Laboratorium: sprawdzian MATLAB
|
|
- Grzegorz Ostrowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Metody optymalizacji Laboratorium: sprawdzian MATLAB 13 czerwca 2016 r. godz PROSZĘ UWAŻNIE PRZECZYTAĆ PONIŻSZE ZASADY! Proszę się podpisać na tej stronie. Czas pracy: studentowi przysługuje nie więcej niż 90 minut. Można używać dowolnych materiałów pomocniczych przyniesionych ze sobą, zaglądać do Internetu itd. Jednakże: nie wolno zachowywać się głośno, porozumiewać się z innymi piszącymi, nie wolno używać telefonu komórkowego czy tp. Porozumiewać można się tylko z prowadzącymi. Przed przystąpieniem do wykonania pracy warto skonsultować z prowadzącymi, czy dobrze zrozumiało się oczekiwania odnośnie do wykonywanego zadania. Jeśli nie wie się, jak zrealizować zadanie w 100%, warto mimo wszystko próbować zrealizować przynajmniej wybrane elementy zadania Uzyskane wyniki należy przed wyjściem przesłać em (w postaci spakowanego katalogu o nazwie według wzorca: imie-nazwisko.zip) do prowadzących na adresy: piotr.cholda@agh.edu.pl, rzym@kt.agh.edu.pl oraz kamisinski@kt.agh.edu.pl. a należy zatytułować według następującego wzorca: [MetOpt-laboratorium] <Imię Nazwisko>: sprawdzian nr 2. Przed opuszczeniem sali należy prowadzącemu oddać niniejszą kartkę. Na odwrocie kartki (ew. na dołączonych kartkach) należy umieścić sformułowanie matematyczne modelu optymalizacyjnego. Imię i nazwisko: Zadanie (17 pkt.) Należy przedstawić sformułowanie zadania programowania matematycznego, które posłuży do rozwiązania problemu optymalizacyjnego opisanego za pomocą poniższych warunków. Sformułowanie ma mieć charakter możliwie ogólny, tj. należy je przygotować w taki sposób, żeby łatwo można było zmienić dane. Następnie sformułowanie to należy zaimplementować z użyciem funkcji oraz skryptu/skryptów programu MATLAB (implementować można równocześnie z przygotowywaniem sformułowania). Poza znalezieniem rozwiązania optymalnego skrypt powinien również w eleganckiej formie podać rozwiązanie. Projektujemy sieć dostępową, w której odbiorcy końcowi są stacjonarni. Interesuje nas umiejscowienie koncentratora, który łączy się z centralą z użyciem światłowodu (koszt zaciągnięcia kilometra to 15 jednostek pieniężnych), a z odbiorcami końcowymi łączy się z użyciem kabli miedzianych (koszt kilometra kabla miedzianego to 50 jednostek pieniężnych). Znamy lokalizacje odbiorców końcowych oraz centrali. Ze względów technicznych zakładamy, że odległość koncentratora od pojedynczego odbiorcy nie może przekraczać 350 m. W jaki sposób najtaniej umiejscowić koncentrator? Współrzędne odbiorców końcowych: 1. odbiorca nr 1: (0,7386; 0,7690), 2. odbiorca nr 2: (0,5860; 0,5814), 3. odbiorca nr 3: (0,2467; 0,9283), 4. odbiorca nr 4: (0,6664; 0,5801), 5. odbiorca nr 5: (0,0835; 0,0170), 6. odbiorca nr 6: (0,6260; 0,1209), 7. odbiorca nr 7: (0,6609; 0,8627), 8. odbiorca nr 8: (0,7298; 0,4843), 9. odbiorca nr 9: (0,8908; 0,8449), 10. odbiorca nr 10: (0,9823; 0,2094). Współrzędne podano w km względem centrali traktowanej jako położona w punkcie (0, 0). - Strona 1
2 Metody optymalizacji Laboratorium: sprawdzian MATLAB 13 czerwca 2016 r. godz Model matematyczny zagadnienia: Strona 2
