Seria: PREPRINTY nr 34/2006. Marek Skowron. Promotor: Dr hab. inŝ. Krystyn Styczeń, prof. PWr. Instytut Informatyki, Automatyki i Robotyki

Wielkość: px
Rozpocząć pokaz od strony:

Download "Seria: PREPRINTY nr 34/2006. Marek Skowron. Promotor: Dr hab. inŝ. Krystyn Styczeń, prof. PWr. Instytut Informatyki, Automatyki i Robotyki"

Transkrypt

1 Insyu Informayk, Auomayk Roboyk Sera: PREPRINTY nr 34/006 Hybrydowe alorymy ewolucyjnoradenowe dla roblemów oymalneo serowana okresoweo z oranczenam zasobowo-echnolocznym (rozrawa dokorska) Marek Skowron Promoor: Dr hab. nŝ. rysyn Syczeń, rof. PWr Słowa kluczowe: - oymalne serowane okresowe - alorym ewolucyjny - meoda rzuowaneo radenu - funkcja kary - oranczene zasobowe - oranczene echnoloczne - oranczene sablnoścowe Wrocław, r.

2 INSTYTUT INFORMATYI, AUTOMATYI I ROBOTYI POLITECHNII WROCŁAWSIEJ Hybrydowe alorymy ewolucyjno-radenowe dla roblemów oymalneo serowana okresoweo z oranczenam zasobowo-echnolocznym (rozrawa dokorska) Marek Skowron Promoor: dr hab. nŝ. rysyn Syczeń, rof. nadzw. PWr. WROCŁAW czerwec 006

3 Ss reśc. Wsę..... Dlaczeo naleŝy zajmować sę oymalnym serowanem okresowym?..... Problem oymalneo serowana okresoweo Cel racy dokorskej Zesawene najwaŝnejszych rezulaów racy Zawarość racy Alorymy ewolucyjne serowane Wsę do alorymów ewolucyjnych Podsawowe ojęca sosowane w alorymach ewolucyjnych odowane oulacj odowane bnarne odowane rzeczywse Zarządzane oulacją Ruleka Rerodukcja urnejowa Rerodukcja ranowa Oeraory krzyŝowana rzyŝowane wymenające rzyŝowane równomerne rzyŝowane arymeyczne Oeraory muacj Muacja równomerna Muacja nerównomerna Muacja brzeowa ryerum sou alorymu Alorymy ewolucyjne dla roblemów GOSO odowane roblemu okresoweo Alorym oymalzacj dla roblemu GOSO z chwlowym oranczenam zasobowym Problem GOSO z chwlowym oranczenam zasobowym Ewolucyjny alorym oymalzacj (Alorym ) Przykłady oblczenowe Alorym oymalzacj dla roblemu GOSO z oranczenam zasobowym Problem GOSO z chwlowym uśrednonym oranczenam zasobowym Ewolucyjny alorym oymalzacj (Alorym ) Przykłady oblczenowe Alorym oymalzacj dla roblemów GOSO z oranczenam zasobowym, echnolocznym oraz sablnoścowym Problem GOSO z oranczenam zasobowym, echnolocznym oraz sablnoścowym Ewolucyjny alorym oymalzacj (Alorym 3) Przykłady oblczenowe Alorymy wsomaające Meoda λ-rzuowaneo radenu Meoda rzesuwanej funkcj kary λ-rzuowaneo radenu Przykłady oblczenowe Podsumowane Leraura... 4

4 . WSTĘP.. Dlaczeo naleŝy zajmować sę oymalnym serowanem okresowym? Tradycyjne odejśce do roblemów oymalneo serowana auonomcznym, cąłym rocesam echnolocznym olea na wyborze ch oymalneo sayczneo rzebeu. W rakyce wyląda o ak, Ŝe najerw numeryczne wyznaczane jes oymalne, sayczne rozwązane daneo roblemu, a nasęne rojekowane są rose, sablzujące układy auomayk, kórych zadanem jes aka reulacja rocesu, aby nezaleŝne od flukuacj aramerów obeku czynnków zewnęrznych rzebeał on w warunkach zblŝonych do wyznaczoneo wcześnej oymalneo rozwązana sayczneo. Inaczej mówąc, dąŝy sę do eo, by wszyske zmenne rocesowe daneo rocesu zarówno serujące (naęŝene doływu lub sęŝene subsraów orzebnych do rowadzena rocesu,.) jak osujące san rocesu (emeraura cśnene w aaraurze rocesowej,.) były sałe w czase równe wyznaczonym waroścom oymalnym. Fak, Ŝe osana wyŝej rocedura serowana cąłym rocesam echnolocznym jes bardzo częso sosowana, ne oznacza, Ŝe jes ona oymalna w klase wszyskch rocesów rowadzonych w dłum horyzonce czasowym horyzonce znaczne rzewyŝszającym sałe czasowe rocesu. Od roku 935, kedy o odkryo eksrakcję ulsacyjną, wadomo bowem, Ŝ wymuszene cyklcznej racy rocesu moŝe znaczne zwększyć jeo wydajność w orównanu z wydajnoścą eo rocesu w sane usalonym [40]. Serowane okresowe, w odróŝnenu od serowana sayczneo, wykorzysuje dynamkę rocesu, dzęk czemu moŝna kszałować rzebe sanu rocesu jeo średne charakerysyk w szerokm zakrese, a co za ym dze, moŝna orawać warośc wskaźnków jakośc szereu rocesów rodukcyjnych rzy zachowanu średnch warośc oranczeń charakerysycznych dla serowana okresoweo [40], [60], [65], [7]. Wsomnana orawa odnos sę m.n. do wskaźnków jakośc osujących średną wydajność rocesu, średne zuŝyce surowców orzebnych do rowadzena rocesu, średn kosz onesony na rowadzene rocesu, czy średną selekywność rocesu. Perwsza eksrakcja ulsacyjna zaewnała co rawda wększą wydajność rocesu, jednak serowane ulsacyjne ne zaczęło być owszechne sosowane w ówczesnych czasach bowem, kosz realzacj akeo serowana welokrone rzewyŝszał zysk uzyskane ze zwększena wydajnośc rocesu. Dzęk onerskemu zasosowanu eks-

5 rakcj ulsacyjnej zrozumano jednak, Ŝe oymalne serowane sayczne ne zawsze jes najlesze, dlaeo eŝ naleŝy oszukwać nnych sosobów serowana m.n. nale- Ŝy sarać sę, o le jes o moŝlwe, sosować serowane okresowe. Okresowy sosób rowadzena rocesu wykorzysuje bowem moŝlwośc kwące w dynamce rocesu, a jednocześne ozwala on oranczyć analzę roblemu serowana do jedneo ylko cyklu rocesu duŝo krószeo od całeo horyzonu czasoweo rocesu cąłeo. Dzsejszy san echnk ozwala rzezwycęŝyć rudnośc naukowców z la rzydzesych. Nowe echnoloe, suer-szybke komuery oraz wedza zdobya rzez szere la ozwalają sone oszerzyć zakres sosowana serowana okresoweo. Dzś nkoo ne dzw juŝ fak, Ŝe w sysemach ekolocznych czy aroechncznych moŝna jednocześne zmnejszać neaywny wływ osodark na środowsko zwększać wydajność rocesów rodukcyjnych (n. dzęk cyklcznemu serowanu rozwojem oulacj bolocznych) [34], [4], [7], [74], [8], [86], [87]; w analoczny sosób moŝna równeŝ zwększać wydajność sysemów boechnolocznych [], [], [63], [69], [76], [9], [94], [0], [], [8]. Sosując serowane okresowe moŝna akŝe osąać znaczną orawę wydajnośc rocesu w rzyadku welu reakcj chemcznych [7], [9], [3], [40], [44], [45], [73], [78], [79], [80], [89], [93], [04], [06], [38], [39]. Zasosowane serowana okresoweo ne orancza sę oczywśce jedyne do wsomnanych wyŝej sysemów ekolocznych, boechnolocznych, czy chemcznych. RówneŜ w akch obszarach rzemysłu jak elekroenereyka, ermodynamka, mechanka, czy huncwo orzez cyklczne rowadzene rocesu moŝna zwększyć jeo wydajność orawć jeo efekywność [5], [39], [60], [6], [77] [99], [0], [7], [5]. Serowane cyklczne sosowane jes akŝe w sysemach ekonomczno-osodarczych [], [64], [8], [33], [45], dze jes ono wykorzysywane do dynamczneo worzena cen w celu zwększena średneo zysku, do leszeo zarządzana rodukcją owerzchnam maazynowym, czy eŝ do szybszeo dososowywana rodukcj do zmenająceo sę w czase zaorzebowana rynku. Obecne, dy z kaŝdym dnem ceny na sacjach benzynowych są coraz wyŝsze, neresujące moą być eŝ badana nad zasosowanem cyklczneo serowana do zwększana ekonomcznośc ojazdów, a ym samym do zmnejszana zuŝyca alwa (zaadnene o w odnesenu łówne do rzemysłu lonczeo zosało szeroko osane m.n. w [5], [54], [3], [4], [38], [95], [5], [4], [7], [43], [44]). 3

6 Z owyŝszych rozwaŝań wynka, Ŝe serowane okresowe orzez zasosowane jake znajduje w róŝnych ałęzach rzemysłu osodark jes obecne w welu obszarach ludzkeo Ŝyca, częso orawając jeo jakość. Dzęk emu, Ŝe en właśne rodzaj serowana zaewna (w orównanu ze saycznym rowadzenem rocesu) wększą wydajność szereu rocesów rodukcyjnych, zaneresowane serowanem okresowym oraz moŝlwoścą jeo wykorzysana jes coraz wększe, co jes chyba wysarczającym arumenem na o, Ŝe zajmowane sę ą emayką ne jes sraą czasu ym bardzej, Ŝe w dobe lobalzacj osodark coraz wększej konkurencj mędzy frmam nawe newelke zwększene wydajnośc rocesu (rzenoszące sę ym samym na zmnejszene koszów rodukcj) jes częso na waę złoa. Dlaeo eŝ zasadne wydają sę róby wdraŝana serowana okresoweo do rocesów, w kórych ne zosało ono jeszcze zasosowane; uzasadnone są akŝe badana nad doskonalenem snejących juŝ meod oymalzacj okresowej, czy eŝ worzenem nowych jeszcze leszych meod zwększających wydajność rocesów rodukcyjnych... Problem oymalneo serowana okresoweo Z roblemam oymalneo serowana okresoweo moŝna zeknąć sę wszędze am, dze eo rodzaju serowane jes sosowane, czyl jak juŝ wcześnej wsomnano w chem, bolo, ekolo, róŝnych sysemach echncznych, czy ekonomcznych. Rozlełość dzedzn oraz secyfczne własnośc oszczeólnych roblemów owodują, Ŝe rocesy okresowe mają róŝnorodny charaker. Na rzykład, z uwa na osać rajekor sanu (wzlędem czasu) moŝna odzelć je na cąłe, necąłe lub ółcąłe. Ze wzlędu na sosób wymuszena cyklcznej racy na: auonomczne (w kórych cyklczność uzyskuje sę dzęk odowedno dobranemu serowanu) oraz neauonomczne (w kórych cyklczność wymuszona jes rzez zakłócena odzaływujące na rowadzony roces). Podzału moŝna równeŝ dokonać borąc od uwaę okres rocesu; w akm rzyadku wyróŝnone zosaną: roblemy wysokoczęsolwoścowe (w kórych okres dąŝy do zera), średnoczęsolwoścowe (w kórych warość okresu mnej węcej odowada sałym czasowym rocesu), czy nskoczęsolwoścowe (w kórych okres zmerza do neskończonośc). Isonym jes, Ŝe kaŝdy wsomnany owyŝej rodzaj roblemu naleŝy rakować ndywdualne, nne są bowem modele osujące oszczeólne yy roblemów; w kaŝdym z yów wysęują nne, czasam charakerysyczne wyłączne dla neo oranczena; dla kaŝdeo rodzaju roblemu okresoweo nny jes akŝe sosób odejśca do 4

