RÓWNOLEGŁY ALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA CYKLICZNEGO PROBLEMU GNIAZDOWEGO
|
|
- Stanisław Turek
- 7 lat temu
- Przeglądów:
Transkrypt
1 RÓWNOLEGŁY ALGORYTM PRZESZUKIWANIA Z ZABRONIENIAMI DLA CYKLICZNEGO PROBLEMU GNIAZDOWEGO Wojciech BOŻEJKO, Andrzej GNATOWSKI, Mieczysław WODECKI Streszczenie: W pracy rozpatrujemy cyliczny problemem gniazdowy, polegający na wytwarzaniu w ustalonych odstępach czasu pewnego zestawu elementów. Optymalizacja procesu sprowadza się do minimalizacji czasu cylu, tj. czasu, po tórym może nastąpić wyonywanie następnej partii tych samych elementów. Ponieważ problem jest silnie NPtrudny, więc do jego rozwiązywania będziemy stosowali algorytm przybliżony zaprojetowany do pracy w środowisu wieloprocesorowym. Słowa luczowe: szeregowanie zadań, algorytm równoległy, poszuiwanie z tabu 1. Wstęp Problemy cyliczne stanowią unialną, stosunowo mało zbadaną podlasę problemów szeregowania zadań. Jedna ostatnio cieszą się one znacznie więszym zainteresowaniem zarówno pratyów ja i teoretyów, głównie ze względu na ich duże znaczenie pratyczne oraz trudności z onstruowaniem odpowiednio efetywnych algorytmów rozwiązywania. Silna NP-trudność już wielu najprostszych wersji badanego problemu ogranicza zares stosowania algorytmów doładnych wyłącznie do instancji o niewielim rozmiarze. W rozpatrywanym wielomaszynowym systemie producji cylicznej dowolny element z ustalonej partii (mieszani) przechodzi w zadanej olejności technologicznej przez maszyny. Problem polega na minimalizacji czasu cylu, tj. czasu po tórym może nastąpić wyonywanie następnej partii tych samych elementów. Formalnie można go sformułować następująco: rozważany jest system wytwórczy złożony z m stanowis (maszyn o jednostowej przepustowości) oznaczonych M = {1,2,,m}. W systemie należy wyonywać cylicznie (w sposób powtarzalny) n zadań danych zbiorem N = {1,2,,n}. Zadanie j-te wymaga sewencji n j operacji indesowanych olejnymi liczbami naturalnymi (l j-1+1,,l j-1+n j), wyonywanych w podanej olejności, gdzie l = n jest całowitą liczbą operacji pierwszych j zadań, j=1,2,,n, l 0 = 0, oraz n = o. Operacja i O = {1,2,,o} ma być wyonywana na maszynie v im w nieprzerywalnym czasie p i > 0. Należy wyznaczyć cyliczny harmonogram pracy systemu przy następujących ograniczeniach: (1) ażda maszyna może wyonywać co najwyżej jedną operację w ażdej jednostce czasu, (2) ażda operacja może być wyonywany na co najwyżej jednej maszynie w ażdej jednostce czasu, (3) wyonywanie operacji nie może być przerwane. Zbiór zadań wyonywanych w pojedynczym cylu nazywany jest MPS-em (ang. Minimal Part Set). MPS-y są przetwarzane jeden po drugim w sposób cyliczny, dostarczając partię zadań (mieszanę produtów) w ilościach odpowiedniej dla ażdego cylu. Problem sprowadza się więc do ustalenia momentów rozpoczęcia wyonywania zadań na maszynach, aby czas cylu (czas po tórym zadanie jest wyonywane w olejnym MPSie) był minimalny. 622
2 Przegląd stanu wiedzy dotyczącego cylicznych zagadnień szeregowania zadań znaleźć można w pracy Levner i in. [1], a taże w rozprawie dotorsiej Kampmeyera [2]. Przegląd zagadnień producji cylicznej z zadaną liczbą MPS znaleźć można w pracach Sawia [3, 4]. Nowe własności harmonogramów cylicznych zaproponował Smutnici [5-7] oraz Pempera i Smutnici [8] i Dąbrowsi, Pempera, Smutnici [9]. Wstępne wynii badań autorów nad problemami cylicznymi opubliowane zostały w pracach Bożejo, Gniewowsi, Pempera, Wodeci [10], Bożejo, Kacprza, Wodeci [11] oraz Bożejo i Wodeci [12]. 2. Model matematyczny Zbiór operacji O w pojedynczym MPS może być w naturalny sposób zdeomponowany na podzbiory O = {j O : v j = }, z tórych ażdy odpowiada operacjom wyonywanych na maszynie ; niech m = O, M. Kolejność wyonywania operacji na maszynach jest definiowana jao m-rota π = (π 1,,π m), gdzie π = (π (1),,π (m )) jest permutacją elementów zbioru O, M; π (i) oznacza element O, tóry jest na pozycji i w π. Niech będzie zbiorem wszystich permutacji elementów z O. Stąd olejność wyonywania π 1 2 m. Harmonogram dla olejności wyonywania -tego MPS (według olejności wyonywania π) opisujemy zasadniczo przez dwa wetory zdarzeń S = (S,, S ), C = (C,, C ), gdzie S i C oznaczają odpowiednio termin rozpoczęcia i zaończenia operacji j w -tym MPS. Zdarzenia te muszą spełniać następujące ograniczenia: C C i Si 1, i = l j1 1,, l j 1, j =1,, n, (1) S, i = 1,, m 1, = 1,,, (2) ( i) ( i 1) m Ci = Si pi, i =1,, o, S i (3) 0, i =1,, n, (4) gdzie =1,2,. Ograniczenie (1) wynia z porządu technologicznego wyonywania operacji wewnątrz zadań, podczas gdy (2) z sewencyjnego charateru pracy maszyn. Równania (3) oraz (4) są oczywiste. Mówimy, że olejność wyonywania π jest dopuszczalna, jeśli istnieje co najmniej jeden harmonogram S, C, =1,2,, spełniający ograniczenia (1) (4). Zauważmy, że używając (3) możemy reprezentować harmonogram dla -tego MPS przez jeden wetor S. Wtedy ograniczenia (1) (4) przyjmą następującą postać: S S i pi Si 1, i = l j1 1,, l j 1, j =1,, n, (5) p S, i =1,, m 1, = 1,,, (6) ( i) ( i) ( i1) m S i 0, i = 1,, n. (7) W proponowanym modelu możliwe są przeploty zadań z olejnych MPS, tj. wyonywanie operacji z olejnego, +1-go MPS przed zaończeniem wyonywania wszystich operacji z -tego MPS na danej maszynie. Przeploty taie mogą zostać 623