3 Sposób rozwiązywania przykładowego zadania ze sprawdzianu z użycia oprogramowania MATLAB Kroki postępowania 1. Podpisanie się na kartce. 2. Analiza zadania polegająca na wyodrębnieniu treści ważnych z punktu widzenia modelowania optymalizacyjnego. 3. Zapisanie modelu matematycznego i naniesienie go na kartkę z zadaniem. 4. Utworzenie skryptu odpowiadającego za zapisanie danych, wywołanie funkcji służącej do optymalizacji oraz za prezentację wyników. 5. Utworzenie plików z funkcją celu i funkcjami ograniczeń. 6. Wysłanie a z rozwiązaniem do prowadzących oraz oddanie kartki. Analiza zadania Najpierw należy zwrócić uwagę na istotne informacje, które posłużą do wypracowania modelu matematycznego zadania optymalizacji tj. na elementy, które należy wyabstrahować z historyjki : Projektujemy sieć dostępową, w której odbiorcy końcowi są stacjonarni. Interesuje nas umiejscowienie koncentratora, który łączy się z centralą z użyciem światłowodu (koszt zaciągnięcia kilometra to 50 jednostek pieniężnych), a z odbiorcami końcowymi łączy się z użyciem kabli miedzianych (koszt kilometra kabla miedzianego to 5 jednostek pieniężnych). Znamy lokalizacje odbiorców końcowych oraz centrali. Ze względów technicznych zakładamy, że odległość koncentratora od pojedynczego odbiorcy nie może przekraczać 350 m. W jaki sposób najtaniej umiejscowić koncentrator? Oczywiście interesują nas konkretne wartości liczbowe związane z lokalizacją odbiorców (podane współrzędne) oraz informacja, że: Współrzędne podano w km względem centrali traktowanej jako położona w punkcie (0, 0). Interpretacja wyróżnionych fragmentów: stacjonarni... umiejscowienie... Znamy lokalizacje: można domyśleć się, że chodzi o pewien problem lokalizacji nowego punktu, wiemy też że znane lokalizacje się nie zmieniają; łączy się z centralą... koszt... kilometra jednostek: należy uwzględnić współrzędne punktu (nazywanego centralą, ale to jest tylko część historyjki ), ponadto odległość będzie przemnażana przez koszt 50 km 1 ; z odbiorcami końcowymi łączy się... koszt kilometra... 5 jednostek: należy uwzględnić drugi typ punktów (nazywanych odbiorcami końcowymi też tylko element historyjki ), odległość od których ma być przemnażana przez koszt 5 km 1 ; zakładamy, że odległość koncentratora od pojedynczego klienta nie może przekraczać 350 m: jeśli przyjęliśmy km jako podstawową jednostkę (por. wyżej), to musimy wprowadzić ograniczenie górne na pojedynczą odległość nowego punktu od każdego punktu drugiego typu ( odbiorców ) o wartości 0,35; współrzędne podano w km względem... w punkcie (0, 0): podstawowa jednostka dla współrzędnych to wcześniej założony km, ponadto znamy również położenie punktu zwanego centralą. Zapis matematyczny problemu Wiadomo, że należy użyć programowania matematycznego. W tym przypadku posłużymy się programowaniem nieliniowym. Państwo znają sformułowanie problemu najlepszej lokalizacji (problem Fermata-Webera), który służy do znalezienia punktu położonego średnio najbliżej ze względu na zadaną grupę punktów. Odległość jest mierzona z użyciem metryki euklidesowej. Zapis problemu zależy od następujących stałych:
4 lokalizacje odbiorców indeksujemy jako k = 1, 2,..., K; współrzędne lokalizacji odbiorcy k oznaczymy jako (x k, y k ); koszt związany z odległościami od odbiorców to c k ; koszt związany z odległością od centrali to c e ; ograniczenie górne na odległość od pojedynczego odbiorcy będziemy reprezentować jako d. Jako zmienne oznaczające współrzędne poszukiwanego punktu lokalizacji koncentratora przyjmiemy (x, y). Podstawowy problem Fermata-Webera zapisuje się matematycznie w postaci: min k=1,2,...,k (x xk ) 2 + (y y k ) 2 s.t.: x, y R Podane wyżej sformułowanie należy poszerzyć o następujące elementy: modyfikacja funkcji celu uwzględniająca odległość od punktu zwanego centralą o współrzędnych (0, 0) oraz o koszty odległości: min c e x2 + y 2 + c k k=1,2,...,k (x xk ) 2 + (y y k ) 2 ; ograniczenia górne na odległości od punktów zwanych odbiorcami : (x xk ) 2 + (y y k ) 2 d dla k = 1, 2,..., K. W związku z tym całość sformułowania (należy je zapisać na