7 jeo oymalzacj. Z uwa na owyŝsze oraz borąc od uwaę oranczone ramy eo oracowana w dalszej częśc racy rozwaŝany będze wyłączne cąły, auonomczny, średnoczęsolwoścowy roblem oymalneo serowana, z kórym najczęścej moŝna sokać sę w rakyce. Ne oznacza o jednak, Ŝe meody oymalzacyjne rzedsawone w ej racy ne moą być zasosowane do nnych yów roblemów okresowych. Wręcz rzecwne, ewolucyjne odejśce oymalzacyjne, będące łównym rzedmoem nnejszeo oracowana, moŝe być z owodzenem zasosowane (oczywśce o neznacznych modyfkacjach) do rawe kaŝdeo roblemu okresoweo. Cąły, auonomczny, średnoczęsolwoścowy roblem lobalne oymalneo serowana okresoweo (roblem GOSO) olea na mnmalzacj funkcj celu: Q( x, u, τ ) = ν ( q), () będącej skalarną funkcją wekora wskaźnków charakerysycznych rocesu osywaneo okresowym równanem sanu τ q = τ h( x( ), u( )) d () 0 x &( ) = f ( x( ), u( )), [ 0, τ ], x ( 0) = x( τ ), (3) na kóry o roces narzucone są oranczena chwlowe uśrednone oranczena zasobowe uśrednone oranczena echnoloczne oraz oranczena sablnoścowe τ, x( ) X, u( ) U, [ 0, τ ], (4) ϕ ( q) = 0, ~ ϕ ( q) 0, (5) ~ φ ( q) = 0, φ ( q) 0, (6) s ( Φ( x, u, τ )) α. (7) W owyŝszych równanach τ R+ oznacza okres rocesu serowana, n ([0, ]; x 0 x H τ R ) rajekorę sanu, [ ] R n u u H 0, τ ; serowane, a ( ) R n q q jes wekorem wskaźnków charakerysycznych rocesu. Z kole funkcje ν, h, f, ϕ, ~ϕ, φ ~ φ określone są w nasęujący sosób: 5

8 n ν : R q R, h n nx nu q nx nu nx : R R R, f R R R :, n nϕ ~ n n ϕ R q ~ ϕ : R, ϕ : R q φ R, φ R q ~ φ : R, φ : R q R. n n ~ n n ± Wyukłe zbory [ τ, τ ], X [ x, x ], U [ u, u ] (dze τ R, x ± R n x, u ± R n u ) określają douszczalny zakres zman zmennych rocesowych. Warośc worzące e zbory wynkają z oranczeń echnolocznych aaraury uŝywanej do rowadzena rocesu. Moą one n. określać douszczalny zakres wahań emeraury reakora (kóry ne sowoduje jeo znszczena), czy eŝ maksymalne cśnene (kóreo rzekroczene moŝe rzyczynć sę do wybuchu reakora). Oranczena e moą osywać równeŝ maksymalne lub mnmalne osąalne naęŝene doływu surowca orzebneo do rowadzena rocesu lub jeo ranczne osąalne sęŝene. Uśrednone oranczena zasobowe (5) określają średną dosęność surowca orzebneo do rowadzena rocesu. Moą one osywać n. douszczalne średne zuŝyce ener elekrycznej lub azu (kóreo rzekroczene moŝe być obarczone n. duŝym karam fnansowym). W roblemach oymalneo serowana okresoweo uśrednone oranczena zasobowe ojawają sę równeŝ w rzyadku, dy do rowadzena daneo rocesu ne moŝna dosarczać w sosób cąły nezbędnych surowców oranczena e osują wedy maksymalne średne zuŝyce surowców w czase, kóre ne rzyczyn sę do oróŝnena zaasów maazynowych, a ym samym do zarzymana rocesu. Dla duŝej ruy roblemów okresowych funkcje ϕ, ϕ ~ osujące uśrednone oranczena zasobowe moą rzyberać osać: dze τ ( u( ) us ) d, ( ( ) ), τ u us d (8) τ 0 τ 0 s nu u R jes zadanym wekorem osującym średną dosęność surowca orzebneo do rowadzena rocesu. Uśrednone oranczena echnoloczne (6) osywane są rzez nelnowe funkcje zaleŝne od serowana sanu. Przy ch omocy najczęścej określana jes n. douszczalna, średna koncenracja czynnka neoŝądaneo (bądź nawe szkodlweo) w końcowym rodukce daneo rocesu. Omawane oranczena moą równeŝ osywać douszczalną, średną lość odadów rodukowanych w rakce rwana rocesu, lub eŝ jeo selekywność. 6

9 Oranczena sablnoścowe w osanym robleme okresowym zdefnowane są za omocą najwększeo (co do warośc) mullkaora Floque a oraz arameru α R+ określająceo douszczalny, lokalny ozom sablnośc rocesu (zw. ozom Floque a). Najwększa warość mullkaora Floque a wyznaczana jes w nasęujący sosób: s = max n s, dze nx s = ( s ) = oznacza wekor warośc własnych mace- x rzy monodrom Φ ( x, u, τ ). Z kole macerz monodrom jes o macerz fundamenalna Φ () w chwl = τ zlnearyzowaneo równana sanu δ x& ( ) = A( ) δx( ), [ 0, τ ], (9) w kórym A( ) = f ( x( ), u( )) jes macerzą Jacobeo okresoweo rocesu ( x, u). x Oranczene sablnoścowe (7) wynka wros z werdzena Floque a doycząceo sablnośc okresoweo układu osywaneo równanem róŝnczkowym zwyczajnym [35], [46], [78]. Zodne z ym werdzenem rozwązane okresowe jes lokalne sablne, dy warośc modułów wszyskch charakerysycznych mullkaorów (warośc własnych macerzy monodrom Φ ( x, u, τ ) ) sysemu (9) są mnejsze od jednośc, naomas jes nesablne, dy warość rzynajmnej jedneo modułu charakerysyczneo mullkaora sysemu (9) jes wększa od jednośc. Z rzyoczoneo werdzena wynka, Ŝe rzyjęce α oznacza oszukwane oymalneo rozwązana, kóre leŝy na rancy sablnośc lub jes nesablne; naomas rzyjęce α < jes równoznaczne z oszukwanem oymalneo, lokalne sablneo rozwązana roblemu ()-(7) z zaasem sablnośc równym α. Przyjęce F-ozomu α < owoduje równeŝ, Ŝe roces okresowy będze rzy małych zaburzenach aramerów równań sanu lokalne, asymoyczne sablny ze wzlędu na cąłą zaleŝność od ych aramerów macerzy fundamenalnej rocesu zlnearyzowaneo oraz warośc własnych macerzy monodrom [46]. Oznacza o węc arameryczną sablność zboru mullkaorów rocesu okresoweo (rysunek ). Im s Im s - Re - Re - a - a+δa Rysunek Mała zmana δa arameru a rocesu sablneo ne zaburza jeo sablnośc 7

10 Co węcej, oranczenu sablnoścowemu z F-ozomem α < moŝna nadać szczeólną nerreację (arz Twerdzene l onŝej), mającą waŝne konsekwencje dla rojekowana układów reulacj rocesu okresoweo. ( 0 Nech x, u( ), x( )) oznacza rozwązane równana sanu z warunkem ocząkowym x ) nech warunek x ) zaewna okresowy rzebe rajekor sanu rzy ( 0 ( 0 okresowym serowanu u (). Ponado, nech rawa srona równana sanu sełna oszacowane r( δ x( ), ) κ δ x( ) dze r( δ x( ), ) = f ( x( ) + δ x( ), u( )) f ( x( ), u( )) f x ( x( ), u( )) δ x( ), zaś κ µ są sałym dodanm (oszacowane ake jes charakerysyczne dla badanych w racy rocesów z modelam welomanowym wzlędem zmennych sanu). Twerdzene l Jeśl F-ozom α zlnearyzowaneo okresoweo rocesu serowana µ, δ x& ( ) = f x( x( ), u( )) δ x( ) jes mnejszy od jednośc, o sneje ake η > 0, Ŝe dla zaburzeń sanu ocząkoweo δ x ( 0) < η, zachodz: 0 x(, u( ), x( 0 ) + δ x( 0 )) x(, u( ), x( 0 )) Cα δ x( 0 ), [ 0, + ), dze C jes sałą dodaną. Oznacza o, Ŝe okresowa rajekora sanu jes sablna wykładnczo z odsawą równą F-ozomow α. Dowód. Nech P n x nx ( ) R będze macerzą okresową rerezenacj Floque a macerzy fundamenalnej Φ () zlnearyzowaneo rocesu okresoweo (j. Φ ) Λ s ( ) = P( e ), dze s Λ jes macerzą sałą. Nech onado ( δ x ) = x(, u( ), x( ) + δ x( )) x(, u( ), x( )) będze odchylenem rajekor zaburzonej od badanej rajekor okresowej. Podsawene δ x( ) = P( ) δ y( ) ozwala uzyskać na odsawe rzekszałcena Launowa [35] zaleŝność kóra mlkuje oszacowane Λ s ( 0 ) δ y( ) = e ( δ y( ) + P ( θ ) r( P( θ ) δ y( θ ), θ ) dθ ), 0 0 8

11 λ( 0 ) ~~ λµ ) ( ~ 0 ) ~ ( ) ( ( ) ( o λ µ δ y Ce δ y 0 + C e ( e δ y( ) ) d), dze λ jes dowolną lczbą rzeczywsą sełnającą warunek 0 max Re n x λ < λ < 0, zaś λ są waroścam własnym macerzy e Λs ( 0 ) warunk Λ s, sała C wynka z oszacowana macerzy, sała C jes określona jako C = κ max P ( ), a sałe ~ λ ~ µ sełnają ~ λ < λ ~ µ < µ. Z lemau Bhareo wynka węc, Ŝe [ 0, 0 + τ ] e λ( 0 ) δ y( ) C δ y( 0 ) µ C ( ( µ ) C ~~ ) λµ /( µ ). Borąc od uwaę nerównośc δ x( ) P( ) δ y( ) max P( ) δ y( ) [ 0, 0 +τ ] oraz δ y( 0) P ( 0) δ x( 0) odsawając ezę werdzena. α λ = e uzyskuje sę osaeczne Powórzene owyŝszeo rozumowana dla równana sanu zaleŝneo od arameru a (j. x &( ) = f ( x( ), u( ), a) ) z aramerem odleającym flukuacjom B a ) (w ooczenu jeo warośc nomnalnej a 0 ) ozwala swerdzć jednosajną arameryczną sablność wykładnczą rocesu okresoweo. Własnośc sablnoścowe okresoweo rocesu serowana mają sony wływ na efekywność jeo realzacj. Wybór w rakce oymalzacj α < oznacza bowem oszukwane rozwązań okresowych, kóre ławo moŝna zamlemenować w rakyce sosując rose zarazem ane układy auomaycznej reulacj ze srzęŝenem zwronym. Naomas rzyjęce warośc α owyŝej jednośc (lub całkowe omnęce oranczeń (7)) rowadzć moŝe do eo, Ŝe w rakce oymalzacj moą być uzyskwane lesze rozwązana okresowe, jednak będą one nesablne bądź na rancy sablnośc, w zwązku z czym ch rakyczna realzacja będze nemoŝlwa, lub eŝ zwązana będze z konecznoścą onesena duŝych nakładów na zarojekowane realzację skomlkowanych, sablzujących układów reulacj auomaycznej. ( 0 9

