METODA WSPOMAGANIA PODEJMOWANIA DECYZJI GRUPOWEJ OPARTA NA OPTYMALIZACJI WIELOKRYTERIALNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "METODA WSPOMAGANIA PODEJMOWANIA DECYZJI GRUPOWEJ OPARTA NA OPTYMALIZACJI WIELOKRYTERIALNEJ"

Transkrypt

1 ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 4 Sera: ORGANIZACJA I ZARZĄDZANIE z. 68 Nr ol. 95 Andrzej ŁODZIŃSKI Szoła Główna Gospodarstwa Wejsego Wdzał Zastosowań Informat Matemat METODA WSPOMAGANIA PODEJMOWANIA DECYZJI GRUPOWEJ OPARTA NA OPTYMALIZACJI WIELOKRYTERIALNEJ Streszczene. W artule przedstawono metodę podejmowana deczj grupowej. Deczja grupowa jest wted, gd grupa osób o odmennch preferencjach ma podjąć wspólną deczję. Proces wboru deczj grupowej modeluje sę za pomocą zadana optmalzacj welorteralnej. Zadane to rozwązuje sę metodą puntu odnesena. Jest to techna nteratwna, w tórej ażda z osób z grup oreśla swoje wmagana w postac puntu odnesena, tór wraża pożądane wartośc dla jej funcj ocen. Na podstawe podanch puntów odnesena onstruowana jest salarna funcja osągnęca. Masmalzacja tej funcj generuje rozwązane zadana welorteralnego, tóre jest prezentowane ażdej osobe z grup do aceptacj lub jao podstawa do modfacj puntów odnesena. Słowa luczowe: deczja grupowa, optmalzacja welorteralna, rozwązane smetrczne efetwne, funcja salarzująca, podejmowane deczj grupowej. A METHOD OF COLLECTIVE DECISION MAKING BASED ON MULTICRITERIA OPTIMIZATION Summar. Ths paper presents a method of collectve decson-mang. Group decson s when a group of people wth dfferent preferences s to tae a common decson. The selecton process of group decson s modeled usng a mult-crtera optmzaton problem. Ths object s acheved b the reference pont method. Ths method s an nteractve technque n whch each person n the group determnes ts requrements as a reference pont, whch epresses the desred value for the evaluaton functon. On the bass of these reference ponts a scalarzng achevement functon s constructed. Mamzng ths functon generates the soluton of a mult-crtera tas. Ths soluton s presented to each person n the group to accept or as a bass for modfng the reference ponts. Kewords: mult-objectve optmzaton, smmetrc-effectve result, scalarzng functon, Decson Support Sstems.

2 A. Łodzńs. Wprowadzene W artule przedstawono metodę podejmowana deczj grupowej. Podejmowane grupowe deczj jest wted, gd grupa osób, tórch nteres pozostają w onflce ma podjąć wspólną deczję. Należ ja najlepej połączć rozbeżne nteres poszczególnch osób w grupe, ab dojść do rozwązana ompromsowego dla całej grup. Proces wboru deczj grupowej można modelować za pomocą teor ger oalcjnch [5], [6]. W artule proces wboru deczj grupowej modeluje sę za pomocą optmalzacj welorteralnej o wetorowej funcj ocen. Każda współrzędna tej funcj wetorowej jest funcją ocen deczj przez ażdą osobę z grup. Rozwązanem zadana optmalzacj welorteralnej jest cał zbór rozwązań, a ne jedno rozwązane. Wboru deczj grupowej doonuje sę za pomocą nteratwnego sstemu omputerowego. Każda z osób podaje swoją propozcje wnu deczj dla swojej funcj ocen. Propozcje te stanową parametr zadana optmalzacj welorteralnej. Dla tch parametrów zadane jest rozwązwane. Następne ażda z osób ocena rozwązane. Każda z nch może zgodzć sę na otrzman wn lub ne. W drugm przpadu osoba lub osob podają nową wartość parametru swoje nowe propozcje problem jest rozwązwan ponowne dla nowch parametrów. Proces wboru deczj ne jest procesem jednorazowm, ale teracjnm procesem uczena sę wszstch osób w grupe o probleme deczjnm.. Modelowane podejmowana deczj grupowej Podejmowane deczj grupowej jest wted, gd grupa osób, tórch nteres pozostają w onflce ma podjąć wspólną deczje. Należ ja najlepej połączć rozbeżne nteres poszczególnch członów grup, ab dojść do ompromsowego rozwązana dla całej grup. Proces podejmowana deczj grupowej modeluje sę wprowadzając zmenną deczjną, tóra wznacza deczję grupową oraz funcje ocen deczj ażdej osob w grupe. Funcje te stanową rterum ocenające rozwązane z puntu wdzena ażdej osob. Każda osoba ma swoje rterum ocen swoją funcję ocen. Funcje te są marą satsfacj ażdej osob z danego rozwązana. Ocenają one stopeń osągnęca celu przez ażdego człona grup. Węsza wartość funcj oznacza wższą satsfację osób w grupe, węc ażda funcja jest masmalzowana. Podstawą ocen wboru deczj grupowej są wszste funcje ocen rtera wszstch osób. Problem wboru ma charater welorteraln. Przjmujem następujące oznaczena:,,..., poszczególne osob w grupe,