drugiej stronie kartki z zadaniem) wygląda następująco: min c e x2 + y 2 + c k k=1,2,...,k (x xk ) 2 + (y y k ) { 2 (x xk ) s.t.: 2 + (y y k ) 2 d k = 1, 2,..., K x, y R Implementacja z użyciem MATLAB Najpierw tworzymy plik ze skryptem, w którym podamy dane. Następnie, w związku z tym, że z danych będą korzystały funkcje zdefiniowane na zewnątrz skryptu, dane zostaną zapisane na dysku. Skrypt będzie odpowiedzialny za wywołanie funkcję służącej do optymalizacji oraz za graficzną prezentację wyniku. Listingi poszczególnych część rozwiązania uzupełniono o objaśniania w komentarzach (bez użycia polskich znaków). Plik zawierający skrypt: 1 close all 2 clear all 3 clc 4 5 number_ points = 10; 6 % mamy 10 odbiorcow, K = cost_ fiber = 50; 9 % koszt zaciagniecia kilometra swiatlowodu, c_e cost_ copper = 5; 12 % koszt kilometra kabla miedzianego, c_k max_ distance_ copper = 0. 35; 15 % maksymalna odleglosc koncentratora od odbiorcy, d xcoord = [ ]; 18 % wspolrzedne odbiorcow, x_k ycoord = [ ]; 21 % wspolrzedne odbiorcow, y_k save ( dane, xcoord, ycoord, cost_fiber, cost_copper, max_distance_copper ); scatter ( xcoord, ycoord ) 26 % rysujemy lokalizacje odbiorcow 27 2
5 28 hold on 29 scatter (0,0, h, filled, blue ) 30 % rysujemy lokalizacje centrali fun obj_ fermat_ weber ; 33 % funkcja celu zdefiniowana w odrebnym pliku x0 = [ ]; 36 % w zwiazku z tym, ze wszystkie wspolrzedne mieszcza sie w przedziale 37 % [0,1], warto zaczac szukac od,, srodka, bo przy duzej liczbie punktow i 38 % braku wag zwiazanych z odleglosciami wiadomo, ze to byloby rozwiazanie 39 % optymalne A = []; 42 b = []; 43 Aeq = []; 44 beq = []; 45 % nie uzywamy w ogole ograniczen liniowych lb = [ min ( xcoord ) min ( ycoord )]; 48 % z natury problemu wynika, ze najmniejsza wartosc zmiennej x nie bedzie 49 % nizsza od minimum po wszystkich x_k, analogicznie dla y ub = [ max ( xcoord ) max ( ycoord )]; 52 % z natury problemu wynika, ze najwieksza wartosc zmiennej x nie bedzie 53 % nizsza od maksimum po wszystkich x_k, analogicznie dla y nonlcon constr_ fermat_ weber ; 56 % funkcje ograniczen zdefiniowane w odrebnym pliku options. Algorithm = interior - point ; 59 % w przypadku uzywania ograniczen warto zmienic domyslny algorytm 60 % rozwiazywania options. MaxFunEvals = 5000; 63 % maksymalna dopuszczalna liczba iteracji algorytmu minimalizacji [x,fval, exitflag, output, lambda,grad, hessian ] = fmincon (fun,x0,a,b,aeq,beq,lb,ub, nonlcon, options ); 66 % warto pamietac, ze funkcja fmincon sluzy do minimalizacji, czyli gdybysmy 67 % potrzebowali maksymalizowac funkcje celu, nalezy ja przemnozyc przez ( -1) optimal_ variables = x 70 % optymalne wartosci funkcji celu, uwaga : x to jest caly wektor wartosci 71 % zmiennych, a nie tylko " x" z naszego opisu matematycznego 72 % ( w ktorym " x" oznacza tylko pierwsza wspolrzedna lokalizacji koncentratora ) optimal_ goal = fval 75 % optymalna wartosc funkcji celu, gdyby problem mial charakter 76 % maksymalizacji, nalezaloby ja przemnozyc przez ( -1) scatter (x (1),x (2), d, filled, red ) 79 % rysujemy lokalizacje koncentratora Plik zawierający funkcję celu: 1 function [ total_weighted_euclidean_distance ] = obj_fermat_weber ( position ) 2 % wektor position to z punktu widzenia naszego opisu ( x, y) 3 4 load ( dane, xcoord ); 5 load ( dane, ycoord ); 6 load ( dane, cost_fiber ); 3
