Problemy przydzia³u w transporcie lotniczym

Wielkość: px
Rozpocząć pokaz od strony:

Download "Problemy przydzia³u w transporcie lotniczym"

Transkrypt

1 AUTOMATYKA 2009 Tom 13 Zeszyt 3 Joanna Kwiecieñ*, Bogus³aw Filipowicz* Problemy przydzia³u w transporcie lotniczym 1. Wprowadzenie Rosn¹ce natê enie ruchu lotniczego stanowi istotny problem dla osób odpowiedzialnych za sprawne planowanie i zarz¹dzanie w transporcie powietrznym. Poprawa organizacji ruchu lotniczego jest przedmiotem wielu prac, g³ównie ze wzglêdu na korzyœci finansowe. Aby usprawniæ funkcjonowanie transportu lotniczego, zwiêkszyæ przepustowoœæ, podnieœæ poziom komfortu i bezpieczeñstwa pasa erów nale y wykorzystaæ miêdzy innymi metody badañ operacyjnych. Do istotnych problemów na które napotykaj¹ linie lotnicze i porty lotnicze nale ¹ problemy przydzia³u, które w z³o onym procesie organizacji ruchu lotniczego wystêpuj¹ wielokrotnie. Czas przebywania samolotu na lotnisku, czasy dotarcia pasa era do samolotu i przejœcia przez bramki mo na zminimalizowaæ dziêki racjonalnemu przydzieleniu zasobów. Prawid³owe przydzielenie za³ogi samolotu czy pasów startowych pozwala równie zminimalizowaæ koszty. Proces organizacji transportu lotniczego dostarcza wielu problemów, które mo na sprowadziæ do matematycznego modelu problemu przydzia³u. Problemy te posiadaj¹ szereg ograniczeñ, które musi spe³niaæ rozwi¹zanie dopuszczalne. Do ich rozwi¹zania stosowane s¹ zarówno algorytmy dok³adne, jak i metody heurystyczne. W pracy przedstawiono najczêœciej wystêpuj¹ce problemy przydzia³u, takie jak problem przydzia³u bramek na lotnisku, problem przydzia³ pasów startowych do odpowiednich lotów oraz zmodyfikowany przez autorów przydzia³ cz³onków za³ogi do tablicy lotów. 2. Problem przydzia³u bramek na lotnisku Poprzez wykorzystanie przydzia³u bramek lotniczych do zaplanowanych lotów w oparciu o dane o pasa erach oraz miejsca docelowe lotów, mo na usprawniæ dzia³anie linii lotniczych i przep³yw pasa erów. Przydzia³ minimalizuj¹cy ca³kowit¹ odleg³oœæ, jak¹ musz¹ przebyæ pasa erowie w okreœlonym przedziale czasu, poprawia znacznie jakoœæ obs³ugi pasa erów. Na ca³kowit¹ drogê przejœcia pasa era sk³ada siê kilka typów odleg³oœci: * Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie 1425

2 1426 Joanna Kwiecieñ, Bogus³aw Filipowicz dystans miêdzy zdaniem baga u a bramk¹ odlotu (w przypadku osób rozpoczynaj¹cych podró ), odleg³oœæ miêdzy bramkami (dla osób przesiadaj¹cych siê w trakcie ca³ej podró- y), odleg³oœæ miêdzy bramk¹ przylotu i miejscem odbioru baga y (dla pasa erów koñcz¹cych podró ). Istnieje kilka modeli przydzia³u bramek na lotnisku [1 3]. Jednym z nich jest kwadratowy problem przydzia³u bramek [5]. Niech ZL okreœla zbiór lotów, ZB zbiór bramek, f ij przep³yw pasa erów miêdzy lotami i oraz j, w k,l odleg³oœæ miêdzy bramkami k oraz l, t i czas i-tego przylotu lub odlotu, T i œredni czas wsiadania lub wysiadania pasa era i-tego lotu, A i czas miêdzy zajêciem bramki a rozpoczêciem wsiadania/wysiadania pasa erów i-tego lotu, B i czas miêdzy zakoñczeniem wsiadania/wysiadania pasa erów i zwolnieniem bramki przypisanej dla i-tego lotu, D odpowiednio du ¹ liczbê dodatni¹, x oraz z zmienne decyzyjne: x ik / x jl 1 lot i/ j jest przydzielony do bramki k/ l 0 w przeciwnym przypadku z ijk 1 loty i oraz j przydzielone do bramki k, lot i wykorzystuje bramkê przed j 0 w przeciwnym przypadku Kwadratowa funkcja celu ma postaæ [5]: = (1) fcelu fijwkl xik xjl i ZL j ZLk ZBl ZB przy ograniczeniach: przydzielenia ka dego lotu do jednej bramki: k ZB x ik = 1 (1.1) zmienna decyzyjna z przyjmuje wartoœæ zerow¹, gdy loty nie s¹ przydzielone do bramki: z ijk x ik ; z ijk x jk (1.2) j ZL i ZL zale noœæ miêdzy liczb¹ przydzielonych lotów i liczb¹ zmiennych decyzyjnych z ustawionych dla tej bramki: xlk 1+ zijk (1.3) l ZL i ZL j ZL wymuszenie u ycia bramki tylko przez jeden lot, przy czym lot i oraz j s¹ przylotami w zmiennej z ijk : ti + Ai + Ti fil + Bi tj + D(1 zijk) l ZL (1.4)

3 Problemy przydzia³u w transporcie lotniczym 1427 wymuszenie u ycia bramki tylko przez jeden lot, przy czym lot i jest przylotem, natomiast lot j jest odlotem: (1.5) t i + A i + T i il i j j i nj (1 ijk) l ZL f + B t A T n ZL f + D z + B j wymuszenie u ycia bramki tylko przez jeden lot, przy czym lot j jest przylotem, natomiast lot i jest odlotem w zmiennej z ijk : t t + D(1 z ) (1.6) i j ijk wymuszenie u ycia bramki tylko przez jeden lot, przy czym lot i oraz j s¹ odlotami w zmiennej z ijk : ti tj Aj Ti fnj + D(1 zijk ) + B n ZL j (1.7) Poprzez wprowadzenie dodatkowej zmiennej decyzyjnej okreœlaj¹cej równoczeœnie przydzia³ dwóch ró nych lotów do dwóch ró nych bramek oraz wprowadzenie dodatkowych ograniczeñ, kwadratowy problem przydzia³u mo na sprowadziæ do postaci liniowej. Istnieje kilka metod, które z powodzeniem mog¹ byæ stosowane do rozwi¹zania problemu przydzia³u bramek. Do nich nale ¹ m.in. metody programowania liniowego [1], symulowane wy arzanie [2], algorytmy genetyczne [3] czy tabu search [5]. 3. Problem przydzia³u przylotów do pasów l¹dowania Problem polegaj¹cy na przydzieleniu odpowiedniego pasa dla nadlatuj¹cego samolotu, obliczeniu sekwencji l¹duj¹cych samolotów oraz ustaleniu dok³adnych czasów l¹dowania jest bardzo wa ny dla kontrolerów z wie y kontroli lotów. Najwczeœniejszy moment l¹dowania okreœlony jest poprzez odleg³oœæ od pasa i maksymaln¹ prêdkoœæ, z jak¹ mo na wykonaæ manewr l¹dowania. NajpóŸniejszy moment l¹dowania musi uwzglêdniaæ zapasy paliwa w samolocie oraz procedury reguluj¹ce maksymalny czas oczekiwania na l¹dowanie. Wa nym ograniczeniem jest zachowanie bezpiecznych odleg³oœci pomiêdzy samolotami, które zabezpieczaj¹ przed turbulencjami czy wypadkami [4]. W celu przedstawienia matematycznego modelu problemu przydzia³u wprowadÿmy kilka oznaczeñ: LS liczba samolotów oczekuj¹cych na l¹dowanie, LPL liczba pasów l¹dowania, NM i najwczeœniejszy moment l¹dowania samolotu i, T i czas docelowy (moment l¹dowania samolotu i przy najbardziej ekonomicznej prêdkoœci), OM i najpóÿniejszy moment l¹dowania samolotu i, MOCS ij minimalny odstêp czasu miêdzy samolotami i oraz j, przy czym i l¹duje przed j na tym samym pasie, MOCI ij minimalny odstêp czasu miêdzy samolotami i oraz j, gdzie i l¹duje przed j na innym pasie, D odpowiednio du a liczba

