wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz

Wielkość: px
Rozpocząć pokaz od strony:

Download "wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz"

Transkrypt

1 Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno ryterium oceny rozwiązań. Najczęściej ryteria te nie są zgodne, co często prowadzi do sytuacji, w tórej nie jest możliwe wyznaczenie jednego rozwiązania optymalizującego je wszystie. W przypadu programowania wieloryterialnego w ujęciu dysretnym mamy do czynienia ze sończoną liczbą wariantów decyzyjnych. Dla ażdego z nich znamy wartość wszystich funcji celu, a rozwiązanie otrzymujemy doonując bezpośrednich porównań wartości funcji celu w poszczególnych puntach. Punty, tóre są optymalne ze względu na poszczególne ryteria nazywamy optimami cząstowymi. 2. Rozwiązania Pareto-optymalne. Mówimy, że rozwiązanie X jest zdominowane przez Y, gdy jest od niego pod ażdym względem nie lepsze, a przynajmniej ze względu na jedno ryterium gorsze. Zbiór Pareto (zbiór rozwiązań Pareto-optymalnych) to zbiór rozwiązań, tóre nie są zdominowane przez żadne inne rozwiązanie. W przypadu dużej ilości ryteriów, wyznaczanie zbioru Pareto może być nieco łopotliwe. Z tego względu pratycznie jest zastosować metodę poszuiwania zbioru Pareto przedstawioną poniżej: ) Macierze relacji Niech n oznacza liczbę dopuszczalnych rozwiązań. Dla ażdego ryterium utwórz macierz,2,, K, gdzie K ilość ryteriów) o wymiarach n n o elementach 0 i. Niech element a wtedy i tylo wtedy, gdy rozwiązanie i jest nie gorsze od j względem -tego ryterium. 2) Macierz części wspólnej Utwórz macierz W wij n n o elementach 0 i, wstawiając do niej jedyni na tych pozycjach, na tórych jedyni znajdują się we wszystich macierzach przypisanych poszczególnym ryteriom. Pozostałe elementy są zerami. 3) Zaostrzenie Utwórz macierz zaostrzenia S w następujący sposób. Jeżeli dla tóregoś z elementów zachodzi w w zamień ij ji w ij oraz w ji na zera. 4) Optimum Pareto Zbór Pareto tworzą te rozwiązania, tórych olumny w macierzy S sładają się wyłącznie z zer. w ij A ij ( macierzy W Opracowanie teoretyczne na podstawie: Marcin Anholcer,. Wydawnictwo Uniwersytetu Eonomicznego w Poznaniu, Poznań Wojciech Siora (red.),. Polsie Wydawnictwo Eonomiczne, Warszawa 2008.

2 3. Rozwiązania ompromisowe: metaryterium, stopnie realizacji, programowanie interatywne. Wobec nieporównywalności decyzji Pareto-optymalnych nie można powiedzieć, że jedna z nich jest lepsza od drugiej. W taiej sytuacji proponuje się wiele strategii postępowania mających na celu wybór najlepszej decyzji. Wprowadzając dodatowe waruni, zawężamy zbiór decyzji Pareto-optymalnych do jednego puntu utożsamianego z tzw. decyzją ompromisową. 3.. Metaryterium Problem optymalizacji wieloryterialnej możemy starać się sprowadzić do problemu optymalizacji jednoryterialnej, onstruując funcję metaryterium (ryterium zastępcze), w tórej ujmujemy wszystie ryteria cząstowe. Procedurę porządowania rozwiązań na podstawie metaryterium można zapisać następująco: ) Wyznaczanie funcji metaryterium Dla ażdego rozwiązania wyznacz funcję metaryterium jao sumę ważoną poszczególnych funcji celu. Jeżeli ryteria mają różne ieruni optymalizacji, to wszystie wagi przy ryteriach minimalizowanych (albo masymalizowanych) wymnóż przez. 2) Porządowanie rozwiązań Uporząduj rozwiązania według wartości metaryterium malejąco (gdy wagi przy ryteriach masymalizowanych były dodatnie) lub rosnąco (gdy wagi przy ryteriach minimalizowanych były dodatnie). Niewątpliwą wadą funcji metaryterium jest oczywiście dobór wag. Problem polega na tym, że poszczególne funcje celu wyrażone są w różnych salach i jednostach a dobór wag jest subietywny Stopnie realizacji Wad stronniczego doboru wag pozbawiona jest metoda minimalnych stopni realizacji. Oznaczmy: najmniejsza wartość -tego ryterium, m M najwięsza wartość -tego ryterium, f x wartość -tego ryterium dla rozwiązania x. Jeżeli ryterium jest masymalizowane, to stopień jego realizacji przez rozwiązanie x oreślony jest wzorem r x f x m M m Jeżeli ryterium jest minimalizowane, to stopień jego realizacji przez rozwiązanie x oreślony jest wzorem r x M f x M m Wzory () oraz (2) mają tę własność, że najgorsze pod pewnym względem rozwiązanie ma stopień realizacji równy 0, a najlepsze. Procedura wyznaczania rozwiązania ompromisowego metodą minimalnych stopni realizacji przebiega następująco: ) Dla ażdego rozwiązania x i ażdej funcji celu f wyznacz stopnie realizacji zgodnie ze wzorami () oraz (2). 2) Dla ażdego rozwiązania wybierz najniższy spośród stopni realizacji. 3) Uszereguj rozwiązania według malejącej wartości wyznaczonych minimów. Wadą metody stopni realizacji jest fat, iż jest ona silnie dysryminująca, tzn. jeżeli rozwiązanie jest najgorsze pod chociaż jednym względem, zostaje slasyfiowane na ońcu raningu. Połączenie wyżej wymienionych metod pomaga uninąć ich wad. Zastosowanie metaryterium do stopni realizacji a nie do danych wyjściowych, pozwala z jednej strony zastosować bardziej intuicyjne wagi (wszystie () (2) 2