3 zabronionie (z różnych względów, m.in. technologicznych lub organizacyjnych) poprzez dodanie do modelu ograniczenia: lub równoważnego: 1 C ( m ) S (1), = 1,, m, (8) S 1 ( m ) p ( m ) S (1), =1,, m. (9) Definicja 1 Czas cylu T w fazie ustalonej harmonogramu, tj. gdy różnica momentów rozpoczęcia operacji w olejnych ich powtórzeniach jest stała, wynosi T = S S, =1,2,. Czas cylu T jest liczbą rzeczywistą i zależy od π, a oczywiście nie ażda jego wartość jest dopuszczalna, bowiem momenty rozpoczęcia wyonywania zadań S, j=1,2,,o, =1,2,, muszą taże spełniać ograniczenia (5) (7). Przez T(π) będziemy oznaczać minimalną wartość czasu cylu, spełniającą ograniczenia (5) (7). 2. Model grafowy Niech grafy H(π) i G(π) będą zdefiniowane w następujący sposób [13]: G(π) = (O, R ℇ(π)), (10) H(π) = (O, R ℇ(π) ℇ (π)), (11) gdzie O jest zbiorem wierzchołów, a R ℇ(π) ℇ (π) to zbiory łuów: R = {(i, i + 1)}, (12) ℇ(π) = {(π (i), π (i + 1))}, (13) ℇ (π) = π (m ), π (1). (14) Łui olejności technologicznej oznaczmy przez R, łui olejności maszynowej przez ℇ(π), a łui cyliczne przez ℇ (π). Niech wierzchołe j O reprezentuje j-tą operację i posiada wagę 0. Łui ze zbioru R reprezentują olejność technologiczną wyonywania operacji w zadaniu; łui ze zbioru ℇ(π) olejność wyonywania operacji na maszynach, a łui ze zbioru ℇ (π) ograniczenie poprzedzania w olejnych cylach: S ( ) + p ( ) T S (). (15) Każdy łu (i, j) R ℇ(π) obciążony jest wagą p, łui (i, j) ℇ (π) posiadają wagę p T. Własność 1 [15] Kolejność wyonywania π jest dopuszczalna wtedy i tylo wtedy, gdy graf G(π) nie zawiera cylu oraz T zostało wybrane ta, że H(π) nie zawiera cylu o dodatniej długości. 624
4 3. Przeszuiwanie z zabronieniami Metoda poszuiwania z zabronieniami (tabu search, TS) została pierwotnie zaproponowana przez Glovera [14]. Jest ona modyfiacją metody przeszuiwania loalnego. Dopuszcza się możliwość zwięszania wartości funcji celu (przy wyznaczaniu nowego rozwiązania generującego otoczenie), aby w ten sposób zwięszyć szansę na osiągnięcie minimum globalnego. W celu uninięcia cylicznego odwiedzania rozwiązań, sierowania poszuiwań w obiecujące regiony przestrzeni oraz umożliwienie wyjścia z estremum loalnego wprowadza się tzw. mechanizm zabronień. Wyonując ruchy zapamiętuje się rozwiązania, atrybuty rozwiązań lub ruchów na liście tabu (LT). Generując otoczenie nie rozpatrujemy rozwiązań znajdujących się na tej liście chyba, że spełniają ryterium aspiracji, to jest waruni, przy tórych ograniczenia tabu można pominąć. Na Rysunu 1 przedstawione zostały olejne roi równoległego algorytmu przeszuiwania z zabronieniami. Algorytm 1. Przeszuiwanie z zabronieniami π * najlepsze znalezione dotychczas rozwiązanie, LT := ; Kro 0: Wyznacz rozwiązanie startowe π 0 ; π := π 0 ; Kro 1: Wyznacz sąsiedztwo N(π) bieżącego rozwiązania π; Usuń z sąsiedztwa N(π) elementy zabronione przez listę LT; Kro 2: Podziel N(π) na = () grup; Każda grupa zawiera co najwyżej p elementów; Kro 3: Dla ażdej grupy s=1,2,, znajdź (używając p procesorów) uszeregowania π s o najmniejszej wartości minimalnego czasu cylu T Kro 4: Znajdź uszeregowanie z N(π) dla tórego z=arg min{t(π s ): s=1,2,,} Kro 5: Jeśli T(z) < T(π * ) to π * := z; Umieść atrybuty ruchu prowadzącego z π do z na liście LT; Kro 6: Jeśli (warune stopu jest spełniony) to Stop; w przeciwnym wypadu idź do rou 1.; Rys. 1. Pseudood dla algorytmu przeszuiwania z zabronieniami W drugim rou algorytmu sąsiedztwo N(π) jest dzielone na rozłączne zbiory. Dla ażdej grupy wartość funcji celu jest wyznaczana przy użyciu p procesorów. Liczba procesorów użytych w rou trzecim może być stałą lub uzależniona od rozmiaru sąsiedztwa. Mechanizm zabronień realizowany jest za pomocą listy tabu stanowiącej rótoterminową historię przeszuiwań. Dodawane są do niej odwiedzone przez algorytm rozwiązania. Gdy długość listy osiągnie masymalną ustaloną wartość L przed dodaniem olejnego rozwiązania usuwane jest najstarsze. W przypadu gdy w danym rou wszyscy sąsiedzi znajdują się na liście tabu, usuwane są z niej olejne rozwiązania, począwszy od najstarszego, ta długo, aż co najmniej jeden z sąsiadów nie jest zabroniony. Dodatowo wprowadzono ryterium aspiracji: ażdy sąsiad o wartości funcji celu mniejszej od dotychczasowego najlepszego rozwiązania nie jest zaazany, nawet jeśli znajduje się na liście tabu. Sąsiedztwo. Atrybuty ruchu prowadzącego do rozwiązania sąsiedniego opisywane są nieuporządowaną parą zadań {i, j}, M(i) = M(j) = m, tórych olejność wyonywania na 625
