GRAFICZNA METODA PLANOWANIA ZAJĘĆ

Wielkość: px
Rozpocząć pokaz od strony:

Download "GRAFICZNA METODA PLANOWANIA ZAJĘĆ"

Transkrypt

1 GRZEGORZ BOCEWICZ KRZYSZTOF BZDYRA GRAFICZNA METODA PLANOWANIA ZAJĘĆ Słowa kluczowe: planowanie zajęć, etoda graficzna szeregowania zadań Keywords: tietabling, graphical ethod of tasks scheduling. WSTĘP Probleatyka planowania zajęć (układania planów obciążeń sal, dyżurów, itp.) od wielu lat nie traci nic ze swojej wagi i aktualności. Mio wielu wysiłków, do chwili obecnej nie uzyskano etod w pełni zadowalający wszystkich zainteresowanych, w pełni rozwiązujący proble planowania zajęć. Planowanie zajęć jest problee niezwykle złożony, który wyaga dogłębnej analizy oraz wysiłku pracy naukowej. W ostatnich latach szybki rozwój koputerów pozwolił na powrót do technik, które niegdyś zostały porzucone ze względu na dużą złożoność obliczeniową. W ogólny przypadku, planowanie zajęć sprowadza się do wyznaczenia haronograu zajęć tak, by ożna było je zrealizować w określony (zwykle jak najkrótszy) czasie przy spełnionych ograniczeniach związanych z dostępnością zasobów (np. sal, wykładowców, itp.). Uiejętne rozplanowanie zajęć oraz odpowiednie przydzielenie zasobów decyduje o jakości działania całego systeu. Winno uożliwiać wyznaczenie haronograu dla wielu różnych ograniczeń, wynikających z indywidualnych potrzeb i specyfiki rozważanego probleu. W pracy przedstawiono etodę poszukiwania haronograu zajęć opartą na etodzie graficznej szeregowania zadań. Rozwiązywany proble sforułowany został jako proble decyzyjny. Zwrócono uwagę, na związane z ty, ożliwości zastosowania etodach prograowania w logice ograniczeń.. SFORMUŁOWANIE PROBLEMU Dany jest zbiór przediotów P={p,,, p LP }, gdzie LP liczba przediotów, prowadzonych w pewny zbiorze grup E={e, e,, e LE }, gdzie LE liczba grup. Zasoby obejują zbiór sal S={s,,, s LS }, gdzie LS liczba sal, oraz zbiór wykładowców W={w,,, w LW }, gdzie LW liczba wykładowców.

2 Znane są następujące paraetry systeu: Wyiary godzinowe poszczególnych przediotów zapisane pod postacią acierzy EP. Wiersze acierzy odpowiadają kolejno poszczególny grupo, natoiast koluny przedioto, np. t, oznacza liczbę godzin drugiego przediotu realizowanego w pierwszej grupie; Relacje iędzy przediotai, a wykładowcai zadane są acierzą PW. Wiersze acierzy odpowiadają przedioto, natoiast koluny wykładowco. Wartości ij acierzy są binarne, np., = oznacza, że pierwszy przediot oże być prowadzony przez trzeciego wykładowcę,, =0 oznacza, że wykładowca pierwszy nie oże prowadzić zajęć z przediotu pierwszego; Relacje iędzy przediotai, a salai wykładowyi zadane są acierzą SP. Wiersze acierzy odpowiadają kolejno salo, natoiast koluny przedioto. Wartości acierzy są binarne, np. n, = oznacza, że trzeci przediot oże być prowadzony w pierwszej sali, n, =0 oznacza, że pierwszy przediot nie odbywać się w drugiej sali; t t t n n n t, LE, t, LE, t, LP LE, LP n, LS, n, LS, n, LP t, t, t, LP n, n, n, LP EP, SP, PW LS, LP,, LP,,, LP,, LW, LW LP, LW horyzont czasowy określający ograniczenie czasowe realizacji wszystkich zadań (liczba jednostek lekcyjnych). Dla każdej pary (grupa, przediot), tzn. (e i, p j ), i=..le, j=..lp, poszukiwana jest trójka (s q, w v, h) gdzie q=..ls, v=..lw, h=.., określająca gdzie odbywają się zajęcia s q, kto je prowadzi w v i kiedy się rozpoczynają h. Inaczej ówiąc każdej parze (e i, p j ) odpowiada eleentowa wektorowa zienna decyzyjna. Poszukiwana jest odpowiedź na pytanie Czy ożliwe jest przeprowadzenie wszystkich zaplanowanych zajęć, w zadany horyzoncie czasu bez przekraczania ograniczeń zasobowych? Zakłada się, że: w danej sali oże przebywać tylko jedna grupa, wykładowca nie oże prowadzić zajęć w dwóch lub więcej grupach jednocześnie, zajęć raz rozpoczętych nie ożna przerywać, zajęcia kończą się najpóźniej w ostatniej jednostce czasu.. METODA GRAFICZNA Charakterystyka etody Przedstawiona etoda jest odyfikacją graficznej etody przeznaczonej do rozwiązywania zagadnień kolejnościowych z dwoa zadaniai i aszynai. Metoda polega na odwzorowaniu wzajenie jednoznaczny paraetrów systeu w postaci wielowyiarowej przestrzeni zwierającej figury geoetryczne. Liczba grup LE określa wyiarowość przestrzeni, każda z grup e i, i=..le jest reprezentowana przez określoną oś układu współrzędnych. Każdej parze (e i, p j ) odpowiada zienna decyzyjna oznaczona jako e i p j, określająca, jaki wykładowca, w jakiej sali i kiedy przeprowadzi zajęcia z j-tego przediotu w i-tej

3 grupie. Zienna decyzyjna jest -eleentowy wektore, którego kolejne eleenty określają: nuer sali, nuer wykładowcy, terin. Potencjalne dziedziny poszczególnych ziennych są następujące: e i p j () {..LS}, e i p j () {..LW}, e i p j () {..}. Przy czy w praktyce dziedziny te są ograniczone warunkai przedstawionyi w tablicach PW i SP. Reprezentacją graficzną ziennych decyzyjnych w przestrzeni są tzw. kontenery o oznaczeniu odpowiadający ziennej decyzyjnej. Są to prostokąty o długości określonej w tablicy EP. Ich położenie na osi e i deterinuje wartość e i p j (). W każdy rzucie przestrzeni rozwiązań na dwuwyiarową płaszczyznę e i e k z początku układu współrzędnych prowadzona jest prosta wyznaczająca rozwiązania pod kąte 45 do osi e i. Ideą etody graficznej jest takie rozieszczenie kontenerów e i p j i e k p l, oraz takie dobranie wartości e i p j (), e i p j (), e k p l (), e k p l (), aby tzw. obszary zabronione nie pokrywały prostej wyznaczającej rozwiązanie. Obszar zabroniony jest wyznaczany, w iejscu przestrzeni, w który odpowiadające kontenery spełniają warunek (e i p j ()=e k p l ()) (e i p j ()=e k p l ()). Obszar jest prostokąte w przypadku przestrzeni dwuwyiarowej lub prostopadłościane w dla przestrzeni trójwyiarowej. Operowanie obszarai zabronionyi wyusza odpowiedni rozstaw kontenerów, który uożliwi otrzyanie rozwiązania zapewniającego brak konfliktów zasobowych (np. jeden wykładowca przypisany do dwóch grup jednocześnie itp.) oraz spełniającego ograniczenia wynikające z tablic EP, PW i SP. Przykład zastosowania etody graficznej przedstawia rys. W skład systeu przedstawionego na rysunku wchodzą trzy grupy (e, e, e ), pięć przediotów (p,, p,, ), oraz trzy sale (s,, ) i trzech wykładowców (w,, ). Powstała przestrzeń jest przestrzenią trójwyiarową. Rozkład kontenerów wzdłuż osi e, e, e oraz odpowiednie dobranie ich wartości uożliwił utworzenie takiej przestrzeni, gdzie wszystkie obszary zabronione znajdują się po za iejsce prowadzenia prostej. aronogra zajęć dla każdego z zadań odczytuje się bezpośrednio z odpowiadających i osi. w p p p 0 p p e p s 0 0 EP e PW p 0 SP s 0 =0 e p p s 0