3 ryteria są przesalowane do przedziału dysryminującego charateru metody minimalnych stopni realizacji Programowanie interatywne 0, ), z drugiej strony uśrednia wynii, pozbawione jest więc Programowanie interatywne polega na tym, że zadnie rozwiązywane jest sewencyjnie, ze względu na olejne ryteria, a po ażdym etapie informacje o otrzymanym rozwiązaniu mają wpływ na zbiór decyzji dopuszczalnych w olejnym etapie. Metoda ta nie daje nam w efecie raningu obietów, lecz daje wybór jednego ompromisowego rozwiązania. Rozpatrywany przez nas wariant tej metody będzie oparty na idei hierarchii celów. Załada ona, że ryteria są uporządowane od najważniejszego do najmniej ważnego i przypisane im są minimalne aceptowalne stopnie realizacji (dla ryterium ). R Procedura wyznaczania rozwiązania ompromisowego metodą programowania interatywnego możemy zapisać następująco: ) Przyjmij, że wszystie rozwiązania dopuszczalne są zadowalające. Wyonaj roi 2 i 3 dla wszystich funcji poza ostatnią, według wsazanej olejności. Potem przejdź do rou 4. 2) Załóżmy, że rozpatrywane jest ryterium f f. Wyznacz stopnie realizacji r x dla wszystich rozwiązań zadowalających x za pomocą wzorów () oraz (2). Minimalne i masymalne wartości ryteriów wybierz spośród rozwiązań zadowalających. 3) Usuń ze zbioru rozwiązań zadowalających wszystie te rozwiązania x, dla tórych rou 2. 4) Wybierz rozwiązanie najlepsze ze względu na ostatnie ryterium. 4. Programowanie celowe. r x R. Wróć do Programowanie celowe jest pewną odmianą programowania wieloryterialnego, w tórej nie zajmujemy się minimalizacją czy masymalizacją poszczególnych ryteriów, lecz osiągnięciem przez nie oreślonych wartości. Dla ażdego z ryteriów oreślana jest pewna wartość pożądana f x u można oreślić odległość od wartości optymalnej jao:. u i jego waga w. Dla ażdego rozwiązania Funcja celu jest wtedy ważoną sumą tych odległości i dążymy do jej minimalizacji, co zapiszemy jao Procedura: (3) min C x w f x u ) Dla ażdego rozwiązania wyznacz wartości funcji celu zgodnie ze wzorem (3). 2) Uporząduj rozwiązania według rosnącej wartości funcji celu. Podobnie ja w przypadu funcji ryterium, można rozpatrywać wariant hybrydowy, tzn. zamiast wartości funcji celu używamy wtedy unormowanych wartości. Jeżeli są one podane w jednostach naturalnych, trzeba u * wyznaczyć stopnie realizacji odpowiadające tym wartościom, zgodnie ze wzorem () lub (2): u r u Funcja celu przyjmuje wtedy postać:. min (4) * * C x w r x u 3

