Algorytmy ewolucyjne (2)

Wielkość: px
Rozpocząć pokaz od strony:

Download "Algorytmy ewolucyjne (2)"

Transkrypt

1 Algorytmy ewolucyjne (2) zajecia.jakubw.pl/nai/ ALGORYTM GEETYCZY Cel: znaleźć makimum unkcji. Założenie: unkcja ta jet dodatnia. 1. Tworzymy oobników loowych. 2. Stoujemy operacje mutacji i krzyżowania 3. Liczymy wartości unkcji celu. mutacje Oobnik: ciąg zerojedynkowy krzyżowanie 4. Dokonujemy elekcji. 5. Powtarzamy od punktu 2. 1

2 STRATEGIE EWOLUCYJE Inna - obok algorytmów genetycznych - popularna metoda ewolucyjna. Główny obzar zatoowań: optymalizacja unkcji rzeczywitych wielowymiarowych. Zadanie: znaleźć makimum unkcji : R n R na danym przedziale [a 1, b 1 ] [a n, b n ]. Rozwiązanie: przez x=(x 1, x n ) oznaczmy przykładowe rozwiązanie (punkt z przetrzeni tanów, x i [a i, b i ]). Każdemu wektorowi x przyporządkujmy pomocniczy wektor wartości rzeczywitych dodatnich: σ=(σ 1, σ n ). Para (x,σ) będzie tanowiła kod genetyczny oobnika. Genotyp oobnika (x,σ) x Fenotyp oobnika SCHEMAT DZIAŁAIA 1. Tworzymy loową populację złożoną z oobników potaci (x,σ). 2. Dopiujemy do niej M oobników potomnych, tworzonych na podtawie loowo wybranych oobników z poprzedniego pokolenia za pomocą mutacji i krzyżowania. 3. Dla każdego oobnika w populacji pośredniej liczymy wartość optymalizowanej unkcji. 4. Spośród +M oobników wybieramy najlepzych względem. Te oobniki przeżyją i utworzą natępne pokolenie. 5. Powtarzamy od punktu 2. z aktualną populacją -oobnikową. Poprzednie pokolenie bez zmian mutacje, krzyżowanie M wybór najlepzych atępne pokolenie 2

3 OPERATORY Mutacji podlegają zwykle wzytkie oobniki dodawane do populacji pośredniej. Mutacja polega na zmianie parametrów (x,σ) zgodnie ze wzorami: σ = σ e i i x = x + ( 0, ) gdzie (0,σ) oznacza liczbę loową wygenerowaną zgodnie z rozkładem normalnym o wart. oczekiwanej 0 i 0, σ odchyleniu tandardowym σ. i i i Krzyżowaniu podlega część (np. 25%) oobników dodawanych do populacji pośredniej. Oobnik potomny kładany jet z genów dwóch loowo wybranych oobników rodzicielkich. (x 1, x 2, x 3, x 4, x 5, σ 1, σ 2, σ 3, σ 4, σ 5 ) (x 1, y 2, y 3, x 4, y 5, σ 1, τ 2, τ 3, σ 4, τ 5 ) (y 1, y 2, y 3, y 4, y 5, τ 1, τ 2, τ 3, τ 4, τ 5 ) Uwaga: wartości x i ą dziedziczone zawze razem z odpowiadającymi im wartościami pomocniczymi σ ι. SAMOADAPTACJA Samoadaptacja - przyczyna wyokiej prawności algorytmu Daleko od makimum: duże zmiany bardziej opłacalne. Okolice makimum: duże zmiany mniej opłacalne. 3

4 TEORIA KLASYCZE GA Schematy: ciągi typu 100**1*1** (gwiazdka oznacza cokolwiek ) Twierdzenie o chematach: jeśli chemat odpowiada oobnikom średnio lepzym niż inne, to jego reprezentanci ą coraz licznieji (wzrot wykładniczy) w miarę trwania ewolucji Ukryta równoległość: w jednym kroku badamy niewiele oobników, jednak każdy z nich odpowiada wykładniczo wielu różnym chematom Hipoteza o cegiełkach: jeśli rozwiązanie zadania może być kontruowane z ilnych, krótkich chematów, wówcza algorytm genetyczny ma zanę łatwo je znaleźć TWIERDZEIE O SCHEMATACH Schemat - ragment chromoomu (niekoniecznie pójny) o utalonych wartościach. p: ***10*01** - chemat z czterema utalonymi pozycjami (gwiazdka oznacza dowolną wartość). Załóżmy, że pewne chematy mają średnio więkze wartości unkcji celu, niż inne (uśredniamy po wzytkich możliwych wartościach na pozycjach nieutalonych). Oznaczmy: H - chemat, o(h) - liczba miejc utalonych, d(h) - odległość między krajnymi miejcami utalonymi, l - długość chromoomu, p m - prawd. mutacji bitu, p c - prawd. krzyżowania. Wtedy: p( H) 1 p d H o( H) c p l 1 m - tanowi prawdopodobieńtwo, że dany chemat pozotanie nienaruzony w wyniku mutacji i krzyżowania. 4