12 Głównym celem oymalzacj rocesów okresowych ()-(7) jes uzyskane lobalne oymalneo rozwązana okresoweo ( x ˆ, uˆ, ˆ τ ), sełnająceo oranczena (4)-(7), kóre jednocześne zaewnałoby leszą warość wskaźnka jakośc w orównanu z lobalne oymalnym rozwązanem saycznym eo sameo roblemu ()-(7). W rzyadku roblemu okresoweo ()-(7) zwązany z nm roblem lobalne oymalneo serowana sayczneo olea na mnmalzacj wskaźnka jakośc: Q ( x, u ) = ν ( q), (0) rzy uwzlędnenu oranczeń q = h( x, u), () 0 = f ( x, u ), () x X, u U, (3) ϕ ( q) = 0, ~ ϕ ( q) 0, φ ( q) = 0, ~ φ ( q) 0, (4) dze n x nu x R jes sayczną rajekorą sanu, a R ( x, u ) s ( e f x ) α, (5) u jes saycznym serowanem. W owyŝszym robleme lobalneo serowana sayczneo wyjaśnena wymaa oranczene (5). O ym, czy dane rozwązane jes sablne, moŝna dowedzeć sę analzując rzeczywsą część warośc własnych macerzy Jacobeo (dy wszyske warośc własne leŝą w lewej ółłaszczyźne zmennych zesolonych rozwązane roblemu (0)-(5) jes sablne). PowyŜsze ne oznacza, Ŝe nerówność (5) jes błędna. (, u ) Zas s ( e f x x ) jes o rosu rzekszałcenem, kóre rzerowadza wszyske warośc własne macerzy Jacobeo o nedodanch waroścach częśc rzeczywsej do koła jednoskoweo na łaszczyźne zmennej zesolonej. Tak węc, rozwązane ro- ( x, u ) blemu (0)-(5) jes sablne, dy rawdzwa jes nerówność s ( e f x ), nao- ( x, u ) mas dy s ( e f x ) rozwązane jes na rancy sablnośc, bądź jes ono ne- sablne. Podsumowując, sosób badana sablnośc roblemu sayczneo z wykorzysanem nerównośc (5) zosał wrowadzony w celu zunfkowana zasu, dzęk czemu ławej będze orównywać oymalne rozwązane zadana sayczneo (0)- (5) z rozwązanem roblemu okresoweo ()-(7). < 0

13 .3. Cel racy dokorskej Problem oymalneo serowana okresoweo ne jes nowy w cąu osanch klkudzesęcu la był on rzedmoem rozwaŝań welu badaczy emaem welu rac: oracowano dla neo warunk koneczne wysarczające oymalnośc [6], [7], [9], [3], [53], [68], [75], dokonano synezy oymalneo serowana w układze ze srzę- Ŝenem zwronym [7], [9], oracowano meody badana domnacj serowana okresoweo nad serowanem saycznym [9], [3], [4], [5], [8], [3], [06], [36], [37], [38], oracowano meody badana sablnośc rocesów okresowych [8], [46], [78], analzowano rocesy okresowe z oóźnenam [], [9], [30], [3], [3], [33], [88], [93], [], czy w końcu analzowano roblemy serowana okresoweo rocesów o aramerach rozłoŝonych [], []. JednakŜe, choć ukazało sę wele ublkacj na ema roblemu oymalneo serowana okresoweo, o wyznaczene jeo oymalnych rozwązań sanow nadal rudne zadane z uwa na nelnowy charaker równań sanu osujących dynamkę układu, duŝą wraŝlwość oymalzowaneo rocesu na zmany warośc jeo zmennych rocesowych, neznany oymalny okres rocesu, czy neznany oymalny san ocząkowy rocesu [3]. Dodakowe rudnośc z wyznaczenem oymalneo (a zwłaszcza lobalne oymalneo) serowana okresoweo owodowane są częso weloeksremalnym charakerem roblemu oraz konecznoścą uwzlędnana szereu oranczeń. Ne oznacza o jednak, Ŝe ne ma meod, rzy omocy kórych ne moŝna by było znaleźć oymalneo rozwązana roblemu okresoweo. Wśród najbardzej znanych meod eo yu naleŝy wymenć: radenowe meody orawy [68], meodę druej waracj [3], [7], [3], [6], meody bazujące na zasadze maksmum [44], [8], meody funkcj bazowych [0], [9], [9], [30] oraz meody wyładzana róŝnczkoweo [34]. Wsólną cechą wymenonych meod jes jednak fak, Ŝ rzy ch omocy moŝna jedyne wyznaczyć lokalne oymalne rozwązane roblemu okresoweo, co borąc od uwaę dzsejszą endencję w osodarce do zmnejszana koszów rodukcyjnych rzy jednoczesnym zwększanu wydajnośc rzedsęborsw jes newąlwe wadą ych meod. PoŜądane byłyby bowem meody, dzęk kórym moŝlwe byłoby wyznaczene lobalne oymalneo rozwązana roblemu. Nesey, z uwa na wcześnej wymenone urudnena zwązane z roblemam serowana okresoweo, wyznaczene lobalne oymalneo rozwązana okresoweo jes wyjąkowo rudne. Z eo eŝ ew-

14 ne owodu roblemayka lobalnej oymalzacj rocesów okresowych jes słabo zbadana. olejną wadą wsomnanych wcześnej meod jes fak, Ŝe ch wykorzysane jes urudnone (lub wręcz nemoŝlwe) jeśl zachodz orzeba uwzlędnena róŝnorodnych oranczeń charakerysycznych dla klasy rozwaŝanych roblemów. Prawdzwość eo werdzena moŝna doweść borąc chocaŝby od uwaę uśrednone oranczena zasobowe (5). Jednym ze sosobów ch uwzlędnana w oymalzowanym robleme jes zasosowane dodakowych zmennych sanu, rzy omocy kórych oranczena e moą zosać dodane do równań sanu osujących dany roces. Nesey, dla szerokej klasy roblemów ak sosób uwzlędnena oranczeń rowadz do osoblwej macerzy Jacobeo, rzez co nemoŝlwym saje sę zasosowane meody Newona-Rahsona łówneo narzędza sosowaneo do rozwązywana okresowych równań sanu. Z kole oranczena chwlowe sanu częso owodują, Ŝ redukcja roblemu okresoweo do rzesrzen serowana z jednoczesną aroksymacją ych oranczeń za omocą dyskrenej sak czasowej [97] rowadz do duŝej lczby uwkłanych, nelnowych oranczeń znaczne zmnejszających skueczność meod roramowana nelnoweo. Wykorzysane warunków konecznych oymalnośc okresoweo rocesu serowana wynkających z zasady maksmum komlkuje fak srukuralnej nesablnośc okresoweo układu hamlonowskeo. Układ en, zodne z werdzenem Launowa-Poncareo [35], ne moŝe być asymoyczne sablny. Dlaeo jeo rozwązane za omocą meody srzałów naoyka na rudnośc zwązane rzede wszyskm z nesablnoścą zmennych srzęŝonych [8]. Oczywśce, analzując rzedsawone roblemy z uwzlędnanem oranczeń moŝna swerdzć, Ŝe co rawda ne ma dealnej meody oymalzacyjnej, kórą moŝna by było zasosować do kaŝdeo yu zadana jednak ze znanych meod oymalzacyjnych zawsze moŝna wybrać ę, kóra ozwol na uzyskane zadawalająceo rozwązana daneo roblemu. Swerdzene o jes jednak słuszne jedyne w rzyadku roblemów okresowych, w kórych wysęują nezby skomlkowane oranczena zasobowe lub echnoloczne zarówno chwlowe jak uśrednone. Naomas, w rzyadku, dy w robleme wysęują oranczena sablnoścowe, doychczas znane meody oymalzacyjne dla roblemów okresowych sają sę bezuŝyeczne, onewaŝ ne orafą one w rakce oszukwana rozwązana oymalneo uwzlędnć oranczeń o neanalycznym neróŝnczkowalnym charakerze.

15 Tak węc uławene rakycznej realzacj rozszerzene zakresu zasosowań serowana okresoweo zwązane jes ze zbadanem nowych aseków roblemayk oymalneo serowana cyklczneo, kórym są: wyznaczane lobalne oymalneo okresoweo rocesu serowana zaewnająceo znaczny efek oymalzacyjny w osac duŝej orawy wskaźnka jakośc rocesu w orównanu z jeo waroścą dla oymalneo sayczneo rozwązana, dokładne uwzlędnane oranczeń zasobowo-echnolocznych obejmujących chwlowe uśrednone oranczena sanu serowana oraz oranczena sablnoścowe warunkujące rakyczną mlemenowalność rocesu okresoweo. Prezenowane w leraurze wynk badań szereu roblemów oymalneo serowana okresoweo [40], [68], [9], [93] wskazują na snene, dla daneo roblemu, welu cyklcznych rozwązań domnujących co do warośc wskaźnka jakośc nad oymalnym rocesem saycznym. Najlesze sośród ych rozwązań sanową lokalne eksrema roblemu (rysunek a). Narzucene jednak klasycznych oranczeń zasobowoechnolocznych orancza lczbę cykl domnujących (rysunek b). Jeszcze wększe zawęŝene klasy cykl domnujących nad oymalnym serowanem saycznym owoduje wrowadzene dodakoweo oranczena sablnoścoweo (rysunek 3a). Zasosowane rzedsawoneo w ej rozrawe alorymu hybrydoweo (alorymu ewolucyjneo ołączoneo z alorymem kerunków orawy) ozwala wydzelć cykl lobalne oymalny sośród cykl uwzlędnających dodakowe oranczena zasobowo-echnoloczne oraz oranczene sablnoścowe (rysunek 3b). a) b) x x x x Rysunek Cykle lokalne oymalne oymalne rozwązane sayczne (rys. a); cykle lokalne oymalne oymalne rozwązane sayczne o uwzlędnenu oranczeń zasobowo-echnolocznych (rys. b) 3

