Algorytm mrówkowy w optymalizacji dyskretnych problemów nieliniowych
|
|
- Grażyna Marszałek
- 5 lat temu
- Przeglądów:
Transkrypt
1 KRENICH Stansław 1 mrówowy w optymalzacj dysretnych problemów nelnowych WSTĘP Proces optymalzacj dysretnych nelnowych problemów jedno ja weloryteralnych jest w dalszym cągu jednym z trudnejszych zagadneń [6, 1, 13]. W przypadu złożonych problemów optymalzacj onstrucj [8, 14] szczególne znaczene ma potrzeba wystarczająco doładnego przeszuwana przestrzen rozwązań w czase możlwym do zaaceptowana. Przeszuane wszystch ombnacj możlwych potencjalnych rozwązań w welu przypadach prowadz do ggantycznych czasów oblczeń sęgających sete lat. W lteraturze pratyce nżynersej do rozwązywana tego typu problemów znane są przyłady zastosowana metod losowych, tórych doładność jest z reguły wysoce newystarczająca [13]. W ostatnch deadach podejmowane są próby zastosowana algorytmów nsprowanych bologcznym procesam naturalnym np. algorytmów genetycznych ewolucyjnych [5, 6, 11, 1, 13]. Do grupy tej można równeż zalczyć algorytmy rojowe, tóre symulują stadne zachowana zwerząt, ptaów czy owadów podczas poszuwana pożywena czy przemeszczana [1,, 3, 4]. y te stosowane są główne do problemów opsanych za pomocą grafów sec m.n. w probleme transportowym, zagadnenu przydzału, szeregowanu zadań, probleme omwojażera [6, 9, 10]. Z puntu wdzena dzałana algorytmu możlwe jest jego wyorzystane taże dla zadań optymalzacyjnych, tóre w ne są opsane jao zagadnena secowe. W nnejszej pracy przedstawono modyfację lasycznego algorytmu mrówowego jego mplementację do rozwązywana zadań optymalzacj jednoryteralnej wybranych onstrucj o nelnowym dysretnym charaterze modelu optymalzacyjnego. 1 SFORMUŁOWANIE PROBLEMU Ogólne zagadnena programowana nelnowego, w tym dysretnego można sformułować następująco: mn f(x) (1) n xr przy spełnenu ogranczeń nerównoścowych: g (x) 0 dla =1,,, K () ogranczeń równoścowych: h m (x)= 0 dla m=1,,, M (3) gdze: x = [x 1, x,, x N ] T jest wetorem zmennych decyzyjnych, f(x) jest ryterum optymalzacj. W przypadu problemu dysretnego ażda zmenna decyzyjna może przyjmować wartośc ze sończonego zboru wartośc o różnej lczebnośc dla ażdej zmennej decyzyjnej: x =[ x 1, x,... x m ] (4) W węszośc algorytmów problem optymalzacj z ogranczenam jest transformowany do problemu optymalzacj bez ogranczeń poprzez użyce funcj ary mającej najczęścej postać: 1 Instytut Technolog Maszyn Automatyzacj Producj, Wydzał Mechanczny, Poltechna Kraowsa, Al. Jana Pawła II 37, Kraów. Tel , fax , rench@mech.p.edu.pl 603
2 gdze: M K x, r f x r h x r G g x (5) m1 G - jest operatorem Heavesde a tam, że: G = 0 dla g (x) 0, G = 1 dla g (x)<0, r - jest dodatnm współczynnem ary. m 1 Podejśce tae zostało równeż wyorzystane w przedstawanym ponżej algorytme mrówowym. ALGORYTM MRÓWKOWY W OPTYMALIZACJI DYSKRETNEJ mrówowy (ang. Ant Colony System) symuluje zachowane rzeczywstej olon mrówe, tóre wyszuują najrótszą drogę do pożywena [1,, 3, 4]. Osobn w poszuwanu pożywena wyorzystują dwa czynn: własne dośwadczene najlepsze mejsce znalezone przez populację, dzę czemu nawet słabsze ndywdualne osobn, lepej radzą sobe z zadanem w grupe. Mrów orentują sę w poszuwanu pożywena przy pomocy substancj chemcznej zwanej feromonem, tórą wydzelają z gruczołu podczas poruszana. Podążające za nm olejne mrów doonują wyboru erunu drog na podstawe ntensywnośc pozostawonego feromonu. Substancja ta pełn rolę wspólnego mózgu olon, zapsując wybór dróg. Obserwacje natury poazują, że mrów wyznaczają swoje drog bezpośredno pomędzy swom gnazdem a źródłem poarmu na początu losowo przeszuując przestrzeń, a następne erując sę pozostawonym śladem feromonu. Dzę temu rośne prawdopodobeństwo, że dana mrówa zaczne ść w erunu pożywena odnalezonego przez nne mrów. Ślad pozostawony przez mrówę ulega stopnowemu odparowywanu. Aby śceża do pożywena pozostała dla nnych mrówe wdoczna mus być cągle atualzowana przez nne mrów. Im węcej mrówe wybera daną śceżce tym ślad feromonowy jest bardzej ntensywny. Jeśl droga do pożywena jest długa bądź występują na nej przeszody, stopeń odparowana substancj będze węszy. Fat, że znalezona przez mrów droga jest najczęścej najrótsza wyna z tego, że na śceżach częścej uczęszczanych znajduje sę węsza lość feromonu jest on dłużej zachowywany. Obserwacje natury posłużyły