Rozwiązanie uogólnionego problemu optymalnej alokacji zasobów. Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE
|
|
- Kacper Białek
- 8 lat temu
- Przeglądów:
Transkrypt
1 Rozwiązanie uogólnionego problemu opymalnej alokacji zasobów Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE Niniejszy arykuł rozwiązuje problem owary posawiony w [4], dzięki czemu będzie można znaleźć rozwiązania do wszyskich 6 przykładów z [4] oraz wielu innych. Maemaycznie ujmując, uogólniony problem opymalnej alokacji zasobów (o nim bowiem mowa) formułuje się nasępująco () max r ( d ) gdy T () = = T = g ( d ) w. Aby wyjaśnić co oznaczają funkcje r d ) oraz g d ), odwołajmy się na chwilę do ( ( przykładu 7 z [4]. W ym przypadku problem polega na alokacji d sprzedawców produku D do T regionów znając zarówno koszy g ( d ) wysłania d sprzedawców do regionu, jak i wielkość sprzedaży r d ) jaką oni am uzyskają z zamiarem T ( maksymalizacji łącznej sprzedaży r ( d ), przy spełnieniu ograniczeń budżeowych posaci (). = Rozdział rozpoczniemy od przypomnienia sformułowania klasycznego (najprosszego) problemu opymalnej alokacji zasobów gdy () redukuje się do nierówności (*) = = T d w ; sformułowania klasycznego problemu alokacji można znaleźć np. w [, rozdz. 4.4], [, rozdz. 0.4] oraz [4], gdzie zosało ono rozwiązane przy użyciu programu oblicze- * Cezary S. Zaremba ukończył sudia licencjackie w WSZ-POU oraz magiserskie z Informayki w Universiy College London ** Leszek S. Zaremba jes profesorem w WSZ-POU
2 niowego Problem. Waro u od razu zaznaczyć że we wszyskich zagadnieniach alokacji zasobów, łącznie z zagadnieniem klasycznym, funkcje r (d) wysępujące w () kórych sumę maksymalizujemy są zupełnie dowolne, naomias ograniczenia (jeśli je przyjmujemy) doyczą jedynie funkcji g d ), kóre we wzmiankowanym ( powyżej przykładzie 7 z [4] reprezenowały koszy wysłania regionu. d sprzedawców do Klasyczny problem alokacji zasobów jes jednak zby mało ogólny aby za pomocą niego móc rozwiązać większość zagadnień decyzyjnych w firmie. W szczególności, nie obejmuje on przykładu pod yułem Przeprowadzka z Białegosoku do Warszawy od kórego rozpoczynamy rozdział oraz wzmiankowanego powyżej przykładu Sprzedawcy produku D. Aby rozwiązać e przykłady (i wiele innych) wysarczy umieć rozwiązać zagadnienie opymalnej alokacji zasobów posaci: () max r ( d ) gdy T = (*) c d w. T = Jak ławo widać, problem en redukuje się do klasycznego zagadnienia alokacji zaso- bów gdy wszyskie paramery c =, T, będąc jednocześnie szczególnym przy- padkiem zagadnienia ()-() kiedy o g ( d) c d. = Aby rozwiązać problem ()-(*), a zaem i przykłady i, sworzony zosał w rozdziale ego arykułu specjalny algorym obliczeniowy pod nazwą Proporcjonal. Nazwa ego programu pochodzi sąd że nierówność (*) pokazuje proporcjonalne koszy w sosunku do ilości użyych zasobów d. Więcej na ema algorymu Proporional czyelnik znajdzie przy okazji omawiania przykładu. W rozdziale przechodzimy do nieco bardziej skomplikowanego zagadnienia niż ()-(*). Mianowicie, zamias warunku (*), będziemy mieć am do czynienia z nierównością () gdy g ( ), g ( ), g ( ) id. są funkcjami kwadraowymi. Przykład d d d 5 kóry ilusruje en problem rozwiążemy za pomocą algorymu obliczeniowego Quadraic sworzonego na porzeby ego arykułu.
3 Okazuje się że gdy funkcje g (d) są bardziej skomplikowane niż kwadraowe, na przykład są jednomianami sopnia, zagadnienie opymalnej alokacji zasobów da się eż rozwiązać. Przekonywujemy się o ym rozwiązując w rozdziale przykład 6, kóry jes szczególnym przypadkiem zagadnienia alokacji zasobów posaci (4) max{ r d ) + r ( d ) + r ( ) } gdy ( d, (4*) d + d + d w przy użyciu ego samego algorymu Quadraic. W rozdziale rozwiązujemy uogólniony problem alokacji zasobów (wszyskie funkcje g (d) wysępujące w () mogą być zupełnie dowolne) za pomocą algorymu obliczeniowego Generalized co objaśnimy na przykładzie 7, po czym dokonujemy analizy czułości opymalnego rozwiązania od paramerów modelu maemaycznego (sensiiviy analysis). W osanim 4 rozdziale rozwiązujemy exra złożony problem posaci (5) max r ( d ) gdy (6) = = T T = g ( d ) w, = h ( d ) z, = kóry jes ilusrowany przykładem 8 pod yułem przeprowadzka z Białegosoku do Warszawy. Program obliczeniowy Double Generalized służy do rozwiązania zagadnienia (5)-(6) w całej rozciągłości. T ROZDZIAŁ. UOGÓLNIONE ZAGADNIENIE ALOKACJI ZASOBÓW Zaczniemy od przypomnienia przykładu 5 z [4]. Przykład (przeprowadzka z Białegosoku do Warszawy) Kowalscy przeprowadzają się z Białegosoku do Warszawy. Ponieważ z jednej srony wynajęcie dużego środka ransporu kóry by przewiózł ich wszyskie meble za jednym razem jes koszowne, a z drugiej srony ich kuzyn kóry dysponuje niedużym samochodem ransporowym zaoferował przewiezienie ich mebli w -óch urach (dziś i za ygodnie) za opłaą kóra pokrywa jedynie koszy paliwa, Kowalscy zdecydowali się na jego oferę.