3 Metoda wspomagana podejmowana deczj grupowej X R zbór deczj dopuszczalnch, X deczja grupowa, tórą mają uzgodnć członowe grup,,..., ) należąca do zboru deczj dopuszczalnch X,,,..., ) ażda współrzędna oreśla deczje osob,,,...,, f : X R funcja ocen deczj przez osobę,,,...,. Problem grupowego wboru deczj modeluje sę jao zadane optmalzacj welorteralnej: ma{ f ), f ),..., f )) : X }, ) gdze: X zbór deczj dopuszczalnch,,,..., ) deczja grupowa, f : X R funcja ocen deczj przez osobę,,,...,. Zadane ) polega na znalezenu taej dopuszczalnej deczj grupowej X tórej ocen przjmuje ja najlepsze wartośc., dla Funcja wetorowa f f, f,..., f ) przporządowuje ażdemu wetorow zmennch deczjnch X wetor ocen,..., ), tór merz jaość deczj z puntu wdzena ustalonego uładu funcj ocen. Poszczególne współrzędne reprezentują salarne funcje ocen wn deczj dla -tej osob, f ),,...,,,...,. Obraz zboru dopuszczalnego X dla funcj f stanow zbór osągalnch wetorów ocen Y. Zadane ) rozpatruje sę w przestrzen ocen, tzn. rozpatruje sę następujące zadane: gdze: X wetor zmennch deczjnch, ma{,..., ) : Y}, ),..., ) wetor ocen, poszczególne współrzędne reprezentują wn deczj grupowej dla osob,,,...,, Y f ) zbór osągalnch wetorów ocen. X Zbór osągalnch wetorów ocen Y dan jest w postac nejawnej przez zbór deczj dopuszczalnch X odwzorowane modelu f f,..., f ). Ab wznaczć wartość, potrzebna jest smulacja modelu f ), X. Celem zadana ) jest pomoc w znalezenu deczj możlwe najbardzej zadowalającej wszste osob w grupe [], [], [4], [9], [].

4 A. Łodzńs. Deczja smetrczne efetwna Rozwązane w procese wboru deczj grupowej pownno spełnać pewne właścwośc, tóre stron zaaceptują, jao sprawedlwe. Rozwązane pownno bć: rozwązanem smetrcznm - tzn., że ne pownno zależeć od sposobu ponumerowana osób w grupe, nt ne jest ważnejsz, ażd jest tratowan w jednaow sposób, w tm sense, że rozwązane ne zależ od nazw osob lub nnch cznnów charaterzującch osob w grupe, rozwązanem optmalnm w sense Pareto tzn. tam, że ne można polepszć rozwązana dla jednej osob bez pogarszana rozwązana dla nnch osób w grupe. Deczja, tóra spełna te warun jest to smetrczne efetwna. Jest to deczja efetwna deczja Pareto-optmalna), tóra spełna dodatową własność własność anonmowośc. Rozwązana nezdomnowane Pareto-optmalne) defnuje sę za pomocą relacj preferencj, tóra odpowada na ptane, tór z par wetorów ocen R, jest lepsz.,..., j j j ) Wetor ocen ˆ Y nazwa sę wetorem nezdomnowanm, jeśl ne stneje ta wetor Y, że ŷ jest domnowan przez. W przestrzen deczj oreśla sę odpowedne deczje dopuszczalne. Deczję ˆ X nazwa sę deczją efetwną, jeśl odpowadając mu wetor ocen ˆ f ˆ ) jest wetorem nezdomnowanm [], [4], [9]. W probleme welorteralnm ), tór służ do wboru deczj grupowej ne pownna bć ważna olejność poszczególnch funcj ocen. Ne pownno rozróżnać sę wnów, tóre różną sę uporządowanem. Wmagane to formułuje sę jao własność anonmowośc relacj preferencj. Relację nazwa sę relacją anonmową wted, gd dla ażdego wetora ocen ),,..., R dla dowolnej permutacj P zboru,..., } własność: { zachodz następująca P ) P) P ),,..., ),,..., ). 4) Wetor ocen mające te same współrzędne, ale w nnej olejnośc są utożsamane. Relacje preferencj spełnającą dodatow warune anonmowośc nazwa sę anonmową relacją preferencj.

5 Metoda wspomagana podejmowana deczj grupowej Wetor nezdomnowan, tór spełna własność anonmowośc nazwa sę wetorem smetrczne nezdomnowanm. Zbór wetorów smetrczne nezdomnowanch oznacza sę ˆ. W przestrzen deczj oreśla sę deczje smetrczne efetwną. Deczję ˆ X Y S nazwa sę deczją smetrczne efetwną, jeśl odpowadając mu wetor ocen ˆ f ˆ ) jest wetorem smetrczne nezdomnowanm. Zbór deczj smetrczne efetwnch oznacza sę Xˆ S [8]. Relację smetrcznej domnacj można wrazć jao relację nerównośc dla wetorów ocen, tórch współrzędne są uporządowane w porządu nemalejącm. Relację tę można zapsać z użcem przeształcena T : R R porządującego nemalejąco współrzędne wetorów ocen, czl wetor T ) jest wetorem z uporządowanm nemalejąco współrzędnm wetora, tzn. T ) T ), T ),..., T )), gdze T dla ) T )... T ) oraz stneje permutacja P zboru {,..., } taa, że T ) P ),..,. Relacja smetrcznej domnacj s jest zwłą domnacją wetorową dla uporządowanch nemalejąco wetorów [8]. a T ) T ) 5) Rozwązane problemu wboru deczj grupowej polega na wznaczenu deczj smetrczne efetwnej, odpowadającej preferencjom całej grup. 4. Salarzacja problemu Dla wznaczene rozwązana smetrczne efetwnego zadana welorteralnego ) rozwązuje sę szczególne zadane welorteralne. Jest to zadane z uporządowanm w olejnośc nemalejącej współrzędnm wetora ocen, tzn. następujące zadane: gdze:,,..., ) wetor ocen, T ma{ T ), T ),..., T )) : Y}, 6) ) T ), T ),..., T )), gdze T ) T )... T ) uporządowan nemalejąco wetor ocen, Y zbór osągalnch wetorów ocen. Rozwązane efetwne zadana optmalzacj welorteralnej 6) jest smetrczne efetwnm rozwązanem zadana welorteralnego ).

