RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI
|
|
- Oskar Kwiecień
- 6 lat temu
- Przeglądów:
Transkrypt
1 RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy z równoległym maszynam (ang. flexble job shop problem). W probleme tym dany jest zbór zadań oraz zbór maszyn. Maszyny tego samego typu, tj. o tych samych własnoścach funkcjonalnych, które jednak mogą meć różne parametry technczne take jak na przykład wydajność, tworzą gnazdo. Każde zadane należy wykonać na jednej z maszyn ustalonego typu (gnazda). Dla rozpatrywanego problemu w pracy zaproponowano równoległy algorytm populacyjny. 1 Słowa kluczowe: meta heurystyka, algorytm równoległy, problem gnazdowy, równoległe maszyny 1. Wstęp Ogólny problem kolejnoścowy z równoległym maszynam polega na przydzelenu maszyn zadanom wyznaczenu kolejnośc wykonywana zadań na każdej maszyne, aby zmnmalzować czas wykonywana wszystkch zadań (C ). Spełnone muszą być przy tym następujące ogranczena: () każde zadane może być wykonywane jednocześne tylko na jednej, odpowednego typu, maszyne, () żadna maszyna ne może wykonywać jednocześne węcej nż jedno zadane, () wykonywane zadana ne może być przerwane, (v) zachowany mus być porządek technologczny wykonywana zadań. Rozpatrywany problem należy on do klasy problemów slne NP-trudnych, bowem jest uogólnenem klasycznego problemu gnazdowego (job shop, [3]). Algorytmy dokładne rozwązywana rozpatrywanego zagadnena zostały przedstawone w pracach [1] [7], ale pozwalają one rozwązać zadana o ne węcej nż 20 zadanach 10 maszynach. W lteraturze proponuje sę także sporo meta heurystyk. Hurnk [4] oraz Mastrolll Gambardella [5] zaproponowal metodę poszukwana z zabronenam (tabu serach) dla rozważanego problemu. Gao n. [2] proponują metody algorytmu genetycznego oraz poszukwana za zmennym otoczenem (varable neghborhood search). W nnejszej pracy proponujemy zastosowane podejśca dwupozomowego do rozwązywana problemu gnazdowego z równoległym maszynam. Wyższy pozom odpowedzalny jest za przydzał operacj do maszyn, a wykonywany za pomocą algorytmu populacyjnego. Nższy pozom to meta heurystyka znajdująca dobre rozwązane problemu gnazdowego powstałego po przypsanu operacjom maszyn. Na tym pozome zastosowano wydajny algorytm TSAB Nowckego Smutnckego [6]. 1 Praca częścowo fnansowana z projektu badawczego MNSW Nr N N
2 2. Sformułowane problemu Ogólny problem kolejnoścowy z równoległym maszynam, oznaczany w lteraturze przez FJ m C, można sformułować następująco: dany jest zbór zadań J = {1,2,...,n}, które należy wykonać na maszynach ze zboru M = {1, 2,..., m}. Istneje rozbce zboru maszyn na typy, tj. podzbory maszyn o tych samych własnoścach funkcjonalnych. Zadane jest cągem pewnych operacj. Każdą operację należy wykonać na odpowednego typu maszyne w ustalonym czase. Problem polega na przydzelenu zadań do maszyn z odpowednego typu oraz na wyznaczenu kolejnośc wykonywana operacj na maszynach, aby zmnmalzować czas wykonana wszystkch zadań. Muszą być przy tym spełnone ogranczena (-v). Nech O = {1,2,...,o} będze zborem wszystkch operacj. Zbór ten można rozbć na cąg odpowadające zadanom, przy czym zadane j J jest cągem o j operacj, które będą kolejno wykonywane na odpowednch maszynach (tj. w cągu technologcznym). Operacje te są ndeksowane lczbam (l j-1 +1,..., l j-1 +o j ), gdze l j jest lczbą operacj perwszych j zadań, j = 1, 2,..., n, przy czym l 0 = 0. Zbór maszyn M = {1, 2,..., m} można rozbć na q podzborów maszyn tego samego typu (gnazd), przy czym -ty ( = 1, 2,..., q) typ M zawera m maszyn, które są ndeksowane lczbam (t -1 +1,...,t -1 + m ), gdze t jest lczbą maszyn w perwszych typach, = 1, 2,...,q, przy czym t 0 = 0. Operację v O należy wykonać w gneźdze µ(v), tj. na jednej z maszyn zboru M µ (v) w czase p v,j, gdze j M µ (v). Nech O k = { v O : µ(v) = k } będze zborem operacj wykonywanych w k-tym (k = 1, 2,..., q) gneźdze. Cąg zborów operacj,,,, takch, że dla każdego k = 1,2,...,q oraz,,, 1,2,,, nazywamy przydzałem operacj zboru O do maszyn ze zboru M (w skróce przydzałem operacj do maszyn). Cąg,,, jest przydzałem maszynom operacj w -tym gneźdze (w skróce przydzałem w -tym gneźdze). W szczególnym przypadku maszyna może ne wykonywać żadnej operacj wówczas w przydzale operacj w gneźdze zbór operacj do wykonywana przez tę maszynę jest pusty.