4 1428 Joanna Kwiecieñ, Bogus³aw Filipowicz dodatnia, x i moment l¹dowania samolotu i. Zmienne decyzyjne zwi¹zane z l¹dowaniem samolotów na pasach przyjmuj¹ postaæ: l ir 1 gdysamolot i ( i LS) wybiera pas r ( r ZPL) α ij 1 gdysamolotyi oraz j ( i, j LS) wybieraj¹ tensampas = β ij 1 samolot i przed samolotem j ( i, j LS) Oznaczaj¹c przez o i = x i T i oraz preferuj¹c najwczeœniejszy moment l¹dowania samolotu, funkcja celu przyjmuje postaæ [4]: gdzie: fcelu LP = max O (2) i i= 1 2 oi dla oi 0 Oi 2 + oi dla oi < 0 przy ograniczeniach: okna czasu, w jakim musi wyl¹dowaæ samolot: NMi xi OMi (2.1) ustawienia porz¹dku l¹dowania oraz przypisania pasów do dwóch ró nych samolotów: β ij +β ji = 1, α ij =α ji (2.2) wymuszenia bezpiecznego odstêpu miêdzy l¹duj¹cymi samolotami: x x + MOCS α + MOCI (1 α ) Dβ (2.3) j i ij ij ij ij ij przypisania ka dego samolotu do dok³adnie jednego pasa l¹dowania: LPL l r= 1 ir = 1 (2.4)

5 Problemy przydzia³u w transporcie lotniczym 1429 uwzglêdnienia relacji przypisania dwóch ró nych samolotów do tego samego pasa l¹dowania oraz przypisania ka dego z tych samolotów do pasa l¹dowania: α l + l 1, i< j (2.5) ij ir jr W pracy [4] przedstawiono równie liniowy model funkcji celu uwzglêdniaj¹cy czas docelowy l¹dowania samolotów. Do rozwi¹zanie problemu przydzia³u pasów l¹dowania mo na stosowaæ ewolucyjne heurystyki populacyjne, takie jak algorytmy genetyczne czy przeszukiwanie rozproszone scatter search [4]. 4. Problem przydzia³u za³ogi Kolejnym problemem, z jakim borykaj¹ siê linie lotnicze, jest racjonalny przydzia³ cz³onków za³ogi samolotu, który pozwala na ustalenie prawid³owego harmonogramu lotów z w³aœciw¹ liczb¹ cz³onków za³ogi, spe³niaj¹c przy tym regulacje i przepisy prawa pracy. Istnieje kilka podejœæ do tego problemu. Jednym z nich jest przydzielenie do sekwencji segmentów (marszrut) lotów osobno ka dego z cz³onków za³ogi. Problem przydzia³u za³ogi mo e byæ wtedy rozwi¹zany w dwóch nastêpuj¹cych etapach [6]: 1) Tworzenie sekwencji segmentów lotów, przy czym ka dy z planowanych segmentów wystêpuje w co najmniej jednej sekwencji. Wszystkie wygenerowane sekwencje lotów musz¹ spe³niaæ szereg ograniczeñ dotycz¹cych miêdzy innymi czasu trwania lotu, czasu po³¹czenia, czasu odpoczynku miêdzy kolejnymi lotami itd. 2) Przypisanie za³ogi do sekwencji lotów wed³ug okreœlonego kryterium (np. minimalizacji kosztów). Przydzia³ ten musi spe³niaæ narzucone ograniczenia w tym sk³ad za³ogi, kwalifikacje cz³onków za³ogi, dzienne czy miesiêczne liczby godzin lotu, liczbê dni wolnych od pracy, urlopy i dni konieczne na doszkolenie za³ogi itd. Czêœæ z ograniczeñ mo e byæ jednak naruszona, np. liczba godzin pracy, kosztem poniesienia dodatkowych wydatków zwi¹zanych z nadgodzinami czy dodatkami do pensji. W pracy [6] zaproponowano 3 grupy personelu za³ogi: pilotów, oficerów i instruktorów. Za³ogê tworz¹ pilot i oficer, natomiast instruktor mo e pe³niæ zarówno funkcjê pilota jak i oficera, przy czym za³ogê tworzy tylko dwóch cz³onków. W niniejszej pracy zmodyfikowano problem przydzia³u cz³onków za³ogi. Przyjêto, e za³oga sk³ada siê z 3 cz³onków: pierwszego pilota, drugiego pilota i nawigatora. W zale noœci od potrzeb dodatkowo instruktorzy mog¹ pe³niæ rolê pierwszego lub drugiego pilota. Niech F reprezentuje zbiór segmentów lotów przypisanych do jednej za³ogi, S zbiór wygenerowanych wczeœniej dopuszczalnych sekwencji lotów, S(f) zbiór sekwencji zawieraj¹cy segment lotu f, S(m) miesiêczne zbiory sekwencji, I zbiór instruktorów, DP zbiór drugich pilotów, PP zbiór pierwszych pilotów, N zbiór nawigatorów, L s listê par sekwencji s, które nie mog¹ byæ wykonane przez tê sam¹ za³ogê (np. ze wzglêdu na wykonywanie segmentu lotu w tym samym czasie), I idp (I ii, I ipp, I dppp, I in, I ppn, I dpn ) zbiór par