do opracowana algorytmu optymalzacyjnego, w tórym droga pojedynczej mrów (zwanej taże czasem w lteraturze agentem) reprezentuje potencjalne rozwązane. Podejśce tae dealne nadaje sę do rozwązywana problemów opsanych metodam secowym, w tórych występują węzły połączone rawędzam..1 Podstawowy algorytm mrówowy W lasycznym algorytme mrówowym [4] wybór śceż odbywa sę w sposób losowy z oreślonym prawdopodobeństwem, tórego wartość zależy od lośc feromonu zgromadzonego dotychczas na danej rawędz oraz od atracyjnośc danego przejśca zależnej od odległośc mędzy węzłam wzdłuż tej rawędz tej. Jedną z częścej stosowanych zależnośc na prawdopodobeństwo wyboru danej rawędz w śceżce przejśca dla -tego węzła jest następująca funcja: gdze: α β τ η j α τ η p (6) β n1 p - prawdopodobeństwo wyboru rawędz węźle - macerz feromonów Q - heurystyczna mara odległośc (7) a 6033
3 a - element macerzy odległośc - współczynn wpływu feromonów - współczynn wpływu odległośc Q - współczynn mary odległośc (salowana), zazwyczaj równy 1 Następne po przejścu mrów następuje atualzacja feromonu na rawędzach, co w lasycznym algorytme mrówowym odbywa sę najczęścej z wyorzystanem następującej zależnośc: 1 (8) gdze: q, jeżelmrówa wybrala rawędź 0 w przecwnymprzypadu - przyrost feromonu na rawędz ρ współczynn odparowana feromonu q wartość stała, lość pozostawanego przez ażdą mrówę feromonu na rawędz. Opracowany zmodyfowany algorytm dla zadań optymalzacj dysretnej onstrucj W zwązu z tym, że ne ażdy problem można bezpośredno opsać jao zadane secowe lub jest to ucążlwe, przystosowano algorytm mrówowy do rozwązana problemu optymalzacj onstrucj o dysretnych zmennych decyzyjnych, przy czym algorytm może być zastosowany do problemów ombnatorycznych nelnowych ja lnowych. Podstawową deę dzałana algorytmu mrówowego przedstawono na Rys. 1, gdze lna cągła oznacza wybraną rawędź, a lna przerywana potencjalną rawędź. x 1 x x N x 11 x 1 x N1 x 1 1 x x N 1 1 1j N mn x 1m1 x m x NmN Rys. 1. Idea zmodyfowanego algorytmu mrówowego. Zmodyfowany algorytm słada sę z następujących podstawowych etapów (roów): Etap 1. Każda ze sztucznych mrówe tworzy swoje rozwązane poprzez tworzene śceż przejśca przez zbór wartośc dysretnych (tzw. węzeł), czyl ścślej przez wybór wartośc dysretnych dla ażdej zmennej decyzyjnej ze sończonego zboru. Wybór ten odbywa sę w sposób losowy z oreślonym prawdopodobeństwem, tórego wartość zależy od lośc feromonu zgromadzonego dotychczas na danej rawędz, co bezpośredno zależy od lczby przejść od atracyjnośc tego przejśca zależnej od wartośc ryterum optymalzacyjnego. Zaproponowano następującą zależność na prawdopodobeństwo wyboru danej rawędz w śceżce przejśca dla -ego węzła: 6034
4 gdze: p (9) m j1 p - prawdopodobeństwo wyboru rawędz w -tym węźle (dla -tej zmennej decyzyjnej) - macerz feromonów Etap. Po wyborze wszystch rawędz przejśca (pełnej śceż) następuje atualzacja macerzy feromonów na wszystch rawędzach. Atualzacja polega na dodanu pewnej wartośc zwązanej z jaoścą znalezonej drog (rozwązana), czyl wartoścą ryterum optymalzacyjnego oraz dodatowo następuje ta ja w naturze odparowane feromonu, co zabezpecza algorytm przed zbeżnoścą do loalnego optmum. Zaproponowano następującą zależność: gdze: 1, mn, dla max, dla mn max dla mn max (10) * mn x, r, jeżelmrówa wybrala rawędź x, r (11) 0, w przecwnymprzypadu j - wartość przyrostu feromonu na rawędz do -tego węzła max- masymalna lość feromonu na ażdej rawędz mn - mnmalna lość feromonu na ażdej rawędz - współczynn odparowana feromonu - współczynn wpływu wartośc ryterum optymalzacyjnego - współczynn masymalnego pozomu feromonu max (1) x *,r - najlepsze znalezone dotychczas rozwązane wg zależnośc (5) mn x, r - atualne potencjalne rozwązane wg zależnośc (5), po pełnym przejścu pojedynczej mrów Etap 3. Po wyonanu oreślonej lczby teracj etapu 1, czyl przejśca założonej na wstępe lczby mrówe następuje zaończene dzałana algorytmu z wynem w postac najlepszej znalezonej trasy przejśca przez zbory wartośc dysretnych zmennych decyzyjnych. Należy podreślć, ż przedstawony algorytm jest metodą heurystyczną ne daje gwarancj znalezena rozwązana optymalnego, lecz jedne zwęsza szanse na przeszuwane najlepszych obszarów przestrzen rozwązań w porównanu do metod losowych. Jego efetywne dzałane slne zależy od przyjętych parametrów,,, mn, maxwyorzystywanych w zależnoścach na oraz p, co potwerdzły przeprowadzone esperymenty. Sposób ustalana właścwych wartośc tych parametrów, borąc pod uwagę efetywne dzałane algorytmu, ne został jeszcze nauowo zbadany, lecz wyna główne z dośwadczena oraz zależy od rozwązywanego problemu. 6035