5 maszynie m jest zamieniana. W algorytmie przyjęto strategię wyboru sąsiada o najmniejszej wartości funcji celu. Sąsiedztwo tworzone jest w oparciu o teorię bloów: bloiem B dla ścieżi µ w grafie H(π) nazywa się taą podścieżę o masymalnej długości, tóra zawiera tylo łui olejności maszynowej R. Ja poazano w [16], czas cylu może ulec poprawie tylo jeśli modyfiuje się pierwszy lub ostatni łu blou B. W badaniach esperymentalnych w [16] opisane sąsiedztwo oazało się być najlepsze z rozważanych, stąd zdecydowano się na jego zastosowanie. Procedura startowa. Do rozpoczęcia działania algorytmu TS potrzebne jest dopuszczalne rozwiązanie początowe. Tworzone jest ono za pomocą prostego algorytmu ustalającego taą olejność wyonywania operacji na maszynach, w tórej wszystie operacje z zadania i są wyonywane przed operacjami zadania j, jeśli i < j Funcja celu Funcja celu f(π) dla zadanej olejności wyonywania operacji π zwraca minimalny czas cylu T(π), f(π) = T(π). Do tej pory do jej wyznaczania w literaturze stosowana była metoda Howarda [17] (używano jej między innymi w [16]). W niniejszej pracy użyto rozwiązania własnego opartego o metodę bisecji oraz algorytm Bellmana-Forda. Znane są sposoby oszacowania wartości długości czasu cylu celu z góry (T (π)) i z dołu (T (π)). Oszacowaniem górnym może być T (π) = C (π), a oszacowaniem dolnym masimum sum czasów wyonywania operacji na maszynach w pojedynczym MPSie: T (π) = ma p 626 (i). (16) Ponieważ suma p (i) nie zależy od olejności π, również ta zdefiniowane dolne oszacowanie nie zależy od π, czyli T = T (π) Zmodyfiowany algorytm Bellmana-Forda (B-F) Za pomocą zmodyfiowanego algorytmu Bellmana-Forda możliwe jest wyznaczenie cylu o najwięszej wadze w grafie H(π) przechodzącego przez zadany wierzchołe reprezentujący operację i. Algorytm Bellmana-Forda [18] umożliwia wyznaczenie najrótszej ścieżi pomiędzy dwoma wierzchołami w grafie ważonym. W grafie nie może występować cyl o ujemnej wadze osiągalny ze źródła. W zastosowaniu do rozważanego problemu należy zmodyfiować algorytm Bellmana- Forda ta, aby znajdował najdłuższą ścieżę w grafie H(π) pomiędzy wierzchołami i i j. Warune nie występowania cylu o łącznej ujemnej wadze zostaje zastąpiony waruniem nie występowania cylu o łącznej dodatniej wadze osiągalnej ze źródła. W grafie H(π) ażdy z wierzchołów ma co najwyżej dwa łui wychodzące. Stąd najdłuższy cyl przechodzący przez wierzchołe i ma wagę: L (T, π) = ma{bf(i, j ) + δ(j, i), BF(i, j ) + δ(j, i)}, (17) gdzie BF(i, j ) oznacza najdłuższą ścieżę między wierzchołami j i i, a δ(j, i) wagę łuu (j, i). Jeśli graf H(π) posiada dodatni cyl osiągalny z wierzchoła i, algorytm B-F znaleźć może ścieżę o najwięszej wadze i długości rzędu O( V[H(π)] E[H(π)] ). Ścieżę taą oznaczono dalej jao L (π, T).
6 Z własności cylicznego problemu gniazdowego wynia, że ażdy cyl grafu H(π) musi zawierać łu cyliczny (π (m ), π (1)). Stąd wiadomo, że cyl o najwięszej wadze w grafie zawierać będzie operację: i O = {π (1), π (1),, π (1)}. (18) Niech L(T, π) oznacza cyl o najwięszej wadze w grafie H(π). Uruchamiając zmodyfiowany algorytm Bellmana-Forda dla grafu H(π) i operacji ze zbioru O można więc wyznaczyć: L(T, π) = ma {L (π, T)}. (19) Analogiczne rozumowanie przeprowadzić można gdy graf H(π) zawiera cyl o dodatniej wadze, otrzymując L (π, T) Metoda równego podziału (bisecji) Dla ustalonego π, T(π) szacować można za pomocą metody równego podziału, szuając ja najmniejszego T taiego, że L(π, T) 0. Jao przedział startowy należy przyjąć [T, T (π)]. Opis algorytmy można znaleźć w [19]. Ponieważ: oraz: L(T, π) = L (π, T) dla T T(π) (20) L(T, π) > 0 L (π, T) > 0 dla T < T(π), (21) w poszuiwaniu minimalnego czasu cylu metodą bisecji funcje L (π, T) i L(T, π) można stosować zamiennie. Ponieważ funcja L (T, π) jest ciągła na przedziale [T, T (π)], oraz: L (T, π) > 0 L (T (π), π) < 0, (22) dozwolone jest użycie metody równego podziału. W przypadu gdy L (T, π) = 0 L (T (π), π) = 0 stosowanie bisecji nie jest zasadne, bo znane jest rozwiązanie optymalne. Dodatowo ścisła monotoniczność funcji L (T, π) gwarantuje istnienie jednego pierwiasta równania L (T, π) = 0, dla zadanego π Wersja równoległa algorytmu Obliczanie wartości funcji oceniającej zabiera najwięszą część czasu pojedynczej iteracji TS (patrz Rysune 2), stąd obszar ten zbadano pod ątem możliwości przyspieszenia algorytmu. Zrównoleglić można obliczenia związane z wyznaczaniem funcji oceniającej, bądź obliczać ją dla wielu permutacji jednocześnie. W pracy tej przyjęto drugie z wymienionych rozwiązań. 627
7 Rys. 2. Uproszczony schemat pętli algorytmu TS W ażdej iteracji algorytmu TS generowane jest otoczenie rozwiązania. Następnie obliczana jest wartość funcji oceniającej dla ażdego z sąsiadów. W zrównoleglonym algorytmie obliczania te wyonywane są równolegle. Ze względu na architeturę sprzętu na jaim przeprowadzane były esperymenty, wybrano technologię implementacji OpenMP. Pozwala ona tworzyć wieloplatformowe apliacje dla systemów wieloprocesorowych ze współdzieloną pamięcią. Do zrównoleglenia użyto lauzuli pozwalającej na wybór liczby wątów obliczeniowych: #pragma omp parallel for num_threads(liczba_watkow). Umożliwia ona równoczesne wyonywanie przez wiele wątów pętli for. Procedura przydziału zadań do wątów jest realizowana automatycznie przez OpenMP. 4. Wynii esperymentalne Algorytm został zaimplementowany w języu C++ w środowisu Visual Studio Testy przeprowadzono na omputerze z 6-cio rdzeniowym (12 wątów) procesorem Intel Core i7-4930k 3.90 GHz, systemie Windows 8.1 Pro z 32GB pamięci RAM Instancje testowe Użyto przyładów ze zbioru OR-Library po raz pierwszy opisanego w [20], do tórych dostęp można uzysać na stronie internetowej [21]. Wybrano instancje dla problemu gniazdowego. Zmieniono go w problem cyliczny przyjmując, że zadania z instancji tworzą pojedynczy MPS. Listę problemów testowych zawiera Tabela
