIP S 0
Bardziej szczegółowo3.5 Zmiany w strukturze zaopatrzenia miasta w ciepło...9. Spis treci:
ZZAAŁŁOOEENNI IAA DDOO PPLLAANNUU ZZAAOOPPAATTRRZZEENNI IAA W CCI IEEPPŁŁOO,,, EENNEERRGGI I EELLEEKKTTRRYYCCZZNN I PPAALLI IWAA GGAAZZOOWEE MIAASSTTAA RRZZEESSZZÓÓW W-544.03 1 Spis treci: 3.1 Bilans potrzeb
Bardziej szczegółowoZarzdzanie i Inynieria Produkcji Studia I stopnia o profilu: A P
Badania operacyjne WZ Zarzdzanie i Inynieria Produkcji Studia I stopnia o profilu: A P Przedmiot: Badania operacyjne Kod przedmiotu ZIP S 0-0_0 Status przedmiotu: Przedmiot obowizkowy Jzyk wykładowy: Jzyk
Bardziej szczegółowoLiczby rzeczywiste poziom Arkusz podstawowy
Liczby rzeczywiste poziom Arkusz podstawowy I Egzamin maturalny z matematyki 7 Zadanie 6. (6 Zadanie. (6 Źródło: CKE 5 (PP), zad. 6. Dane s zbiory liczb rzeczywistych: A : B : 8 6 Zapisz w postaci przedziaów
Bardziej szczegółowoKARTA OCENY JEDNOSTKI NAUKOWEJ
ZAŁACZNIK nr 2 KARTA OCENY JEDNOSTKI NAUKOWEJ Cz A dla dyscyplin: nauki humanistyczne i społeczne Zespół roboczy Komisji Bada na Rzecz Rozwoju... NAZWA JEDNOSTKI I. WYNIKI DZIAŁALNOCI NAUKOWEJ 1. Publikacje
Bardziej szczegółowoProgram do konwersji obrazu na cig zero-jedynkowy
Łukasz Wany Program do konwersji obrazu na cig zero-jedynkowy Wstp Budujc sie neuronow do kompresji znaków, na samym pocztku zmierzylimy si z problemem przygotowywania danych do nauki sieci. Przyjlimy,
Bardziej szczegółowoDefinicja problemu programowania matematycznego
Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i
Bardziej szczegółowoStatyczna próba skrcania
Laboratorium z Wytrzymałoci Materiałów Statyczna próba skrcania Instrukcja uzupełniajca Opracował: Łukasz Blacha Politechnika Opolska Katedra Mechaniki i PKM Opole, 2011 2 Wprowadzenie Do celów wiczenia
Bardziej szczegółowoAlgorytmy kodowania predykcyjnego
Algorytmy kodowania predykcyjnego 1. Zasada kodowania 2. Algorytm JPEG-LS 3. Algorytmy CALIC, LOCO-I 4. Algorytmy z wielokrotn rozdzielczoci. Progresywna transmisja obrazów Kompresja obrazów - zestawienie
Bardziej szczegółowoSzacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL
Szacowanie ryzyka z wykorzystaniem zmiennej losowej o pramatkach rozmytych w oparciu o język BPFPRAL Mgr inż. Michał Bętkowski, dr inż. Andrzej Pownuk Wydział Budownictwa Politechnika Śląska w Gliwicach
Bardziej szczegółowoTypy bazy danych Textract
Typy bazy danych Typy bazy danych bazy tekstowe, Textract, http://www.textract.com - bazy tekstowe, np. archiwum gazety, dla setek gigabajtów, szybkie wyszukiwanie i indeksacja informacji bazy danych bez
Bardziej szczegółowoBazy danych Podstawy teoretyczne
Pojcia podstawowe Baza Danych jest to zbiór danych o okrelonej strukturze zapisany w nieulotnej pamici, mogcy zaspokoi potrzeby wielu u!ytkowników korzystajcych z niego w sposóbs selektywny w dogodnym
Bardziej szczegółowoWstp. Odniesienie do podstawy programowej
! " 1 Wstp Praca dotyczy projektu midzyprzedmiotowego, jaki moe by zastosowany na etapie nauczania gimnazjum specjalnego. Powyszy projekt moe zosta przeprowadzony na zajciach z przedmiotów: informatyka
Bardziej szczegółowodoc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.
doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl
Bardziej szczegółowowicej na: http://epp.eurostat.ec.europa.eu/portal/page/portal/product_details/publication?p_product_code=ks-gq-13-006
3. Dług publiczny 3.1 Wytyczne EUROSTAT Zasady dotyczce uznawania zobowiza podmiotu publicznego, jako dług publiczny w projektach ppp, zostały zawarte w decyzji EUROSTAT nr 18/2004 z dnia 11 lutego 2004
Bardziej szczegółowo6.3 Opłata za dostpno jako komponent wynagrodzenia partnera prywatnego
podmiotem publicznym i partnerem prywatnym, których celem z punktu widzenia podmiotu publicznego powinna by maksymalizacja wartoci dodanej ( value for money ) projektu. Ostatecznie za system klasyfikacji
Bardziej szczegółowoObwody sprzone magnetycznie.
POITECHNIKA SKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH ABORATORIUM EEKTRYCZNE Obwody sprzone magnetycznie. (E 5) www.imiue.polsl.pl/~wwwzmiape Opracował: Dr in.
Bardziej szczegółowoInstrukcja obsługi programu CalcuLuX 4.0
Instrukcja obsługi programu CalcuLuX 4.0 Katarzyna Jach Marcin Kuliski Politechnika Wrocławska Program CalcuLuX jest narzdziem wspomagajcym proces projektowania owietlenia, opracowanym przez Philips Lighting.
Bardziej szczegółowoSympozjum Trwałość Budowli
Sympozjum Trwałość Budowli Andrzej ownuk ROJEKTOWANIE UKŁADÓW Z NIEEWNYMI ARAMETRAMI Zakład Mechaniki Teoretycznej olitechnika Śląska pownuk@zeus.polsl.gliwice.pl URL: http://zeus.polsl.gliwice.pl/~pownuk
Bardziej szczegółowoWYKŁAD 4 PLAN WYKŁADU. Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania. Metody uczenia sieci: Zastosowania
WYKŁAD 4 Sieci neuronowe: Algorytmy uczenia & Dalsze zastosowania PLAN WYKŁADU Metody uczenia sieci: Uczenie perceptronu Propagacja wsteczna Zastosowania Sterowanie (powtórzenie) Kompresja obrazu Rozpoznawanie
Bardziej szczegółowoIMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM
IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM Artykuł zawiera opis eksperymentu, który polegał na uyciu algorytmu genetycznego przy wykorzystaniu kodowania
Bardziej szczegółowoEkonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej
Ekonometria wiczenia 7 Modele nieliniowe (7) Ekonometria 1 / 19 Plan wicze«1 Nieliniowo± : co to zmienia? 2 Funkcja produkcji Cobba-Douglasa 3 Nieliniowa MNK (7) Ekonometria 2 / 19 Plan prezentacji 1 Nieliniowo±
Bardziej szczegółowoUstalenie optymalnego układu lokalizacyjnodystrybucyjnego
10.02.2005 r. Optymalizacja lokalizacji i rejonizacji w sieciach dystrybucji. cz. 2. Ustalenie optymalnego układu lokalizacyjnodystrybucyjnego dla wielu uczestników Przyczyn rozwizywania problemu wielu
Bardziej szczegółowoW Y B R A N E P R O B L E M Y I N Y N I E R S K I E PROJEKT SIŁOMIERZA Z ZASTOSOWANIEM TENSOMETRII OPOROWEJ
W Y B R A N E P R O B L E M Y I NY N I E R S K I E Z E S Z Y T Y N A U K O W E I N S T Y T U T U A U T O M A T Y Z A C J I P R O C E S Ó W T E C H N O L O G I C Z N Y C H I Z I N T E G R O W A N Y C H
Bardziej szczegółowoUchwała Nr XXVIII/266/2008 Rady Miejskiej w Jarocinie z dnia 16 czerwca 2008 r.