16 a) b) x x x x Rysunek 3 Cykle lokalne oymalne oymalne rozwązane sayczne o uwzlędnenu oranczena sablnoścoweo (rys. a); cykl lobalne oymalny sełnający róŝnorodne oranczena zasobowo-echnoloczne oraz oranczene sablnoścowe (rys. b) Z uwa na owyŝsze, celem nnejszej racy jes rzedsawene wynków rowadzonych rzez auora eo oracowana badań nad moŝlwoścą wykorzysana alorymów hybrydowych (łączących ewolucyjne odejśce do oymalzacj [07], [08], [], [3], [4] z szybkm alorymam kerunków orawy [09], [], [5], [6], [7], [8], [0]) do wyznaczana lobalne oymalnych rozwązań roblemów okresowych. Isonym rzy ym jes, Ŝe roblemy oymalneo serowana okresoweo ujmowane są u w nowy, uoólnony sosób ()-(7), uwzlędnający oranczena zasobowe (chwlowe całkowe oranczena narzucone na serowane), oranczena echnoloczne (chwlowe całkowe oranczena narzucone na san) oraz oranczena sablnoścowe (w osac zw. ozomu Floque a). Wybór alorymów ewolucyjnych, dla celów oymalzacj rocesów cyklcznych, jes szczeólne uzasadnony akm ch właścwoścam, kóre z jednej srony nawązują do cyklcznych rozwązań sosowanych rzez nauralną ewolucję oranzmów Ŝywych, a z druej srony ozwalają włączać do rocesu oymalzacj róŝnorodne oranczena w ym oranczena neanalyczne, ne dające sę wkomonować do znanych meod oymalzacj lokalnej rzy jednoczesnym oszukwanu rozwązana lobalne oymalneo. Z kole zasosowane alorymów kerunków orawy odykowane jes chęcą zwększena szybkośc wyznaczana rozwązana lobalne oymalneo. W rzyadku bowem roblemów okresowych w celu wyznaczena jedneo rozwązana okresoweo oymalzowaneo rocesu (rozwązana sełnająceo oranczene x ( 0) = x( τ ) ) naleŝy welokrone rozwązać równana sanu (3) kóre są z reuły nelnowe oraz dla kaŝdeo rozwązana równań sanu naleŝy znaleźć odwroność macerzy I Φ( x, u, τ ) (szczeóły w unkce 3..). Choć wyznaczene rozwązana okresoweo równań sanu (dzęk wszechobecnym komuerom) ne naleŝy juŝ do zadań nemoŝlwych do wykonana, jes ono jednak bardzo czasochłonne. Tak węc, alo- 4

17 rymy ewolucyjne, kóre muszą w jednym kroku swojeo dzałana wyznaczyć wele rozwązań okresowych muszą ośwęcć bardzo duŝo czasu na wyznaczene lobalne oymalneo serowana okresoweo. Dlaeo eŝ uzasadnonym jes sosowane alorymu ewolucyjneo ylko do wyznaczana rzyblŝoneo rozwązana lobalne oymalneo (lub obszaru, w kórym o rozwązane sę znajduje) oraz szybkeo alorymu kerunków orawy (alorymu lokalnej oymalzacj), kóry sarując z rozwązana dosarczoneo rzez alorym ewolucyjny, w krókm czase znajdze rozwązane lobalne oymalne..4. Zesawene najwaŝnejszych rezulaów racy Wśród najwaŝnejszych rezulaów racy dokorskej moŝna wymenć: ) zdefnowane noweo, uoólnoneo sosobu uwzlędnana oranczeń zasobowych, echnolocznych oraz sablnoścowych w roblemach oymalneo serowana okresoweo, ) sformułowane udowodnene werdzena na ema jednosajnej aramerycznej sablnośc wykładnczej rocesu okresoweo, 3) oracowane alorymu ewolucyjneo, rzy omocy kóreo moŝna znaleźć lobalne oymalne rozwązane roblemu okresoweo z oranczenam chwlowym narzuconym na serowane okres, 4) oracowane sosobu uwzlędnana oranczeń całkowych w alorymach ewolucyjnych oracowane alorymu rekonsrukcj oranczeń, 5) oracowane alorymu ewolucyjneo, rzy omocy kóreo moŝna wyznaczyć lobalne oymalne rozwązane roblemu okresoweo z oranczenam chwlowym uśrednonym narzuconym na serowane oraz z oranczenam chwlowym narzuconym na okres, 6) oracowane meody uwzlędnana róŝnorodnych oranczeń echnolocznych oranczeń sablnoścowych w alorymach ewolucyjnych, 7) oracowane alorymu ewolucyjneo, rzy omocy kóreo moŝna wyznaczyć lobalne oymalne serowane okresowe rocesu z oranczenam zasobowym echnolocznym (zarówno chwlowym jak uśrednonym) oraz z bardzo rudnym do uwzlędnena oranczenam sablnoścowym, 8) oracowane nowej meody uwzlędnana oranczeń zasobowych w meodze rzuowaneo radenu, 5

18 9) oracowane meody λ-rzuowaneo radenu, rzy omocy kórej moŝna znaleźć lokalne oymalne rozwązane roblemu okresoweo z oranczenam chwlowym uśrednonym narzuconym na serowane, 0) oracowane alorymu łącząceo meodę rzesuwanej funkcj kary meodę λ- rzuowaneo radenu do rozwązywana (oszukwana lokalneo omum) roblemów okresowych z róŝnym oranczenam zasobowym echnolocznym, ) sformułowane udowodnene werdzena doycząceo zbeŝnośc alorymu łącząceo meodę rzesuwanej funkcj kary meodę λ-rzuowaneo radenu, ) zaroonowane hybrydoweo alorymu lobalnej oymalzacj łącząceo ewolucyjne odejśce do oymalzacj z alorymam kerunków orawy, 3) zesawene wynków badań owerdzających skueczność wyŝej wsomnanych alorymów oymalzacj..5. Zawarość racy W rozdzale, zn. we wsęe nnejszej racy, rzedsawone zosały korzyśc, jake nese ze sobą sosowane serowana okresoweo odano u dzedzny osodark, w kórych zasosowane serowana okresoweo wydane zwększyło wydajność róŝnorodnych rocesów rodukcyjnych w orównanu z wydajnoścą ych rocesów osąaną rzy oymalnym serowanu saycznym (unk.). We wsęe zameszczono równeŝ nowe, uoólnone sformułowane lobalne oymalneo roblemu okresoweo z oranczenam zasobowym, echnolocznym sablnoścowym (unk.) oraz szczeółowo osano e oranczena. W rozdzale moŝna równeŝ znaleźć werdzene doyczące aramerycznej sablnośc rocesów okresowych, a ak- Ŝe sformułowane lobalne oymalneo roblemu sayczneo zanurzoneo w robleme okresowym. Ponado, wsę zawera rzeląd leraury z dzedzny oymalneo serowana okresoweo rezenujący okróce doychczasowe osąnęca w ym obszarze nauk (unk.3). W końcu w unkach.3.4 rzedsawono cel racy dokorskej oraz uwyuklono najwaŝnejsze rezulay badań rowadzonych nad lobalną oymalzacją rocesów okresowych. Rozdzał zawera odsawowe nformacje nezbędne do konsruowana alorymów ewolucyjnych dla roblemów oymalneo serowana okresoweo. Rozdzał en rozoczyna sę od wsęu, w kórym oólne zarysowana zosała budowa alorymów ewolucyjnych oraz ch zwązek z Darwnowską eorą ewolucj. Nasęne, wyjaśnane 6

19 są odsawowe ojęca sosowane w eor alorymów ewolucyjnych (unk.). olejne unky rozdzału osują oszczeólne częśc alorymów ewolucyjnych. W unkce.3 zaem osane zosały sosoby kodowana oulacj, kóre moą być uŝye w rzyadku oymalzacj rocesów okresowych. olejny unk Zarządzane oulacją zawera szczeółowe nformacje o dzałanu alorymów ewolucyjnych (rzedsawa on dokładny schema dzałana alorymu wraz z osem jeo oszczeólnych eaów racy; z unku eo moŝna dowedzeć sę: jak owsaje oulacja ocząkowa; w jak sosób decyduje sę o ym, kóre osobnk rzeŝywają, a kóre umerają; kedy na jakch osobnkach naleŝy sosować oeraory krzyŝowana muacj oraz jak worzone są nowe okolena; w unkce ym osane są równeŝ najczęścej sosowane meody rerodukcj). Punk.5 koncenruje sę na ose odsawowych oeraorów krzyŝowana, kóre moą być zasosowane w alorymach ewolucyjnych dla roblemów okresowych; moŝna w nm znaleźć os róŝnych wersj oeraorów wymenających, oeraora równomerneo czy oeraora arymeyczneo. Z kole unk.6 ośwęcony jes róŝnorodnym oeraorom muacj są w nm rzedsawone oeraory muacj równomernej, muacj nerównomernej oraz muacj brzeowej. aŝdy alorym oymalzacyjny mus sę kedyś zarzymać. O ym, kedy naleŝy zarzymać alorym ewolucyjny moŝna sę dowedzeć czyając unk.7 rozdzału ; unk en zawera os sześcu odsawowych kryerów sou, kóre moą być uŝye w rakce oymalzacj rocesów okresowych. W rozdzale 3 rzedsawone zosały alorymy ewolucyjne, rzy omocy kórych moŝna rozwązać róŝnorodne roblemy okresowe. Rozdzał en rozoczyna unk zayułowany odowane roblemu okresoweo, w kórym osany jes sosób zasu rozwązana roblemu okresoweo w osac osobnka, na kórym moŝna sosować mechanzmy ewolucyjne zameszczone w rozdzale. Punk 3. rozdzału 3 ośwęcony jes roblemow lobalne oymalneo serowana rocesem okresowym z oranczenam chwlowym narzuconym na serowane. W omawanej częśc racy najerw sformułowany zosał sam roblem okresowy (unk 3..), a nasęne o osanu sosobu uwzlędnana oranczeń chwlowych narzuconych na serowane oraz sosobu uwzlędnana okresowośc rocesu dla roblemu eo skonsruowany zosał alorym ewolucyjny (unk 3..). Punk 3. kończy szere rzykładów z dzedzny chemcznych rocesów rodukcyjnych, na kórych rzeesowany zosał alorym ewolucyjny (unk 3..3). olejnym odunk rozdzału 3 ośwęcony zosał roblemow lobalne oymalneo serowana rocesam okresowym z 7