4 4 Doradź im w jaki sposób mają zabrać w pierwszej urze jak najbardziej porzebne meble i urządzenia kuchenne kóre im wysarczą przez ygodnie, a z drugiej srony zmieszczą się na kuzyna ciężarówce, co oznacza że suma objęości przedmioów kóre wezmą z sobą w -ej urze nie przekroczy pojemności jego ciężarówki, czyli 0 merów sześciennych. Każdemu meblowi i urządzeniu (zosały one ponumerowane od do n), przyporządkowali określoną użyeczność, kórą oznaczymy przez r d ), gdzie d i oznacza ilość mebli czy urządzeń ypu i, zaware są w abelach i. i ( i i n. Informacje powyższe Zakładamy że meble z abeli nie dadzą się ak ulokować na ciężarówce aby kolejny (drugi, rzeci) mebel można było nałożyć na pierwszy zaoszczędzając w en sposób miejsce na inny mebel. Tego ypu założenie jes spełnione np. w przypadku szaf, lecz nie jes spełnione w przypadku akich krzeseł kóre można wkładać jedno w drugie w efekcie czego objęość jaką zajmą powiedzmy - krzesła będzie znacznie mniejsza niż podwójna (porójna) objęość jednego krzesła. lekkie meble średnie meble ciężkie meble Tabela : Użyeczność mebli ilość mebli 4 użyeczność Tabela : Objęości mebli ilość mebli 4 lekkie meble średnie meble ciężkie meble objęość w m
5 5 Z abeli widać że warunek (*) jes spełniony gdy przyjmiemy iż c =, c =, c = 6. Algorym obliczeniowy Proporional napisany w języku Java specjalnie dla rozwiązania zagadnienia ()-(*) wyliczył że najlepiej przewieść 4 lekkie meble (użyeczność 80, objęość 4m ), 4 średnie meble (użyeczność 500, objęość 8m ) oraz ciężkie meble (użyeczność 00, objęość 8m ), co daje maksymalną użyeczność 70, wykorzysując w 00% dopuszczalną objęość 0m ). Aby uzyskać drugie najlepsze rozwiązanie, należy przewieść 4 średnie meble (użyeczność 500, objęość 8m ), lekkie meble (użyeczność 50, objęość m ) oraz ciężkie meble (użyeczność 00, objęość 8m )co daje użyeczność równą 680 przy wykorzysaniu objęości 9m. Przykład (sprzedaż produku D); por. [ 4, przykład 8] oraz [, sr. 964]) Firma Abecadło zasanawia się ilu zarudnić sprzedawców produku D (kórzy od momenu zarudnienia będą jej zasobem) aby nasępnie skierować ich do T regionów znając zarówno koszy g ( x ) wysłania x sprzedawców do regionu, jak i wielkość sprzedaży r ( x ) jaką x sprzedawców uzyska w rejonie. Firmie chodzi więc o mak- symalizację łącznych przychodów ze sprzedaży r ( x ) przy zachowaniu ograni- =
6 6 czenia = = g ( x ) w, gdzie w jes budżeem firmy na dany rok równym w ym przykładzie 0 mln złoych. Tabela : Przychód ze sprzedaży w T= regionach ilość sprzedawców region przychód (rocznie w ys. PLN) # # # region # # # Tabela 4: Koszy z regionów T ilość sprzedawców koszy (rocznie w ys. PLN) Algorym Proporional wylicza że najlepiej zarudnić 0 sprzedawców w regionie # (przychód 4000, koszy 000), 0 w regionie #4 (przychód 6000, koszy 5000) oraz 0 w regionie # (przychód 700, koszy 000), co daje łącznie największy przychód 700. Drugie najlepsze rozwiązanie o zarudnienie 0 sprzedawców w regionie # (przychód 4000, koszy 000), 0 w regionie # (przychód 5000, koszy 4000) oraz 0 w regionie # (przychód 500, koszy 500), co daje łącznie drugi największy przychód 500.
7 7 Przykład Pan Krzyszof posanowił zainwesować w maksimum 4 różne projeky, po jednym w każdym z 4 krajów (Kanada, USA, Anglia, Polska). Przyjmijmy na chwilę że dolar kanadyjski koszuje zł, dolar amerykański 4zł, zaś fun bryyjski 5zł. Posanowił również że w każdym z ych krajów zainwesuje albo 00 ys. j.p. albo 00 ys. albo 00 ys. albo 400 ys. j.p. danego kraju., mając do dyspozycji,5 mln zł. Wszyskie e inwesycje przynosić będą zyski (sray) przez ą samą ilość la. Tabela 5 podaje NPV, czyli warości dodane jakie wnoszą e 4 projeky dla firmy w zależności od zainwesowanej w nie dziś kwoy. Zagadnienie kóre pragnie rozwiązać pan Krzyszof polega na maksymalizacji sumy warości dodanych wynikłych z realizacji ych projeków przez firmę (minimum projek, maksimum 4 projeky), nie przekraczając budżeu w wysokości 500 ys. zł Tabela 5: NPV z 4 inwesycji w różnych krajach Wymagany kapiał w lokalnej walucie (w ys.) inwesycje NPV (w ys. PLN) A (dolary kanadyjskie) B (dolary USA) C (funy bryyjskie) D (polskie złoówki)
8 8 Tabela 6: Koszy doyczące 4 projeków Wymagany kapiał w lokalnej walucie (w ys.) inwesycje koszy (w ys. PLN) A (dolary kanadyjskie) B (dolary USA) C (funy bryyjskie) D (polskie złoówki) Jak widać z abeli 5, jes u wiele możliwości wyboru. Aby się nie pomylić w wyborze opymalnego rozwiązania, zasosujemy algorym obliczeniowy Proporional, kóry wyświelać będzie abelę danych wyjściowych, najlepsze rozwiązanie, drugie najlepsze rozwiązanie oraz kilka dodakowych informacji. Poszukiwania opymalnej alokacji kapiału podzielimy na 4 fazy. W -ej fazie obliczeń ograniczamy się do zainwesowania w jeden projek całej kwoy 500 ys. zł gdyż może się zdarzyć że aki właśnie sposób inwesowania przyniesie najlepszy rezula. Program nasz wybierze maksymalną liczbę z osaniej kolumny w abeli 5, sprawdzając czy odpowiadająca jej liczba w abeli 6 reprezenująca w ym przykładzie kosz w ys. PLN nie przekracza budżeu, j. kwoy 500. Liczbą ą z abeli 5 będzie 600 (reprezenuje ona inwesycję C na erenie Anglii) ponieważ odpowiadający jej kosz odczyywany z abeli 6 wynosi Oznaczymy ą liczbę przez Max, zaś -ą największą przez Max. W -ej fazie obliczeń rozważamy inwesowanie w różne projeky spośród wszyskich, ak by łączna suma nakładów inwesycyjnych wyniosła nie więcej niż 500 ys. zł. rozpoczynając od 4-4, czyli od decyzji zainwesowania po 400 ys. j.p.w każdy z dwóch projeków. Kolejnym wyborem będzie w ej fazie 4-, nasępnie 4-, 4-, -, -, -, -, -, -, za każdym razem upewniając się w abeli 6 że nie zosał przekroczony budże w wysokosci 500. Program nasz wybiera więc najpierw po jednej liczbie z kolumny 4-ej i 4-ej, kóre nie znajdują się w ym samym wierszu, nasępnie po jednej liczbie z kolumny 4-ej i -ej, id. dodając za każdym razem e