5 Ponadto przeprowadzone na wstępe esperymenty oblczenowe z wyorzystanem lasycznego algorytmu mrówowego wyazały, że dla netórych zadań optymalzacyjnych dochodzło do zdomnowana przejść tylo przez jedną śceżę z powodu zbyt dużego nałożena sę feromonu, co w onsewencj prowadzło do loalnej zbeżnośc algorytmu. Dodatowo dochodzło do generowana ujemnych wartośc feromonu na netórych rawędzach, co elmnowało je defntywne z dalszych przeszuwań przestrzen rozwązań. W zwązu z tym wprowadzono ogranczena na masymalną mnmalną lość feromonu na potencjalnych przejścach w śceżce. Mnmalną wartość feromonu przyjęto arbtralne, natomast masymalną wyznaczono wg zależnośc (1), ta aby żadna rawędź ne mała prawdopodobeństwa wyboru węszego nż procent sumy wartośc feromonów na wszystch możlwych do wyboru rawędzach w danym węźle. 3 EKSPERYMENTY OBLICZENIOWE W celu zbadana efetywnośc algorytmu mrówowego w programowanu dysretnym przeprowadzono oblczena dla dwóch przyładów nelnowych dysretnych problemów optymalzacj onstrucj: uładu dwóch oncentrycznych sprężyn hamulca welopłytowego. W celu porównana efetywnośc prezentowanego algorytmu wyonano dodatowo oblczena algorytmem losowym ewolucyjnym porównano wyn. 3.1 Modele optymalzacyjne Celem perwszego zadana jest zaprojetowane optymalnej onfguracj uładu dwóch sprężyn śrubowych pod ątem mnmalnej objętośc przy masymalne zblżonych współczynnów bezpeczeństwa wytrzymałośc zmęczenowej obu sprężyn. Schemat rozpatrywanego uładu sprężyn przedstawono na Rys. a model optymalzacyjny opsano w [11, 13]. x 1 x 5 x x 4 Rys.. Schemat uładu dwóch oncentrycznych sprężyn. Przyjęte dane materałowe oraz warun obcążena: Uład sprężyn obcążony jest słą ścsającą jednostronne zmenną P = [N] przyłożoną na erunu os symetr. Ugęce sprężyny w momence dzałana sły o masymalnej wartośc 1500 [N] pownno wynosć 10 [mm]. Przyjęte z tabel wartośc danych materałowych dla stal sprężynowej 50HG-ulepszanej ceplne: G= [N/mm ], R r =1300 [N/mm ]. Dodatowo założono, że drut z tórego wyonano sprężynę był szlfowany. Problem jest sformułowany następująco: Wetor zmennych decyzyjnych x=[ x 1, x, x 3, x 4, x 5, x 6, x 7 ]: x 1 - średnca drutu zewnętrznej sprężyny [mm] x - średnca nawnęca sprężyny zewnętrznej [mm] x 3 - lczba zwojów sprężyny zewnętrznej [] x 4 - średnca drutu wewnętrznej sprężyny [mm] x 5 - średnca nawnęca sprężyny wewnętrznej [mm] x 6 - lczba zwojów sprężyny wewnętrznej [] x 7 - wysoość uładu sprężyn [mm] x
6 Funcj celu - objętość obu sprężyn: f1( x ) x1 x x3 x7 x1 x4 x5 x6 x7 x4 x1 x x4 x5 4 Model optymalzacyjny posada 17 ogranczeń wytrzymałoścowych geometrycznych. (13) Problem został rozpatrzony jao dysretny o następujących możlwych wartoścach zmennych decyzyjnych: x 1 = {1.0, 1.5,.0,...,5.0}, x = {35.0, 40.0, 45.0,..., 105.0}, x 3 = {5.0, 5.5, 6.0,...,15.0}, x 4 = {1.0, 1.5,.0,...,0.0}, x 5 = {10.0, 15.0, 0.0,...,80.0}, x 6 = {5.0, 5.5, 6.0,...,15.0}, x 7 = {50.0, 60.0, 70.0,..., 00}. Lczba możlwych ombnacj wynos Drugm rozpatrywanym problemem była optymalzacj hamulca welopłytowego pod ątem mnmalzacj masy. Schemat hamulca przedstawono na Rys. 3, a doładny model opsano w [5, 13]. Rys. 3. Schemat hamulca welopłytowego. Problem optymalzacyjny jest sformułowany następująco: Wetor zmennych decyzyjnych ma postać: x R T, Ro, A, F, Z, gdze: R = promeń wewnętrzny [mm], R o = promeń zewnętrzny [mm], A = grubość płyt [mm], F = sła włączająca [N], Z = lość płyte. Funcj ryteralna masa sprzęgła: f x R R AZ 1 o Model zawera ponadto 16 ogranczeń wytrzymałoścowych, temperaturowych geometrycznych. Dysretne wartośc dla poszczególnych zmennych decyzyjnych są następujące: R = {50.0, 51.0, 5,0, }, 6037