20 oranczenam chwlowym uśrednonym narzuconym na serowane. Analoczne jak w unkce 3., unk 3.3 rozoczyna sę od sformułowana roblemu okresoweo, dla kóreo będze konsruowany alorym ewolucyjny (unk 3.3.). Nasęne rzedsawany jes alorym rekonsrukcj, kóreo zadanem jes uwzlędnane oranczeń uśrednonych narzuconych na serowane w rakce dzałana alorymu ewolucyjneo (unk 3.3.). Podunk 3.3. kończy os alorymu ewolucyjneo, rzy omocy kóreo moŝna wyznaczyć lobalne oymalne serowane roblemu okresoweo z oranczenam zasobowym zarówno chwlowym jak uśrednonym. Skueczność osywaneo w ej częśc racy alorymu ewolucyjneo owerdzają lczne rzykłady, kóre zosały zameszczone w odunkce W osanej częśc rozdzału 3 (zn. w unkce 3.4) zarezenowany zosał alorym ewolucyjny, rzy omocy kóreo moŝna wyznaczyć rozwązane lobalne oymalne roblemu okresoweo zawerająceo oranczena zasobowe echnoloczne zarówno (chwlowe uśrednone) oraz (bardzo rudne do uwzlędnena) oranczena sablnoścowe. Punk 3.4 rozoczyna odunk 3.4., w kórym formułowany jes roblem lobalne oymalneo serowana okresoweo zawerający wsomnane oranczena. olejny odunk ośwęcony jes sosobow uwzlędnana oranczeń echnolocznych sablnoścowych rzy uŝycu funkcj kary (unk 3.4.3). W ym mejscu rzedsawony zosał równeŝ alorym ewolucyjny dla roblemu okresoweo sformułowaneo w Rozdzał 3 kończą rzykłady, na kórych zosał rzeesowany alorym ewolucyjny, rzy omocy kóreo moŝna wyznaczyć lobalne oymalne serowane okresowe roblemów z oranczenam zasobowym, echnolocznym sablnoścowym. Alorymy ewolucyjne osane w rozdzale 3.4. są skuecznym narzędzem oymalzacj. Są one jednak bardzo czasochłonne, dlaeo eŝ w rakce lobalnej oymalzacj rocesów okresowych dobrze jes sosować alorymy hybrydowe, będące ołączenem (osanych w rozdzale 3) alorymów ewolucyjnych z szybkm alorymam oymalzacj lokalnej. Rozdzał 4 ośwęcony jes węc nowym alorymom kerunków orawy, rzy omocy kórych moŝna rzyseszyć roces oszukwana lobalne oymalneo rozwązana okresoweo. Perwszy unk rozdzału 4 zawera os meody λ-rzuowaneo radenu, kóra o meoda moŝe być zasosowana dla roblemów okresowych zawerających oranczena zasobowe zarówno chwlowe jak uśrednone. Dru unk omawaneo rozdzału osuje naomas hybrydowy alorym będący ołączenem meody λ-rzuowaneo radenu oraz meody rzesuwanej funkcj kary (alorym en umoŝlwa znalezene lokalne oymalneo rozwązana roblemu 8

21 okresoweo zawerająceo oranczena chwlowe uśrednone zarówno narzucone na zmenne serujące jak na san). W ej częśc racy moŝna równeŝ znaleźć werdzene o zbeŝnośc meody rzesuwanej kary do oymalneo rozwązana okresoweo. Rozdzał 4 kończą rzykłady z dzedzny chemcznych rocesów rodukcyjnych, na kórych wyróbowane zosały wsomnane alorymy kerunków orawy (alorymy oymalzacj lokalnej). Nnejszą racę kończy rozdzał 5, w kórym rzedsawone zosały wnosk z rzerowadzonych badań. W rozdzale ym wskazane są równeŝ dalsze kerunk badań nad usrawnanem alorymów rzedsawonych w nnejszej racy. 9

22 . ALGORYTMY EWOLUCYJNE I STEROWANIE Adaacja alorymów ewolucyjnych do rozwązywana roblemów oymalneo serowana okresoweo wąŝe sę z konecznoścą wyjaśnena odsawowych ermnów sosowanych w eor ewolucj alorymów ewolucyjnych, a obcych eor roblemów okresowych... Wsę do alorymów ewolucyjnych Być moŝe rudno w o uwerzyć, jednak swoje snene alorymy ewolucyjne zawdzęczają arolow Darwnow. Co rawda Darwn był boloem ndy ne zajmował sę oymalzacją, a co za ym dze akŝe alorymam ewolucyjnym, jednak formułując w 895 roku eorę ewolucj oraz obweszczając ją śwau w swom dzele O owsanu aunków na drodze doboru nauralneo zaocząkował on rozwój ak- Ŝe ej dzedzny nauk. Darwn w swojej racy swerdzł, Ŝe wszyske oranzmy Ŝywe mają wsólneo rzodka, zaś róŝnorodność, złoŝoność oranzacja śwaa Ŝyweo, jaką obserwujemy obecne, jes wynkem ewolucj, kórej łównym mechanzmem jes dobór nauralny. Choć ocząkowo welu naukowców odnosło sę sceyczne do Darwnowskej eor ewolucj, z beem la zyskwała ona coraz węcej zwolennków, a dzś (o newelkch zmanach) wększość uczonych rzyjmuje ją za ewnk. Z czasem eora ewolucj zaczęła neresować ne ylko boloów lecz akŝe naukowców z nnych dzedzn nauk. ZauwaŜyl on bowem, Ŝe nauralne rocesy zachodzące w rzyrodze rzez mlony la moŝna, dzęk symulacjom komuerowym, wykorzysać do rozwązywana róŝnorodnych roblemów. Powszechne uznawanym oneram, kórzy rzyczynl sę do rozwoju alorymów ewolucyjnych, są Lawrence Foel [50] ze Sanów Zjednoczonych oraz Ino Rechenber Hans-Paul Schwefel z Nemec [98]. Foel sarał sę wykorzysać oulację auomaów skończonych do rozoznawana języków. Poddawał on ę oulację cąłym, losowym erurbacjom rocesow selekcj, dzęk czemu z czasem uzyskał auomay, kóre neznane m wcześnej wyraŝena języka rozoznawały rakyczne bezbłędne. Naomas nemeccy uczen w swoch badanach nad oymalzacją urządzeń mechancznych wykorzysywal ermuacje rozwązań ocząkowych, dzęk czemu rzyczynl sę on do sformułowana srae ewolucyjnej. JednakŜe erwszą osobą, kóra sworzyła rawdzwy alorym eneyczny, 0

23 był John Holland [66], [67], kóry zajmował sę na Unwersyece Mchan badanem rocesów adaacyjnych w odbornkach synałów bnarnych. Holland jako erwszy zasosował rzekszałcena na wzór dzsejszych oeraorów krzyŝowana, muacj oraz selekcj, symulujące rzeczywse rocesy ewolucj. Alorymy ewolucyjne są o alorymy, kóre rzeszukują welokerunkowo, w sosób losowy, rzesrzeń douszczalnych rozwązań daneo roblemu w celu znalezena jeo najleszeo rozwązana, wykorzysując rzy ym mechanzmy znane z Darwnowskej eor ewolucj. Dzałane alorymu ewolucyjneo rozoczyna sę od losoweo wyenerowana zboru rozwązań douszczalnych daneo roblemu, zn. od wyenerowana zboru osobnków worzących oulację. Nasęne oulacja a, na wzór rocesów zachodzących w rzyrodze, oddawana jes neusannemu dzałanu selekcj oraz oeraorów eneycznych: krzyŝowana muacj, dzęk czemu uzyskuje sę (w kolejnych krokach) coraz o lesze rozwązana daneo roblemu. Zadanem selekcj oeraorów eneycznych, kóre modelują roces rozmnaŝana sę Ŝywych oranzmów, jes realzacja odsawowych załoŝeń eor ewolucj, j.: ) oranczonośc zasobów osobnk w oulacj muszą mędzy sobą konkurować o e same zasoby środowska, w kórym Ŝyją; ) dososowana osobnk ej samej oulacj róŝną sę mędzy sobą; nekóre z nch osadają cechy, kóre w danych warunkach środowska uławają m walkę z nnym osobnkam ej samej oulacj o zasoby; 3) zróŝncowana rzeŝywalnośc rzeŝywalność osobnków zaleŝy od ch dososowana do warunków środowska, w kórym Ŝyją osobnk leej dososowane mają wększe szanse rzeŝyca wydana oomswa nŝ osobnk dososowane orzej; 4) dzedzcznośc nowe osobnk dzedzczą cechy swoch rodzców; 5) losowej zmennośc dzedzczene cech rodzców ne jes dealne; u oomswa moą w sosób losowy ojawać sę cechy, kóre ne wysęowały u rodzców. Selekcja w alorymach ewolucyjnych realzuje erwsze rzy sośród wymenonych wyŝej załoŝeń eor ewolucj. Odowada ona rocesow doboru nauralneo, kóry srawa, Ŝe osobnk najleej dososowane do snejących warunków środowska mają najwększe szanse na rzerwane. Zadanem selekcj jes ocena osobnków w danej oulacj wskazane ych osobnków, kóre rzeŝywają (rzechodzą do noweo

24 okolena); rzy czym ocena osobnków dokonywana jes za omocą secjalnej funkcj określającej ch soeń doasowana do środowska. W rzyadku zadań oymalzacyjnych, funkcją określającą soeń doasowana jes najczęścej funkcja wskaźnka jakośc, kórej warość odlea oymalzacj. Od sona doasowana daneo osobnka (od warośc wskaźnka jakośc) zaleŝy rawdoodobeńswo jeo rzeŝyca. Im osobnk (na le nnych osobnków ej samej oulacj) jes leej doasowany, zn. jeo warość funkcj celu jes wększa w rzyadku maksymalzacj (lub mnejsza w rzyadku mnmalzacj), ym wększe ma on szanse na rzeŝyce znalezene sę w nowym okolenu. NaleŜy uaj zaznaczyć, Ŝe osobnk najorzej rzysosowane ne są ozbawone szans na rzerwane całkowce. Tak jak o bywa w Ŝycu, o ym czy dany osobnk rzeŝyje, decyduje los, kóry jes jednak łaskawszy dla ych osobnków, kóre mają leszą warość funkcj doasowana. Najczęścej sosowane meody selekcj zosały osane w rozdzale.4 nnejszej racy. ZałoŜene dzedzcznośc Darwnowskej eor ewolucj realzowane jes rzez zw. oeraor krzyŝowana, kóry sosowany jes o selekcj na osobnkach wyyowanych do nowej oulacj. Swom dzałanem oeraor krzyŝowana rzyomna rozmnaŝane Ŝywych oranzmów. Przy jeo omocy z losowo wybranych osobnków (rodzców), enerowane są nowe osobnk (rodzą sę dzec), kóre charakeryzują sę ym, Ŝe osadają cechy, kóre osadal ch rodzce. Szczeóły doyczące dzałana oeraora krzy- Ŝowana moŝna znaleźć w rozdzale.5. Osane załoŝene eor ewolucj losowa zmenność realzowane jes za omocą oeraora muacj. Pommo eo, Ŝe w znkomym sonu oddzaływuje on na osobnk w oulacj (szczeóły w rozdzale.6), moŝna swerdzć, Ŝe jes on bodajŝe najwaŝnejszym oeraorem. Nadaje on bowem losowo wybranym z oulacj osobnkom całkowce nowe cechy, cechy kóre ne wysęowały u ch rzodków. Dzęk oeraorow muacj moŝna zaem uzyskać osobnk, kóre będą charakeryzowały sę o wele leszym sonem rzysosowana nŝ ozosałe osobnk... Podsawowe ojęca sosowane w alorymach ewolucyjnych Wśród odsawowych określeń sosowanych w eor alorymów ewolucyjnych (nekóre z ych ojęć zosały juŝ wcześnej uŝye) naleŝy wymenć [4], [83]: osobnk jes o roozycja osac rozwązana daneo roblemu (unk rzesrzen oszukwań), kóra odlea rocesow ewolucj; osobnk moŝe wysęować w osac fenoyu lub enoyu;

