Przegląd metod wieloatrybutowych wspomagających podejmowanie decyzji
|
|
- Monika Pawłowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Przegląd metod wieloatrybutowych wspomagających podejmowanie decyzji dr inż. Mirosław Kwiesielewicz Wydział Elektrotechniki i utomatyki Katedra utomatyki Gdańsk, sierpień 998
2 . Wprowadzenie Celem niniejszej pracy jest dokonanie przeglądu wieloatrybutowych metod podejmowania decyzji pod kątem ich zastosowania do analizy ryzyka w systemie przemysłowym. Ze względu na złożoność rozważanego systemu przyjmuje się następujące założenia:. Podejmowanie decyzji ma charakter hierarchiczny,. Poszczególne warianty decyzji charakteryzowane są wieloma atrybutami,. trybuty mogą posiadać postać liczbową lub lingwistyczną,. Poszczególnym atrybutom mogą być przypisane wagi, 5. Na poszczególnych poziomach decyzyjnych mogą występować różne grupy uczestniczącym w podejmowaniu decyzji (ekspertów) grupowe podejmowanie decyzji, lub różni eksperci, 6. Podstawę procesu podejmowania decyzji na każdym poziomie stanowi macierz decyzyjna D w której wiersze odpowiadają alternatywom (wariantom) natomiast kolumny atrybutom (kryteriom), np. :.0 low 5.5 small D =.5 high 6.5 medium,.8 average.5 small. very high.0 big gdzie i warianty, i atrybuty oraz wektor wag w dla poszczególnych atrybutów, np.: w = [ ] W szczególnym przypadku wagi mogą być sobie równe i wtedy zagadnienie na danym poziomie sprowadza się do zagadnienia bez wag. Warto zauważyć, że kolumny macierzy decyzyjnej wyrażają uporządkowanie (ranking) alternatyw w sensie danego atrybutu. Uporządkowanie to może być wykonane przez eksperta, grupę ekspertów lub obliczone na niższym poziomie (Rys..). W zaproponowanym podejściu pojawiają się następujące zagadnienia:. Utworzenie tablicy decyzyjnej i wektora wag,. Określenie uporządkowania alternatyw na podstawie danej tablicy decyzyjnej i wektora wag,. gregacja ocen różnych ekspertów (w przypadku szczególnym należy wziąć pod uwagę możliwość przyporządkowywania wag poszczególnym ekspertom), W niniejszym opracowaniu uwaga skoncentrowana zostanie głównie na określeniu uporządkowania.
3 Poziom D = low high average very high small medium small big w = [ ] (, Poziom) F DKryterium, Poziom' wkryterium, Poziom ( ) D = Poziom D = high near zero small negative w = [ ] Rys.. Schemat hierarchicznej struktury podejmowania decyzji. Przegląd metod wieloatrybutowego podejmowania decyzji Metody wieloatrybutowego podejmowania decyzji można podzielić na następujące grupy (Hwang and Yoon 98):. Metody nie wymagające informacji związanej z preferencjami dotyczącymi atrybutów (metoda dominacji, MMIN oraz MIM). Metody dla zadanego standardowego poziomu atrybutu (metoda grupowania, metoda wydzielania). Metody dla porządkowej preferencji dotyczącej atrybutów (metoda leksykograficzna, metoda eliminacji, metoda permutacji). Metody dla numerycznie określonej preferencji dotyczącej atrybutów (metoda przypisania liniowego, prosta addytywna metoda wagowa, metoda ELECTRE) Ponieważ metody nie wymagające informacji związanej z preferencją atrybutów nie spełniają założeń przyjętych w pracy, nie będą one brane pod uwagę w dalszych rozważaniach. Metoda hierarchicznego procesu decyzyjnego (ang. nalytic Hierarchy Process), wprowadzona przez Saaty ego (980) zawiera wszystkie elementy związane z hierarchicznym wieloatrybutowym podejmowaniem decyzji, począwszy od metody tworzenia tablicy decyzyjnej w oparciu o subiektywne oceny ekspertów, a skończywszy na agregacji ocen ekspertów i obliczeniu wag. Ponadto zostało opracowane rozmyte rozwinięcie tej metody, które pozwala na operowanie zmiennymi lingwistycznymi. W związku z powyższym metoda ta zostanie równiez omówiona... Metody dla standardowego poziomu atrybutu Metoda grupowania (ang. Conjunctive method) (Dawes 96) W praktycznych sytuacjach, związanych z podejmowaniem decyzji bardzo często zdarza się, że dany atrybut nie może być mniejszy od pewnej z góry założonej wielkości. Może to na przykład wynikać z pewnych przepisów prawnych dotyczących