3 2. Metoda rozwązana Ze względu na lczbę operacj, możlwych przydzałów operacj do maszyn jest wykładncza lość. Każdy dopuszczalny przydzał generuje pewen NP-trudny problem gnazdowy (job shop), którego rozwązane sprowadza sę do wyznaczena optymalnych kolejnośc wykonywana operacj na maszynach. Wobec tego optymalne rozwązane problemu gnazdowego z równoległym maszynam wymaga rozwązana wykładnczej lczby NP-trudnych problemów. Dlatego też będzemy stosowal algorytm przyblżony sprowadzający sę do teracyjnego wykonywana następujących dwóch kroków: Krok 1: Wyznaczene przydzału operacj do maszyn. Krok 2: Rozwązane problemu gnazdowego dla przydzału wyznaczonego w kroku 1. W Kroku 1 będze stosowany algorytm oparty na de doskonalena populacj. Każdy osobnk reprezentować będze przydzał operacj do maszyn, a jego funkcją przystosowana będze wartość rozwązana problemu gnazdowego generowanego przez dany przydzał operacj do maszyn, a rozwązany w Kroku 2 za pomocą algorytmu poszukwana z zabronenam TSAB [6]. 3. Równoległy algorytm populacyjny Zaproponowany w pracy algorytm rozwązujący problem gnazdowy z równoległym maszynam rozpoczyna swoje dzałane od wygenerowana populacj startowej przydzałów operacj do maszyn. Populacja ta generowana jest losowo. Następne dla każdego elementu w populacj zostaje uruchomony algorytm lokalnych poszukwań, który dostarcza zboru mnmów lokalnych. W kolejnym kroku ustala sę pozycje, na których elementy występujące na tych samych pozycjach w welu mnmach lokalnych, tworząc zbór elementów pozycj ustalonych. Nowa populacja (zbór przydzałów operacj do maszyn) jest generowana w tak sposób, że elementy na ustalonych pozycjach pozostają bez zman. Aby zapobec zakończena dzałana algorytmu w sytuacj gdy wszystke pozycje są ustalone nemożlwe jest losowe wygenerowane nowej populacj, w każdej teracj najstarszy ustalony element pozycja zostają usunęte ze zboru elementów pozycj ustalonych. Ponżej przedstawony został ogólny schemat algorytmu. Algorytm 1. Równoległy algorytm populacyjny PM 2 h (parallel populaton-based meta-square-heurstcs) Krok 0. Wygeneruj losową populację startową P 0 przydzałów operacj do maszyn; Krok 1. Podzel P na P k = grup; p Każda grupa zawera co najwyżej p elementów;
4 Krok 2. Dla każdej grupy k (wykorzystując p procesorów) znajdź uszeregowane zadań π (Y ) odpowadające przydzałow operacj do maszyn Y P oraz wartość C ( Y, π ( Y)) ; Krok 3. Znajdź przydzał operacj do maszyn Z P dla którego C ( Z, π ( Z)) = mn{ C ( Y, π ( Y )) : Y P } ; * * Krok 4. Jeśl C ( Z, ( Z)) C ( Q, π ( Q )) Krok 5. Krok 6. Krok 7. Krok 8. π < to * π ( Q ) = π ( Z) ; * Q = Z ; Dla każdej pozycj w populacj znajdź lczbę przydzałów operacj do maszyn w których maszyna m jest na pozycj ; Ustal pozycje w populacj P dla których ; Umeść losowo wybrane elementy (maszyny) na wolnych pozycjach; Jeśl spełnony jest warunek zakończena to STOP; W przecwnym wypadku dź do Kroku 1; W proponowanym algorytme populacyjnym startowa populacja jest generowana losowo. Rozmar generowanej populacj jest równy 100. W perwszym kroku przedstawonego wyżej algorytmu populacja jest dzelona na zbory rozłączne. k U = 1 P = I k = 1 P, P = 0/. Lczba grup, na które dzelona jest populacja zależy od lczby użytych procesorów. Każdy element populacj stanow przydzał operacj do maszyn, dla którego uruchamany jest algorytm poszukwań lokalnych. Do wyznaczena zboru mnmów lokalnych został wykorzystany algorytm TSAB [6] rozwązujący klasyczny problem gnazdowy. 4. Eksperymenty oblczenowe Równoległy algorytm populacyjny dla problemu gnazdowego z równoległym maszynam został zamplementowany w języku C++ z wykorzystanem bblotek MPI uruchomony na klastrze oblczenowym Nova w Wrocławskm Centrum Secowo Superkomputerowym. Algorytm był uruchamany pod kontrolą systemu kolejkowego OpenPBS. Oblczena zostały wykonane dla różnej lczby procesorów (2, 4, 8 16, 32, 64). Na podstawe uzyskanych wynków, wyznaczone zostało przyspeszene względne algorytmu (orthodox speedup) z następującej zależnośc s = t s / t p, gdze t s oznacza czas oblczeń dla algorytmu sekwencyjnego, a t p - czas oblczeń dla algorytmu równoległego. Dla przyspeszena