6 4 A. Łodzńs Ab wznaczć rozwązane smetrczne efetwne zadana welorteralnego rozwązuje sę salarzację tego zadana z funcją salarzującą s : Y R : gdze:,,..., ) wetor ocen, ma{ s, ) : X }, 7),,..., ) parametr sterujące dla poszczególnch ocen. Jest to zadane optmalzacj jednorteralnej specjalne utworzonej funcj salarzującej dwóch zmennch wetora ocen o wartośc rzeczwstej, tzn. funcj o Y parametru sterującego R. Parametr,,..., ) s : Y R jest w dspozcj osób w grupe, co umożlwa m przeglądane zboru rozwązań smetrczne efetwnch. Rozwązane optmalne zadana 7) pownno bć rozwązanem zadana welorteralnego 6). Funcja salarzująca pownna spełnać pewne warun warune zupełnośc warune wstarczalnośc. Ten ostatn oznacza, że dla ażdego parametru sterującego rozwązane zadana salarzacj jest rozwązanem smetrczne efetwnm, tzn. ˆ ˆ YS. Warune zupełnośc oznacza, że za pomocą odpowednch zman parametru można osągnąć dowoln rezultat ˆ ˆ YS. Taa funcja w pełn charaterzuje rozwązana smetrczne efetwne. Każde masmum taej funcj jest rozwązanem smetrczne efetwnm. Każde rozwązane smetrczne efetwne można osągnąć przjmując odpowedne wartośc parametrów sterującch. Zupełną wstarczającą parametrzację zboru rozwązań smetrczne efetwnch otrzmuje sę stosując metodę puntu odnesena do zadana 6). Jao parametr sterujące pozom aspracj, a te są tam wartoścam funcj ocen ażdej osob w grupe, tóre b je satsfacjonował. Funcja salarzującą w metodze puntu odnesena ma następującą postać: s, ) mn T ) T ) ) T ) T ) ), 8) Yˆ S gdze:,,..., ) wetor ocen, T ) T ), T ),..., T )), gdze T ) T )... T ) uporządowan nemalejąco wetor ocen,,,..., T ) wetor pozomów aspracj, ) T ), T ),..., T )), gdze T ) T )... T ) uporządowan nemalejąco wetor pozomów aspracj, arbtralne mał, dodatn parametr regularzacjn.

7 Metoda wspomagana podejmowana deczj grupowej 5 Taa funcja salarzująca nazwa sę funcją osągnęca. Merz ona blsość danego rozwązana od pozomów aspracj. Dąż sę do znalezena rozwązana, tóre zblża sę ta blso, ja to możlwe do spełnena oreślonch wmagań pozomów aspracj. Wartośc optmalne tej funcj mogą bć worzstane ne tlo do oblczana rozwązań smetrczne efetwnch, lecz taże do ocen osągalnośc danego puntu aspracj. Funcja ta ma następujące właścwośc: Jeśl masmum funcj osągnęca s, ) jest ujemne, to punt aspracj ne jest osągaln, natomast punt masmaln ŷ tej funcj jest rozwązanem smetrczne efetwnm, w pewnm sense równomerne najblższm do puntu. Jeśl masmum funcj osągnęca s, ) jest równe zero, to punt aspracj jest osągaln jest rozwązanem smetrczne efetwnm. Jeśl masmum funcj osągnęca s, ) jest dodatne, to punt aspracj jest osągaln, natomast punt masmaln ŷ tej funcj jest rozwązanem smetrczne efetwnm, w pewnm sense równomerne polepszon do puntu. Masmalzacja taej funcj ze względu Y wznacza rozwązane smetrczne efetwne ŷ generującą je deczję smetrczne efetwną ˆ. Wznaczone rozwązane smetrczne efetwne ˆ, ˆ,..., ˆ ) zależ od wartośc pozomów aspracj,,..., ) [], [], [9], []. ˆ 5. Metoda wspomagana podejmowana deczj grupowej Rozwązanem zadana optmalzacj welorteralnego 6) jest cał zbór rozwązań smetrczne efetwnch. W celu rozstrzgnęca danego problemu, należ wbrać jedno rozwązane, tóre będze ocenane przez wszste osob w grupe. Ze względu na to, że rozwązanem smetrczne efetwnm jest cał zbór rozwązań, grupa doonuje wboru rozwązana za pomocą nteratwnego sstemu omputerowego. Sstem ta umożlwa sterowan przegląd zboru rozwązań. Narzędzem do przeglądana zboru rozwązań jest funcja 8). Jej masmum zależ od parametrów,,,,...,, tórego grupa użwa do wboru rozwązana. W metodze puntu odnesena ażda z osób wraża swoje preferencje przez oreślene dla swojej funcj ocen taej wartośc, tóra b ją w pełn satsfacjonowała. Wartość ta jest pozomem aspracj dla jego funcj ocen. Dla ażdego etapu procesu wboru osob w grupe mogą podawać nne pozom aspracj. Pozom aspracj stanową parametr sterujące funcj salarzujacej. Na ch podstawe rozwązwane jest zadane sstem do analz przedstawa rozwązane odpowadające beżącm wartoścą tch parametrów.

