Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną

Wielkość: px
Rozpocząć pokaz od strony:

Download "Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną"

Transkrypt

1 Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną Założenia Zakładam, że dysponuę wykresem zapotrzebowania na robotników niezbędnych do pracy w kolenych ch, każdego znane est zapotrzebowanie r dla = 1..N, gdzie N to całkowita liczba dni (tygodni, miesięcy) pracy. Zakładam, że wyznaczona w obliczeniach optymalna dostępność x >= r, czyli że zawsze zapotrzebowanie będzie całkowicie zaspokoone, natomiast maksymalne zatrudnienie R równe będzie maksymalnemu zapotrzebowaniu ednego w analizowanym okresie. Ponieważ analizuemy zapotrzebowanie na zasób odnawialny, przymuę że siła robocza nie może być magazynowana. Przymuę, że przed rozpoczęciem pracy na budowie występue zatrudnienie w ilości c robotników (c >=0). Zadanie rozwiązywać będę ze względu na kryterium kosztowe, przy czym będą brane pod uwagę dwa różne koszty: w sytuaci, gdy zatrudnienie na budowie przekracza wymagane zapotrzebowanie koszt związany z niewykorzystaniem danego środka produkci, określony funkcą Θ zależną od stopnia przekroczenia wymaganego zapotrzebowania oraz koszt Ψ wyrażaący nakłady ponoszone na zmianę poziomu zatrudnienia analizowanego zasobu, również uzależniony od wielkości zmiany zatrudnienia w kolenych okresach czasu. Poszukiwane rozwiązanie powinno minimalizować sumę obu rozpatrywanych kosztów Θ i Ψ w całym horyzoncie planowania. N FC przy ograniczeniach min : ( x r ) ( x x 1) 1 x r dla 1.. N oraz x 0 c Należy również zauważyć, że eżeli chodzi o koszty przekroczenia zapotrzebowania Θ oraz koszty zmiany poziomu zatrudnienia Ψ, to są one wyrażone w postaci związku funkcynego, przy czym nie musi to być funkca liniowa. Przy wyznaczaniu kosztów zmiany zatrudnienia Ψ można również przyąć różne stawki w zależności do tego, czy zatrudnienie w kolenych ednostkach rośnie czy też malee. Zakładam również, że koszt zatrudnienia robotników Ψ w pierwszym dniu (koszt zmiany poziomu zatrudnienia z poziomu c na r 1 ) wynosi zero. Metoda Ponieważ funkce kosztów Θ i Ψ nie muszą być liniowe do rozwiązania nie można zastosować programowania liniowego. Do rozwiązania zastosuę metodę programowania dynamicznego (PD). Metodę tę stosuemy właśnie do procesów wieloetapowych (1..N) z wieloma zmiennymi decyzynymi (x 1..x N ). Idea programowania dynamicznego polega na tym, że zadanie optymalizaci z N zmiennymi rozkłada się na N zadań optymalizacynych z edną zmienną decyzyną każde. Poszczególne etapy procesu wieloetapowego łączy się za pomocą zależności o charakterze rekurencynym. Warunkiem zastosowania PD est, aby proces posiadał dwie cechy: 1. n- wymiarowa funkca celu powinna posiadać postać sumy funkci celu o edne zmienne decyzyne, 2. wartość uzyskana na -tym etapie optymalizaci zależy wyłącznie od stanu procesu na etapie poprzednim oraz decyzi podete na tym właśnie, -tym etapie, natomiast nie zależy od decyzi podętych na etapach poprzednich. (taką własność procesu nazywamy własnością Markowa). Do procesów decyzynych posiadaących własność Markowa stosue się zasadę optymalności Bellmana (Benamin i Cornell 1977) mówiące, że polityka optymalna ma tę własność, że niezależnie od początkowego stanu i początkowe decyzi pozostałe decyze muszą stosować politykę optymalną

2 ze względu na stan wynikaący z pierwsze decyzi. Właśnie korzystaąc z te cechy algorytm programowania dynamicznego rozkłada cały analizowany proces na etapy i poszukue rozwiązania optymalnego przechodząc przez kolene wyróżnione etapy, rozpoczynaąc od ostatniego i cofaąc się aż do pierwszego. Oznacza to, że aby ciąg decyzi (x 1*, x 2*, x 3* x N* ) był strategią optymalną w procesie N-etapowym przy stanie początkowym S 0 potrzeba, aby ciąg decyzi (x 2*, x 3* x N* ) był strategią optymalną w procesie N-1 etapowym przy stanie wynikaącym z podęcia na pierwszym etapie decyzi x 1*. Oznaczaąc przez S poszukiwane zatrudnienie w dniu poprzednim można zapisać że: r 1 S R max( r ) dla 1.. N S 1 gdzie x Korzystaąc z rekurenci można zapisać f ( S) min [ ( x r ) ( x s f 1 ( xk ) ] dla r k k k k k k k k 1 ) Taki sposób rozwiązania narzuca koleność wykonywania obliczeń od końca procesu do ego początku i określony sposób notaci prowadzonych obliczeń, który nie zawsze est czytelny, szczególnie dla osób słabie obeznanych z badaniami operacynymi. Oznaczenia: N liczba dni, dla których wykonywane są obliczenia, numer kolenego, k numer rekurencynego kroku obliczeniowego, r zapotrzebowanie na robotników w dniu, S poszukiwane zatrudnienie w dniu poprzednim do, c poziom zatrudnienia przed rozpoczęciem prac (w dniu =0), R maksymalne zatrudnienie, akie może wystąpić na budowie; R = max(r ) dla =1..N, x poszukiwane zatrudnienie w dniu, Θ,u koszt przekroczenia wymaganego zapotrzebowania w dniu przy poziomie zatrudnienia u, Ψ u1,u2 koszt zmiany poziomu zatrudnienia z poziomu u 1 na poziom u 2, s k R