5 wyznaczanego w tak sposób porównane zostały czasy dzałana algorytmu sekwencyjnego równoległego uruchamanych na tym samym sprzęce. Na Rysunku 1 została przedstawona zależność przyspeszena algorytmu równoległego od lczby procesorów używanych przez ten algorytm. Algorytm został przetestowany dla 15 nstancj testowych zaproponowanych w pracy [5]. W Tabel 1 zostały zameszczone wynk eksperymentów oblczenowych. Tab. 1 Wynk przeprowadzonych eksperymentów. problem O (LB,UB) MG [5] PM 2 h la01 50 (570,574) la02 50 (529,532) la03 50 (477,479) la04 50 (502,504) la05 50 (457,458) la06 75 (799,800) la07 75 (749,750) la08 75 (765,767) la09 75 (853,854) la10 75 (804,805) la (1071,107) la la la la (1089,1090) przyspeszene ,83 4,14 1,55 9,07 11,27 20, lczba procesorów Rys. 1. Zależność przyspeszena algorytmu od lczby użytych procesorów.
6 Dla porównana jakośc rozwązań dostarczonych przez równoległy algorytm populacyjny (PM 2 h) w Tabel 1 zostały umeszczone rozwązana uzyskane przez algorytm MG zaproponowany w pracy [5]. Otrzymane wynk są porównywalnej jakość. Należy podkreślć, że celem nnejszej pracy ne było stworzene nowego lepszego algorytmu sekwencyjnego, ale jak najefektywnejsze jego zrównoleglene (uzyskane znaczącego przyspeszena oblczeń). Zależność uzyskanego przyspeszena od lczby użytych procesorów prezentuje Rysunek 1. Dla 64 procesorów uzyskano ponad 20-krotne skrócene czasu oblczeń, przy lnowo rosnącym trendze uzyskwanych przyspeszeń. Wnosk W pracy został zaproponowany równoległy algorytm populacyjny dla problemu gnazdowego z równoległym maszynam. Z przeprowadzonych eksperymentów wynka, że zastosowane algorytmu równoległego pozwala na 20 krotne przyspeszene oblczeń w stosunku do algorytmu sekwencyjnego. Lteratura 1. Adrabńsk A., Wodeck M., An algorthm for solvng the machne sequencng problem wth parallel machnes, Zastosowana Matematyk XVI, 3, 1979, Gao J., Sun L., Gen M., A hybrd genetc and varable neghborhood descent algorthm for flexble job shop schedulng problems, Computers & Operatons Research 35, 2008, Garey M.R., Johnson D.S., Seth R., The complexty of the flowshop and jobshop schedulng, Math. Oper. Res. 1 (2), 1974, Hurnk E., Jursch B., Thole M., Tabu search for the job shop schedulng problem wth mult-purpose machne, Operatons Research Spektrum 15, 1994, Mastrolll M., Gambardella L.M., Effectve neghborhood functons for the flexble job shop problem, Journal of Schedulng 3(1), 2000, Nowck E., Smutnck C., A fast tabu search algorthm for the permutaton flow-shop problem, European Journal of Operatonal Research 91, 1996, Pnedo M., Schedulng: theory, algorthms and systems, Englewood clffs, NJ: Prentce- Hall, dr Wojcech BOŻEJKO mgr nż. Marusz UCHROŃSKI Instytut Informatyk, Automatyk Robotyk Poltechnka Wrocławska e-mal: wojcech.bozejko@pwr.wroc.pl marusz.uchronsk@pwr.wroc.pl dr Meczysław WODECKI Instytut Informatyk Unwersytet Wrocławsk emal: mwd@.un.wroc.pl
WikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
Bardziej szczegółowoProblemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Bardziej szczegółowoRozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Bardziej szczegółowoProgramowanie Równoległe i Rozproszone
Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać
Bardziej szczegółowoCYKLICZNY SYSTEM PRODUKCYJNY Z DWUMASZYNOWYMI GNIAZDAMI