5 TWIERDZEIE O SCHEMATACH - C.D. Jeżeli przez m(h,t) oznaczymy liczbę (procent) oobników w populacji, które w chwili t paują do chematu H, to średnia liczba takich oobników w natępnym kroku może być ozacowana jako: ( (, + 1) ) m( H, t) E m H t H p H gdzie (H) oznacza średnią wartość unkcji celu oobników paujących do danego chematu, oznacza średnią wartość unkcji celu w populacji. Wnioek: jeśli chematy ą krótkie i zwarte (czyli mają duże p(h)), oraz jeśli mają średnią wartość unkcji celu wyżzą, niż przeciętna, to ich reprezentacja w populacji będzie roła wykładniczo. HIPOTEZA CEGIEŁEK Algorytmy genetyczne działają najkuteczniej wtedy, gdy poób zakodowania problemu i kztałt unkcji celu pozwalają na itnienie cegiełek : niewielkich i zwartych chematów o ponadprzeciętnej wartości unkcji. Jeśli z takich chematów da ię zbudować rozwiązanie optymalne, algorytm genetyczny łatwo je znajdzie. ******** ******* ***1*00*** Skuteczność algorytmów genetycznych opiera ię na ukrytym równoległym przetwarzaniu wielkiej liczby chematów. Wnioek praktyczny: jeśli kilka bitów koduje pojedynczą cechę, powinny one leżeć bliko iebie. 5

6 SKALOWAIE FUKCJI CELU Prawdopodobieńtwo wyloowania oobnika w algorytmie koła ruletki jet proporcjonalne do wartości unkcji celu. Jeśli jednak różnice wartości ą niewielkie, preja elekcyjna może ię okazać zbyt mała. Aby temu zaradzić, można przed użyciem algorytmu koła ruletki przekalować liniowo wartości unkcji: ( x) = a ( x) + b gdzie: c a = max b = c a max max 0 max 0 Tak dobrane przekztałcenie gwarantuje, że: a) średnia wartość po przekalowaniu nie zmieni ię, b) wartość makymalna będzie c razy więkza, niż średnia. BARIERY REPRODUKCYJE W niektórych zatoowaniach kuteczne okazuje ię wprowadzenie barier reprodukcyjnych: dodatkowych ograniczeń, jakie muzą pełniać oobniki, by ię mogły krzyżować. Metoda 1: krzyżujemy oobniki podobne (np. różniące ię na najwyżej k bitach). Metoda 2: do każdego oobnika doklejamy wzorzec kojarzeniowy, czyli ciąg ymboli {0,1,*}, oraz identyikator, czyli dodatkowy ciąg binarny. Krzyżowanie jet dozwolone jeśli wzorzec kojarzeniowy jednego z rodziców pauje do identyikatora drugiego. Identyikator i wzorzec kojarzeniowy podlegają mutacji i krzyżowaniu w zwykły opób. kod genetyczny ** 0110 identyikator wzorzec kojarzeniowy Umożliwia to wykztałcenie ię gatunków, z których każdy zaiedli inną nizę ekologiczną (makimum lokalne). Wyniki ą więc bardziej zróżnicowane. 6

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

SCHEMAT 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 szczegółowo

Obliczenia ewolucyjne - plan wykładu

Obliczenia ewolucyjne - plan wykładu Obliczenia ewolucyjne - plan wykładu Wprowadzenie Algorytmy genetyczne Programowanie genetyczne Programowanie ewolucyjne Strategie ewolucyjne Inne modele obliczeń ewolucyjnych Podsumowanie Ewolucja Ewolucja

Bardziej szczegółowo

Statystyczna analiza danych

Statystyczna analiza danych Statytyka. v.0.9 egz mgr inf nietacj Statytyczna analiza danych Statytyka opiowa Szereg zczegółowy proty monotoniczny ciąg danych i ) n uzykanych np. w trakcie pomiaru lub za pomocą ankiety. Przykłady

Bardziej szczegółowo

Inspiracje soft computing. Soft computing. Terminy genetyczne i ich odpowiedniki w algorytmach genetycznych. Elementarny algorytm genetyczny

Inspiracje soft computing. Soft computing. Terminy genetyczne i ich odpowiedniki w algorytmach genetycznych. Elementarny algorytm genetyczny Soft computing Soft computing tym róŝni się od klasycznych obliczeń (hard computing), Ŝe jest odporny na brak precyzji i niepewność danych wejściowych. Obliczenia soft computing mają inspiracje ze świata

Bardziej szczegółowo

Metody przeszukiwania

Metody przeszukiwania Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania

Bardziej szczegółowo

6. Klasyczny algorytm genetyczny. 1

6. Klasyczny algorytm genetyczny. 1 6. Klasyczny algorytm genetyczny. 1 Idea algorytmu genetycznego została zaczerpnięta z nauk przyrodniczych opisujących zjawiska doboru naturalnego i dziedziczenia. Mechanizmy te polegają na przetrwaniu

Bardziej szczegółowo

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w

Bardziej szczegółowo

Generowanie i optymalizacja harmonogramu za pomoca

Generowanie i optymalizacja harmonogramu za pomoca Generowanie i optymalizacja harmonogramu za pomoca na przykładzie generatora planu zajęć Matematyka Stosowana i Informatyka Stosowana Wydział Fizyki Technicznej i Matematyki Stosowanej Politechnika Gdańska

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą

Bardziej szczegółowo

Standardowy algorytm genetyczny

Standardowy algorytm genetyczny Standardowy algorytm genetyczny 1 Szybki przegląd 2 Opracowany w USA w latach 70. Wcześni badacze: John H. Holland. Autor monografii Adaptation in Natural and Artificial Systems, wydanej w 1975 r., (teoria

Bardziej szczegółowo

Koncepcja zastosowania metody CBR oraz algorytmów genetycznych w systemie obsługującym windykację ubezpieczeniową

Koncepcja zastosowania metody CBR oraz algorytmów genetycznych w systemie obsługującym windykację ubezpieczeniową Rozdział monografii: 'Bazy Danych: truktury, Algorytmy, Metody', Kozielki., Małyiak B., Kaprowki P., Mrozek D. (red.), WKŁ 2006 Rozdział 40 Koncepca zatoowania metody CBR oraz algorytmów genetycznych w

Bardziej szczegółowo

Algorytmy ewolucyjne. wprowadzenie

Algorytmy ewolucyjne. wprowadzenie Algorytmy ewolucyjne wprowadzenie Gracjan Wilczewski, www.mat.uni.torun.pl/~gracjan Toruń, 2005 Historia Podstawowy algorytm genetyczny został wprowadzony przez Johna Hollanda (Uniwersytet Michigan) i

Bardziej szczegółowo

Programowanie genetyczne, gra SNAKE

Programowanie genetyczne, gra SNAKE STUDENCKA PRACOWNIA ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne, gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................