3 Przykład obliczeniowy Dane do obliczeo Zakładam, że wymagane zapotrzebowanie w obliczanym przykładzie est ak na rysunku poniże. Wymagane zatrudnienie w kolenych ch Przymuę następuące koszty przekroczenia i zmiany dostępności: Koszt przekroczenia wymaganego zapotrzebowania Θ,x został określony na 3 ednostki nakładów finansowych za przekroczenie każde ednostki zapotrzebowania (niezależnie od wielkości przekroczenia czyli w postaci funkci prostoliniowe). Zmiana wielkości limitu zatrudnienia w dwóch kolenych przedziałach czasu powodue koszt, którego wielkość można wyrazić formułą : Ψ x1,x2 = 6 + (x 2 x 1 ) dla x 2 > x 1 czyli np. dla zmiana zatrudnienia z poziomu 4 na 7 robotników kosztue 6+(7-4)=9 Ψ x1,x2 = 6 dla x 2 < x 1 (niezależnie od wielkości obniżenia zatrudnienia) Ψ x1,x2 = 0 dla x 2 = x 1 Ponieważ zakładam, że koszt zatrudnienia robotników Ψ w pierwszym dniu (koszt zmiany poziomu zatrudnienia z poziomu c na r1) wynosi zero, wielkość poziomu c nie ma znaczenia i można przyąć dowolną wartość >=0 np. 0. Obliczenia Na początku obliczeń wyznaczam maksymalne zatrudnienie na budowie, które wynosi R = max(6,5,7,5,4)=7. Następnie przystępuę do obliczeń dla kolenych dni. Dzieo 5 Obliczenia rozpoczynam od ostatniego tzn. =5. Ponieważ est to pierwszy krok obliczeniowy w algorytmie rekurencynym więc k=1. Minimalny poziom zatrudnienia w tym dniu wynosi r czyli r 5 =4, natomiast maksymalny poziom został uż wyznaczony i wynosi R=7. Aby wyznaczyć poszukiwany poziom zatrudnienia w tym dniu należy rozpatrzyć wszystkie możliwe poziomy zawarte między poziomem minimalnym i maksymalnym czyli: 4, 5, 6, i 7 czyli x 5 ε (4, 5, 6, 7). Jednocześnie trzeba rozpatrzyć wszystkie przypadki możliwego poziomu zatrudnienia w dniu poprzednim czyli S 5. W tym wypadku poprzednim dniem est dzień 4 z zapotrzebowaniem równym 5 (r 4 =5). Oznacza to, że w dniu =4 mogą wystąpić następuące poziomy zatrudnienia: S 5 ε (5, 6, 7). Dalsze obliczenia dla tego zostaną przeprowadzone w tabeli poniże.