6 1430 Joanna Kwiecieñ, Bogus³aw Filipowicz instruktor-drugi pilot (instruktor-instruktor, instruktor-pierwszy pilot, drugi pilot-pierwszy pilot, instruktor-nawigator, pierwszy pilot-nawigator, drugi pilot-nawigator) nie mog¹cych byæ w jednej za³odze, BT s liczbê godzin lotu w sekwencji segmentów s, CT s liczbê punktów (godzin) za dodatkowe loty w sekwencji, T max, m maksymaln¹ dozwolon¹ dla pracownika miesiêczn¹ liczbê godzin lotu, T g minimaln¹ gwarantowan¹ liczbê punktów przyznawan¹ pracownikowi, NH pp (NH i, NH n, NH dp ) ca³kowit¹ liczbê punktów przydzielon¹ pierwszemu pilotowi (instruktorowi, nawigatorowi, drugiemu pilotowi) przekraczaj¹c¹ T g (nadgodziny). Zmienne decyzyjne wykorzystywane w problemie przydzia³u za³ogi przyjmuj¹ nastêpuj¹ce wartoœci [6]: x dpf 1 gdy drugi pilot dp jest przypisany do segmentu lotu f y ppf 1 gdy pierwszy pilot pp jest przypisany do segmentu lotu f z if 1 gdy instruktor i jest przypisany do segmentu lotu f w nf 1 gdy nawigator n jest przypisany do segmentu lotu f X dps 1 gdy drugi pilot dp jest przypisany do sekwencji lotów s Y pps 1 gdy pierwszy pilot pp jest przypisany do sekwencji lotów s Z is 1 gdy instruktor i jest przypisany do sekwencji lotów s W ns 1 gdy nawigator n jest przypisany do sekwencji lotów s 0 w innym przypadku

7 Problemy przydzia³u w transporcie lotniczym 1431 Funkcja celu polegaj¹ca na minimalizowaniu nadgodzin przyjmuje postaæ: (3) fcelu = min NHpp + NHdp + NHi + NHn pp PP dp DP i I n N przy ograniczeniach: jeœli cz³onek za³ogi przydzielony jest do segmentu lotu to musi byæ przydzielony do dok³adnie jednej sekwencji lotów zawieraj¹cej dany segment: dpf ppf if nf s S( f) dps pps is ns = (3.1) ( x y z w ) (odpowiednio X Y Z W ) 0, f F liczby cz³onków za³ogi oraz odpowiedniego sk³adu za³ogi: x + y + z + w = 3, dp dpf pp ppf i if n nf x 1, y 1, z 2, w 1, f F dp dpf pp ppf i if n nf (3.2) przydzielenie cz³onków za³ogi obs³uguj¹cych dany lot do tej samej sekwencji lotów: X + Y Z + W 0, dp dps pp pps i is n ns X Y + Z + W 0, dp dps pp pps i is n ns X + Y + Z + W 0, s S dp dps pp pps i is n ns (3.3) maksymalna dozwolona liczba godzin lotu (miesiêczna): ( BT X ) T, ( BT Y ) T, s S( m) s dps max, m s S( m) s pps max, m ( BT Z ) T, ( BT W ) T s S( m) s is max, m s S( m) s ns max, m (3.4) wykluczaj¹ce siê przydzia³y pracownika do sekwencji lotów wykonywanych w tym samym czasie lub zbyt krótkim odstêpie czasu: X + X 1, Y + Y 1, Z + Z 1, W + W 1, ( s, s') L (3.5) dps dps ' pps pps ' is is ' ns ns' s wykluczenie osób, które nie mog¹ byæ w jednej za³odze (I idp, I ii, I ipp, I dppp, I in, I ppn, I dpn ): Xdps + Ypps 1, Zis + Xdps 1, Zis + Ypps 1, Zis + Zi ' s 1, Zis + Wns 1, Ypps + Wns 1, Xdps + Wns 1 (3.6)

8 1432 Joanna Kwiecieñ, Bogus³aw Filipowicz miesiêcznej liczby dodatkowych punktów (nadgodzin) dla ka dego pracownika: ( CT X ) T + NH, ( CT Y ) T + NH, s S( m) s dps g dp s S( m) s pps g pp ( CT Z ) T + NH, ( CT W ) T + NH s S( m) s is g i s S( m) s ns g n (3.7) narzucenie binarnoœci zmiennych decyzyjnych (x dpf, y ppf, z if, w nf, X ps, Y os, Z is, W ns ) i wartoœci ca³kowitych nieujemnych zmiennym NH pp, NH i, NH dp, NH n : { } { } { } { } xdpf 0,1, yppf 0,1, zif 0,1, wnf 0,1, { } { } { } { } Xdps 0,1, Ypps 0,1, Zis 0,1, Wns 0,1, (3.8) NH pp 0, NHi 0, NHdp 0, NHn 0 5. Rozwi¹zanie wybranego problemu przydzia³u Do rozwi¹zania rozpatrywanych problemów przydzia³u mo na zastosowaæ metody programowania liniowego. W celu rozwi¹zania problemów przydzia³u mo na skorzystaæ z komercyjnego oprogramowania ILOG CPLEX, wykorzystywanego miêdzy innymi przez linie lotnicze Lufthansa [7]. W niniejszej pracy do rozwi¹zania problemu przydzia³u za³ogi zastosowano pakiet GLPK [8], wykorzystuj¹cy po³¹czenie metody podzia³u i ograniczeñ z metod¹ ciêæ Gomory ego dla problemów ca³kowitoliczbowych. W innym przypadku stosowany jest zrewidowany algorytm simpleks z metod¹ prymalno-dualn¹ punktu wewnêtrznego. Ka dy lot opisany zosta³ poprzez podanie portów lotniczych pocz¹tkowych i docelowych oraz czasów odlotu/przylotu. Badania zosta³y wykonane dla problemów o ró nym stopniu z³o onoœci, gdzie liczba pracowników by³a zawarta w przedziale [10, 25], natomiast liczba lotów w przedziale [15, 30]. W tabeli 1 przedstawiono przyk³adowe wyniki eksperymentów. ¹czna liczba pilotów, instruktorów i nawigatorów Tabela 1 Wyniki badañ problemu przydzia³u za³ogi Liczba lotów Przybli ony czas wykonania eksperymentu [s] , , , , ,6