8 Tab. 1. Instancje testowe dla problemu gniazdowego. Instancja liczba liczba liczba liczba liczba liczba instancja zadań maszyn operacji zadań maszyn operacji la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la la ft la ft la ft la Parametry Wstępnie sprawdzono dla jaich długości listy tabu uzysiwano najlepsze wynii. Wybrano L = 7. Aby porównać czas wyonywania algorytmu z [16], ustalono liczbę iteracji Iter na 200 i 800. Dodatowo wyonano symulacje dla Iter = {3200, 6400, 12800, 50000}. Wersję zrównolegloną algorytmu uruchamiano dla ilości wątów TH = {2,4,6,8,10,12} i Iter = 200 dla wszystich instancji testowych. Mierzone były: średnie odchylenie względne czasu cylu; odchylenie zdefiniowano jao: T = 100%, (23) gdzie T oznacza czas cylu obliczony przez algorytm heurystyczny TS, a T dolne oszacowanie czasu cylu; średni czas wyonywania algorytmu t ; dla wersji równoległej średnie przyspieszenie: s =, (24) gdzie t oznacza średni czas wyonywania algorytmu przy wyorzystaniu wątów; dla różnych liczby iteracji lub wątów. 629
9 4.3. Wynii Ze względu na różne założenia dotyczące rozłączności MPS, wartości T nie mogą być bezpośrednio porównywane z wyniami pracy [16]. W pracy [16] dla H = 1 gwarantowana jest rozłączność MPS, jedna wprowadzone jest dodatowe ograniczenie C S. Co więcej, w pracy tej zastosowano inne oszacowania dolne rozwiązań - sorzystano z literaturowych oszacowań dla porewnego problemu gniazdowego. Dla H = 2 dolne oszacowanie budowano w ten sam sposób co w niniejszej pracy, nie jest jedna gwarantowana rozłączność MPS. Aby móc porównać czasy działania algorytmu zaproponowanego w [16], oszacowano różnicę mocy obliczeniowej procesorów użytych w esperymentach. Na podstawie porównania wydajności rdzeń-na-rdzeń [22] oszacowano t t 0.25, gdzie t oznacza przybliżony czas wyonywania algorytmu z [16] na procesorze użytym w niniejszym esperymencie. Wersja sewencyjna algorytmu. Rezultat esperymentu numerycznego poazano w Tabeli 2. Algorytm wymagał średnio więszej liczby iteracji do uzysania wyniu zbliżonego do tego z [16]. Dopiero przy Iter = 6400 uzysano rezultat T < 6. Jednocześnie poszczególne iteracje algorytmu własnego wyonywały się szybciej (również po przeliczeniu czasu na t ). Pozwoliło to na zbadanie zachowania algorytmu dla więszych Iter. Zwięszanie Iter powyżej powodowało niewielie poprawienie T. Dla wielu z instancji problemu udało się uzysać czas cylu równy dolnemu jego oszacowaniu. W podobnym czasie taie samo zjawiso zaobserwowano w [16]. Tab. 2. Wynii obliczeń sewencyjnego algorytmu TS. Brucer, Kampmeyer [16], Brucer, Kampmeyer [16], TS H Iter = 1 H = 2 T t T t t T t t [%] [s] [%] [s] [s] [%] [s] [s] Wersja równoległa algorytmu. Dla liczby iteracji Iter = 200 uruchomiono sewencyjną oraz równoległą wersję algorytmu. Liczbę wątów ograniczono do 12, ze względu na parametry techniczne procesora. Rysune 3 przedstawia wynii esperymentu. Instancje testowe podzielono na 3 grupy według liczby operacji. Wartość przyspieszenia zależy od liczby sąsiadów w otoczeniu w ażdej z iteracji algorytmu TS oraz czasu potrzebnego do wyznaczenia wartości funcji oceniającej. W więszych instancjach testowych otoczenia są przeciętnie więsze oraz wyliczanie funcji oceniającej zabiera więcej czasu. Stąd przyspieszenie dla grupy ( ) jest najwięsze. Spade przyspieszenia dla więszej ilości wątów dla grupy (36 100) wynia z narzutu wiążącego się z użyciem równoległej pętli for z OpenMP. 630
10 5. Wniosi Rys. 3. Zależność przyspieszenia od liczby wątów dla Iter = 200. W pracy przedstawiono równoległy algorytm przeszuiwania z zabronieniami dla cylicznego problemu gniazdowego. Badania przeprowadzono na literaturowych danych testowych. Zrównoleglona wersja algorytmu TS pozwala na wyonywanie więszej liczby iteracji w tym samym czasie, w porównaniu do algorytmu sewencyjnego, co prowadzi to do uzysiwania mniejszych czasów cylu. Czynniiem ograniczającym przyspieszenie jest wielość sąsiedztwa. W badanych instancjach problemu, w celu uzysania więszego przyspieszenia należałoby zrównoleglić inną część algorytmu, np. algorytm Bellmana-Forda lub bisecji. Dla zaproponowanego algorytmu, przy wyorzystaniu więszej liczby procesorów, możliwe byłoby zastosowanie innych strategii tworzących więsze sąsiedztwa. Praca została częściowo sfinansowana ze środów Narodowego Centrum Naui przyznanych na podstawie decyzji numer DEC-2012/05/B/ST7/ Bibliografia 1. Levner E., Kats V, Lopez A.P., Cheng T.C.E. Compleity of cyclic scheduling problems: A state-of-the-art survey. Computers and Industrial Engineering, 59, 2010, Kampmeyer T., Cyclic Scheduling Problems, Ph.D. Dissertation, Universitat Osnabruc, Sawi T., A mied integer program for cyclic scheduling of fleible flow lines, Bulletin of the Polish Academy of Sciences, Technical Sciences, Vol. 62, No. 1, 2014, Sawi T., Batch vs. cyclic scheduling in fleible flow shops by mied integer programming, International Journal of Production Research 50(18), 2012, Smutnici C.: Scheduling with high variety of customized compound products. Decision Maing in Manufacturing and Services, 1, 1/2, 2007, Smutnici C., Smutnici A.: Nowe własności harmonogramów cylicznych w systemie przepływowym, Automatya, t. 11, z. 1/2, 2007,