7 R o = {80.0, 81.0, 8.0,..., 110.0}, A = {1.0, 1.5,.0,.5, 3.0}, F = {500.0, ,..., }, Z = {.0, 3.0, 4.0,..., 10.0}. Lczba możlwych ombnacj zmennych decyzyjnych wynos Wygenerowane wyn Przeprowadzono wele esperymentów oblczenowych z wyorzystanem opracowanego algorytmu mrówowego dla różnych wartośc parametrów mających stotne znaczene dla dzałana algorytmu tj. współczynna odparowana feromonu, współczynna stotnośc ryterum z ogranczenam, współczynna masymalnego pozomu feromonu, wartośc mnmalnego pozomu feromonu mn, lczby mrówe oraz lczby teracj. Ponadto w celu porównana efetywnośc dzałana algorytmu mrówowego przeprowadzono oblczena algorytmem ewolucyjnym losowym o przyjętych parametrach pozwalających na taą samą lczbę wywołań funcj ryteralnych. Najlepsze uzysane wyn przedstawono w Tab. 1 Tab.. Tab. 1. Najlepsze wygenerowane rozwązana dla uładu sprężyn spełnające ogranczena Wetor zmennych decyzyjnych Kryterum Metoda. x * f 1 (x * ) [mm 3 ] mrówowy mrówowy mrówowy ewolucyjny losowy [18.5, 85.0, 5.0, 15.5, 50.0, 5.0, 130.0] [18.0, 85.0, 5.0, 15.5, 50.0, 5.0, 110.0] [18.0, 85.0, 5.0, 16.0, 50.0, 5.0, 10.0] [18.0, 85.0, 5.0, 15.5, 50.0, 6.0, 160.0] [19.5, 95.0, 6.0, 15.5, 50.0, 7.0, 00.0] Parametry algorytmów Lczba mrówe=1000, lczba teracj=00, =0.5, =1, τmn=0.9, ρ=0.0 Lczba mrówe: 1000, lczba teracj=00, =0.3, =1.5, τmn=0.9, ρ=0.0 Lczba mrówe: 00, lczba teracj=1000, =0.5, =1 τmn=0.9, ρ=0.05 Lczba generacj = 500, populacja= 400, prawdopodobeństwo rzyżowana= 0.6, prawdopodobeństwo mutacj=0.08 Dla wylosowanych puntów Tab.. Najlepsze wygenerowane rozwązana dla hamulca welopłytowego spełnające ogranczena. Wetor zmennych decyzyjnych Kryterum Metoda. x * f (x * Parametry algorytmów ) [g] mrówowy ewolucyjny losowy [70.0, 90.0, 1.5, , 3.0] [73.0, 93.0, 1.5, , 5.0] 0.73 [80.0, , , 9.0].095 Lczba mrówe: 1000, Lczba teracj=100, =0.3, = τmn=0.9, ρ=0.0 Lczba generacj = 50, populacja= 400, prawdopodobeństwo rzyżowana= 0.6, prawdopodobeństwo mutacj=0.08 Dla wylosowanych puntów 6038
8 WNIOSKI Przeprowadzone badana wsazują, ż zastosowane algorytmu mrówowego dla problemów dysretnych daje z puntu wdzena efetywnośc dzałana obecujące wyn w porównanu do stosowanych obecne dosyć często algorytmów ewolucyjnych dużo lepsze od wygenerowanych tradycyjną metodą losową. Dla analzowanych przyładów najlepsze wyn wygenerowano algorytmem mrówowym, przy czym bardzo dużą trudność sprawało odpowedne zestrojene parametrów tego algorytmu, co udało sę zrealzować po lcznych próbach. Ustawone parametry pozwalające uzysać najlepsze rozwązana różną sę dla obydwu przyładów. Można zaobserwować mędzy nnym, ż ogranczane slnego promowana pojedynczych rawędz przez zmnejszane wartośc współczynna do pozomu ooło 0,3 przynos lepsze rezultaty, ponadto zwęszane do pozomu 1,5- współczynna wpływu ryterum przynos taże poprawę wynów. Ponadto zwęszane lczby mrówe taże przyczyna sę do poprawy wynów, przy czym następuje znaczne wydłużene czasu przebegu algorytmu często przy neznacznej poprawe lub brau poprawy wynu. Dla współczynna odparowana feromonu ne udało sę zaobserwować wyraźnych tendencj wpływu na wyn, poza srajnym lub nelogcznym wartoścam. Zachowane algorytmu wsazuje, ż stneje orelacja parametrów algorytmu, tóra ma znaczny wpływ na wyn. Uogólnene wpływ parametrów algorytmu mrówowego na generowany wyn wymaga jedna dalszych badań. Podsumowując, zastosowane algorytmu mrówowego dla dysretnych problemów optymalzacj onstrucj jest efetywnym narzędzem z puntu wdzena doładnośc oblczeń, jest jedna wymagające, co do pamęc oblczenowej oraz ustawana właścwych parametrów algorytmu. Streszczene Artyuł prezentuje zastosowane algorytmu mrówowego w optymalzacj problemów o dysretnym nelnowym charaterze. mrówowy zalczany jest do grupy algorytmów rojowych, tóre są nsprowane zachowanem stad lub rojów zwerząt, ptaów czy owadów podczas poszuwana pożywena czy przemeszczana sę. y te stosowane są główne do rozwązywana problemów opsanych za pomocą grafów sec. W nnejszej pracy przedstawono modyfację lasycznego algorytmu mrówowego jego przystosowane do rozwązywana zadań optymalzacj jednoryteralnej onstrucj z ogranczenam, tóre ne są modelowane jao grafy z wyraźne zaznaczonym węzłam rawędzam przejść o oreślonym ścśle oszce lub wartośc drog. Wprowadzono modyfację w wyznaczanu prawdopodobeństwa wyboru tzw. rawędz przejśca oraz w oblczanu wartośc feromonu na tych rawędzach. Wartośc te zależą ne tylo od lczby przejść sztucznych mrówe, ale taże dodatowo od dynamczne ustalanej wartośc pozostawanego przez mrów feromonu. Esperymenty przeprowadzono na dwóch przyładach dysretnej optymalzacj sprzęgła welopłytowego oraz uładu oncentrycznych sprężyn poddanych zmennemu obcążenu