Bardziej szczegółowo

Algorytmy ewolucyjne (3)

Algorytmy ewolucyjne (3) Algorytmy ewolucyjne (3) http://zajecia.jakubw.pl/nai KODOWANIE PERMUTACJI W pewnych zastosowaniach kodowanie binarne jest mniej naturalne, niż inne sposoby kodowania. Na przykład, w problemie komiwojażera

Bardziej szczegółowo

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA HISTORIA NA CZYM BAZUJĄ AG

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA HISTORIA NA CZYM BAZUJĄ AG PLAN WYKŁADU OPTYMALIZACJA GLOBALNA Wykład 2 dr inż. Agnieszka Bołtuć Historia Zadania Co odróżnia od klasycznych algorytmów Nazewnictwo Etapy Kodowanie, inicjalizacja, transformacja funkcji celu Selekcja

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

Odkrywanie algorytmów kwantowych za pomocą programowania genetycznego

Odkrywanie algorytmów kwantowych za pomocą programowania genetycznego Odkrywanie algorytmów kwantowych za pomocą programowania genetycznego Piotr Rybak Koło naukowe fizyków Migacz, Uniwersytet Wrocławski Piotr Rybak (Migacz UWr) Odkrywanie algorytmów kwantowych 1 / 17 Spis

Bardziej szczegółowo

Automatyczny dobór parametrów algorytmu genetycznego

Automatyczny dobór parametrów algorytmu genetycznego Automatyczny dobór parametrów algorytmu genetycznego Remigiusz Modrzejewski 22 grudnia 2008 Plan prezentacji Wstęp Atrakcyjność Pułapki Klasyfikacja Wstęp Atrakcyjność Pułapki Klasyfikacja Konstrukcja

Bardziej szczegółowo

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania

Bardziej szczegółowo

MIO - LABORATORIUM. Imię i nazwisko Rok ak. Gr. Sem. Komputer Data ... 20 / EC3 VIII LAB...

MIO - LABORATORIUM. Imię i nazwisko Rok ak. Gr. Sem. Komputer Data ... 20 / EC3 VIII LAB... MIO - LABORATORIUM Temat ćwiczenia: TSP - Problem komiwojażera Imię i nazwisko Rok ak. Gr. Sem. Komputer Data Podpis prowadzącego... 20 / EC3 VIII LAB...... Zadanie Zapoznać się z problemem komiwojażera

Bardziej szczegółowo

Algorytmy genetyczne w interpolacji wielomianowej

Algorytmy genetyczne w interpolacji wielomianowej Algorytmy genetyczne w interpolacji wielomianowej (seminarium robocze) Seminarium Metod Inteligencji Obliczeniowej Warszawa 22 II 2006 mgr inż. Marcin Borkowski Plan: Przypomnienie algorytmu niszowego

Bardziej szczegółowo

Modyfikacje i ulepszenia standardowego algorytmu genetycznego

Modyfikacje i ulepszenia standardowego algorytmu genetycznego Modyfikacje i ulepszenia standardowego algorytmu genetycznego 1 2 Przypomnienie: pseudokod SGA t=0; initialize(p 0 ); while(!termination_condition(p t )) { evaluate(p t ); T t =selection(p t ); O t =crossover(t

Bardziej szczegółowo

Maksymalny błąd oszacowania prędkości pojazdów uczestniczących w wypadkach drogowych wyznaczonej różnymi metodami

Maksymalny błąd oszacowania prędkości pojazdów uczestniczących w wypadkach drogowych wyznaczonej różnymi metodami BIULETYN WAT VOL LV, NR 3, 2006 Makymalny błąd ozacowania prędkości pojazdów uczetniczących w wypadkach drogowych wyznaczonej różnymi metodami BOLESŁAW PANKIEWICZ, STANISŁAW WAŚKO* Wojkowa Akademia Techniczna,

Bardziej szczegółowo

176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie.

176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie. 176 Wtȩp do tatytyki matematycznej trści wynika że H o : p 1 przeciwko hipotezie H 3 1: p< 1. Aby zweryfikować tȩ 3 hipotezȩ zatujemy tet dla frekwencji. Wtedy z ob 45 1 150 3 1 3 2 3 150 0 346. Tymczaem

Bardziej szczegółowo

Programowanie genetyczne - gra SNAKE

Programowanie genetyczne - gra SNAKE PRACOWNIA Z ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne - gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................

Bardziej szczegółowo

Problemy optymalizacyjne Dana jest przestrzeń X. Znaleźć x X taki, że x spełnia określone warunki. Dana jest przestrzeń X i funkcja celu f: X R.