4 na przykład ochrony środowiska. Metoda grupowania polega na usunięciu wariantu dla którego atrybut jest mniejszy od założonej wartości. Metoda ta nie wymaga informacji dotyczącej atrybutu w formie numerycznej. W praktyce stosowana jest przede wszystkim do podzielenia alternatyw na kategorie akceptowalne i nieakceptowalne. Metoda ta może być stosowana w hierarchicznym podejmowaniu decyzji w celu wyeliminowania wariantów, które nie mogą być zrealizowane ze względu na przekroczenie pewnych wielkości, które nie mogą być przekroczone. Warto zauważyć, że jeśli jakiś wariant zostanie usunięty na najniższym poziomie, powinien on zostać usuniety z całego drzewa decyzyjnego. Metoda wydzielania (ang. Disjunctive Method) (Dawes 96) W przeciwieństwie do poprzednio omówionej metody, w metodzie wydzielania definiuje się najwyższą wartość atrybutu. Służy ona do wyboru wariantów, dla których wartość danego atrybutu jest większa od założonego progu. Pozwala ona na wybór alternatyw z danym atrybutem przewyższajacym wcześniej założoną wartość. Posiada ona podobne własności jak metoda poprzednia i również może być w rozważanym przypadku stosowana do wstępnej selekcji wariantów lub ich grupowania.. Metody dla porządkowej preferencji dotyczącej atrybutów Metoda leksykograficzna (Luce 956, Tversky 969) W pewnych sytuacjach decyzyjnych pojedynczy atrybut może wydawać się najważniejszy (na przykład koszt). W sytuacji takiej celowe wydaje się porównanie wariantów biorąc pod uwagę ten atrybut. Metoda wymaga wcześniejszego uszeregowania atrybutów od najważniejszego do najmniej ważnego. Uszeregowanie alternatyw odbywa się kolejno względem przyjętego uszeregowania dotyczącego atrybutów. Metoda ta nie wymaga wartości numerycznych i może być stosowana do hierarchicznego podejmowania decyzji. Warto zwrócić uwagę, że wagi dla poszczególnych atrybutów nie muszą mieć również postaci numerycznej, wystarczy natomiast, aby były uporządkowane. Metoda eliminacji (Tversky 97) Metoda eliminacji oparta jest na klasycznym procesie podejmowania decyzji przec człowieka. Zakłada ona minimalną wartość dla każdego atrybutu. Wybierany jest pierwszy atrybut i wszystkie alternatywy z atrybutem o wartości mniejszej niż zadana są usuwane, następnie wybierany jest drugi atrybut, itd. W efekcie na końcu takiej procedury pozostaje pewien zbiór alternatyw, który może być zbiorem pustym. Wybór atrybutów dokonywany jest losowo. Z tego też powodu metoda może dawać w wyniku alternatywę gorszą od wyeliminowanych. Nie poleca się jej zatem do zastosowania w rozważanym zagadnieniu. Metoda permutacji (Paelnick 977) Metoda permutacji opiera się na zbiorze permutacji wszystkich uszeregowań alternatyw. Uwzględnia ona przypisanie wag poszczególnym atrybutom. Każdy z elemetów zbioru permutacji sprawdzany jest w sensie zgodności uporządkowania i wybierane jest uporządkowanie najlepsze w sensie testu zgodności. Metoda permutacji może być zastosowana w hierarchicznym podejmowaniu decyzji wymaga jednak ona wielu obliczeń.
5 . Metoda dla numerycznie określnej preferencji dotyczącej atrybutów Metoda przypisania liniowego (Bernardo and Blin 977) Metoda przypisania liniowego polega na przypisaniu ważności (rangi) alternatywie, odpowiadającej danemu atrybutowi, uszeregowaniu alernatyw zgodnie z przypisaną rangą oraz obliczeniu ważonej sumy ważności dla poszczególnych alternatyw. Metoda wymaga numerycznej wartości poszczególnych wag i jest atrakcyjna z punktu widzenia realizacji numerycznej. Może być zastosowana w rozważanym zagadnieniu. Prosta addytywna metoda wagowa (MacCrimon 968) Prosta addytywna metoda wagowa wymaga dokonania normalizacji macierzy decyzyjnej. Nastepnie uszeregowanie alternatyw odbywa się poprzez przyporządkowanie każdej z nich sumy ważonej wartości atrybutów odpowiadajacych danej alternatywie. Metoda wymaga wartości numerycznych atrybutów i wag, niemniej jednak w prosty sposób może być rozwinięta na przypadek z wartościami numerycznymi i zmiennymi lingwistycznymi przy wykorzystaniu arytmetyki liczb rozmytych. Może ona być z powodzeniem stosowana w hierarchicznym podejmowaniu decyzji. Istnieje również wersja nieliniowa tej metody. Metoda ELECTRE (Banayoun et al. 966) Metoda ELECTRE (fr. Elimination et Choice Translating Reality) opiera się na pojęciu częściowego uporządkowania alternatyw oraz ich porównywaniu parami. Na tej podstawie tworzone są zbiory zgodności i niezgodności. W efekcie otrzymywany jest graf przedstawiający uporządkowanie alternatyw. W szczególnym przypadku można uzyskać uporządkowanie bez preferencji dotyczącej wybranych alternatyw. Ze wzgledu na ten fakt metoda ta nie może być w sposób bezposredni zastosowana w podejściu hierarchicznym. Biorąc jednak pod uwagę fakt, iż metoda ta jest jedną z lepszych metod, ze względu na prosta jej logikę, pełne wykorzystanie informacji zawartej w macierzy decyzyjnej oraz wyrafinowanej procedury numerycznej należało by rozważyć możliwość jej modyfikacji. Należy podkreślić, że metoda ta posiada realizację numeryczną.. Grupowe wieloatrybutowe podejmowanie decyzji w oparciu o metodę porównywania parami w kategoriach HP Metoda hierarchicznego procesu decyzyjnego HP (ang. nalytic Hierarchy