9 9 dwie liczby do siebie jeśli ich suma nie przekroczyła budżeu i uakualniając Max oraz Max. W -ej fazie obliczeń algorym Proporional koncenruje się na wyborze kolumn (nakładów inwesycyjnych) kóre łącznie pochłoną nie więcej niż 500. Algorym rozpoczyna od alokacji 4-4-4, czyli wybiera liczby po jednej z kolumn 4-ej, 4-ej i 4-ej, ak aby e liczby odpowiadały różnym inwesycjom (wierszom). W kolejnym kroku program przechodzi do kolumn 4-4-, wybierając liczby, sumuje je i uakualnia Max i Max. W kolejnym kroku -ej fazy program przechodzi do kolumn 4-4- id. upewniajac się w abeli 6 że nie zosał przekroczony budże. W 4-ej fazie obliczeń program koncenruje się na wyborze 4-ech kolumn (nakładów inwesycyjnych) rozpoczynając od alokacji , poem zajmuje się alokacją , nasępnie , aż do ---. Rozpoczynając od alokacji w 4 różne inwesycje, wybieramy więc 4 liczby po jednej z kolumn 4-ej, 4-ej, 4-ej i 4-ej ak aby e liczby odpowiadały 4 różnym wierszom, za każdym razem sumując je i uakualniając Max oraz Max, o ile nie będzie przekroczony budże. W kolejnym krokach algorym posępuje analogicznie. Proporional wylicza że najlepiej zainwesować 00 j.p. w inwesycję B na erenie USA (NPV=800, koszy 00), 00 j.p. w inwesycję C na erenie Anglii (NPV =500, koszy 000) oraz 00 j.p. w inwesycję A na erenie Kanady (NPV= 500, koszy 00), co łącznie da 800 ys zł. warości dodanej, podczas gdy koszy wyniosą 500 ys. zł. Drugim najlepszym rozwiązaniem jes inwesycja 400 j.p. w inwesycję A (NPV= 600, koszy 00), 00 j.p. w B (NPV=00, koszy 800) oraz 00 j.p. w C (NPV 800, koszy 500), co łącznie da 700 ys. zł, podczas gdy koszy wyniosą również 500 ys. zł.
10 0 Na zakończenie rozdziału powrócimy na chwilę do []. Przykład 4 (jes o bardziej rozbudowany przykład 9 z []) Pan Michał posiada środki w wysokości $40000 do zainwesowania, mając do dyspozycji możliwości inwesycyjne podane w abeli 7. Doradź mu jakie ilości pakieów akcji poszczególnych spółek giełdowych powinien kupić (pakie = 00 akcji) aby w opymalny sposób dokonać alokacji swego kapiału. Ponieważ pan Michał chce zdywersyfikować swój porfel, posanowił nie kupować więcej jak 600 akcji jednej spółki. Tabela 7: Możliwości inwesycyjne oraz oczekiwany zysk Kosz nabycia 00 akcji Oczekiwany zysk Spółka A $,000 $500 Spółka B $4,000 $700 Spółka C $5,000 $800 W ym przykładzie chodzi o aki wybór ilości pakieów ( d pakieów akcji spółki A, d pakieów akcji spółki B oraz d pakieów akcji spółki C) aby maksymalizować oczekiwane zyski wynikające z kupna akcji spółek A, B, C. Tabela 7 podaje zyski z zakupu jednego pakieu akcji. Widzimy że dla spółki A oczekiwany zysk z zakupu jednego pakieu akcji wynosi r () 500, dla spółki B równy jes r () 700, zaś w = =
11 przypadku spółki C oczekiwany zysk wynosi r () 800. Ponieważ zyski są propor- = cjonalne do ilości zakupionych pakieów akcji, zachodzą równości: (7) r d) = d * (), r d) = d * (), r d) = d * (), ( r ( r ( r gdzie d oznacza ilość pakieów akcji. Maemaycznie ujmując, pojawia się zaem nas- ępujący problem opymalizacyjny: (8) max{ r d ) + r ( d ) + r ( ) } gdy spełnione są ograniczenia budżeowe ( d (9) g d ) + g ( d ) + g ( d ) 40000, ( o znaczy, koszy nabycia d pakieów akcji spółki A, d pakieów akcji spółki B oraz d pakieów akcji spółki C nie mogą przewyższać kwoy $0000. W ym przyk- ładzie koszy g ( ), g ( ), g ( ) są proporcjonalne do ilości zakupionych pakieów d d d akcji, dzięki czemu możemy (8)-(9) zapisać w posaci (0) max{ 500d + 700d + 800d } gdy () 000d d d Tabela 8: Oczekiwany zysk doyczący projeków Ilość pakieów akcji NPV z zakupionych akcji Spółka A Spółka B Spółka C Spółka A Spółka B Spółka C Tabela 9: Koszy doyczące projeków Ilość pakieów akcji kosz nabycia akcji
12 Proporional wyliczył że najlepiej zainwesować w 6 pakieów akcji spółki B (zysk 400, kosz 4000), pakiey akcji spółki A (zysk 000, kosz 6000) oraz pakiey akcji spółki C (zysk 600, kosz 0000), co daje całkowiy zysk 6800 oraz całkowiy kosz Aby uzyskać drugie najlepsze rozwiązanie należy zainwesować 6 pakieów akcji spółki B (zysk 400, kosz 4000) oraz 5 pakieów akcji spółki A (zysk 500, kosz 5000), co daje całkowiy zysk 6700 oraz całkowiy kosz ROZDZIAŁ. PRZYPADEK KOSZTÓW OKREŚLONYCH POPRZEZ FUNKCJE KWADRATOWE Przykład 5 (będący poszerzeniem przykładu ) Firma ABC zasanawia się ilu zarudnić sprzedawców produku E (kórzy od momenu zarudnienia będą jej zasobem) aby nasępnie skierować ich do T regionów znając zarówno koszy g ( x ) wysłania x sprzedawców do regionu, jak i wielkość sprzedaży r ( x ) jaką x sprzedawców uzyska w rejonie. Firmie chodzi więc o mak- symalizację łącznych przychodów ze sprzedaży r ( x ) przy zachowaniu ograni- czenia = = 4 g ( x ) w = 5 mln złoych. Funkcje g (x) dane są wzorami: g ( d) = 0.5d + 60d 4 = + 00
13 () g ( d) =.5d + 80d g ( d) = 5d + 50d + g ( d) = 7d + 0d Tabela 0: Przychód ze sprzedaży w T=4 regionach ilość sprzedawców region przychód (rocznie w ys. PLN) # # # # region # # # #4 Tabela : Koszy z 4 regionów ilość sprzedawców koszy (rocznie w ys. PLN) Ogólnie mówiąc, należy zmaksymalizować () max{ r d ) + r ( d ) + r ( d ) + r ( ) }, gdy ( 4 d 4 (4) g d ) + g ( d ) + g ( d ) + g ( d ) <= w biorąc pod uwagę że ( 4 4, (5) g ( x) = a x 4 g ( x) = a x 4 g ( x) = a x g ( x) = a x + b x+ c 4 + b x+ c + b x+ c + b x+ c 4 Naomias kiedy a = a = a = a = c = c = c = c 0, mamy wówczas do czy- 4 4 = nienia z przypadkiem kwadraowym kóry był opisywany w rozdziale w przykładach -4.