CYKLICZNY SYSTEM PRODUKCYJNY Z DWUMASZYNOWYMI GNIAZDAMI Wojcech BOŻEJKO, Potr NADYBSKI, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrujemy eastyczny system producj cycznej, w tórym operacje
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM NEURO-TABU DLA PROBLEMU GNIAZDOWEGO SZEREGOWANIA ZADAŃ
ÓWNOLEGŁY ALGOYTM NEUO-TABU DLA POBLEMU GNIAZDOWEGO SZEEGOWANIA ZADAŃ Wojcech BOŻEJKO, Marusz UCHOŃSKI, Meczysław WODECKI Streszczene: W pracy proponujemy zastosowane dwóch równoległych algorytmów bazujących
Bardziej szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoRównoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami
Równoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami dr inż. Mariusz Uchroński Wrocławskie Centrum Sieciowo-Superkomputerowe Agenda Cykliczny problem przepływowy
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowoInstrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne
Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoHEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI
HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI Marcn KLIMEK, Potr ŁEBKOWSKI Streszczene: W artykule analzowane jest zagadnene harmonogramowana projektu
Bardziej szczegółowoZmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowoMinimalizacja globalna. Algorytmy genetyczne i ewolucyjne.
Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu
Bardziej szczegółowoWielokryterialny Trójwymiarowy Problem Pakowania
Łukasz Kacprzak, Jarosław Rudy, Domnk Żelazny Instytut Informatyk, Automatyk Robotyk, Poltechnka Wrocławska Welokryteralny Trójwymarowy Problem Pakowana 1. Wstęp Problemy pakowana należą do klasy NP-trudnych
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Bardziej szczegółowoXXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoKRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
Bardziej szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
Bardziej szczegółowoModelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja
Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoMATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
Bardziej szczegółowoANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE
ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE Wocech BOŻEJKO Zdzsław HEJDUCKI Marusz UCHROŃSKI Meczysław WODECKI Streszczene: W pracy przedstawono metodę wykorzystana harmonogramów powykonawczych
Bardziej szczegółowoKlasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoNIETYPOWE WŁASNOŚCI PERMUTACYJNEGO PROBLEMU PRZEPŁYWOWEGO Z OGRANICZENIEM BEZ PRZESTOJÓW
NIETYPOWE WŁASNOŚCI PERMUTACYJNEGO PROBLEMU PRZEPŁYWOWEGO Z OGRANICZENIEM BEZ PRZESTOJÓW Mariusz MAKUCHOWSKI Streszczenie: W pracy rozważa się permutacyjny problem przepływowy z kryterium będącym momentem
Bardziej szczegółowoMinimalizacja globalna, algorytmy genetyczne i zastosowanie w geotechnice
Mnmalzacja globalna, algorytmy genetyczne zastosowane w geotechnce Metoda sejsmczna Metoda geoelektryczna Podstawowy podzał ZAGADNIENIE PROSTE (ang. forward problem) model + parametry modelu dane (ośrodek,
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 18. ALGORYTMY EWOLUCYJNE - ZASTOSOWANIA Częstochowa 2014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska ZADANIE ZAŁADUNKU Zadane załadunku plecakowe
Bardziej szczegółowoSTATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],
STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:
Bardziej szczegółowoMetody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,
Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą
Bardziej szczegółowo1 Metody optymalizacji wielokryterialnej... 1 1.1 Ogólna charakterystyka problemu... 1 1.2 Tradycyjne metody optymalizacji wielokryterialnej...
