PROBLEM HARMONOGRAMOWANIA JAKO KOMBINATORYCZNA AUKCJA CZASU *
|
|
- Aniela Sokołowska
- 6 lat temu
- Przeglądów:
Transkrypt
1 PIOTR MODLIŃSKI Politechnika Warszawska Warszawa PROBLEM HARMONOGRAMOWANIA JAKO KOMBINATORYCZNA AUKCJA CZASU * Streszczenie W pracy zaproponowano metodę modelowania praktycznych problemów harmonogramowania za pomocą wielotowarowych mechanizmów rynkowych. Wprowadzona została Kombinatoryczna Aukca Czasu ako narzędzie umożliwiaące zapis zarówno prostych problemów, ak i wykorzystuących zależności pomiędzy poszczególnymi zasobami, w szczególności komplementarność i substytucyność. Przedstawiono sposób zapisu zadania harmonogramowania w sposób naturalny, pozwalaący na koncentracę na wymaganiach funkconalnych zamiast na zależnościach pomiędzy poszczególnymi zasobami. Słowa kluczowe: harmonogramowanie, aukca, aukca kombinatoryczna, zarządzanie czasem, Kombinatoryczna Aukca Czasu, KAC 1. Wprowadzenie Istniee wielka różnorodność problemów harmonogramowania procesów dyskretnych, które ze względu na całkowitoliczbowy charakter zadania są trudne do rozwiązania. Z drugie strony w wielu sytuacach są do siebie bardzo podobne, ale pewne specyficzne własności powoduą, że niemożliwe est zastosowanie algorytmów zaproektowanych dla ednego problemu do rozwiązywania innych. Wspólnym elementem zadań harmonogramowania est występowanie czasu. Czasem poawia się w postaci awne, gdzie istnieą konkretne wymagania co do terminu wykonania konkretne operaci, w innym przypadku est ukryty w ograniczeniach, kiedy czas wykonywania est dowolny, ale istnieą np. ściśle określone zasoby, których nie wolno przekroczyć (np. dostępna ilość procesorów). Niniesza praca ma na celu zaprezentowanie sposobu modelowania tego typu problemów w oparciu o aukcę kombinatoryczną specyficznych towarów par (zasób, chwila czasu). Problemy aukcyne są dobrze znane w informatyce, od lat udoskonalane są narzędzia zwiększaące zarówno efektywność ich rozwiązywania, ak i poprawiaące cechy takie, ak sprawiedliwość, zgodność motywaci itp. [2,3,7,8] Wszystkie te wyniki możliwe będą do zastosowania w rozwiązywaniu problemów harmonogramowania po przekształceniu ich do postaci aukcyne. * Praca częściowo finansowana w ramach proektu badawczego nr. NN
2 2 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 2. Opis problemu Skoncentrumy się na dość ogólnym problemie, uszczegóławiaąc który można będzie dość do wielu istnieących modeli harmonogramowania. Zadanie polega na wyznaczeniu takiego rozdziału w czasie (i być może przestrzeni, o czym późnie) dostępnych zasobów, który zapewni zaspokoenie zapotrzebowania na poszczególne zasoby przy nalepszym ich wykorzystaniu z uwzględnieniem istnieących ograniczeń. W przypadku w którym zaspokoenie wszystkich zapotrzebowań nie est możliwe, minimalizowana est ważona liczba wymagań odrzuconych. Powyższe określenie można dopasować do praktycznie każdego zadania harmonogramowania, dzięki czemu proponowany model nie ogranicza zakresu zastosowań. Konkretne problemy tego typu są w literaturze dyskutowane, ednak są to rozwiązania specalizowane, przystosowane do konkretnego zastosowania (np. [1,5,9]) Dla ustalenia uwagi przymimy następuące założenia szczegółowe opisuące problem i przyętą terminologię: Procesorem elementarnym będę nazywał każdy zasób, który faktycznie występue w problemie. Przymimy, że zasoby te indeksowane będą przez l 1,, L { } Multiprocesorem, lub procesorem wirtualnym nazywać będziemy grupy procesorów elementarnych składaące się z pewne 1 liczby procesorów elementarnych. Ponieważ procesor wirtualny nie istniee w rzeczywistości, wykorzystanie multiprocesora należy rozumieć ako wykorzystanie dowolnego procesora elementarnego wchodzącego w ego skład. Multiprocesory indeksowane są przez λ { 1,, Λ }. Sposób grupowania procesorów elementarnych w multiprocesory określony est przez parametry α równe 1 eśli procesor l est elementem multiprocesora λ oraz 0 w przeciwnym wypadku. Maąc określone w powyższy sposób zasoby można zdefiniować rozważany system obsługi w sposób następuący: do wykonania est M operaci indeksowanych {1,..., M}, przy czym do dyspozyci est C chwil czasu indeksowanych c {1,..., C}, oraz Λ multiprocesorów indeksowanych λ {1,..., Λ}. Każda operaca zawiera N wymagań zasobowych n {1,..., N }, które spełnione muszą być ednocześnie. Wymagania zasobowe to po prostu zasób zagregowany, który może spełnić dane wymaganie i n n n n m = m, m m, gdzie: ilość zasobu niezbędna do tego celu. Określane est wektorem ( ) λ max, λ l min 1 W szczególnym przypadku z żadnego, ale w te sytuaci wymaganie korzystaące z takiego zasobu nigdy nie będzie mogło zostać spełnione, akkolwiek w pewnych specyficznych sytuacach mechanizm ten może okazać się przydatny.