14 4 Rozwiązanie Na porzeby rozwiązania zagadnienia alokacji zasobów ()-(5) zosał napisany program obliczeniowy Quadraic. W przypadku przykładu 5 program en wylicza że najlepiej przydzielić 4 sprzedawców do regionu # (przychód 500, kosz 00), 4 sprzedawców do regionu # (przychód 9000, kosz 6000), sprzedawców do regionu #4 (przychód 8000, kosz 400) oraz sprzedawcę do regionu # (przychód 500, kosz 600) co łącznie daje przychód 5600 oraz 5000 kosz. Drugie najlepsze rozwiązanie o przydzielenie sprzedawców do regionu # (przychód 4000, kosz 50), sprzedawców do regionu # (przychód 700, kosz 450), sprzedawców do regionu # (przychód 6000, kosz 600) oraz sprzedawców do regionu #4 (przychód 8000, kosz 400), co łącznie daje przychód 500 oraz kosz 400. Przykład 6 Spróbujmy jeszcze rozwiązać zagadnienie z przykładu 5 gdy funkcje koszów dane są jednomianami sopnia, o znaczy, ograniczenie na koszy jes posaci d + d + d w, czyli mamy do czynienia z abelami -. Naomias budże ym razem wynosi 80 mln złoych. Tabela : Zyski ze sprzedaży w T=4 regionach
15 5 region # # # #4 ilość sprzedawców zyski (rocznie w ys. PLN) region # # # #4 Tabela : Koszy z 4 regionów ilość sprzedawców koszy (rocznie w ys. PLN) Quadraic wylicza że najlepiej wysłać 0 sprzedawców do regionu # (NPV=700, kosz 7000), 0 sprzedawców do regionu #4 (NPV=0800, kosz 7000), 0 sprzedawców do regionu # (NPV=800, kosz 8000) oraz 0 sprzedawców do regionu # (NPV=6000, kosz 8000), czyli całkowiy NPV wynosi 6900 naomias kosz ys. zł. Drugie najlepsze rozwiązanie o wysłanie 0 sprzedawców do regionu # (NPV=8000, kosz 7000), 0 sprzedawców do regionu #4 (NPV=0800, kosz 7000), 0 sprzedawców do regionu # (NPV=800, kosz 8000) oraz 0 sprzedawców do regionu # (NPV=5000, kosz 8000), czyli całkowiy NPV wynosi 6600 naomias kosz ys. zł.
16 6 ROZDZIAŁ. UOGÓLNIONY PROBLEM ALOKACJI ZASOBÓW Przypomnijmy sobie przykład, Przeprowadzka z Białegosoku do Warszawy, gdzie Kowalscy przewozili najbardziej porzebne meble na ciężarówce kuzyna. W amym przykładzie meblami były szafy, szafki z pułkami, regały ip. czyli meble kóre nie dadzą się włożyć w większe meble, aby zaoszczędzić ym samym miejsce na inne meble. W przykładzie 6 będziemy przewozić drobne meble akie jak krzesła, foele, nocne szafki ip. czyli meble kóre można włożyć jedne w drugie (np. krzesło na krzesło). W celu rozwiązania uogólnionego problemu alokacji zasobów ()-(), sworzyliśmy specjalny algorym obliczeniowy p. Generalized. Przykład 7 Objęość ciężarówki wynosi 0m. W jaki sposób wybrać meble, kórych objęości podaje abela 5, aby uzyskać jak najwyższą użyeczność (abela 4). Nasz nowy program obliczeniowy Generalized znalazł odpowiedz na o pyanie. Tabela 4: Użyeczność mebli uwzględniając różne ich ilości ilość
17 7 Meble: A - krzesła B - foele C - soły D - lampy 4 użyeczność Tabela 5: Objęość mebli uwzględniając różne ich ilości ilość (d) 4 Meble: objęość A - krzesła B - foele 5 6 C - soły D szafki nocne Należy zabrać 4 krzesła (użyeczność, objęość m ), soły (użyeczność, objęość 5m ), szafki nocne (użyeczność, objęość m ) oraz foel (użyecz- ność 0, objęość malnej objęości. m ), co daje łączną użyeczność 44 przy wykorzysaniu maksy-
18 8 By uzyskać drugie najlepsze rozwiązanie, należy wybrać 4 krzesła (użyeczność, objęość m ), 4 szafki nocne (użyeczność, objęość m ), soły (użyeczność 0, objęość 4m ) oraz foel (użyeczność 0, objęość m ) co daje łączną użyeczność 4 przy wykorzysaniu maksymalnej ( 0m ) objęości. Ciekawym będzie przeprowadzenie sensiiviy analysis czyli zbadanie jak opymalne rozwiązanie jes czułe na zmianę paramerów modelu maemaycznego. W ym celu rozparzymy jeszcze przypadki gdy objęość wynosić będzie 8m, 9m, m, m. Przypadek: objęość = 8m Program Generalized mówi że najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość B (użyeczność 0, objęość m ), mebli D (użyeczność, objęość m ) oraz mebla C (użyeczność 7, objęość m ), mebla m ), co łącznie daje użyeczność 9 oraz objęość 8m. Drugie najlepsze rozwiązanie o zabranie 4 mebli A (użyeczność, objęość m ), mebli D (użyeczność 0, objęość m ) oraz mebla B (użyeczność 0, objęość m ) oraz mebla C (użyeczność 7, objęość m )co łącznie daje użyeczność 8 oraz objęość 8m. Przypadek: objęość = 9m
19 9 Najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość mebli D (użyeczność, objęość m ), mebli C (użyeczność 0, objęość m ), 4m ) oraz mebla B (użyeczność 0, objęość m ), co łącznie daje użyeczność 4 naomias objęość 9m. Drugim najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość m ), mebli C (użyeczność 0, objęość 4m ), mebli D (użyeczność 0, objęość m ) oraz mebel B (użyeczność 0, objęość m ), co łącznie daje użyeczność 4 naomias objęość 9m. Przypadek: objęość = m Najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość mebli C (użyeczność 4, objęość 6m ), mebli D (użyeczność, objęość m ), 4 m ) oraz mebla B (użyeczność 0, objęość m ), co łącznie daje użyeczność 46 naomias objęość (użyeczność, objęość C (użyeczność, objęość m. Drugim najlepszym rozwiązaniem jes zabranie 4 mebli A łącznie daje użyeczność 45 naomias objęość m ), 4 mebli D (użyeczność, objęość 5m ) oraz mebla B (użyeczność 0, objęość m. m ), mebli m ), co
20 0 Przypadek: objęość = m Najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość mebli C (użyeczność 4, objęość oraz mebel B (użyeczność 0, objęość 6m ), 4 mebli D (użyeczność, objęość m ), 4 m ), m ), co łącznie daje użyeczność 47, nao-
