Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną
|
|
- Jolanta Kowal
- 6 lat temu
- Przeglądów:
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 Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wiejskiego, Warszawa, ul. Nowoursynowska
Bardziej szczegółowoALGORYTM 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 szczegółowo6. 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 szczegółowoSchemat programowania dynamicznego (ang. dynamic programming)
Schemat programowania dynamicznego (ang. dynamic programming) Jest jedną z metod rozwiązywania problemów optymalizacyjnych. Jej twórcą (1957) był amerykański matematyk Richard Ernest Bellman. Schemat ten
Bardziej szczegółowo(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 szczegółowoOptymalizacja 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 szczegółowoWykład 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 szczegółowoModele i narzędzia optymalizacji w systemach informatycznych zarządzania
Politechnika Poznańska Modele i narzędzia optymalizacji w systemach informatycznych zarządzania Joanna Józefowska POZNAŃ 2010/11 Spis treści Rozdział 1. Metoda programowania dynamicznego........... 5
Bardziej szczegółowoBADANIA 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 szczegółowoBADANIA 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 szczegółowoProgramowanie 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 szczegółowoPolitechnika 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 szczegółowoOptymalizacja 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 szczegółowoMetoda 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 szczegółowoFOLIA 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 szczegółowoOpis 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 szczegółowoTeoria 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 szczegółowoModelowanie 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 szczegółowoOpis 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 szczegółowoElementy 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 szczegółowoOpis 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 szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoOptymalizacja. 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 szczegółowoRozwiązywanie 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 szczegółowowiedzy 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 szczegółowoWykład 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 szczegółowoKomputerowa 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 szczegółowoAnaliza wielokryterialna wstęp do zagadnienia
Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym
Bardziej szczegółowoAproksymacja 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 szczegółowoNumeryczne 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 szczegółowoUKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Postać układu równań liniowych Układ liniowych równań algebraicznych
Bardziej szczegółowoMETODY 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 szczegółowoProgramowanie 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 szczegółowoRozdział 1 PROGRAMOWANIE LINIOWE
Wprowadzenie do badań operacyjnych z komputerem Opisy programów, ćwiczenia komputerowe i zadania. T. Trzaskalik (red.) Rozdział 1 PROGRAMOWANIE LINIOWE 1.2 Ćwiczenia komputerowe Ćwiczenie 1.1 Wykorzystując
Bardziej szczegółowoKolejny 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 szczegółowoMatematyka 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 szczegółowoAlgorytmy 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 szczegółowoPolitechnika 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 szczegółowoSzukanie 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 szczegółowow 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 szczegółowoTeoria 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 szczegółowoSterowanie 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 szczegółowoOCENA 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 szczegółowo1 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 szczegółowoMetody 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 szczegółowoMetoda eliminacji Gaussa. Autorzy: Michał Góra
Metoda eliminacji Gaussa Autorzy: Michał Góra 9 Metoda eliminacji Gaussa Autor: Michał Góra Przedstawiony poniżej sposób rozwiązywania układów równań liniowych jest pewnym uproszczeniem algorytmu zwanego
Bardziej szczegółowoTesty 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 szczegółowoWybór 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 szczegółowoRozwiązanie 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 szczegółowoINSTRUKCJA 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 szczegółowoRozdział 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 szczegółowoBadania 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 szczegółowoMETODY 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 szczegółowoRozdział 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 szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoRozdział 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 szczegółowoProces 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 szczegółowoWstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
Bardziej szczegółowoBADANIE 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 szczegółowoDodatek 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 szczegółowoOptymalizacja 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 szczegółowoRozwiązywanie 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 szczegółowoZAGADNIENIE 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 szczegółowoRozdział 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 szczegółowoPODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
WYDZIAŁ ELEKTROTECHNIKI I AUTOMATYKI Katedra Inżynierii Systemów Sterowania PODSTAWY AUTOMATYKI MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoProgramowanie 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 szczegółowoBadania 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 szczegółowoI. 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 szczegółowoMetody iteracyjne rozwiązywania układów równań liniowych (5.3) Normy wektorów i macierzy (5.3.1) Niech. x i. i =1
Normy wektorów i macierzy (5.3.1) Niech 1 X =[x x Y y =[y1 x n], oznaczają wektory przestrzeni R n, a yn] niech oznacza liczbę rzeczywistą. Wyrażenie x i p 5.3.1.a X p = p n i =1 nosi nazwę p-tej normy
Bardziej szczegółowoProgramowanie 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 szczegółowoMaria 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 szczegółowoRozwiązywanie 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 szczegółowoRozdział 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 szczegółowoSkowrońska-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 szczegółowoZarządzanie 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 szczegółowoSCHEMAT 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 szczegółowoPolitechnika 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 szczegółowoD. 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 szczegółowoNumeryczne 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 szczegółowoBadania 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 szczegółowoZadanie 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 szczegółowoRozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów
Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,
Bardziej szczegółowoRozwiązanie 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 szczegółowoZAGADNIENIE 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 szczegółowoProgramowanie 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 szczegółowo5 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 szczegółowoZagadnienie transportowe
9//9 Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoSPOTKANIE 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 szczegółowoPostęp 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 szczegółowoBADANIA 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 szczegółowoWYMAGANIA 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 szczegółowoProcesy 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 szczegółowoWielkość 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 szczegółowoA. 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 szczegółowoSponsorem 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 szczegółowoZakleszczenie. 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 szczegółowoZAGADNIENIE 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 szczegółowoPojęcie 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