3 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 3 n m λ {1,..., Λ}, określa multiprocesor którego dotyczy wymaganie n m min {0,..., n m max }, est minimalną ilością zasobów multiprocesora niezbędną do realizaci wymagania. Może być równa 0 eśli istniee górne ograniczenie. n n m max { m min,...}, est maksymalną ilością zasobów multiprocesora niezbędną do realizaci wymagania. Konkretna operaca może zostać przyęta do wykonania wtedy i tylko wtedy, kiedy wszystkie wymagania wchodzące w e skład są spełnione, zatem dla każde operaci mamy: n x = 1 c n { 1, N } n x m l nlc m α min gdzie: x = 1 c n { 1, N } n x m l nlc m α l l λ λ n max x est równe 1 eśli -ta operaca est przyęta, lub 0 w przeciwnym razie, x nlc est równe 1 eśli n-te wymaganie -te operaci est spełniane przez l-ty zasób w c-te chwili czasu, lub 0 w przeciwnym razie. Ponadto przymuemy założenie, że dany procesor elementarny w dane chwili może występować ako element tylko ednego multiprocesora 2. Jednocześnie może być przydzielony do nie więce niż edne operaci 3. Mamy zatem dla każdego zasobu elementarnego i dla każde chwili czasu: 1 n x nlc Każda z operaci posiada ponadto: określone ramy czasowe, w których może zostać wykonana r {1,..., C} (release time) chwila gotowości do obsługi D {1,..., C} (deadline) ostateczny termin zakończenia eśli operaca nie mieści się w powyższych ramach, est odrzucana określony czas trwania 4 p {1,..., C} 2 Nawet eśli w inne chwili traktowany est ako element innego procesora wirtualnego, to nie może spełniać ednocześnie więce niż ednego wymagania zasobowego. 3 To ograniczenie oczywiście dotyczy tylko procesorów elementarnych. Multiprocesor może ednocześnie obsługiwać wiele operaci korzystaąc z faktu, że w ego skład wchodzi wiele różnych procesorów elementarnych. 4 Dla ustalenia uwagi przymuę w początkowym etapie prac, że p = 1.
4 4 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu określoną wagę w Celem do którego dążymy est po pierwsze doprowadzenie do sytuaci, w które wszystkie operace zostaną wykonane zgodnie z ograniczeniami 5, po drugie uwzględnianie ewentualnych preferenci dotyczących czasu wykonywania poszczególnych operaci. Zamodelowano to ako minimalizacę ważone liczby operaci odrzuconych: min ( w (1 x )) = min ( w x w ) x gdzie w to waga -te operaci. 3. Zapis w postaci Kombinatoryczne Aukci Czasu Przedstawiony w poprzednim rozdziale problem zapisać można w postaci aukci kombinatoryczne o specyficzne strukturze. W dalsze części pracy nazywana ona będzie Kombinatoryczną Aukcą Czasu (KAC). Poszczególne elementy problemu odpowiadaą niemal dokładnie analogicznym elementom opisu aukci. 3.1 Funkca celu W przypadku aukci celem est przydział dóbr maksymalizuący dobrobyt, a więc maksymalizuący sumę różnic pomiędzy cenami ofertowymi, a rozliczeniowymi przyętych ofert: of rozl min x ( w w ) x Jest to równoważne minimalizaci ważone liczby odrzuconych ofert kupna przy założeniu, że ceny ofertowe wszystkich ofert sprzedaży są równe Struktura oferty W modelu aukcynym poszczególne oferty odpowiadaą konkretnym operacom, które maą zostać wykonane. Opis oferty powinien odpowiadać opisowi operaci, w szczególności wszystkich związanych z nią wymagań. Przymuąc podział ofert zgodny z wykorzystywanym w modelu M 3 [4] można zauważyć, że poza specyficznymi trywialnymi przypadkami, którymi nie będziemy się tuta zamować, wszystkie interesuące nas oferty należą do grupy ofert grupuących. Jest to mechanizm pozwalaący na zapisanie ograniczeń na elementarne towary znaduące się w konkretnych wiązkach wchodzących w skład oferty. Umożliwia to zapis zależności pomiędzy towarami takich, ak substytucyność, czy komplementarność, czego dowód znaleźć można m.in. w pracy [6]. x 5 Jeśli nie est to możliwe, to doprowadzenie do sytuaci, w które odrzucone by były edynie te namnie istotne operace, a więc te, które maą namniesze wagi 6 W praktyce ceny ofert sprzedaży nie muszą być równe zero i można e wykorzystać do modelowania preferenci poszczególnych zasobów elementarnych
5 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 5 Warto zwrócić uwagę także na podmiot składaący ofertę. Ponieważ ak zaznaczono wcześnie, odpowiada ona operaci, która ma zostać wykonana, logiczne byłoby utożsamienie oferenta z właścicielem dane operaci. 3.3 Towary Jak zaznaczono wcześnie, towarami obracanymi na aukci są konkretne chwile poszczególnych zasobów, ednak zarówno dotyczy to zasobów elementarnych (procesorów), ak i zagregowanych (multiprocesorów). Dzięki temu możliwe est zamodelowanie nietrywialnych zależności pomiędzy nimi. Ponieważ w problemie występue ak zauważono w rozdziale 2 C chwil czasu, L procesorów elementarnych, oraz Λ multiprocesorów, w aukci będzie występowało C(L+Λ) towarów. To est górne ograniczenie oczywiście może się zdarzyć, że np. nie wszystkie multiprocesory będą wykorzystywane, wówczas nie ma potrzeby ich definiować. 