21 mias objęość m. Drugim najlepszym rozwiązaniem jes zabranie 4 mebli A (użyeczność, objęość C (użyeczność, objęość łącznie daje użyeczność 46 naomias objęość m ), 4 mebli D (użyeczność, objęość 5m ) oraz mebli B (użyeczność, objęość m. m ), mebli m ), co Analiza czułości: porównanie rozwiązań najlepsze rozwiązanie -gie najlepsze rozwiązanie 6 8 m 9 m 0 m m m Przykład 8 (przeprowadzka Vanem z Białegosoku do Warszawy bardziej złożony model maemayczny) Tym razem wysąpią ograniczenia: waga i objęość. Zaczniemy od przypadku gdy maksymalna waga = 50 kg, zaś maksymalna objęość = 0m. Tabela 6: Użyeczność mebli uwzględniając różne ich ilości ilość 4 Meble: użyeczność A - krzesła B - foele 0 C - soły D - lampy 8 0
22 A - krzesła B - foele C - soły Tabela 7: Objęość mebli uwzględniając różne ich ilości Meble: D szafki nocne ilość (d) 4 objęość w m Tabela 8: Waga mebli uwzględniając różne ich ilości ilość (d) 4 Meble: waga w kg A - krzesła B - foele C - soły D szafki nocne 8 6 4
23 Wykorzysując 5 razy program Double Generalized, orzymujemy nasępującą analizę czułości rozwiązań od paramerów modelu maemaycznego Tabela 9: Najlepsze rozwiązania Objęość/waga Tabela 0: Drugie najlepsze rozwiązanie Objęość/waga Z obu abel można wyciągnąć wiele wniosków. Na przykład en że zwiększanie wagi dopuszczalnej począwszy od 00 kg w zwyż nie poprawia maksymalnej użyeczności. Lieraura. B. Guzik, Ekonomeria i Badania Operacyjne, Wydawnicwo Akademii Ekonomicznej w Poznaniu, Poznań, E. Ignasiak, Badania Operacyjne, PWE, Warszawa, W. Winson, Operaions Research: Applicaions and Algorihms, PWS-Ken Publishing Company, C. S. Zaremba, L.S. Zaremba, O pewnym algorymie rozwiązującym problem opymalnej alokacji zasobów, Zarządzanie Zmianami Biuleyn POU, 00.
Rozwiązanie uogólnionego problemu optymalnej alokacji zasobów
Rozwiązanie uogólnionego problemu optymalnej alokacji zasobów dr hab. Leszek S. Zaremba Profesor w POU, kierownik w Katedrze Metod Ilościowych w Finansach w POU Cezary S. Zaremba Absolwent studiów licencjackich
Bardziej szczegółowoO pewnym algorytmie rozwiązującym problem optymalnej alokacji zasobów. Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE
O pewnym algorymie rozwiązującym problem opymalnej alokacji zasobów Cezary S. Zaremba*, Leszek S. Zaremba ** WPROWADZENIE W kierowaniu firmą Zarząd częso saje wobec problemu rozdysponowania (alokacji)
Bardziej szczegółowo1 z 6 2015-08-17 20:41
Algorytm rozwiązujący problem optymalnej alokacji zasobów dr hab. Leszek S. Zaremba Profesor w POU, kierownik w Katedrze Metod Ilościowych w Finansach w POU Cezary S. Zaremba Absolwent studiów licencjackich
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
Bardziej szczegółowoBEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:
1 BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW Leszek S. Zaremba (Polish Open Universiy) W ym krókim i maemaycznie bardzo prosym arykule pragnę osiągnąc cele: (a) pokazac że kupowanie
Bardziej szczegółowoAnaliza opłacalności inwestycji logistycznej Wyszczególnienie
inwesycji logisycznej Wyszczególnienie Laa Dane w ys. zł 2 3 4 5 6 7 8 Przedsięwzięcie I Program rozwoju łańcucha (kanału) dysrybucji przewiduje realizację inwesycji cenrum dysrybucyjnego. Do oceny przyjęo
Bardziej szczegółowoRACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE
RACHUNEK EFEKTYWNOŚCI INWESTYCJI METODY ZŁOŻONE DYNAMICZNE PYTANIA KONTROLNE Czym charakeryzują się wskaźniki saycznej meody oceny projeku inwesycyjnego Dla kórego wskaźnika wyliczamy średnią księgową
Bardziej szczegółowoPolitechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Bardziej szczegółowoCałka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona
Całka nieoznaczona Andrzej Musielak Sr Całka nieoznaczona Całkowanie o operacja odwrona do liczenia pochodnych, zn.: f()d = F () F () = f() Z definicji oraz z abeli pochodnych funkcji elemenarnych od razu
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoWpływ rentowności skarbowych papierów dłużnych na finanse przedsiębiorstw i poziom bezrobocia
Wpływ renowności skarbowych papierów dłużnych na inanse przedsiębiorsw i poziom bezrocia Leszek S. Zaremba Sreszczenie W pracy ej wykażemy prawidłowość, kóra mówi, że im wyższa jes renowność bezryzykownych
Bardziej szczegółowo( ) ( ) ( τ) ( t) = 0
Obliczanie wraŝliwości w dziedzinie czasu... 1 OBLICZANIE WRAśLIWOŚCI W DZIEDZINIE CZASU Meoda układu dołączonego do obliczenia wraŝliwości układu dynamicznego w dziedzinie czasu. Wyznaczane będą zmiany
Bardziej szczegółowoInwestycje. Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak
Inwesycje Makroekonomia II Dr hab. Joanna Siwińska-Gorzelak CIASTECZOWY ZAWRÓT GŁOWY o akcja mająca miejsce w najbliższą środę (30 lisopada) na naszym Wydziale. Wydarzenie o związane jes z rwającym od
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoRozwiązanie zadania 1. Krok Tym razem naszym celem jest, nie tak, jak w przypadku typowego zadania transportowego
Zadanie 1 Pośrednik kupuje towar u dwóch dostawców (podaż: 2 i, jednostkowe koszty zakupu 1 i 12), przewozi go i sprzedaje trzem odbiorcom (popyt: 1, 28 i 27, ceny sprzedaży:, 25 i ). Jednostkowe koszty
Bardziej szczegółowoDodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli?