4 =5; k=1; r 5 =4; r min =4; R=7 x/s x 5 =4 x 5 =5 x 5 =6 x 5 =7 Θ Ψ FC FC Θ Ψ FC FC Θ Ψ FC FC Θ Ψ FC FC S 5 = S 5 = S 5 = W górnym wierszu tabeli wypisano nr pracy (), numer kroku algorytmu (k), poziom zatrudnienia w dniu obliczeniowym (r ) oraz minimalny i maksymalny poziom zatrudnienia w tym dniu (r min, R). W pierwsze kolumnie wypisano wszystkie możliwe poziomy zatrudnienia w dniu poprzednim (-1) czyli S 5 =5, S 5 =6 i S 5 =7. Liczba tych poziomów określiła liczbę wierszy, w których zostaną wykonane obliczenia dla danego. W ostatnim wierszu wypisano wartość funkci celu dla odpowiedniego poziomu zatrudnienie x przeniesioną z poprzedniego obliczeniowego odczytaną z właściwego poziomu S. Ponieważ est to pierwszy dzień obliczeniowy wszystkie wartość tam wpisane równe są zero. Wartości w kolumnach Θ i Ψ zostały obliczone na podstawie wartości rozpatrywanego zatrudnienia i odpowiadaącego poziomu S. I tak np. dla x 5 =6 i s 5 =5 wartość Θ czyli koszt przekroczenia dostępności wynosi 6 ponieważ wymagane zatrudnieniu w tym dniu wynosi 4 a zakładany poziom zatrudnienia x 5 wynosi 6, czyli Θ = (6-4) * koszt ednostkowego przekroczenia z danych (3)= 2*3=6. Wartość Ψ czyli koszt zmiany poziomu zatrudnienia wynosi 7 ponieważ poziom zatrudnienia w dniu poprzednim wynosi 5 (S 5 =5) a zakładany poziom zatrudnienia w danym dniu wynosi x 5 =6, czyli następue wzrost zatrudnienia o ednostkę a z danych można odczytać, że w takim przypadku koszt wynosi 7. Wartość FC to suma wartości w kolumnach Θ i Ψ a FC to suma FC oraz odpowiadaącego FC z poprzedniego odczytanego z ostatniego wiersza w dane kolumnie. Znaąc wyniki obliczeń dla wszystkich rozpatrywanych poziomów zatrudnienia x oraz poziomów zatrudnienia w dniu poprzednim S należy określić, który wariant dla każdego poziomu S est nakorzystnieszy. Ponieważ poszukuemy minimum funkci celu dla każdego rozpatrywanego poziomu S należy wybrać minimalną wartość FC. I tak np. dla poziomu S 5 =5 wybieramy z pośród wartości (6,3,13,17). Wartością minimalną est 3 i została ona oznaczona grubą, podkreśloną czcionką. Wybrane wartości zostaną wykorzystane w kolenym dniu obliczeniowym ako wartości FC z poprzedniego. Po obliczeniu wszystkich wartości w tabeli i wyznaczeniu minimalne wartości FC dla każdego rozpatrywanego poziomu S można prześć do kolenego obliczeniowego. Dzieo 4 Przystępuąc do obliczeń dla tego należy zauważyć, że występue tylko eden poziom S 4 ponieważ poprzedniego (=3) zapotrzebowanie est na maksymalnym poziomie 7 robotników. Natomiast rozpatrywane w tym dniu poziomy zatrudnienia to x 4 ε ( 5, 6, 7), gdyż wymagane zapotrzebowanie r 4 =5. Należy również zwrócić uwagę na poprawne określenie wartości FC z poprzedniego. Odczytuemy e tabeli z poprzedniego obliczeniowego (k-1) z odpowiednich wierszy np. wartość w kolumnie x 4 =7 odczytuemy z wiersza dla S 5 =7 czyli 6. Pozostałe obliczenia wykonuemy ak zostało to opisane w poprzednim dniu. =4; k=2; r 4 =5; r min =5; R=7 x/s x 4 =5 x 4 =6 x 4 =7 Θ Ψ FC FC Θ Ψ FC FC Θ Ψ FC FC S 4 =

5 Poniże podano wyniki obliczeń dla wszystkich pozostałych dni obliczeniowych. Dzień 3 =3; k=3; r 3 =7; r min =7; R=7 x/s x 3 =7 Θ Ψ FC FC S 3 = S 3 = S 3 = Dzieo 2 =2; k=4; r 2 =5; r min =5; R=7 x/s x 2 =5 x 2 =6 x 2 =7 Θ Ψ FC FC Θ Ψ FC FC Θ Ψ FC FC S 2 = S 2 = Dzieo 1 =1; k=5; r 1 =6; r min =6; R=7 x/s x 1 =6 x 1 =7 Θ Ψ FC FC Θ Ψ FC FC S 1 =c Wyznaczenie rozwiązania optymalnego Wyznaczenie optymalnego rozwiązania rozpoczyna się od ostatniego obliczeniowego (k=5). Ponieważ zawsze będzie tam tylko eden wiersz (S 1 =c) z niego odczytuemy optymalne zatrudnienie w pierwszym dniu. Wyznacza e oznaczona wcześnie, minimalna wartość FC, w tym wypadku wartość 18. Jest to całkowity koszt zatrudnienia robotników wg rozwiązania optymalnego minimalizuący funkcę celu. Z kolumny w które stoi minimalna wartość FC można odczytać, że została ona wyznaczona przy poziomie zatrudnienia równym 7. W takim razie z tabeli dla poprzedniego (czwartego) obliczeniowego z wiersza S 2 =7 można odczytać, że minimalna wartość FC w tym wierszu znadue się w kolumnie x 2 =7. Z kolei przechodząc do trzeciego z wiersza S 3 =7 odczytuemy, że x 3 =7. W tabeli z drugiego w wierszu s 4 =7 odnaduemy, że x 4 =5. Ostatnią poszukiwaną wartość optymalnego zatrudnienia odczytuemy z tabeli dla pierwszego obliczeniowego (k=1) w wierszu S 5 =5. Poszukiwane zatrudnienie w tym dniu wynosi 5. Ostatecznie wyznaczono następuące, optymalne zatrudnienie na budowie w kolenych ch realizaci robót: 7, 7, 7, 5, 5. Całkowity minimalny koszt zatrudnienia przy przyętych stawkach funkci Θ i Ψ wynosi 18.

6 Optymalne zatrudnienie w kolenych ch ze względu na koszt Literatura Benamin J.R., Cornell C.A. (1977). Rachunek prawdopodobieństwa statystyka matematyczna i teoria decyzi dla inżynierów. Wydawnictwa Naukowo Techniczne. Warszawa. Jaworski K.M. (2004). Podstawy organizaci budowy. Wydawnictwo Naukowe PWN, Warszawa, Korzan B. (1978). Elementy teorii grafów i sieci. Metody i zastosowania. Wydawnictwa Naukowo Techniczne. Warszawa. Siudak M. (1986). Badania operacyne. Wydawnictwa Politechniki Warszawskie, Warszawa.

ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA METODĄ GRAFICZNĄ

ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA METODĄ GRAFICZNĄ ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA METODĄ GRAFICZNĄ Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wiejskiego, Warszawa, ul. Nowoursynowska

Bardziej szczegółowo

ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA Z ZASTOSOWANIEM GRAFU

ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA Z ZASTOSOWANIEM GRAFU ALGORYTM OPTYMALNEGO WYRÓWNANIA WYKRESU ZATRUDNIENIA Z ZASTOSOWANIEM GRAFU Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wiejskiego, Warszawa, ul. Nowoursynowska

Bardziej szczegółowo

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego

6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego 6. ANALIZA POST-OPTYMALIZACYJNA analiza wrażliwości rozwiązania optymalnego Analiza wrażliwości est studium analizy wpływu zmian wartości różnych parametrów modelu PL na rozwiązanie optymalne. Na optymalne

Bardziej szczegółowo

Schemat programowania dynamicznego (ang. dynamic programming)

Schemat 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 szczegółowo

(Dantzig G. B. (1963))

(Dantzig G. B. (1963)) (Dantzig G.. (1963)) Uniwersalna metoda numeryczna dla rozwiązywania zadań PL. Ideą metody est uporządkowany przegląd skończone ilości rozwiązań bazowych układu ograniczeń, które możemy utożsamiać, w przypadku

Bardziej szczegółowo

Optymalizacja struktury produkcji na przykładzie kopalni

Optymalizacja struktury produkcji na przykładzie kopalni 1) Dr hab inż.; Wydział Górnictwa i Geoinżynierii, AGH University of Science and Technology, Kraków, Mickiewicza 30, 30-059, Poland; tel.: 48 12 617 21 00, email: t-zak@agh.edu.pl 2) Dr inż.; Wydział Górnictwa

Bardziej szczegółowo

Wykład 5. Skręcanie nieskrępowane prętów o przekroju prostokątnym.

Wykład 5. Skręcanie nieskrępowane prętów o przekroju prostokątnym. Adresy internetowe, pod którymi można znaleźć wykłady z Wytrzymałości Materiałów: Politechnika Krakowska http://limba.wil.pk.edu.pl/kwm-edu.html Politechnika Łódzka http://kmm.p.lodz.pl/dydaktyka Wykład

Bardziej szczegółowo

Modele i narzędzia optymalizacji w systemach informatycznych zarządzania

Modele 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 szczegółowo

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA

BADANIA OPERACYJNE ANALITYKA GOSPODARCZA BADANIA OPERACYJNE ANALITYKA GOSPODARCZA Egzamin pisemny 8.4.7 piątek, salae-6, godz. 8:-9:3 OBECNOŚĆ OBOWIĄZKOWA!!! Układ egzaminu. TEST z teorii: minut (test wielostronnego wyboru; próg 75%). ZADANIA:

Bardziej szczegółowo

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych

BADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych BADANIA OPERACYJNE i teoria optymalizacji Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych e-mail: tpisula@prz.edu.pl 1 Literatura podstawowa wykorzystywana podczas zajęć wykładowych: 1. Gajda J.,

Bardziej szczegółowo

Programowanie dynamiczne. Tadeusz Trzaskalik

Programowanie dynamiczne. Tadeusz Trzaskalik Programowanie dynamiczne Tadeusz Trzaskalik 9.. Wprowadzenie Słowa kluczowe Wieloetapowe procesy decyzyjne Zmienne stanu Zmienne decyzyjne Funkcje przejścia Korzyści (straty etapowe) Funkcja kryterium

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - szeregowanie zadań. Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie

Optymalizacja harmonogramów budowlanych - szeregowanie zadań. Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie Optymalizacja harmonogramów budowlanych - szeregowanie zadań Mgr inż. Aleksandra Radziejowska AGH Akademia Górniczo-Hutnicza w Krakowie Opis zagadnienia Zadania dotyczące szeregowania zadań należą do szerokiej

Bardziej szczegółowo

Metoda simpleks. Gliwice

Metoda simpleks. Gliwice Sprowadzenie modelu do postaci bazowej Sprowadzenie modelu do postaci bazowej Przykład 4 Model matematyczny z Przykładu 1 sprowadzić do postaci bazowej. FC: ( ) Z x, x = 6x + 5x MAX 1 2 1 2 O: WB: 1 2

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 53 58

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 53 58 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 00, Oeconomica 0 (), Anna Landowska LINIOWY MODEL W DYNAMICZNEJ OPTYMALIZACJI PRODUKCJI ROŚLINNEJ GOSPODARSTWA

Bardziej szczegółowo

Opis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej

Opis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej Kod przedmiotu TR.NIK405 Nazwa przedmiotu Badania operacyjne Wersja przedmiotu 2015/2016 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów

Bardziej szczegółowo

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 2 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony.

Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. GRY (część 1) Zastosowanie: Modelowanie sytuacji konfliktowych, w których występują dwie antagonistyczne strony. Najbardziej znane modele: - wybór strategii marketingowych przez konkurujące ze sobą firmy

Bardziej szczegółowo

Opis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej

Opis przedmiotu. Karta przedmiotu - Badania operacyjne Katalog ECTS Politechniki Warszawskiej Kod przedmiotu TR.SIK306 Nazwa przedmiotu Badania operacyjne Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów

Bardziej szczegółowo

Elementy badań operacyjnych programowanie liniowe

Elementy badań operacyjnych programowanie liniowe Elementy badań operacynych programowanie liniowe. Wprowadzenie. Formalny standardowy model liniowy maksymalizaci (minimalizaci) ako przykład realizaci dwóch klasycznych zasad sprawnego działania (A. osiągnąć

Bardziej szczegółowo

Opis przedmiotu: Badania operacyjne

Opis przedmiotu: Badania operacyjne Opis : Badania operacyjne Kod Nazwa Wersja TR.SIK306 Badania operacyjne 2013/14 A. Usytuowanie w systemie studiów Poziom Kształcenia Stopień Rodzaj Kierunek studiów Profil studiów Specjalność Jednostka

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja 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 szczegółowo

Optymalizacja. Algorytmy dokładne

Optymalizacja. Algorytmy dokładne dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Organizacja zbioru rozwiązań w problemie SAT Wielokrotny podział na dwia podzbiory: x 1 = T, x 1

Bardziej szczegółowo

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu:

Rozwiązywanie algebraicznych układów równań liniowych metodami iteracyjnymi. Plan wykładu: Rozwiązywanie algebraicznych układów równań liniowych metodami iteracynymi Plan wykładu: 1. Przykłady macierzy rzadkich i formaty ich zapisu 2. Metody: Jacobiego, Gaussa-Seidla, nadrelaksaci 3. Zbieżność

Bardziej szczegółowo

wiedzy Sieci neuronowe (c.d.)

wiedzy Sieci neuronowe (c.d.) Metody detekci uszkodzeń oparte na wiedzy Sieci neuronowe (c.d.) Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 8 Metody detekci uszkodzeń oparte na wiedzy Wprowadzenie

Bardziej szczegółowo

Wykład z modelowania matematycznego. Zagadnienie transportowe.

Wykład z modelowania matematycznego. Zagadnienie transportowe. Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych Prowadząca: dr inż. Hanna Zbroszczyk e-mail: gos@if.pw.edu.pl tel: +48 22 234 58 51 konsultacje: poniedziałek, 10-11; środa: 11-12 www: http://www.if.pw.edu.pl/~gos/students/kadd

Bardziej szczegółowo

Analiza wielokryterialna wstęp do zagadnienia

Analiza wielokryterialna wstęp do zagadnienia Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym

Bardziej szczegółowo

Aproksymacja funkcji a regresja symboliczna

Aproksymacja funkcji a regresja symboliczna Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą

Bardziej szczegółowo

Numeryczne modelowanie ustalonego pola temperatury

Numeryczne modelowanie ustalonego pola temperatury Zakład Aerodynamiki i ermodynamik Instytut echniki Lotnicze, Wydział Mechatroniki Woskowa Akademia echniczna Numeryczne modelowanie ustalonego pola temperatury Piotr Koniorczyk Mateusz Zieliński Warszawa

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych

Bardziej szczegółowo

METODY NUMERYCZNE. wykład. konsultacje: wtorek 10:00-11:30 środa 10:00-11:30. dr inż. Grażyna Kałuża pokój

METODY NUMERYCZNE. wykład. konsultacje: wtorek 10:00-11:30 środa 10:00-11:30. dr inż. Grażyna Kałuża pokój METODY NUMERYCZNE wykład dr inż. Grażyna Kałuża pokój 103 konsultacje: wtorek 10:00-11:30 środa 10:00-11:30 www.kwmimkm.polsl.pl Program przedmiotu wykład: 15 godzin w semestrze laboratorium: 30 godzin

Bardziej szczegółowo

Programowanie liniowe

Programowanie liniowe Badania operacyjne Problem Model matematyczny Metoda rozwiązania Znaleźć optymalny program produkcji. Zmaksymalizować 1 +3 2 2 3 (1) Przy ograniczeniach 3 1 2 +2 3 7 (2) 2 1 +4 2 12 (3) 4 1 +3 2 +8 3 10

Bardziej szczegółowo

Rozdział 1 PROGRAMOWANIE LINIOWE

Rozdział 1 PROGRAMOWANIE LINIOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując

Bardziej szczegółowo

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w

Kolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. Niech łączna wartość szkód: Ma złożony rozkład Poissona. Momenty rozkładu wartości poedyncze szkody wynoszą:, [ ]. Wiemy także, że momenty nadwyżki wartości poedyncze szkody ponad udział własny

Bardziej szczegółowo

Algorytmy i Struktury Danych.

Algorytmy i Struktury Danych. Algorytmy i Struktury Danych. Programowanie Dynamiczne dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 14 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych.