9 Problemy przydzia³u w transporcie lotniczym 1433 Czas rozwi¹zania problemów przydzia³u za³ogi (CPU 1,86 GHz, RAM 1024 MB) jest zadawalaj¹cy. Liczba ograniczeñ dla problemów z³o onych z 10 pracowników i 15 lotów wynosi³a 185, natomiast dla 25 pracowników i 30 lotów Podsumowanie Przedstawione w pracy modele przydzia³u stanowi¹ istotne problemy wystêpuj¹ce w transporcie lotniczym. Do ich rozwi¹zania stosowane mog¹ byæ metody programowania liniowego b¹dÿ heurystyki populacyjne. Istniej¹ gotowe narzêdzia stosowane do rozwi¹zania tego typu zagadnieñ. Przyk³adowy problem przydzia³u za³ogi zosta³ rozwi¹zany przy wykorzystaniu pakietu GLPK. Dalsze prace ukierunkowane bêd¹ na zastosowaniu algorytmów sztucznej inteligencji do rozwi¹zania problemu przydzia³u za³ogi, problemu uniwersalnego we wszystkich ga³êziach transportu. Literatura [1] Bihr R.A., A conceptual solution to the aircraft gate assignment problem using 0.1 linear programming. Computers and Industrial Engineering, 19, 1990, [2] Ding H., Lim A., Rodrigues B., Zhu Y., New heuristics for the over-constrained airport gate assignment problem. Journal of the Operational research Society, 32, 2005, [3] Gu Y., Chung C., Genetic algorithm approach to aircraft gate reassignment problem. Journal of Transportation Engineering, 125, 1999, [4] Pinol H., Beasley J.E., Scatter Search and Bionomic Algorithms for the aircraft landing problem. European Journal of Operational Research, 171, 2006, [5] Xu J., Bailey G., The airport gate assignment problem: mathematical model and a tabu search algorithm. Proceedings of the 34th Hawaii International Conference on System Sciences, 3, 2001, [6] Zeghal F.M., Minoux M., Modeling and solving a Crew Assignment Problem in air transportation. European Journal of Operational Research, 175, 2006, [7] [8]

Projektowanie logistycznych gniazd przedmiotowych

Projektowanie logistycznych gniazd przedmiotowych Zygmunt Mazur Projektowanie logistycznych gniazd przedmiotowych Uwagi wstępne Logistyka obejmuje projektowanie struktury przep³ywu w procesie wytwarzania. Projektowanie dotyczy ustalania liczby, kszta³tu

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

Bardziej szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa W Z Ó R U M O W Y z a w a r t a w G d y n i w d n i u 2 0 1 4 r po m i d z y G d y s k i m O r o d k i e m S p o r t u i R e k r e a c j i j e d n o s t k a b u d e t o w a ( 8 1-5 3 8 G d y n i a ), l

Bardziej szczegółowo

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe

Elementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp

Bardziej szczegółowo

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2 Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z

Bardziej szczegółowo

Standardowe zadanie programowania liniowego. Gliwice 1

Standardowe zadanie programowania liniowego. Gliwice 1 Standardowe zadanie programowania liniowego 1 Standardowe zadanie programowania liniowego Rozważamy proces, w którym zmiennymi są x 1, x 2,, x n. Proces poddany jest m ograniczeniom, zapisanymi w postaci

Bardziej szczegółowo

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH

POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH POISSONOWSKA APROKSYMACJA W SYSTEMACH NIEZAWODNOŚCIOWYCH Barbara Popowska bpopowsk@math.put.poznan.pl Politechnika Poznańska http://www.put.poznan.pl/ PROGRAM REFERATU 1. WPROWADZENIE 2. GRAF JAKO MODEL

Bardziej szczegółowo

Całkowitoliczbowe programowanie liniowe

Całkowitoliczbowe programowanie liniowe Przykład Algorytm Ralph Gomory Inne przykłady Badania operacyjne Instytut Informatyki Przykład Algorytm Ralph Gomory Inne przykłady Zadanie Producent dwóch typów szynobusów planuje produkcję na najbliższy

Bardziej szczegółowo

Metody Optymalizacji: Przeszukiwanie z listą tabu

Metody Optymalizacji: Przeszukiwanie z listą tabu Metody Optymalizacji: Przeszukiwanie z listą tabu Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: wtorek

Bardziej szczegółowo

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie

Bardziej szczegółowo

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy

Bardziej szczegółowo

Definicja problemu programowania matematycznego

Definicja problemu programowania matematycznego Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,

Bardziej szczegółowo

Optymalizacja. Wybrane algorytmy

Optymalizacja. Wybrane algorytmy dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem

Bardziej szczegółowo

ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM

ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM Adam STAWOWY, Marek ŚWIĘCHOWICZ Streszczenie: W pracy zaprezentowano algorytm strategii ewolucyjnej do problemu szeregowania

Bardziej szczegółowo

Laboratorium WDEC. Opis posługiwania się pakietem AMPL

Laboratorium WDEC. Opis posługiwania się pakietem AMPL Laboratorium WDEC Opis posługiwania się pakietem AMPL Adam Krzemienowski, Grzegorz Płoszajski Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska Pakiet AMPL Pakiet AMPL jest narzędziem

Bardziej szczegółowo

IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM

IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM IMPLIKACJE ZASTOSOWANIA KODOWANIA OPARTEGO NA LICZBACH CAŁKOWITYCH W ALGORYTMIE GENETYCZNYM Artykuł zawiera opis eksperymentu, który polegał na uyciu algorytmu genetycznego przy wykorzystaniu kodowania

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5

Bardziej szczegółowo

Programowanie nieliniowe

Programowanie nieliniowe Rozdział 5 Programowanie nieliniowe Programowanie liniowe ma zastosowanie w wielu sytuacjach decyzyjnych, jednak często zdarza się, że zależności zachodzących między zmiennymi nie można wyrazić za pomocą

Bardziej szczegółowo

Uczenie sieci typu MLP

Uczenie sieci typu MLP Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik

Bardziej szczegółowo

KONCEPCJA IMPLEMENTACJI SYSTEMU OCENY PROCESU SZEREGOWANIA SAMOLOTÓW LĄDUJACYCH

KONCEPCJA IMPLEMENTACJI SYSTEMU OCENY PROCESU SZEREGOWANIA SAMOLOTÓW LĄDUJACYCH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2015 Seria: TRANSPORT z. 87 Nr kol. 1929 Artur FLOROWSKI 1, Jacek SKORUPSKI 2 KONCEPCJA IMPLEMENTACJI SYSTEMU OCENY PROCESU SZEREGOWANIA SAMOLOTÓW LĄDUJACYCH Streszczenie.

Bardziej szczegółowo

Metody Numeryczne Optymalizacja. Wojciech Szewczuk

Metody Numeryczne Optymalizacja. Wojciech Szewczuk Metody Numeryczne Optymalizacja Optymalizacja Definicja 1 Przez optymalizację będziemy rozumieć szukanie minimów lub maksimów funkcji. Optymalizacja Definicja 2 Optymalizacja lub programowanie matematyczne

Bardziej szczegółowo

Analiza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p.

Analiza numeryczna Kurs INP002009W. Wykłady 6 i 7 Rozwiązywanie układów równań liniowych. Karol Tarnowski A-1 p. Analiza numeryczna Kurs INP002009W Wykłady 6 i 7 Rozwiązywanie układów równań liniowych Karol Tarnowski karol.tarnowski@pwr.wroc.pl A-1 p.223 Plan wykładu Podstawowe pojęcia Własności macierzy Działania

Bardziej szczegółowo

WYZNACZANIE KOSZTÓW TRANSPORTU Z WYKORZYSTANIEM OCTAVE 3.4.3

WYZNACZANIE KOSZTÓW TRANSPORTU Z WYKORZYSTANIEM OCTAVE 3.4.3 PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 111 Transport 2016 Joanna Szkutnik-, Wojskowa Akademia Techniczna, W WYZNACZANIE KOSZTÓW TRANSPORTU Z WYKORZYSTANIEM OCTAVE 3.4.3 : maj 2016 Streszczenie: samochodowej.