Dodatek Solver Teoria Dodatek Solver jest częścią zestawu poleceń czasami zwaną narzędziami analizy typu co-jśli (analiza typu co, jeśli? : Proces zmieniania wartości w komórkach w celu sprawdzenia, jak
Bardziej szczegółowoEksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
Bardziej szczegółowoINWESTYCJE. Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak
INWESTYCJE Makroekonomia II Dr Dagmara Mycielska Dr hab. Joanna Siwińska-Gorzelak Inwesycje Inwesycje w kapiał rwały: wydaki przedsiębiorsw na dobra używane podczas procesu produkcji innych dóbr Inwesycje
Bardziej szczegółowoZarządzanie ryzykiem. Lista 3
Zaządzanie yzykiem Lisa 3 1. Oszacowano nasępujący ozkład pawdopodobieńswa dla sóp zwou z akcji A i B (Tabela 1). W chwili obecnej Akcja A ma waość ynkową 70, a akcja B 50 zł. Ile wynosi pięciopocenowa
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoModelowanie całkowitoliczbowe
1 Modelowanie całkowitoliczbowe Zmienne binarne P 1 Firma CMC rozważa budowę nowej fabryki w miejscowości A lub B lub w obu tych miejscowościach. Bierze również pod uwagę budowę co najwyżej jednej hurtowni
Bardziej szczegółowoψ przedstawia zależność
Ruch falowy 4-4 Ruch falowy Ruch falowy polega na rozchodzeniu się zaburzenia (odkszałcenia) w ośrodku sprężysym Wielkość zaburzenia jes, podobnie jak w przypadku drgań, funkcją czasu () Zaburzenie rozchodzi
Bardziej szczegółowoA C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012)
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XLIII nr 2 (2012) 211 220 Pierwsza wersja złożona 25 października 2011 ISSN Końcowa wersja zaakcepowana 3 grudnia 2012 2080-0339
Bardziej szczegółowoAnaliza metod oceny efektywności inwestycji rzeczowych**
Ekonomia Menedżerska 2009, nr 6, s. 119 128 Marek Łukasz Michalski* Analiza meod oceny efekywności inwesycji rzeczowych** 1. Wsęp Podsawowymi celami przedsiębiorswa w długim okresie jes rozwój i osiąganie
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowo2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)
Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza
Bardziej szczegółowoimei 1. Cel ćwiczenia 2. Zagadnienia do przygotowania 3. Program ćwiczenia
CYFROWE PRZEWARZANIE SYGNAŁÓW Laboraorium Inżynieria Biomedyczna sudia sacjonarne pierwszego sopnia ema: Wyznaczanie podsawowych paramerów okresowych sygnałów deerminisycznych imei Insyu Merologii Elekroniki
Bardziej szczegółowoSilniki cieplne i rekurencje
6 FOTO 33, Lao 6 Silniki cieplne i rekurencje Jakub Mielczarek Insyu Fizyki UJ Chciałbym Pańswu zaprezenować zagadnienie, kóre pozwala, rozważając emaykę sprawności układu silników cieplnych, zapoznać
Bardziej szczegółowoMatematyka ubezpieczeń życiowych 25.01.2003 r.
Maemayka ubezpieczeń życiowych 25.01.2003 r. 1.. Dany jes wiek całkowiy x. Nasępujące prawdopodobieńswa przeżycia: g= 2p x + 1/3, h= 2p x + 1/ 2, j= 2p x + 3/4 obliczono sosując inerpolację zakładającą,
Bardziej szczegółowoSystem zielonych inwestycji (GIS Green Investment Scheme)
PROGRAM PRIORYTETOWY Tyuł programu: Sysem zielonych inwesycji (GIS Green Invesmen Scheme) Część 6) SOWA Energooszczędne oświelenie uliczne. 1. Cel programu Ograniczenie lub uniknięcie emisji dwulenku węgla
Bardziej szczegółowoPROBLEMY DECYZYJNE KRÓTKOOKRESOWE
PROBLEMY DECYZYJNE KRÓTKOOKRESOWE OPTYMALNA STRUKTURA PRODUKCJI Na podstawie: J. Wermut, Rachunkowość zarządcza, ODDK, Gdańsk 2013 1 DECYZJE KRÓTKOOKRESOWE Decyzje krótkookresowe to takie, które dotyczą
Bardziej szczegółowoKURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoC d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:
Zadanie. Obliczyć przebieg napięcia na pojemności C w sanie przejściowym przebiegającym przy nasępującej sekwencji działania łączników: ) łączniki Si S są oware dla < 0, ) łącznik S zamyka się w chwili
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoMatematyka finansowa 20.03.2006 r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.
Komisja Egzaminacyjna dla Akuariuszy XXXVIII Egzamin dla Akuariuszy z 20 marca 2006 r. Część I Maemayka finansowa WERSJA TESTU A Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minu 1 1. Ile
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPostęp techniczny. Model lidera-naśladowcy. Dr hab. Joanna Siwińska-Gorzelak
Posęp echniczny. Model lidera-naśladowcy Dr hab. Joanna Siwińska-Gorzelak Założenia Rozparujemy dwa kraje; kraj 1 jes bardziej zaawansowany echnologicznie (lider); kraj 2 jes mniej zaawansowany i nie worzy
Bardziej szczegółowoWSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI
WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB X - ELECTRE TRI 1. Meoda ELECTRE TRI ELECTRE TRI (skró od ang. riage) meoda wspomagająca rozwiązywanie problemów wielokryerialnego sorowania - bardzo podobna
Bardziej szczegółowoAnaliza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak
Ocena wyników zarządzania porelem Analiza i Zarządzanie Porelem cz. 6 Dr Kaarzyna Kuziak Eapy oceny wyników zarządzania porelem: - (porolio perormance measuremen) - Przypisanie wyników zarządzania porelem
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce
Bardziej szczegółowoSprawujesz osobistą opiekę nad dzieckiem? Przeczytaj koniecznie!
Sprawujesz osobisą opiekę nad dzieckiem? Przeczyaj koniecznie! Czy z yułu sprawowania osobisej opieki nad dzieckiem podlegasz ubezpieczeniom społecznym i zdrowonemu Od 1 września 2013 r. osoba sprawująca
Bardziej szczegółowoRównania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.