4 Zadanie Należy poddać ocenie waruni posiadania ROR w pięciu banach ze względu na trzy ryteria i wybrać najlepszy. Kryteriami są: liczba banomatów (im więsza, tym lepiej), oprocentowanie ROR (im wyższe, tym lepiej) oraz roczne oszty utrzymania onta (im niższe, tym lepiej). Dane na temat poszczególnych banów zawiera tabela: Wyonaj polecenia: Kryteria Ban A B C D E Liczba banomatów Oprocentowanie ROR ,5 3 Roczne oszty utrzymania onta a) Wyznacz optima cząstowe. b) Wyznacz rozwiązania zdominowane i zbiór rozwiązań Pareto-optymalnych. c) Ułóż raning banów, używając metaryterium z wagami dla olejnych ryteriów: 0,002, i 0,. d) Ułóż raning banów, orzystając z metody stopni realizacji. e) Ułóż raning banów, stosując metaryterium do stopni realizacji i wiedząc, że oprocentowanie i liczba banomatów są ta samo ważne, a dwurotnie ważniejsze od ryterium osztów utrzymania onta. f) Wyznacz najlepszy ban na podstawie programowania interatywnego (hierarchii celów), przyjmując olejność celów: banomaty, oprocentowanie, oszty z aceptowalnymi stopniami realizacji 0,2 i 0,4. g) Uszereguj bani stosując programowanie celowe dla stopni realizacji przy założeniu, że pożądany poziom realizacji ażdego z ryteriów to 90% jego poziomu optymalnego, a dwa pierwsze ryteria są dwurotnie ważniejsze od trzeciego. Zadanie 2 Pan Kowalsi chce upić dom. Bierze pod uwagę trzy ryteria: odległość od centrum (w m), cenę (w tys. zł) i powierzchnię działi (w m 2 ). Dane na temat czterech dostępnych ofert zawiera tabela: Wyonaj polecenia: Kryteria Oferta A B C D Odległość od centrum (w m) Cena (w tys. zł) Powierzchnia działi (w m 2 ) a) Wyznacz oferty Pareto-optymalne. b) Wyznacz stopnie realizacji. c) Uszereguj oferty za pomocą metaryterium (wersja dla stopni realizacji), jeżeli wagi dla olejnych ryteriów są równe:, 2 i. d) Wyznacz najlepszą ofertę, stosując programowanie interatywne z olejnością ryteriów ja w tabeli i obydwoma aceptowalnymi stopniami realizacji równymi 0,5. e) Uszereguj oferty za pomocą programowania celowego (wersja dla stopni realizacji), jeżeli wagi dla olejnych ryteriów są równe:, 2 i. Pożądany poziom odległości to 0 m, ceny najniższy, powierzchni działi 000 m 2. 4

5 Zadanie 3 Spośród 0 hut szła H, H 2,, H 0 należy wybrać pięć najlepszych załadów, walifiujących się w pierwszej olejności do sprywatyzowania. O olejności hut w raningu decydują czynnii o charaterze eonomicznym oraz wybrane wsaźnii eologiczne. Kryteria oceny w postaci zaleconej listy zmiennych diagnostycznych zostały podane przez ministerstwo. Są to: x roczny zys huty w mln zł, x 2 x 3 x 4 x 5 x 6 procentowy udział producji sprzedanej w ciągu rou, procentowy udział producji esportowej w ciągu rou, stopień deapitalizacji (zużycia) majątu trwałego wyrażony procentowo, procentowy udział zanieczyszczeń gazowych wydalanych do atmosfery, procentowy udział ścieów nie oczyszczonych wydalanych do otoczenia. Dane dotyczące wyżej wymienionych cech diagnostycznych podano w tablicy: Lp. Obiet i-ty (huta szła) x i x i2 Zmienne diagnostyczne x i3 x i4 x i5 x i H H 2 H 3 H 4 H 5 H 6 H 7 H 8 H H Wyonaj polecenia: a) Wyznacz optima cząstowe. b) Wyznacz rozwiązania zdominowane i zbiór rozwiązań Pareto-optymalnych. c) Ułóż raning hut szła, używając metaryterium. Zaproponuj sposób wyznaczania wag dla olejnych ryteriów. d) Ułóż raning hut szła, orzystając z metody stopni realizacji. e) Ułóż raning hut szła, stosując metaryterium do stopni realizacji. Przyjmij, że czynnii o charaterze eonomicznym są ta samo ważne i są dwurotnie ważniejsze od czynniów o charaterze eologicznym. f) Wyznacz najlepszą hutę szła na podstawie programowania interatywnego (hierarchii celów), przyjmując olejność celów: roczny zys, procentowy udział producji sprzedanej, procentowy udział producji esportowej, stopień deapitalizacji (zużycia) majątu trwałego, procentowy udział zanieczyszczeń gazowych wydalanych do atmosfery, procentowy udział ścieów nie oczyszczonych wydalanych do otoczenia z aceptowalnymi stopniami realizacji 0,4 ażdy. g) Uszereguj huty stosując programowanie celowe dla stopni realizacji przy założeniu, że pożądany poziom realizacji ażdego z ryteriów to 80% jego poziomu optymalnego, a ryterium rocznego zysu huty jest czterorotnie ważniejsze od pozostałych ryteriów. 5

Programowanie wielocelowe lub wielokryterialne

Programowanie wielocelowe lub wielokryterialne Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe

Bardziej szczegółowo

Programowanie wielocelowe lub wielokryterialne

Programowanie wielocelowe lub wielokryterialne Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.