Bardziej szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie liniowe. Tadeusz Trzaskalik Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków

Bardziej szczegółowo

Opis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć

Opis. Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów) Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć Załącznik nr 5 do Uchwały nr 1202 Senatu UwB z dnia 29 lutego 2012 r. nazwa SYLABUS A. Informacje ogólne Tę część wypełnia koordynator (w porozumieniu ze wszystkimi prowadzącymi dany przedmiot w jednostce)

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

Badania Operacyjne Ćwiczenia nr 5 (Materiały) ZADANIE 1 Zakład produkuje trzy rodzaje papieru: standardowy do kserokopiarek i drukarek laserowych (S), fotograficzny (F) oraz nabłyszczany do drukarek atramentowych (N). Każdy z rodzajów papieru wymaga

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

Bardziej szczegółowo

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE 2.2 Ćwiczenia komputerowe Ćwiczenie

Bardziej szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,

Bardziej szczegółowo

Bagaż w samolocie mały wielki kłopot

Bagaż w samolocie mały wielki kłopot 17.08.2012 Bagaż w samolocie mały wielki kłopot Kupując bilet na samolot, zwykle nie zastanawiamy się nad tym, jakiej wielkości bagaż możemy przewieźć. Tymczasem każda linia lotnicza ma swoje limity. Największą

Bardziej szczegółowo

HEURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYCH Z KRYTERIUM MINIMALNO-CZASOWYM

HEURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYCH Z KRYTERIUM MINIMALNO-CZASOWYM EURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYC Z KRYTERIUM MINIMALNO-CZASOWYM Zbigniew BUCALSKI Streszczenie: Artykuł dotyczy zagadnienia czasowo-optymalnego przydziału zasobu podzielnego

Bardziej szczegółowo

Chorągiew Dolnośląska ZHP Honorowa Odznaka Przyjaciół Harcerstwa

Chorągiew Dolnośląska ZHP Honorowa Odznaka Przyjaciół Harcerstwa C h o r ą g i e w D o l n o l ą s k a Z H P W r o c ł a w, 3 0 k w i e t n i a 2 0 1 5 r. Z w i ą z e k H a r c e r s t w a P o l s k i e g o K o m e n d a n t C h o r ą g w i D o l n o 6 l ą s k i e j

Bardziej szczegółowo

MODELOWANIE I SYMULACJA Kościelisko, 19-23 czerwca 2006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE

MODELOWANIE I SYMULACJA Kościelisko, 19-23 czerwca 2006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE ODELOWANIE I SYULACJA Kościelisko, 9-3 czerwca 006r. Oddział Warszawski PTETiS Wydział Elektryczny Politechniki Warszawskiej Polska Sekcja IEEE SYSTE DO KOPUTEROWEGO ODELOWANIA I SYULACJI UKŁADÓW DYNAICZNYCH

Bardziej szczegółowo

SYSTEM INFORMACJI GEOGRAFICZNEJ JAKO NIEZBÊDNY ELEMENT POWSZECHNEJ TAKSACJI NIERUCHOMOŒCI**

SYSTEM INFORMACJI GEOGRAFICZNEJ JAKO NIEZBÊDNY ELEMENT POWSZECHNEJ TAKSACJI NIERUCHOMOŒCI** GEODEZJA l TOM 12 l ZESZYT 2/1 l 2006 Piotr Cichociñski*, Piotr Parzych* SYSTEM INFORMACJI GEOGRAFICZNEJ JAKO NIEZBÊDNY ELEMENT POWSZECHNEJ TAKSACJI NIERUCHOMOŒCI** 1. Wstêp Nieunikniona zapewne w przysz³oœci

Bardziej szczegółowo

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie

Bardziej szczegółowo

Rozwiązywanie programów matematycznych

Rozwiązywanie programów matematycznych Rozwiązywanie programów matematycznych Program matematyczny składa się z następujących elementów: 1. Zmiennych decyzyjnych:,,, 2. Funkcji celu, funkcji-kryterium, która informuje o jakości rozwiązania

Bardziej szczegółowo

Logika funkcji. Modelowanie SI - GHJ 1

Logika funkcji. Modelowanie SI - GHJ 1 Logika funkcji precyzyjne i niedwuznaczne definiowanie szczegółów funkcji stosowana w tych przypadkach, w których funkcja jest złożona lub wymaga arbitralnego algorytmu Celem - zrozumienie przez projektanta

Bardziej szczegółowo

OPTYMALIZACJA DYSKRETNA

OPTYMALIZACJA DYSKRETNA Temat nr a: odelowanie problemów decyzyjnych, c.d. OPTYALIZACJA DYSKRETA Zagadnienia decyzyjne, w których chociaż jedna zmienna decyzyjna przyjmuje wartości dyskretne (całkowitoliczbowe), nazywamy dyskretnymi

Bardziej szczegółowo

Równania nieliniowe, nieliniowe układy równań, optymalizacja

Równania nieliniowe, nieliniowe układy równań, optymalizacja 4 maj 2009 Nieliniowe równania i układy rówań Slajd 1 Równania nieliniowe, nieliniowe układy równań, optymalizacja 4 maj 2009 Nieliniowe równania i układy rówań Slajd 2 Plan zajęć Rozwiązywanie równań

Bardziej szczegółowo

c j x x

c j x x ZESTAW 1 Numer indeksu Test jest wielokrotnego wyboru We wszystkich mają być nieujemne 1 Pewien towar jest zmagazynowany w miejscowości A 1 w ilości 700 ton, w miejscowości 900 ton Ma być on przewieziony

Bardziej szczegółowo

Dualność w programowaniu liniowym

Dualność w programowaniu liniowym 2016-06-12 1 Dualność w programowaniu liniowym Badania operacyjne Wykład 2 2016-06-12 2 Plan wykładu Przykład zadania dualnego Sformułowanie zagadnienia dualnego Symetryczne zagadnienie dualne Niesymetryczne

Bardziej szczegółowo

Algorytmy metaheurystyczne podsumowanie

Algorytmy metaheurystyczne podsumowanie dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem

Bardziej szczegółowo

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl

Bardziej szczegółowo

Algorytm genetyczny (genetic algorithm)-

Algorytm genetyczny (genetic algorithm)- Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie

Bardziej szczegółowo

) a j x j b; x j binarne (j N) całkowitoliczbowe; przyjmujemy (bez straty ogólności): c j > 0, 0 <a j b (j N), P n