Process) została wprowadzona przez Saaty'ego (980). Pozwala ona na utworzenie tablicy decyzyjnej i wektora wag w oparciu o metodę porównywania parami. Obliczenie uszeregowania odbywa się za pomocą prostej addytywnej metody wagowej. Przyjmując odpowiednie założenia można ją stosować w sytuacji grupowego podejmowania decyzji w przypadkach, gdy ekspert odmówi oceny pary alternatyw. Utworzenie tablicy decyzyjnej polega na uszeregowaniu skończonej liczby alternatyw (obiektów) poprzez porównywanie ich parami, korzystając ze skali: S = { 9,...,,,,...,9}. Ekspert (lub osoba podejmująca decyzję), każdej parze obiektów w sposób subiektywny, przyporządkowuje liczbą ze zbioru S. Załóżmy, że mamy n obiektów: F, F,..., Fn. Każdej parze obiektów ( F i, Fj ), i,j=,...,n przyporządkowana jest liczba r ij S zgodnie z subiektywnymi preferencjami danego eksperta (patrz np. (Saaty 980). Następnie wyniki umieszczane są w tzw. macierzy ocen R:
6 r r! r n r r! r n R =. () " " " " rn rn! rnn Koncepcja Saaty'ego polega na przybliżeniu macierzy ocen R za pomocą następującej macierzy ilorazów: α α α α! α αn α α α α! α αn S =. () " " " " αn α αn α! αn αn Innymi słowy macierz R, utworzona przez eksperta jest macierzą z niezgodnymi ocenami. Naszym zadaniem jest znalezienie macierzy S z ocenami zgodnymi, które przedstawione są w postaci ilorazów sij = α i α j, i, j =,,..., n. Otrzymując macierz S otrzymujemy równocześnie wektor rozwiązania rozważanego problemu, a mianowicie: (, ) T s = α #,α n. () Dokonując normalizacji wektora s otrzymujemy wektor: gdzie: * * ( α ) T, #, α * s = n. () n i i i i # * α = α = α, i =,, n. (5) Wektor s stanowi w tym przypadku wektor uszeregowania alternatyw zwizanych z danym atrybutem (kolumna macierzy decyzyjnej). by utworzyć całą macierz decyzyjną należy powyższą procedurę wykonać dla wszystkich atrybutów. W dalszych rozważaniach pomija się indeks "*" oraz zakłada, że wektor s jest znormalizowany, zgodnie z równaniami ()-(5). W celu znalezienia wektora s stosowane są głównie trzy metody: metoda maksymalnej wartości własnej (Saaty 980, Saaty and Vargas 98), metoda najmniejszych kwadratów (Saaty and Vargas 88, Grawford and Willians 985) oraz metoda logarytmicznych najmniejszych kwadratów (Grawford and Williams 985, Saaty and Vargas 98). nalizę i porównanie powyższych metod można znaleźć m.in w pracach (Grawford and Williams 985, Saaty and Vargas 98). Załóżmy, że w rozważanym procesie podejmowania decyzji mamy n obiektów: F, F,..., Fn. Niech naszym zadaniem będzie porównanie ich pod względem m kryteriów C, C,..., Cm przez D ekspertów. Nasze zagadnienie podejmowania decyzji można zdekomponować na następujące podproblemy: ranking kryteriów (utworzenie wektora wag) oraz ranking obiektów pod względem kryterium i, i =,, #, n (utworzenie macierzy decyzyjnej). Ponadto załóżmy, że stosując metodykę opisaną wcześniej otrzymaliśmy następujący, znormalizowany wektor wag T dla kryteriów: w = ( w, #, w n ), oraz następujące wyniki rankingów obiektów odpowiednio pod względem kryterium C i, i =,, #, m : s = ( α,, α ) T. Wówczas i i # in
7 zgodnie z HP otrzymujemy następujący ranking globalny stosując prostą addytywną metodę wagową (Rys..): m α i = w jα ij, i =,,!, n. (6) j= Jak widać problem wielokryterialnego podejmowania decyzji może być zdekomponowany na odpowiednie podproblemy. Podproblemy te rozwiązuje się niezależnie, stosując metodę porównywania parami, a nastepnie dokonuje się agregacji, D =. stosując równanie (6). Warto zauważyć, że [ ] nxm α ij Ranking kryteriów (, #, ) w = w w n T wagi w w... w Ranking obiektów Ranking obiektów Ranking obiektów kryterium kryterium kryterium m s = α (, #, αn) T (,, ) T s = α # α n... (, #, ) s = α α T m m mn α i w, α i, w α mi, w m ranking globalny α i = m j= w α j ij Rys.. Hierarchiczny proces decyzyjny Podejście Saaty ego może być stosowane również w przypadku występowania ocen lingwistycznych. Pozwala na to rozmyte rozwinięcie tej metody zaproponowane przez Laarhovena i Pedrycza (98). Metoda HP posiada realizację numeryczną w postaci pakietu EPERT CHOICE.. Uwagi i wnioski W niniejszej pracy dokonano przeglądu wieloatrybutowych metod podejmowania decyzji pod kątem ich zastosowania do analizy ryzyka w systemie przemysłowym. Zaproponowano hierarchiczną strukturę procesu podejmowania decyzji. Uwagę skoncentrowano głównie na obliczeniach związanych z określeniem uporządkowania wariantów. Do realizacji hierarchicznego procesu decyzyjnego proponuje się zastosowanie metody Saaty ego (980), ponieważ pozwala ona na wykonanie wszystkich kroków związanych z realizacją procesu decyzyjnego począwszy od utworzenia tablicy