Bardziej szczegółowo

ANALIZA WIELOKRYTERIALNA

ANALIZA WIELOKRYTERIALNA ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x

Bardziej szczegółowo

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

A. Cel ćwiczenia. B. Część teoretyczna

A. Cel ćwiczenia. B. Część teoretyczna A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów

Bardziej szczegółowo

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań

Optymalizacja harmonogramów budowlanych - problem szeregowania zadań Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa

Wielokryteriowa optymalizacja liniowa Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia

Bardziej szczegółowo

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi

Bardziej szczegółowo

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu

Bardziej szczegółowo

Grupowanie sekwencji czasowych

Grupowanie sekwencji czasowych BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule

Bardziej szczegółowo

BADANIA OPERACYJNE PROGRAMOWANIE WIELOKRYTERIALNE

BADANIA OPERACYJNE PROGRAMOWANIE WIELOKRYTERIALNE DR ADAM SOJDA Czasem istnieje wiele kryteriów oceny. Kupno samochodu: cena prędkość maksymalna spalanie kolor typ nadwozia bagażnik najniższa najwyższa najniższe {czarny*, czerwony, } {sedan, coupe, SUV,

Bardziej szczegółowo

Analiza wielokryterialna wstęp do zagadnienia

Analiza wielokryterialna wstęp do zagadnienia Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym

Bardziej szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia

Bardziej szczegółowo

Sterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.

Sterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji. emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę

Bardziej szczegółowo

Programowanie celowe #1

Programowanie celowe #1 Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem

Bardziej szczegółowo

Kierunki racjonalizacji jednostkowego kosztu produkcji w przedsiębiorstwie górniczym

Kierunki racjonalizacji jednostkowego kosztu produkcji w przedsiębiorstwie górniczym Kieruni racjonalizacji jednostowego osztu producji w przedsiębiorstwie górniczym Roman MAGDA 1) 1) Prof dr hab inż.; AGH University of Science and Technology, Kraów, Miciewicza 30, 30-059, Poland; email:

Bardziej szczegółowo

Wielokryterialna ocena banków komercyjnych notowanych na GPW w Warszawie Wielokryterialna ocena banków komercyjnych notowanych na GPW

Wielokryterialna ocena banków komercyjnych notowanych na GPW w Warszawie Wielokryterialna ocena banków komercyjnych notowanych na GPW Zarz¹dzanie i Finanse Journal of Management and Finance Vol. 13, No. 3/1/2015 Ewa Poœpiech* Adrianna Mastalerz-Kodzis** Ewa Poœpiech, Adrianna Mastalerz-Kodzis Wieloryterialna ocena banów omercyjnych notowanych

Bardziej szczegółowo

DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH

DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a)

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. . (odp. a) ZADANIA - ZESTAW 1 Zadanie 11 Rzucamy trzy razy monetą A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie Oreślić zbiór zdarzeń elementarnych Wypisać zdarzenia elementarne sprzyjające

Bardziej szczegółowo

Modelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne

Modelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez

Bardziej szczegółowo

KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA

KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA prof. dr hab. inż. Zbigniew Hanzela / Aademia Górniczo-Hutnicza dr inż. Grzegorz Błajszcza

Bardziej szczegółowo

Algebra liniowa z geometrią analityczną

Algebra liniowa z geometrią analityczną WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór

Bardziej szczegółowo

koszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału.

koszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału. Modele strutury apitału oszt apitału Optymalna strutura apitału dźwignia finansowa / Rys. 8.3. Krzywa osztów apitału. Założenia wspólne modeli MM Modigliani i Miller w swoich rozważaniach ograniczyli się

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa cz.2

Wielokryteriowa optymalizacja liniowa cz.2 Wielokryteriowa optymalizacja liniowa cz.2 Metody poszukiwania końcowych rozwiązań sprawnych: 1. Metoda satysfakcjonujących poziomów kryteriów dokonuje się wyboru jednego z kryteriów zadania wielokryterialnego

Bardziej szczegółowo

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ

WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość

Bardziej szczegółowo

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy: Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

P k k (n k) = k {O O O} = ; {O O R} =

P k k (n k) = k {O O O} = ; {O O R} = Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba

Bardziej szczegółowo

HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA

HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA Jace Sorupsi Hierarchiczny system Zarządzania ruchem lotniczym aspety oceny bezpieczeństwa, Logistya (ISSN 1231-5478) No 6, Instytut Logistyi i HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY

Bardziej szczegółowo

DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH. Ćwiczenie 5. Przemysław Korohoda, KE, AGH

DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH. Ćwiczenie 5. Przemysław Korohoda, KE, AGH DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH Instrucja do laboratorium z cyfrowego przetwarzania sygnałów Ćwiczenie 5 Wybrane właściwości Dysretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość

Bardziej szczegółowo

A4: Filtry aktywne rzędu II i IV

A4: Filtry aktywne rzędu II i IV A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową

Bardziej szczegółowo

DWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW

DWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW DWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW Mare MAGIERA Streszczenie: Zadanie sterowania przepływem produtów przez wielostadialną linię producyjną zostało podzielone na dwa

Bardziej szczegółowo

Metody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej

Metody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej Metody optymalizacji nieliniowej metody programowania nieliniowego Ewa Niewiadomsa-Szyniewicz Instytut Automatyi i Inormatyi Stosowanej Ewa Niewiadomsa-Szyniewicz ens@ia.pw.edu.pl Instytut Automatyi i