8 6 A. Łodzńs Metoda wspomagana wboru deczj grupowej jest następująca:. Algortm teracjn propozcje olejnch deczj... Interacja z sstemem ażda osoba podaje swoją propozcję wnu deczj dla swojej funcj ocen jao swój pozom aspracj,,,...,... Oblczena dające olejne rozwązana ze zboru rozwązań smetrczne efetwnch ˆ ˆ ˆ ˆ wartość wetora ocen ˆ ˆ, ˆ,..., ˆ ) Y S.,,..., ) X S.. Ocena otrzmanego rozwązana ażda osoba może zaaceptować rozwązane lub ne. W drugm przpadu ażda osoba podaje swoją nową propozcje podaje nową wartość swojego pozomu aspracj,,,.., wznacza sę olejne rozwązane smetrczne efetwne, powrót do puntu.).. Ustalene deczj, gd spełna ona wmagana grup. Wbór rozwązana ne jest pojednczm atem optmalzacj, ale dnamcznm procesem poszuwana rozwązań, w trace tórego osob w grupe uczą sę mogą zmenać swoje preferencje. Porównując wn deczj dla swojej funcj ocen ˆ,,,..., ze swom puntem aspracj,,,..., ażda osoba ma nformacje o tm, co jest, a co ne jest osągalne ja daleo jej propozcja,,,..., jest od możlwego rozwązana ˆ,,,...,. Pozwala to osobom w grupe na odpowedną modfacje swoch propozcj podane swoch nowch pozomów aspracj. Te pozom aspracj są oreślane adaptacjne w procese uczena sę. Proces ten ończ sę, gd grupa znajdze taą deczję, tóra pozwala na osągnęce deczj spełnającch ch aspracje lub w pewnm sense najblższch do tch aspracj. Metoda wspomagana podejmowana deczj grupowej jest przedstawona na rsunu. Osoba, =,,..., ŷ Model procesu deczjnego ma s, ) Y ) O Rs.. Metoda wspomagana podejmowana deczj grupowej Fg.. A method of collectve decson mang

9 Metoda wspomagana podejmowana deczj grupowej 7 Ta sposób podejmowana deczj ne narzuca osobom w grupe żadnego sztwnego scenarusza dopuszcza możlwość modfacj preferencj ażdej osobe w procese podejmowana deczj. Grupa ucz sę w procese wboru o probleme deczjnm. Może sprawdzć sut ażdej dopuszczalnej propozcj. Komputer ne zastępuje osób w grupe w wborze deczj. Całm procesem wboru deczj sterują wszste osob w grupe. 6. Przład problem podzału Dla lustracj wspomagana podejmowana deczj grupowej poazan jest następując przład problem podzału [6]. Trz osob mają podzelć mędz sobą złotch. Osoba z osobą mają otrzmać co najmnej 8 złotch. Osoba z osobą mają otrzmać co najmnej 5 złotch. Osoba z osobą mają otrzmać co najmnej 65 złotch. Osoba ma otrzmać co najmnej złotch, osoba co najmnej złotch, a osoba sama może nc ne otrzmać. Problem wboru deczj jest następując:,, poszczególne osob w grupe, X { R : 5, dopuszczalnch,,, ),, 65,, 8, } zbór deczj X deczja grupowa, należąca do zboru deczj dopuszczalnch, deczja osob, deczja osob, deczja osob, f funcja ocen deczj przez osobę, ) ) f funcja ocen deczj przez osobę, ) f funcja ocen deczj przez osobę. Zadane wboru deczj grupowej wraża sę w postac zadana optmalzacj welorteralnej z trzema funcjam ocen: ma{,, ) : X }, 9) gdze: X zbór deczj dopuszczalnch, X deczja grupowa, należąca do zboru deczj dopuszczalnch,,, ) deczja osob, deczja osob, deczja osob.

10 8 A. Łodzńs Wetor ocen,, ) wraża sę wzorem,, ). Poszczególne funcje ocen,,, wrażają ndwdualne ocen osób w grupe. Poszuuje sę rozwązana możlwe najbardzej zadowalającego wszste osob w grupe. W probleme podzału wszste osob pownn bć tratowane w jednaow sposób, żadna ne pownna bć wróżnona. Model wboru deczj pownen spełnać warune anonmowośc relacj preferencj. Rozwązane problemu pownno bć rozwązanem smetrczne efetwnm zadana 9). Do wznaczana rozwązań zadana 9) stosuje sę metodę puntu odnesena dla zadana z uporządowanm w olejnośc nemalejącej współrzędnm wetora ocen,, ). Analza nteratwna wspomagana podejmowana deczj grupowej przedstawona jest w tablc. Interatwne poszuwane deczj grupowej Iteracja s Pozom aspracj Rozwązane ˆ 5 45 Pozom aspracj Rozwązane ˆ 5 Pozom aspracj Rozwązane ˆ Pozom aspracj Rozwązane ˆ Pozom aspracj Rozwązane ˆ Tablca 7. Zaończene W artule przedstawono metodę wboru deczj grupowej. Doonuje sę go przez rozwązwane zadana optmalzacj welorteralnej. Metoda ta charaterzuje sę: worzstanem nformacj o preferencjach osób z grup w postac puntów aspracj wartośc ch funcj celu, jaa je w pełn usatsfacjonuje oraz optmalnośc salarnej funcj osągnęca w celu organzacj nteracj ze wszstm osobam grup, założenem, że preferencje osób ne są w pełn uształtowane mogą zmenać sę w trace procesu deczjnego. Metoda podaje cał zbór rozwązań smetrczne efetwnch pozwala grupe na woln wbór. Ta sposób postępowana ne zastępuje grup w podejmowanu deczj. Całm procesem podejmowana deczj sterują wszste osob w grupe.