4. Metody opisu ofert W ogólnym przypadku aukci kombinatoryczne naprostszym sposobem opisu est wykorzystanie edynie zasobów elementarnych. Niesie to ednak za sobą ryzyko nieprawidłowego opisu preferenci gracza choćby niemożność prostego modelowania wspomniane uż substytucyności. Konieczne byłoby wybranie a prori procesora na którym operaca będzie wykonywana 7 i zakładanie, że będzie to możliwe, względnie określenie kilku różnych ofert i liczenie się z możliwością przyęcia kilku, co pociąga za sobą koszty zablokowania pewnych zasobów, a zatem być może odrzucenia innych ofert, które mogłyby zostać przyęte. Rozwiązaniem tego problemu est wykorzystanie ofert grupuących, w których wykorzystywane są ograniczenia na poszczególne towary. Zapisywane są one w postaci pomocniczych dóbr, które specyfikowane są bezpośrednio przez oferenta. Składaąc ofertę dodawane są pewne towary wirtualne odpowiedniki multiprocesorów w problemie wyściowym, dla których opisywane są konkretne wymagania. Warto zwrócić ednak uwagę na fakt, iż w tym przypadku po pierwsze każdy z graczy definiue własny zestaw tych towarów, co utrudnia rozwiązywanie zadania, po drugie im wymagania są mnie szczegółowe, tym bardzie złożona musi być oferta 8. Istotnym est także fakt, iż tak przedstawiony model nadal nie odpowiada wymaganiom gracza, który określa wymagania w kategoriach multiprocesorów 9. Trzecim podeściem est oddzielenie opisu multiprocesorów od same oferty na wykonanie konkretne operaci. Każdy zasób zagregowany opisywany est za pomocą szeregu prostych ofert, po edne na każdy towar elementarny wchodzący w ego skład. Złożenie tych ofert może być 7 Względnie zbioru procesorów 8 Przykładowo oferta na konkretne dobro składa się z tylko z niego, oferta na dowolne dobro z pewnego zbioru wymaga wyliczenia wszystkich elementów, które mogą być wykorzystane, oraz dodania ograniczeń na wykorzystanie dokładnie ednego 9 Stwierdzenie to w żaden sposób nie ogranicza ogólności rozważań, gdyż zasób wirtualny może składać się tylko z ednego zasobu elementarnego
6 6 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu wykonywane w sposób automatyczny przez dodatkowego gracza wprowadzonego przez operatora rynku. Maąc zdefiniowane zasoby zagregowane, poszczególne oferty odpowiadaą operacom wykonywanych na konkretnych multiprocesorach. Taki sposób zapisu est naturalny w opisie wymagań, oraz w przeciwieństwie do podeścia poprzedniego, złożoność opisu wymagania est praktycznie stała, co nawyże opis może być uproszczony z powodu braku któregoś elementu ograniczenia. 5. Wyniki KAC i drugi etap rozwiązania Wynikiem KAC nie est konkretny przydział zasobów elementarnych, chwil czasu i operaci, ale rozwiązanie problemu zrelaksowanego. W każde chwili czasu są określone procesory elementarne, które są wykorzystywane (choć nie ma informaci, do które operaci zostały przydzielone), oraz o multiprocesorach (ile procesorów elementarnych wchodzących w skład konkretnego multiprocesora zostało w dane chwili wykorzystanych). Co warte podkreślenia, nie est tu istotna wielkość uzyskanego na aukci dobrobytu (mimo, iż est ona maksymalizowana), ani tym bardzie poszczególne ceny rozliczeniowe! Celem wykorzystania mechanizmu aukcynego est zbilansowanie ilościowe poszczególnych zasobów. Po zakończeniu pierwszego etapu Kombinatoryczne Aukci Czasu cały problem rozbity zostae na szereg niezależnych chwil czasu, przy czym w każde z nich określone są przyęte oferty, wykorzystywane procesory i multiprocesory. Celem drugiego etapu est znalezienie dopuszczalnego rozwiązania łączącego wszystkie te elementy, przy czym wiadomo z góry, iż należy przydzielić wszystkie procesory elementarne, multiprocesory, oraz wszystkie operace, które są w dane chwili wykonywane. W przypadku, w którym każdy towar elementarny może być elementem tylko ednego towaru zagregowanego rozwiązanie est trywialne wystarczy po kolei przydzielać do operaci procesory w ramach poszczególnych wymagań w dowolne koleności i zawsze osiągniemy rozwiązanie dopuszczalne 10. Bardzie interesuący est przypadek w którym towary elementarne mogą reprezentować kilka różnych agregatów. W te sytuaci w ogólnym przypadku nietrywialnym zadaniem est określenie, do którego z multiprocesorów należy w dane chwili czasu przypisać konkretny procesor elementarny. W pracy [10] zaproponowano metodę rozwiązywania tego typu problemów w oparciu o przekształcenie problemu do zbioru grafów dwudzielnych, dzięki czemu w każdym przypadku możliwe est znalezienie dopuszczalnego rozwiązania, które ednocześnie est rozwiązaniem optymalnym (przynamnie w sensie Pareto). Warto zwrócić uwagę, że ze względu na całkowitą niezależność rozpatrywanych chwil czasu, zadanie drugiego etapu można niemal całkowicie zrównoleglić, co przydać się może zwłaszcza w przypadku rozwiązywania większych (o znaczne liczbie etapów) problemów. 10 Jeśli nie ma preferenci polegaących na wyborze operaci którą dany procesor ma wykonywać, a co nawyże na czas w którym ma pracować, to wszystkie rozwiązania dopuszczalne są równoważne
7 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 7 6. Przykłady zastosowania Zaprezentowany model wykorzystać można w bezpośredni sposób ako narzędzie do układania planu zaęć. Przymimy, że mamy dostępne trzy chwile czasu dwugodzinne okresy: t1: 8:00 10:00, t2: 10:00 12:00, t3: 12:00 14:00 Mamy dwa zespoły: zespół1, oraz zespół2, które uwzględniane są w planie. Ponadto mamy dwa rodzae zadań duże, na których wymagana est obecność obu zespołów, oraz małe, z którymi poradzi sobie poedynczy zespół. Co istotne, w przypadku małych nie est istotne, który z zespołów się nimi zamue ważne tylko, by był dokładnie eden. Każde z zadań mogą odbyć się w dowolnym z trzech proponowanych terminów, ednak w przypadku dużych preferowanym est termin pierwszy, dwa pozostałe równoważne, w przypadku małych nalepszy est termin drugi, ewentualnie trzeci, za nagorszy uważamy pierwszy. Podczas wykonywania każdego zadania musi być obecna osoba zarządzaąca. O ile w przypadku zadań dużych musi to być kierownik, o tyle w przypadku małych zarządzać