Bardziej szczegółowo

Wykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji

Wykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji Wyorzystanie metody DEA w przestrzenno-czasowej analizie... 49 Nierówności Społeczne a Wzrost Gospodarczy, nr 39 (3/04) ISSN 898-5084 dr Bogdan Ludwicza Katedra Finansów Uniwersytet Rzeszowsi Wyorzystanie

Bardziej szczegółowo

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7

Ćwiczenia laboratoryjne - 7. Problem (diety) mieszanek w hutnictwie programowanie liniowe. Logistyka w Hutnictwie Ćw. L. 7 Ćwiczenia laboratoryjne - 7 Problem (diety) mieszanek w hutnictwie programowanie liniowe Ćw. L. 7 Konstrukcja modelu matematycznego Model matematyczny składa się z: Funkcji celu będącej matematycznym zapisem

Bardziej szczegółowo

Programowanie nieliniowe

Programowanie nieliniowe Rozdział 5 Programowanie nieliniowe Programowanie liniowe ma zastosowanie w wielu sytuacjach decyzyjnych, jednak często zdarza się, że zależności zachodzących między zmiennymi nie można wyrazić za pomocą

Bardziej szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F; Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia

Bardziej szczegółowo

ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ

ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ LISTA ZADAŃ 1 1 Napisać w formie rozwiniętej następujące wyrażenia: 4 (a 2 + b +1 =0 5 a i b j =1 n a i b j =1 n =0 (a nb 4 3 (! + ib i=3 =1 2 Wyorzystując twierdzenie o

Bardziej szczegółowo

Uchwała Nr 42/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r.

Uchwała Nr 42/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r. Uchwała Nr 42/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlasiego na lata 2014-2020 z dnia 29 październia 2015 r. w sprawie zatwierdzenia ryteriów oceny projetów w trybie

Bardziej szczegółowo

Metody systemowe i decyzyjne w informatyce

Metody systemowe i decyzyjne w informatyce Metody systemowe i decyzyjne w informatyce Laboratorium Zadanie nr 3 Osada autor: A Gonczarek Celem poniższego zadania jest zrealizowanie fragmentu komputerowego przeciwnika w grze strategiczno-ekonomicznej

Bardziej szczegółowo

9. Sprzężenie zwrotne własności

9. Sprzężenie zwrotne własności 9. Sprzężenie zwrotne własności 9.. Wprowadzenie Sprzężenie zwrotne w uładzie eletronicznym realizuje się przez sumowanie części sygnału wyjściowego z sygnałem wejściowym i użycie zmodyiowanego w ten sposób

Bardziej szczegółowo

Model Solow-Swan. Y = f(k, L) Funkcja produkcji może zakładać stałe przychody skali, a więc: zy = f(zk, zl) dla z > 0

Model Solow-Swan. Y = f(k, L) Funkcja produkcji może zakładać stałe przychody skali, a więc: zy = f(zk, zl) dla z > 0 dr Bartłomiej Roici Ćwiczenia z Maroeonomii II Model Solow-Swan W modelu lasycznym mieliśmy do czynienia ze stałą wielością czynniów producji, a zatem był to model statyczny, tóry nie poazywał nam dlaczego

Bardziej szczegółowo

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB V ELECTRE III / IV

WIELOKRYTERIALNE WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LAB V ELECTRE III / IV WIELOKRYTERILNE WSPOMGNIE DECYZJI - MIŁOSZ KDZIŃSKI LB V ELECTRE III / IV I. Wprowadzenie Rodzina metod ELECTRE: Począti sięgają 965r. firma SEM; Bernard Roy zaproponował ELECTRE I, wrótce ELECTRE Iv i

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

Wpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym

Wpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Wpływ zamiany typów eletrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Grzegorz Barzy Paweł Szwed Instytut Eletrotechnii Politechnia Szczecińsa 1. Wstęp Ostatnie ila lat,

Bardziej szczegółowo

Wykład 21: Studnie i bariery cz.1.

Wykład 21: Studnie i bariery cz.1. Wyład : Studnie i bariery cz.. Dr inż. Zbigniew Szlarsi Katedra Eletronii, paw. C-, po.3 szla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szlarsi/ 3.6.8 Wydział Informatyi, Eletronii i Równanie Schrödingera

Bardziej szczegółowo

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności

Bardziej szczegółowo

jest scharakteryzowane przez: wektor maksymalnych żądań (ang. claims), T oznaczający maksymalne żądanie zasobowe zadania P j

jest scharakteryzowane przez: wektor maksymalnych żądań (ang. claims), T oznaczający maksymalne żądanie zasobowe zadania P j Systemy operacyjne Zaleszczenie Zaleszczenie Rozważmy system sładający się z n procesów (zadań) P 1,P 2,...,P n współdzielący s zasobów nieprzywłaszczalnych tzn. zasobów, tórych zwolnienie może nastąpić

Bardziej szczegółowo

Wpływ rządu na gospodarkę w długim okresie.