11 Metoda wspomagana podejmowana deczj grupowej 9 Bblografa. Lewandows A., Werzbc A. ed.): Aspraton Based Decson Support Sstems. Lecture Notes n Economcs and Mathematcal Sstems. Vol., Sprnger-Verlag, Berln-Hedelberg Łodzńs A.: Interatwna sposób analz podejmowana deczj welorteralnch Zeszt Nauowe Poltechn Warszawsej, V Ogólnopolsa Konferencja MS-5 Modelowane Smulacja, tom I, Zaopane 8.. Łodzńs A.: Optmalzacja welorteralna jao metoda wboru rozwązana w procese negocjacj. XIII Mędznarodowa Konferencja Nauowa Zarządzane Przedsęborstwem Teora Prata. Wdzał Zarządzana AGH, Kraów. 4. Keene L., Raffa H.: Decsons wth Multple Objectves. Preferences and Value Tradeoffs, Luce D., Raffa H.: Gr deczje. PWN, Warszawa Malaws M., Weczore A., Sosnowsa H.: Konurencja ooperacja. Teora ger w eonom nauach społecznch. PWN, Warszawa Merc J.: Sła oczewana. Deczje grupowe. PWN, Warszawa Ogrcza, W.: Wspomagane deczj w warunach rza, masznops, Warszawa Werzbc A., Maows N., Wessels J.: Model_Based Decson Support Metholog wth Envronmental Applcatons. IIASA Kluwer, Laenburg Dordrecht.. Werzbc A.P., Granat J.: Optmalzacja we Wspomagamu Deczj, masznops,. Abstract The paper presents a method of collectve decson-mang. Group decson s a common decson of a group of people havng conflctng nterests. Ths goal s acheved b means of nteractve computer sstem. Ever person of a group determnes ts proposal whch becomes a parameter of multcrtera optmzaton. The soluton of a tas s then presented to each person for acceptance or rejecton. In the latter case, a person gves a new value of parameter for re-solvng a tas.

1. REFERENCE POINT METHOD APPLIED TO FIND SYMMETRICLY EFFECTIVE DECISIONS IN MULTICRITERIA MODELLING OF TWO-SIDE NEGOTIATIONS PROCESS

1. REFERENCE POINT METHOD APPLIED TO FIND SYMMETRICLY EFFECTIVE DECISIONS IN MULTICRITERIA MODELLING OF TWO-SIDE NEGOTIATIONS PROCESS Studa Materały Informatyk Stosowanej, Tom 5, Nr 3, 3 str. 9-8 ZASTOSOWANIE METODY PUNKTU ODNIESIENIA DO ZNAJDOWANIA DECYZJI SYMETRYCZNIE EFEKTYCHNYCH W MODELOWANIU WIELOKRYTERIALNYM PROCESU NEGOCJACJI

Bardziej szczegółowo

OPTYMALIZACJA WIELOKRYTERIALNA DLA WYBORU DECYZJI W PROCESIE NEGOCJACJI

OPTYMALIZACJA WIELOKRYTERIALNA DLA WYBORU DECYZJI W PROCESIE NEGOCJACJI ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 6 Sera: ORGANIZACJA I ZARZĄDZANIE z. 88 Nr kol. 948 Andrzej ŁODZIŃSKI Szkoła Główna Gospodarstwa Wejskego w Warszawe Wdzał Zastosowań Inforatk Mateatk andrzej_lodznsk@sggw.pl

Bardziej szczegółowo

SYSTEM WSPOMAGANIA DECYZJI W WARUNKACH RYZYKA PRZY UŻYCIU OPTYMALIZACJI WIELOKRYTERIALNEJ

SYSTEM WSPOMAGANIA DECYZJI W WARUNKACH RYZYKA PRZY UŻYCIU OPTYMALIZACJI WIELOKRYTERIALNEJ ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 208 Sera: ORGANIZACJA I ZARZĄDZANIE z. 8 SYSTEM WSPOMAGANIA DECYZJI W WARUNKACH RYZYKA PRZY UŻYCIU OPTYMALIZACJI WIELOKRYTERIALNEJ Andrzej ŁODZIŃSKI Szkoła Główna

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

INTERAKTYWNE WSPOMAGANIE WYBORU DECYZJI W WARUNKACH RYZYKA

INTERAKTYWNE WSPOMAGANIE WYBORU DECYZJI W WARUNKACH RYZYKA Scientific Bulletin of Chełm Section of Mathematics and Computer Science No. 1/2009 INTERAKTYWNE WSPOMAGANIE WYBORU DECYZJI W WARUNKACH RYZYKA ANDRZEJ ŁODZIŃSKI Szkoła Główna Gospodarstwa Wiejskiego Streszczenie.

Bardziej szczegółowo

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI

MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Smlaca Andrze POWNUK Katedra Mecan Teoretczne Wdzał Bdownctwa Poltecna Śląsa w Glwcac MODELOWANIE UKŁADÓW MECHANICZNYCH Z NIEPEWNYMI PARAMETRAMI Streszczene. Wszste parametr ładów mecancznc są znane z

Bardziej szczegółowo

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic Zadane rograowana lnowego PL dla ogranczeń neszoścowch rz ogranczenach: a f c A b d =n, d c=n, d A =[ n], d b =, Postać anonczna zadana PL a c X : A b, Postać anonczna acerzowa zadana PL a Lczba zennch

Bardziej szczegółowo

Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe

Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) Metoda podziału zbioru obietów na wielorterialne lastr jaościowe A. AMELJAŃCZK aameljancz@wat.edu.pl Insttut Sstemów Informatcznch Wdział Cberneti WAT ul. S. Kalisiego,

Bardziej szczegółowo

MODELOWANIE PREFERENCJI UŻYTKOWNIKA W SYSTEMIE WSPOMAGANIA DECYZJI

MODELOWANIE PREFERENCJI UŻYTKOWNIKA W SYSTEMIE WSPOMAGANIA DECYZJI Scientific Bulletin of Che lm Section of Mathematics and Computer Science No. 1/2008 MODELOWANIE PREFERENCJI UŻYTKOWNIKA W SYSTEMIE WSPOMAGANIA DECYZJI ANDRZEJ ŁODZIŃSKI Wydział Zastosowań Informatyki

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA WARIANTÓW W ZAGADNIENIACH DWUKRYTERIALNYCH PRZY NIEPORÓWNYWALNOŚCI KRYTERIÓW

WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA WARIANTÓW W ZAGADNIENIACH DWUKRYTERIALNYCH PRZY NIEPORÓWNYWALNOŚCI KRYTERIÓW ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 04 Sera: ORGANIZACJA I ZARZĄDZANIE z 68 Nr ol 905 Macej WOLNY Poltechna Śląsa Wydzał Organzacj Zarządzana WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki

Kompresja fraktalna obrazów. obraz. 1. Kopiarka wielokrotnie redukująca 1.1. Zasada działania ania najprostszej kopiarki Kompresa fratalna obraów. Kopara welorotne reuuąca.. Zasaa ałana ana naprostse opar Koncepca opar welorotne reuuące Naprosts prła opar. Moel matematcn obrau opara cęś ęścowa. obra weścow opara obra wścow

Bardziej szczegółowo

Wielokryterialny Trójwymiarowy Problem Pakowania

Wielokryterialny Trójwymiarowy Problem Pakowania Łukasz Kacprzak, Jarosław Rudy, Domnk Żelazny Instytut Informatyk, Automatyk Robotyk, Poltechnka Wrocławska Welokryteralny Trójwymarowy Problem Pakowana 1. Wstęp Problemy pakowana należą do klasy NP-trudnych

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Metody Numeryczne 2017/2018

Metody Numeryczne 2017/2018 Metody Numeryczne 7/8 Inormatya Stosowana II ro Inżynera Oblczenowa II ro Wyład 7 Równana nelnowe Problemy z analtycznym rozwązanem równań typu: cos ln 3 lub uładów równań ja na przyład: y yz. 3z y y.

Bardziej szczegółowo

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %)

Zad 2 Dynamika zatrudnienia mierzona indeksami łańcuchowymi w ostatnich pięciu latach kształtowały się następująco: Lata Indeksy ( w %) Analza dnamk Zad. 1 Indeks lczb studującch studentów w województwe śląskm w kolejnch pęcu latach przedstawał sę następująco: Lata 1 2 3 4 5 Indeks jednopodstawowe z roku t = 1 100,0 115,7 161,4 250,8 195,9

Bardziej szczegółowo

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ

SELEKCJA: JAK JEDNA POPULACJA (STRATEGIA) WYPIERA INNĄ W stronę bolog: dnama oulacj Martn. owa Evolutonar Dnamcs elna Press 6 SELEKCJ: JK JED POPULCJ (STRTEGI) WYPIER IĄ Model determnstczn ( a ) ( b ) : Dodając stronam mam a b czl średne dostosowane (ftness).

Bardziej szczegółowo

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji

Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy

Bardziej szczegółowo

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005]

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005] PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstaw optmalizacji konstrukcji, Wd. Politechniki Poznańskiej, 2005] POW Problem optmalnego wboru PWOW Problem wielokrterialnego wboru OW Optmalizacja wielokrterialna

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA ZESZYTY NAUKWE PLITECHNIKI ŚLĄSKIEJ 2013 Sera: RGANIZACJA I ZARZĄDZANIE z. 64 Nr ol. 1894 Dorota GAWRŃSKA Poltechna Śląsa Wydzał rganzacj Zarządzana Instytut Eono Inforaty MDEL RZMYTY WYBRU SAMCHDU W NAJWYŻSZYM

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty Wstęp do Sztucznej Inteligencji: Laboratorium Sterowni rozmt Zbior rozmte pozwalają w sposób usstematzowan modelować pojęcia niepreczjne, jaimi ludzie posługują się na co dzień. Przładem może bć wrażenie

Bardziej szczegółowo

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi

termodynamika fenomenologiczna p, VT V, teoria kinetyczno-molekularna <v 2 > termodynamika statystyczna n(v) to jest długi czas, zachodzi fzka statstczna stan makroskopow układ - skończon obszar przestrzenn (w szczególnośc zolowan) termodnamka fenomenologczna p, VT V, teora knetczno-molekularna termodnamka statstczna n(v) stan makroskopow

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER

ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Macej Wolny ASPEKT SYTUACJI STATUS QUO WE WSPOMAGANIU WIELOKRYTERIALNEGO WYBORU BAZUJĄCEGO NA TEORII GIER Wprowadzene Zagadnena welokryteralne dotyczą sytuacj, w których rozpatruje sę elementy zboru dopuszczalnych

Bardziej szczegółowo

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak Metod numerczne Wład nr dr hab. Piotr Froncza Przbliżone rozwiązwanie równań nieliniowch Jedno równanie z jedną niewiadomą Szuam pierwiastów rzeczwistch równania =. zwle jest uncją nieliniową zatem orzstam

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

RÓWNOLEGŁY ALGORYTM NEURO-TABU DLA PROBLEMU GNIAZDOWEGO SZEREGOWANIA ZADAŃ

RÓWNOLEGŁY ALGORYTM NEURO-TABU DLA PROBLEMU GNIAZDOWEGO SZEREGOWANIA ZADAŃ ÓWNOLEGŁY ALGOYTM NEUO-TABU DLA POBLEMU GNIAZDOWEGO SZEEGOWANIA ZADAŃ Wojcech BOŻEJKO, Marusz UCHOŃSKI, Meczysław WODECKI Streszczene: W pracy proponujemy zastosowane dwóch równoległych algorytmów bazujących

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

ANALIZA WIELOKRYTERIALNA

ANALIZA WIELOKRYTERIALNA ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x

Bardziej szczegółowo

Monitorowanie i Diagnostyka w Systemach Sterowania

Monitorowanie i Diagnostyka w Systemach Sterowania Montoroane Dagnostka Sstemach Steroana Katedra Inżner Sstemó Steroana Dr nż. Mchał Grochosk Montoroane Dagnostka Sstemach Steroana na studach II stopna specjalnośc: Sstem Steroana Podejmoana Deczj Maszn

Bardziej szczegółowo

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania

Rekonstrukcja zderzenia dwóch samochodów osobowych podstawowe zasady i praktyka ich stosowania Mrosław Gdlews esze Jeoł Reonstrucja zderzena dwóch saochodów osobowch podstawowe zasad prata ch stosowana treszczene RóŜnorodność złoŝoność wpadów drogowch polegającch na zderzenu dwóch saochodów sprawają,