Równania różniczkowe. Lisa nr 2. Lieraura: N.M. Mawiejew, Meody całkowania równań różniczkowych zwyczajnych. W. Krysicki, L. Włodarski, Analiza Maemayczna w Zadaniach, część II 1. Znaleźć ogólną posać
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoLABORATORIUM PODSTAWY ELEKTRONIKI Badanie Bramki X-OR
LORTORIUM PODSTWY ELEKTRONIKI adanie ramki X-OR 1.1 Wsęp eoreyczny. ramka XOR ramka a realizuje funkcję logiczną zwaną po angielsku EXLUSIVE-OR (WYŁĄZNIE LU). Polska nazwa brzmi LO. Funkcję EX-OR zapisuje
Bardziej szczegółowoObszary zainteresowań (ang. area of interest - AOI) jako metoda analizy wyników badania eye tracking
Inerfejs użykownika - Kansei w prakyce 2009 107 Obszary zaineresowań (ang. area of ineres - AOI) jako meoda analizy wyników badania eye racking Pior Jardanowski, Agencja e-biznes Symeria Ul. Wyspiańskiego
Bardziej szczegółowoTemat: 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 szczegółowoDendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Bardziej szczegółowoREGULAMIN FUNDUSZU ROZLICZENIOWEGO
REGULAMIN FUNDUSZU ROZLICZENIOEGO przyjęy uchwałą nr 10/60/98 Rady Nadzorczej Krajowego Depozyu Papierów arościowych S.A. z dnia 28 września 1998 r., zawierdzony decyzją Komisji Papierów arościowych i
Bardziej szczegółowoWYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Bardziej szczegółowoPrzykład wykorzystania dodatku SOLVER 1 w arkuszu Excel do rozwiązywania zadań programowania matematycznego
Przykład wykorzystania dodatku SOLVER 1 w arkuszu Ecel do rozwiązywania zadań programowania matematycznego Firma produkująca samochody zaciągnęła kredyt inwestycyjny w wysokości mln zł na zainstalowanie
Bardziej szczegółowoWskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
Bardziej szczegółowoĆWICZENIE NR 43 U R I (1)
ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości
Bardziej szczegółowoM1 M2 M3 Jednostka produkcyjna W1 6h 3h 10h h/1000szt 2zł W2 8h 4h 5h h/100szt 25zł Max. czas pracy maszyn:
Zad. Programowanie liniowe Jakiś zakład produkcyjny, ma 3 różne maszyny i produkuje różne produkty. Każdy z produktów wymaga pewnych czasów każdej z 3ch maszyn (podane w tabelce niżej). Ile jakiego produktu
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoWYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU ODPOWIEDZIALNOŚCI
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 668 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 41 2011 BARTŁOMIEJ NITA Uniwersye Ekonomiczny we Wrocławiu WYKORZYSTANIE MIERNIKÓW KREOWANIA WARTOŚCI W RACHUNKU
Bardziej szczegółowoMakroekonomia II. Plan
Makroekonomia II Wykład 5 INWESTYCJE Wyk. 5 Plan Inwesycje 1. Wsęp 2. Inwesycje w modelu akceleraora 2.1 Prosy model akceleraora 2.2 Niedosaki prosego modelu akceleraora 3. Neoklasyczna eoria inwesycji
Bardziej szczegółowoAnaliza danych DRZEWA DECYZYJNE. Drzewa decyzyjne. Entropia. http://zajecia.jakubw.pl/ test 1 dopełnienie testu 1
Analiza danych Drzewa decyzyjne. Enropia. Jakub Wróblewski jakubw@pjwsk.edu.pl hp://zajecia.jakubw.pl/ DRZEWA DECYZYJNE Meoda reprezenacji wiedzy (modelowania ablic decyzyjnych). Pozwala na przejrzysy
Bardziej szczegółowoDobór przekroju żyły powrotnej w kablach elektroenergetycznych
Dobór przekroju żyły powronej w kablach elekroenergeycznych Franciszek pyra, ZPBE Energopomiar Elekryka, Gliwice Marian Urbańczyk, Insyu Fizyki Poliechnika Śląska, Gliwice. Wsęp Zagadnienie poprawnego
Bardziej szczegółowoOPTYMALIZACJA W LOGISTYCE
OPTYMALIZACJA W LOGISTYCE Zagadnienie przydziału dr Zbigniew Karwacki Katedra Badań Operacyjnych UŁ Zagadnienie przydziału 1 Można wyodrębnić kilka grup problemów, których zadaniem jest alokacja szeroko
Bardziej szczegółowoJerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Bardziej szczegółowoEFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH. dr inż. Robert Stachniewicz
EFEKTYWNOŚĆ INWESTYCJI MODERNIZACYJNYCH dr inż. Rober Sachniewicz METODY OCENY EFEKTYWNOŚCI PROJEKTÓW INWESTYCYJNYCH Jednymi z licznych celów i zadań przedsiębiorswa są: - wzros warości przedsiębiorswa
Bardziej szczegółowoBadania operacyjne. te praktyczne pytania, na które inne metody dają odpowiedzi jeszcze gorsze.
BADANIA OPERACYJNE Badania operacyjne Badania operacyjne są sztuką dawania złych odpowiedzi na te praktyczne pytania, na które inne metody dają odpowiedzi jeszcze gorsze. T. Sayty 2 Standardowe zadanie
Bardziej szczegółowoHarmonogram czyszczenia z osadów sieci wymienników ciepła w trakcie eksploatacji instalacji na przykładzie destylacji rurowo-wieżowej
Mariusz Markowski, Marian Trafczyński Poliechnika Warszawska Zakład Aparaury Przemysłowe ul. Jachowicza 2/4, 09-402 Płock Harmonogram czyszczenia z osadów sieci wymienników ciepła w rakcie eksploaaci insalaci
Bardziej szczegółowoWYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Sefan Grzesiak * WYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH STRESZCZENIE W arykule podjęo problem
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoO PEWNYCH KRYTERIACH INWESTOWANIA W OPCJE NA AKCJE
MEODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH om XIII/3, 01, sr 43 5 O EWNYCH KRYERIACH INWESOWANIA W OCJE NA AKCJE omasz Warowny Kaedra Meod Ilościowych w Zarządzaniu oliechnika Lubelska e-mail: warowny@pollubpl
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA I WSPOMAGANIA DECYZJI Rozproszone programowanie produkcji z wykorzystaniem
Bardziej szczegółowoSZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Bardziej szczegółowoZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO
ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO Sreszczenie Michał Barnicki Poliechnika Śląska, Wydział Oranizacji i Zarządzania Monika Odlanicka-Poczobu Poliechnika Śląska, Wydział
Bardziej szczegółowoW. Guzicki Zadanie 41 z Informatora Maturalnego poziom podstawowy 1
W. Guzicki Zadanie 41 z Informatora Maturalnego poziom podstawowy 1 W tym tekście zobaczymy rozwiązanie zadania 41 z Informatora o egzaminie maturalnym z matematyki od roku szkolnego 014/015 oraz rozwiązania
Bardziej szczegółowoWITAMY W DOLINIE ŚMIERCI
WITAMY W DOLINIE ŚMIERCI Alernaywny mechanizm wsparcia finansowania wysoko zaawansowanych echnologii. Nowy model finansowania innowacji Park Naukowo-Technologiczny przy Narodowym Cenrum Badań Jądrowych
Bardziej szczegółowoPrzykładowy arkusz egzaminacyjny I - poziom podstawowy - wersja A
Przykładowy arkusz egzaminacyjny I - poziom podstawowy - wersja A Zadanie. (3 pkt.) Rozwiąż równanie:. Zadanie 2. (3 pkt.) Zadanie 3. (3 pkt.) Obok, na wykresie kołowym, przedstawiono procentowy udział
Bardziej szczegółowoFunkcje Tablicowe podstawy
Funkcje Tablicowe podstawy Funkcje Tablicowe są dość rzadko używane w biznesie, a pomocne przede wszystkim w przypadku zaawansowanych obliczeń matematycznych i statystycznych. Lekcja ta ograniczy się tylko
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowoWojewódzki Konkurs Matematyczny dla uczniów gimnazjów. Etap szkolny 5 listopada 2013 Czas 90 minut
Wojewódzki Konkurs Maemayczny dla uczniów gimnazjów. Eap szkolny 5 lisopada 2013 Czas 90 minu ZADANIA ZAMKNIĘTE Zadanie 1. (1 punk) Liczby A = 0, 99, B = 0, 99 2, C = 0, 99 3, D = 0, 99, E=0, 99 1 usawiono
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoJednofazowe przekształtniki DC AC i AC DC z eliminacją składowej podwójnej częstotliwości po stronie DC
Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie Wydział Elekroechniki, Auomayki, Informayki i Inżynierii Biomedycznej Kaedra Energoelekroniki i Auomayki Sysemów Przewarzania Energii Auorefera
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy
Bardziej szczegółowoPobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
Bardziej szczegółowoAnaliza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
Bardziej szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Programowanie Dynamiczne dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 14 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych.