z wyorzystanem zmodyfowanego algorytmu mrówowego oraz dodatowo w celu porównana z wyorzystanem algorytmu ewolucyjnego losowego. Wyn wsazują, ż algorytm mrówowy może być efetywnym narzędzem w programowanu dysretnym. Ant colony based algorthm for dscrete and nonlnear optmzaton Abstract The paper presents an approach to desgn optmzaton for dscrete and nonlnear problems usng ant colony based algorthm. Ths algorthm belongs to the group of swarm algorthms nspred by behavor of brds, anmals and bugs durng ther lfe or movement. Generally t s used for solvng tass whch are modeled as grd or networ problems. In the wor a modfcaton of the classcal ant colony algorthm and ts adaptaton for problems that are not modeled as a networ tas wth mared nodes and edges s descrbed. New dependences for dynamc calculatng of pheromone on the edges and for probablty of ther choosng are ntroduced. Experments were carred out for two examples of dscrete optmzaton. The frst one deals wth the couplng system and the second one solves the set of concentrc sprngs. Addtonally, n order to compare generated optmal solutons, an evolutonary algorthm and a random search method are used. The obtaned results ndcate that the ant colony based algorthm can be an effectve tool for dscrete programmng. 6039
9 BIBLIOGRAFIA 1. Bonabeau E., Dorgo M. et Theraulaz G., Swarm Intellgence: From Natural to Artfcal Systems, Oxford Unversty Press. ISBN , Dorgo M., D Caro G., Gambardella L. M., Ant Algorthms for Dscrete Optmzaton. Artfcal Lfe, 5 (): , Dorgo M., Stützle T., Ant Colony Optmzaton, MIT Press. ISBN , Dorgo, M., Optmzaton, Learnng and Natural Algorthms, Rozprawa dotorsa (PhD thess), Poltecnco d Mlano, Włochy, Krench S. and Osycza A.: Optmal Desgn of Multple Clutch Braes Usng a Multstage Evolutonary Method. IUTAM Symposum on Evolutonary Methods n Mechancs, Kluwer Academc Publshers, Dordrecht/Boston/London, 004, pp Krench S.: Optymalna aloacja obetów z wyorzystanem algorytmów ewolucyjnych. Logstya 3/011, s Krench S. Równoległe algorytmy ewolucyjne w optymalzacj onstrucj. Logstya 3/014, str Malec M. Moraws M. Wpływ parametrów sterowana na słę cągu podwodnego robota moblnego z napędem falowym dla różnych warantów płetwy ogonowej. Eletrona, onstrucje technologe, zastosowana, Nr 1/013, s , 9. Małopols W., Optymalzacja wyorzystana automatyczne sterowanego robota moblnego w systeme transportowym za pomocą symulacj omputerowej, Logstya, 014, Nr 3, Małopols W., Cost Optmzaton n Manufacturng System wth Undrectonal AGVs, Appled Mechancs and Materals Vol. 555 (014) pp Osycza A., Krench S., Krzyste J. (00): Sprng Desgn Automaton Usng Evolutonary Algorthms. Zeszyty Nauowe Poltechn Koszalnsej, Koszaln, Nr 31, str Osycza A., Krench S.: Evolutonary Algorthms for Global Optmzaton, Chapter n: J. Pnter (Ed.) Global Optmzaton - Selected Case Studes, Kluwer Academc Publshers, Osycza A.: Evolutonary Algorthms for Sngle and Multcrtera Desgn Optmzaton. Sprnger- Verlag Physca, Berln Helderberg Szyma P., Malec M., Moraws M., Concepton of Research on Bonc Underwater Vehcle wth Undulatng Propulson, Sold State Phenomena,Vol. 180, Trans Tech Publcatons Inc., 01, str
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 szczegółowoRozwiązywanie 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 szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoZASTOSOWANIE METODY ROJU CZĄSTEK W OPTYMALNYM PROJEKTOWANIU ELEMENTÓW KONSTRUKCJI
PAWEŁ FORYŚ ZASTOSOWANIE METODY ROJU CZĄSTEK W OPTYMALNYM PROJEKTOWANIU ELEMENTÓW KONSTRUKCJI A PARTICLE SWARM OPTIMIZATION APPLIED TO OPTIMAL DESIGN OF STRUCTURAL ELEMENTS Streszczene Abstract Zmodyfowana
Bardziej szczegółowoĆw. 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 szczegółowoSZTUCZNA 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 szczegółowoBADANIA 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 szczegółowoUdoskonalona 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 szczegółowoKier. 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 szczegółowoParametry 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 szczegółowoSYSTEMY 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 szczegółowoPrawdopodobieństwo 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 szczegółowoMARTA GAWRON * METODY SYMULACJI STATYCZNEJ SIECI GAZOWEJ