4 e e e Obszary zabronione Legenda: Nazwa kontenera. Kontener - e i p j w v s q Rys. Przykład przestrzeni trójwyiarowej Wybrany wykładowca i sala, wartości e ip j(), e ip j() ziennej e ip j. Strategia wyznaczania rozwiązania Przeszukiwanie przestrzeni poprzez analizę wszystkich perutacji kontenerów jest nieożliwe ze względu na ich olbrzyią liczbę. Wobec tego zastosowano heurystykę uożliwiającą otrzyanie wyniku w stosunkowo krótki czasie. W systeie opisany tablicai EP, PW i SP ożna zdefiniować zbiór kontenerów ep = {e i p j } gdzie i= LE, j= LP. Pierwszy kontener uieszczany jest przy odpowiedniej osi e i rozpoczynając od początku układu współrzędnych. Ze zbioru ep wybierany jest następny, którego wartość nie spowoduje powstania obszaru zabronionego w iejscu prowadzenia prostej (spełnia warunek (e i p j ()=e k p l ()) (e i p j ()=e k p l ())). Kontener przydzielany jest do kolejnej osi. Kontenery należy wybierać ze zbioru ep wg. następujących zasad: gdy istnieje ożliwość wyboru kilku kontenerów spełniających w obszarze prostej ograniczenie (e i p j ()=e k p l ()) (e i p j ()=e k p l ()), to w pierwszej kolejności należy wybrać ten, który charakteryzuje się największy roziare; gdy istnieje ożliwość wyboru kilku wartość kontenera, spełniających obszarze prostej ograniczenie (e i p j ()=e k p l ()) (e i p j ()=e k p l ())to należy wybrać salę (e i p j ()) o najniejszy obciążeniu i wykładowcę (e i p j ()) o najniejszej liczbie prowadzonych przediotów;

5 W przypadku, gdy kontener nie spełnia ograniczenia i nie da się go zastąpić inny kontenere ze zbioru ep, należy go przesunąć tak by obszar zabroniony znalazł się poza prostą. Konsekwencją przesunięcia kontenera jest powstanie okienka na odpowiadającej kontenerowi osi. Kontenery uieszczane są kolejno według powyższych zasad aż do wyczerpania zbioru ep, lub oentu, gdy którykolwiek z kontenerów przekroczy horyzont. Przekroczenie horyzontu jest jednoznaczne z brakie rozwiązania. Metoda nie dopuszcza ożliwości nawrotów raz ustawione kontenery nie ogą zienić swojego położenia. Ideę wyszukiwania rozwiązania na przykładzie przestrzeni dwuwyiarowej ilustruje rysunek. e krok ep ep e (ep()=ep()) (ep()=ep())=false ep=ep\{ep, ep} e krok ep ep ep ep e (ep()=ep()) (ep()=ep())=false ep=ep\{ep, ep, ep, ep} e krok ep4 ep Krok : Rysunek ilustruje pierwszy krok budowania przestrzeni. Ze zbioru ep wybrane zostały kontenery e p i e. Uieszczone zostały one na początku układu współrzędnych. Wartości kontenerów (sala,wykładowca) są tak dobrane by nie powstał obszar zabroniony w iejscu prowadzenia prostej. Zbiór ep został poniejszony o wykorzystane kontenery. Krok : Ze zbioru ep wybrane zostały kolejne kontenery e p, e p. Wartości kontenerów (sala, wykładowca) są tak dobrane by nie powstał obszar zabroniony w iejscu prowadzenia prostej. Zbiór ep został poniejszony o wykorzystane kontenery. Krok : Ze zbioru ep wybrany zostały kolejny kontener e. Przedstawiony rysunek przedstawia przypadek gdy dobrany kontener spowodował powstanie obszaru zabronionego w iejscu prowadzenia prostej. ep ep ep e (ep()=ep4()) (ep()=ep4())=true e ep4 ep ep ep ep krok 4 e Krok 4: Kontener e został przesunięty wzdłuż osi e, spowodowało to powstanie okienka, ale obszar zabroniony już nie przecina prostej. Nowe położenie kontenera e znajduje się poza granicai horyzontu. Przekroczenie horyzontu powoduje zatrzyanie dalszego poszukiwania - rozwiązania nie istnieje. STOP Ry. Poszukiwanie rozwiązania. Przedstawiona etoda została zaipleentowana w środowisku Matlab.

6 4. PROGRAMOWANIE W LOGICE OGRANICZEŃ Rozważane zagadnienie ożna przybliżyć w następujący sposób. Dany jest syste ziennych decyzyjnych e i p j. Znane są dziedziny ziennych -- zbiory wartości ziennych. Należy odpowiedzieć na pytanie czy istnieje zbiór wartości spełniający arbitralnie zadany zbiór ograniczeń []. Prograowanie w logice ograniczeń opiera się na podstawowych echanizach: propagacji ograniczeń i dystrybucji ziennych. Propagacja ograniczeń jest efektywny echanize wnioskowania opartego na równoległy działaniu propagatorów wyieniających i groadzących inforacje w tzw. Zbiorze wyiany ograniczeń. Dystrybucja ziennych dzieli proble na uzupełniające się wzajenie eleenty według założonej strategii przeszukiwania. Rozwiązanie probleu, jeśli istnieje, jest wyznaczane w kolejnych krokach propagacji i dystrybucji. Postępowanie przedstawione w pkt. ożna traktować jako przeszukiwanie drzewa rozwiązań (rysunek ). Zienne decyzyjne (kontenery) e p {s, w, h } {s, w, h } {, w, h } {s 5, w 5, h } e p {s, w, h } {s, w, h } {,, h } {, w 5, h 8 } e Rozwiązania niedopuszczalne {, w, h } {,, h } {,, h }{s 4,, h 4 } Alternatywne rozwiązania e p {s,, h } {s,, h } {, w, h } {, w, h } Rys.. Przeszukiwanie przestrzeni rozwiązań Przedstawione na rysunku drzewo jest odpowiednikie przestrzeni wielowyiarowej. Pozioy drzewa odpowiadają kolejny eleento ziennej decyzyjnej e i p j (kontenery), gałęzie reprezentują ożliwe wartości ziennych decyzyjnych (określają wartość kontenera oraz jego położenie). Przedstawioną w rozdziale strategię wyznaczania rozwiązania ożna zinterpretować jako wyszukiwanie takiej ścieżki spośród gałęzi drzewa, która spełniałaby ograniczenia systeu. Na każdy pozioie odbywa się proces wyszukiwania gałęzi dopuszczalnej. Wybór gałęzi ogranicza liczbę potencjalnych wariantów na niżach pozioach. Budowa ścieżki odbywa się w głąb drzewa bez ożliwości nawrotów. Postępowanie takie znacznie ogranicza liczbę kroków, które należy wykonać by otrzyać rozwiązanie (do liczby pozioów drzewa). Skuteczność etody uzależniona jest zate od heurystyk stosowanych przy wyborze gałęzi na każdy pozioie e i p j.