6 7 load ( dane, cost_copper ); 8 9 weig_center = cost_fiber * sqrt ( position (1) ^2+ position (2) ^2) ; 10 % wazona wartosc odleglosci centrali od koncentratora distx = ( position (1) - xcoord ).^2; 13 % wektor wartosci ( x- x_k ) ^ disty = ( position (2) - ycoord ).^2; 16 % wektor wartosci ( y- y_k ) ^ distxy = sqrt ( distx + disty ); 19 % wektor odleglosci koncentratora od poszczegolnych odbiorcow weig_distxy = cost_copper * sum ( distxy ); 22 % wazona wartosc odleglosci odbiorcow od koncentratora total_weighted_euclidean_distance = weig_center + weig_distxy ; 25 % wartosc funkcji celu : bedzie minimalizowana end Plik zawierający funkcje opisujące lewą stronę ograniczeń (używamy tylko ograniczeń nierównościowych): 1 function [ c, ceq ] = constr_ fermat_ weber ( position ) 2 3 load ( dane, xcoord ); 4 load ( dane, ycoord ); 5 load ( dane, max_distance_copper ); 6 7 c = []; 8 9 for i =1: length ( xcoord ) 10 % dodajemy po ograniczeniu na kazdego odbiorce 11 distx = ( position (1) - xcoord (i)) ^2; 12 disty = ( position (2) - ycoord (i)) ^2; 13 distxy = sqrt ( distx + disty ); 14 lhs_ constraint = distxy - max_ distance_ copper ; 15 c = [ c lhs_ constraint ]; 16 end ceq = []; 19 % brak ograniczen rownosciowych end Oddawanie rozwiązania Na koniec należy: wysłać paczkę z projektem do prowadzących (projekt ma być spakowany, a powinien mieć nadany odpowiedni tytuł); oddać kartę z zadaniem. 4
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zapoznanie z narzędziami optymalizacyjnymi w środowisku MATLAB
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Narzędzia optymalizacji w środowisku MATLAB Materiały pomocnicze do ćwiczeń laboratoryjnych
Bardziej szczegółowoSpis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]
Spis treści 1 Zastosowanie Matlab a... 2 1.1 Wstęp... 2 1.2 Zagadnienie standardowe... 3 1.3 Zagadnienie transportowe... 5 1 Zastosowanie Matlab a Anna Tomkowska [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]
Bardziej szczegółowoLaboratorium Metod Optymalizacji
Laboratorium Metod Optymalizacji Grupa nr... Sekcja nr... Ćwiczenie nr 4 Temat: Programowanie liniowe (dwufazowa metoda sympleksu). Lp. 1 Nazwisko i imię Leszek Zaczyński Obecność ocena Sprawozdani e ocena
Bardziej szczegółowod) Definiowanie macierzy z wykorzystaniem funkcji systemu Matlak
OPTYMALIZACJA W ŚRODOWISKU MATLAB. Cel ćwiczeń Celem ćwiczeń jest zaznajomienie studentów z podstawową obsługą środowiska obliczeń inżynierskich Matlab oraz zapoznanie się z możliwościami przeprowadzenia
Bardziej szczegółowoOptymalizacja systemów
Optymalizacja systemów Laboratorium - problem detekcji twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, P. Klukowski Cel zadania Celem zadania jest zapoznanie się z gradientowymi algorytmami optymalizacji
Bardziej szczegółowoZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI
Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji
Bardziej szczegółowoEkonometria - ćwiczenia 10
Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium Zadanie nr 3 Osada autor: A Gonczarek Celem poniższego zadania jest zrealizowanie fragmentu komputerowego przeciwnika w grze strategiczno-ekonomicznej
Bardziej szczegółowo//warunki początkowe m=500; T=30; c=0.4; t=linspace(0,t,m); y0=[-2.5;2.5];
4.3. Przykłady wykorzystania funkcji bibliotecznych 73 MATLAB % definiowanie funkcji function [dx]=vderpol(t,y) global c; dx=[y(2); c*(1-y(1)^2)*y(2)-y(1)]; SCILAB // definiowanie układu function [f]=vderpol(t,y,c)
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 2 Detekcja twarzy autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się algorytmem gradientu prostego
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowomaj 2014 Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I
Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I Podstawy teorii optymalizacji Wykład 12 M. H. Ghaemi maj 2014 Podstawy teorii optymalizacji Oceanotechnika, II stop., sem.