11 7. Smutnici C., Smutnici A.: Harmonogramowanie cyliczne w systemie gniazdowym, Zastosowania teorii systemów, AGH, 2007, Pempera J., Smutnici C., Minimalizacja czasu cylu wytwarzania na linii: Podejście genetyczne z espresją genów. Automatya 2005, t. 9, z. 1/2, Dąbrowsi P., Pempera J., Smutnici C.: Minimizing cycle time of the flow line-genetic approach with gene epression, Lecture Notes in Computer Science, vol. 4431, 2007, Bożejo W., Gniewowsi Ł., Pempera J., Wodeci M., Cyclic hybrid flow-shop scheduling problem with machine setups, Procedia Computer Science Vol. 29, 2014, Bożejo W., Kacprza Ł., Wodeci M., Cyliczny problem przepływowy z przezbrojeniami maszyn, Innowacje w Zarządzaniu i Inżynierii Producji (red. R. Knosala), Oficyna Wydawnicza Polsiego Towarzystwa Zarządzania Producją, Opole 2014, Bożejo W., Wodeci M., Problemy cyliczne z równoległymi maszynami, w: Automatyzacja procesów dysretnych, Teoria i zastosowania (red. A. Świernia, J. Kryste), Gliwice 2014, ISBN Smutnici C., Nowici E.: A fast taboo search algorithm for the job shop problem. Management science, Issue 42.6, 1996, Glover F., Laguna M., Tabu Search, Kluwer, Smutnici C.: Opracowanie metod efetywnego wyznaczania czasu cylu dla zadanej olejności wyonywania zadań w systemie gniazdowym, Raport PREPRINTY nr 78/ Brucer P., Kampmeyer T.: Tabu search algorithms for cyclic machine scheduling problems. Journal of Scheduling, Issue 8.4, 2005, Dasdan A., Irani S. S., Gupta R. K.: Efficient algorithms for optimum cycle mean and optimum cost to time ratio problems. Proceedings of the 36th annual ACM/IEEE Design Automation Conference, 1999, Cormen T. H., Leiserson C. E., Rivest R. L., Clifford, S.: Introduction To Algorithms. MIT Press, 2001, Burden R. L., Faires J. D.: Numerical Analysis (9th ed.), Broos/Cole, Cengage Learning, 2011, Beasley J. E.: OR-Library: distributing test problems by electronic mail. Journal of the Operational Research Society, Issue 41(11), 1990, OR-LIBRARY, dostęp: [ ]. 22. Geebench Browser, dostęp: [ ]. Dr hab. Wojciech BOŻEJKO, prof. nadzw. Mgr inż. Andrzej GNATOWSKI Wydział Eletronii, Politechnia Wrocławsa Wrocław, ul. Wyb. Wyspiańsiego 27, wojciech.bozejo@pwr.wroc.pl andrzej.gnatowsi@pwr.wroc.pl Dr hab. Mieczysław WODECKI, prof. nadzw. Instytut Informatyi, Uniwersytet Wrocławsi Wrocław, ul. Joliot-Curie mwd@ii.uni.wroc.pl 632
CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN
CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN Wojciech BOŻEJKO, Łuasz KACPRZAK, Mieczysław WODECKI Streszczenie: W pracy zajmujemy się cylicznym problemem przepływowym z przezbrojeniami maszyn.
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoMODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH
MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoRównoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami
Równoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami dr inż. Mariusz Uchroński Wrocławskie Centrum Sieciowo-Superkomputerowe Agenda Cykliczny problem przepływowy
Bardziej szczegółowoHARMONOGRAMOWANIE ROBÓT BUDOWLANYCH Z MINIMALIZACJĄ ŚREDNIEGO POZIOMU ZATRUDNIENIA
HARMONOGRAMOWANIE ROBÓT BUDOWLANYCH Z MINIMALIZACJĄ ŚREDNIEGO POZIOMU ZATRUDNIENIA Wojciech BOśEJKO, Zdzisław HEJDUCKI, Michał PODOLSKI, Mariusz UCHROŃSKI Streszczenie: w pracy proponujemy zastosowanie
Bardziej szczegółowoOPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH
OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH Andrzej SZYMONIK, Krzysztof PYTEL Streszczenie: W złożonych sieciach omputerowych istnieje problem doboru przepustowości
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM SA DLA PEWNEGO PROBLEMU WIELOKRYTERIALNEGO
RÓWNOLEGŁY ALGORYTM SA DLA PEWNEGO PROBLEMU WIELOKRYTERIALNEGO Jarosław PEMPERA, Domini ŻELAZNY Streszczenie: W pracy proponuje się nową oncepcję onstruowania algorytmów opartych na przeszuiwaniu przestrzeni
Bardziej szczegółowoAlgebra liniowa z geometrią analityczną
WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór
Bardziej szczegółowoSYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH
SYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH Wojciech BOŻEJKO, Zdzisław HEJDUCKI, Mariusz UCHROŃSKI, Mieczysław WODECKI Streszczenie: W pracy przedstawiamy system wspomagający harmonogramowanie
Bardziej szczegółowo9.9 Algorytmy przeglądu
14 9. PODSTAWOWE PROBLEMY JEDNOMASZYNOWE 9.9 Algorytmy przeglądu Metody przeglądu dla problemu 1 r j,q j C max były analizowane między innymi w pracach 25, 51, 129, 238. Jak dotychczas najbardziej elegancka
Bardziej szczegółowoMetody optymalizacji dyskretnej
Metody optymalizacji dyskretnej Spis treści Spis treści Metody optymalizacji dyskretnej...1 1 Wstęp...5 2 Metody optymalizacji dyskretnej...6 2.1 Metody dokładne...6 2.2 Metody przybliżone...6 2.2.1 Poszukiwanie
Bardziej szczegółowoColloquium 3, Grupa A
Colloquium 3, Grupa A 1. Z zasobów obliczeniowych pewnego serwera orzysta dwóch użytowniów. Każdy z nich wysyła do serwera zawsze trzy programy naraz. Użytowni czea, aż serwer wyona obliczenia dotyczące
Bardziej szczegółowojest scharakteryzowane przez: wektor maksymalnych żądań (ang. claims), T oznaczający maksymalne żądanie zasobowe zadania P j
Systemy operacyjne Zaleszczenie Zaleszczenie Rozważmy system sładający się z n procesów (zadań) P 1,P 2,...,P n współdzielący s zasobów nieprzywłaszczalnych tzn. zasobów, tórych zwolnienie może nastąpić
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 szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowo1 Problemyprzepływowe