Problemy optymalizacyjne Dana jest przestrzeń X. Znaleźć x X taki, że x spełnia określone warunki. Dana jest przestrzeń X i funkcja celu f: X R. Problemy optymalizacyjne Dana jest przestrzeń X. Znaleźć x X taki, że x spełnia określone warunki. Dana jest przestrzeń X i funkcja celu f: X R. Znaleźć x X taki, że f(x) jest maksimum (minimum) funkcji

Bardziej szczegółowo

Zapis liczb binarnych ze znakiem

Zapis liczb binarnych ze znakiem Zapis liczb binarnych ze znakiem W tej prezentacji: Zapis Znak-Moduł (ZM) Zapis uzupełnień do 1 (U1) Zapis uzupełnień do 2 (U2) Zapis Znak-Moduł (ZM) Koncepcyjnie zapis znak - moduł (w skrócie ZM - ang.

Bardziej szczegółowo

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach

Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Adam Stawowy Algorytm hybrydowy dla alokacji portfela inwestycyjnego przy ograniczonych zasobach Summary: We present a meta-heuristic to combine Monte Carlo simulation with genetic algorithm for Capital

Bardziej szczegółowo

Predykcyjny algorytm sterowania przekształtnikiem zasilającym silnik synchroniczny z magnesami trwałymi

Predykcyjny algorytm sterowania przekształtnikiem zasilającym silnik synchroniczny z magnesami trwałymi Rafał GRODZKI Politechnika Białotocka, Katedra Energoelektroniki i Napędów Elektrycznych Predykcyjny algorytm terowania przekztałtnikiem zailającym ilnik ynchroniczny z magneami trwałymi Strezczenie. W

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci Rozkłady tatytyk z próby Metody probabilitycze i tatytyka Wykład : Rozkłady tatytyk z próby. rzedziały ufoci Małgorzata Krtowka Wydział Iformatyki olitechika Białotocka e-mail: mmac@ii.pb.bialytok.pl troa

Bardziej szczegółowo

Algorytmy genetyczne służą głównie do tego, żeby rozwiązywać zadania optymalizacji

Algorytmy genetyczne służą głównie do tego, żeby rozwiązywać zadania optymalizacji Kolejna metoda informatyczna inspirowana przez Naturę - algorytmy genetyczne Struktura molekuły DNA nośnika informacji genetycznej w biologii Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania

Bardziej szczegółowo

9. DZIAŁANIE SIŁY NORMALNEJ

9. DZIAŁANIE SIŁY NORMALNEJ Część 2 9. DZIŁIE SIŁY ORMLEJ 1 9. DZIŁIE SIŁY ORMLEJ 9.1. ZLEŻOŚCI PODSTWOWE Przyjmiemy, że materiał pręta jet jednorodny i izotropowy. Jeśli ponadto założymy, że pręt jet pryzmatyczny, to łuzne ą wzory

Bardziej szczegółowo

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW.

STATYSTYCZNA OCENA WYNIKÓW POMIARÓW. Statytycza ocea wyików pomiaru STATYSTYCZNA OCENA WYNIKÓW POMIARÓW CEL ĆWICZENIA Celem ćwiczeia jet: uświadomieie tudetom, że każdy wyik pomiaru obarczoy jet błędem o ie zawze zaej przyczyie i wartości,

Bardziej szczegółowo

Algorytmy ewolucyjne

Algorytmy ewolucyjne Algorytmy ewolucyjne Dr inż. Michał Bereta p. 144 / 10, Instytut Modelowania Komputerowego mbereta@pk.edu.pl beretam@torus.uck.pk.edu.pl www.michalbereta.pl Problemy świata rzeczywistego często wymagają

Bardziej szczegółowo

Obliczenia Naturalne - Strategie ewolucyjne

Obliczenia Naturalne - Strategie ewolucyjne Literatura Historia Obliczenia Naturalne - Paweł Paduch Politechnika Świętokrzyska 3 kwietnia 2014 Paweł Paduch Obliczenia Naturalne - 1 z 44 Plan wykładu Literatura Historia 1 Literatura Historia 2 Strategia

Bardziej szczegółowo

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,

Bardziej szczegółowo

WPŁYW OSZCZĘDNOŚCI W STRATACH ENERGII NA DOBÓR TRANSFORMATORÓW ROZDZIELCZYCH SN/nn

WPŁYW OSZCZĘDNOŚCI W STRATACH ENERGII NA DOBÓR TRANSFORMATORÓW ROZDZIELCZYCH SN/nn Elżbieta Niewiedział, Ryzard Niewiedział Wyżza Szkoła Kadr Menedżerkich w Koninie WPŁYW OSZCZĘDNOŚCI W STRATACH ENERGII NA DOBÓR TRANSFORMATORÓW ROZDZIELCZYCH SN/nn Strezczenie: W referacie przedtawiono

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

Algorytmy genetyczne Michał Bereta Paweł Jarosz (część teoretyczna)

Algorytmy genetyczne Michał Bereta Paweł Jarosz (część teoretyczna) 1 Zagadnienia Sztucznej Inteligencji laboratorium Wprowadzenie Algorytmy genetyczne Michał Bereta Paweł Jarosz (część teoretyczna) Dana jest funkcja f, jednej lub wielu zmiennych. Należy określić wartości

Bardziej szczegółowo

Ekologia wyk. 1. wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych

Ekologia wyk. 1. wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych Ekologia wyk. 1 wiedza z zakresu zarówno matematyki, biologii, fizyki, chemii, rozumienia modeli matematycznych Ochrona środowiska Ekologia jako dziedzina nauki jest nauką o zależnościach decydujących