Bardziej szczegółowoDefinicja problemu programowania matematycznego
Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i
Bardziej szczegółowoRozdział 9 PROGRAMOWANIE DYNAMICZNE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 9 PROGRAMOWANIE DYNAMICZNE 9.2. Ćwiczenia komputerowe Ćwiczenie 9.1 Wykorzystując
Bardziej szczegółowoAutostopem przez galaiktykę: Intuicyjne omówienie zagadnień. Tom I: Optymalizacja. Nie panikuj!
Autostopem przez galaiktykę: Intuicyjne omówienie zagadnień Tom I: Optymalizacja Nie panikuj! Autorzy: Iwo Błądek Konrad Miazga Oświadczamy, że w trakcie produkcji tego tutoriala nie zginęły żadne zwierzęta,
Bardziej szczegółowoExcel - użycie dodatku Solver
PWSZ w Głogowie Excel - użycie dodatku Solver Dodatek Solver jest narzędziem używanym do numerycznej optymalizacji nieliniowej (szukanie minimum funkcji) oraz rozwiązywania równań nieliniowych. Przed pierwszym
Bardziej szczegółowoDocument: 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 szczegółowoOBLICZENIA OPTYMALIZACYJNE W MATLABIE. WEiTI PW
OBLICZENIA OPTYMALIZACYJNE W MATLABIE Definicje pojęć, na przykładzie projektowania iteracyjnego w oparciu o przebieg charakterystyki T(f) T f Definicje pojęć FUNKCJA CELU (objective function) (funkcjonał)
Bardziej szczegółowoZ-ZIP2-303z Zagadnienia optymalizacji Problems of optimization
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 0/03 Z-ZIP-303z Zagadnienia optymalizacji Problems of optimization A. USYTUOWANIE
Bardziej szczegółowoZAGADNIENIE 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 szczegółowoOptymalizacja konstrukcji
Optymalizacja konstrukcji Kształtowanie konstrukcyjne: nadanie właściwych cech konstrukcyjnych przeszłej maszynie określenie z jakiego punktu widzenia (wg jakiego kryterium oceny) będą oceniane alternatywne
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoPolitechnika Gdańska Wydział Oceanotechniki i Okrętownictwa. Marzec Podstawy teorii optymalizacji Oceanotechnika, II stop., sem.
Politechnika Gdańska Wydział Oceanotechniki i Okrętownictwa St. II stop., sem. I, Kierunek Oceanotechnika, Spec. Okrętowe Podstawy teorii optymalizacji Wykład 1 M. H. Ghaemi Marzec 2016 Podstawy teorii
Bardziej szczegółowoRozdział 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 szczegółowoRozwiązywanie równań różniczkowych z niezerowymi warunkami początkowymi
. Cele ćwiczenia Laboratorium nr Rozwiązywanie równań różniczkowych z niezerowymi warunkami początkowymi zapoznanie się z metodami symbolicznego i numerycznego rozwiązywania równań różniczkowych w Matlabie,
Bardziej szczegółowoKlasyfikator liniowy Wstęp Klasyfikator liniowy jest najprostszym możliwym klasyfikatorem. Zakłada on liniową separację liniowy podział dwóch klas między sobą. Przedstawia to poniższy rysunek: 5 4 3 2
Bardziej szczegółowoROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)
ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest
Bardziej szczegółowoĆwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe. Logistyka w Hutnictwie Ćw. L.
Ćwiczenia laboratoryjne - Dobór optymalnego asortymentu produkcji programowanie liniowe Ćw. L. Typy optymalizacji Istnieją trzy podstawowe typy zadań optymalizacyjnych: Optymalizacja statyczna- dotyczy
Bardziej szczegółowoWykład z modelowania matematycznego. Zagadnienie transportowe.
Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana
Bardziej szczegółowoMETODY WIELOKRYTERIALNE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 4 METODY WIELOKRYTERIALNE 4.3. ZADANIA Zadanie 4.1 Wykorzystując tryb konwersacyjny
Bardziej szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 3 Detekcja twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba Cel zadania Celem zadania jest zaimplementowanie algorytmów
Bardziej szczegółowoOptymalizacja 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 szczegółowoALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ
ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar
Bardziej szczegółowoZad. 3: Układ równań liniowych
1 Cel ćwiczenia Zad. 3: Układ równań liniowych Wykształcenie umiejętności modelowania kluczowych dla danego problemu pojęć. Definiowanie właściwego interfejsu klasy. Zwrócenie uwagi na dobór odpowiednich
Bardziej szczegółowoZadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik
Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda
Bardziej szczegółowoZagadnienia optymalizacji Problems of optimization
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 0/04 Zagadnienia optymalizacji Problems of optimization A. USYTUOWANIE MODUŁU W
Bardziej szczegółowoI. KARTA PRZEDMIOTU CEL PRZEDMIOTU
I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY WSPOMAGANIA DECYZJI. Kod przedmiotu: Ecs 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe
Bardziej szczegółowoOptymalizacja. Przeszukiwanie lokalne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Idea sąsiedztwa Definicja sąsiedztwa x S zbiór N(x) S rozwiązań, które leżą blisko rozwiązania x
Bardziej szczegółowoDodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?
Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 1
L01 ---2014/10/17 ---10:52---page1---#1 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 1 PRZEDMIOT TEMAT Wybrane zagadnienia z optymalizacji elementów
Bardziej szczegółowoMetody Ilościowe w Socjologii
Metody Ilościowe w Socjologii wykład 4 BADANIA OPERACYJNE dr inż. Maciej Wolny AGENDA I. Badania operacyjne podstawowe definicje II. Metodologia badań operacyjnych III. Wybrane zagadnienia badań operacyjnych
Bardziej szczegółowoZadania z rysowania i dopasowania funkcji
Spis treści 1 Zadania z rysowania i dopasowania funkcji 1.1 Znajdowanie miejsca zerowego funkcji 1.2 Wczytywanie danych i wykres 1.3 Dopasowywanie krzywej do danych i wykres 1.3.1 Wskazówki Zadania z rysowania
Bardziej szczegółowoKonspekt. Piotr Chołda 2 marca Podstawowe informacje nt. przedmiotu. Prowadzący przedmiot (wykład, egzamin, projekt, laboratorium):
Konspekt Piotr Chołda 2 marca 2016 1 Podstawowe informacje nt. przedmiotu 1.1 Dane nt. prowadzących Prowadzący przedmiot (wykład, egzamin, projekt, laboratorium): dr hab. inż. Piotr Chołda; pok. 015, pawilon
Bardziej szczegółowoRozdział 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 szczegółowoĆwiczenia laboratoryjne - 7. Zagadnienie transportowoprodukcyjne. programowanie liniowe
Ćwiczenia laboratoryjne - 7 Zagadnienie transportowoprodukcyjne ZT-P programowanie liniowe Ćw. L. 8 Konstrukcja modelu matematycznego Model matematyczny składa się z: Funkcji celu będącej matematycznym
Bardziej szczegółowoFunkcja pierwotna, całka oznaczona na podstawie funkcji pierwotnej
MATLAB - całkowanie Funkcja pierwotna, całka oznaczona na podstawie funkcji pierwotnej Do uzyskania funkcji pierwotnej służy polecenie int. Jest wiele możliwości jego użycia. Zobaczmy, kiedy wykonuje się
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2010 Mirosław Sobolewski (UW) Warszawa, 2009 1 / 15 Homo oeconomicus=
Bardziej szczegółowoElementy modelowania matematycznego
Elementy modelowania matematycznego Programowanie liniowe. Metoda Simplex. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ ZADANIE LINIOWE Tortilla z ziemniaków i cebuli (4 porcje) 300
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 014/015 Kierunek studiów: Gospodarka przestrzenna
Bardziej szczegółowoTeraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.
Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych
Bardziej szczegółowoAlgorytm grupowania danych typu kwantyzacji wektorów
Algorytm grupowania danych typu kwantyzacji wektorów Wstęp Definicja problemu: Typowe, problemem często spotykanym w zagadnieniach eksploracji danych (ang. data mining) jest zagadnienie grupowania danych
Bardziej szczegółowo8. Neuron z ciągłą funkcją aktywacji.