Wpływ rządu na gospodarkę w długim okresie. Wpływ rządu na gospodarę w długim oresie. Teoria & badania empiryczne Dr hab. Joanna Siwińsa-Gorzela. Wniosi z modelu RCK W długim oresie gospodara znajdzie się w stanie ustalonym, gdyż wraz ze wzrostem

Bardziej szczegółowo

Elementy Modelowania Matematycznego

Elementy 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 szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 9, Oeconomica 68 54), 55 6 Anna LANDOWSKA ZASTOSOWANIE DYSKRETNEGO PROGRAMOWANIA DYNAMICZNEGO DO ROZWIĄZANIA PROBLEMU

Bardziej szczegółowo

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy 3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja

Bardziej szczegółowo

Klasyczne zagadnienie przydziału

Klasyczne 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 szczegółowo

METODA KOSZTÓW NARASTAJĄCYCH W OCENIE EKONOMICZNEJ EFEKTYWNOŚCI PRZEDSIĘWZIĘĆ INWESTYCYJNYCH W ENERGETYCE ROZPROSZONEJ

METODA KOSZTÓW NARASTAJĄCYCH W OCENIE EKONOMICZNEJ EFEKTYWNOŚCI PRZEDSIĘWZIĘĆ INWESTYCYJNYCH W ENERGETYCE ROZPROSZONEJ Metoda osztów narastających w ocenie eonomicznej efetywności przedsięwzięć inwestycyjnych w energetyce rozproszonej 43 METODA OSZTÓW NARASTAJĄCYCH W OCENIE EONOMICZNEJ EFETYWNOŚCI PRZEDSIĘWZIĘĆ INWESTYCYJNYCH

Bardziej szczegółowo

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady Materiały dydatyczne Matematya Semestr III Wyłady Aademia Morsa w Szczecinie ul. Wały Chrobrego - 70-500 Szczecin WIII RÓWNANIA RÓŻNICZKOWE ZWYCZAJNE PIERWSZEGO RZĘDU. Pojęcia wstępne. Równania różniczowe

Bardziej szczegółowo

Analiza wielokryterialna

Analiza wielokryterialna Analiza wielokryterialna dr hab. inż. Krzysztof Patan, prof. PWSZ Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa w Głogowie k.patan@issi.uz.zgora.pl Wprowadzenie Wielokryterialny wybór wariantu

Bardziej szczegółowo

Znaczenie kapitału ludzkiego w budowie spójności społeczno-gospodarczej w wymiarze lokalnym (na przykładzie woj. mazowieckiego)

Znaczenie kapitału ludzkiego w budowie spójności społeczno-gospodarczej w wymiarze lokalnym (na przykładzie woj. mazowieckiego) Znaczenie apitału ludziego w budowie spójności społeczno-gospodarczej... 365 Dr hab. Danuta Kołodziejczy Instytut Eonomii Rolnictwa i Gospodari Żywnościowej Państwowy Instytut Badawczy Znaczenie apitału

Bardziej szczegółowo

Optymalizacja wielokryterialna

Optymalizacja wielokryterialna Optymalizacja wielokryterialna Optymalizacja wielokryterialna Dział badań operacyjnych zajmujący się wyznaczaniem optymalnej decyzji w przypadku, gdy występuje więcej niż jedno kryterium Problem wielokryterialny

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY KORESPONDENCJI W BADANIU AKTYWNOŚCI TURYSTYCZNEJ EMERYTÓW I RENCISTÓW

ZASTOSOWANIE ANALIZY KORESPONDENCJI W BADANIU AKTYWNOŚCI TURYSTYCZNEJ EMERYTÓW I RENCISTÓW METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XI/2, 2010, str. 1 11 ZASTOSOWANIE ANALIZY KORESPONDENCJI W BADANIU AKTYWNOŚCI TURYSTYCZNEJ EMERYTÓW I RENCISTÓW Iwona Bą Katedra Zastosowań Matematyi w Eonomii,

Bardziej szczegółowo

13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE

13. 13. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE Część 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3. 3. BELKI CIĄGŁE STATYCZNIE NIEWYZNACZALNE 3.. Metoda trzech momentów Rozwiązanie wieloprzęsłowych bele statycznie niewyznaczalnych można ułatwić w znaczącym

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

Bardziej szczegółowo

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań

Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na okres drgań KAEDRA FIZYKI SOSOWANEJ PRACOWNIA 5 FIZYKI Ćw. 5. Badanie ruchu wahadła sprężynowego sprawdzenie wzoru na ores drgań Wprowadzenie Ruch drgający naeży do najbardziej rozpowszechnionych ruchów w przyrodzie.

Bardziej szczegółowo

Przykład budowania macierzy sztywności.