Bardziej szczegółowo

OBLICZENIA EWOLUCYJNE

OBLICZENIA EWOLUCYJNE BINARNIE CZY INACZEJ? OBLICZENIA EWOLUCYJNE FITNESS F. START COMPUTATION FITNESS F. COMPUTATION INITIAL SUBPOPULATION SENDING CHROM. TO COMPUTERS chromosome EVOLUTIONARY OPERATORS AND RECEIVING FITNESS

Bardziej szczegółowo

ARCHITEKRURA KOMPUTERÓW Kodowanie liczb ze znakiem 27.10.2010

ARCHITEKRURA KOMPUTERÓW Kodowanie liczb ze znakiem 27.10.2010 ARCHITEKRURA KOMPUTERÓW Kodowanie liczb ze znakiem 27.10.2010 Do zapisu liczby ze znakiem mamy tylko 8 bitów, pierwszy od lewej bit to bit znakowy, a pozostałem 7 to bity na liczbę. bit znakowy 1 0 1 1

Bardziej szczegółowo

Imię i nazwisko...kl...

Imię i nazwisko...kl... Gimnazjum nr 4 im. Ojca Świętego Jana Pawła II we Wrocławiu SPRAWDZIAN GENETYKA GR. A Imię i nazwisko...kl.... 1. Nauka o regułach i mechanizmach dziedziczenia to: (0-1pkt) a) cytologia b) biochemia c)

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

Jerzy Nawrocki, Wprowadzenie do informatyki

Jerzy Nawrocki, Wprowadzenie do informatyki Jerzy Nawrocki, Jerzy Nawrocki Wydział Informatyki Politechnika Poznańka jerzy.nawrocki@put.poznan.pl Obliczenia i metody numeryczne = a 2 + b 2 a + (b/a) 2 =b + (a/b) 2 Metody numeryczne begin a:= 3e-25;

Bardziej szczegółowo

Analiza algorytmów genetycznych. jako układów dynamicznych

Analiza algorytmów genetycznych. jako układów dynamicznych Instytut Podstawowych Problemów Techniki Polskiej Akademii Nauk Analiza algorytmów genetycznych jako układów dynamicznych mgr inż. Stefan Kotowski Rozprawa doktorska napisana pod kierunkiem prof. dr. hab.

Bardziej szczegółowo

Programy CAD w praktyce inŝynierskiej

Programy CAD w praktyce inŝynierskiej Katedra Mikroelektroniki i Technik Informatycznych Politechniki Łódzkiej Programy CAD w praktyce inŝynierkiej Wykład IV Filtry aktywne dr inż. Piotr Pietrzak pietrzak@dmc dmc.p..p.lodz.pl pok. 54, tel.

Bardziej szczegółowo

Problemy z ograniczeniami

Problemy z ograniczeniami Problemy z ograniczeniami 1 2 Dlaczego zadania z ograniczeniami Wiele praktycznych problemów to problemy z ograniczeniami. Problemy trudne obliczeniowo (np-trudne) to prawie zawsze problemy z ograniczeniami.

Bardziej szczegółowo

Oszacowanie i rozkład t

Oszacowanie i rozkład t Oszacowanie i rozkład t Marcin Zajenkowski Marcin Zajenkowski () Oszacowanie i rozkład t 1 / 31 Oszacowanie 1 Na podstawie danych z próby szacuje się wiele wartości w populacji, np.: jakie jest poparcie

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Rozdział 3 Algorytmy genetyczne

Rozdział 3 Algorytmy genetyczne Fragment 3 rozdziału z książki: S.T. Wierzchoń, Sztuczne systemy immunologiczne. Teoria i zastosowania. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2001 Rozdział 3 Algorytmy genetyczne Celem tego rozdziału

Bardziej szczegółowo

Wykład 10 Zrandomizowany plan blokowy

Wykład 10 Zrandomizowany plan blokowy Wykład 10 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy

Bardziej szczegółowo

Arytmetyka komputera. Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka. Opracował: Kamil Kowalski klasa III TI

Arytmetyka komputera. Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka. Opracował: Kamil Kowalski klasa III TI Arytmetyka komputera Na podstawie podręcznika Urządzenia techniki komputerowej Tomasza Marciniuka Opracował: Kamil Kowalski klasa III TI Spis treści 1. Jednostki informacyjne 2. Systemy liczbowe 2.1. System

Bardziej szczegółowo

LICZBY ZMIENNOPRZECINKOWE

LICZBY ZMIENNOPRZECINKOWE LICZBY ZMIENNOPRZECINKOWE Liczby zmiennoprzecinkowe są komputerową reprezentacją liczb rzeczywistych zapisanych w formie wykładniczej (naukowej). Aby uprościć arytmetykę na nich, przyjęto ograniczenia

Bardziej szczegółowo

Metody Programowania

Metody Programowania POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie

Bardziej szczegółowo

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/

Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ Zakres na egzaminy poprawkowe w r. szk. 2013/14 /nauczyciel M.Tatar/ MATEMATYKA Klasa III ZAKRES PODSTAWOWY Dział programu Temat Wymagania. Uczeń: 1. Miara łukowa kąta zna pojęcia: kąt skierowany, kąt

Bardziej szczegółowo

Języki i metodyka programowania. Reprezentacja danych w systemach komputerowych

Języki i metodyka programowania. Reprezentacja danych w systemach komputerowych Reprezentacja danych w systemach komputerowych Kod (łac. codex - spis), ciąg składników sygnału (kombinacji sygnałów elementarnych, np. kropek i kresek, impulsów prądu, symboli) oraz reguła ich przyporządkowania