może także zastępca. Ostatnim elementem est lokalizaca. Każde zadanie musi odbywać się w poedyncze sali. W przypadku zadań dużych oba zespoły mieszczą się obok siebie, ednak małe nie mogą być wykonywane przez dwa zespoły ednocześnie w te same sali, gdyż zespoły wzaemnie by sobie przeszkadzały. Mamy do dyspozyci dwie sale: sala1, oraz sala2. Ponieważ w kilku miescach występue możliwość wyboru, utworzone zostaną trzy agregaty: zespół est agregatem łączącym zespół1 oraz zespół2 zarządca agregue osoby mogące zarządzać małymi zespołami, a więc kierownika i zastępcę sala łączy dostępne pomieszczenia, a więc salę1, oraz salę2 Co warte podkreślenia, prezentowane agregaty nie są czymś sztucznym, ale naturalnym odzwierciedleniem struktury problemu. Poniże przedstawiono oferty opisuące powyższy problem, ednak ze względu na symetrię zapisu i oszczędność miesca, przedstawiony został edynie zapis dla chwili t1. Dla pozostałych wygląda analogicznie. Ponadto ze względu na czytelność podano tylko wartości niezerowe. Elementarne Tabela 1: Oferty proste wprowadzaące zasoby elementarne Zasoby Oferty ZESP1 ZESP2 SALA1 SALA2 KIER ZAST Zespół1-1 Zespół2-1 Sala1-1 Sala2-1 Kierownik -1 Zastępca -1
8 8 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu W tabeli 1 widać po edne ofercie sprzedaży (ceny są nieistotne, dla ustalenia uwagi można przyąć, że zerowe) dla każdego zasobu elementarnego. Wolumeny są uemne dla zaznaczenia, że est to oferta sprzedaży. Tabela 2 przedstawia oferty przypisuące zasoby elementarne do zasobów zagregowanych. W powyższym przykładzie zasób elementarny est elementem dokładnie ednego agregatu, ale nie est to konieczne. Może występować więce ofert które utworzą dalsze przypisania. Poedyncza oferta polega na zakupie towaru elementarnego przy ednoczesne sprzedaży odpowiedniego wirtualnego. Tabela 3 przedstawia oferty rzeczywiste określaące wymagania. Dla zaęcia dużego wymagana est obecność ednego kierownika, edne sali, oraz dwóch zespołów. Dla zadania małego kierownik nie est potrzebny, ale potrzeba dwóch zarządców 11, do tego dwie sale i dwa zespoły. Elementarne Agr. Tabela 2: Oferty zintegrowane wprowadzaące zasoby zagregowane Zasoby Oferty ZESP1_Ze ZESP2_Ze SALA1_Sa SALA2_Sa KIER_Za ZAST_Za Zespół1 1 Zespół2 1 Sala1 1 Sala2 1 Kierownik 1 Zastępca 1 Zespół -1-1 Zarządca -1-1 Sala -1-1 Tabela 3: Oferty opisuące rzeczywiste wymagania Zasoby Oferty Zagregowane ZADANIE_DUŻE ZADANIE_MAŁE Kierownik 1 Zespół 2 2 Zarządca 2 Sala 1 2 Duże_zadanie 1 Małe_zadanie 1 11 Oczywiście ze struktury zarządców wynika, że kierownik również się do tego zbioru zalicza i w rozwiązaniu zostanie przypisany do zarządzania edną z grup, ednak nie est to częścią wymagań, toteż podczas specyfikowania oferty nie musi być zaznaczane
9 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 9 Tabela 4:Oferta grupuąca opisuąca duże zadanie Zasoby Oferty Ograniczenia zagregowane T1 T2 T3 Min Max Kierownik Zespół Zarządca Sala Duże_zadanie Występue tu także dodatkowy element widoczne w tabeli 4 ograniczenia. W tym przypadku est to zaznaczenie, że oferta o nazwie ZADANIE_DUŻE est przyęta pod warunkiem, że uda się przydzielić wymagane zasoby w ilości chwil czasu pomiędzy Min, a Max, czyli w tym konkretnym przypadku, że zasoby trzeba przydzielić w dokładnie edne chwili. Analogiczne ograniczenia można dodać także przy konkretnych zasobach (zarówno elementarnych, ak i zagregowanych), co pozwala na modelowanie specyficznych wymagań, np. maksymalnego dopuszczalnego obciążenia danego procesora. Rozwiązanie zaprezentowanego zadania określa w które chwili czasu zrealizowane są które z ofert, a także które zasoby (tak elementarne, ak i zagregowane) wykorzystywane są w które chwili. Ze względu na specyfikę zadania i fakt, że operace zostaną zrealizowane w różnych chwilach, pozwala to w bezpośredni sposób na określenie które z zasobów w którym momencie wykorzystywane są do realizaci które operaci. W sytuaci w które nie ma te ednoznaczności wykorzystywane est zadanie drugie fazy, które szczegółowo opisane zostanie w pracy [10]. Prezentowany model wykorzystano także do zamodelowania problemu układania planu zaęć na podstawie danych z Instytutu Automatyki i Informatyki Stosowane PW. Rozwiązanie to nadae się również do modelowania zagadnień planowania produkci zwłaszcza przy bardzie złożonych problemach, w których występuą zależności pomiędzy zasobami. 7. Literatura 1. Abdennadher S.,Schlenker H.: Nurse scheduling using constraint logic programming w: Proceedings of the National Conference on Artifical Intelligence, J. Wiley & Sons Ltd Ausubel L.M. i in.: The clock-proxy auction: A practical combinatorial auction design w: Combinatorial Auctions, MIT Press, Ch. 5, , Groves T, Ledyard J.: Optimal allocation of public goods: A solution to the free rider problem. Econometrica, 45(4): , Kacprzak P. i in.: Model danych dla otwartego systemu obrotu wielotowarowego M 3 w: Bazy danych. Nowe technologie. vol. 2, Bezpieczeństwo, wybrane technologie i zastosowania WKiŁ, Warszawa Miller H.E. i in.: Nurse scheduling using mathematical programming w: Operations Research vol. 24, JSTOR Modliński P.: Model M 3 a aukce kombinatoryczne, praca dyplomowa magisterska, Politechnika Warszawska, Warszawa 2008