) a j x j b; x j binarne (j N) całkowitoliczbowe; przyjmujemy (bez straty ogólności): c j > 0, 0 <a j b (j N), P n PDczęść4 8. Zagadnienia załadunku 8.1 Klasyczne zagadnienia załadunku (ozn. N = {1, 2,..., n} Binarny problem ( (Z v(z =max c j x j : a j x j b; x j binarne (j N zakładamy, że wszystkie dane sa całkowitoliczbowe;

Bardziej szczegółowo

Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego

Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego Michał Dobrzyński * Piotr Waszczur ** Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego Wstęp Efektywność zautomatyzowanych systemów produkcyjnych uzależniona

Bardziej szczegółowo

Wyznaczanie charakterystyki widmowej kolorów z wykorzystaniem zapisu liczb o dowolnej precyzji

Wyznaczanie charakterystyki widmowej kolorów z wykorzystaniem zapisu liczb o dowolnej precyzji AUTOMATYKA 2011 Tom 15 Zeszyt 3 Maciej Nowak*, Grzegorz Nowak* Wyznaczanie charakterystyki widmowej kolorów z wykorzystaniem zapisu liczb o dowolnej precyzji 1. Wprowadzenie 1.1. Kolory Zmys³ wzroku stanowi

Bardziej szczegółowo

2 0 0 M P a o r a z = 0, 4.

2 0 0 M P a o r a z = 0, 4. M O D E L O W A N I E I N Y N I E R S K I E n r 4 7, I S S N 1 8 9 6-7 7 1 X A N A L I Z A W Y T R Z Y M A O C I O W A S Y S T E M U U N I L O C K 2, 4 S T O S O W A N E G O W C H I R U R G I I S Z C Z

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 0. Wprowadzenie Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 28.02.2019 1 / 11 Kontakt wojciech.kotlowski@cs.put.poznan.pl http://www.cs.put.poznan.pl/wkotlowski/mp/

Bardziej szczegółowo

Wstęp do programowania

Wstęp do programowania wykład 7 Agata Półrola Wydział Matematyki i Informatyki UŁ sem. zimowy 2016/2017 Losowanie liczb całkowitych Dostępne biblioteki Najprostsze losowanie liczb całkowitych można wykonać za pomocą funkcji

Bardziej szczegółowo

Równania nieliniowe, nieliniowe układy równań, optymalizacja

Równania nieliniowe, nieliniowe układy równań, optymalizacja Nieliniowe równania i układy rówań Slajd 1 Równania nieliniowe, nieliniowe układy równań, optymalizacja Nieliniowe równania i układy rówań Slajd 2 Plan zajęć Rozwiązywanie równań nieliniowych -metoda bisekcji

Bardziej szczegółowo

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostką budżetową Zamawiającym Wykonawcą

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostką budżetową Zamawiającym Wykonawcą W Z Ó R U M O W Y n r 1 4 k J Bk 2 0 Z a ł» c z n i k n r 5 z a w a r t a w G d y n i w d n i u 1 4 ro ku p o m i 2 0d z y G d y s k i m O r o d k i e m S p o r t u i R e k r e a c j ei d n o s t k» b

Bardziej szczegółowo

Typowe zadania decyzyjne (zadania transportowe, zadania przydziału)

Typowe zadania decyzyjne (zadania transportowe, zadania przydziału) (zadania transportowe, zadania przydziału) Autor: Paweł Szołtysek O układzie prezentacji Decyzja Bardzo trudna decyzja Typowe zadania decyzyjne Wstęp Co to jest problem decyzyjny? I kwartał I II III IV

Bardziej szczegółowo

MODUŁ 3. WYMAGANIA EGZAMINACYJNE Z PRZYKŁADAMI ZADAŃ

MODUŁ 3. WYMAGANIA EGZAMINACYJNE Z PRZYKŁADAMI ZADAŃ MODUŁ 3. WYMAGANIA EGZAMINACYJNE Z PRZYKŁADAMI ZADAŃ A.33 Obsługa podróżnych w portach i terminalach Część pisemna Moduł 3 strona 2 Umiejętność 7 W rejsie morskim, którego rozkładowy czas trwania wynosi

Bardziej szczegółowo

Pilot wielofunkcyjny. Instrukcja instalowania i użytkowania. Informacje: www.deltadore.pl Tel.: +48 12 296 35 84 Fax: + 48 12 296 35 85

Pilot wielofunkcyjny. Instrukcja instalowania i użytkowania. Informacje: www.deltadore.pl Tel.: +48 12 296 35 84 Fax: + 48 12 296 35 85 Pilot wielofunkcyjny kod: 6700003 Informacje: www.deltadore.pl Tel.: +48 12 296 35 84 Fax: + 48 12 296 35 85 Delta Dore Polska Sp. z o.o. ul. Brodowicza 8/4, 31-518 Kraków e-mail: biuro@deltadore.pl Gwarancja

Bardziej szczegółowo

Analiza obrazów RTG w celu zwiêkszenia skutecznoœci predykcji dysplazji oskrzelowo-p³ucnej u noworodków

Analiza obrazów RTG w celu zwiêkszenia skutecznoœci predykcji dysplazji oskrzelowo-p³ucnej u noworodków AUTOMATYKA 2008 Tom 12 Zeszyt 2 Marcin Ochab* Analiza obrazów RTG w celu zwiêkszenia skutecznoœci predykcji dysplazji oskrzelowo-p³ucnej u noworodków 1. Wprowadzenie Dotychczas w pracach dotycz¹cych przewidywañ

Bardziej szczegółowo

Jerzy Stopa*, Stanis³aw Rychlicki*, Pawe³ Wojnarowski* ZASTOSOWANIE ODWIERTÓW MULTILATERALNYCH NA Z O ACH ROPY NAFTOWEJ W PÓ NEJ FAZIE EKSPLOATACJI

Jerzy Stopa*, Stanis³aw Rychlicki*, Pawe³ Wojnarowski* ZASTOSOWANIE ODWIERTÓW MULTILATERALNYCH NA Z O ACH ROPY NAFTOWEJ W PÓ NEJ FAZIE EKSPLOATACJI WIERTNICTWO NAFTA GAZ TOM 24 ZESZYT 1 2007 Jerzy Stopa*, Stanis³aw Rychlicki*, Pawe³ Wojnarowski* ZASTOSOWANIE ODWIERTÓW MULTILATERALNYCH NA Z O ACH ROPY NAFTOWEJ W PÓ NEJ FAZIE EKSPLOATACJI 1. WPROWADZENIE

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNENE TRANSPORTOWE Definicja: Program liniowy to model, w którym warunki ograniczające oraz funkcja celu są funkcjami liniowymi. W skład każdego programu liniowego wchodzą: zmienne decyzyjne, ograniczenia

Bardziej szczegółowo

Optymalizacja. Programowanie Matematyczne

Optymalizacja. Programowanie Matematyczne . dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Zakres tematyczny Metodyka optymalizacja liniowa, całkowitoliczbowa, nieliniowa, heurystyki,