7 5. PRZYKŁAD ILUSTRACYJNY Czy ożliwe jest rozplanowanie zajęć dla grup, tak by była ożliwa ich realizacja w horyzoncie czasowy = 0 godzin. Liczba przediotów LP = 5, liczba sal LS = 4 liczba wykładowców LW = 5. Relacje iędzy grupai przediotai salai i wykładowcai, zapisane są w postaci tablic; EP PW 0 0 SP Rysunek 4 ilustruje otrzyane rozwiązanie etodą graficzną. Metoda została zaipleentowana w środowisku Matlab 6.5. Jak widać na rysunku 4d, dla przedstawionego przykładu, istnieje rozwiązanie dopuszczalne ieszczące się w horyzoncie 0 godzin. Zrealizowany progra uożliwia rozwiązywanie dużo większych probleów, w bardzo krótki czasie. Przeprowadzone eksperyenty dla danych LP =50, LS =50, LE =50, LW = 50, dawały rozwiązania w czasie poniżej 5 sekund (procesor Athlon 500 Mz, 5 MB RAM). a) e b) e p w p a) p w p s e p s s e Grupy e e p w 5 s p w s p s b) p p s w w 5 s p w 5 s p s p s s s e p p w w 5 s p e Rys. 4. Rozwiązanie dopuszczalne probleu: a) zrzuty przestrzeni, d) rozwiązań diagra Gantt a. e p w w 5 s p CZAS

8 6. PODSUMOWANIE Przedstawiona etoda graficzna odpowiada filozofii prograowania z ograniczeniai. Zastosowana strategia braku nawrotów wraz z odpowiednio dobraną heurystyką wyboru kolejnego kontenera zaowocowała realizacją prograu dającego rozwiązania w krótki czasie. Jednakże takie rozwiązanie probleu nie daje zawsze gwrancji otrzyania rozwiązania nawet jeśli ono istnieje. Istotną cechą przedstawionej etody jest trudność ipleentacji ograniczeń wynikających z indywidulanych potrzeb. Ze względu na szybkość otrzyywania rozwiązań etoda oże być poocna we wstępnej analizie haronograowania zadań oraz stanowić podstawę do rozwiązań opartych na prograowaniu w logice z ograniczeniai CLP. BIBLIOGRAFIA [] Bzdyra K., Banaszak Z.: Zastosowanie technik prograowania z ograniczeniai w zintegrowany planowaniu przepływu produkcji. Materiały Konferencji Polioptyalizacja i koputerowe wspoaganie projektowania Mielno 004, s.6. [] Bzdyra K., Banaszak Z.: Zastosowanie technik prograowania z ograniczeniai w probleach decyzyjnych systeów dystrybucji. Materiały konferencji Polioptyalizacja i koputerowe wspoaganie projektowania Mielno 00, s.7. [] Schulte C., Solka G., Wurtz J.: Finite Doain Constraint Progaring in Oz. DFKI OZ docuentaion series, Geran Research Center for Artificial Inteligence, Stuhlsaltzenhausweg, D-66 Saarbrucken, Gerany,998. [4] enz M., W urtz J.: Using Oz for College Tietabling, In: Burke, E, Ross, P. (Eds.): Practice and Theory of Autoated Tietabling I (PATAT 995, Edinburgh, Aug/Sept, selected papers). Lecture Notes in Coputer Science, Vol. 5. Springer-Verlag, Berlin eidelberg New York (996) pp 6 77 [5] Legierski W.: Search Strategy for Constraint-Based Class-Teacher Tietabling, 4th International Conference PATAT 00 on Practice and Theory of Autoated Tietabling IV Springer-Verlag, Lecture Notes in Coputer Science 740, p47-6, 00 Streszczenie Planowanie zajęć jest problee niezwykle złożony. Mio wieloletnich badań wciąż nie istnieją etody pozwalające na pełne rozwiązanie probleu. W artykule zaprezentowano graficzną etodę pozwalającą na rozwiązywanie probleów planowania zajęć. Oówiono heurystykę otrzyywania rozwiązań, oraz przedstawiono związek z etodai prograowania w logice z ograniczeniai. GRAPICAL METOD FOR TIMETABLING Suary Tietabling belongs to still open, NP-hard probles. A graphical odel of a tietabling is proposed. Ipleentation of an applied heuristic is provided on an illustrative exaple. The relationships with the constraints prograing are discussed.

KOMPUTEROWY SYSTEM WYBORU DECYZJI WIELOKRYTERIALNEJ

KOMPUTEROWY SYSTEM WYBORU DECYZJI WIELOKRYTERIALNEJ KOMPUTEROWY SYSTEM WYBORU DECYZJI WIELOKRYTERIALNEJ Andrzej Łodziński Katedra Ekonoetrii i Inforatyki SGGW Warszawa Streszczenie: W pracy przedstawiono koputerowy syste wyboru decyzji wielokryterialnej.

Bardziej szczegółowo

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM VI METODA WĘGIERSKA 1. Proble przydziału. Należy przydzielić zadań do wykonawców. Każde zadanie oże być wykonywane przez co najwyżej jednego wykonawcę

Bardziej szczegółowo

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

K.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 szczegółowo

Struktury danych i złozoność obliczeniowa. Prof. dr hab. inż. Jan Magott

Struktury danych i złozoność obliczeniowa. Prof. dr hab. inż. Jan Magott Struktury danych i złozoność obliczeniowa Prof. dr hab. inż. Jan Magott Formy zajęć: Wykład 1 godz., Ćwiczenia 1 godz., Projekt 2 godz.. Adres strony z materiałami do wykładu: http://www.zio.iiar.pwr.wroc.pl/sdizo.html

Bardziej szczegółowo

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji

Wstęp 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 szczegółowo

Metody numeryczne. materiały do ćwiczeń dla studentów. 1. Teoria błędów, notacja O

Metody numeryczne. materiały do ćwiczeń dla studentów. 1. Teoria błędów, notacja O Metody nueryczne ateriały do ćwiczeń dla studentów 1. Teoria błędów, notacja O 1.1. Błąd bezwzględny, błąd względny 1.2. Ogólna postać błędu 1.3. Proble odwrotny teorii błędów - zasada równego wpływu -

Bardziej szczegółowo

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 5. ROZWIĄZYWANIE PROBLEMÓW Z OGRANICZENIAMI Problemy z ograniczeniami