Przykład budowania macierzy sztywności. Co dzisiaj Przyład bdowania macierzy sztywności. Podejście logiczne Podejście algorytmiczne Przyłady modelowania i interpretacji wyniów Model płytowo-powłoowy i interpretacja naprężeń Błędy modelowania

Bardziej szczegółowo

PROGRAMOWANIE KWADRATOWE

PROGRAMOWANIE KWADRATOWE PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013 ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 760 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 59 2013 MAGDALENA WASYLKOWSKA OCENA SYTUACJI FINANSOWEJ PRZEDSIĘBIORSTWA PRZY ZASTOSOWANIU METOD ANALIZY FUNDAMENTALNEJ

Bardziej szczegółowo

P(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) =

P(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) = Przyład (obrona orętów USA przed ataami lotnictwa japońsiego) Możliwe dwie wyluczające się tatyi: M = manewr A = artyleria przeciwlotnicza Departament Marynari Wojennej na podstawie danych z wojny na Pacyfiu

Bardziej szczegółowo

Analiza B II zadania. cos kx = sin(n x) 2 sin x 2. cos n sin 1 n., tan x, cot x, log sin x, log tan x, 1 + x

Analiza B II zadania. cos kx = sin(n x) 2 sin x 2. cos n sin 1 n., tan x, cot x, log sin x, log tan x, 1 + x Analiza B II zadania Oblicz granicę n cos n n Udowodnij wzór dla mπ 3 Udowodnij że szereg + n = cos = sin(n + sin cos n sin n jest zbieżny warunowo 4 Wyprowadź wzory (sin = cos (cos = sin 5 Wyaż że funcje

Bardziej szczegółowo

ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU

ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają

Bardziej szczegółowo

PROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE

PROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE PROCENTY, PROPORCJE, WYRAŻENIA POTEGOWE ORAZ ŚREDNIE 1. Procenty i proporcje DEFINICJA 1. Jeden procent (1%) pewnej liczby a to setna część tej liczby, tórą oznacza się: 1% a, przy czym 1% a = 1 p a, zaś

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych i ich charakterystyki

Wybrane rozkłady zmiennych losowych i ich charakterystyki Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych

Bardziej szczegółowo

Analiza B. Paweł Głowacki

Analiza B. Paweł Głowacki Analiza B Paweł Głowaci Pojęcie liczby rzeczywistej uważać będziemy za intuicyjnie oczywiste. Tym niemniej celowe wydaje się przypomnienie i ugruntowanie nietórych fundamentalnych własności liczb rzeczywistych.

Bardziej szczegółowo

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej

Bardziej szczegółowo

Metoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 )

Metoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 ) MATEMATYKA STOSOWANA 7, 2006 Izabella Czochralsa (Warszawa) Metoda rozwiązywania uładu równań liniowych z symetryczną, nieoreśloną macierzą współczynniów ( 0 ) Streszczenie. W pracy zaadaptowano opracowaną

Bardziej szczegółowo

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA. Przetarg nieograniczony na: OPRACOWANIE NOWYCH ZALECEO METODYCZNYCH PROWADZENIA MONITORINGU ZAWODÓW

SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA. Przetarg nieograniczony na: OPRACOWANIE NOWYCH ZALECEO METODYCZNYCH PROWADZENIA MONITORINGU ZAWODÓW Projet współfinansowany ze środów Unii Europejsiej w ramach Europejsiego Funduszu Społecznego SPECYFIKACJA ISTOTNYCH WARUNKÓW ZAMÓWIENIA Przetarg nieograniczony na OPRACOWANIE NOWYCH ZALECEO METODYCZNYCH

Bardziej szczegółowo

Uchwała Nr 43/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r.

Uchwała Nr 43/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r. Uchwała Nr 43/20 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlasiego na lata 2014-2020 z dnia 29 październia 20 r. w sprawie zatwierdzenia ryteriów oceny projetów w trybie onursowym

Bardziej szczegółowo

PRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO

PRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO PRAKTYCZNY PRZYKŁAD OCENY ŚRODOWISKOWEGO RYZYKA ZDROWOTNEGO Mgr Beata Malec, dr Mare Biesiada, dr Anicenta Buba Instytut Medycyny Pracy i Zdrowia Środowisowego, Sosnowiec Wstęp Zagrożenia zdrowotne stwarzane

Bardziej szczegółowo

Układy równań i nierówności liniowych

Układy równań i nierówności liniowych Układy równań i nierówności liniowych Wiesław Krakowiak 1 grudnia 2010 1 Układy równań liniowych DEFINICJA 11 Układem równań m liniowych o n niewiadomych X 1,, X n, nazywamy układ postaci: a 11 X 1 + +

Bardziej szczegółowo

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) = Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie

Bardziej szczegółowo

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII.

WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. ĆWICZENIE 3. WAHADŁO SPRĘŻYNOWE. POMIAR POLA ELIPSY ENERGII. 1. Oscylator harmoniczny. Wprowadzenie Oscylatorem harmonicznym nazywamy punt materialny, na tóry,działa siła sierowana do pewnego centrum,

Bardziej szczegółowo

RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE MIASTA ŚWIĘTOCHŁOWICE

RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE MIASTA ŚWIĘTOCHŁOWICE POWIATOWY URZĄD PRACY W ŚWIĘTOCHŁOWICACH RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE MIASTA ŚWIĘTOCHŁOWICE Stan na 2010 ro ŚWIĘTOCHŁOWICE 2011 1 SPIS TREŚCI I. WSTĘP II. ANALIZA ZAWODÓW OSÓB

Bardziej szczegółowo

CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN

CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN Wojciech BOŻEJKO, Łuasz KACPRZAK, Mieczysław WODECKI Streszczenie: W pracy zajmujemy się cylicznym problemem przepływowym z przezbrojeniami maszyn.