Problemyprzepływowe Problemy przepływowe należą do jednych z prostszych i często analizowanych modeli systemów produkcyjnych. Poniżej zostanie przedstawiony podstawowy problem przepływowy, permutacyjny
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowoMatematyka Dyskretna Zadania
Matematya Dysretna Zadania Jace Cichoń Politechnia Wrocławsa, WPPT Wrocław 015 1 Wstęp 11 Oznaczenia [n] = {1,, n} [] = {X P ( : X = } (x = 1 j=0 (x j, (x = 1 (x + j Zadanie 1 j=0 Poaż za pomocą inducji
Bardziej szczegółowoFiltracja pomiarów z głowic laserowych
dr inż. st. of. Paweł Zalewsi Filtracja pomiarów z głowic laserowych słowa luczowe: filtracja pomiaru odległości, PNDS Założenia filtracji pomiaru odległości. Problem wyznaczenia odległości i parametrów
Bardziej szczegółowoNIETYPOWE WŁASNOŚCI PERMUTACYJNEGO PROBLEMU PRZEPŁYWOWEGO Z OGRANICZENIEM BEZ PRZESTOJÓW
NIETYPOWE WŁASNOŚCI PERMUTACYJNEGO PROBLEMU PRZEPŁYWOWEGO Z OGRANICZENIEM BEZ PRZESTOJÓW Mariusz MAKUCHOWSKI Streszczenie: W pracy rozważa się permutacyjny problem przepływowy z kryterium będącym momentem
Bardziej szczegółowoPROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN Wojciech BOŻEJKO, Radosław IDZIKOWSKI, Mieczysław WODECKI
PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN Wojciech BOŻEJKO, Radosław IDZIKOWSKI, Mieczysław WODECKI Streszczenie W pracy rozpatrujemy problem przepływowy z przezbrojeniami maszyn pomiędzy
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoAUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016
AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016 Adam PRUS, Krzysztof PIEŃKOSZ Politechnika Warszawska SZEREGOWANIE ZADAŃ CZĘŚCIOWO PODZIELNYCH NA PROCESORACH RÓWNOLEGŁYCH Streszczenie. W pracy jest rozpatrywany
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoOPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoPorównanie algorytmów wyszukiwania najkrótszych ścieżek międz. grafu. Daniel Golubiewski. 22 listopada Instytut Informatyki
Porównanie algorytmów wyszukiwania najkrótszych ścieżek między wierzchołkami grafu. Instytut Informatyki 22 listopada 2015 Algorytm DFS w głąb Algorytm przejścia/przeszukiwania w głąb (ang. Depth First
Bardziej szczegółowoKoła rowerowe malują fraktale
Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego
Bardziej szczegółowoPorównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego
Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Mariusz Uchroński 3 grudnia 2010 Plan prezentacji 1. Wprowadzenie 2.
Bardziej szczegółowoZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH
Algorytmy genetyczne, optymalizacja sieci omputerowych Krzysztof Pytel Grzegorz Klua Jerzy Kisilewicz*** ZASTOSOWANIE ALGORYTMÓW GENETYCZNYCH DO OPTYMALIZACJI SIECI KOMPUTEROWYCH W artyule zaproponowano
Bardziej szczegółowoDWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW
DWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW Mare MAGIERA Streszczenie: Zadanie sterowania przepływem produtów przez wielostadialną linię producyjną zostało podzielone na dwa
Bardziej szczegółowoLABORATORIUM 4: Wpływ operatorów mutacji na skuteczność poszukiwań AE
Instytut Mechanii i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnia Śląsa www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 4: Wpływ operatorów mutacji na suteczność poszuiwań
Bardziej szczegółowo9.4 Czasy przygotowania i dostarczenia
140 9. PODSTAWOWE PROBLEMY JEDNOMASZYNOWE dla każdej pary (i, j) R. Odpowiednie problemy posiadają oznaczenie 1 r j,prec C max,1 prec L max oraz 1 q j,prec C max. Właściwe algorytmy rozwiązywania, o złożoności
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoWYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ
WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość
Bardziej szczegółowoMatematyka Dyskretna - zagadnienia
Matematya Dysretna - zagadnienia dr hab. Szymon Żebersi opracował: Miołaj Pietre Semestr letni 206/207 - strona internetowa Zasada inducji matematycznej. Zbiory sończone, podstawowe tożsamości 2. Zasada
Bardziej szczegółowoSterowanie procesami dyskretnymi
Politechnika Rzeszowska Wydział Elektrotechniki i Informatyki Katedra Informatyki i Automatyki Laboratorium Sterowanie procesami dyskretnymi Stanowisko 3 Algorytmy harmonogramowania zadań pakiet LiSA Rzeszów
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
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 szczegółowoSprawozdanie do zadania numer 2
Sprawozdanie do zadania numer 2 Michał Pawlik 29836 Temat: Badanie efektywności algorytmów grafowych w zależności od rozmiaru instancji oraz sposobu reprezentacji grafu w pamięci komputera 1 WSTĘP W ramach
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoPriorytetyzacja przypadków testowych za pomocą macierzy
Priorytetyzacja przypadków testowych za pomocą macierzy W niniejszym artykule przedstawiony został problem przyporządkowania priorytetów do przypadków testowych przed rozpoczęciem testów oprogramowania.
Bardziej szczegółowoWyznaczanie długości fali świetlnej za pomocą spektrometru siatkowego
Politechnia Łódza FTIMS Kierune: Informatya ro aademici: 2008/2009 sem. 2. Termin: 16 III 2009 Nr. ćwiczenia: 413 Temat ćwiczenia: Wyznaczanie długości fali świetlnej za pomocą spetrometru siatowego Nr.