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody bezgradientowe optymalizacji bez ograniczeń Materiały pomocnicze do ćwiczeń

Bardziej szczegółowo

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych)

Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Szukanie rozwiązań funkcji uwikłanych (równań nieliniowych) Funkcja uwikłana (równanie nieliniowe) jest to funkcja, która nie jest przedstawiona jawnym przepisem, wzorem wyrażającym zależność wartości

Bardziej szczegółowo

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych. Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą

Bardziej szczegółowo

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 4 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Sterowanie optymalne

Sterowanie optymalne Sterowanie optymalne Sterowanie Procesami Ciągłymi 2017 Optymalizacja statyczna funkcji Funkcja celu/kryterialna/kosztów Ograniczenie Q(x) min x x = arg min Q(x) x x X, gdzie X zbiór rozwiązań dopuszczalnych

Bardziej szczegółowo

OCENA PRZYDATNOŚCI MODELU EKONOMETRYCZNEGO DO BADANIA ZMIAN DYNAMIKI GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO

OCENA PRZYDATNOŚCI MODELU EKONOMETRYCZNEGO DO BADANIA ZMIAN DYNAMIKI GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 220 2015 Uniwersytet Ekonomiczny w Katowicach Wydział Zarządzania Katedra Ekonometrii ozef.biolik@ue.katowice.pl

Bardziej szczegółowo

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu 1 Metody rozwiązywania równań nieliniowych. Postawienie problemu Dla danej funkcji ciągłej f znaleźć wartości x, dla których f(x) = 0. (1) 2 Przedział izolacji pierwiastka Będziemy zakładać, że równanie

Bardziej szczegółowo

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier ALP520 - Wykład z Algorytmów Probabilistycznych p.2 Metody teorii gier Cel: Wyprowadzenie oszacowania dolnego na oczekiwany czas działania dowolnego algorytmu losowego dla danego problemu.

Bardziej szczegółowo

Metoda eliminacji Gaussa. Autorzy: Michał Góra

Metoda eliminacji Gaussa. Autorzy: Michał Góra Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego

Bardziej szczegółowo

Testy zgodności 9 113

Testy zgodności 9 113 Testy zgodności 9 3 9. TESTY ZGODNOŚCI 9. Różne sytuace praktyczne W praktyce badań statystycznych, ak uż poprzednio stwierdzono, cały proces analizy statystyczne dzielimy na dwa etapy: formułowanie hipotezy

Bardziej szczegółowo

Wybór optymalnej technologii produkcji

Wybór optymalnej technologii produkcji ZARZĄDZANIE PRODUCJĄ I UŁUGAMI Ćwiczenie Wybór optymalne technologii produkci Jak wybrać nakorzystnieszy sposób produkci? posoby działalności pecyfika różnych przedsięwzięć gospodarczych umożliwia m.in.

Bardziej szczegółowo

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego:

Rozwiązanie Powyższe zadanie możemy przedstawić jako następujące zagadnienie programowania liniowego: Zadanie Rafineria naftowa otrzymała zamówienie na dwa rodzaje specjalnych paliw węglowodorowych X oraz Y. Zamówienie opiewa na minimum 4 000 galonów paliwa X i minimum 2 400 galonów paliwa Y. Paliwa te

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZENIA NR 1

INSTRUKCJA DO ĆWICZENIA NR 1 L01 ---2014/10/17 ---10:52---page1---#1 KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 1 PRZEDMIOT TEMAT Wybrane zagadnienia z optymalizacji elementów

Bardziej szczegółowo

Rozdział 7 ZARZĄDZANIE PROJEKTAMI

Rozdział 7 ZARZĄDZANIE PROJEKTAMI Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 7 ZARZĄDZANIE PROJEKTAMI 7.2. Ćwiczenia komputerowe Ćwiczenie 7.1 Wykorzystując

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 5 (Materiały)

Badania Operacyjne Ćwiczenia nr 5 (Materiały) ZADANIE 1 Zakład produkuje trzy rodzaje papieru: standardowy do kserokopiarek i drukarek laserowych (S), fotograficzny (F) oraz nabłyszczany do drukarek atramentowych (N). Każdy z rodzajów papieru wymaga

Bardziej szczegółowo

METODY KOMPUTEROWE W OBLICZENIACH INŻYNIERSKICH

METODY KOMPUTEROWE W OBLICZENIACH INŻYNIERSKICH METODY KOMPUTEROWE W OBLICZENIACH INŻYNIERSKICH ĆWICZENIE NR 4 RACHUNEK TABLICOWY NA MACIERZACH W PROGRAMIE KOMPUTEROWYM MATLAB Dr inż. Sergiusz Sienkowski ĆWICZENIE NR 4 Rachunek tablicowy na macierzach

Bardziej szczegółowo

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA

Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 3 ZADANIE TRANSPORTOWE I PROBLEM KOMIWOJAŻERA 3.2. Ćwiczenia komputerowe

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE 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 szczegółowo

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?

Plan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA? /9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE

Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 6 PROGRAMOWANIE WYPUKŁE I KWADRATOWE 6. Ćwiczenia komputerowe Ćwiczenie 6.1

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

Bardziej szczegółowo

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra

Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele

Bardziej szczegółowo

BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO

BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO BADANIE WPŁYWU WYDOBYCIA NA SEJSMICZNOŚĆ W KOPALNIACH WĘGLA KAMIENNEGO Lis Anna Lis Marcin Kowalik Stanisław 2 Streszczenie. W pracy przedstawiono rozważania dotyczące określenia zależności pomiędzy wydobyciem

Bardziej szczegółowo

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?

Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak

Bardziej szczegółowo

Optymalizacja systemów

Optymalizacja systemów Optymalizacja systemów Laboratorium - problem detekcji twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, P. Klukowski Cel zadania Celem zadania jest zapoznanie się z gradientowymi algorytmami optymalizacji

Bardziej szczegółowo

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych

Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Rozwiązywanie układów równań liniowych metody dokładne Materiały pomocnicze do ćwiczeń z metod numerycznych Piotr Modliński Wydział Geodezji i Kartografii PW 13 stycznia 2012 P. Modliński, GiK PW Rozw.