10 10 Problem harmonogramowania ako Kombinatoryczna Aukca Czasu 7. Pałka P.: Analiza zgodności motywaci w rozproszonych systemach rynkowych z wykorzystaniem mechanizmów obrotu wielotowarowego, rozprawa doktorska, Politechnika Warszawska, Warszawa Parkes, D.C. i in.: ICE: An iterative combinatorial exchange w Proceedings of the 6th ACM Conference on Electronic Commerce, ACM Strevell M.W. Chong, P.S.: Gambling on vacation w: Interfaces vol. 15, JSTOR Modliński P.: Kombinatoryczna Aukca Czasu Struktura Zadania, materiały konferencyne XVII KKAPD, Zakopane 2010 przyęte do druku SCHEDULING PROBLEM AS THE COMBINATORIAL AUCTION OF TIME Summary In the research work there is shown a method of modelling the practical problems of schedulling using multicommodity market mechanisms. The Combinatorial Auction of Time was introduced as a tool that provides the recording of simple problems as well as these which use relations between the particular resources especially complementarity and substitutability. There is presented a way of recording the task of schedulling in natural way which enables to focus on functional requirements instead of on the relations between the particular resources. Keywords: scheduling, auction, combinatorial auction, time management, Combinatorial Auction of Time, CAT PIOTR MODLIŃSKI Instytuca: Politechnika Warszawska, Instytut Automatyki i Informatyki Stosowane p.modlinski@ia.pw.edu.pl
PROBLEM HARMONOGRAMOWANIA JAKO KOMBINATORYCZNA AUKCJA CZASU *
PIOTR MODLI SKI Politechnika Warszawska Warszawa PROBLEM HARMONOGRAMOWANIA JAKO KOMBINATORYCZNA AUKCJA CZASU * Streszczenie W pracy zaproponowano metod modelowania praktycznych problemów harmonogramowania
Bardziej szczegółowoPoszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania
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 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 szczegółowoAukcja czasu Zastosowanie dla studiów elastycznych Wstępne założenia i koncepcja
Aukcja czasu Zastosowanie dla studiów elastycznych Wstępne założenia i koncepcja Piotr Modliński IAiIS PW 7 lutego 2011 Agenda 1 Założenia Realizacje dzisiaj 2 Słownik Wymagania z różnych punktów widzenia
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 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 szczegółowoSZACOWANIE MEDIANY PRZY UŻYCIU DOKŁADNEJ METODY BOOTSTRAPOWEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XV/3, 2014, str. 111 121 SZACOWANIE MEDIANY PRZY UŻYCIU DOKŁADNEJ METODY BOOTSTRAPOWEJ Joanna Kisielińska Wydział Nauk Ekonomicznych Szkoła Główna Gospodarstwa
Bardziej szczegółowoUkłady równań i nierówności liniowych
Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +
Bardziej szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego Zatwierdzone Uchwałą Zarządu nr 239/68/18 z dnia 21.11.2018r. wchodzą w życie od dnia 29.11.2018 r. Rozdział 1. Definice.
Bardziej szczegółowoModel Dixita Stiglitza: Love of variety
Model Dixita Stiglitza: ove of variety mgr eszek Wincenciak 9 lutego 2005 r. 1 Strona podażowa Zakłada się, że rynek charakteryzue monopolistyczna konkurenca pomiędzy N firmami, które dostarczaą różne
Bardziej szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego Zatwierdzone Uchwałą Zarządu nr 120/32/17 z dnia 23 maa 2017 r. wchodzą w życie z dniem 31 maa 2017 r. Rozdział 1.
Bardziej szczegółowoWyszukiwanie binarne
Wyszukiwanie binarne Wyszukiwanie binarne to technika pozwalająca na przeszukanie jakiegoś posortowanego zbioru danych w czasie logarytmicznie zależnym od jego wielkości (co to dokładnie znaczy dowiecie
Bardziej szczegółowoROZDZIAŁ 5 SWZP (System Wariantowania Zleceń Produkcyjnych)
Krzysztof Bzdyra ROZDZIAŁ 5 SWZP System Wariantowania Zleceń Produkcynych 5.. Cel ćwiczenia Celem ćwiczenia est zapoznanie się ze strukturą i działaniem systemu komputerowo wspomaganego podemowania decyzi
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 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 szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego zatwierdzone Uchwałą Zarządu Towarowe Giełdy Energii S.A. Nr 325/64/15 z dnia 18 grudnia 2015 roku wchodzą w życie
Bardziej szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego zatwierdzone Uchwałą Zarządu
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
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 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 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 szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego Zatwierdzone Uchwałą Zarządu nr 268/65/17 z dnia 7 listopada 2017 r. wchodzą w życie z dniem15 listopada 2017 r. Rozdział
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 szczegółowo1 Układy równań liniowych
II Metoda Gaussa-Jordana Na wykładzie zajmujemy się układami równań liniowych, pojawi się też po raz pierwszy macierz Formalną (i porządną) teorią macierzy zajmiemy się na kolejnych wykładach Na razie
Bardziej 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 szczegółowoMateriały dla finalistów
Materiały dla finalistów Malachoviacus Informaticus 2016 11 kwietnia 2016 Wprowadzenie Poniższy dokument zawiera opisy zagadnień, które będą niezbędne do rozwiązania zadań w drugim etapie konkursu. Polecamy
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe
Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp
Bardziej szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoZajęcia nr. 3 notatki
Zajęcia nr. 3 notatki 22 kwietnia 2005 1 Funkcje liczbowe wprowadzenie Istnieje nieskończenie wiele funkcji w matematyce. W dodaktu nie wszystkie są liczbowe. Rozpatruje się funkcje które pobierają argumenty
Bardziej szczegółowoFunkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne.