1 Metody optymalzacj welokryteralnej.... 1 1.1 Ogólna charakterystyka problemu.... 1 1.2 Tradycyjne metody optymalzacj welokryteralnej.... 3 1.2.1 Metoda ważonych kryterów.... 3 1.2.2 Metoda optymalzacj
Bardziej szczegółowoTwierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Bardziej szczegółowoRównoległa meta/heurystyka dla problemu gniazdowego z równoległymi maszynami
AUTOMATYKA 2009 Tom 13 Zeszyt 2 Wojciech Bożejko*, Mariusz Uchroński", Mieczysław Wodecki** Równoległa meta/heurystyka dla problemu gniazdowego z równoległymi maszynami 1. Wprowadzenie Ogólny problem kolejnościowy
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
Bardziej szczegółowoOPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU
Bardziej szczegółowoRegulamin promocji zimowa piętnastka
zmowa pętnastka strona 1/5 Regulamn promocj zmowa pętnastka 1. Organzatorem promocj zmowa pętnastka, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna
Bardziej szczegółowoliniowym w przeciwnym przypadku mówimy o programowaniu nieliniowym.
=DGDQLHSROHJDMFHQDSRV]XNLZDQLXPDNV\PDOQHMOXEPLQLPDOQHMZDUWRFLIXQNFMLZLHOX ]PLHQQ\FKSU]\MHGQRF]HVQ\PVSHáQLHQLXSHZQHMLORFLQDáR*RQ\FKZDUXQNyZ UyZQDOXE QLHUyZQRFLQRVLQD]Z]DGDQLDRSW\PDOL]DF\MQHJROXE]DGDQLDSURJUDPRZDQLD
Bardziej szczegółowoKomórkowy model sterowania ruchem pojazdów w sieci ulic.
Komórkowy model sterowana ruchem pojazdów w sec ulc. Autor: Macej Krysztofak Promotor: dr n ż. Marusz Kaczmarek 1 Plan prezentacj: 1. Wprowadzene 2. Cel pracy 3. Podsumowane 2 Wprowadzene Sygnalzacja śwetlna
Bardziej szczegółowop Z(G). (G : Z({x i })),
3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoRegulamin promocji fiber xmas 2015
fber xmas 2015 strona 1/5 Regulamn promocj fber xmas 2015 1. Organzatorem promocj fber xmas 2015, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 grudna 2015
Bardziej szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Bardziej szczegółowoRegulamin promocji upalne lato 2014 2.0
upalne lato 2014 2.0 strona 1/5 Regulamn promocj upalne lato 2014 2.0 1. Organzatorem promocj upalne lato 2014 2.0, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa
Bardziej szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoProste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Bardziej szczegółowoTRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Bardziej szczegółowoWstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Bardziej szczegółowoDWUKIERUNKOWA HEURYSTYKA BALANSOWANIA LINII MONTAŻOWEJ
DWUKIERUNKOWA HEURYSTYKA BALANSOWANIA LINII MONTAŻOWEJ Waldemar GRZECHCA Streszczene: Problem balansowana ln montażowej należy do problemów o złożonośc oblczenowej klasy NP trudne. Dlatego też od klkudzesęcu
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 5(96)/2013
ZESZYTY NAUKOWE NSTYTUTU POJAZDÓW 5(96)/2013 Hubert Sar, Potr Fundowcz 1 WYZNACZANE MASOWEGO MOMENTU BEZWŁADNOŚC WZGLĘDEM OS PODŁUŻNEJ DLA SAMOCHODU TYPU VAN NA PODSTAWE WZORÓW DOŚWADCZALNYCH 1. Wstęp
Bardziej szczegółowoPRZEGLĄD ALGORYTMÓW SZEREGOWANIA ZADAŃ W ELASTYCZNYCH SYSTEMACH WYTWARZANIA
PRZEGLĄD ALGORYTMÓW SZEREGOWANIA ZADAŃ W ELASTYCZNYCH SYSTEMACH WYTWARZANIA Mariusz UCHROŃSKI Streszczenie: w pracy został zawarty przegląd problematyki szeregowania zadań w elastycznych systemach wytwarzania.