Bardziej szczegółowo9. Sprzężenie zwrotne własności
9. Sprzężenie zwrotne własności 9.. Wprowadzenie Sprzężenie zwrotne w uładzie eletronicznym realizuje się przez sumowanie części sygnału wyjściowego z sygnałem wejściowym i użycie zmodyiowanego w ten sposób
Bardziej szczegółowoĆwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci
Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie
Bardziej szczegółowoP k k (n k) = k {O O O} = ; {O O R} =
Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba
Bardziej szczegółowoSkalowalność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1
Skalowalność obliczeń równoległych Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Skalowalność Przy rozważaniu wydajności przetwarzania (obliczeń, komunikacji itp.) często pojawia się pojęcie skalowalności
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 numeryczne I Równania nieliniowe
Metody numeryczne I Równania nieliniowe Janusz Szwabiński szwabin@ift.uni.wroc.pl Metody numeryczne I (C) 2004 Janusz Szwabiński p.1/66 Równania nieliniowe 1. Równania nieliniowe z pojedynczym pierwiastkiem
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM POSZUKIWANIA Z ZABRONIENIAMI UKŁADANIA PLANU ZAJĘĆ
RÓWNOLEGŁY ALGORYTM POSZUKIWANIA Z ZABRONIENIAMI UKŁADANIA PLANU ZAJĘĆ Wojciech BOŻEJKO, Łukasz GNIEWKOWSKI Streszczenie: Praca dotyczy zastosowania równoległego algorytmu poszukiwania z zabronieniami
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
ZTUCZNA INTELIGENCJA WYKŁAD 6. ALGORYTMY GENETYCZNE - CHEMATY, METODY ELEKCJI Częstochowa 204 Dr hab. inż. Grzegorz Dude Wydział Eletryczny Politechnia Częstochowsa CHEMATY chemat zbór chromosomów o wspólnych
Bardziej szczegółowoHEURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYCH Z KRYTERIUM MINIMALNO-CZASOWYM
EURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYC Z KRYTERIUM MINIMALNO-CZASOWYM Zbigniew BUCALSKI Streszczenie: Artykuł dotyczy zagadnienia czasowo-optymalnego przydziału zasobu podzielnego
Bardziej szczegółowoMetody komputerowe i obliczeniowe Metoda Elementów Skoczonych. Element jednowymiarowy i jednoparametrowy : spryna
Metody omputerowe i obliczeniowe Metoda Elementów Soczonych Element jednowymiarowy i jednoparametrowy : spryna Jest to najprostszy element: współrzdne loalne i globalne jego wzłów s taie same nie potrzeba
Bardziej szczegółowoOSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA
OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000
Bardziej szczegółowoPROBLEM HARMONOGRAMOWANIA ZADAŃ WIELOMASZYNOWYCH
PROBLEM HARMONOGRAMOWANIA ZADAŃ WIELOMASZYNOWYCH Karolina BOROWICKA, Wojciech BOŻEJKO, Łukasz KACPRZAK, Mieczysław WODECKI Streszczenie: W pracy rozpatrujemy problem harmonogramowania zadań wykonywanych
Bardziej szczegółowoZarządzanie zasobami w harmonogramowaniu wieloobiektowych przedsięwzięć budowlanych z wykorzystaniem teorii szeregowania zadań
Zarządzanie zasobami w harmonogramowaniu wieloobiektowych przedsięwzięć budowlanych z wykorzystaniem teorii szeregowania zadań 42 Dr inż Michał Podolski Politechnika Wrocławska 1 Wprowadzenie Harmonogramowanie
Bardziej szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoHARMONOGRAMOWANIE CYKLICZNE W JEDNOSTKACH OPIEKI ZDROWOTNEJ
HARMONOGRAMOWANIE CYKLICZNE W JEDNOSTKACH OPIEKI ZDROWOTNEJ Jarosław PEMPERA Streszczenie: Praca poświęcona jest planowaniu wizyt lekarskich w dużych jednostkach opieki zdrowotnej realizującej kompleksowe
Bardziej szczegółowoi = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =
Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie
Bardziej szczegółowoa) 7 b) 19 c) 21 d) 34
Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie
Bardziej szczegółowoIndukcja matematyczna
Inducja matematyczna Inducja jest taą metodą rozumowania, za pomocą tórej od tezy szczegółowej dochodzimy do tezy ogólnej. Przyład 1 (o zanurzaniu ciał w wodzie) 1. Kawałe żelaza, tóry zanurzyłem w wodzie,
Bardziej szczegółowoWydajność obliczeń równoległych. Krzysztof Banaś Obliczenia Wysokiej Wydajności 1
Wydajność obliczeń równoległych Krzysztof Banaś Obliczenia Wysokiej Wydajności 1 Wydajność obliczeń równoległych Podobnie jak w obliczeniach sekwencyjnych, gdzie celem optymalizacji wydajności było maksymalne
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)
Bardziej szczegółowoĆwiczenie nr 35: Elektroliza
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwiso 1.. Temat: Ro Grupa Zespół Nr ćwiczenia Data wyonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 35: Eletroliza Cel
Bardziej szczegółowoA i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy
3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja
Bardziej szczegółowoWykład 21: Studnie i bariery cz.1.