Bardziej szczegółowoWpływ nowej normy oświetleniowej EN 13201: 2015 na istniejące instalacje oświetleniowe projektów zgodnie z normą PN - EN 13201:2007
Wpływ nowej normy oświetleniowej EN 1321: 215 na istniejące instalacje oświetleniowe projektów zgodnie z normą PN - EN 1321:27 Artur Basiura Wprowadzenie Oświetlenie według niektórych źródeł to aż 2 %
Bardziej szczegółowo2015-12-16. Wyliczanie emerytury na zasadach zbliżonych do tych panujących przed 1.01.1999 r. Emerytura. Do kiedy stare emerytury?
Emerytura Zasady wyliczania wysokości emerytury to suma pieniędzy, którą będzie comiesięcznie otrzymywał ubezpieczony z ZUS w momencie, gdy nabędzie status emeryta. Wyliczanie emerytury na zasadach zbliżonych
Bardziej szczegółowoROZDZIAŁ 10 WPŁYW DYSKRECJONALNYCH INSTRUMENTÓW POLITYKI FISKALNEJ NA ZMIANY AKTYWNOŚCI GOSPODARCZEJ
Ryszard Barczyk ROZDZIAŁ 10 WPŁYW DYSKRECJONALNYCH INSTRUMENTÓW POLITYKI FISKALNEJ NA ZMIANY AKTYWNOŚCI GOSPODARCZEJ 1. Wsęp Organy pańswa realizując cele poliyki sabilizacji koniunkury gospodarczej sosują
Bardziej szczegółowoZasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim
Zasada pędu i popędu, kręu i pokręu, energii i pracy oraz d Alembera bryły w ruchu posępowym, obroowym i płaskim Ruch posępowy bryły Pęd ciała w ruchu posępowym obliczamy, jak dla punku maerialnego, skupiając
Bardziej szczegółowodr inż. MARCIN MAŁACHOWSKI Instytut Technik Innowacyjnych EMAG
dr inż. MARCIN MAŁACHOWSKI Insyu Technik Innowacyjnych EMAG Wykorzysanie opycznej meody pomiaru sężenia pyłu do wspomagania oceny paramerów wpływających na możliwość zaisnienia wybuchu osiadłego pyłu węglowego
Bardziej szczegółowoKlasyczne zagadnienie przydziału
Klasyczne zagadnienie przydziału Można wyodrębnić kilka grup problemów, w których zadaniem jest odpowiednie rozmieszczenie posiadanych zasobów. Najprostszy problem tej grupy nazywamy klasycznym zagadnieniem
Bardziej szczegółowo24 cel bdb db dst dop
24 cel 23-21 bdb 20-18 db 17-14 dst 13-11 dop Rozwiązanie LPG Zadanie to należy do typowych zadań symulacyjnych. Najtrudniejszą częścią takich zadań jest prawidłowe zasymulowanie powtarzających się zdarzeń,
Bardziej szczegółowoMETODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski
METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNENE TRANSPORTOWE Definicja: Program liniowy to model, w którym warunki ograniczające oraz funkcja celu są funkcjami liniowymi. W skład każdego programu liniowego wchodzą: zmienne decyzyjne, ograniczenia
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
Bardziej szczegółowoWykład z modelowania matematycznego. Zagadnienie transportowe.
Wykład z modelowania matematycznego. Zagadnienie transportowe. 1 Zagadnienie transportowe zostało sformułowane w 1941 przez F.L.Hitchcocka. Metoda rozwiązania tego zagadnienia zwana algorytmem transportowymópracowana
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Bardziej szczegółowoWYCENA KONTRAKTÓW FUTURES, FORWARD I SWAP
Krzyszof Jajuga Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Uniwersye Ekonomiczny we Wrocławiu WYCENA KONRAKÓW FUURES, FORWARD I SWAP DWA RODZAJE SYMERYCZNYCH INSRUMENÓW POCHODNYCH Symeryczne insrumeny
Bardziej szczegółowoSPRAWOZDANIE Z PROJEKTU Dioda jako czujnik temperatury
emperaury 1. Cele Sprawdzenie zależności między emperaurą a naężeniem świała emiowanego przez diodę LED (napięciem baza-emier na ranzysorze) w układzie z Rys.1 (parz srona 1 Budowa układu ). 2. Wykaz przyrządów
Bardziej szczegółowoZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 690 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 51 2012 MAŁGORZATA WASILEWSKA PORÓWNANIE METODY NPV, DRZEW DECYZYJNYCH I METODY OPCJI REALNYCH W WYCENIE PROJEKTÓW
Bardziej szczegółowoPochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji
Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy
Bardziej szczegółowoZadanie laboratoryjne "Wybrane zagadnienia badań operacyjnych"
Zadanie laboratoryjne "Wybrane zagadnienia badań operacyjnych" 1. Zbudować model optymalizacyjny problemu opisanego w zadaniu z tabeli poniżej. 2. Rozwiązać zadanie jak w tabeli poniżej z wykorzystaniem
Bardziej szczegółowo