Uchwała Nr XXVIII/266/2008 z dnia 16 czerwca 2008 r. w sprawie okrelenia warunków i trybu wspierania, w tym finansowego, rozwoju sportu kwalifikowanego przez Gmin Jarocin. Na podstawie art. 18 ust. 2 pkt.15,
Bardziej szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoKomputerowy system SWPK do wspomagania procesu koncepcyjnego projektowania chwytaków mechanicznych
AMME 2003 12th Komputerowy system SWPK do wspomagania procesu koncepcyjnego projektowania chwytaków mechanicznych P. Ociepka, J. wider Katedra Automatyzacji Procesów Technologicznych i Zintegrowanych Systemów
Bardziej szczegółowoDIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO
DIAGNOSTYKA 27 ARTYKUY GÓWNE SZKODA, Diagnozowanie stanów zdolnoci jakociowej 89 DIAGNOZOWANIE STANÓW ZDOLNOCI JAKOCIOWEJ PROCESU PRODUKCYJNEGO Jerzy SZKODA Katedra Eksploatacji Pojazdów i Maszyn Uniwersytetu
Bardziej szczegółowoBadania operacyjne. Zarzdzanie i Inynieria Produkcji Studia I stopnia o profilu: A P. Kod przedmiotu ZIP 1 N _0. Przedmiot: Badania operacyjne
Badania operacyjne WZ Zarzdzanie i Inynieria Produkcji Studia I stopnia o profilu: A P Przedmiot: Badania operacyjne Status przedmiotu: Jzyk wykładowy: Rok: II Nazwa specjalnoci: Rodzaj zaj i liczba godzin:
Bardziej szczegółowoFAKTURA PRZEDPŁATA PODRCZNIK UYTKOWNIKA
FAKTURA PRZEDPŁATA PODRCZNIK UYTKOWNIKA Alterkom Sp. z o.o., ul. Halszki 37/28A, 30-611 Kraków tel./fax +48 12 654-06-85 email:biuro@alterkom.pl www.alterkom.pl Moduł Faktura Przedpłata działajcy w powizaniu
Bardziej szczegółowoPozostałe zadania UWAGA: Za kade poprawne i pełne rozwizanie przyznajemy maksymaln liczb punktów nalenych za zadanie. 1 p.
SCHEMAT PUNKTOWANIA GM - A1 LUTY 2004 Zadania WW 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 B C D B C C B A D B B D A C B C A A B A C A D D D Pozostałe zadania UWAGA: Za kade poprawne
Bardziej szczegółowoCloud Computing - czego wymaga od dostawcy usług w zakresie bezpieczestwa. Telekomunikacja Polska S.A. Andrzej Karpiski Łukasz Pisarczyk
Cloud Computing - czego wymaga od dostawcy usług w zakresie bezpieczestwa Telekomunikacja Polska S.A. Andrzej Karpiski Łukasz Pisarczyk 1 AGENDA Wprowadzenie Aspekty bezpieczestwa usługi Cloud Computing
Bardziej szczegółowobudowlanymi - WAP Aleksandra Radziejowska
budowlanymi - WAP Aleksandra Radziejowska Co to jest optymalizacja wielokryterialna? ustalenie kryterium poszukiwania i oceny optymalnego. Co to jest optymalizacja wielokryterialna? pod zakup maszyny budowlanej
Bardziej szczegółowoProgram Sprzeda wersja 2011 Korekty rabatowe
Autor: Jacek Bielecki Ostatnia zmiana: 14 marca 2011 Wersja: 2011 Spis treci Program Sprzeda wersja 2011 Korekty rabatowe PROGRAM SPRZEDA WERSJA 2011 KOREKTY RABATOWE... 1 Spis treci... 1 Aktywacja funkcjonalnoci...