Bardziej szczegółowo

Gospodarcze zastosowania algorytmów genetycznych

Gospodarcze zastosowania algorytmów genetycznych Marta Woźniak Gospodarcze zastosowania algorytmów genetycznych 1. Wstęp Ekonometria jako nauka zajmująca się ustalaniem za pomocą metod statystycznych ilościowych prawidłowości zachodzących w życiu gospodarczym

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Algorytmy kompresji. Kodowanie Huffmana, kodowanie arytmetyczne

Algorytmy kompresji. Kodowanie Huffmana, kodowanie arytmetyczne Algorytmy kompresji Kodowanie Huffmana, kodowanie arytmetyczne Kodowanie arytmetyczne Peter Elias 1923-2001 Kodowanie arytmetyczne to metoda kodowania źródłowego dyskretnych źródeł sygnałów, stosowana

Bardziej szczegółowo

MES1pr 02 Konstrukcje szkieletowe 2. Belki

MES1pr 02 Konstrukcje szkieletowe 2. Belki MES1pr 02 Kontrukcje zkieletowe 2. Belki Kiedy używamy modeli belkowe? Elementy kontrukcyjne, w których jeden z wymiarów jet wielokrotnie (> 4 razy) więkzy od innych i zginanie lub kręcanie ma wpływ na

Bardziej szczegółowo

Genomika Porównawcza. Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski

Genomika Porównawcza. Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski Genomika Porównawcza Agnieszka Rakowska Instytut Informatyki i Matematyki Komputerowej Uniwersytet Jagiellooski 1 Plan prezentacji 1. Rodzaje i budowa drzew filogenetycznych 2. Metody ukorzeniania drzewa

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y.

FUNKCJE LICZBOWE. Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. FUNKCJE LICZBOWE Na zbiorze X określona jest funkcja f : X Y gdy dowolnemu punktowi x X przyporządkowany jest punkt f(x) Y. Innymi słowy f X Y = {(x, y) : x X oraz y Y }, o ile (x, y) f oraz (x, z) f pociąga

Bardziej szczegółowo

Podstawowe definicje statystyczne

Podstawowe definicje statystyczne Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny

Bardziej szczegółowo

Test lewostronny dla hipotezy zerowej:

Test lewostronny dla hipotezy zerowej: Poznajemy testowanie hipotez statystycznych w środowisku R Zajęcia z dnia 11 maja 2011 roku Najpierw teoria TESTY ISTOTNOŚCI WARTOŚCI ŚREDNIEJ W POPULACJI GENERALNEJ gdy znana jest wariancja!!! Test prawostronny

Bardziej szczegółowo

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się.

Generatory takie mają niestety okres, po którym sekwencja liczb powtarza się. 1 Wstęp Będziemyrozważaćgeneratorytypux n+1 =f(x n,x n 1,...,x n k )(modm). Zakładamy,żeargumentamifunkcjifsąliczbycałkowitezezbioru0,1,...,M 1. Dla ustalenia uwagi mogą to być generatory liniowe typu:

Bardziej szczegółowo

KONSTRUKCJE STALOWE W EUROPIE. Wielokondygnacyjne konstrukcje stalowe Część 3: Oddziaływania

KONSTRUKCJE STALOWE W EUROPIE. Wielokondygnacyjne konstrukcje stalowe Część 3: Oddziaływania KONSTRUKCJE STALOWE W EUROPIE Wielokondygnacyjne kontrukcje talowe Część 3: Oddziaływania Wielokondygnacyjne kontrukcje talowe Część 3: Oddziaływania 3 - ii PRZEDMOWA Niniejza publikacja tanowi trzecią

Bardziej szczegółowo

Wykrywanie anomalii w zbiorze danych o dużym wymiarze

Wykrywanie anomalii w zbiorze danych o dużym wymiarze Wykrywanie anomalii w zbiorze danych o dużym wymiarze Piotr Kroll Na podstawie pracy: Very Fast Outlier Detection In Large Multidimensional Data Set autorstwa: A. Chandhary, A. Shalay, A. Moore Różne rozwiązania

Bardziej szczegółowo

Techniki multimedialne

Techniki multimedialne Techniki multimedialne Digitalizacja podstawą rozwoju systemów multimedialnych. Digitalizacja czyli obróbka cyfrowa oznacza przetwarzanie wszystkich typów informacji - słów, dźwięków, ilustracji, wideo

Bardziej szczegółowo

Elektrotechnika i elektronika

Elektrotechnika i elektronika Elektrotechnika i elektronika Metalurgia, Inżynieria Materiałowa II rok Silnik indukcyjny (aynchroniczny) Materiały do wykładów Katedra Automatyki Napędu i Urządzeń Przemyłowych AGH Kraków 2004 1. Wtęp

Bardziej szczegółowo

ARYTMETYKA BINARNA. Dziesiątkowy system pozycyjny nie jest jedynym sposobem kodowania liczb z jakim mamy na co dzień do czynienia.