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

I..ROZWIĄZANIE DŹWIGARA DANEGO OD DANEGO OBCIĄŻENIA

I..ROZWIĄZANIE DŹWIGARA DANEGO OD DANEGO OBCIĄŻENIA METO IŁ uład przetrzenn przład dźwgar załaan w plane OZWIĄZNIE ŹWIG ZŁMNEGO W PLNIE METOĄ IŁ I OLIZENIE PZEMIEZZENI an jet dźwgar załaan w plane. ozwązać go etodą ł porządzć wre ł przerojowch doonać ontrol

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka

Zmienna losowa. M. Przybycień Rachunek prawdopodobieństwa i statystyka Zmienna losowa ozszerzenie znaczenia funcji zmiennej rzeczwistej na przpadi, ied zmienna niezależna nie jest liczbą rzeczwistą: odległość to funcja par puntów, obwód trójąta, to funcja oreślona na zbiorze

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU DOBORU LICZEBNOŚCI TABORU W PRZEDSIĘBIORSTWIE TRANSPORTOWYM

RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU DOBORU LICZEBNOŚCI TABORU W PRZEDSIĘBIORSTWIE TRANSPORTOWYM Poloptymalzacja Komputerowe Wspomagane Projetowana MIELNO 99 Zeszyty Nauowe Wydzału Mechancznego Poltechn Koszalńsej Jace ŻAK * Potr SAWICKI * Poloptymalzacja CAD 99 RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych

Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA. Wkład wstępn. Teora prawdopodobeństwa element kombnatork. Zmenne losowe ch rozkład 3. Populacje prób danch, estmacja parametrów 4. Testowane hpotez statstcznch 5. Test parametrczne

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL Zeszyty robemowe Maszyny Eetryczne Nr /203 (98) 233 Andrze ałas BOBRME KOMEL, Katowce WYZNACZENIE ROZKŁADU TEMERATUR STANU USTALONEGO W MODELU 2D RZY UŻYCIU ROGRMU EXCEL SOLVING STEADY STATE TEMERATURE

Bardziej szczegółowo

Odczyt kodów felg samochodowych w procesie produkcyjnym

Odczyt kodów felg samochodowych w procesie produkcyjnym Odczyt odów felg samochodowych w procese producyjnym Jace Dunaj Przemysłowy Instytut Automaty Pomarów PIAP Streszczene: W artyule przedstawono sposób realzacj odczytu odów felg samochodowych. Opracowane

Bardziej szczegółowo

1. Wstępna geometria skrzyżowania (wariant 1a)

1. Wstępna geometria skrzyżowania (wariant 1a) . Wtępna geometra rzyżowana (warant a) 2. Strutura erunowa ruchu 3. Warun geometryczne Srzyżowane et zloalzowane w śródmeścu o newelm ruchu pezych. Pochylene podłużne na wlotach nr 3 ne przeracza 0,5%,

Bardziej szczegółowo

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego.

Treść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego. Treść zadań 8 odnos sę do ponższego dagramu przestrzenno-czasowego. P e e e e e e P e P P e e e e. Jaka będze wartość zmennej clock (zegara skalarnego) po zajścu zdarzena e w procese P zakładając że wartość

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce Waldemar KAMRAT Poltechna Gdańsa Katedra Eletroenergety Zastosowane procedur modelowana eonometrycznego w procesach programowana oceny efetywnośc nwestyc w eletroenergetyce Streszczene. W pracy przedstawono

Bardziej szczegółowo

OKREŚLENIE OPTYMALNEJ ODLEGŁOŚCI KONTURU ZE ŹRÓDŁAMI OD BRZEGU OBSZARU Z ZASTOSOWANIEM METODY ROZWIĄZAŃ PODSTAWOWYCH

OKREŚLENIE OPTYMALNEJ ODLEGŁOŚCI KONTURU ZE ŹRÓDŁAMI OD BRZEGU OBSZARU Z ZASTOSOWANIEM METODY ROZWIĄZAŃ PODSTAWOWYCH Z E S Z Y T Y N A U K O W E P O L I T E C H N I K I P O Z N AŃSKIEJ Nr Budowa Maszyn Zarządzane Produkcją 005 PIOTR GORZELAŃCZYK, JAN ADAM KOŁODZIEJ OKREŚLENIE OPTYMALNEJ ODLEGŁOŚCI KONTURU ZE ŹRÓDŁAMI

Bardziej szczegółowo

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH

WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH Metrologa Wspomagana Komputerowo - Zegrze, 9-22 05.997 WSPOMAGANE KOMPUTEROWO POMIARY CZĘSTOTLIWOŚCI CHWILOWEJ SYGNAŁÓW IMPULSOWYCH dr nż. Jan Ryszard Jask, dr nż. Elgusz Pawłowsk POLITECHNIKA lubelska

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

WSPOMAGANIE KOOPERACJI Z WYKORZYSTANIEM TEORII GIER I ANALIZY WIELOKRYTERIALNEJ

WSPOMAGANIE KOOPERACJI Z WYKORZYSTANIEM TEORII GIER I ANALIZY WIELOKRYTERIALNEJ Macej Wolny WPOMAGANIE KOOPERACJI Z WYKORZYTANIEM TEORII GIER I ANALIZY WIELOKRYTERIALNEJ Wprowadzene Kooperacja mędzy organzacjam ma stotne znaczene w życu gospodarczym. Podmoty gospodarcze lub ch poszczególne

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [ ] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale spełna je także unkcja [ ] Q. Dokłaając warunek cąłośc unkcj [ ]

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)

Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac) Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013 ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp

Bardziej szczegółowo

Optymalizacja transformacji wyników pomiarów bloków kadłuba statku z uwzględnieniem ograniczeń