Bardziej szczegółowoWzór Umowy Nr RAP/54/2010
RAP/54/2010 Załcznik nr 5 do s.i.w.z. Wzór Umowy Nr RAP/54/2010 Zawarta w dniu roku pomidzy: Uniwersytetem Przyrodniczym we Wrocławiu, ul.c.k. Norwida 25/27 50-375 Wrocław, nr identyfikacyjny VAT: 896-000-53-54
Bardziej szczegółowoNOWOCZESNE ROZWI ZANIA IT KLUCZEM DO ZDOBYCIA PRZEWAGI KONKURENCYJNEJ PRZEDSI BIORSTW PRZEMYSŁU ROLNO-SPO YWCZEGO W POLSCE
NOWOCZESNE ROZWIZANIA IT KLUCZEM DO ZDOBYCIA PRZEWAGI KONKURENCYJNEJ PRZEDSIBIORSTW PRZEMYSŁU ROLNO-SPOYWCZEGO W POLSCE Celem opracowania jest wykazanie, e nowoczesne technologie informacyjne (IT) s jednym
Bardziej szczegółowoEkonometria Bayesowska
Ekonometria Bayesowska Wykªad 6: Bayesowskie ª czenie wiedzy (6) Ekonometria Bayesowska 1 / 21 Plan wykªadu 1 Wprowadzenie 2 Oczekiwana wielko± modelu 3 Losowanie próby modeli 4 wiczenia w R (6) Ekonometria
Bardziej szczegółowoINFORMACJA DODATKOWA
Informacja dodatkowa zgodnie z 87 ust. 3 i 4 Rozporzdzenia Ministra Finansów z dnia 19 lutego 2009 r. w sprawie informacji biecych i okresowych przekazywanych przez emitentów papierów wartociowych (Dz.
Bardziej szczegółowoZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI
Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji
Bardziej szczegółowoStandardowe zadanie programowania liniowego. Gliwice 1
Standardowe zadanie programowania liniowego 1 Standardowe zadanie programowania liniowego Rozważamy proces, w którym zmiennymi są x 1, x 2,, x n. Proces poddany jest m ograniczeniom, zapisanymi w postaci
Bardziej szczegółowoODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. 1. x y x y
Nr zadania Nr czynnoci Przykadowy zestaw zada nr z matematyki ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM PODSTAWOWY Etapy rozwizania zadania. Podanie dziedziny funkcji f: 6, 8.. Podanie wszystkich
Bardziej szczegółowoArt. 1. W ustawie z dnia 20 pa dziernika 1994 r. o specjalnych strefach ekonomicznych (Dz. U. z 2007 r. Nr 42, poz. 274) wprowadza si nast puj ce
Art. 1. W ustawie z dnia 20 padziernika 1994 r. o specjalnych strefach ekonomicznych (Dz. U. z 2007 r. Nr 42, poz. 274) wprowadza si nastpujce zmiany: 1) art. 4 i 5 otrzymuj brzmienie: "Art. 4. 1. Rada
Bardziej szczegółowoSztuczna inteligencja: zbiory rozmyte
Instytut Informatyki Uniwersytetu Śląskiego lab 1 1 Klasyczna teoria zbiorów 2 Teoria zbiorów rozmytych 3 Zmienne lingwistyczne i funkcje przynależności 4 System rozmyty 5 Preprocesing danych Każdy element
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 szczegółowoKomputerowe systemy wspomagania decyzji Computerized systems for the decision making aiding. Poziom przedmiotu: II stopnia
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści dodatkowych Rodzaj zajęć: wykład, ćwiczenia I KARTA PRZEDMIOTU CEL PRZEDMIOTU Komputerowe systemy wspomagania decyzji
Bardziej szczegółowoINFORMACJA DODATKOWA
Informacja dodatkowa zgodnie z 91 ust. 3 i 4 Rozporzdzenia Rady Ministrów z dnia 19 padziernika 2005 r. w sprawie informacji biecych i okresowych przekazywanych przez emitentów papierów wartociowych (Dz.