25 oulacja zbór osobnków (o określonej lczebnośc) konkurujących mędzy sobą o zasoby środowska, w kórym wysęują (środowsko dla roblemów oymalzacyjnych defnowane jes rzez wskaźnk jakośc oraz narzucone oranczena); enoy jes o zbór chromosomów daneo osobnka; w rzyadku alorymów ewolucyjnych najczęścej enoy sanow jeden chromosom; chromosom łańcuch enów; en ojedynczy elemen chromosomu; allel warość enu (zaleŝy od sosobu kodowana roblemu); locus ozycja enu w chromosome; fenoy zesaw cech odleających ocene środowska zaleŝny od enoyu; jes o osobnk w forme nezakodowanej; funkcja rzysosowana jes o funkcja, kóra na odsawe fenoyu daneo osobnka określa jeo rzysosowane do środowska, w kórym on dzała; najczęścej jes o funkcja celu rozwązywaneo roblemu (ewenualne neznaczne zmodyfkowana z uwa na sosób kodowana osobnka); nacsk selekywny endencja alorymu ewolucyjneo do orawana średnej warośc rzysosowana osobnków w oulacj; rzy omocy nacsku selekywneo seruje sę rzeŝywalnoścą osobnków wększy nacsk selekywny oznacza, Ŝe osobnk leej rzysosowane mają wększe szanse rzeŝyca nŝ osobnk orsze. Jak wdać z zameszczonej owyŝej lsy, ermny uŝywane w eor alorymów ewolucyjnych są analoczne do określeń sosowanych w bolo..3. odowane oulacj Alorymy ewolucyjne są skuecznym narzędzem rozwązywana róŝnorodnych roblemów od warunkem, Ŝe rozwązywany roblem zosane rawdłowo zakodowany, czeo elemenem m.n. jes właścwa osać chromosomów, na kórych moŝna sosować oeraory eneyczne. Zasosowany sosób kodowana jes jednym z łównych czynnków wływających na jakość dzałana daneo alorymu ewolucyjneo. Od neo mędzy nnym zaleŝy czas oszukwana rozwązana daneo roblemu oraz o, czy znalezone rozwązane jes rozwązanem lobalne oymalnym czy sełna ono narzucone na ne oranczena. Jak juŝ wcześnej swerdzono, soą dzałana alo- 3

26 rymów ewolucyjnych jes losowe rzeszukwane rzesrzen douszczalnych rozwązań. W rzyadku, dy roblem zosane źle zakodowany, moŝe zdarzyć sę syuacja, w kórej jakś framen rzesrzen rozwązań ne zosane rzeszukany (rzez co ne zosane znalezone najlesze rozwązane) lub eŝ rzeszukwany zaczne być obszar, w kórym znajdują sę rozwązana nedouszczalne. Wybór sosobu kodowana jes zadanem rudnym zaleŝy on rzede wszyskm od rozwązywaneo roblemu. Nesey, ne ma oowej meody wskazującej jednoznaczne sosób kodowana, kóry naleŝy uŝyć w rzyadku rozwązywana konkreneo roblemu. Wyberając sosób kodowana moŝna sę jednak kerować nasęującym zasadam [4], [58], [83]: mus sneć funkcja jednoznaczne dekodująca, kóra zdekoduje dowolny enoy do osac fenoyu; kaŝde douszczalne rozwązane zadana moŝna rzedsawć jako enoy; kodowane ne ownno wrowadzać nowych maksmów (lub mnmów w rzyadku mnmalzacj) oza ym, kóre wynkają z naury roblemu (z jeo funkcj celu); naleŝy uŝywać mnmalneo alfabeu (zn. naleŝy uŝywać moŝlwe najrosszeo kodowana, kóre zaewna moŝlwe najwększe odobeńswo zakodowanych osobnków do rzeczywsych rozwązań). W rzyadku rozwązywana zadań numerycznych najczęścej sosowane jes kodowane bnarne lub rzeczywse..3.. odowane bnarne odowane bnarne, oleające na zase lczb dzesęnych w syseme dwójkowym, jes kodowanem, kóre jako erwsze było sosowane w alorymach ewolucyjnych. Główną cechą eo rodzaju kodowana jes o, Ŝe dosyć ławo moŝna je zamlemenować rzy uŝycu komuera oraz fak, Ŝe sneją juŝ dobrze zdefnowane oeraory krzyŝowana muacj dla eo kodowana. Ponado kodowane bnarne jes jedynym kodowanem, dla kóreo udało sę osąnąć wynk eoreyczne doyczące zbeŝnośc alorymów ewolucyjnych (eora schemaów [4], [58], [83]). odowane bnarne rzebea w sosób osany onŝej [03]. ZałóŜmy, Ŝe mamy zadane oymalzacyjne, kóreo rozwązanem jes wekor lczb rzeczywsych 4

27 x = x, x, x,..., x ], (6) [ 3 n odleający oranczenu + x [ x, x ] ( =,..., n), (7) dze x ± R, a n jes rozmarem zadana. Osobnk w forme zakodowanej (enoy) dla eo rzykładu rerezenowany jes rzez ruę n chromosomów n cąów bowych (zerojedynkowych) o dłuoścach m (=,...n): z z z n = = M = [ z [ z [ z,, n,, z, z, z,, n,,..., z,..., z,..., z, m ],, m n, m n ], ]. (8 ) Dłuośc m (=,...,n) oszczeólnych chromosomów z (=,...,n) zaleŝą od rzyjęej dokładnośc zasu zmennych x oraz od warośc oranczeń (7) wyznacza sę je z zaleŝnośc: d 0 ( + m x x ) ( =,..., n), (9) dze: d jes załoŝoną dokładnoścą rerezenacj zmennej x (jes o dokładność do d znacząceo mejsca o rzecnku), naomas m jes szukaną dłuoścą najmnejszą lczbą nauralną, dla kórej sełnona jes nerówność (9). Przy kodowanu bnarnym fenoy (warość zmennej x ) wyznaczany jes z enoyu wedłu zaleŝnośc: + m x x j x = x + zj, m (0) dze zj jes o j-y b -o cąu boweo (-o chromosomu). W rakyce, rzy kodowanu bnarnym zamas n chromosomów sosowany jes częso jeden chromosom: j= 0 z = z,..., z, z,..., z,..., z,..., z ], () [,, m,, m n, mn n, mn będący ołączenem n cąów bowych kodujących wekor x. 5

28 .3.. odowane rzeczywse Osane w orzednm unkce kodowane bnarne ma dwe odsawowe wady. Po erwsze zby dłue chromosomy (cą bowe są ym dłuŝsze m dokładnejsze ma być rozwązane). Nesey wydłuŝene cąów bowych zdecydowane wydłuŝa czas oblczeń, co jes szczeólne wdoczne ucąŝlwe w rzyadku roblemów welowymarowych. Druą wadą kodowana bnarneo, wynkającą onekąd z dłuośc cąów bowych uŝyych do kodowana, jes o, Ŝe w rzyadku eo rodzaju kodowana moŝe wysęować roblem zw. krawędz Hammna [4]. Problem en zwązany jes z nną srukurą sąsedzw unków w rzesrzen enoyów fenoyów, kóra moŝe rowadzć do owsawana dodakowych mnmów/maksmów lokalnych, urudnających wyznaczene lobalneo omum daneo roblemu. Z uwa na owyŝsze, w rzyadku rozwązywana róŝnorodnych roblemów numerycznych, częso zamas kodowana bnarneo sosowane jes kodowane rzeczywse [3], [56], [83], w kórym enoy osobnka rerezenowany jes najczęścej rzez jeden chromosom będący wekorem lczb rzeczywsych o ej samej dłuość co wekor, kóry jes rozwązanem daneo zadana. JeŜel na rozwązywany roblem ne ma nało- Ŝonych secyfcznych oranczeń, wówczas w rzyadku kodowana rzeczywseo fenoy enoy są ym samym wekoram lczb rzeczywsych (ne ma węc konecznośc sosowana funkcj dekodującej w rakce dzałana alorymu ewolucyjneo). odowane rzeczywse wydaje sę być lesze od kodowana bnarneo rzynajmnej od klkoma wzlędam [83]: kodowane rzeczywse jes bardzej nauralne w rzyadku wększośc rozwązywanych roblemów; rzy kodowanu rzeczywsym moŝna osąnąć bardzej dokładne wynk nŝ rzy kodowanu bnarnym; zasosowane kodowana rzeczywseo ozwala objąć duŝe /lub neznane dzedzny oszukwań; rzy kodowanu rzeczywsym ławej jes uwzlędnć nerywalne oranczena nŝ rzy kodowanu bnarnym. 6

29 .4. Zarządzane oulacją Skueczność alorymu ewolucyjneo zaleŝy w łównej merze od sosobu zarządzana oulacją zn. od sosobu odejmowana m.n. nasęujących decyzj: kóre osobnk w beŝącej oulacj rzeŝyją; kóre osobnk umrą; le okoleń moą Ŝyć oszczeólne osobnk; czy dany osobnk moŝe wydawać oomswo. W rozdzale. wsomnano juŝ, Ŝ za odejmowane eo rodzaju decyzj w alorymach ewolucyjnych odowada roces nazywany selekcją. Proces en moŝna odzelć na rerodukcję sukcesję [3]. Aby leej zrozumeć soę zarówno całeo rocesu selekcj jak jeo częśc naleŝy neco dokładnej zaoznać sę ze schemaem dzałana alorymów ewolucyjnych. Schema rzedsawony w rozdzale. jako Ŝe jeo zadanem było jedyne wsęne rzedsawene koncecj dzałana omawanych alorymów jes bowem dla dalszych rozwaŝań zby oólny. W rzeczywsośc dzałane alorymu ewolucyjneo moŝna odzelć na sześć faz: ncjacja oulacj bazowej P =0, ocena osobnków w oulacj, rerodukcja, dzałane oeraorów eneycznych (krzyŝowana muacj), ocena oulacj uzyskanej w wynku dzałana oeraorów eneycznych oraz sukcesja. Osane czery fazy owarzane są cyklczne, do momenu kedy sełnone zosane rzyjęe kryerum sou alorymu (arz.7). PowyŜszy schema bardzej obrazowo zosał rzedsawony w osac seudo kodu na rysunku 4. Alorym ewolucyjny rozoczyna sę ncjacją oulacj bazowej P =0. Osobnk ej oulacj enerowane są zazwyczaj w sosób losowy, ale moą być one równeŝ welokroną koą rozwązana dosarczoneo rzez nny alorym oymalzacyjny (w rzyadku roblemów okresowych moŝe o być n. rozwązane sayczne lub rozwązane sayczne neznaczne zakłócone). Po wyenerowanu oulacj bazowej dokonuje sę oceny oulacj P (zn. wyznacza sę warośc funkcj rzysosowana dla kaŝdeo jej osobnka). To właśne od ej oceny zaleŝy, czy alorym będze zarzymany czy ne. Jeśl ne jes sełnone kryerum sou, wówczas z wykorzysanem jednej z meod rerodukcj osanych w rozdzałach worzona jes oulacja ymczasowa 7 P m. Poulacja a oddawana jes nasęne dzałanu oeraorów eneycznych, w wynku czeo uzyskuje sę oulację P o. W kolejnym kroku oulacja P o odlea ocene, o dokonanu kórej worzona jes (wykorzysując rzy ym rzyjęą meodę sukcesj)