8 decyzyjnej, a skończywszy na obliczeniu uporządkowania w oparciu o wcześniej obliczone wagi. Metodę tą, przy pewnych założeniach można również stosować w grupowym podejmowaniu decyzji oraz w przypadku, gdy ekspert odmówi podania oceny dotyczącej pary lub par wariantów. Proponuje się jednak jej pewne modyfikacje. Jeśli dane w tablicy decyzyjnej są określane na podstawie wielkości mierzalnych lub gdy ekspert jest w stanie podać uszeregowanie dla danego atrybutu, nie należy korzystać z metody porównywania parami. Może ona natomiast być korzystna w przypadku grupowego podejmowania decyzji, szczególnie wtedy, gdy oceny ekspertów są rozbieżne. W przypadku, gdy ze względów praktycznych do uszeregowania wariantów bardziej celowe okaże się zastosowanie innej metody niż stosowana przez Saaty ego addytywna metoda wagowa, należy zastosować tą metodę. W szczególności do wstępnej kwalifikacji wariantów należy stosować metody dla standardowego poziomu atrybutu, co może wydatnie skrócić proces obliczeniowy. W sytuacji występowania wag w postaci nienumerycznej przydatna może się okazać metoda leksykograficzna. Warto również rozważyć zastosowanie metody przypisania liniowego (atrakcyjna z punktu widzenia realizacji numerycznej) oraz odpowiednią modyfikację metody ELECTRE, ponieważ ta ostatnia w pełni wykorzystuje informację zawartą w tablicy decyzyjnej. W sytuacji występowania ocen lingwistycznych należy zastosować rozmyte rozwinięcie metody HP. Na zakończenie warto podkreślić, że hierarchiczna struktura podejmowania decyzji występująca w metodzie HP idealnie pasuje do rozwiązania rozważanego zagadnienia. Literatura Banayoun R., Roy B., Sussman N. (966) Manual de Reference du Programme Electre. Note de Synthese et Formation 5, Direction Scientifique SEM, Paris. Bernardo J.J., Blin J.M. (977) programming model of consumer choice among multi-attributed brands. Journal of Consumer Research (): -8. Crawford G., Williams C. (985) note on the analysis of subjective Judgement Matrices. Journal of Mathematical Psychology 9: Dawes R.M. (96) Social selection based on multidimentional criteria. Jounar of bnormal and Social Psychology 68 (): Hwang C.-L, Yoon K, (98) Multiple ttribute Decision Making. Methods and pplications. State-of-the-rt-Survey. Springer-Verlag, Berlin heidelberg New York. Laarhoven van P.J.M., Pedrycz W. (98) fuzzy extension of Saaty s priority theory. Fuzzy Sets and Systems :9-. Luce R.D. (956) Semiorders and a theory of utiliti discrimination. Econometrica (): MacCrimon (968) Decision-making among multiple-attribute alternatives: survey and consolidated approach. RND Memorandum, RM-5877-DOT. Paelnick J.H.P. (977) Qualitative multiple criteria analysis, environmental protection and multiregional development. Papers of the Regional Science ssociation 6: 59-7 Saaty T.L. (980) The nalytic Hierarchy Process. Mc-Graw Hill, New York. Saaty T.L., Vargas L.G (98) Comparison of eigenvalue, logarithmic least squares and least squares methods in estimating ratios. Mathematical Modelling 5: 09-.
9 Tversky. (969) Intrasitivity of preferences. Psychological Review 76 (): -8. Tversky. (97) Elimination by aspects: probabilistic theory of choice. Michigan Mathematical Psychology Program MMP 7-, The University of Michigan, nn rbor, Michigan. Vincke P., Gassner M., Roy B. (99) Multicriteria Decision-id. John Wiley & Sons Ltd., Baffins Lane, Chichester.
10
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 szczegółowoZastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce
Zastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce Autor: prof. dr hab. inż. Waldemar Kamrat Politechnika Gdańska, Katedra Elektroenergetyki ( Energetyka
Bardziej szczegółowoLOGISTYKA DYSTRYBUCJI II ćwiczenia 3 WYBÓR DOSTAWCY USŁUG WIELOKRYTERIALNE MODELE DECYZYJNE. AUTOR: dr inż. ROMAN DOMAŃSKI WYBÓR DOSTAWCY USŁUG
1 LOGISTYKA DYSTRYBUCJI II ćwiczenia 3 WIELOKRYTERIALNE MODELE DECYZYJNE AUTOR: dr inż. ROMAN DOMAŃSKI METODY OCENY I WYBORU DOSTAWCÓW 2 Wybór odpowiedniego dostawcy jest gwarantem niezawodności realizowanych
Bardziej szczegółowoZastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce 2)
Waldemar Kamrat 1) Zastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce 2) Analytic hierarchy process application for investment effectiveness studies
Bardziej szczegółowoWIELOATRYBUTOWE PODEJMOWANIE DECYZJI: ANALYTIC HIERARCHY PROCESS
WIELOATRYBUTOWE PODEJMOWANIE DECYZJI: ANALYTIC HIERARCHY PROCESS 1.1. ISTOTA METODY AHP... 1 Rysunek 1. Etapy rozwiązywania problemów z pomocą AHP... 3 Rysunek 2. Hierarchia decyzyjna AHP... 4 Tabela 1.
Bardziej szczegółowoWielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik
Wielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik W książce autorzy przedstawiają dyskretne problemy wielokryterialne, w których liczba rozpatrywanych przez decydenta wariantów decyzyjnych
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoAHP Analityczny Hierarchiczny Proces
1/ 38 AHP Analityczny Hierarchiczny Proces Przemysław Klęsk pklesk@wi.zut.edu.pl AHP (Thomas L. Saaty, lata 70-te) 2/ 38 Literatura ogólnie o metodzie: 1 Analytical Planning/the Logic of Priorities (Analytic
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoPlan 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 szczegółowoObliczenia iteracyjne
Lekcja Strona z Obliczenia iteracyjne Zmienne iteracyjne (wyliczeniowe) Obliczenia iteracyjne wymagają zdefiniowania specjalnej zmiennej nazywanej iteracyjną lub wyliczeniową. Zmienną iteracyjną od zwykłej
Bardziej szczegółowoMetoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.
Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Istnieje wiele heurystycznych podejść do rozwiązania tego problemu,
Bardziej szczegółowoWielokryterialne wspomaganie podejmowania decyzji
Wielokryterialne wspomaganie podejmowania decyzji Wykład ZARZĄDZANIE I st. Maciej Wolny Wielokryterialne wspomaganie podejmowania decyzji Temat : Metoda Electre III Temat 2: Agregacja (podejście I) Maciej
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
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 szczegółowoWYBÓR SYSTEMU INFORMATYCZNEGO METODĄ AHP
ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 06 Seria: ORGANIZACJA I ZARZĄDZANIE z. 96 Nr kol. 963 Aleksandra CZUPRYNA-NOWAK Politechnika Śląska Wydział Organizacji i Zarządzania aleksandra.nowak@polsl.pl WYBÓR
Bardziej szczegółowoKody blokowe Wykład 2, 10 III 2011
Kody blokowe Wykład 2, 10 III 2011 Literatura 1. R.M. Roth, Introduction to Coding Theory, 2006 2. W.C. Huffman, V. Pless, Fundamentals of Error-Correcting Codes, 2003 3. D.R. Hankerson et al., Coding
Bardziej szczegółowoPolitechnika Białostocka, Wydział Zarządzania, Katedra Informatyki Gospodarczej i Logistyki
Zastosowanie metody TOPSIS do oceny kondycji finansowej spółek dystrybucyjnych energii elektrycznej Application of TOPSIS method for evaluation of financial condition of the power distribution companies
Bardziej szczegółowoANALIZA PORÓWNAWCZA METOD WIELOKRYTERIALNYCH W OCENIE AUDIENCJI SERWISÓW INTERNETOWYCH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 232 241 ANALIZA PORÓWNAWCZA METOD WIELOKRYTERIALNYCH W OCENIE AUDIENCJI SERWISÓW INTERNETOWYCH Marta Szarafińska Uniwersytet Szczeciński
Bardziej szczegółowoRys Wykres kosztów skrócenia pojedynczej czynności. k 2. Δk 2. k 1 pp. Δk 1 T M T B T A
Ostatnim elementem przykładu jest określenie związku pomiędzy czasem trwania robót na planowanym obiekcie a kosztem jego wykonania. Związek ten określa wzrost kosztów wykonania realizacji całego przedsięwzięcia
Bardziej szczegółowoLOGISTYKA ZAOPATRZENIA PRODUKCJI. Katedra Systemów Logistycznych
LOGISTYKA ZAOPATRZENIA I PRODUKCJI Katedra Systemów Logistycznych ĆwICZENIA 6 wybór DOSTAwCY wybór ODPOwIEDNIEGO DOSTAwCY JEST GwARANTEm NIEZAwODNOśCI REALIZOwANYCh DOSTAw materiałów Metody oceny i wyboru
Bardziej szczegółowoPROBLEM ROZMIESZCZENIA MASZYN LICZĄCYCH W DUŻYCH SYSTEMACH PRZEMYSŁOWYCH AUTOMATYCZNIE STEROWANYCH
CZESŁAW KULIK PROBLEM ROZMIESZCZENIA MASZYN LICZĄCYCH W DUŻYCH SYSTEMACH PRZEMYSŁOWYCH AUTOMATYCZNIE STEROWANYCH Duże systemy przemysłowe, jak kopalnie, kombinaty metalurgiczne, chemiczne itp., mają złożoną
Bardziej szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoObliczenia naukowe Wykład nr 8
Obliczenia naukowe Wykład nr 8 Paweł Zieliński Katedra Informatyki, Wydział Podstawowych Problemów Techniki, Politechnika Wrocławska Literatura Literatura podstawowa [] D. Kincaid, W. Cheney, Analiza numeryczna,
Bardziej szczegółowoZASTOSOWANIE METODY AHP W OCENIE PROJEKTÓW INWESTYCYJNYCH KOPALNI WĘGLA KAMIENNEGO
Adam Sojda Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Ekonomii i Informatyki adam.sojda@polsl.pl Maciej Wolny Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Ekonomii
Bardziej szczegółowoRozwiązywanie układów równań liniowych
Rozwiązywanie układów równań liniowych Marcin Orchel 1 Wstęp Jeśli znamy macierz odwrotną A 1, to możęmy znaleźć rozwiązanie układu Ax = b w wyniku mnożenia x = A 1 b (1) 1.1 Metoda eliminacji Gaussa Pierwszy
Bardziej szczegółowoMATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH
MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.