UNIWERSYTET ZIELONOGÓRSKI ZESZYTY NAUKOWE NR 144 Nr 4 INŻYNIERIA ŚRODOWISKA 011 MARTA GAWRON * METODY SYMULACJI STATYCZNEJ SIECI GAZOWEJ S t r e s z c z e n e W artyule przedstawono metody symulacj statycznej
Bardziej szczegółowoWielokryterialny 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 szczegółowoSTATYSTYKA. 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 szczegółowoRÓWNOLEGŁY 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 szczegółowoMinimalizacja globalna. Algorytmy genetyczne i ewolucyjne.
Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu
Bardziej szczegółowomin h = x x Algorytmy optymalizacji lokalnej Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji x x
Nelnowe zaane optymalzacj bez ogranczeń numeryczne metoy teracyjne optymalzacj mn n x R ) = f x Algorytmy poszuwana mnmum loalnego la: f zaana programowana nelnowego bez ogranczeń zaana programowana nelnowego
Bardziej szczegółowoCzęść 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 szczegółowoRÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI
RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy
Bardziej szczegółowoSZACOWANIE 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 szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowodr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice
dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej
Bardziej szczegółowoLABORATORIUM 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 szczegółowoexp jest proporcjonalne do czynnika Boltzmanna exp(-e kbt (szerokość przerwy energetycznej między pasmami) g /k B
Koncentracja nośnów ładunu w półprzewodnu W półprzewodnu bez domesz swobodne nośn ładunu (eletrony w paśme przewodnctwa, dzury w paśme walencyjnym) powstają tylo w wynu wzbudzena eletronów z pasma walencyjnego
Bardziej szczegółowoMinimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice
Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,
Bardziej szczegółowoWikiWS 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 szczegółowoWYZNACZENIE 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 szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe
Bardziej szczegółowoProjekt 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 szczegółowoMetody 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 szczegółowoMETODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU
Stansław Bogdanowcz Poltechna Warszawsa Wydzał Transportu Załad Logsty Systemów Transportowych METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Streszczene: Ogólna podstawa
Bardziej szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowo1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń
ZAŁĄCZNIK nr Zasada dzałana Algorytmu Rozdzału Obcążeń. Zmenne dane wejścowe Algorytmu Rozdzału Obcążeń.. Zmennym podlegającym optymalzacj w procese rozdzału obcążeń są welośc energ delarowane przez Jednost
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoMatematyka finansowa r.
. Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.
Bardziej szczegółowoWYKORZYSTANIE 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 szczegółowoW 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 szczegółowoAPROKSYMACJA QUASIJEDNOSTAJNA
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy
Bardziej szczegółowoN ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.
3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy
Bardziej szczegółowoROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO
OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze
Bardziej szczegółowoOPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU
Bardziej szczegółowoEugeniusz 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 szczegółowoZmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Bardziej szczegółowoOptymalizacja belki wspornikowej
Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana
Bardziej szczegółowoAlgorytm FA. Zastosowanie w zadanich optymalizacji z ograniczeniami dla ciągłych dziedzin poszukiwań
Algorytm FA Metaheurystyczna metoda poszukwań (Xn-She Yang, 2008), nsprowana przez: zachowana społeczne zjawsko bolumnescencj robaczków śwetojańskch (śwetlków) Zastosowane w zadanch optymalzacj z ogranczenam
Bardziej szczegółowo1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej...