30 oulacja osobnków będąca nowym okolenem + P (nowa oulacja bazowa). Osany owyŝej cykl (z wyłączenem kroku ncjacj oceny oulacj P 0 ) owarzany jes, doók kryerum sou ne zosane sełnone. } Rysunek 4 AlorymEwolucyjny{ = 0; P 0 = Incjacja(); O = Ocena(P ); do{ f( WarunekSou(O 0...O ) ) break; P = Rerodukcja (O,P ); m P = OeraoryGeneyczne( P ); o O = Ocena( P ); o o + P = Sukcesja(O, O O = +; }whle (rue); reurn P ; O + o ; O o,p,, m P o ); Polądowy schema dzałana alorymu ewolucyjneo Wykorzysywane w alorymach ewolucyjnych rocesy rerodukcj sukcesj symulują osany rzez Darwna roces doboru nauralneo. Porzez rerodukcję, z oulacj P worzona jes oulacja ymczasowa P m, oddawana nasęne dzałanu oeraorów eneycznych. Sukcesja naomas worzy z oulacj beŝącej P z oulacj P o nową oulację bazową + P, dla kórej owarzany jes cały cykl dzałana alorymu ewolucyjneo. Wybór osobnków do ymczasowej oulacj w kroku rerodukcj dokonywany jes w sosób losowy, rzy czym rawdoodobeńswo, znalezena sę w oulacj ymczasowej, jes wększe w rzyadku osobnków o leszej warośc funkcj rzysosowana. Owe referowane rzez alorymy ewolucyjne osobnków leej rzysosowanych srawa, Ŝe oszukwana rozwązana oymalneo rzemeszczają sę w rzesrzen rozwązań douszczalnych w kerunku mejsca, w kórym moą znajdować sę bardzej waroścowe rozwązana. Jednocześne losowość wyboru oulacj ymczasowej owoduje, Ŝe mmo wszysko moą sę w nej znaleźć osobnk słabe, co rzyczyna sę do eo, Ŝe alorym ewolucyjny ne jes zbeŝny do rozwązana oymalneo zby szybko, dzęk czemu zmnejsza sę rawdoodobeńswo znalezena rozwązań jedyne 8

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE JAN KOOŃSKI POBLEM ODWOTNY DLA ÓWNANIA PAABOLICZNEGO W PZESTZENI NIESKOŃCZENIE WYMIAOWEJ THE INVESE PAABOLIC POBLEM IN THE INFINITE DIMENSIONAL SPACE S r e s z c z e n e A b s r a c W arykule skonsruowano

Bardziej szczegółowo

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH

PARAMETRY ELEKTRYCZNE CYFROWYCH ELEMENTÓW PÓŁPRZEWODNIKOWYCH ARAMETRY ELEKTRYZNE YFROWYH ELEMENTÓW ÓŁRZEWODNIKOWYH SZYBKOŚĆ DZIAŁANIA wyrażona maksymalną częsolwoścą racy max MO OBIERANA WSÓŁZYNNIK DOBROI D OBIĄŻALNOŚĆ ELEMENTÓW N MAKSYMALNA LIZBA WEJŚĆ M ODORNOŚĆ

Bardziej szczegółowo

Wybrane zagadnienia Termodynamiki Technicznej

Wybrane zagadnienia Termodynamiki Technicznej Zdzsław Nagórsk Wybrane zagadnena Termodynamk Techncznej Ewa Fudalej - Kosrzewa Insrukcje do ćwczeń laboraoryjnych Warszawa 0 Polechnka Warszawska Wydzał Samochodów Maszyn Roboczych Kerunek sudów "Edukacja

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

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

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium

Kier. MTR Programowanie w MATLABie Laboratorium Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu

Bardziej szczegółowo

Prognozowanie cen detalicznych żywności w Polsce

Prognozowanie cen detalicznych żywności w Polsce Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone

Bardziej szczegółowo

XXXV Konferencja Statystyka Matematyczna

XXXV Konferencja Statystyka Matematyczna XXXV Konferencja Saysyka Maeayczna MODEL OTOWOŚCI SYSTEMU TECHNICZNEO Karol J. ANDRZEJCZAK karol.andrzejczak@pu.poznan.pl Polechnka Poznańska hp://www.pu.poznan.pl/ PRORAM REERATU 1. WPROWADZENIE 2. ORMALIZACJA

Bardziej szczegółowo

III. Przetwornice napięcia stałego

III. Przetwornice napięcia stałego III. Przewornce napęca sałego III.1. Wsęp Przewornce: dosarczane pożądanej warośc napęca sałego koszem energ ze źródła napęca G. Możlwość zmnejszana, zwększana, odwracana polaryzacj lb kszałowane pożądanego

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 64 Transpor 28 Tomasz AMBROZIAK, Konrad LEWCZUK Wydzał Transporu Polechnk Warszawske Zakład Logsyk Sysemów Transporowych ul. Koszykowa 75, -662 Warszawa am@.pw.edu.pl;

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz Zaù¹cznk Nr 1 uchwaùy Nr XXVIII/167/2005 Rady Gmny Wolbórz z dna 30 marca 2005 r. Regulamn udzelana pomocy maeralnej o charakerze socjalnym dla ucznów zameszkaùych na erene Gmny Wolbórz I. Sposób usalana

Bardziej szczegółowo

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM

UBEZPIECZENIE Z FUNDUSZEM KAPITAŁOWYM MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XV/3, 214, sr. 86 98 PROPOZYCJA MODYFIKACJI KŁADKI NEO W UBEZPIECZENIACH NA ŻYCIE Z FUNDUZEM KAPIAŁOWYM UWZLĘDNIAJĄCA DODAKOWE RYZYKO FINANOWE Magdalena Homa

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY. mgr inż. Artur Fiuk

POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY. mgr inż. Artur Fiuk POLITECHNIKA GDAŃSKA WYDZIAŁ MECHANICZNY mgr nż. Arur Fuk BADANIA WPŁYWU PARAMETRÓW GEOMETRYCZNYCH I TERMOFIZYCZNYCH NA DZIAŁANIE DWUFAZOWEGO TERMOSYFONOWEGO WYMIENNIKA CIEPŁA Rozrawa dokorska Promoor

Bardziej szczegółowo

DYNAMIKA KONSTRUKCJI

DYNAMIKA KONSTRUKCJI 10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej

Bardziej szczegółowo

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2

Określanie mocy cylindra C w zaleŝności od ostrości wzroku V 0 Ostrość wzroku V 0 7/5 6/5 5/5 4/5 3/5 2/5 Moc cylindra C 0,5 0,75 1,0 1,25 1,5 > 2 T A R C Z A Z E G A R O W A ASTYGMATYZM 1.Pojęca ogólne a) astygmatyzm prosty (najbardzej zgodny z pozomem) - najbardzej płask połudnk tzn. o najmnejszej mocy jest pozomy b) astygmatyzm odwrotny (najbardzej

Bardziej szczegółowo

MPEC wydaje warunki techniczne KONIEC

MPEC wydaje warunki techniczne KONIEC 1 2 3 1 2 2 1 3 MPEC wydaje warunk technczne 4 5 6 10 9 8 7 11 12 13 14 15 KONIEC 17 16 4 5 Chcesz wedzeć, czy masz możlwość przyłączena budynku Możlwośc dofnansowana wymany peców węglowych do sec mejskej?

Bardziej szczegółowo

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice

Minimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,

Bardziej szczegółowo

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia

Bardziej szczegółowo

METODY KOMPUTEROWE 10

METODY KOMPUTEROWE 10 MEODY KOMPUEROWE RÓWNANIA RÓŻNICZKOWE CZĄSKOWE Poechnka Poznańska Mchał Płokowak Adam Łodgowsk Mchał PŁOKOWIAK Adam ŁODYGOWSKI Konsace nakowe dr nż. Wod Kąko Poznań 00/00 MEODY KOMPUEROWE 0 RÓWNANIA RÓŻNICZKOWE

Bardziej szczegółowo

WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM*

WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM* Unwersye Ekonomczny w Kaowcach Wydzał Informayk Komunkacj Kaedra Badań Oeracyjnych macej.nowak@ue.kaowce.l WYKORZYSTANIE PODEJŚCIA QUASI-HIERARCHICZNEGO W WIELOKRYTERIALNYM DRZEWIE DECYZYJNYM* Sreszczene:

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak

Model IS-LM-BP. Model IS-LM-BP jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak Ćwczena z Makroekonom II Model IS-LM- Model IS-LM- jest wersją modelu ISLM w gospodarce otwartej. Pokazuje on zatem jak gospodarka taka zachowuje sę w krótkm okrese, w efekce dzałań podejmowanych w ramach

Bardziej szczegółowo

Podstawowe algorytmy indeksów giełdowych

Podstawowe algorytmy indeksów giełdowych Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 25-11-13 Podsawowe algorymy ndeksów gełdowych Wersja 1.1 San na 2013-11-25 Sps reśc I. Algorymy oblczana warośc ndeksów gełdowych...3 1. Warość beżąca

Bardziej szczegółowo

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne. Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK

PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK PODSTAWOWE MIERNIKI DYNAMIKI ZJAWISK Założena Nech oznacza ozom (warość) badanego zjawska (zmennej) w kolejnch momenach czasu T0, gdze T 0 0,1,..., n 1 oznacza worz szereg czasow. zbór numerów czasu. Cąg

Bardziej szczegółowo

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998) 3. Dwa modele pooku ruchu (eorokolejkowe) 3. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,998) 3.. Model Hagha Isneje wele prac z la powojennych, w kórych wysępują próby modelowana kolejek ruchowych

Bardziej szczegółowo

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r.