Bardziej szczegółowoMetody wielokryterialne. Tadeusz Trzaskalik
Metody wielokryterialne Tadeusz Trzaskalik 4.1. Wprowadzenie Słowa kluczowe Zadanie wielokryterialne Zadanie wielokryterialne programowania liniowego Przestrzeń decyzyjna Zbiór rozwiązań za dopuszczalnych
Bardziej szczegółowoPODEJMOWANIE DECYZJI Z WYKORZYSTANIEM ROZMYTEJ METODY SAW I TRANSFORMATY MELLINA 1
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI, 2015, str. 141 150 PODEJMOWANIE DECYZJI Z WYKORZYSTANIEM ROZMYTEJ METODY SAW I TRANSFORMATY MELLINA 1 Dariusz Kacprzak Katedra Matematyki, Politechnika
Bardziej szczegółowoWstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe. P. F. Góra
Wstęp do metod numerycznych Eliminacja Gaussa Równania macierzowe P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2015 Co można zrobić z układem równań... tak, aby jego rozwiazania się nie zmieniły? Rozważam
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych Niech K będzie ciałem. Niech n, m N. Równanie liniowe nad ciałem K z niewiadomymi (lub zmiennymi) x 1, x 2,..., x n K definiujemy jako formę zdaniową zmiennej (x 1,..., x n ) K
Bardziej szczegółowoAlgorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych. Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS
Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS Dyskretyzacja - definicja Dyskretyzacja - zamiana atrybutów
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 szczegółowo1 Układy równań liniowych
II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie
Bardziej szczegółowoWłasność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky
Własność iteracyjności składek ubezpieczeniowych wyznaczonych w oparciu o teorię skumulowanej perspektywy Kahnemana-Tversky ego Marek Kałuszka Michał Krzeszowiec Ogólnopolska Konferencja Naukowa Zagadnienia
Bardziej szczegółowoDefinicja i własności wartości bezwzględnej.
Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności
Bardziej szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoOCENA WYROBISK WYBIERKOWYCH KOPALNI WĘGLA KAMIENNEGO Z UWZGLĘDNIENIEM NIEPORÓWNYWALNOŚCI KRYTERIÓW 1
Maciej Wolny Politechnika Śląska Wydział Organizacji i Zarządzania Instytut Ekonomii i Informatyki Maciej.Wolny@polsl.pl OCENA WYROBISK WYBIERKOWYCH KOPALNI WĘGLA KAMIENNEGO Z UWZGLĘDNIENIEM NIEPORÓWNYWALNOŚCI
Bardziej szczegółowoZastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych
Konferencja Systemy Czasu Rzeczywistego 2012 Kraków, 10-12 września 2012 Zastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych Piotr Szwed AGH University
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoWspomaganie podejmowania decyzji w rozmytych bazach danych metodą AHP
Rozdział 32 Wspomaganie podejmowania decyzji w rozmytych bazach danych metodą AHP Streszczenie. Rozdział zawiera propozycje wspomagania podejmowania decyzji w rozmytych bazach danych (BD). Hierarchiczna
Bardziej szczegółowoO MACIERZACH I UKŁADACH RÓWNAŃ
O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a
Bardziej szczegółowoFunkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska
Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w
Bardziej szczegółowo1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:
Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane
Bardziej szczegółowoMetoda eliminacji Gaussa. Autorzy: Michał Góra
Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego
Bardziej szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia I stopnia rok akademicki 2011/2012 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Uwagi wstępne Układ liniowych równań algebraicznych można
Bardziej szczegółowoMOŻLIWOŚCI WERYFIKACJI WYCEN WARTOŚCI NIERUCHOMOŚCI Z POMOCĄ NARZĘDZI ANALIZY WIELOKRYTERIALNEJ
MOŻLIWOŚCI WERYFIKACJI WYCEN WARTOŚCI NIERUCHOMOŚCI Z POMOCĄ NARZĘZI ANALIZY WIELOKRYTERIALNEJ Mirosław YTCZAK, Grzegorz GINA, Maciej SZPRINGIER Streszczenie: Wycena uwarunkowana jest wieloma prawnymi
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoHierarchiczna 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 szczegółowoSystem bonus-malus z mechanizmem korekty składki
System bonus-malus z mechanizmem korekty składki mgr Kamil Gala Ubezpieczeniowy Fundusz Gwarancyjny dr hab. Wojciech Bijak, prof. SGH Ubezpieczeniowy Fundusz Gwarancyjny, Szkoła Główna Handlowa Zagadnienia
Bardziej szczegółowoMetody numeryczne Wykład 4
Metody numeryczne Wykład 4 Dr inż. Michał Łanczont Instytut Elektrotechniki i Elektrotechnologii E419, tel. 4293, m.lanczont@pollub.pl, http://m.lanczont.pollub.pl Zakres wykładu Metody skończone rozwiązywania
Bardziej szczegółowobudowlanymi - WAP Aleksandra Radziejowska
budowlanymi - WAP Aleksandra Radziejowska Co to jest optymalizacja wielokryterialna? ustalenie kryterium poszukiwania i oceny optymalnego. Co to jest optymalizacja wielokryterialna? pod zakup maszyny budowlanej
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 szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