Bardziej szczegółowoElementy pneumatyczne
POLITECHNIKA LSKA W GLIWICACH WYDZIAŁ INYNIERII RODOWISKA i ENERGETYKI INSTYTUT MASZYN i URZDZE ENERGETYCZNYCH Elementy pneumatyczne Laboratorium automatyki (A 3) Opracował: dr in. Jacek Łyczko Sprawdził:
Bardziej szczegółowoPROCEDURY l METODYKA PRZEPROWADZANIA AUDYTU WEWNTRZNEGO
Załcznik do Uchwały nr 157/04 z dnia 17 maja 2004 r Zarzdu Powiatu Pabianickiego PROCEDURY l METODYKA PRZEPROWADZANIA AUDYTU WEWNTRZNEGO KARTA AUDYTU WEWNTRZNEGO Okrela prawa i obowizki audytora, do najwaniejszych
Bardziej szczegółowoKomputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU
Komputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU Przed przystpieniem do liczenia deklaracji PIT-36, PIT-37, PIT-O i zestawienia PIT-D naley zapozna si z objanieniami do powyszych deklaracji. Uwaga:
Bardziej szczegółowoPRAWIDŁOWE ODPOWIEDZI DO ZADA ZAMKNITYCH
%!%*+,-.*+,/ 0103 6'7 PRAWIDŁOWE ODPOWIEDZI DO ZADA ZAMKNITYCH zadanie odpowied punkty 1 A D 3 D 4 E 5 C 6 A 7 A 8 B 9 6 10 zadania 6 11 otwarte 6 1 maksymalna moliwa łczna liczba punktów 6 40 strona 1
Bardziej szczegółowoRozdział 1 Przepisy ogólne
ROZPORZDZENIE MINISTRA FINANSÓW z dnia 17 listopada 1998 r. w sprawie ogólnych warunków obowizkowego ubezpieczenia odpowiedzialnoci cywilnej podmiotu przyjmujcego zamówienie na wiadczenia zdrowotne za
Bardziej szczegółowoPROBLEMY METODOLOGICZNE WSPOMAGANIA DECYZJI PRZY OCENIE PROJEKTÓW INWESTYCYJNYCH ORAZ ODPOWIEDNI SYSTEM KOMPUTEROWY.
PROBLEMY METODOLOGICZNE WSPOMAGANIA DECYZJI PRZY OCENIE PROJEKTÓW INWESTYCYJNYCH ORAZ ODPOWIEDNI SYSTEM KOMPUTEROWY. Ludmiła Dymowa, Paweł Sewastinow, Paweł Figat. WSTP NIEFORMALNY. Nie jest tajemnic,
Bardziej szczegółowoPROBABILISTYKA I STATYSTYKA - Zadania do oddania
PROBABILISTYKA I STATYSTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa, dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu, pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.
Bardziej szczegółowoAnaliza wielokryterialna wstęp do zagadnienia
Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. Zdajcy
Bardziej szczegółowoPrzepisy projektowanego rozporzdzenia nie s objte regulacjami prawa Unii Europejskiej.
Uzasadnienie W dniu 10 stycznia 2006 r. weszło w ycie rozporzdzenie Ministra Transportu i Budownictwa w sprawie szkolenia, egzaminowania i uzyskiwania uprawnie przez kierujcych pojazdami, instruktorów
Bardziej szczegółowoMgr El"bieta Babula TEORIA KONSUMETA
TEORIA KONSUMETA Krzywa popytu jest rezultatem decyzji podejmowanych przez wszystkich ch!tnych i gotowych do nabycia danego dobra. Nale"y zatem wyja#ni$, w jaki sposób suma decyzji nabywców uk%ada si!