Bardziej szczegółowo

Techniki optymalizacji

Techniki optymalizacji Techniki optymalizacji Wprowadzenie Maciej Hapke maciej.hapke at put.poznan.pl Literatura D.E. Goldberg Algorytmy genetyczne i zastosowania, WNT, 1995 Z. Michalewicz Algorytmy genetyczne + struktury danych

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium Zadanie nr 3 Sudoku autor: A. Gonczarek Cel zadania Celem zadania jest napisanie programu rozwiązującego Sudoku, formułując problem optymalizacji jako zadanie programowania

Bardziej szczegółowo

Plan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji

Plan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji

Bardziej szczegółowo

S.A RAPORT ROCZNY Za 2013 rok

S.A RAPORT ROCZNY Za 2013 rok O P E R A T O R T E L E K O M U N I K A C Y J N Y R A P O R T R O C Z N Y Z A 2 0 1 3 R O K Y u r e c o S. A. z s i e d z i b t w O l e ~ n i c y O l e ~ n i c a, 6 m a j a 2 0 14 r. S p i s t r e ~ c

Bardziej szczegółowo

1 Programowanie całkowitoliczbowe PLC

1 Programowanie całkowitoliczbowe PLC Metody optymalizacji, wykład nr 9 Paweł Zieliński Programowanie całkowitoliczbowe PLC Literatura [] S.P. Bradley, A.C. Hax, T. L. Magnanti Applied Mathematical Programming Addison-Wesley Pub. Co. (Reading,

Bardziej szczegółowo

10. Figury p³askie. Uczeñ: 13) rozpoznaje wielok¹ty przystaj¹ce i podobne

10. Figury p³askie. Uczeñ: 13) rozpoznaje wielok¹ty przystaj¹ce i podobne 20. PROJEKTOWANIE PUZZLI. Realizowane treœci podstawy programowej Przedmiot Matematyka Realizowana treœæ podstawy programowej 0. Figury p³askie. Uczeñ: 3) rozpoznaje wielok¹ty przystaj¹ce i podobne Informatyka

Bardziej szczegółowo

PROJEKTOWANIE ROZBUDOWY SIECI TRANSPORTOWYCH

PROJEKTOWANIE ROZBUDOWY SIECI TRANSPORTOWYCH PROJEKTOWANIE POLSKIE ROZBUDOWY TOWARZYSTWO SIECI TRANSPORTOWYCH INFORMACJI ZA POMOC PRZESTRZENNEJ ALGORYTMU EWOLUCYJNEGO ROCZNIKI GEOMATYKI 2011 m TOM IX m ZESZYT 4(48) 85 PROJEKTOWANIE ROZBUDOWY SIECI

Bardziej szczegółowo

Projektowanie i analiza algorytmów

Projektowanie i analiza algorytmów POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Projektowanie i analiza algorytmów www.pk.edu.pl/~zk/piaa_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład

Bardziej szczegółowo

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy Modelowania Matematycznego Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce

Bardziej szczegółowo

1 Logowanie: 2 Strona startowa: WY SZA SZKO A FINANSÓW I ZARZ DZANIA W WARSZAWIE. Instrukcja korzystania z systemu

1 Logowanie: 2 Strona startowa: WY SZA SZKO A FINANSÓW I ZARZ DZANIA W WARSZAWIE. Instrukcja korzystania z systemu WY SZA SZKO A FINANSÓW I ZARZ DZANIA W WARSZAWIE SYSTEM SK ADANIA WNIOSKÓW O WYDANIE ZAŒWIADCZEŃ STUDENCKICH W roku akademickim 2006/2007 uruchomiony zosta³ internetowy system zg³aszania wniosków o wydanie

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu. Tytuł: 03. Zastosowanie programowania binarnego i całkowitoliczbowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put

Bardziej szczegółowo

Przykładowe zadanie w części praktycznej egzaminu w modelu d dla kwalifikacji A.33. Obsługa podróżnych w portach i terminalach

Przykładowe zadanie w części praktycznej egzaminu w modelu d dla kwalifikacji A.33. Obsługa podróżnych w portach i terminalach Przykładowe zadanie w części praktycznej egzaminu w modelu d dla kwalifikacji A.33. Obsługa podróżnych w portach i terminalach Pani Ewa Nowak zarezerwowała bilet na lot z Warszawy do Mediolanu odbywający

Bardziej szczegółowo

Tomasz M. Gwizdałła 2012/13

Tomasz M. Gwizdałła 2012/13 METODY METODY OPTYMALIZACJI OPTYMALIZACJI Tomasz M. Gwizdałła 2012/13 Informacje wstępne Tomasz Gwizdałła Katedra Fizyki Ciała Stałego UŁ Pomorska 149/153, p.523b tel. 6355709 tomgwizd@uni.lodz.pl http://www.wfis.uni.lodz.pl/staff/tgwizdalla

Bardziej szczegółowo

T00o historyczne: Rozwój uk00adu okresowego pierwiastków 1 Storytelling Teaching Model: wiki.science-stories.org , Research Group

T00o historyczne: Rozwój uk00adu okresowego pierwiastków 1 Storytelling Teaching Model: wiki.science-stories.org , Research Group 13T 00 o h i s t o r y c z n Re o: z w ó j u k 00 a d u o k r e s o w e g o p i e r w i a s t k ó w W p r o w a d z e n i e I s t n i e j e w i e l e s u b s t a n c j i i m o g o n e r e a g o w a z e

Bardziej szczegółowo

G d y n i a W y k o n a n i e p r a c p i e l g n a c y j- n o r e n o w a c y j n y c h n a o b i e k t a c h s p o r t o w y c h G C S o r a z d o s t a w a n a s i o n t r a w, n a w o z u i w i r u

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium Sudoku autor: A. Gonczarek Cel zadania Celem zadania jest napisanie programu rozwiązującego Sudoku, formułując problem optymalizacji jako zadanie programowania binarnego.

Bardziej szczegółowo

Elementy cyfrowe i układy logiczne

Elementy cyfrowe i układy logiczne Elementy cyfrowe i układy logiczne Wykład Legenda Zezwolenie Dekoder, koder Demultiplekser, multiplekser 2 Operacja zezwolenia Przykład: zamodelować podsystem elektroniczny samochodu do sterowania urządzeniami:

Bardziej szczegółowo

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa

Gdyńskim Ośrodkiem Sportu i Rekreacji jednostka budżetowa Z a ł» c z n i k n r 5 d o S p e c y f i k a c j i I s t o t n y c h W a r u n k Zó aw m ó w i e n i a Z n a k s p r a w y G O S I R D Z P I 2 7 1 0 1 1 2 0 14 W Z Ó R U M O W Y z a w a r t a w Gd y n

Bardziej szczegółowo

Hierarchiczna analiza skupień

Hierarchiczna analiza skupień Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym

Bardziej szczegółowo

Planowanie przedsięwzięć

Planowanie przedsięwzięć K.Pieńkosz Badania Operacyjne Planowanie przedsięwzięć 1 Planowanie przedsięwzięć Model przedsięwzięcia lista operacji relacje poprzedzania operacji modele operacji funkcja celu planowania K.Pieńkosz Badania