Bardziej szczegółowo

O KOSZTACH REALIZACJI PLANÓW EKSPERYMENTÓW CZYNNIKOWYCH

O KOSZTACH REALIZACJI PLANÓW EKSPERYMENTÓW CZYNNIKOWYCH Studia Ekonoiczne. Zeszyty Naukowe Uniwersytetu Ekonoicznego w Katowicach ISSN 08-86 Nr 9 05 Magdalena Chielińska Uniwersytet Ekonoiczny w Katowicach Wydział Zarządzania Katedra Statystyki chielinska.agda@gail.co

Bardziej szczegółowo

MOMENTY BEZWŁADNOŚCI, RÓWNANIE KRĘTU I ENERGIA KINETYCZNA CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA

MOMENTY BEZWŁADNOŚCI, RÓWNANIE KRĘTU I ENERGIA KINETYCZNA CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA Dr inż. Andrzej Polka Katedra Dynaiki Maszyn Politechniki Łódzkiej MOMENTY BEZWŁADNOŚCI, RÓWNANIE KRĘTU I ENERGIA KINETYCZNA CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA Praca wprowadza oenty bezwładności ciała

Bardziej szczegółowo

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 9 PRZESZUKIWANIE GRAFÓW Z

Bardziej szczegółowo

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A

Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Ćwiczenie 1 Planowanie trasy robota mobilnego w siatce kwadratów pól - Algorytm A Zadanie do wykonania 1) Utwórz na pulpicie katalog w formacie Imię nazwisko, w którym umieść wszystkie pliki związane z

Bardziej szczegółowo

- 1 - STATYSTYCZNY ANALIZATOR RULETKI (SAR) Główne obliczenia

- 1 - STATYSTYCZNY ANALIZATOR RULETKI (SAR) Główne obliczenia - 1 - STATYSTYCZNY ANALIZATOR RULETKI (SAR) - 1.2 Główne obliczenia Spis treści: Wstęp - uzasadnienie 1.Wykorzystanie rozkładu Dirichleta. 2.Testowanie koła ruletki. 3.Podstawowe paraetry statystyczne

Bardziej szczegółowo

Interpolacja. Interpolacja wykorzystująca wielomian Newtona

Interpolacja. Interpolacja wykorzystująca wielomian Newtona Interpolacja Funkcja y = f(x) jest dana w postaci dyskretnej: (1) y 1 = f(x 1 ), y 2 = f(x 2 ), y 3 = f(x 3 ), y n = f(x n ), y n +1 = f(x n +1 ), to znaczy, że w pewny przedziale x 1 ; x 2 Ú ziennej niezależnej

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Politechnika Gdańska Wydział Elektrotechniki i Autoatyki Katedra Inżynierii Systeów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone prograowanie produkcji z wykorzystanie etody

Bardziej szczegółowo

OPTYMALIZACJA W LOGISTYCE

OPTYMALIZACJA W LOGISTYCE OPTYMALIZACJA W LOGISTYCE Wyznaczanie lokalizacji magazynów dystrybucyjnych i miejsc produkcji dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Lokalizacja magazynów dystrybucyjnych 1 Wybór miejsca produkcji

Bardziej szczegółowo

PORÓWNANIE WPŁYWU WYBRANYCH PARAMETRÓW CIĄGNIKA ROLNICZEGO NA JEGO DRGANIA

PORÓWNANIE WPŁYWU WYBRANYCH PARAMETRÓW CIĄGNIKA ROLNICZEGO NA JEGO DRGANIA Inżynieria Rolnicza (90)/007 PORÓWNANIE WPŁYWU WYBRANYCH PARAMETRÓW CIĄGNIKA ROLNICZEGO NA JEGO DRGANIA Instytut Inżynierii Rolniczej, Akadeia Rolnicza w Poznaniu Streszczenie. Drgania ciągnika, szczególnie

Bardziej szczegółowo

Wybór zestawów maszyn do montażu elementów prefabrykowanych z zastosowaniem metody analizy hierarchicznej (AHP)

Wybór zestawów maszyn do montażu elementów prefabrykowanych z zastosowaniem metody analizy hierarchicznej (AHP) Wybór zestawów aszyn do ontażu eleentów prefabrykowanych z zastosowanie etody analizy hierarchicznej (AHP) Daria Biskupska, Ewelina Toaszewska, studentki, Politechnika Warszawska, Wydział Budownictwa Mechaniki

Bardziej szczegółowo

Laboratorium technik optymalizacji: układanie uniwersyteckiego planu zajęć

Laboratorium technik optymalizacji: układanie uniwersyteckiego planu zajęć Laboratorium technik optymalizacji: układanie uniwersyteckiego planu zajęć Marek Kubiak Opis problemu Rozważany problem układania uniwersyteckiego planu zajęć (ang. University Course Timetabling Problem

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Eleenty odelowania ateatycznego Systey kolejkowe. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ RZYKŁAD KOLEJKI N(t) długość kolejki w chwili t T i czas obsługi i-tego klienta Do okienka

Bardziej szczegółowo

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1 Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie

Bardziej szczegółowo

INTEGRACJA ZADAŃ PLANOWANIA DZIAŁAŃ I WARIANTOWANIA STRUKTURY WIELOROBOTOWEGO ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY

INTEGRACJA ZADAŃ PLANOWANIA DZIAŁAŃ I WARIANTOWANIA STRUKTURY WIELOROBOTOWEGO ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY ROZDZIAŁ 31 INTEGRACJA ZADAŃ PLANOWANIA DZIAŁAŃ I WARIANTOWANIA STRUKTURY WIELOROBOTOWEGO ZESPOŁU MOBILNYCH ROBOTÓW INSPEKCYJNYCH: MODEL DEKLARATYWNY Grzegorz BOCEWICZ 1, Robert WÓJCIK 2, Zbigniew BANASZAK

Bardziej szczegółowo

Algorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1

Algorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1 BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Algoryt wyznaczania rotności diagnostycznej strutury opiniowania diagnostycznego typu PMC 1 Artur ARCIUCH Załad Systeów Koputerowych, Instytut Teleinforatyi

Bardziej szczegółowo

ORIGIN 1. E 10GPa - moduł Younga drewna. 700 kg m 3. g - ciężar właściwy drewna g m s 2. 6cm b2 6cm b3 5cm 12cm h2 10cm h3 8cm. b1 h1.