8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i
Bardziej szczegółowoElementy 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 szczegółowoProgramowanie liniowe
Programowanie liniowe Maciej Drwal maciej.drwal@pwr.wroc.pl 1 Problem programowania liniowego min x c T x (1) Ax b, (2) x 0. (3) gdzie A R m n, c R n, b R m. Oznaczmy przez x rozwiązanie optymalne, tzn.
Bardziej szczegółowoUczenie 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 szczegółowoWielokryteriowa optymalizacja liniowa cz.2
Wielokryteriowa optymalizacja liniowa cz.2 Metody poszukiwania końcowych rozwiązań sprawnych: 1. Metoda satysfakcjonujących poziomów kryteriów dokonuje się wyboru jednego z kryteriów zadania wielokryterialnego
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
Zał. nr do ZW 33/01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Optymalizacja systemów Nazwa w języku angielskim System optimization Kierunek studiów (jeśli dotyczy): Inżynieria Systemów
Bardziej szczegółowoPliki. Operacje na plikach w Pascalu
Pliki. Operacje na plikach w Pascalu ścieżka zapisu, pliki elementowe, tekstowe, operacja plikowa, etapy, assign, zmienna plikowa, skojarzenie, tryby otwarcia, reset, rewrite, append, read, write, buforowanie
Bardziej szczegółowoOptymalizacja 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 szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoEkonometria - ćwiczenia 11
Ekonometria - ćwiczenia 11 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 21 grudnia 2012 Na poprzednich zajęciach zajmowaliśmy
Bardziej szczegółowoModele 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 szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia:
Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne Temat ćwiczenia: Programowanie liniowe, metoda geometryczna, dobór struktury asortymentowej produkcji Zachodniopomorski Uniwersytet
Bardziej szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
Bardziej szczegółowoRozdział 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 szczegółowoKlasyczne zagadnienie przydziału
Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem
Bardziej szczegółowoProgram na zaliczenie: Odejmowanie widm
Piotr Chojnacki: MATLAB Program na zaliczenie: Odejmowanie widm {Poniższy program ma za zadanie odjęcie dwóch widm od siebie. Do poprawnego działania programu potrzebne są trzy funkcje: odejmowaniewidm.m
Bardziej szczegółowoUkład równań liniowych
Układ równań liniowych 1 Cel zadania Wykształcenie umiejętności projektowania własnych klas modelujących pojęcia niezbędne do rozwiązania postawionego problemu. Rozwinięcie umiejętności przeciążania operatorów
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Politechnika Częstochowska, Wydział Zarządzania PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu Kierunek Forma studiów Poziom kwalifikacji Rok Semestr Jednostka prowadząca Osoba sporządzająca Profil Rodzaj
Bardziej szczegółowoKlasy abstrakcyjne i interfejsy
Klasy abstrakcyjne i interfejsy Streszczenie Celem wykładu jest omówienie klas abstrakcyjnych i interfejsów w Javie. Czas wykładu 45 minut. Rozwiązanie w miarę standardowego zadania matematycznego (i nie
Bardziej szczegółowoAlgorytm poprawny jednoznaczny szczegółowy uniwersalny skończoność efektywność (sprawność) zmiennych liniowy warunkowy iteracyjny
Algorytm to przepis; zestawienie kolejnych kroków prowadzących do wykonania określonego zadania; to uporządkowany sposób postępowania przy rozwiązywaniu zadania, problemu, z uwzględnieniem opisu danych
Bardziej szczegółowoŚrodowisko R wprowadzenie. Wykład R1; 14.05.07 Pakiety statystyczne
Środowisko R wprowadzenie. Wykład R1; 14.05.07 Pakiety statystyczne Pakiety statystyczne stosowane do analizy danych: SAS SPSS Statistica R S-PLUS 1 Środowisko R Język S- J. Chambers i in. (1984,1988)
Bardziej szczegółowoIwona Konarzewska Programowanie celowe - wprowadzenie. Katedra Badań Operacyjnych UŁ
1 Iwona Konarzewska Programowanie celowe - wprowadzenie Katedra Badań Operacyjnych UŁ 2 Programowanie celowe W praktycznych sytuacjach podejmowania decyzji często występuje kilka celów. Problem pojawia
Bardziej szczegółowoCo to jest grupowanie
Grupowanie danych Co to jest grupowanie 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Szukanie grup, obszarów stanowiących lokalne gromady punktów Co to jest grupowanie
Bardziej szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYMALIZACJA W LOGISTYCE Wyznaczanie lokalizacji magazynów dystrybucyjnych i miejsc produkcji dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Lokalizacja magazynów dystrybucyjnych 1 Wybór miejsca produkcji
Bardziej szczegółowoWyszukiwanie binarne
Wyszukiwanie binarne Wyszukiwanie binarne to technika pozwalająca na przeszukanie jakiegoś posortowanego zbioru danych w czasie logarytmicznie zależnym od jego wielkości (co to dokładnie znaczy dowiecie
Bardziej szczegółowoPROGRAMOWANIE NIELINIOWE
PROGRAMOWANIE NIELINIOWE Maciej Patan Uniwersytet Zielonogórski WSTEP Zadanie programowania nieliniowego (ZPN) min f(x) g i (x) 0, h i (x) = 0, i = 1,..., m g i = 1,..., m h f(x) funkcja celu g i (x) i
Bardziej szczegółowodoc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.
doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zadanie projektowe 2 Czas realizacji: 6 godzin Maksymalna liczba
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 3 autorzy: A. Gonczarek, J.M. Tomczak Zbiory i funkcje wypukłe Zad. 1 Pokazać, że następujące zbiory są wypukłe: a) płaszczyzna S = {x
Bardziej szczegółowoWYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA
WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA PRZEDMIOT : : LABORATORIUM PODSTAW AUTOMATYKI 1. WSTĘP DO
Bardziej szczegółowoDodawanie i modyfikacja atrybutów zbioru
Dodawanie i modyfikacja atrybutów zbioru Program Moje kolekcje wyposażony został w narzędzia pozwalające na dodawanie, edycję oraz usuwanie atrybutów przypisanych do zbioru kolekcji. Dzięki takiemu rozwiązaniu
Bardziej szczegółowoSCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO
SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania
Bardziej szczegółowoBadania 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 szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
Bardziej szczegółowoSzukanie rozwiązań funkcji uwikłanych (równań nieliniowych)
Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości
Bardziej szczegółowoĆwiczenie 4. Matlab - funkcje, wielomiany, obliczenia symboliczne
Ćwiczenie 4. Matlab - funkcje, wielomiany, obliczenia symboliczne Obliczenia z wykorzystaniem tzw. funkcji anonimowej Składnia funkcji anonimowej: nazwa_funkcji=@(lista_argumentów)(wyrażenie) gdzie: -
Bardziej szczegółowoZadania do wykonania. Rozwiązując poniższe zadania użyj pętlę for.
Zadania do wykonania Rozwiązując poniższe zadania użyj pętlę for. 1. apisz program, który przesuwa w prawo o dwie pozycje zawartość tablicy 10-cio elementowej liczb całkowitych tzn. element t[i] dla i=2,..,9
Bardziej szczegółowoRównania nieliniowe. LABORKA Piotr Ciskowski
Równania nieliniowe LABORKA Piotr Ciskowski przykład 1. funkcja fplot fplot ( f, granice ) fplot ( f, granice, n, linia, tol ) [ x, y ] = fplot ( )» fplot ( sin(x*x)/x, [ 0 4*pi ] )» fplot ( sin(x*x)/x,
Bardziej szczegółowoProgramowanie liniowe
Programowanie liniowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW wykład z algebry liniowej Warszawa, styczeń 2015 Mirosław Sobolewski (UW) Warszawa, 2015 1 / 16 Homo oeconomicus=
Bardziej szczegółowoElementy 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 szczegółowoIII TUTORIAL Z METOD OBLICZENIOWYCH
III TUTORIAL Z METOD OBLICZENIOWYCH ALGORYTMY ROZWIĄZYWANIA UKŁADÓW RÓWNAŃ LINIOWYCH Opracowanie: Agata Smokowska Marcin Zmuda Trzebiatowski Koło Naukowe Mechaniki Budowli KOMBO Spis treści: 1. Wstęp do
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoRozpoznawanie obrazu. Teraz opiszemy jak działa robot.
Rozpoznawanie obrazu Implementujesz oprogramowanie do rozpoznawania obrazu dla robota. Za każdym razem, gdy robot robi zdjęcie kamerą, jest ono zapisywane jako czarno-biały obraz w pamięci robota. Każdy
Bardziej szczegółowo