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 szczegółowoWYBÓR NAJLEPSZEGO PROJEKTU ZGŁOSZONEGO W R AMACH BO Z WYKORZYSTANIEM METODY WIELOKRYTERIALNEGO GRUPOWEGO PODEJMOWANIA DECYZJI AHP
Studia Informatica Pomerania nr 4/2016 (42) www.wnus.edu.pl/si DOI: 10.18276/si.2016.42-03 27 37 WYBÓR NAJLEPSZEGO PROJEKTU ZGŁOSZONEGO W R AMACH BO Z WYKORZYSTANIEM METODY WIELOKRYTERIALNEGO GRUPOWEGO
Bardziej szczegółowoRozmyta metoda z wagami uzyskanymi za pomocą rozmytej entropii 2
PRZEGLĄD STATYSTYCZNY TOM LXV ZESZYT 1 2018 Dariusz KACPRZAK 1 Rozmyta metoda z wagami uzyskanymi za pomocą rozmytej entropii 2 1. WSTĘP Człowiek w życiu codziennym bezustannie spotyka się z sytuacjami,
Bardziej szczegółowoMETODA 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 szczegółowoPorównanie metod AHP oraz Promethee na przykładzie oceny wariantów zintegrowanego systemu miejskiego transportu publicznego w Krakowie
SOLECKA Katarzyna 1 Porównanie metod AHP oraz Promethee na przykładzie oceny wariantów zintegrowanego systemu miejskiego transportu publicznego w Krakowie WSTĘP Problemy decyzyjne transportu miejskiego
Bardziej szczegółowoJEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY
JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model
Bardziej szczegółowo04 Układy równań i rozkłady macierzy - Ćwiczenia. Przykład 1 A =
04 Układy równań i rozkłady macierzy - Ćwiczenia 1. Wstęp Środowisko Matlab można z powodzeniem wykorzystać do rozwiązywania układów równań z wykorzystaniem rozkładów macierzy m.in. Rozkładu Choleskiego,
Bardziej szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoFormy kwadratowe. Rozdział 10
Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w
Bardziej szczegółowoRozdział 5. Macierze. a 11 a a 1m a 21 a a 2m... a n1 a n2... a nm
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i,j) (i = 1,,n;j = 1,,m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F = R lub F = C, nazywamy macierzą (rzeczywistą, gdy F
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY WALIDACJA KRZYŻOWA dla ZAAWANSOWANEGO KLASYFIKATORA KNN ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowoRACHUNEK MACIERZOWY. METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6. Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska
RACHUNEK MACIERZOWY METODY OBLICZENIOWE Budownictwo, studia I stopnia, semestr 6 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy
Bardziej szczegółowoAnaliza regresji - weryfikacja założeń
Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.
Bardziej szczegółowoDefinicja macierzy Typy i właściwości macierzy Działania na macierzach Wyznacznik macierzy Macierz odwrotna Normy macierzy RACHUNEK MACIERZOWY
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Czym jest macierz? Definicja Macierzą A nazywamy funkcję
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoWstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
Bardziej szczegółowoPromotorem rozprawy jest prof. dr hab. inż. Barbara Białecka, prof. GIG, a promotorem pomocniczym dr inż. Jan Bondaruk GIG.
Prof. dr hab. inż. Jolanta Biegańska Kraków, 28.07.2017 r. Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie al. Mickiewicza 30, 30-059 Kraków Wydział Górnictwa i Geoinżynierii Katedra Górnictwa
Bardziej szczegółowoAnaliza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.
Analiza numeryczna Lista nr 3 (ćwiczenia) Sprawdzić że macierz ma wartości własne2+ 222 2 2 Niechx R n Udowodnić że 2 0 0 x x 2 n x 3 NiechA R n n będzie macierzą symetryczną Wiadomo że wówczas istnieje
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 szczegółowoMetody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1
Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy
Bardziej szczegółowoWnioskowanie bayesowskie
Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY
METODY INŻYNIERII WIEDZY Metoda K Najbliższych Sąsiadów K-Nearest Neighbours (KNN) ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Bardziej szczegółowoAHP pomoże podjąć decyzję
Akademia Wiedzy BCC /akademia AHP pomoże podjąć decyzję Narzędzie dla menedżerów Czy tylko intuicja? Zarządzanie projektami od kilku lat jest ważną częścią biznesu wielu firm komercyjnych (m.in. konsultingowych,
Bardziej szczegółowoOptymalizacja wielokryterialna
Optymalizacja wielokryterialna Optymalizacja wielokryterialna Dział badań operacyjnych zajmujący się wyznaczaniem optymalnej decyzji w przypadku, gdy występuje więcej niż jedno kryterium Problem wielokryterialny
Bardziej szczegółowoPROCES ANALITYCZNEJ HIERARCHIZACJI W OCENIE WARIANTÓW ROZWIĄZAŃ PROJEKTOWYCH
PROCES ANALITYCZNEJ HIERARCHIZACJI W OCENIE WARIANTÓW ROZWIĄZAŃ PROJEKTOWYCH Paweł Cabała 1 Streszczenie Celem artykułu jest przedstawienie możliwości wykorzystania metody AHP w procesie projektowania
Bardziej szczegółowo4. Postęp arytmetyczny i geometryczny. Wartość bezwzględna, potęgowanie i pierwiastkowanie liczb rzeczywistych.