ORIGIN 1. E 10GPa - moduł Younga drewna. 700 kg m 3. g - ciężar właściwy drewna g m s 2. 6cm b2 6cm b3 5cm 12cm h2 10cm h3 8cm. b1 h1. Statyka kratownicy drewnianej o różnych przekrojach prętów, obciążonej siłai, wilgocią i ciężare własny ORIGIN - ustawienie sposobu nueracji wierszy i kolun acierzy E GPa - oduł Younga drewna αw. ρ - współczynnik

Bardziej szczegółowo

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2

Document: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2 Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca

Bardziej szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny

Bardziej szczegółowo

3. FUNKCJA LINIOWA. gdzie ; ół,.

3. FUNKCJA LINIOWA. gdzie ; ół,. 1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Obliczenia polowe 2-fazowego silnika SRM w celu jego optymalizacji

Obliczenia polowe 2-fazowego silnika SRM w celu jego optymalizacji XLIII SESJA STUDENCKICH KÓŁ NAUKOWYCH KOŁO NAUKOWE MAGNESIK Obliczenia polowe 2-fazowego silnika SRM w celu ego optyalizaci Wykonali: Jarosław Gorgoń Miłosz Handzel Opiekun naukowy: dr hab. inż. Wiesław

Bardziej szczegółowo

Zastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D

Zastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D Zastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D autorzy: Michał Dajda, Łojek Grzegorz opiekun naukowy: dr inż. Paweł Rotter I. O projekcie. 1. Celem projektu było stworzenie

Bardziej szczegółowo

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska

Funkcje liniowe i wieloliniowe w praktyce szkolnej. Opracowanie : mgr inż. Renata Rzepińska Funkcje liniowe i wieloliniowe w praktyce szkolnej Opracowanie : mgr inż. Renata Rzepińska . Wprowadzenie pojęcia funkcji liniowej w nauczaniu matematyki w gimnazjum. W programie nauczania matematyki w

Bardziej szczegółowo

Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych

Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule

Bardziej szczegółowo

Grafika inżynierska i projektowanie geometryczne WF-ST1-GI--12/13Z-GRAF. Liczba godzin stacjonarne: Wykłady: 15 Zajęcia projektowe: 40

Grafika inżynierska i projektowanie geometryczne WF-ST1-GI--12/13Z-GRAF. Liczba godzin stacjonarne: Wykłady: 15 Zajęcia projektowe: 40 Karta przedmiotu Wydział: Wydział Finansów Kierunek: Gospodarka przestrzenna I. Informacje podstawowe Nazwa przedmiotu Grafika inżynierska i projektowanie geometryczne Nazwa przedmiotu w j. ang. Język

Bardziej szczegółowo

Analiza stanów gry na potrzeby UCT w DVRP

Analiza stanów gry na potrzeby UCT w DVRP Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza

Bardziej szczegółowo

OPTYCZNY POMIAR AMPLITUDY DRGAŃ MASZYN WIBRACYJNYCH

OPTYCZNY POMIAR AMPLITUDY DRGAŃ MASZYN WIBRACYJNYCH MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 35, s.51-58, Gliwice 28 OPTYCZNY POMIAR AMPLITUDY DRGAŃ MASZYN WIBRACYJNYCH PIOTR KOHUT, MARIUSZ GIERGIEL Akadeia Górniczo-Hutnicza, Katedra Robotyki i Mechatroniki

Bardziej szczegółowo

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI

ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji

Bardziej szczegółowo

AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016

AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016 AUTOMATYZACJA PROCESÓW DYSKRETNYCH 2016 Adam PRUS, Krzysztof PIEŃKOSZ Politechnika Warszawska SZEREGOWANIE ZADAŃ CZĘŚCIOWO PODZIELNYCH NA PROCESORACH RÓWNOLEGŁYCH Streszczenie. W pracy jest rozpatrywany

Bardziej szczegółowo

Ekonometria - ćwiczenia 10

Ekonometria - 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 szczegółowo

Stateczność ramy drewnianej o 2 różnych przekrojach prętów, obciążonej siłą skupioną

Stateczność ramy drewnianej o 2 różnych przekrojach prętów, obciążonej siłą skupioną Stateczność ray drewnianej o różnych przekrojach prętów, obciążonej siłą skupioną ORIGIN - Ustawienie sposobu nueracji wierszy i kolun acierzy E GPa - Moduł Younga drewna Wyiary przekrojów a 7c b 7c a

Bardziej szczegółowo

Temat: Algorytmy zachłanne

Temat: Algorytmy zachłanne Temat: Algorytmy zachłanne Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje się w danej chwili najkorzystniejsze. Wybiera zatem lokalnie optymalną możliwość w nadziei,

Bardziej szczegółowo

Wstęp do programowania

Wstęp do programowania Wstęp do programowania Złożoność obliczeniowa, poprawność programów Paweł Daniluk Wydział Fizyki Jesień 2013 P. Daniluk(Wydział Fizyki) WP w. XII Jesień 2013 1 / 20 Złożoność obliczeniowa Problem Ile czasu

Bardziej szczegółowo

Co należy zauważyć Rzuty punktu leżą na jednej prostej do osi rzutów x 12, którą nazywamy prostą odnoszącą Wysokość punktu jest odległością rzutu

Co należy zauważyć Rzuty punktu leżą na jednej prostej do osi rzutów x 12, którą nazywamy prostą odnoszącą Wysokość punktu jest odległością rzutu Oznaczenia A, B, 1, 2, I, II, punkty a, b, proste α, β, płaszczyzny π 1, π 2, rzutnie k kierunek rzutowania d(a,m) odległość punktu od prostej m(a,b) prosta przechodząca przez punkty A i B α(1,2,3) płaszczyzna

Bardziej szczegółowo

Jerzy UCIŃSKI, Sławomir HALUSIAK Politechnika Łódzka, jerzy.ucinski@p.lodz.pl, slawomir.halusiak@p.lodz.pl

Jerzy UCIŃSKI, Sławomir HALUSIAK Politechnika Łódzka, jerzy.ucinski@p.lodz.pl, slawomir.halusiak@p.lodz.pl Politechnika Łódzka, jerzy.ucinski@p.lodz.pl, slawomir.halusiak@p.lodz.pl ORGANIZACJA ZAŁADUNKU POCIĄGU INTERMODALNEGO S : W pracy przedstawiono metodę optymalnego formowania składu pociągu intermodalnego

Bardziej szczegółowo

Złożoność obliczeniowa zadania, zestaw 2

Złożoność obliczeniowa zadania, zestaw 2 Złożoność obliczeniowa zadania, zestaw 2 Określanie złożoności obliczeniowej algorytmów, obliczanie pesymistycznej i oczekiwanej złożoności obliczeniowej 1. Dana jest tablica jednowymiarowa A o rozmiarze

Bardziej szczegółowo

Algorytmy i str ruktury danych. Metody algorytmiczne. Bartman Jacek

Algorytmy i str ruktury danych. Metody algorytmiczne. Bartman Jacek Algorytmy i str ruktury danych Metody algorytmiczne Bartman Jacek jbartman@univ.rzeszow.pl Metody algorytmiczne - wprowadzenia Znamy strukturę algorytmów Trudność tkwi natomiast w podaniu metod służących

Bardziej szczegółowo

Maciej Piotr Jankowski

Maciej Piotr Jankowski Reduced Adder Graph Implementacja algorytmu RAG Maciej Piotr Jankowski 2005.12.22 Maciej Piotr Jankowski 1 Plan prezentacji 1. Wstęp 2. Implementacja 3. Usprawnienia optymalizacyjne 3.1. Tablica ekspansji

Bardziej szczegółowo

UKŁADY ALGEBRAICZNYCH RÓWNAŃ LINIOWYCH

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

Bardziej szczegółowo

Plan wykładu. Wykład 3. Rzutowanie prostokątne, widoki, przekroje, kłady. Rzutowanie prostokątne - geneza. Rzutowanie prostokątne - geneza