1 Metody optymalzacj welokryteralnej.... 1 1.1 Ogólna charakterystyka problemu.... 1 1.2 Tradycyjne metody optymalzacj welokryteralnej.... 3 1.2.1 Metoda ważonych kryterów.... 3 1.2.2 Metoda optymalzacj
Bardziej szczegółowoZastosowanie systemu wspomagania projektowania algorytmów regulacji do testowania regulatorów nieliniowych1
Mgr nż. Potr Marusa Instytut Automaty Informaty Stosowanej Poltechn Warszawsej Zastosowane systemu wspomagana projetowana algorytmów regulacj do testowana regulatorów nelnowych W referace omówono przyład
Bardziej szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoWYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI
47/17 ARCHIWUM ODLEWNICTWA Rok 2005, Rocznk 5, Nr 17 Archves of Foundry Year 2005, Volume 5, Book 17 PAN - Katowce PL ISSN 1642-5308 WYBRANE ZASTOSOWANIA OPTYMALIZACJI ROZMYTEJ W STEROWANIU PROCESAMI ODLEWNICZYMI
Bardziej szczegółowoReakcja systemu elektroenergetycznego na deficyt mocy czynnej problematyka węzła bilansującego
Mare WANCERZ, Potr MILLER Poltechna Lubelsa, Katedra Sec Eletrycznych Zabezpeczeń do:10.15199/48.015.03.30 Reacja systemu eletroenergetycznego na defcyt mocy czynnej problematya węzła blansującego Streszczene.
Bardziej szczegółowoReferat E: ZABEZPIECZENIA OD SKUTKÓW ZWARĆ WIELKOPRĄDOWYCH W POLACH ROZDZIELNI SN
str.e-1 Referat E: ZABEZPECZENA OD SKUTKÓW ZWARĆ WELKOPRĄDOWYCH W POLACH ROZDZELN SN 1. Wstęp Dobór aw jest cągle bardzo ważnym elementem prawdłowośc dzałana eletroenergetycznej automaty zabezpeczenowej
Bardziej szczegółowoWeryfikacja 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 szczegółowoBADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
AKŁAD KSPLOATACJI SYSTMÓW LKTONICNYCH INSTYTUT SYSTMÓW LKTONICNYCH WYDIAŁ LKTONIKI WOJSKOWA AKADMIA TCHNICNA ---------------------------------------------------------------------------------------------------------------
Bardziej szczegółowoKomórkowy model sterowania ruchem pojazdów w sieci ulic.
Komórkowy model sterowana ruchem pojazdów w sec ulc. Autor: Macej Krysztofak Promotor: dr n ż. Marusz Kaczmarek 1 Plan prezentacj: 1. Wprowadzene 2. Cel pracy 3. Podsumowane 2 Wprowadzene Sygnalzacja śwetlna
Bardziej szczegółowoĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH
ĆWICNI BADANI WYBANYCH POCDU I STATGII KSPLOATACYJNYCH Cel ćwczena: - lustracja zagadneń zwązanych z zarządzanem esploatacją; - lustracja zależnośc mędzy dagnostyą nezawodnoścą a efetem procesu esploatacj.
Bardziej szczegółowoSYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ
Jan JANKOWSKI *), Maran BOGDANIUK *),**) SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ W referace przedstawono równana ruchu statku w warunkach falowana morza oraz
Bardziej szczegółowoWYDAJNOŚĆ MECHANIZMÓW MODUŁU PARALLEL COMPUTING TOOLBOX SYSTEMU MATLAB W ZRÓWNOLEGLONEJ REALIZACJI SYMULACJI RUCHU UKŁADÓW CIAŁ W POLU GRAWITACYJNYM
STUDIA INFORMATICA 00 Volume 3 Number 4A (9) Darusz R. AUGUSTYN Poltechna Śląsa Instytut Informaty WYDAJNOŚĆ MECHANIZMÓW MODUŁU PARALLEL COMPUTING TOOLBOX SYSTEMU MATLAB W ZRÓWNOLEGLONEJ REALIZACJI SYMULACJI
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoStanisław 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 szczegółowoWprowadzenie do Sieci Neuronowych Sieci rekurencyjne
Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoRANKING 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 szczegółowoMożliwość komputerowego wspomagania diagnozowania silników tłokowych stosowanych w transporcie morskim
WITKOWSKI Kazmerz Możlwość omputerowego wspomagana dagnozowana slnów tłoowych stosowanych w transporce morsm WSTĘP Współczesna esploatacja słown orętowych wymaga wprowadzana na stat systemów dagnostycznych.