Funkcje wymierne. Funkcja homograficzna. Równania i nierówności wymierne. Funkcja homograficzna. Definicja. Funkcja homograficzna jest to funkcja określona wzorem f() = a + b c + d, () gdzie współczynniki
Bardziej szczegółowoWykład 4. Określimy teraz pewną ważną klasę pierścieni.
Wykład 4 Określimy teraz pewną ważną klasę pierścieni. Twierdzenie 1 Niech m, n Z. Jeśli n > 0 to istnieje dokładnie jedna para licz q, r, że: m = qn + r, 0 r < n. Liczbę r nazywamy resztą z dzielenia
Bardziej szczegółowo2. Układy równań liniowych
2. Układy równań liniowych Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2017/2018 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 2. Układy równań liniowych zima 2017/2018 1 /
Bardziej szczegółowoAnaliza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.
Analiza numeryczna Lista nr 3 (ćwiczenia) Sprawdzić że macierz ma wartości własne2+ 222 2 2 Niechx R n Udowodnić że 2 0 0 x x 2 n x 3 NiechA R n n będzie macierzą symetryczną Wiadomo że wówczas istnieje
Bardziej szczegółowoWłasności wyznacznika
Własności wyznacznika Rozwinięcie Laplace a względem i-tego wiersza: n det(a) = ( 1) i+j a ij M ij (A), j=1 gdzie M ij (A) to minor (i, j)-ty macierzy A, czyli wyznacznik macierzy uzyskanej z macierzy
Bardziej szczegółowoWykład 3 - model produkcji i cen input-output (Model 2)
Wykład 3 - model produkcji i cen input-output (Model 2) 1 Wprowadzenie W ramach niniejszego wykładu opisujemy model 2, będący rozszerzeniem znanego z poprzedniego wykładu modelu 1. Rozszerzenie polega
Bardziej szczegółowoWykład z równań różnicowych
Wykład z równań różnicowych 1 Wiadomości wstępne Umówmy się, że na czas tego wykładu zrezygnujemy z oznaczania n-tego wyrazu ciągu symbolem typu x n, y n itp. Zamiast tego pisać będziemy x (n), y (n) itp.
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (Postać kierunkowa) Funkcja liniowa jest podstawowym typem funkcji. Jest to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości
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 szczegółowoLaboratorium WDEC. Opis posługiwania się pakietem AMPL
Laboratorium WDEC Opis posługiwania się pakietem AMPL Adam Krzemienowski, Grzegorz Płoszajski Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska Pakiet AMPL Pakiet AMPL jest narzędziem
Bardziej szczegółowoUkłady równań liniowych
Układy równań liniowych ozważmy układ n równań liniowych o współczynnikach a ij z n niewiadomymi i : a + a +... + an n d a a an d a + a +... + a n n d a a a n d an + an +... + ann n d n an an a nn n d
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 szczegółowoOPERACJE WIELOMASZYNOWE Z NIERÓWNOCZESNYM UśYCIEM MASZYN W PROBLEMIE GNIAZDOWYM
OPERACJE WIELOMASZYNOWE Z NIERÓWNOCZESNYM UśYCIEM MASZYN W PROBLEMIE GNIAZDOWYM Mariusz MAKUCHOWSKI, Eugeniusz NOWICKI Streszczenie: W pracy rozwaŝa się problem gniazdowy, w którym operace wchodzące w
Bardziej szczegółowoPodstawy Informatyki. Sprawność algorytmów
Podstawy Informatyki Sprawność algorytmów Sprawność algorytmów Kryteria oceny oszczędności Miara złożoności rozmiaru pamięci (złożoność pamięciowa): Liczba zmiennych + liczba i rozmiar struktur danych
Bardziej szczegółowoWeryfikacja hipotez statystycznych
Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoModele optymalizacyjne wspomagania decyzji wytwórców na rynku energii elektrycznej
Modele optymalizacyjne wspomagania decyzji wytwórców na rynku energii elektrycznej mgr inż. Izabela Żółtowska Promotor: prof. dr hab. inż. Eugeniusz Toczyłowski Obrona rozprawy doktorskiej 5 grudnia 2006
Bardziej szczegółowoFinanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z 21 grudnia 2014)
dr inż. Ryszard Rębowski DEFINICJA CIĄGU LICZBOWEGO Finanse i Rachunkowość studia niestacjonarne Wprowadzenie do teorii ciągów liczbowych (treść wykładu z grudnia 04) Definicja ciągu liczbowego Spośród
Bardziej szczegółowoLABORATORIUM. Transport materiałów przy wykorzystaniu przenośników bezcięgnowych rurowych. (próby funkcjonalne na stanowisku modelowym)
INSTYTUT KONSTRUKCJI MASZYN KIERUNEK: TRANSPORT SPECJALNOŚĆ: SYSTEMY I URZĄDZENIA TRANSPORTOWE PRZEDMIOT: SYSTEMU I URZĄDZENIA TRANSPORTU BLISKIEGO LABORATORIUM Transport materiałów przy wykorzystaniu
Bardziej szczegółowoKlasyczne zagadnienie przydziału
Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem
Bardziej szczegółowoIII. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.