Plan wykładu. Wykład 3. Rzutowanie prostokątne, widoki, przekroje, kłady. Rzutowanie prostokątne - geneza. Rzutowanie prostokątne - geneza Plan wykładu Wykład 3 Rzutowanie prostokątne, widoki, przekroje, kłady 1. Rzutowanie prostokątne - geneza 2. Dwa sposoby wzajemnego położenia rzutni, obiektu i obserwatora, metoda europejska i amerykańska

Bardziej szczegółowo

a) 7 b) 19 c) 21 d) 34

a) 7 b) 19 c) 21 d) 34 Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie

Bardziej szczegółowo

ALGORYTM DLA PROBLEMU MAKSYMALIZACJI ZDYSKONTOWANYCH PRZEPŁYWÓW PIENIĘŻNYCH PROJEKTU ROZLICZANEGO ETAPOWO

ALGORYTM DLA PROBLEMU MAKSYMALIZACJI ZDYSKONTOWANYCH PRZEPŁYWÓW PIENIĘŻNYCH PROJEKTU ROZLICZANEGO ETAPOWO ALGORYTM DLA PROBLEMU MAKSYMALIZACJI ZDYSKONTOWANYCH PRZEPŁYWÓW PIENIĘŻNYCH PROJEKTU ROZLICZANEGO ETAPOWO Marcin KLIMEK, Piotr ŁEBKOWSKI Streszczenie: Proble haronograowania projektu z kryteriu aksyalizacji

Bardziej szczegółowo

Heurystyczne metody przeszukiwania

Heurystyczne metody przeszukiwania Heurystyczne metody przeszukiwania Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Pojęcie heurystyki Metody heurystyczne są jednym z ważniejszych narzędzi sztucznej inteligencji.

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Politechnia Gdańsa Wydział Eletrotechnii i Autoatyi Katedra Inżynierii Systeów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI Systey ciągłe budowa odeli enoenologicznych z praw zachowania Materiały poocnicze

Bardziej szczegółowo

PG im. Tadeusza Kościuszki w Kościerzycach Przedmiot

PG im. Tadeusza Kościuszki w Kościerzycach Przedmiot KARTA MONITOROWANIA PODSTAWY PROGRAMOWEJ KSZTAŁCENIA OGÓLNEGO III etap edukacyjny PG im. Tadeusza Kościuszki w Kościerzycach Przedmiot matematyka Klasa......... Rok szkolny Imię i nazwisko nauczyciela

Bardziej szczegółowo

2. Szybka transformata Fouriera

2. Szybka transformata Fouriera Szybka transforata Fouriera Wyznaczenie ciągu (Y 0, Y 1,, Y 1 ) przy użyciu DFT wyaga wykonania: nożenia zespolonego ( 1) razy, dodawania zespolonego ( 1) razy, przy założeniu, że wartości ω j są już dane

Bardziej szczegółowo

Adam Meissner SZTUCZNA INTELIGANCJA

Adam Meissner SZTUCZNA INTELIGANCJA Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis SZTUCZNA INTELIGANCJA Podstawy programowania z ograniczeniami

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

Procedury dekompresji i kompresji dla stężonego powietrza i nitrosku. Szybkość zanurzania nie może przekraczać 30 m/min.

Procedury dekompresji i kompresji dla stężonego powietrza i nitrosku. Szybkość zanurzania nie może przekraczać 30 m/min. Załącznik Nr 4 Procedury dekopresji i kopresji dla stężonego powietrza i nitrosku 1. PROCEDURY SPRĘŻANIA Szybkość zanurzania nie oże przekraczać 30 /. 2. PROCEDURY DEKOMPRESYJNE Tabele dekopresyjne wyznaczają

Bardziej szczegółowo

MECHANIKA BUDOWLI. Linie wpływu sił w prętach kratownic statycznie niewyznaczalnych

MECHANIKA BUDOWLI. Linie wpływu sił w prętach kratownic statycznie niewyznaczalnych Dana kratownica: Olga Kopacz, Ada Łodygowski, ojciech Pawłowski, Michał Płotkowiak, Krzysztof Typer Konsultacje naukowe: prof. dr hab. JERZY RAKOSKI Poznań 00/00 MECHANIKA BUDOLI Linie wpływu sił w prętach

Bardziej szczegółowo

Algorytmy sztucznej inteligencji

Algorytmy sztucznej inteligencji www.math.uni.lodz.pl/ radmat Przeszukiwanie z ograniczeniami Zagadnienie przeszukiwania z ograniczeniami stanowi grupę problemów przeszukiwania w przestrzeni stanów, które składa się ze: 1 skończonego

Bardziej szczegółowo

str 1 WYMAGANIA EDUKACYJNE ( ) - matematyka - poziom podstawowy Dariusz Drabczyk

str 1 WYMAGANIA EDUKACYJNE ( ) - matematyka - poziom podstawowy Dariusz Drabczyk str 1 WYMAGANIA EDUKACYJNE (2017-2018) - matematyka - poziom podstawowy Dariusz Drabczyk Klasa 3e: wpisy oznaczone jako: (T) TRYGONOMETRIA, (PII) PLANIMETRIA II, (RP) RACHUNEK PRAWDOPODOBIEŃSTWA, (ST)

Bardziej szczegółowo

KADD Minimalizacja funkcji

KADD Minimalizacja funkcji Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków

Bardziej szczegółowo

OPISY PRZESTRZENNE I PRZEKSZTAŁCENIA

OPISY PRZESTRZENNE I PRZEKSZTAŁCENIA OPISY PRZESTRZENNE I PRZEKSZTAŁCENIA Wprowadzenie W robotyce przez pojęcie manipulacji rozumiemy przemieszczanie w przestrzeni przedmiotów i narzędzi za pomocą specjalnego mechanizmu. W związku z tym pojawia

Bardziej szczegółowo

TEORETYCZNE PODSTAWY INFORMATYKI

TEORETYCZNE 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 szczegółowo

UCHWAŁA nr 8/JK/2014 Rady Wydziału Zarządzania Uniwersytetu Łódzkiego podjęta na posiedzeniu w dniu 17 marca 2014 roku

UCHWAŁA nr 8/JK/2014 Rady Wydziału Zarządzania Uniwersytetu Łódzkiego podjęta na posiedzeniu w dniu 17 marca 2014 roku UCHWAŁA nr 8/JK/2014 Rady Wydziału Zarządzania Uniwersytetu Łódzkiego podjęta na posiedzeniu w dniu 17 arca 2014 roku w sprawie: przyjęcia prograu kształcenia kierunku Manageent and Finance prowadzonego

Bardziej szczegółowo

RÓWNANIE DYNAMICZNE RUCHU KULISTEGO CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA

RÓWNANIE DYNAMICZNE RUCHU KULISTEGO CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA Dr inż. Andrzej Polka Katedra Dynamiki Maszyn Politechnika Łódzka RÓWNANIE DYNAMICZNE RUCHU KULISTEGO CIAŁA SZTYWNEGO W UKŁADZIE PARASOLA Streszczenie: W pracy opisano wzajemne położenie płaszczyzny parasola

Bardziej szczegółowo

znalezienia elementu w zbiorze, gdy w nim jest; dołączenia nowego elementu w odpowiednie miejsce, aby zbiór pozostał nadal uporządkowany.