Bardziej szczegółowoUrządzenia wejścia-wyjścia
Urządzena wejśca-wyjśca Klasyfkacja urządzeń wejśca-wyjśca. Struktura mechanzmu wejśca-wyjśca (sprzętu oprogramowana). Interakcja jednostk centralnej z urządzenam wejśca-wyjśca: odpytywane, sterowane przerwanam,
Bardziej szczegółowoANALIZA WŁASNOŚCI SILNIKA RELUKTANCYJNEGO METODAMI POLOWYMI
Akadema Górnczo-Hutncza Wydzał Elektrotechnk, Automatyk, Informatyk Elektronk Koło naukowe MAGNEIK ANAIZA WŁANOŚCI INIKA EUKANCYJNEGO MEODAMI POOWYMI Marcn Welgus Wtold Zomek Opekun naukowy referatu: dr
Bardziej szczegółowoOligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją
Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q
Bardziej szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoPlan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Bardziej szczegółowoZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
Bardziej szczegółowoProgramowanie genetyczne w zastosowaniu do harmonogramowania procesu magazynowego
Konrad Lewczuk 1 Wydzał Transportu Poltechnk Warszawskej Programowane genetyczne w zastosowanu do harmonogramowana procesu magazynowego 1. WPROWADZENIE Procesy magazynowe są stotną częścą procesów logstycznych
Bardziej szczegółowoWykład IX Optymalizacja i minimalizacja funkcji
Wykład IX Optymalzacja mnmalzacja funkcj Postawene zadana podstawowe dee jego rozwązana Proste metody mnmalzacj Metody teracj z wykorzystanem perwszej pochodnej Metody teracj z wykorzystanem drugej pochodnej
Bardziej szczegółowoRegulamin promocji 14 wiosna
promocja_14_wosna strona 1/5 Regulamn promocj 14 wosna 1. Organzatorem promocj 14 wosna, zwanej dalej promocją, jest JPK Jarosław Paweł Krzymn, zwany dalej JPK. 2. Promocja trwa od 01 lutego 2014 do 30
Bardziej szczegółowoTreść zadań 1 8 odnosi się do poniższego diagramu przestrzenno-czasowego.
Treść zadań 8 odnos sę do ponższego dagramu przestrzenno-czasowego. P e e e e e e P e P P e e e e. Jaka będze wartość zmennej clock (zegara skalarnego) po zajścu zdarzena e w procese P zakładając że wartość
Bardziej szczegółowoMETODA EFEKTYWNEGO ZARZĄDZANIA ROZDZIAŁEM ŚRODKÓW NA REDUKCJĘ EMISJI GAZÓW CIEPLARNIANYCH
Zeszyty Naukowe Wydzału Informatycznych Technk Zarządzana Wyższej Szkoły Informatyk Stosowanej Zarządzana Współczesne Problemy Zarządzana Nr /20 ETODA EFEKTYWNEGO ZARZĄDZANIA ROZDZIAŁE ŚRODKÓW NA REDUKCJĘ
Bardziej szczegółowoPesymistyczna złożoność obliczeniowa algorytmu faktoryzacji Fact
Pesymstyczna złożoność oblczenowa algorytmu faktoryzacj Fact Lech Madeysk 1, Zygmunt Mazur Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 7, 50-370
Bardziej szczegółowoZadanie 1. Udowodnij, że CAUS PRAM. Załóżmy przetwarzanie przyczynowo spójne. Dla każdego obrazu historii hv i zachodzi zatem:
Zadane 1 Udowodnj, że CAUS PRAM Załóżmy przetwarzane przyczynowo spójne. Dla każdego obrazu hstor hv zachodz zatem: O OW O OW x X p j o O o1 o2 o1 o2 o1 j o2 ( o1 = w( x) v o2 = r( x) v) o1 o2 ( o1 o o2)
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowo11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY Zakład Budowy Eksploatacj Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA Temat ćwczena: PRAKTYCZNA REALIZACJA PRZEMIANY ADIABATYCZNEJ.