Bardziej szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA 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 szczegółowo

Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci

Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie

Bardziej szczegółowo

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

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera

Bardziej szczegółowo

Komputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d

Komputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d Komputerowa reprezentacja oraz prezentacja i graficzna edycja rzywoliniowych obietów 3d Jan Prusaowsi 1), Ryszard Winiarczy 1,2), Krzysztof Sabe 2) 1) Politechnia Śląsa w Gliwicach, 2) Instytut Informatyi

Bardziej szczegółowo

Ocena siły przetargowej w negocjacjach. Evaluation of Bargaining Power JEL: M19. Andrzej Kozina 1. Abstrakt. Abstract

Ocena siły przetargowej w negocjacjach. Evaluation of Bargaining Power JEL: M19. Andrzej Kozina 1. Abstrakt. Abstract Management and Business Administration. Central Europe Vol. 22, No. 3(126): p. 72 84, ISSN 2084 3356, Copyright by Kozminsi University Ocena siły przetargowej w negocjacjach Andrzej Kozina 1 Nadesłany:

Bardziej szczegółowo

1 Przestrzeń zdarzeń elementarnych

1 Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,

Bardziej szczegółowo

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE

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

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

UCHWAŁA NR XVII/177/2013 RADY MIEJSKIEJ W CHOROSZCZY. z dnia 17 maja 2013 r.

UCHWAŁA NR XVII/177/2013 RADY MIEJSKIEJ W CHOROSZCZY. z dnia 17 maja 2013 r. UCHAŁA NR XVII//3 RADY MIEJSKIEJ CHOROSZCZY z dnia maja 3 r w sprawie uchwalenia zmiany miejscowego planu zagospodarowania przestrzennego gminy Choroszcz Na podstawie art ust pt ustawy z dnia marca 99

Bardziej szczegółowo

4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)

4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19) 256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia

Bardziej szczegółowo

Zastosowanie zespołów prądotwórczych do awaryjnego zasilania obiektów budowlanych mgr inż. Julian Wiatr CKSI i UE SEP

Zastosowanie zespołów prądotwórczych do awaryjnego zasilania obiektów budowlanych mgr inż. Julian Wiatr CKSI i UE SEP astosowanie zespołów prądotwórczych do awaryjnego zasilania obietów budowlanych mgr inż. Julian Wiatr CKSI i UE SE 1. odział odbiorniów energii eletrycznej na ategorie zasilania i ułady zasilania obietu

Bardziej szczegółowo

OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH

OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH OPTYMALIZACJA PRZEPUSTOWOŚCI SIECI KOMPUTEROWYCH ZA POMOCĄ ALGORYTMÓW GENETYCZNYCH Andrzej SZYMONIK, Krzysztof PYTEL Streszczenie: W złożonych sieciach omputerowych istnieje problem doboru przepustowości

Bardziej szczegółowo

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II Przedstawiono

Bardziej szczegółowo

Wprowadzenie do badań operacyjnych - wykład 2 i 3

Wprowadzenie do badań operacyjnych - wykład 2 i 3 Wprowadzenie do badań operacyjnych - wykład 2 i 3 Hanna Furmańczyk 14 listopada 2008 Programowanie liniowe (PL) - wszystkie ograniczenia muszą być liniowe - wszystkie zmienne muszą być ciągłe n j=1 c j

Bardziej szczegółowo

RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE GLIWICKIM

RANKING ZAWODÓW DEFICYTOWYCH I NADWYŻKOWYCH W POWIECIE GLIWICKIM P o w i a t o w y U r z ą d P r a c y w G l i w i c a c h RANKNG ZAWODÓW DEFCYTOWYCH NADWYŻKOWYCH W POWECE GLWCKM ZA ROK 2009 POWATOWY RAPORT ROCZNY /P/2009 CZĘŚĆ Gliwice 2010 Przedru w całości lub w części

Bardziej szczegółowo

Restauracja a poprawa jakości obrazów

Restauracja a poprawa jakości obrazów Restauracja obrazów Zadaniem metod restauracji obrazu jest taie jego przeształcenie aby zmniejszyć (usunąć) znieształcenia obrazu powstające przy jego rejestracji. Suteczność metod restauracji obrazu zależy

Bardziej szczegółowo

4. Weryfikacja modelu

4. Weryfikacja modelu 4. Weryfiacja modelu Wyznaczenie wetora parametrów struturalnych uładu ończy etap estymacji. Kolejnym etapem jest etap weryfiacji modelu. Przeprowadza się ją w dwóch ujęciach: merytorycznym i statystycznym.

Bardziej szczegółowo