znalezienia elementu w zbiorze, gdy w nim jest; dołączenia nowego elementu w odpowiednie miejsce, aby zbiór pozostał nadal uporządkowany. Przedstawiamy algorytmy porządkowania dowolnej liczby elementów, którymi mogą być liczby, jak również elementy o bardziej złożonej postaci (takie jak słowa i daty). Porządkowanie, nazywane również często

Bardziej szczegółowo

COMPUTER SYSTEM FOR THE SIMULATION OF THE HEAT TRANSFER IN A STONE REGENERATOR

COMPUTER SYSTEM FOR THE SIMULATION OF THE HEAT TRANSFER IN A STONE REGENERATOR Wojciech MUELLER, Sergiusz MAĆKOWIAK, Idzi SIATKOWSKI * Uniwersytet Przyrodniczy w Poznaniu Instytut Inżynierii Rolniczej * Katedra Metod Mateatycznych i Statystycznych COMPUTER SYSTEM FOR THE SIMULATION

Bardziej szczegółowo

Wyszukiwanie binarne

Wyszukiwanie 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 szczegółowo

Algorytmy równoległe: ocena efektywności prostych algorytmów dla systemów wielokomputerowych

Algorytmy równoległe: ocena efektywności prostych algorytmów dla systemów wielokomputerowych Algorytmy równoległe: ocena efektywności prostych algorytmów dla systemów wielokomputerowych Rafał Walkowiak Politechnika Poznańska Studia inżynierskie Informatyka 2014/15 Znajdowanie maksimum w zbiorze

Bardziej szczegółowo

WYZNACZANIE PRZEMIESZCZEŃ SOLDIS

WYZNACZANIE PRZEMIESZCZEŃ SOLDIS WYZNACZANIE PRZEMIESZCZEŃ SOLDIS W programie SOLDIS-PROJEKTANT przemieszczenia węzła odczytuje się na końcu odpowiednio wybranego pręta. Poniżej zostanie rozwiązane przykładowe zadanie, które również zostało

Bardziej szczegółowo

Technologia informacyjna Algorytm Janusz Uriasz

Technologia informacyjna Algorytm Janusz Uriasz Technologia informacyjna Algorytm Janusz Uriasz Algorytm Algorytm - (łac. algorithmus); ścisły przepis realizacji działań w określonym porządku, system operacji, reguła komponowania operacji, sposób postępowania.

Bardziej szczegółowo

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu. Tytuł: 01 Budowa portfela produktowego. Zastosowanie programowania liniowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put

Bardziej szczegółowo

BADANIE WIARYGODNOŚCI PROCEDUR DETEKCJI ZAGROŻEŃ EPIDEMIOLOGICZNYCH RELIABILITY ASSESSMENT OF EPIDEMIOLOGICAL DETECTION PROCEDURES

BADANIE WIARYGODNOŚCI PROCEDUR DETEKCJI ZAGROŻEŃ EPIDEMIOLOGICZNYCH RELIABILITY ASSESSMENT OF EPIDEMIOLOGICAL DETECTION PROCEDURES Prof. dr hab. inż. Andrzej AELJAŃCZYK Wojskowa Akadeia Techniczna, Warszawa BADANIE WIAYGODNOŚCI POCEDU DETEKCJI ZAGOŻEŃ EPIDEIOLOGICZNYCH ELIABILITY ASSESSENT OF EPIDEIOLOGICAL DETECTION POCEDUES Streszczenie

Bardziej szczegółowo

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

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

Bardziej szczegółowo

Programowanie dynamiczne

Programowanie dynamiczne Programowanie dynamiczne Patryk Żywica 5 maja 2008 1 Spis treści 1 Problem wydawania reszty 3 1.1 Sformułowanie problemu...................... 3 1.2 Algorytm.............................. 3 1.2.1 Prosty

Bardziej szczegółowo

ĆWICZENIE 5 Badanie stanów nieustalonych w obwodach szeregowych RLC przy wymuszeniu sinusoidalnie zmiennym

ĆWICZENIE 5 Badanie stanów nieustalonych w obwodach szeregowych RLC przy wymuszeniu sinusoidalnie zmiennym ĆWIZENIE 5 Badanie stanów nieustalonych w obwodach szeregowych R przy wyuszeniu sinusoidaie zienny. el ćwiczenia Zapoznanie się z rozpływe prądów, rozkłade w stanach nieustalonych w obwodach szeregowych

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

Scenariusz lekcji. 3. Temat lekcji: Zastosowanie własności trójmianu kwadratowego: rysowanie wykresu, wyznaczanie wzoru o podanych własnościach;

Scenariusz lekcji. 3. Temat lekcji: Zastosowanie własności trójmianu kwadratowego: rysowanie wykresu, wyznaczanie wzoru o podanych własnościach; Scenariusz lekcji 1. Informacje wstępne: Data: 16 kwietnia 2013r.; Klasa: I c liceum (profil bezpieczeństwo wewnętrzne); Czas trwania zajęć: 45 minut; Nauczany przedmiot: matematyka; 2. Program nauczania:

Bardziej szczegółowo

Przeszukiwanie z nawrotami. Wykład 8. Przeszukiwanie z nawrotami. J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279

Przeszukiwanie z nawrotami. Wykład 8. Przeszukiwanie z nawrotami. J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279 Wykład 8 J. Cichoń, P. Kobylański Wstęp do Informatyki i Programowania 238 / 279 sformułowanie problemu przegląd drzewa poszukiwań przykłady problemów wybrane narzędzia programistyczne J. Cichoń, P. Kobylański

Bardziej szczegółowo

KONSPEKT ZAJĘĆ EDUKACYJNYCH

KONSPEKT ZAJĘĆ EDUKACYJNYCH KONSPEKT ZAJĘĆ EDUKACYJNYCH Część organizacyjna: Opracowała: grupa 4 ds. korelacji matematyczno-fizycznej Przedmiot: matematyka Klasa: I technikum poziom podstawowy Czas trwania: 45 min. Data: Część merytoryczna

Bardziej szczegółowo

POLITECHNIKA ŚLĄSKA. ZADANIE 2 WALCEM PO WALCU Zadanie zaproponowali: dr inż. Mariusz Pleszczyński, Wydział Matematyki Stosowanej, Politechnika Śląska

POLITECHNIKA ŚLĄSKA. ZADANIE 2 WALCEM PO WALCU Zadanie zaproponowali: dr inż. Mariusz Pleszczyński, Wydział Matematyki Stosowanej, Politechnika Śląska ZADANIE 1 LICZBY ZESPOLONE Zadanie zaproponował: mgr Krzysztof Jarczewski, III LO im. S. Batorego w Chorzowie Liczbą zespoloną nazywamy wyrażenie postaci a + bi, gdzie a i b są dowolnymi liczbami rzeczywistymi,

Bardziej szczegółowo

Karta (sylabus) przedmiotu

Karta (sylabus) przedmiotu WM Karta (sylabus) przedmiotu MECHANIKA I BUDOWA MASZYN Studia I stopnia o profilu: A P Przedmiot: Wybrane z Kod ECTS Status przedmiotu: obowiązkowy MBM S 0 5 58-4_0 Język wykładowy: polski, angielski