Bardziej szczegółowoREGULAMIN NABYCIA PRAWA DO LOKALU
REGULAMIN NABYCIA PRAWA DO LOKALU Zatwierdzony uchwał Rady Nadzorczej nr 15/2004 z dnia 2004-12-29 Chorzów 2004 rok I. Postanowienia ogólne 1 Dokumentem stwierdzajcym prawo do uytkowania lokalu jest: 1.
Bardziej szczegółowoNIEPEWNO W POMIARACH POZIOMU DWIKU
NIEPEWNO W POMIARACH POZIOMU DWIKU mgr Mikołaj KIRPLUK NTL-M.Kirpluk 00-761 Warszawa, ul.belwederska 3 m.6 www.ntlmk.com tel.k.: 502 216620 e-mail: mkirpluk@ntlmk.com 1. WSTP Niniejszy referat stanowi
Bardziej szczegółowoANALIZA KOSZTÓW PRZEWOZOWYCH W TRANSPORCIE SAMOCHODOWYM
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 70 Transport 2009 Andrzej B. CHOJNACKI 1, Jerzy MARKOW 2 1 Wojskowa Akademia Techniczna ul. Gen. Sylwestra Kaliskiego 2, 00-908 Warszawa Wysza Warszawska Szkoła
Bardziej szczegółowoCAŠKOWANIE METODAMI MONTE CARLO Janusz Adamowski
III. CAŠKOWAIE METODAMI MOTE CARLO Janusz Adamowski 1 1 azwa metody Podstawowym zastosowaniem w zyce metody Monte Carlo (MC) jest opis zªo-»onych ukªadów zycznych o du»ej liczbie stopni swobody. Opis zªo»onych
Bardziej szczegółowoAudyt wewntrzny systemu ELA-enT raport
Audyt wewntrzny systemu ELA-enT raport Spis treci 1. O tym dokumencie...1 2. Metoda przeprowadzenia audytu...1 3. Informacje dotyczce projektu...2 4. Zidentyfikowane załoenia i wymagania...2 4.1 Załoenia
Bardziej szczegółowoSpis treści 377 379 WSTĘP... 9
Spis treści 377 379 Spis treści WSTĘP... 9 ZADANIE OPTYMALIZACJI... 9 PRZYKŁAD 1... 9 Założenia... 10 Model matematyczny zadania... 10 PRZYKŁAD 2... 10 PRZYKŁAD 3... 11 OPTYMALIZACJA A POLIOPTYMALIZACJA...
Bardziej szczegółowoZał cznik nr 6 do SIWZ UMOWA Nr. 1
Załcznik nr 6 do SIWZ UMOWA Nr.. W dniu... 2008 r. w Radziejowie pomidzy Powiatem Radziejowskim, reprezentowanym przez Zarzd Powiatu w Radziejowie z siedzib w Radziejowie przy ul. Kociuszki 17, w imieniu
Bardziej szczegółowoB. DODATKOWE NOTY OBJANIAJCE
B. DODATKOWE NOTY OBJANIAJCE 1. Informacje o instrumentach finansowych. Ad.1 Lp Rodzaj instrumentu Nr not prezentujcych poszczególne rodzaje instrumentów finansowych w SA-P 2008 Warto bilansowa na 30.06.2007
Bardziej szczegółowoRola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych
Rola stacji gazowych w ograniczaniu strat gazu w sieciach dystrybucyjnych Politechnika Warszawska Zakład Systemów Ciepłowniczych i Gazowniczych Prof. dr hab. inż. Andrzej J. Osiadacz Dr hab. inż. Maciej
Bardziej szczegółowoMikro II: Krzywe kosztów, Poda» rmy i Poda» gaª zi.
Mikro II: Krzywe kosztów, Poda» rmy i Poda» gaª zi. Krzysztof Makarski 22 Krzywe kosztów Wst p Celem jest wyprowadzenie funkcji poda»y i jej wªasno±ci. Funkcj poda»y wyprowadzamy z decyzji maksymalizuj
Bardziej szczegółowo