III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań. Analiza stabilności rozwiązań stanowi ważną część jakościowej teorii równań różniczkowych. Jej istotą jest poszukiwanie odpowiedzi
Bardziej szczegółowo1 Pochodne wyższych rzędów
1 Pochodne wyższych rzędów Definicja 1.1 (Pochodne cząstkowe drugiego rzędu) Niech f będzie odwzorowaniem o wartościach w R m, określonym na zbiorze G R k. Załóżmy, że zbiór tych x G, dla których istnieje
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 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 szczegółowoPROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM
Mostefa Mohamed-Seghir Akademia Morska w Gdyni PROGRAMOWANIE DYNAMICZNE W ROZMYTYM OTOCZENIU DO STEROWANIA STATKIEM W artykule przedstawiono propozycję zastosowania programowania dynamicznego do rozwiązywania
Bardziej szczegółowoProgramowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Bardziej 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 szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI 16/01/2017 WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Repetytorium złożoność obliczeniowa 2 Złożoność obliczeniowa Notacja wielkie 0 Notacja Ω i Θ Rozwiązywanie
Bardziej szczegółowo9 Funkcje Użyteczności
9 Funkcje Użyteczności Niech u(x) oznacza użyteczność wynikającą z posiadania x jednostek pewnego dobra. Z założenia, 0 jest punktem referencyjnym, czyli u(0) = 0. Należy to zinterpretować jako użyteczność
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
Bardziej szczegółowoHARMONOGRAMOWANIE PRACY BRYGAD REALIZUJĄCYCH BUDOWLANE PROCESY POWTARZALNE
ZESZYTY NAUKOWE WSOWL Nr () 0 ISSN - DOI: 0.0/. HARMONOGRAMOWANIE PRACY BRYGAD REALIZUJĄCYCH BUDOWLANE PROCESY POWTARZALNE Piotr JAŚKOWSKI, Sławomir BIRUK Wydział Budownictwa i Architektury, Politechnika
Bardziej szczegółowoZadanie 5 - Algorytmy genetyczne (optymalizacja)
Zadanie 5 - Algorytmy genetyczne (optymalizacja) Marcin Pietrzykowski mpietrzykowski@wi.zut.edu.pl wersja 1.0 1 Cel Celem zadania jest zapoznanie się z Algorytmami Genetycznymi w celu rozwiązywanie zadania
Bardziej szczegółowoZnaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie:
Ciągi rekurencyjne Zadanie 1 Znaleźć wzór ogólny i zbadać istnienie granicy ciągu określonego rekurencyjnie: w dwóch przypadkach: dla i, oraz dla i. Wskazówka Należy poszukiwać rozwiązania w postaci, gdzie
Bardziej szczegółowoCiała i wielomiany 1. przez 1, i nazywamy jedynką, zaś element odwrotny do a 0 względem działania oznaczamy przez a 1, i nazywamy odwrotnością a);
Ciała i wielomiany 1 Ciała i wielomiany 1 Definicja ciała Niech F będzie zbiorem, i niech + ( dodawanie ) oraz ( mnożenie ) będą działaniami na zbiorze F. Definicja. Zbiór F wraz z działaniami + i nazywamy
Bardziej szczegółowoSzczegółowe zasady obrotu i rozliczeń dla energii elektrycznej na Rynku Dnia Następnego
Szczegółowe zasady obrotu i rozliczeń dla energii elektryczne na Rynku Dnia Następnego Zatwierdzone Uchwałą Zarządu nr 64/20/19 z dnia 8 kwietnia 2019 r. Wchodzą w życie z dniem 24 kwietnia 2019 r. Rozdział
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 szczegółowoOptymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań
Raport 1/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu - metodologia badań autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych z zastosowaniem
Bardziej szczegółowoWykorzystanie metod procesów Markowa i semi-markowa w analizie niezawodności
opracował: prof. dr hab. inż. Józef Paska, mgr inż. Piotr Marchel POLITECHNIKA WARSZAWSKA Instytut Elektroenergetyki, Zakład Elektrowni i Gospodarki Elektroenergetyczne Bezpieczeństwo elektroenergetyczne
Bardziej szczegółowo3.Funkcje elementarne - przypomnienie
3.Funkcje elementarne - przypomnienie Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny3.Funkcje w Krakowie) elementarne - przypomnienie 1 / 51 1 Funkcje
Bardziej szczegółowo1 Podstawowe oznaczenia
Poniżej mogą Państwo znaleźć skondensowane wiadomości z wykładu. Należy je traktować jako przegląd pojęć, które pojawiły się na wykładzie. Materiały te nie są w pełni tożsame z tym co pojawia się na wykładzie.
Bardziej szczegółowoVII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.
VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa. W rozdziale tym zajmiemy się dokładniej badaniem stabilności rozwiązań równania różniczkowego. Pojęcie stabilności w
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Teoria automatów
Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia
Bardziej szczegółowoLUBELSKA PRÓBA PRZED MATURĄ 2018 poziom podstawowy
LUELSK PRÓ PRZED MTURĄ 08 poziom podstawowy Schemat oceniania Zadania zamknięte (Podajemy kartotekę zadań, która ułatwi Państwu przeprowadzenie jakościowej analizy wyników). Zadanie. (0 ). Liczby rzeczywiste.