Bardziej szczegółowo

Programowanie dynamiczne i algorytmy zachłanne

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

Bardziej szczegółowo

MATEMATYKA. klasa VII. Podstawa programowa przedmiotu SZKOŁY BENEDYKTA

MATEMATYKA. klasa VII. Podstawa programowa przedmiotu SZKOŁY BENEDYKTA 2017-09-01 MATEMATYKA klasa VII Podstawa programowa przedmiotu SZKOŁY BENEDYKTA Cele kształcenia wymagania ogólne I. Sprawność rachunkowa. 1. Wykonywanie nieskomplikowanych obliczeń w pamięci lub w działaniach

Bardziej szczegółowo

Metody ilościowe w badaniach ekonomicznych

Metody ilościowe w badaniach ekonomicznych prof. dr hab. Tadeusz Trzaskalik dr hab. Maciej Nowak, prof. UE Wybór portfela projektów z wykorzystaniem wielokryterialnego programowania dynamicznego Metody ilościowe w badaniach ekonomicznych 19-06-2017

Bardziej szczegółowo

EGZAMIN POTWIERDZAJĄCY KWALIFIKACJE W ZAWODZIE Rok 2017 CZĘŚĆ PRAKTYCZNA

EGZAMIN POTWIERDZAJĄCY KWALIFIKACJE W ZAWODZIE Rok 2017 CZĘŚĆ PRAKTYCZNA Arkusz zawiera inforacje prawnie chronione do oentu rozpoczęcia egzainu Układ graficzny CKE 2016 Nazwa kwalifikacji: Eksploatacja złóż etodą odkrywkową Oznaczenie kwalifikacji: M.10 Nuer zadania: 01 Wypełnia

Bardziej szczegółowo

WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych)

WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych) WARSZTATY METODYCZNE (dla nauczycieli matematyki szkół ponadgimnazjalnych) Aktywizujące metody nauczania na przykładzie tematu: Dyskusja nad liczbą rozwiązań równania liniowego z wartością bezwzględną

Bardziej szczegółowo

Ekonomia matematyczna Dynamiczny model wymiany rynkowej (Arrowa-Hurwicza)

Ekonomia matematyczna Dynamiczny model wymiany rynkowej (Arrowa-Hurwicza) Ekonoia ateatyczna -. Dynaiczny odel wyiany rynkowej (Arrowa-Hurwicza) W oencie t 0, na rynku, na który występuje skończona liczba n towarów,,...,n o cenach pt p t,...,p n t operuje agentów,...,. Każdy

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rozdział 9 PROGRAMOWANIE DYNAMICZNE

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

Bardziej szczegółowo

Archiwum Fotogrametrii, Kartografii i Teledetekcji Vol. 9,1999, s ISBN Streszczenie

Archiwum Fotogrametrii, Kartografii i Teledetekcji Vol. 9,1999, s ISBN Streszczenie Polskie Towarzystwo Fotograetrii i Teledetekcji oraz Katedra Fotograetrii i Teledetekcji Wydziału Geodezji i Gospodarki Przestrzennej Uniwersytetu Warińsko-Mazurskiego w Olsztynie Archiwu Fotograetrii,

Bardziej szczegółowo

PRZEWODNIK DLA STUDENTÓW I ROKU STUDIÓW DRUGIEGO STOPNIA Specjalność: Zarządzanie w sporcie

PRZEWODNIK DLA STUDENTÓW I ROKU STUDIÓW DRUGIEGO STOPNIA Specjalność: Zarządzanie w sporcie KATERDA ZARZĄDZANIA W TURYSTYCE WYDZIAŁ ZARZĄDZANIA I KMUNIKACJI SPŁECZNEJ UNIWERSYTET JAGIELLŃSKI PRZEWDNIK DLA STUDENTÓW I RKU STUDIÓW DRUGIEG STPNIA Specjalność: Zarządzanie w Wybór przediotów fakultatywnych

Bardziej szczegółowo

Teoria obliczeń i złożoność obliczeniowa

Teoria obliczeń i złożoność obliczeniowa Teoria obliczeń i złożoność obliczeniowa Kontakt: dr hab. inż. Adam Kasperski, prof. PWr. pokój 509 B4 adam.kasperski@pwr.wroc.pl materiały + informacje na stronie www. Zaliczenie: Egzamin Literatura Problemy

Bardziej szczegółowo

ĆWICZENIE 6 Kratownice

ĆWICZENIE 6 Kratownice ĆWICZENIE 6 Kratownice definicja konstrukcja składająca się z prętów prostych połączonych przegubowo w węzłach, dla której jedynymi obciążeniami są siły skupione przyłożone w węzłach. Umowa: jeśli konstrukcja

Bardziej szczegółowo

Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1.

Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Teraz bajty. Informatyka dla szkół ponadpodstawowych. Zakres rozszerzony. Część 1. Grażyna Koba MIGRA 2019 Spis treści (propozycja na 2*32 = 64 godziny lekcyjne) Moduł A. Wokół komputera i sieci komputerowych

Bardziej szczegółowo

OPTYMALIZACJA DYSKRETNA

OPTYMALIZACJA DYSKRETNA Temat nr a: odelowanie problemów decyzyjnych, c.d. OPTYALIZACJA DYSKRETA Zagadnienia decyzyjne, w których chociaż jedna zmienna decyzyjna przyjmuje wartości dyskretne (całkowitoliczbowe), nazywamy dyskretnymi

Bardziej szczegółowo

ZASTOSOWANIE METODY LOGICZNO- ALGEBRAICZNEJ I TECHNIK PROGRAMOWANIA Z OGRANICZENIAMI DO BADANIA POPRAWNO CI BAZY WIEDZY

ZASTOSOWANIE METODY LOGICZNO- ALGEBRAICZNEJ I TECHNIK PROGRAMOWANIA Z OGRANICZENIAMI DO BADANIA POPRAWNO CI BAZY WIEDZY Grzegorz BOCEWICZ Politechnika Koszali ska ZASTOSOWANIE METODY LOGICZNO- ALGEBRAICZNEJ I TECHNIK PROGRAMOWANIA Z OGRANICZENIAMI DO BADANIA POPRAWNO CI BAZY WIEDZY 1. Wst p Badaj c baz wiedzy dowolnego

Bardziej szczegółowo

RAPORT SPRAWDZIAN 2012 SZKOŁA PODSTAWOWA IM. KSIĘDZA TEODORA KORCZA W TOPOLI MAŁEJ

RAPORT SPRAWDZIAN 2012 SZKOŁA PODSTAWOWA IM. KSIĘDZA TEODORA KORCZA W TOPOLI MAŁEJ SPRAWDZIAN 2012 RAPORT SZKOŁA PODSTAWOWA IM. KSIĘDZA TEODORA KORCZA W TOPOLI MAŁEJ Spis treści: 1. Prezentacja wyników. 2. Analiza wyników umiejętności w kategoriach: czytanie, pisanie, rozumowanie, korzystanie

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska

SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska SYSTEMY UCZĄCE SIĘ WYKŁAD 4. DRZEWA REGRESYJNE, INDUKCJA REGUŁ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska DRZEWO REGRESYJNE Sposób konstrukcji i przycinania

Bardziej szczegółowo