Optymalizacja transformacji wyników pomiarów bloków kadłuba statku z uwzględnieniem ograniczeń PAK vol. 56, nr 6/010 597 Alesander KNIA POLIECHNIKA GDAŃSKA, WYDZIAŁ OCEANOECHNIKI I OKRĘOWNICWA, ul. G. Narutowa 11/1, 80-33 Gdańs Optymalzacja transformacj wynów pomarów bloów adłuba statu z uwzględnenem

Bardziej szczegółowo

WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM

WYZNACZENIE ODKSZTAŁCEŃ, PRZEMIESZCZEŃ I NAPRĘŻEŃ W ŁAWACH FUNDAMENTOWYCH NA PODŁOŻU GRUNTOWYM O KSZTAŁCIE WYPUKŁYM Budownctwo 7 Mkhal Hrtsuk, Rszard Hulbo WYZNACZNI ODKSZTAŁCŃ, PRZMISZCZŃ I NAPRĘŻŃ W ŁAWACH FNDAMNTOWYCH NA PODŁOŻ GRNTOWYM O KSZTAŁCI WYPKŁYM Wprowadzene Prz rozwązanu zagadnena przmuem, że brła fundamentowa

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych Eugenusz Rosołows Komputerowe metody analzy eletromagnetycznych stanów przejścowych Ocyna Wydawncza Poltechn Wrocławsej Wrocław 9 Opnodawcy Jan IŻYKOWSKI Paweł SOWA Opracowane redacyjne Mara IZBIKA Koreta

Bardziej szczegółowo

; -1 x 1 spełnia powyższe warunki. Ale

; -1 x 1 spełnia powyższe warunki. Ale AIB-Inormatka-Wkła - r Aam Ćmel cmel@.ah.eu.pl Funkcje uwkłane Przkła.ozważm równane np. nech. Ptane Cz la owolneo [] stneje tak że? Nech. Wówczas unkcja - spełna powższe warunk. Ale [ ] Q spełna je także

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137

Zeszyt Naukowy Warszawskiej Wyższej Szkoły Informatyki Nr 9, Rok 7, 2013, s. 119-137 Zeszyt Nauowy Warszawsej Wyższej Szoły Informaty Nr 9, Ro 7, 2013, s. 119-137 Mode motywacj nauczycea studentów podczas nabywana ompetencj Emma Kusztna, Oeg Zan, Andrzej Żyławs, Ryszard Tadeusewcz Streszczene

Bardziej szczegółowo

aij - wygrana gracza I bij - wygrana gracza II

aij - wygrana gracza I bij - wygrana gracza II M.Mszczsk KBO UŁ, Badana operacjne I (cz.) (wkład B 7) GRY KONFLIKTOWE GRY -OSOBOWE O SUMIE WYPŁT ZERO I. DEFINICJE TWIERDZENI Konflktowe gr dwuosobowe opsuje macerz wpłat ( a ) [ ] mxn j,b j gdze: aj

Bardziej szczegółowo

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 5. SZTUCZNE SIECI NEURONOWE REGRESJA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wdzał Elektrczn Poltechnka Częstochowska PROBLEM APROKSYMACJI FUNKCJI Aproksmaca funkc przblżane

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Wyznaczanie lokalizacji obiektu logistycznego z zastosowaniem metody wyważonego środka ciężkości studium przypadku

Wyznaczanie lokalizacji obiektu logistycznego z zastosowaniem metody wyważonego środka ciężkości studium przypadku B u l e t y n WAT Vo l. LXI, Nr 3, 2012 Wyznaczane lokalzacj obektu logstycznego z zastosowanem metody wyważonego środka cężkośc studum przypadku Emla Kuczyńska, Jarosław Zółkowsk Wojskowa Akadema Technczna,

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW

ZASTOSOWANIE PROGRAMOWANIA DYNAMICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EMISJI GAZÓW ZASTOSOWANIE PROGRAOWANIA DYNAICZNEGO DO OPRACOWANIA STRATEGII REDUKCJI EISJI GAZÓW ANDRZEJ KAŁUSZKO Instytut Bada Systemowych Streszczene W pracy opsano zadane efektywnego przydzału ogranczonych rodków

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Metody numeryczne. Różniczkowanie. Wykład nr 6. dr hab. Piotr Fronczak

Metody numeryczne. Różniczkowanie. Wykład nr 6. dr hab. Piotr Fronczak Mtod numrczn Wład nr 6 Różnczowan dr ab. Potr Froncza Różnczowan numrczn Wzor różnczowana numrczngo znajdują zastosowan wtd, gd trzba wznaczć pocodn odpowdngo rzędu uncj, tóra orślona jst tablcą lub ma

Bardziej szczegółowo

Optymalizacja wielokryterialna

Optymalizacja wielokryterialna Porządowae Optmalzaca welorterala. Uporządowae zboru wg oreśloch reguł.. Wróżee możlwe ameszego podzboru prz doowau wboru.. Wbór oreśloe decz. U {u,...,u m }- sończo przelczal zbór dopuszczalch decz K

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

SYSTEM NEURONOWO-ROZMYTY W ZASTOSOWANIU DO BADAŃ DEFORMACJI KONSTRUKCJI APPLICATION OF NEURAL-FUZZY SYSTEM IN STRUCTURE DEFORMATION ANALYSIS

SYSTEM NEURONOWO-ROZMYTY W ZASTOSOWANIU DO BADAŃ DEFORMACJI KONSTRUKCJI APPLICATION OF NEURAL-FUZZY SYSTEM IN STRUCTURE DEFORMATION ANALYSIS MRI MRÓWCZYŃSK, JÓZEF GIL SYSTEM EUROOWO-ROZMYTY W ZSTOSOWIU DO DŃ DEFORMCJI KOSTRUKCJI PPLICTIO OF EURL-FUZZY SYSTEM I STRUCTURE DEFORMTIO LYSIS Streszczene Dynamczny rozwój dzedzny przetwarzana nformacj

Bardziej szczegółowo

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji

Bardziej szczegółowo