Wyład : Studnie i bariery cz.. Dr inż. Zbigniew Szlarsi Katedra Eletronii, paw. C-, po.3 szla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szlarsi/ 3.6.8 Wydział Informatyi, Eletronii i Równanie Schrödingera
Bardziej szczegółowoOptymalizacja. Przeszukiwanie tabu
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Naturalny sposób powstania algorytmu Algorytm optymalizacji lokalnej Niezdolność wyjścia z lokalnych
Bardziej szczegółowoHARMONOGRAMOWANIE CYKLICZNE W PRZEPŁYWOWYCH SYSTEMACH PRODUKCYJNYCH
HARMONOGRAMOWANIE CYKLICZNE W PRZEPŁYWOWYCH SYSTEMACH PRODUKCYJNYCH Jarosław PEMPERA Streszczenie: W pracy rozważany jest cykliczny problem przepływowy z ograniczoną pojemnością buforów. Zaproponowano
Bardziej szczegółowoPrzygotowanie kilku wersji kodu zgodnie z wymogami wersji zadania,
Przetwarzanie równoległe PROJEKT OMP i CUDA Temat projektu dotyczy analizy efektywności przetwarzania równoległego realizowanego przy użyciu komputera równoległego z procesorem wielordzeniowym z pamięcią
Bardziej szczegółowoMetody 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 szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowoWybrane rozkłady zmiennych losowych i ich charakterystyki
Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe
Bardziej szczegółowoMetoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 )
MATEMATYKA STOSOWANA 7, 2006 Izabella Czochralsa (Warszawa) Metoda rozwiązywania uładu równań liniowych z symetryczną, nieoreśloną macierzą współczynniów ( 0 ) Streszczenie. W pracy zaadaptowano opracowaną
Bardziej szczegółowoAlgorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami. Marcin Klimek *
Zeszyty Naukowe WWSI, No 15, Vol. 10, 2016, s. 41-52 Algorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami Marcin Klimek * Państwowa Szkoła Wyższa w Białej Podlaskiej,
Bardziej szczegółowoMetody Optymalizacji: Przeszukiwanie z listą tabu
Metody Optymalizacji: Przeszukiwanie z listą tabu Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: wtorek
Bardziej szczegółowoPrzeszukiwanie lokalne
Przeszukiwanie lokalne 1. Klasyfikacja algorytmów 2. Przeszukiwanie lokalne 1. Klasyfikacja algorytmów Algorytmy dokładne znajdują rozwiązanie optymalne, 1. Klasyfikacja algorytmów Algorytmy dokładne znajdują
Bardziej szczegółowoHarmonogramowanie produkcji
Harmonogramowanie produkcji Harmonogramowanie produkcji jest ściśle związane z planowaniem produkcji. Polega na: rozłożeniu w czasie przydziału zasobów do zleceń produkcyjnych, podziale zleceń na partie
Bardziej szczegółowoNumeryczna algebra liniowa
Numeryczna algebra liniowa Numeryczna algebra liniowa obejmuje szereg algorytmów dotyczących wektorów i macierzy, takich jak podstawowe operacje na wektorach i macierzach, a także rozwiązywanie układów
Bardziej szczegółowoAnaliza wpływu długości trwania strategii na proces optymalizacji parametrów dla strategii inwestycyjnych w handlu event-driven
Raport 8/2015 Analiza wpływu długości trwania strategii na proces optymalizacji parametrów dla strategii inwestycyjnych w handlu event-driven autor: Michał Osmoła INIME Instytut nauk informatycznych i
Bardziej szczegółowoAUTOMATYZACJA PROCESW DYSKRETNYCH 2012 ZASTOSOWANIE TECHNIK RÓWNOLEGŁYCH W SZEREGOWANIU ZA- DAŃ Z KRYTERIUM MINIMALIZACJI SUMY SPÓŹNIEŃ
AUTOMATYZACJA PROCESW DYSKRETNYCH 2012 Mariusz MAKUCHOWSKI, Jarosław PEMPERA Politechnika Wroclawska ZASTOSOWANIE TECHNIK RÓWNOLEGŁYCH W SZEREGOWANIU ZA- DAŃ Z KRYTERIUM MINIMALIZACJI SUMY SPÓŹNIEŃ Streszczenie.
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 szczegółowoSystem wspomagania harmonogramowania przedsięwzięć budowlanych
System wspomagania harmonogramowania przedsięwzięć budowlanych Wojciech Bożejko 1 Zdzisław Hejducki 2 Mariusz Uchroński 1 Mieczysław Wodecki 3 1 Instytut Informatyki, Automatyki i Robotyki Politechnika
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.
Bardziej szczegółowoprzedsięwzięć budowlanych i mające
Optymalizacja czasowo-kosztowa w harmonogramowaniu wieloobiektowych przedsięwzięć budowlanych Dr inż. Michał Podolski, Politechnika Wrocławska 8. Wprowadzenie Systemy pracy potokowej stosowane w realizacji
Bardziej szczegółowoMatematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Algorytm 1. Termin algorytm jest używany w informatyce
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoPORÓWNANIE WYBRANYCH ALGORYTMÓW OPTYMALIZACJI ROZPŁYWU MOCY W SYSTEMIE ELEKTROENERGETYCZNYM A COMPARISON OF SELECTED OPTIMAL POWER FLOW ALGORITHMS
ELEKRYKA 2013 Zeszyt 4 (228) Ro LIX Artur PASIERBEK, Marcin POŁOMSKI, Radosław SOKÓŁ Politechnia Śląsa w Gliwicach PORÓWNANIE WYBRANYCH ALGORYMÓW OPYMALIZACJI ROZPŁYWU MOCY W SYSEMIE ELEKROENERGEYCZNYM
Bardziej szczegółowoMateriały do wykładów na temat Obliczanie sił przekrojowych i momentów przekrojowych. dla prętów zginanych.
ateriały do wyładów na temat Obliczanie sił przerojowych i momentów przerojowych dla prętów zginanych Wydr eletroniczny. slajdów na. stronach przeznaczony do celów dydatycznych dla stdentów II ro stdiów
Bardziej szczegółowoSystemy wbudowane. Uproszczone metody kosyntezy. Wykład 11: Metody kosyntezy systemów wbudowanych
Systemy wbudowane Wykład 11: Metody kosyntezy systemów wbudowanych Uproszczone metody kosyntezy Założenia: Jeden procesor o znanych parametrach Znane parametry akceleratora sprzętowego Vulcan Początkowo
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoAnaliza ilościowa w przetwarzaniu równoległym
Komputery i Systemy Równoległe Jędrzej Ułasiewicz 1 Analiza ilościowa w przetwarzaniu równoległym 10. Analiza ilościowa w przetwarzaniu równoległym...2 10.1 Kryteria efektywności przetwarzania równoległego...2
Bardziej szczegółowoZofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1
Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem
Bardziej szczegółowoALGORYTM PERTURBACYJNY DLA PROBLEMU PRZEPŁYWOWEGO
ALGORYTM PERTURBACYJNY DLA PROBLEMU PRZEPŁYWOWEGO Mariusz MAKUCHOWSKI Streszczenie: Proponowany w tej pracy algorytm perturbacyjny PNEH (dedykowany permutacyjnemu problemowi przepływowemu) pozwala na dostarczanie
Bardziej szczegółowoLINIA MONTAŻOWA Z WIELOMA OPERATORAMI NA POJEDYNCZEJ STACJI ROBOCZEJ
LINIA MONTAŻOWA Z WIELOMA OPERATORAMI NA POJEDYNCZEJ STACJI ROBOCZEJ Waldemar GRZECHCA Streszczenie: Obecnie najczęściej spotykanymi procesami produkcyjnymi są procesy montażowe mające na celu złożenie
Bardziej szczegółowo