Jarosław Wróblewski Matematyka dla Myślących, 008/09. Postęp arytmetyczny i geometryczny. Wartość bezwzględna, potęgowanie i pierwiastkowanie liczb rzeczywistych. 15 listopada 008 r. Uwaga: Przyjmujemy,
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 8b: Algebra relacyjna http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2009/tpi-2009 Prof. dr hab. Elżbieta Richter-Wąs 1 Algebra relacyjna Algebra relacyjna (ang.
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 szczegółowoAnaliza wielokryterialna wstęp do zagadnienia
Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym
Bardziej szczegółowoBadania eksperymentalne
Badania eksperymentalne Analiza CONJOINT mgr Agnieszka Zięba Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa Najpopularniejsze sposoby oceny wyników eksperymentu w schematach
Bardziej szczegółowodr Mariusz Grządziel 15,29 kwietnia 2014 Przestrzeń R k R k = R R... R k razy Elementy R k wektory;
Wykłady 8 i 9 Pojęcia przestrzeni wektorowej i macierzy Układy równań liniowych Elementy algebry macierzy dodawanie, odejmowanie, mnożenie macierzy; macierz odwrotna dr Mariusz Grządziel 15,29 kwietnia
Bardziej szczegółowoUkłady równań liniowych. Krzysztof Patan
Układy równań liniowych Krzysztof Patan Motywacje Zagadnienie kluczowe dla przetwarzania numerycznego Wiele innych zadań redukuje się do problemu rozwiązania układu równań liniowych, często o bardzo dużych
Bardziej szczegółowoWykład 5. Metoda eliminacji Gaussa
1 Wykład 5 Metoda eliminacji Gaussa Rozwiązywanie układów równań liniowych Układ równań liniowych może mieć dokładnie jedno rozwiązanie, nieskończenie wiele rozwiązań lub nie mieć rozwiązania. Metody dokładne
Bardziej szczegółowoEgzamin z Metod Numerycznych ZSI, Egzamin, Gr. A
Egzamin z Metod Numerycznych ZSI, 06.2007. Egzamin, Gr. A Imię i nazwisko: Nr indeksu: Section 1. Test wyboru, max 33 pkt Zaznacz prawidziwe odpowiedzi literą T, a fałszywe N. Każda prawidłowa odpowiedź
Bardziej szczegółowoWykorzystanie metod ELECTRE w projektowaniu złożonych systemów organizacyjnych *
Zeszyty Naukowe Zarządzanie Uniwersytet Ekonomiczny w Krakowie 905 ISSN 1898-6447 Zesz. Nauk. UEK, 2013; 905: 5 20 Katedra Procesu Zarządzania Wykorzystanie metod ELECTRE w projektowaniu złożonych systemów
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 szczegółowoMODELOWANIE PREFERENCJI UŻYTKOWNIKA W SYSTEMIE WSPOMAGANIA DECYZJI
Scientific Bulletin of Che lm Section of Mathematics and Computer Science No. 1/2008 MODELOWANIE PREFERENCJI UŻYTKOWNIKA W SYSTEMIE WSPOMAGANIA DECYZJI ANDRZEJ ŁODZIŃSKI Wydział Zastosowań Informatyki
Bardziej szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowoWprowadzenie do badań operacyjnych - wykład 2 i 3
Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j
Bardziej szczegółowoInterwałowe zbiory rozmyte
Interwałowe zbiory rozmyte 1. Wprowadzenie. Od momentu przedstawienia koncepcji klasycznych zbiorów rozmytych (typu 1), były one krytykowane za postać jaką przybiera funkcja przynależności. W przypadku
Bardziej szczegółowoMaciej Piotr Jankowski
Reduced Adder Graph Implementacja algorytmu RAG Maciej Piotr Jankowski 2005.12.22 Maciej Piotr Jankowski 1 Plan prezentacji 1. Wstęp 2. Implementacja 3. Usprawnienia optymalizacyjne 3.1. Tablica ekspansji
Bardziej szczegółowoZasada indukcji matematycznej
Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.
Bardziej szczegółowoIdea obiektów wzorcowych DAHP w wycenie nieruchomości
131 Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 2(34)/2013 Mirosław Dytczak AGH Akademia Górniczo-Hutnicza, Kraków Grzegorz Ginda AGH Akademia Górniczo-Hutnicza, Kraków Idea obiektów wzorcowych
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 szczegółowoMatematyka dyskretna dla informatyków
Matematyka dyskretna dla informatyków Część I: Elementy kombinatoryki Jerzy Jaworski Zbigniew Palka Jerzy Szymański Uniwersytet im. Adama Mickiewicza Poznań 2007 4 Zależności rekurencyjne Wiele zależności
Bardziej szczegółowo