Bardziej szczegółowoRozdział. Wielokryterialne problemy wyznaczania tras w sieciach komputerowych. 1. Wprowadzenie
Rozdzał Weloryteralne problemy wyznaczana tras w secach omputerowych Zbgnew TARAATA Wojsowa Aadema Technczna, Wydzał Cybernety Zbgnew.Tarapata@s.wat.edu.pl Streszczene W pracy przedstawono weloryteralne
Bardziej szczegółowoStanisław 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 szczegółowoWyznaczanie i harmonogramowanie tras pojazdów przy wykorzystaniu metody BBS
Logstya - naua Andrzej Wolfenburg 1 Instytut Logsty Magazynowana, Poznań Wyznaczane harmonogramowane tras pojazdów przy wyorzystanu metody BBS 1. WSTĘP Instytut Logsty Magazynowana wraz z frmą CallFreedom
Bardziej szczegółowoMetody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,
Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą
Bardziej szczegółowoAnaliza 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 szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoZESZYTY 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 szczegółowoZASTOSOWANIE ALGORYTMÓW ROJOWYCH DO OPTYMALIZACJI PARAMETRÓW W MODELACH UKŁADÓW REGULACJI
Zeszyty Nauowe Wydzału Eletrotechn Autoaty Poltechn Gdańsej Nr 46 XXV Senaru ZASTOSOWANIE KOMPUTERÓW W NAUCE I TECHNICE 2015 Oddzał Gdańs PTETS ZASTOSOWANIE ALGORYTMÓW ROJOWYCH DO OPTYMALIZACJI PARAMETRÓW
Bardziej szczegółowoFOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW
Bardziej szczegółowoOdczyt 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 szczegółowoZaawansowane 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 szczegółowo3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO
3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.
Bardziej szczegółowoOPTYMALIZACJA 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 szczegółowoZASTOSOWANIE TEORII ZBIORÓW ROZMYTYCH W HARMONOGRAMOWANIU ROBÓT BUDOWLANYCH METODĄ ŁAŃCUCHA KRYTYCZNEGO
ZASTOSOWANIE TEORII ZBIORÓW ROZMYTYCH W HARMONOGRAMOWANIU ROBÓT BUDOWLANYCH METODĄ ŁAŃCUCHA KRYTYCZNEGO Janusz KULEJEWSKI, Nab IBADOV, Bogdan ZIELIŃSKI Wydzał Inżyner Lądowej, Poltechna Warszawsa, Al.
Bardziej szczegółowoOptymalizacja 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 szczegółowo4. Zjawisko przepływu ciepła
. Zawso przepływu cepła P.Plucńs. Zawso przepływu cepła wymana cepła przez promenowane wymana cepła przez unoszene wymana cepła przez przewodzene + generowane cepła znane wartośc temperatury zolowany brzeg
Bardziej szczegółowoZestaw przezbrojeniowy na inne rodzaje gazu. 1 Dysza 2 Podkładka 3 Uszczelka
Zestaw przezbrojenowy na nne rodzaje gazu 8 719 002 262 0 1 Dysza 2 Podkładka 3 Uszczelka PL (06.04) SM Sps treśc Sps treśc Wskazówk dotyczące bezpeczeństwa 3 Objaśnene symbol 3 1 Ustawena nstalacj gazowej
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowoZastosowanie 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 szczegółowoStanisław 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 szczegółowoOptymalizacja procesu zaopatrywania
PROŃO Jarosław Optymalzacja procesu zaopatrywana WPROWADZENIE Optymalzacja to proces poszuwana rozwązań najlepej spełnających oreślone rytera. Rozpoczyna sę on od oreślena ryterów optymalzacj oraz wsaźnów
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoAnaliza modyfikacji systemów bonus-malus w ubezpieczeniach komunikacyjnych AC na przykładzie wybranego zakładu ubezpieczeń
Analza modyfkacj systemów bonus-malus Ewa Łazuka Klauda Stępkowska Analza modyfkacj systemów bonus-malus w ubezpeczenach komunkacyjnych AC na przykładze wybranego zakładu ubezpeczeń Tematyka przedstawonego
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoMODELOWANIE PRZEPŁYWU POWIETRZA W KANAŁACH WENTYLACYJNYCH PIECZARKARNI
Inżynera Rolncza 10(108)/2008 MODELOWANIE PRZEPŁYWU POWIETRZA W KANAŁACH WENTYLACYJNYCH PIECZARKARNI Leonard Vorontsov, Ewa Wachowcz Katedra Automatyk, Poltechnka Koszalńska Streszczene: W pracy przedstawono
Bardziej szczegółowoWielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki
Welokategoralne systemy uząe sę h zastosowane w bonformatye Rafał Grodzk Welokategoralny system uząy sę (multlabel learnng system) Zbór danyh weśowyh: d X = R Zbór klas (kategor): { 2 } =...Q Zbór uząy:
Bardziej szczegółowoPROBLEMY BADANIA NIEZAWODNOŚCI SIŁOWNI TRANSPORTOWYCH OBIEKTÓW OCEANOTECHNICZNYCH
Zbgnew MATUSZAK POBLEMY BADAIA IEZAWODOŚCI SIŁOWI TASPOTOWYCH OBIEKTÓW OCEAOTECHICZYCH Streszczene W artyule przedstawono problemy występujące podczas badana nezawodnośc słown orętowych pływających obetów
Bardziej szczegółowoModelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne
Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez
Bardziej szczegółowoIN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6
IN YNIERIA BEZPIECZE STWA LABORATORIUM NR 6 WYBRANE ZAGADNIENIA Z TEORII LICZB 1. Wybrane zagadnena z teor lczb Do onstruowana systemów ryptografcznych u Ŝ ywa sę czę sto wyrafnowanego aparatu matematycznego,
Bardziej szczegółowoĆwiczenie 10. Metody eksploracji danych
Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoRozkłady statystyczne w fizyce jądrowej
UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,
Bardziej szczegółowoLaboratorium 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