ARYTMETYKA BINARNA. Dziesiątkowy system pozycyjny nie jest jedynym sposobem kodowania liczb z jakim mamy na co dzień do czynienia. ARYTMETYKA BINARNA ROZWINIĘCIE DWÓJKOWE Jednym z najlepiej znanych sposobów kodowania informacji zawartej w liczbach jest kodowanie w dziesiątkowym systemie pozycyjnym, w którym dla przedstawienia liczb

Bardziej szczegółowo

DZIESIĘTNY SYSTEM LICZBOWY

DZIESIĘTNY SYSTEM LICZBOWY DZIESIĘTNY SYSTEM LICZBOWY Do zapisu dowolnej liczby system wykorzystuje dziesięć symboli (cyfr): 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 Dowolną liczbę w systemie dziesiętnym możemy przedstawić jako następująca

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych. Sterowanie dławieniowe-równoległe prędkością ruchu odbiornika hydraulicznego

Instrukcja do ćwiczeń laboratoryjnych. Sterowanie dławieniowe-równoległe prędkością ruchu odbiornika hydraulicznego Intrukcja o ćwiczeń laboratoryjnych Sterowanie ławieniowe-równoległe rękością ruchu obiornika hyraulicznego Wtę teoretyczny Niniejza intrukcja oświęcona jet terowaniu ławieniowemu równoległemu jenemu ze

Bardziej szczegółowo

NOWE WARIANTY OPERATORÓW GENETYCZNYCH DLA PROBLEMÓW Z KRYTERIUM SUMACYJNYM

NOWE WARIANTY OPERATORÓW GENETYCZNYCH DLA PROBLEMÓW Z KRYTERIUM SUMACYJNYM NOWE WARIANTY OPERATORÓW GENETYCZNYCH DLA PROBLEMÓW Z KRYTERIUM SUMACYJNYM Mariusz MAKUCHOWSKI Streszczenie: W pracy analizuje się własności sumacyjnego kryterium w permutacyjnym problemie przepływowym.

Bardziej szczegółowo

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań Raport 1/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych z zastosowaniem

Bardziej szczegółowo

Eksperymenty obliczeniowe z algorytmami ewolucyjnymi i porównania algorytmów.

Eksperymenty obliczeniowe z algorytmami ewolucyjnymi i porównania algorytmów. Eksperymenty obliczeniowe z algorytmami ewolucyjnymi i porównania algorytmów. 1 Wprowadzenie Do tej pory nie rozważaliśmy odpowiedzi na pytanie, Po co uruchamiam algorytm ewolucyjny Kilka możliwych odpowiedzi:

Bardziej szczegółowo

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne.

TYPOWE OPERATORY KRZYŻOWANIA OBLICZENIA EWOLUCYJNE FUNKCJE TESTOWE F. RASTRIGINA F. ACKLEYA ... 3. ( x) = x i 30 -30. minimum globalne. FUNKCJE TESTOWE OBLICENIA EWOLUCJNE FITNESS F. START COMPUTATION FITNESS F. COMPUTATION INITIAL SUBPOPULATION SENDING CHROM. TO COMPUTERS chromoome EVOLUTIONAR OPERATORS AND RECEIVING FITNESS F. wykład

Bardziej szczegółowo

Wykład I: Kodowanie liczb w systemach binarnych. Studia Podyplomowe INFORMATYKA Podstawy Informatyki

Wykład I: Kodowanie liczb w systemach binarnych. Studia Podyplomowe INFORMATYKA Podstawy Informatyki Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład I: Kodowanie liczb w systemach binarnych 1 Część 1 Dlaczego system binarny? 2 I. Dlaczego system binarny? Pojęcie bitu Bit jednostka informacji

Bardziej szczegółowo

PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW

PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW PODSTAWY BIOINFORMATYKI 8 DOPASOWYWANIE SEKWENCJI AMINOKWASÓW DOPASOWYWANIE SEKWENCJI 1. Miary podobieństwa sekwencji aminokwasów 2. Zastosowanie programów: CLUSTAL OMEGA BLAST Copyright 2013, Joanna Szyda

Bardziej szczegółowo

SKURCZ WTRYSKOWY WYPRASEK NAPEŁNIONYCH

SKURCZ WTRYSKOWY WYPRASEK NAPEŁNIONYCH Tranfer inovácií 22/2012 2012 SKURCZ WTRYSKOWY WYPRASEK NAPEŁNIONYCH Dr inż. Tomaz Jachowicz litechnika Lubelka, Wydział Mechaniczny, Katedra Proceów limerowych. lka, 20-618 Lublin, Nadbytrzycka 36. e-mail:

Bardziej szczegółowo

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych

Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1 Podstawowe operacje arytmetyczne i logiczne dla liczb binarnych 1. Podstawowe operacje logiczne dla cyfr binarnych Jeśli cyfry 0 i 1 potraktujemy tak, jak wartości logiczne fałsz i prawda, to działanie

Bardziej szczegółowo

Streszczenie wykonawcze

Streszczenie wykonawcze KONCECJA FUNKCJONOANIA REGIONALNEGO ZINTEGROANEGO SYSTEMU RATONICTA OJEÓDZTA OMORSKIEGO Strezczenie wykonawcze Zleceniodawca: Samorząd ojewództwa omorkiego ul. Okopowa 2/27 80-80 Gdańk tel.: 058 32 68

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Przykład. Producent pewnych detali twierdzi, że wadliwość jego produkcji nie przekracza 2%. Odbiorca pewnej partii tego produktu chce sprawdzić, czy może wierzyć producentowi.

Bardziej szczegółowo

ĆWICZENIE NR 2 Badanie jakości betonu w konstrukcji metodą ultradźwiękową

ĆWICZENIE NR 2 Badanie jakości betonu w konstrukcji metodą ultradźwiękową ĆWICZENIE NR kontrukcji etodą 1 1. CEL ĆWICZENIA Cele ćwiczenia jet praktyczne zapoznanie ię ze poobe kontroli jakości betonu w kontrukcji etodą.. PROGRAM ĆWICZENIA. 1. Dokonać przygotowania i kalibracji

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

KADD Metoda najmniejszych kwadratów funkcje nieliniowe

KADD Metoda najmniejszych kwadratów funkcje nieliniowe Metoda najmn. kwadr. - funkcje nieliniowe Metoda najmniejszych kwadratów Funkcje nieliniowe Procedura z redukcją kroku iteracji Przykłady zastosowań Dopasowanie funkcji wykładniczej Dopasowanie funkcji