Bardziej szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoKONCEPCJA OCENY HYBRYDOWYCH SYSTEMÓW ENERGETYCZNYCH
2-2010 PROBLEMY ESPLOATACJI 159 Robert DZIERŻAOWSI Poltechnka Warszawska OCCJA OCEY HYBRYDOWYCH SYSTEMÓW EERGETYCZYCH Słowa kluczowe Hybrydowy system energetyczny, skojarzony system energetyczny, generator
Bardziej szczegółowoZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO
Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU
Bardziej szczegółowoSprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
Bardziej szczegółowoEvaluation of estimation accuracy of correlation functions with use of virtual correlator model
Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu
Bardziej szczegółowoWprowadzenie do Sieci Neuronowych Sieci rekurencyjne
Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy
Bardziej szczegółowoPorównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego
Porównanie wydajności CUDA i OpenCL na przykładzie równoległego algorytmu wyznaczania wartości funkcji celu dla problemu gniazdowego Mariusz Uchroński 3 grudnia 2010 Plan prezentacji 1. Wprowadzenie 2.
Bardziej szczegółowoĆwiczenie 10. Metody eksploracji danych
Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)
Bardziej szczegółowoOPTYMALIZACJA ALGORYTMÓW WYZNACZANIA RUCHU CIECZY LEPKIEJ METODĄ SZTUCZNEJ ŚCIŚLIWOŚCI
MODELOWANIE INśYNIERSKIE ISSN 1896-771X 36, s. 187-192, Glwce 2008 OPTYMALIZACJA ALGORYTMÓW WYZNACZANIA RUCHU CIECZY LEPKIEJ METODĄ SZTUCZNEJ ŚCIŚLIWOŚCI ZBIGNIEW KOSMA, BOGDAN NOGA Instytut Mechank Stosowane,
Bardziej szczegółowoProblem plecakowy (KNAPSACK PROBLEM).
Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne
Bardziej szczegółowoMETODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH
RAFAŁ PALEJ, RENATA FILIPOWSKA METODA STRZAŁÓW W ZASTOSOWANIU DO ZAGADNIENIA BRZEGOWEGO Z NADMIAROWĄ LICZBĄ WARUNKÓW BRZEGOWYCH APPLICATION OF THE SHOOTING METHOD TO A BOUNDARY VALUE PROBLEM WITH AN EXCESSIVE
Bardziej szczegółowoMikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński
Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna
Bardziej szczegółowoREALIZACJA PRZETWARZANIA W CHMURZE OBLICZENIOWEJ NA PRZYKŁADZIE SYSTEMU UCZENIA SIECI NEURONOWEJ OPARTEGO NA TECHNOLOGII MICROSOFT WINDOWS AZURE
STUDIA INFORMATICA 2012 Volume 33 Number 2A (105) Darusz R. AUGUSTYN, Kaml BADURA Poltechnka Śląska, Instytut Informatyk REALIZACJA PRZETWARZANIA W CHMURZE OBLICZENIOWEJ NA PRZYKŁADZIE SYSTEMU UCZENIA
Bardziej szczegółowoROZWIĄZANIE PROBLEMU WYZNACZANIA POŁĄCZEŃ W SIECIACH KOMUNIKACYJNYCH Z ZASTOSOWANIEM METODY SKALARYZACJI
STUDIA INFORMATICA 2011 Volume 32 Number 4A (100) Jacek WIDUCH Poltechnka Śląska, Instytut Informatyk ROZWIĄZANIE PROBLEMU WYZNACZANIA POŁĄCZEŃ W SIECIACH KOMUNIKACYJNYCH Z ZASTOSOWANIEM METODY SKALARYZACJI
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoZadanie na wykonanie Projektu Zespołowego
Zadane na wykonane Projektu Zespołowego Celem projektu jest uzyskane następującego szeregu umejętnośc praktycznych: umejętnośc opracowana równoległych wersj algorytmów (na przykładze algorytmów algebry
Bardziej szczegółowoV. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH
Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów
Bardziej szczegółowoOptymalizacja belki wspornikowej
Leszek MIKULSKI Katedra Podstaw Mechank Ośrodków Cągłych, Instytut Mechank Budowl, Poltechnka Krakowska e mal: ps@pk.edu.pl Optymalzacja belk wspornkowej 1. Wprowadzene RozwaŜamy zadane optymalnego kształtowana
Bardziej szczegółowo