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNENE TRANSPORTOWE Definicja: Program liniowy to model, w którym warunki ograniczające oraz funkcja celu są funkcjami liniowymi. W skład każdego programu liniowego wchodzą: zmienne decyzyjne, ograniczenia

Bardziej szczegółowo

Rozdział 9 PROGRAMOWANIE DYNAMICZNE

Rozdział 9 PROGRAMOWANIE DYNAMICZNE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 9 PROGRAMOWANIE DYNAMICZNE 9.2. Ćwiczenia komputerowe Ćwiczenie 9.1 Wykorzystując

Bardziej szczegółowo

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach. WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Bardziej szczegółowo

5. Rozwiązywanie układów równań liniowych

5. Rozwiązywanie układów równań liniowych 5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a

Bardziej szczegółowo

Programowanie liniowe. Tadeusz Trzaskalik

Programowanie liniowe. Tadeusz Trzaskalik Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków

Bardziej szczegółowo

Badania Operacyjne Ćwiczenia nr 2 (Materiały)

Badania Operacyjne Ćwiczenia nr 2 (Materiały) Zbiór rozwiązań dopuszczalnych programu liniowego Zbiór rozwiązań dopuszczalnych programu linowego to taki zbiór, który spełnia warunki ograniczające (funkcyjne oraz brzegowe) programu liniowego. Przy

Bardziej szczegółowo

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU

I. KARTA PRZEDMIOTU CEL PRZEDMIOTU I. KARTA PRZEDMIOTU 1. Nazwa przedmiotu: SYSTEMY WSPOMAGANIA DECYZJI. Kod przedmiotu: Ecs 3. Jednostka prowadząca: Wydział Mechaniczno-Elektryczny. Kierunek: Mechatronika 5. Specjalność: Techniki Komputerowe

Bardziej szczegółowo

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1

Metody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1 Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy

Bardziej szczegółowo

Programowanie dynamiczne i algorytmy zachłanne

Programowanie dynamiczne i algorytmy zachłanne Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii

Bardziej szczegółowo

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI

Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Maria Romanowska UDOWODNIJ, ŻE... PRZYKŁADOWE ZADANIA MATURALNE Z MATEMATYKI Matematyka dla liceum ogólnokształcącego i technikum w zakresie podstawowym i rozszerzonym Z E S Z Y T M E T O D Y C Z N Y Miejski

Bardziej szczegółowo

Rozwiązywanie problemów z użyciem Solvera programu Excel

Rozwiązywanie problemów z użyciem Solvera programu Excel Rozwiązywanie problemów z użyciem Solvera programu Excel Podstawowe czynności: aktywować dodatek Solver oraz ustawić w jego opcjach maksymalny czas trwania algorytmów na sensowną wartość (np. 30 sekund).

Bardziej szczegółowo

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE

Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 2 PROGRAMOWANIE LINIOWE CAŁKOWITOLICZBOWE 2.2 Ćwiczenia komputerowe Ćwiczenie

Bardziej szczegółowo

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r.

Skowrońska-Szmer. Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością. 04.01.2012r. mgr inż. Anna Skowrońska-Szmer Instytut Organizacji i Zarządzania Politechniki Wrocławskiej Zakład Zarządzania Jakością 04.01.2012r. 1. Cel prezentacji 2. Biznesplan podstawowe pojęcia 3. Teoria gier w

Bardziej szczegółowo

Zarządzanie projektami

Zarządzanie projektami Dr Adam Kucharski Spis treści Podstawowe pojęcia Metoda CPM 3 3 Przykład analizy metodą CPM 5 Podstawowe pojęcia Przedsięwzięcia złożone z wielu czynności spotykane są na każdym kroku. Jako przykład może

Bardziej szczegółowo

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody poszukiwania ekstremum funkcji jednej zmiennej Materiały pomocnicze do ćwiczeń

Bardziej szczegółowo

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO D. Miszczyńska, M.Miszczyński KBO UŁ GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO Gra w sensie niżej przedstawionym to zasady którymi kierują się decydenci. Zakładamy, że rezultatem gry jest wypłata,

Bardziej szczegółowo

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe Numeryczne metody optymalizacji Optymalizacja w kierunku informacje dodatkowe Numeryczne metody optymalizacji x F x = min x D x F(x) Problemy analityczne: 1. Nieliniowa złożona funkcja celu F i ograniczeń

Bardziej szczegółowo

Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)

Badania operacyjne Operation research. Transport I stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny) Załącznik nr 7 do Zarządzenia Rektora nr../12 z dnia.... 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Badania

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda

Bardziej szczegółowo

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,

Bardziej szczegółowo

Rozwiązanie Ad 1. Model zadania jest następujący:

Rozwiązanie Ad 1. Model zadania jest następujący: Przykład. Hodowca drobiu musi uzupełnić zawartość dwóch składników odżywczych (A i B) w produktach, które kupuje. Rozważa cztery mieszanki: M : M, M i M. Zawartość składników odżywczych w poszczególnych

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE (część 1)