Bardziej szczegółowo

Automatyczne strojenie algorytmów genetycznych

Automatyczne strojenie algorytmów genetycznych Automatyczne strojenie algorytmów genetycznych Mariusz MAKUCHOWSKI Politechnika Wrocławska, Instytut Informatyki, Automatyki i Robotyki 50-370 Wrocław, Wybrzeże Wyspiańskiego 27, e-mail:mariusz.makuchowski@pwr.wroc.pl

Bardziej szczegółowo

Adaptacyjny algorytm ewolucji różnicowej w rozwiązywaniu problemów teorii gier

Adaptacyjny algorytm ewolucji różnicowej w rozwiązywaniu problemów teorii gier Uniwersytet Śląski Wydział Informatyki i Nauki o Materiałach Instytut Informatyki Rozprawa doktorska Przemysław Juszczuk Adaptacyjny algorytm ewolucji różnicowej w rozwiązywaniu problemów teorii gier Promotor:

Bardziej szczegółowo

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak

Metody numeryczne. Wykład nr 12. Dr Piotr Fronczak Metody numeryczne Wykład nr 1 Dr Piotr Fronczak Generowanie liczb losowych Metody Monte Carlo są oparte na probabilistyce działają dzięki generowaniu liczb losowych. W komputerach te liczby generowane

Bardziej szczegółowo

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju?

POLITYKA DYWIDENDY. Podstawowy dylemat: ile zysku przeznaczyć na dywidendy, a ile zatrzymać w firmie i przeznaczyć na potrzeby jej dalszego rozwoju? POLITYKA DYWIDENDY Treść wyładu politya dywidendy jao element trategii formy wypłaty dywidendy teorie polityi politya dywidendowa polich półe Polityę dywidendą oreśla ię jao decyzje roztrzygające o tym,

Bardziej szczegółowo

METODY SZTUCZNEJ INTELIGENCJI W ROZWI ZYWANIU ZADA OPTYMALIZACJI

METODY SZTUCZNEJ INTELIGENCJI W ROZWI ZYWANIU ZADA OPTYMALIZACJI METODY SZTUCZNEJ INTELIGENCJI W ROZWI ZYWANIU ZADA OPTYMALIZACJI Izabela Skorupska Studium Doktoranckie, Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski e-mail: iskorups

Bardziej szczegółowo

ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO WYZNACZANIA OPTYMALNYCH DECYZJI STERUJĄCYCH

ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO WYZNACZANIA OPTYMALNYCH DECYZJI STERUJĄCYCH ZASTOSOWANIE ALGORYTMU GENETYCZNEGO DO WYZNACZANIA OPTYMALNYCH DECYZJI STERUJĄCYCH KLAUDIUSZ MIGAWA 1 Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy Streszczenie Zagadnienia przedstawione w artykule

Bardziej szczegółowo

Bliskie Spotkanie z Biologią. Genetyka populacji

Bliskie Spotkanie z Biologią. Genetyka populacji Bliskie Spotkanie z Biologią Genetyka populacji Plan wykładu 1) Częstości alleli i genotypów w populacji 2) Prawo Hardy ego-weinberga 3) Dryf genetyczny 4) Efekt założyciela i efekt wąskiego gardła 5)

Bardziej szczegółowo

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI

SPIS TREŚCI WSTĘP... 8 1. LICZBY RZECZYWISTE 2. WYRAŻENIA ALGEBRAICZNE 3. RÓWNANIA I NIERÓWNOŚCI SPIS TREŚCI WSTĘP.................................................................. 8 1. LICZBY RZECZYWISTE Teoria............................................................ 11 Rozgrzewka 1.....................................................

Bardziej szczegółowo

WEKTOROWE KODOWANIE PERMUTACJI. NOWE OPERATORY GENETYCZNE

WEKTOROWE KODOWANIE PERMUTACJI. NOWE OPERATORY GENETYCZNE WEKTOROWE KODOWANIE PERMUTACJI. NOWE OPERATORY GENETYCZNE Mariusz MAKUCHOWSKI Streszczenie: W pracy proponuje się alternatywny sposób kodowania permutacji. Prezentuje się szereg jego własności niewystępujących

Bardziej szczegółowo

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle

Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Badania operacyjne: Wykład Zastosowanie kolorowania grafów w planowaniu produkcji typu no-idle Paweł Szołtysek 12 czerwca 2008 Streszczenie Planowanie produkcji jest jednym z problemów optymalizacji dyskretnej,

Bardziej szczegółowo

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe

Zadanie 2. Dany jest szereg rozdzielczy przedziałowy, wyznaczyć następujące miary: 0 5 5 wariancja, odchylenie standardowe Zadane 1. Dany jet zereg przedzałowy, wyznaczyć natępujące mary: x n średna arytmetyczna 1 10 warancja, odchylene tandardowe 15 domnanta 3 0 medana 4 35 kurtoza 5 0 6 15 Zadane. Dany jet zereg rozdzelczy

Bardziej szczegółowo

Sterowanie przepływem towarów w magazynie z wykorzystaniem predyktora Smitha

Sterowanie przepływem towarów w magazynie z wykorzystaniem predyktora Smitha Pomiary Automatyka Robotyka, R. 19, Nr 3/2015, 55 60, DOI: 10.14313/PAR_217/55 Sterowanie przepływem towarów w magazynie z wykorzytaniem predyktora Smitha Ewelina Chołodowicz, Przemyław Orłowki Zachodniopomorki

Bardziej szczegółowo