Bardziej szczegółowoTEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ
TEORIA GIER W EKONOMII WYKŁAD 6: GRY DWUOSOBOWE KOOPERACYJNE O SUMIE DOWOLNEJ dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Gry dwuosobowe z kooperacją Przedstawimy
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 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 szczegółowoOpis nowych funkcji w programie Symfonia Handel w wersji 2010
Symfonia Handel 1 / 5 Opis nowych funkcji w programie Symfonia Handel w wersji 2010 Główne korzyści z wersji 2010: Optymalizacja kosztów magazynowania i obsługi dostaw poprzez efektywniejsze zarządzanie
Bardziej szczegółowodr inż. Jarosław Forenc
Informatyka 2 Politechnika Białostocka - Wydział Elektryczny Elektrotechnika, semestr III, studia stacjonarne I stopnia Rok akademicki 2010/2011 Wykład nr 7 (24.01.2011) dr inż. Jarosław Forenc Rok akademicki
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
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 szczegółowoIteracyjne rozwiązywanie równań
Elementy metod numerycznych Plan wykładu 1 Wprowadzenie Plan wykładu 1 Wprowadzenie 2 Plan wykładu 1 Wprowadzenie 2 3 Wprowadzenie Metoda bisekcji Metoda siecznych Metoda stycznych Plan wykładu 1 Wprowadzenie
Bardziej szczegółowoCałkowitoliczbowe programowanie liniowe
Przykład Algorytm Ralph Gomory Inne przykłady Badania operacyjne Instytut Informatyki Przykład Algorytm Ralph Gomory Inne przykłady Zadanie Producent dwóch typów szynobusów planuje produkcję na najbliższy
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowoZajęcia nr. 6: Równania i układy równań liniowych
Zajęcia nr. 6: Równania i układy równań liniowych 13 maja 2005 1 Podstawowe pojęcia. Definicja 1.1 (równanie liniowe). Równaniem liniowym będziemy nazwyać równanie postaci: ax = b, gdzie x oznacza niewiadomą,
Bardziej szczegółowo5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH
5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH Temat, którym mamy się tu zająć, jest nudny i żmudny będziemy się uczyć techniki obliczania wartości logicznej zdań dowolnie złożonych. Po co? możecie zapytać.
Bardziej szczegółowoSchematy Piramid Logicznych
Schematy Piramid Logicznych geometryczna interpretacja niektórych formuł Paweł Jasionowski Politechnika Śląska w Gliwicach Wydział Matematyczno-Fizyczny Streszczenie Referat zajmuje się następującym zagadnieniem:
Bardziej szczegółowoWykład 1. Na początku zajmować się będziemy zbiorem liczb całkowitych
Arytmetyka liczb całkowitych Wykład 1 Na początku zajmować się będziemy zbiorem liczb całkowitych Z = {0, ±1, ±2,...}. Zakładamy, że czytelnik zna relację
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 szczegółowoEkonometria - ćwiczenia 10
Ekonometria - ćwiczenia 10 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 14 grudnia 2012 Wprowadzenie Optymalizacja liniowa Na
Bardziej szczegółowoOptymalizacja wielokryterialna
Optymalizacja wielokryterialna Optymalizacja wielokryterialna Dział badań operacyjnych zajmujący się wyznaczaniem optymalnej decyzji w przypadku, gdy występuje więcej niż jedno kryterium Problem wielokryterialny
Bardziej 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 szczegółowoTEORIA wiązań Magdalena Pawłowska Gr. 10B2
TEORIA wiązań Magdalena Pawłowska Gr. 10B2 Techniki kombinatoryczne rozróżniania węzłów i splotów ØLiczba skrzyżowań, ØLiczba mostów, ØKolorowanie, ØIndeks zaczepienia, ØSzkic elementów arytmetyki węzłów.
Bardziej szczegółowoMatematyka A kolokwium 26 kwietnia 2017 r., godz. 18:05 20:00. i = = i. +i sin ) = 1024(cos 5π+i sin 5π) =
Matematyka A kolokwium 6 kwietnia 7 r., godz. 8:5 : Starałem się nie popełniać błędów, ale jeśli są, będę wdzięczny za wieści o nich Mam też nadzieję, że niektórzy studenci zechcą zrozumieć poniższy tekst,
Bardziej szczegółowoDHL24. Główny Użytkownik. i Przesyłka Serwisowa. Dokumentacja użytkownika końcowego
DHL24 Główny Użytkownik i Przesyłka Serwisowa Dokumentacja użytkownika końcowego Opis: Niniejszy dokument opisuje funkcjonalność Głównego Użytkownika i Przesyłki Serwisowej w aplikacji DHL24 w ujęciu użytkownika
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 szczegółowoAlgebra liniowa z geometrią
Algebra liniowa z geometrią Maciej Czarnecki 15 stycznia 2013 Spis treści 1 Geometria płaszczyzny 2 1.1 Wektory i skalary........................... 2 1.2 Macierze, wyznaczniki, układy równań liniowych.........
Bardziej szczegółowoPlan lekcji Optivum. Jak ułożyć plan dyżurów? Przewodnik
Plan lekcji Optivum Jak ułożyć plan dyżurów? Przewodnik Po ułożeniu obowiązującego na dany okres planu możemy przystąpić do kolejnego etapu pracy, czyli ułożenia na jego podstawie planu dyżurów nauczycieli.
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 szczegółowoMODELOWANIE STANÓW CZYNNOŚCIOWYCH W JĘZYKU SIECI BAYESOWSKICH
Inżynieria Rolnicza 7(105)/2008 MODELOWANIE STANÓW CZYNNOŚCIOWYCH W JĘZYKU SIECI BAYESOWSKICH Katedra Podstaw Techniki, Uniwersytet Przyrodniczy w Lublinie Streszczenie. Zastosowanie sieci bayesowskiej
Bardziej szczegółowo