ZAGADNIENIE TRANSPORTOWE (część 1) ZAGADNIENIE TRANSPORTOWE (część 1) Zadanie zbilansowane Przykład 1. Zadanie zbilansowane Firma posiada zakłady wytwórcze w miastach A, B i C, oraz centra dystrybucyjne w miastach D, E, F i G. Możliwości

Bardziej szczegółowo

Programowanie dynamiczne

Programowanie dynamiczne Programowanie dynamiczne Ciąg Fibonacciego fib(0)=1 fib(1)=1 fib(n)=fib(n-1)+fib(n-2), gdzie n 2 Elementy tego ciągu stanowią liczby naturalne tworzące ciąg o takiej własności, że kolejny wyraz (z wyjątkiem

Bardziej szczegółowo

5 Błąd średniokwadratowy i obciążenie

5 Błąd średniokwadratowy i obciążenie 5 Błąd średniokwadratowy i obciążenie Przeprowadziliśmy 200 powtórzeń przebiegu próbnika dla tego samego zestawu parametrów modelowych co w Rozdziale 1, to znaczy µ = 0, s = 10, v = 10, n i = 10 (i = 1,...,

Bardziej szczegółowo

Zagadnienie transportowe

Zagadnienie transportowe 9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów

Bardziej szczegółowo

SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization

SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Wrocław University of Technology SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Jakub M. Tomczak Studenckie Koło Naukowe Estymator jakub.tomczak@pwr.wroc.pl 4.1.213 Klasteryzacja Zmienne

Bardziej szczegółowo

Postęp techniczny kolejne typy wynalazków. Dr hab. Joanna Siwińska-Gorzelak

Postęp techniczny kolejne typy wynalazków. Dr hab. Joanna Siwińska-Gorzelak ostęp techniczny kolene typy wynalazków Dr hab. Joanna Siwińska-Gorzelak Wstęp Celem modelu est pokazanie, akie czynniki wpływaą na postęp techniczny Jego autorem est aul Romer; ednym z głównych założeń

Bardziej szczegółowo

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda

BADANIA OPERACYJNE Zagadnienie transportowe. dr Adam Sojda BADANIA OPERACYJNE Zagadnienie transportowe dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Zagadnienie transportowe Założenia: Pewien jednorodny towar należy

Bardziej szczegółowo

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA

WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCHY KOMPETENCJI EFEKTY KSZTAŁCENIA I. KARTA PRZEDMIOTU. Nazwa przedmiotu: MATEMATYKA STOSOWANA 2. Kod przedmiotu: Ms 3. Jednostka prowadząca: Wydział Nawigacji i Uzbrojenia Okrętowego 4. Kierunek: Nawigacja 5. Specjalność: Nawigacja morska

Bardziej szczegółowo

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Uogólnienie na przeliczalnie nieskończone przestrzenie stanów zostało opracowane

Bardziej szczegółowo

Wielkość a wartość przedsiębiorstwa studium na podstawie raportów wybranych spółek

Wielkość a wartość przedsiębiorstwa studium na podstawie raportów wybranych spółek ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO nr 854 Finanse, Rynki Finansowe, Ubezpieczenia nr 73 (2015) s. 469 475 Wielkość a wartość przedsiębiorstwa studium na podstawie raportów wybranych spółek Sławomir

Bardziej szczegółowo

A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1

A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe1 A. Kasperski, M. Kulej, Badania operacyjne, Wykład 4, Zagadnienie transportowe ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a,a 2,...,a p i qodbiorców, którychpopytwynosi b,b 2,...,b

Bardziej szczegółowo

Sponsorem wydruku schematu odpowiedzi jest wydawnictwo

Sponsorem wydruku schematu odpowiedzi jest wydawnictwo Kujawsko-Pomorskie Centrum Edukacji Nauczycieli w Bydgoszczy PLACÓWKA AKREDYTOWANA Sponsorem wydruku schematu odpowiedzi jest wydawnictwo KRYTERIA OCENIANIA POZIOM ROZSZERZONY Katalog zadań poziom rozszerzony

Bardziej szczegółowo

Zakleszczenie. Problem i przeciwdziałanie. Systemy operacyjne Wykład 8 1

Zakleszczenie. Problem i przeciwdziałanie. Systemy operacyjne Wykład 8 1 Zakleszczenie Problem i przeciwdziałanie Systemy operacyne Wykład 8 1 Klasyfikaca zasobów systemu na potrzeby analizy problemu zakleszczenia Warunki konieczne wystąpienia zakleszczenia Graf przydziału

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE(ZT)

ZAGADNIENIE TRANSPORTOWE(ZT) A. Kasperski, M. Kulej BO Zagadnienie transportowe 1 ZAGADNIENIE TRANSPORTOWE(ZT) Danychjest pdostawców,którychpodażwynosi a 1, a 2,...,a p i q odbiorców,którychpopytwynosi b 1, b 2,...,b q.zakładamy,że

Bardziej szczegółowo

Pojęcie funkcji. Funkcja liniowa

Pojęcie funkcji. Funkcja liniowa Pojęcie funkcji. Funkcja liniowa dr Mariusz Grządziel Wykład 1; 1 października 2013 1 Matematyka w naukach przyrodniczych Zależności funkcyjne w naukach przyrodniczych Rozwój algebry i analiza matematycznej

Bardziej szczegółowo