Bardziej szczegółowo

Sztuczna Inteligencja Projekt

Sztuczna Inteligencja Projekt Sztuczna Inteligencja Projekt Temat: Algorytm F-LEM1 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm F LEM 1. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu F LEM1

Bardziej szczegółowo

APIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI

APIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI APIO. W7 SPECYFIKACJA (UŻYCIA) DOSTĘPU DO DANYCH I SPOSOBU ICH PRZETWARZANIA 1. METODA CRUD 2. LOGIKA FUNKCJI dr inż. Grażyna Hołodnik-Janczura W8/K4 CO SIĘ MOŻE DZIAĆ PODCZAS WYKONYWANIA BIZNESOWEJ FUNKCJI

Bardziej szczegółowo

Wyniki badań hałasu lotniczego w roku 2014

Wyniki badań hałasu lotniczego w roku 2014 Wyniki badań hałasu lotniczego w roku 2014 Pomiary hałasu lotniczego wpisanego do bazy wykonywane są głównie przez same porty lotnicze zgodnie z art. 175 ustawy Poś. Obowiązek prowadzenia ciągłych pomiarów

Bardziej szczegółowo

MODELOWANIE FAZ ZNI ANIA I L DOWANIA SAMOLOTU BOEING 767-300ER PRZY U YCIU SZTUCZNYCH SIECI NEURONOWYCH

MODELOWANIE FAZ ZNI ANIA I L DOWANIA SAMOLOTU BOEING 767-300ER PRZY U YCIU SZTUCZNYCH SIECI NEURONOWYCH P R A C E N A U K O W E P O L I T E C H N I K I W A R S Z A W S K I E J z. 102 Transport 2014 Aleksandra Stycunów, Jerzy Manerowski Politechnika Warszawska, Wydzia Transportu MODELOWANIE FAZ ZNI ANIA I

Bardziej szczegółowo

2010 W. W. Norton & Company, Inc. Nadwyżka Konsumenta

2010 W. W. Norton & Company, Inc. Nadwyżka Konsumenta 2010 W. W. Norton & Company, Inc. Nadwyżka Konsumenta Pieniężny Pomiar Korzyści z Handlu Możesz kupić tyle benzyny ile chcesz, po cenie 2zł za litr. Jaka jest najwyższa cena, jaką zapłacisz za 1 litr benzyny?

Bardziej szczegółowo

Chorągiew Dolnośląska ZHP 1. Zarządzenia i informacje 1.1. Zarządzenia

Chorągiew Dolnośląska ZHP 1. Zarządzenia i informacje 1.1. Zarządzenia C h o r ą g i e w D o l n o l ą s k a Z H P W r o c ł a w, 3 0 l i s t o p a d a2 0 1 4 r. Z w i ą z e k H a r c e r s t w a P o l s k i e g o K o m e n d a n t C h o r ą g w i D o l n o 6 l ą s k i e

Bardziej szczegółowo

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a

Programowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a Programowanie nieliniowe Badania operacyjne Wykład 3 Metoda Lagrange a Plan wykładu Przykład problemu z nieliniową funkcją celu Sformułowanie problemu programowania matematycznego Podstawowe definicje

Bardziej szczegółowo

Optymalizacja struktury produkcji kopalni z uwzględnieniem kosztów stałych i zmiennych

Optymalizacja struktury produkcji kopalni z uwzględnieniem kosztów stałych i zmiennych Optymalizacja struktury produkcji kopalni z uwzględnieniem kosztów stałych i zmiennych 1) dr hab. inż.; AGH Kraków, Wydział Górnictwa i Geoinżynierii 2) dr hab.; AGH Kraków, Wydział Matematyki Stosowanej

Bardziej szczegółowo

Modelowanie logistycznych sytuacji decyzyjnych w konwencji zadań programowania matematycznego

Modelowanie logistycznych sytuacji decyzyjnych w konwencji zadań programowania matematycznego Artur Berliński 1 Modelowanie logistycznych sytuacji decyzyjnych w konwencji zadań programowania matematycznego 24 Wstęp O konkurencyjności przedsiębiorstwa decyduje między innymi, efektywna strategia

Bardziej szczegółowo

ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007

ALGORYTM SIMPLEX. B.Gładysz Badania operacyjne 2007 ALGORYTM SIMPLEX 7 Zagadnienie asortymentu produkcji Firma produkuje dwa wyroby P, P. Ograniczeniem dla produkcji są trzy surowce S, S i S.Nakłady jednostkowe surowców są następujące: S S S Zysk jednostkowy

Bardziej szczegółowo

LINIA MONTAŻOWA Z WIELOMA OPERATORAMI NA POJEDYNCZEJ STACJI ROBOCZEJ

LINIA MONTAŻOWA Z WIELOMA OPERATORAMI NA POJEDYNCZEJ STACJI ROBOCZEJ LINIA MONTAŻOWA Z WIELOMA OPERATORAMI NA POJEDYNCZEJ STACJI ROBOCZEJ Waldemar GRZECHCA Streszczenie: Obecnie najczęściej spotykanymi procesami produkcyjnymi są procesy montażowe mające na celu złożenie

Bardziej szczegółowo

Projekt 1 Wymiarowanie (sizing) analiza trendów, wyznaczenie konstrukcyjnej masy startowej.

Projekt 1 Wymiarowanie (sizing) analiza trendów, wyznaczenie konstrukcyjnej masy startowej. Projekt 1 Wymiarowanie (sizing) analiza trendów, wyznaczenie konstrukcyjnej masy startowej. Niniejszy projekt obejmuje wstępne wymiarowanie projektowanego samolotu i składa się z następujących punktów

Bardziej szczegółowo

W³adys³aw Duliñski*, Czes³awa Ewa Ropa*

W³adys³aw Duliñski*, Czes³awa Ewa Ropa* WIERTNICTWO NAFTA GAZ TOM 5 ZESZYT 008 W³adys³aw Duliñski*, Czes³awa Ewa Ropa* ANALIZA I USTALENIE PARAMETRÓW EKSPLOATACYJNYCH DLA ODWIERTÓW WÓD MINERALNYCH W ZALE NOŒCI OD WIELKOŒCI WYK ADNIKA GAZOWEGO

Bardziej szczegółowo

Programowanie liniowe metoda sympleks

Programowanie liniowe metoda sympleks Programowanie liniowe metoda sympleks Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2012 Mirosław Sobolewski (UW) Warszawa, 2012 1 / 12

Bardziej szczegółowo

Realizacja poszczególnych zadań wariant minimalny

Realizacja poszczególnych zadań wariant minimalny Realizacja poszczególnych zadań wariant minimalny Zmiana profili startu samolotów F16 Zmiana profili startów samolotów F-16 (stacjonujących na lotnisku wojskowym w Krzesinach) w przypadku startów w kierunku

Bardziej szczegółowo