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha 25 00-918 Warszawa Dnia 03 czerwca 2009 r. Mnster Edukacj arodowej Pan Katarzyna HALL Mnsterstwo Edukacj arodowej al. J. Ch. Szucha 25 00-918 arszawa Dna 03 czerwca 2009 r. TEMAT: Propozycja zmany art. 30a ustawy Karta auczycela w forme lstu otwartego

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE Marcn Zawada Kaedra Ekonomer Saysyk, Wydzał Zarządzana, Polechnka Częsochowska, Częsochowa 1 WSTĘP Proces ransformacj

Bardziej szczegółowo

Podział metod przeszukiwania

Podział metod przeszukiwania Podział meod przeszukiwania Algorymy geneyczne - selekcja Algorymy geneyczne - krzyŝowanie Algorymy geneyczne - muacja Algorymy geneyczne - algorym działania Opymalizacja dla funkcji jednej zmiennej Opymalizacja

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Wykład IX Optymalizacja i minimalizacja funkcji

Wykład IX Optymalizacja i minimalizacja funkcji Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

1.1. Bezpośrednie transformowanie napięć przemiennych

1.1. Bezpośrednie transformowanie napięć przemiennych Rozdział Wprowadzenie.. Bezpośrednie ransformowanie napięć przemiennych Bezpośrednie ransformowanie napięć przemiennych jes formą zmiany paramerów wielkości fizycznych charakeryzujących energię elekryczną

Bardziej szczegółowo

Proste modele ze złożonym zachowaniem czyli o chaosie

Proste modele ze złożonym zachowaniem czyli o chaosie Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok

Bardziej szczegółowo

KOOF Szczecin: www.of.szc.pl

KOOF Szczecin: www.of.szc.pl IX OLIMPIADA FIZYCZNA (959/960). Soień III, zadanie doświadczalne D. Źródło: Komie Główny Olimiady Fizycznej; Aniela Nowicka: Olimiady Fizyczne IX i X. PZWS, Warszawa 965 (sr. 6 69). Nazwa zadania: Działy:

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU Pomiar paramerów sygnałów napięciowych. POMIAR PARAMERÓW SYGNAŁOW NAPIĘCIOWYCH MEODĄ PRÓKOWANIA I CYFROWEGO PRZEWARZANIA SYGNAŁU Cel ćwiczenia Poznanie warunków prawidłowego wyznaczania elemenarnych paramerów

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH

VIII. MODELE PROCESÓW EKSPLOATCJI OBIEKTÓW TECHNICZNYCH VIII. MODL PROCSÓW KSPLOATCJI OBIKTÓW TCHNICZNYCH. WSTP Ja ju nejednorone swerdzono model w uroszczony sosób osuje rzebeg rzeczywsych rocesów esloaacj obeów echncznych w sysemach dzałana, na rzyład: rzemysłowych,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

Bardziej szczegółowo

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej Sansław Urbańsk * Modelowane równowag cenowej na Gełdze Paperów Waroścowych w Warszawe w okresach przed po wejścu Polsk do Un Europejskej Wsęp Praca nnejsza sanow konynuację badań doyczących wyceny akcj

Bardziej szczegółowo

BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM SRM

BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM SRM Zeszyty Problemowe Maszyny Elektryczne Nr 88/2010 13 Potr Bogusz Marusz Korkosz Jan Prokop POLITECHNIKA RZESZOWSKA Wydzał Elektrotechnk Informatyk BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa.

Konstrukcja gier sprawiedliwych i niesprawiedliwych poprzez. określanie prawdopodobieństwa. Fundacja Centrum Edukacj Obyatelskej, ul. Noakoskego 10, 00-666 Warszaa, e-mal: ceo@ceo.org.l; Akadema ucznoska, Tel. 22 825 04 96, e-mal: au@ceo.org.l; ęcej nformacj:.akademaucznoska.l 1 Konstrukcja ger

Bardziej szczegółowo

Prąd sinusoidalny. najogólniejszy prąd sinusoidalny ma postać. gdzie: wartości i(t) zmieniają się w czasie sinusoidalnie

Prąd sinusoidalny. najogólniejszy prąd sinusoidalny ma postać. gdzie: wartości i(t) zmieniają się w czasie sinusoidalnie Opracował: mgr nż. Marcn Weczorek www.marwe.ne.pl Prąd snsodalny najogólnejszy prąd snsodalny ma posać ( ) m sn(2π α) gdze: warość chwlowa, m warość maksymalna (amplda), T okres, α ką fazowy. T m α m T

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Stanisław Cichocki Natalia Nehrebecka. Wykład 2 Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego

Bardziej szczegółowo

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych

Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m

Bardziej szczegółowo

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz

System M/M/1/L. λ = H 0 µ 1 λ 0 H 1 µ 2 λ 1 H 2 µ 3 λ 2 µ L+1 λ L H L+1. Jeli załoymy, e λ. i dla i = 1, 2,, L+1 oraz System M/M// System ten w odrónenu do wczenej omawanych systemów osada kolejk. Jednak jest ona ogranczona, jej maksymalna ojemno jest wartoc skoczon

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

BADANIE NIESPŁACALNOŚCI KREDYTÓW ZA POMOCĄ BAYESOWSKICH MODELI DYCHOTOMICZNYCH - ZAŁOŻENIA I WYNIKI 1. 1. Wprowadzenie.

BADANIE NIESPŁACALNOŚCI KREDYTÓW ZA POMOCĄ BAYESOWSKICH MODELI DYCHOTOMICZNYCH - ZAŁOŻENIA I WYNIKI 1. 1. Wprowadzenie. Jerzy Marzec, Kaedra Ekonomerii i Badań Oeracyjnych, Uniwersye Ekonomiczny w Krakowie Jerzy Marzec BADANIE NIESPŁACALNOŚCI KREDYTÓW ZA POMOCĄ BAYESOWSKICH MODELI DYCHOTOMICZNYCH - ZAŁOŻENIA I WYNIKI 1

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl

MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene

Bardziej szczegółowo

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR

LABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje

Bardziej szczegółowo

Systemy nawigacji satelitarnej. Przemysław Bartczak

Systemy nawigacji satelitarnej. Przemysław Bartczak Sysemy nawgacj saelarnej Przemysław Barczak Częsolwość nośna Wszyske saely GPS emują neprzerwane sygnały na dwóch częsolwoścach nośnych L1 L2 z pograncza mkrofalowych fal L S, kóre z punku wdzena nazemnego

Bardziej szczegółowo

ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO

ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO Sreszczenie Michał Barnicki Poliechnika Śląska, Wydział Oranizacji i Zarządzania Monika Odlanicka-Poczobu Poliechnika Śląska, Wydział

Bardziej szczegółowo

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI.

Dywersyfikacja portfela poprzez inwestycje alternatywne. Prowadzący: Jerzy Nikorowski, Superfund TFI. Dywersyfkacja ortfela orzez nwestycje alternatywne. Prowadzący: Jerzy Nkorowsk, Suerfund TFI. Część I. 1) Czym jest dywersyfkacja Jest to technka zarządzana ryzykem nwestycyjnym, która zakłada osadane

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis

Bardziej szczegółowo

POMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH. Cel ćwiczenia. Program ćwiczenia

POMIARY CZĘSTOTLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH. Cel ćwiczenia. Program ćwiczenia Pomiary częsoliwości i przesunięcia fazowego sygnałów okresowych POMIARY CZĘSOLIWOŚCI I PRZESUNIĘCIA FAZOWEGO SYGNAŁÓW OKRESOWYCH Cel ćwiczenia Poznanie podsawowych meod pomiaru częsoliwości i przesunięcia

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

Styczniki i przekaźniki Styczniki pomocnicze

Styczniki i przekaźniki Styczniki pomocnicze Sycznk przekaźnk Sycznk pomocncze Sycznk pomocncze o realzacj zadań serowana regulacj welokrone sosowane są sycznk pomocncze. Sosuje sę je w dużej lczbe do pośrednego serowana slnków, zaworów, sprzęgeł

Bardziej szczegółowo

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.

Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka. Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika

Bardziej szczegółowo

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI

Niezawodność i diagnostyka Kierunek AiR, sem. V, rok. ak. 2010/11 STRUKTURY I MIARY PROBABILISTYCZNE SYSTEMÓW METODA DRZEWA (STANÓW) NIEZDATNOŚCI Nezawodość dagosyka Keruek, sem. V, rok. ak. 00/ STUKTUY I MIY POILISTYCZNE SYSTEMÓW METOD DZEW STNÓW NIEZDTNOŚCI. Srukury obeków złożoych ch rerezeace Wsółczese obeky sysemy echcze, a szczególe wększe

Bardziej szczegółowo

Media społecznościowe i praca w chmurze oraz przygotowanie na ich potrzeby materiałów graficznych i zdjęciowych

Media społecznościowe i praca w chmurze oraz przygotowanie na ich potrzeby materiałów graficznych i zdjęciowych 2 S Ł O W O - G R A F I K A - F I L M Meda społecznoścowe praca w chmurze oraz przygotowane na ch potrzeby materałów grafcznych zdjęcowych Artur Kurkewcz Web 2.0 tak określa sę serwsy nternetowe, których

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ

ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BRYŁY SZTYWNEJ ZASADA ZACHOWANIA MOMENTU PĘDU: PODSTAWY DYNAMIKI BYŁY SZTYWNEJ 1. Welkośc w uchu obotowym. Moment pędu moment sły 3. Zasada zachowana momentu pędu 4. uch obotowy były sztywnej względem ustalonej os -II

Bardziej szczegółowo

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE 5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Oprócz transmtancj operatorowej, do opsu członów układów automatyk stosuje sę tzw. transmtancję wdmową. Transmtancję wdmową G(j wyznaczyć moŝna dzęk podstawenu do wzoru

Bardziej szczegółowo

PROFILOWE WAŁY NAPĘDOWE

PROFILOWE WAŁY NAPĘDOWE - 5 - Profilowe wały naędowe INKOA Profil graniasy P3G rójkąny ois Wały graniase INKOA o rofilu P3G charakeryzują się nasęującymi właściwościami: 1. rofile P3G sosuje się do ołączeń soczynkowych wał -

Bardziej szczegółowo

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne

Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy

Bardziej szczegółowo

Statystyczne metody przetwarzania danych

Statystyczne metody przetwarzania danych Artfcal Intellgence Krzysztof Ślot, 2008 Statystyczne metody rzetwarzana danych Klasyfkacja mnmalnoodległoścowa Krzysztof Ślot Instytut Informatyk Stosowanej Poltechnka Łódzka Artfcal Intellgence Krzysztof

Bardziej szczegółowo

Urządzenia i Układów Automatyki Instrukcja Wykonania Projektu

Urządzenia i Układów Automatyki Instrukcja Wykonania Projektu KAEDRA ENERGOELEKRYKI POLIECHNIKI WROCŁAWSKIEJ Urądenia i Układów Auomayki Insrukcja Wykonania Projeku Auory: rof. dr hab. inż. Eugenius Rosołowski dr inż. Pior Pier dr inż. Daniel Bejmer Wrocław 5 I.

Bardziej szczegółowo

Rozdział 3. Majątek trwały

Rozdział 3. Majątek trwały Rozdział 3. Mająek rwały Charakerysyka i odział rodzajowy środków rwałych Środki rwałe są rzeczowymi składnikami mająku rwałego o znacznej warości, rwale użykowanymi w jednosce gosodarczej, wykorzysywanymi

Bardziej szczegółowo

Badanie funktorów logicznych TTL - ćwiczenie 1

Badanie funktorów logicznych TTL - ćwiczenie 1 adanie funkorów logicznych TTL - ćwiczenie 1 1. Cel ćwiczenia Zapoznanie się z podsawowymi srukurami funkorów logicznych realizowanych w echnice TTL (Transisor Transisor Logic), ich podsawowymi paramerami

Bardziej szczegółowo

Metody rachunku kosztów Metoda rachunku kosztu działań Podstawowe pojęcia metody ABC Kalkulacja obiektów kosztowych metodą ABC Zasobowy rachunek

Metody rachunku kosztów Metoda rachunku kosztu działań Podstawowe pojęcia metody ABC Kalkulacja obiektów kosztowych metodą ABC Zasobowy rachunek Meody rachunku koszów Meoda rachunku koszu Podsawowe pojęcia meody ABC Kalkulacja obieków koszowych meodą ABC Zasobowy rachunek koszów Kalkulacja koszów meodą ABC podsawową informacja dla rachunkowości

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo