HARMONOGRAMOWANIE BUDOWY Z UWZGLĘDNIENIEM ROZMYTYCH CZASÓW WYKONANIA ROBÓT SCHEDULING OF CONSTRUCTION PROJECT WITH FUZZY PROCESSING TIMES

Wielkość: px
Rozpocząć pokaz od strony:

Download "HARMONOGRAMOWANIE BUDOWY Z UWZGLĘDNIENIEM ROZMYTYCH CZASÓW WYKONANIA ROBÓT SCHEDULING OF CONSTRUCTION PROJECT WITH FUZZY PROCESSING TIMES"

Transkrypt

1 JANUSZ KULEJEWSKI, NABI IBADOV HARMONOGRAMOWANIE BUDOWY Z UWZGLĘDNIENIEM ROZMYTYCH CZASÓW WYKONANIA ROBÓT SCHEDULING OF CONSTRUCTION PROJECT WITH FUZZY PROCESSING TIMES Streszczene Abstract W artyule przedstawono metodę harmonogramowana budowy według ryterum nezawodnośc w przypadu rozmytego modelowana czasów wyonana robót ogranczeń zasobowych. Jao ryterum nezawodnośc harmonogramu rozmytego przyęto prawdopodobeństwo realzac budowy w wymaganym czase z uwzględnenem zadanego prawdopodobeństwa dotrzymana rozmytych ogranczeń zasobowych. Dla opracowana harmonogramu spełnaącego ustalone ryterum nezawodnośc wyorzystano algorytm genetyczny. Słowa luczowe: harmonogramowane rozmyte, nezawodność harmonogramu Ths paper presents a method for schedulng of constructon wors wth the crteron of schedule relablty n the case of fuzzy modelng of processng tmes and resource restrctons. As a crteron for the relablty of fuzzy schedule, the lelhood of meetng the requred executon tme has been adopted, tang nto account the requred lelhood of meetng the flexble lmt of resources avalablty. Fuzzy schedule meetng specfed relablty crteron s generated usng a genetc algorthm. Keywords: fuzzy schedulng, schedule relablty Dr nż. Janusz Kuleews, dr nż. Nab Ibadov, Załad Inżyner Produc Zarządzana w Budownctwe, Wydzał Inżyner Lądowe, Poltechna Warszawsa.

2 232 Oznaczena D lczba rozmyta, modeluąca neprecyzyne oreślony czas wyonana roboty ES nawcześneszy rozmyty termn rozpoczęca roboty EF nawcześneszy rozmyty termn zaończena roboty S F T T d planowany rozmyty termn rozpoczęca roboty planowany rozmyty termn zaończena roboty planowany rozmyty czas wyonana robót wymagany czas wyonana robót R lczba rozmyta, modeluąca neprecyzyne sformułowany lmt dostępnośc -tego zasobu odnawalnego r t lczba rozmyta, modeluąca neprecyzyne oszacowane zużyce -tego zasobu odnawalnego w olenym dnu budowy wymagane prawdopodobeństwo dotrzymana ogranczena dostępnośc -tego P gr zasobu odnawalnego 1. Wstęp Nepewność warunów realzac budowy powodue szybą dezatualzacę harmonogramu sporządzonego przez wyonawcę na podstawe determnstyczne ustalonych czasów wyonana robót. Poszuue sę zatem metod harmonogramowana budowy zapewnaących stablność zaplanowanego termnu e zaończena, pommo możlwośc wystąpena różnorodnych załóceń przebegu robót. Do tach metod należą te wyorzystuące rozmyte modelowane neednoznacznych neprecyzyne oreślonych relac pomędzy ntensywnoścą załóceń ch sutam w postac wydłużeń czasów wyonana robót. Dla rozwązywana zagadneń rozmytego harmonogramowana przedsęwzęć opracowano uż pewen zbór metod będących odpowednam metod harmonogramowana determnstycznego. Na przyład w [13] przedstawono rozmyty odpowedn metody podzału ogranczeń, a w [4, 11] oraz w [14] zaprezentowano schematy równoległe generowana harmonogramu rozmytego. W zarese wyorzystana metod metaheurystycznych dla potrzeb generowana harmonogramu rozmytego w [5] autorzy przedstawaą wyorzystane symulowanego wyżarzana, a w [7, 11] [14] poazuą wyorzystane algorytmu genetycznego. W wyże wsazanych pracach przymowano założene, że ogranczena dostępnośc zasobów odnawalnych dla realzac przedsęwzęca są precyzyne oreślone. W przypadu przedsęwzęca budowlanego tae założene est rzado spełnone. Natomast dla oceny dotrzymana wymaganego czasu realzac proetu wyorzystywano marę posyblstyczną. Tae dzałane prowadz do wyznaczena dolnego (pesymstycznego) górnego (optymstycznego) ogranczena prawdopodobeństwa dotrzymana wymaganego czasu realzac proetu (2). W źródłach lteraturowych przedstawa sę metody oceny termnowośc realzac proetu będące ompromsem pomędzy oceną pesymstyczną

3 233 oceną optymstyczną dotrzymana wymaganego czasu realzac z uwzględnenem ryterum Hurwcza (por. [13] [14]). W artyule przedstawono metodę harmonogramowana budowy z uwzględnenem ryterum nezawodnośc harmonogramu w przypadu, gdy czasy wyonana robót oraz ogranczena dostępnośc zasobów odnawalnych ne są precyzyne oreślone. Jao marę nezawodnośc harmonogramu przyęto prawdopodobeństwo zrealzowana robót w wymaganym czase. Jednocześne należy uwzględnć wymagane prawdopodobeństwo dotrzymana rozmytych ogranczeń dostępnośc zasobów odnawalnych. Przedstawono metodę oceny prawdopodobeństw dotrzymana ogranczeń czasowych zasobowych. Poazano równeż schemat rozwązywana rozpatrywanego zagadnena z wyorzystanem algorytmu genetycznego. 2. Podstawy rozmytego modelowana czasu wyonana roboty budowlane 2.1. Zbory rozmyte lczby rozmyte, Zborem rozmytym D nazywa sę zbór uporządowanych par D= {(, x μ ()); x x X} gdze x est elementem w pewne przestrzen rozważań X, a μ :X [0,1] est funcą przynależnośc przypsuącą ażdemu elementow x X ego stopeń przynależnośc do zboru rozmytego D ([12]). W rozpatrywanym przypadu przestrzeną (obszarem) rozważań est zbór wartośc czasów wyonana pewne roboty budowlane. Zbór rozmyty D zawera neprecyzyne oreślone wartośc czasów wyonana te roboty, na przyład: średn, ooło 5 zman roboczych lub od ooło 4 do ooło 6 zman roboczych. Każde z tach neprecyzynych oreśleń est zdefnowane dla pewnego zamnętego przedzału lczbowego. Lczbą rozmytą est zbór rozmyty D oreślony w zborze lczb rzeczywstych, tórego funca przynależnośc μ :X [0,1] est przedzałam cągła oraz spełna następuące D warun ([12]): a) sup μ ( x ) = 1, co znaczy, że zbór rozmyty D est normalny, D D D D dla x1, x 2 R λ [0, 1], co znaczy, że b) μ [ λ x + (1 λ) x ] mn 1 2 { μ ( x ), μ ( x ) 1 2 } zbór rozmyty D est wypuły. W rozmytym harmonogramowanu przedsęwzęć czasy wyonana czynnośc są modelowane naczęśce przez lczby rozmyte trapezowe. Funcę przynależnośc trapezowe lczby rozmyte D przedstawa rys. 1. Dla ułatwena wyznaczana rozmytych termnów realzac czynnośc w modelu secowym przedsęwzęca, lczby rozmyte modeluące neprecyzyne oreślone czasy wyonana poszczególnych czynnośc są zapsywane z wyorzystanem notac welopuntowe. W notac welopuntowe trapezową lczbę rozmytą D oreśla uporządowana czwóra lczb rzeczywstych (d (1), d (2), d (3), d (4) ). Przedzał [d (2), d (3) ] wyznacza rdzeń trapezowe lczby rozmyte D. Z ole przedzał [d (1), d (4) ] wyznacza nośn trapezowe D D

4 234 lczby rozmyte D. Trapezowe lczby rozmyte można wyorzystać dla modelowana czasu wyonana czynnośc oreślonego przez neprecyzyne sformułowane od ooło d (2) do ooło d (3) zman roboczych, [8]. Jeżel d (2) = d (3), otrzymue sę lczbę rozmytą tróątną, umożlwaącą modelowane czasu wyonana czynnośc oreślonego przez neprecyzyne sformułowane ooło d (2) zman roboczych, [8]. Rys. 1. Funca przynależnośc rozmyte lczby trapezowe Fg. 1. Membershp functon of the trapezodal fuzzy number Lczby rozmyte modeluące czasy wyonana poszczególnych czynnośc można wyznaczyć na podstawe subetywne opn esperta ([4]) lub wyorzystuąc logę rozmytą ([9], [10]). Sładn uporządowane czwór lczb rzeczywstych tworzących trapezową lczbę D muszą spełnać warune neuemnośc wypułośc te lczby ( ) ( 1) 0 + d d ; 1,2,3 = (1) Lczbę rozmytą D można przedstawć ao sumę sończone lośc przedzałów D = [ D, D ] l u, utworzonych w wynu sończone lośc przeroów te lczby, gdze [0, 1]. Wyższym pozomom przeroów lczby rozmyte D odpowadaą wyższe pozomy pewnośc oszacowań realzac neznane welośc D. Przedzał [ D, D ] l u zawera wszyste te lczby rzeczywste, tórych stopeń możlwośc byca realzacą neznane welośc D został ocenony przez esperta ao ne mneszy od, ([6]). Wyorzystuąc ryterum decyzyne Hurwcza, welość D można ocenć subetywne ao D D (1 ) D l u = + (2) gdze [0, 1] est wsaźnem o wartośc proporconalne do pozomu optymzmu decydenta. Wyższe wartośc wsaźna wsazuą na węszą słonność decydenta do aceptac ryzya nedoszacowana realzac neznane welośc D.

5 2.2. Podstawowe operace arytmetyczne na lczbach rozmytych 235 W rozmytym harmonogramowanu proetów podstawowe operace arytmetyczne na lczbach rozmytych zapsanych z wyorzystanem notac welopuntowe są przeprowadzane z wyorzystanem zasad przedstawonych w [1]. (1) (2) (3) (4) Operacę dodawana dwóch lczb rozmytych trapezowych A = ( a, a, a, a ) (1) (2) (3) (4) B = ( b, b, b, b ) opsue zależność ([4]) (1) (1) (2) (2) (3) (3) (4) (4) A B = ( a + b, a + b, a + b, a + b ) (3) Natomast, operacę ustalana masmum lczb rozmytych trapezowych (1) (2) (3) (4) A = ( a, a, a, a ) (1) (2) (3) (4) B = ( b, b, b, b ) opsue zależność (por. [4]): (1) (1) (2) (2) (3) (3) (4) (4) ( ) max( AB, ) = max( a, b ), max( a, b ), max( a, b ), max( a, b ) (4) 3. Ops problemu W referace założono, że budowę odwzorowue ednopuntowa seć powązań z edną czynnoścą początową S, oznaczaącą rozpoczęce budowy z edną czynnoścą ońcową F, oznaczaącą zaończene budowy. Pomędzy czynnoścam zachodzą zależnośc typu zaończene rozpoczęce. Czasy wyonana czynnośc S F są zerowe. Czasy wyonana pozostałych czynnośc uwzględnaą rozmytą ocenę załóceń są modelowane przez lczby rozmyte trapezowe. W rezultace planowany czas budowy est modelowany przez lczbę rozmytą trapezową T. Ogranczena dostępnośc zasobów są równeż modelowane przez lczby rozmyte trapezowe. Natomast wymagany czas budowy przedstawa lczba rzeczywsta T d. Planowany czas budowy, uwzględnaący ogranczena dostępnośc zasobów, ne może być dłuższy od czasu wymaganego. Zatem mus zachodzć relaca T T d. W śwetle termnolog wprowadzone w [6] relaca T T oznacza, że neznana eszcze realzaca lczby rozmyte T ne będze węsza od lczby rzeczywste T d. Uwzględnaąc założena teor możlwośc, dla oceny prawdzwośc stwerdzena realzaca lczby rozmyte T ne będze węsza od lczby rzeczywste T d, należałoby wyorzystać dwe mary: marę potrzeby (necessty measure) N marę możlwośc (possblty measure) Π, [2]. Wyorzystane mary potrzeby mary możlwośc prowadz do ustalena dolnego górnego ogranczena prawdopodobeństwa zaśca relac T Td w przypadu, gdy wedza na temat wpływu załóceń na czasy wyonana robót ne est doładna NT ( T) P( T T) Π( T T) (5) d d d d

6 236 Należy podreślć, za [6], że relaca możlwośc Π( T T d ) ne ma właścwośc omplementarnośc, to est Π( T T d ) ne mus być równe 1 Π ( T T ) d, a tae właścwośc oczeue decydent, eruąc sę ntucą z rachunu prawdopodobeństwa. Dlatego w nneszym artyule podęto próbę wyorzystana mary probablstyczne dla oceny termnowośc zaończena budowy o neprecyzyne oreślonych warunach realzac. Jao marę oceny termnowośc zaończena budowy przyęto prawdopodobeństwo PT ( T d ) realzac ustalonego programu robót w wymaganym czase. Jednocześne należy uwzględnć wymagane przez wyonawcę robót prawdopodobeństwo dotrzymana rozmytych ogranczeń dostępnośc zasobów odnawalnych. Zatem przedmotem rozpatrywanego zagadnena est opracowane harmonogramu zapewnaącego masymalzacę prawdopodobeństwa realzac budowy w czase ne dłuższym od czasu wymaganego, z uwzględnenem zadanego prawdopodobeństwa dotrzymana neprecyzyne oreślonego lmtu dostępnośc danego zasobu. Przedstawona w artyule metoda rozwązana rozpatrywanego zagadnena polega na dwuetapowym sporządzanu harmonogramu budowy. W etape perwszym sporządza sę harmonogram rozmyty, spełnaący ustalone ryterum planowana realzac budowy. W etape drugm, wyorzystuąc oncepcę przeroów lczby rozmyte oraz ryterum decyzyne Hurwcza, na podstawe harmonogramu rozmytego sporządza sę harmonogram zwyły (nerozmyty), uwzględnaący przyęty przez decydenta pozom pewnośc oszacowań czasów wyonana robót oraz słonność decydenta do aceptac ryzya nedoszacowana ch rzeczywstych czasów wyonana. Zadane masymalzac prawdopodobeństwa realzac budowy w wymaganym czase można sformułować następuąco Max P : P = P( T T d ) (6) gdze: T lczba rozmyta, modeluąca planowany czas realzac budowy, T d lczba rzeczywsta, przedstawaąca wymagany czas realzac budowy. W śwetle termnolog wprowadzone w [6], stotą zadana (6) est masymalzaca prawdopodobeństwa, że (neznana eszcze) realzaca lczby rozmyte T ne będze węsza od lczby rzeczywste T d. Rozwązanem zadana (6) est harmonogram rozmyty, zachowuący ustalone zależnośc pomędzy czynnoścam w modelu secowym budowy oraz zapewnaący wymagane prawdopodobeństwo dotrzymana rozmytych ogranczeń dostępnośc zasobów. Warune zachowana zależnośc typu zaończene rozpoczęce pomędzy czynnoścam o rozmytych czasach wyonana ma postać S S D { Prec( )}, = 1,..., J (7) gdze { Prec( )} est zborem czynnośc poprzedzaących czynność w ednopuntowym modelu secowym budowy. Natomast warune zapewnena wymaganego prawdopodobeństwa dotrzymana rozmytych ogranczeń dostępnośc -tego zasobu ma postać

7 237 P( r R ) P gr (8) gdze: r lczba rozmyta modeluąca masymalne planowane zużyce -tego zasobu, R lczba rozmyta modeluąca neprecyzyne sformułowany lmt dostępnośc -tego zasobu, P gr wymagane prawdopodobeństwo dotrzymana lmtu dostępnośc -tego zasobu. W śwetle termnolog wprowadzone w [6] warune (8) dotyczy prawdopodobeństwa zastnena żądane relac pomędzy realzacą lczby rozmyte r realzacą lczby rozmyte R. Ocena spełnena warunu (8) wymaga edna wyznaczana lczb rozmytych r t modeluących planowane zużyce danego zasobu w ażdym dnu budowy w przypadu, edy termny rozpoczęca zaończena poszczególnych robót są równeż modelowane przez lczby rozmyte. Dla ułatwena oceny spełnena warunu (8) można wyorzystać założene, że czas wyonana dane roboty est modelowany przez lczbę rozmytą D o cągłe lnowe func przynależnośc. W rezultace równeż termny rozpoczęca zaończena robót w harmonograme rozmytym są modelowane przez lczby rozmyte S F, o cągłych lnowych funcach przynależnośc. Doonuąc przerou harmonogramu rozmytego na pozome, uzysue sę przedzały S = [ S, S ] oraz l u F [ F, F ]. Przedzały te zaweraą wszyste te lczby rzeczywste, tórych stopeń l u możlwośc byca realzacam neznanych welośc S F ocena sę ao ne mneszy od. Wyorzystuąc ryterum decyzyne L. Hurwcza zależność (2), można ustalć termny realzac poszczególnych czynnośc w harmonograme zwyłym S = S + (1 ) S (9) l u F = F + (1 ) F (10) l u gdze [0, 1] est wsaźnem aceptac ryzya nedoszacowana realzac neznanych welośc S F ao onsewenc nedoszacowana realzac neznanych czasów wyonana czynnośc. Każdy harmonogram zwyły, otrzymany w wynu przerou harmonogramu rozmytego na pozome przyęca oreślone wartośc wsaźna optymzmu, mus uwzględnać następuący warune ogranczaący P( r R ) P (11) gr gdze: r lczba rzeczywsta, przedstawaąca masymalne zużyce -tego zasobu, wyznaczone dla -tego pozomu pewnośc oszacowana czasów wyonana

8 238 robót, z uwzględnenem oreślonego pozomu aceptac ryzya przez decydenta r = max, 1,..., r pt t T = (12) p { A( t)} {A(t)} zbór czynnośc realzowanych w dnu t, T lczba rzeczywsta, przedstawaąca planowany czas realzac budowy, ustalony dla -tego pozomu pewnośc oszacowana czasów wyonana robót, z uwzględnenem oreślonego pozomu aceptac ryzya przez decydenta. Przyęto założene, że onflty zasobowe będą rozwązywane z wyorzystanem oreślone reguły prorytetu, przyznaące pewnym czynnoścom w modelu secowym budowy perwszeństwo w przydzale zasobów. W przypadu onfltu zasobowego planowany termn rozpoczęca czynnośc o nższym prorytece zostae opóźnony w stosunu do nawcześneszego termnu rozpoczęca te czynnośc z uwzględnenem topolog modelu secowego. Opóźnene termnu rozpoczęca czynnośc est modelowane za pomocą lczby rozmyte L = (l (1), l (2), l (3), l (4) ), gdze ( ) ( 1) 0 + l l, 1,2,3 = (13) Dla zapewnena cągłośc harmonogramu rozmytego należy wprowadzć ogranczene wartośc opóźneń L. Opóźnena masymalne są modelowane przez lczby rozmyte (1) (2) (3) (4) L = ( l, l, l, l ), gdze ( ) ( 1) 0 + l l, = 1,2,3. Masymalne wartośc L max max max max max max max max opóźneń L można wyznaczyć, przymuąc, że do realzac czynnośc przystępue sę dopero po zaończenu wszystch czynnośc poprzedzaących czynność zgodne z ustaloną regułą prorytetu. Ogranczene wartośc opóźneń L prowadz do warunu 0 l l, = 1,..., 4 (14) () () max 4. Ocena prawdopodobeństw dotrzymana ogranczeń czasowych zasobowych 4.1. Ocena prawdopodobeństwa dotrzymana ogranczeń czasowych Dane są dwe lczby: lczba rozmyta trapezowa T, modeluąca planowany czas realzac budowy, oraz lczba rzeczywsta T d, przedstawaąca ogranczene czasu na realzacę budowy. Należy ocenć prawdopodobeństwo P( T T d ), że realzaca lczby rozmyte T będze ne węsza od lczby rzeczywste T d.

9 239 Istotą nże przedstawone metody oceny prawdopodobeństwa P( T T d ) est wyorzystane oncepc przeroów lczby rozmyte T dla sończone lośc pozomów pewnośc oszacowana czasów wyonana robót. Dla danego pozomu przerou lczby rozmyte T, otrzymue sę przedzał [ T T, T = ]. Przyład przedzału T przedstawa rys. 2. Symbol est ndesem olenego pozomu przerou. Metoda polega na oddzelne ocene prawdopodobeństw P( T T d ), że realzaca lczby przedzałowe T, uzysane dla olenego pozomu przerou lczby rozmyte T, będze ne węsza od lczby rzeczywste T d. Prawdopodobeństwo P( T T d ) ustala sę w wynu agregac prawdopodobeństw P( T T d ). Na podstawe rys. 2 można stwerdzć, że eżel T T T l d u, to przedzał T dzel sę na podprzedzały [, ] T T l d l u oraz [ T, T ]. Prawdopodobeństwo, że realzaca lczby przedzałowe T będze zawarta w podprzedzale [ T, T ] wynos d u l d ( T T ) d l P( T T ) = d ( T T ) u l (15) Jeżel T T <, to P( T T d ) = 0. Natomast eżel T T >, to P( T T d ) = 1. d l d u 1,00 μ(x) T ~ T l T d T u x Rys. 2. Przyład utworzena przedzału T Fg. 2. An example of nterval T Agreguąc prawdopodobeństwa P( T T d ) wyznaczone dla sończone lośc przeroów lczby rozmyte T, otrzymue sę T [ P( T T )] d P( T T ) = (16) d

10 Ocena prawdopodobeństwa dotrzymana rozmytych ogranczeń zasobowych Dane są dwe lczby: lczba rozmyta trapezowa R, modeluąca ogranczene dostępnośc -tego zasobu, oraz lczba rzeczywsta, przedstawaąca planowane masymalne r zużyce -tego zasobu, wyznaczone dla -tego pozomu pewnośc oszacowana czasów trwana robót z uwzględnenem oreślonego pozomu aceptac ryzya przez decydenta. Należy ocenć prawdopodobeństwo P( r R ), że realzaca lczby rozmyte R będze ne mnesza od lczby rzeczywste r. Postępuąc podobne a w przypadu oceny prawdopodobeństwa P( T T d ) dla danego pozomu pewnośc λ oszacowana ogranczena dostępnośc oreślonego zasobu, λ otrzymue sę lczbę przedzałową λ [ λ R = R, R ]. Symbol est ndesem olenego pozomu pewnośc λ oszacowana ogranczena dostępnośc oreślonego zasobu. Prawdopodobeństwo, że realzaca lczby przedzałowe będze zawarta w podprzedzale λ [ r, R ] wynos u l u R λ λ ( R r ) λ u P( r R ) = λ λ ( R R ) u l (17) Agreguąc prawdopodobeństwa P( r λ R ) wyznaczone dla sończone lczby przeroów lczby rozmyte R, otrzymue sę λ [ λ P( r R )] P( r R ) = (18) λ Jeżel r R λ < l, to P( ) = 1 r R. Natomast eżel r R λ > u, to P( ) = 0 r R. 5. Schemat przeprowadzana oblczeń Oblczena zwązane ze sporządzanem harmonogramu rozmytego można przeprowadzać z wyorzystanem algorytmu genetycznego, zgodne ze schematem przedstawonym na rys. 3. Algorytm genetyczny generue próbne wartośc opóźneń termnów rozpoczęca poszczególnych czynnośc. Dane przesłane przez algorytm genetyczny są wyorzystywane dla wygenerowana warantowych harmonogramów rozmytych, z zachowanem zależnośc pomędzy czynnoścam w modelu secowym z zachowanem rozmytych ogranczeń dostępnośc zasobów. Termny rozpoczęca zaończena czynnośc w ażdym warantowym harmonograme rozmytym wyznacza sę z wyorzystanem następuących zależnośc

11 { Prec( )} 241 S = max { S D } L (19) F = S D (20) Dla ażdego z warantowych harmonogramów rozmytych algorytm genetyczny doonue oceny wartośc func celu w zadanu (6) wsazue nalepsze rozwązane rozpatrywanego zagadnena. Oblczena poprzedza wyznaczene masymalnych wartośc opóźneń L. Następne z wyorzystanem algorytmu genetycznego generue sę próbne rozwązana rozpatrywanych zagadneń. Kolene czwór genów ażdego chromosomu w dane generac rozwązań próbnych odpowadaą olenym czwórom całowtych lczb rzeczywstych l (1), l (2) (3), l l (4), tworzących lczby rozmyte L (opóźnena termnów rozpoczynana czynnośc w modelu secowym budowy). Topologa sec, czasy trwana czynnośc D, zapotrzebowane na zasoby r Próbne wartośc L Generator harmonogramu Warantowe harmonogramy rozmyte GA generowane próbnych wartośc L GA Identyfaca rozwązana spełnaącego ustalone rytera Wyn oceny GA ocena wartośc func celu Generator harmonogramu: HARMONOGRAM ROZMYTY Rys. 3. Schemat przeprowadzana oblczeń dla planowana realzac budowy według ryterum nezawodnośc harmonogramu rozmytego Fg. 3. Schematc dagram of calculatons for plannng of constructon wors wth the crteron of fuzzy schedule relablty Spełnene warunu (13) dotyczącego neuemnośc wypułośc lczb L oraz warunu (14) zapewnaącego cągłość harmonogramu rozmytego uzysue sę następuąco:

12 Jao perwszą z lczb rzeczywstych tworzących daną uporządowaną czwórę ustala sę lczbę l (1), równą lczbe l (1) g wygenerowane przez algorytm genetyczny z uwzględnenem warunu (14). 2. Pozostałe lczby rzeczywste w dane uporządowane czwórce ustala sę z wyorzystanem warunu l l l = l 0 l L, r = 2,3,4 (21) ( r) ( r 1) ( r) ( r) ( r) ( r) g g g g l < l l = l 0 l L, r = 2,3,4 (22) ( r) ( r 1) ( r) ( r 1) ( r) ( r) g g g g Na podstawe próbnych rozwązań uzysanych z wyorzystanem algorytmu genetycznego zostaą wygenerowane warantowe harmonogramy rozmyte, w tórych termny S rozpoczęca termny F zaończena poszczególnych czynnośc wyznacza sę z wyorzystanem zależnośc (19) (20). W ażdym z warantowych harmonogramów rozmytych sprawdza sę spełnene warunu (11), dotyczącego zapewnena wymaganego prawdopodobeństwa dotrzymana rozmytego ogranczena dostępnośc zasobów odnawalnych. Ze względu na cągłość lnowość func przynależnośc lczb rozmytych modeluących termny rozpoczęca zaończena poszczególnych czynnośc, sprawdzene spełnena warunu (11) przeprowadza sę następuąco: 1. Doonuąc przeroów harmonogramu rozmytego na pozomach = 0,0 = 1,0, tworzy sę nerozmyte harmonogramy sprawdzaące w dwóch wersach: w wers optymstyczne ( = 1,0) dla S = S = S F F F, opt = 1 l opt 1 1 w wers pesymstyczne ( = 0,0) dla S = S = S F = F = F. pes = 0 u pes = 0 u 2. W ażdym z utworzonych w powyższy sposób nerozmytych harmonogramów sprawdzaących wyznacza sę masymalne zużyce -tego zasobu, wyorzystuąc zależność (12) P( r <ρ ) P t = 1,..., T = 0,0, 1,0; = 0,0, 1,0 gr 3. Wyorzystuąc zależnośc (18) (19) w ażdym harmonograme sprawdzaącym ocena sę spełnene warunu (10) P( r R ) P t = 1,..., T, = 0,0, 1,0; = 0,0, 1,0 gr W przypadu spełnena warunu (11) w ażdym z nerozmytych harmonogramów sprawdzaących dla danego warantu harmonogramu rozmytego ustala sę wartość func celu w zadanu (6) z wyorzystanem zależnośc (15) (16). Po zrealzowanu zadane lczby terac algorytm genetyczny wsazue rozwązane zadana (6) w postac lst lczb rzeczywstych oreślaących nośn rdzene poszczególnych lczb trapezowych L. Lczby L modeluą opóźnena termnów rozpoczęca poszczególnych czynnośc, zapewnaące masymalzacę prawdopodobeństwa dotrzymana lmtu

13 243 czasu na realzacę budowy z uwzględnenem wymaganego prawdopodobeństwa dotrzymana rozmytych ogranczeń dostępnośc zasobów. Doonuąc przerou harmonogramu rozmytego na przyętym przez decydenta pozome pewnośc oszacowań czasów wyonana robót oraz uwzględnaąc pozom aceptac ryzya nedoszacowana rzeczywstych czasów wyonana robót (wsaźn ), uzysue sę harmonogram zwyły (nerozmyty), spełnaący przyęte ryterum nezawodnośc. Termny realzac robót w harmonograme zwyłym wyznacza sę na podstawe zależnośc (9) (10). 6. Przyład Przebeg newele budowy odwzorowue ednopuntowa seć powązań przedstawona na rys. 4. Nezbędne lczebnośc zespołów roboczych neprecyzyne oszacowane czasy wyonana poszczególnych robót zestawono w tabel 1. Rys. 4. Seć powązań do przyładu wyorzystana przedstawone metody Fg. 4. Networ for example problem Dane lczbowe do sec powązań według rys. 4 Tabela 1 Czynność, Lczebność zespołu, r Czas wyonana, D 1 17 (2, 4, 6, 8) 2 12 (4, 6, 6, 10) 3 8 (4, 6, 6, 8) 4 10 (6, 8, 8, 10) 5 11 (4, 8, 10, 12) 6 9 (6, 10, 10, 12) 7 11 (4, 6, 8, 10) Wymagany czas realzac budowy wynos T d = 30 zman roboczych. Ogranczene dostępnośc zasobów sły robocze wynos ooło 30 robotnów est modelowane przez lczbę rozmytą R = (25, 30, 30, 35). Wymagane prawdopodobeństwo dotrzymana rozmytego ogranczena dostępnośc zasobów sły robocze wynos P gr = 0,75.

14 244 Przyęto, że w przypadu onfltów zasobowych perwszeństwo w przydzale zasobów przysługue czynnoścom o nższym numerze dentyfacynym. Masymalne opóźnena termnów rozpoczęca poszczególnych czynnośc wynoszą, L = D, L = D, L = D D, L = D 4 max 3 5 max 4 6 max 4 5 max L = D, L = D D 2max 1 3 max Wyn oblczeń zestawono w tabel 2. W przypadu pomnęca ogranczena dostępnośc sły robocze planowany czas realzac budowy wynos od ooło 20 do ooło 24 zman roboczych est modelowany przez lczbę rozmytą T = (14, 20, 24, 32). Masymalne zatrudnene dzenne wynos 37 robotnów. Natomast planowany czas realzac budowy z uwzględnenem wymaganego prawdopodobeństwa dotrzymana rozmytych ogranczeń dostępnośc sły robocze wynos od ooło 24 do ooło 30 zman roboczych est modelowany przez lczbę rozmytą T = (16, 24, 30, 38). Prawdopodobeństwo realzac budowy w wymaganym czase wynos P( T < T d ) = 0,77. Masymalne zatrudnene dzenne w ażdym z harmonogramów sprawdzaących wynos r = 29 robotnów, gdze = 0.0 lub 1.0, = 0.0 lub 1.0. W ażdym z harmonogramów sprawdzaących prawdopodobeństwo dotrzymana rozmytego ogranczena dostępnośc sły robocze wynos P( r < R ) = 0,83. Zestawene wynów oblczeń Tabela 2 Czynność, Nawcześnesze rozmyte termny rozpoczęca ES zaończena EF Opóźnena L Planowane rozmyte termny rozpoczęca S zaończena F S (0, 0, 0, 0) (0, 0, 0, 0) (0, 0, 0, 0) (0, 0, 0, 0) 1 (0, 0, 0, 0) (2, 4, 6, 8) (0, 0, 0, 0) (2, 4, 6, 8) 2 (0, 0, 0, 0) (4, 6, 6, 10) (0, 0, 0, 0) (4, 6, 6, 10) 3 (0, 0, 0, 0) (4, 6, 6, 8) (2, 4, 6, 8) (2, 4, 6, 8) (6, 10, 12, 16) 4 (4, 6, 6, 10) (10, 14, 14, 20) (4, 6, 6, 10) (10, 14, 14, 20) 5 (4, 6, 6, 10) (8, 14, 16, 22) (6, 10, 12, 16) (10, 18, 22, 28) 6 (4, 6, 6, 8) (10, 16, 16, 20) (4, 4, 4, 4) (10, 14, 16, 20) (16, 24, 26, 32) 7 (10,14,16, 22) (14, 20, 24, 32) (10, 18, 22, 28) (14, 24, 30, 38) F (14, 20, 24, 32 (14, 20, 24, 32) (16, 24, 30, 38) (16, 24, 30, 38) Na rysunu 5 przedstawono harmonogram rozmyty, uzysany w wynu masymalzac prawdopodobeństwa realzac budowy w wymaganym czase z uwzględnenem wymaganego prawdopodobeństwa dotrzymana rozmytego ogranczena dostępnośc sły robocze. Natomast na rys. 6 przedstawono harmonogram zwyły, sporządzony na podstawe uzysanego harmonogramu rozmytego przy założenu bardzo duże nepewnośc oszacowań czasów wyonana robót ( = 0,1) oraz przy założenu mne nż średne słonnośc decydenta do aceptac ryzya nedoszacowana rzeczywstych czasów wyonana

15 245 robót ( = 0,4). Termny realzac robót w harmonograme zwyłym wyznaczono na podstawe zależnośc (9) (10). Planowany czas realzac budowy wynos T = 28 = 0,1 zman roboczych. Masymalne zatrudnene dzenne wynos r = 0,1 = 0,4 = 0,4 = 29 robotnów. S ~ S : czynność 1 ~ F : czynność 2 czynność 3 czynność 4 czynność 5 czynność 6 czynność 7 F Rys. 5. Harmonogram rozmyty, uzysany w wynu wyorzystana przedstawone metody Fg. 5. Fuzzy schedule, generated by usng the method descrbed Dla porównana, eżel załada sę bardzo dużą pewność oszacowań czasów wyonana robót ( = 0,9) oraz bardzo dużą słonność decydenta do aceptac ryzya ( = 0,9), to = 0,9 planowany czas realzac budowy wynos T = 24 zmany robocze, przy ne zmenonym masymalnym zatrudnenu dzennym = 0,9

16 246 Czynność DNI ROBOCZE r = 0,1 t = 0, Rys. 6. Harmonogram zwyły, sporządzony na podstawe uzysanego harmonogramu rozmytego Fg. 6. Regular schedule, based on the obtaned fuzzy schedule 7. Podsumowane W nneszym artyule przedstawono metodę harmonogramowana budowy według ryterum nezawodnośc w przypadu neprecyzynośc danych o sutach przewdywanych załóceń przebegu robót o dostępnośc zasobów. Posyblstycznym elementem metody est wyorzystane lczb rozmytych dla modelowana neprecyzynośc oszacowań czasów wyonana poszczególnych robót neprecyzynośc danych o dostępnośc środów produc. Rozmyte oszacowana czasów wyonana robót uwzględnaą sut załóceń możlwych do wystąpena, ale trudnych do oceny loścowe. Probablstycznym elementem metody est ocena prawdopodobeństwa dotrzymana wymaganego czasu budowy z uwzględnenem rozmytych ogranczeń dostępnośc zasobów. Dla umożlwena oceny odpowednch prawdopodobeństw wyorzystano oncepcę -przeroów lczby rozmyte. Prawdopodobeństwo dotrzymana wymaganego czasu budowy ustala sę w wynu agregac prawdopodobeństw wyznaczonych dla poszczególnych pozomów subetywne warygodnośc oszacowana czasów wyonana robót. Podobne, prawdopodobeństwo dotrzymana ogranczena dostępnośc danego zasobu ustala sę w wynu agregac prawdopodobeństw wyznaczonych dla poszczególnych pozomów subetywne warygodnośc oszacowana danego ogranczena. Wyorzystuąc algorytm genetyczny, uzysue sę har-

17 247 monogram rozmyty, uwzględnaący ryterum masymalzac prawdopodobeństwa dotrzymana wymaganego czasu realzac budowy przy zadanym prawdopodobeństwe dotrzymana rozmytych ogranczeń zasobowych. Harmonogram zwyły uzysue sę, doonuąc -przerou harmonogramu rozmytego oraz wyorzystuąc ryterum Hurwcza. Uzysany harmonogram uwzględna przyęty przez decydenta pozom pewnośc oszacowań czasów wyonana robót oraz słonność decydenta do aceptac ryzya nedoszacowana rzeczywstych czasów wyonana robót. Przedstawony przyład lczbowy wsazue, że metoda umożlwa harmonogramowane budowy według ryterum nezawodnośc w przypadu neprecyzynośc danych o warunach realzac robót. Lteratura [1] Dubos D., Prade H., Operatons on fuzzy numbers, Internatonal Journal of Systems Scence, 9, 1978, [2] Dubos D., Prade H., Possblty theory, Plenum Press, New Yor [3] Dubos D., Prade H., Sandr S., On possblty/probablty transformatons, Proceedngs of 4 th IFSA Conference, Brussels [4] Hape M., Sł owń s R., Fuzzy prorty heurstcs for proect schedulng, Fuzzy Sets and Systems, 83, 1996, [5] Hape M., Sł owń s R., Fuzzy set approach to mult-obectve and mult-mode proect schedulng under uncertanty, [n:] Hape M., Słowńs R. (ed.), Schedulng Under Fuzness, Physca-Verlag, Hedelberg, [6] K u c h t a D., Męa matematya w zarządzanu. Zastosowane lczb przedzałowych rozmytych w rachunowośc zarządcze, Ofcyna Wydawncza Poltechn Wrocławse, Wrocław [7] Leu S.S., Chen A.T., Yang C.H., A GA-based fuzzy optmal model for constructon tme-cost trade-off, Internatonal Journal of Proect Management, 19, 2001, [8] Lorterapong P., Moselh O., Proect-networ analyss usng fuzzy sets theory, Journal of Constructon Engneerng and Management, ASCE, 122(4), December 1996, [9] O l v e r o s A.V.O., F a y e A.R., Fuzzy logc approach for actvty delay analyss and schedule updatng, Journal of Constructon Engneerng and Management, ASCE, 131(1), [10] Pan N.F., Hadprono F.C., Whtlatch E., A fuzzy reasonng nowledgebased system for assessng ran mpact n hghway constructon schedulng: Part I. Analytcal model, Journal of Intellgent and Fuzzy Systems, 16, 2005, [11] P a n H., Y e h C.H., Fuzzy proect schedulng, Proceedngs of the IEEE Internatonal Conference on Fuzzy Systems, 2003, [12] Rutows L., Metody techn sztuczne ntelgenc, Wydawnctwo Nauowe PWN, Warszawa [13] Wang J., A fuzzy proect schedulng approach to mnmze schedule rs for product development, Fuzzy Sets and Systems, 127, 2002, [14] W a n g J., A fuzzy robust schedulng approach for product development proects, European Journal of Operatonal Research, 152, 2004,

ZASTOSOWANIE TEORII ZBIORÓW ROZMYTYCH W HARMONOGRAMOWANIU ROBÓT BUDOWLANYCH METODĄ ŁAŃCUCHA KRYTYCZNEGO

ZASTOSOWANIE TEORII ZBIORÓW ROZMYTYCH W HARMONOGRAMOWANIU ROBÓT BUDOWLANYCH METODĄ ŁAŃCUCHA KRYTYCZNEGO ZASTOSOWANIE TEORII ZBIORÓW ROZMYTYCH W HARMONOGRAMOWANIU ROBÓT BUDOWLANYCH METODĄ ŁAŃCUCHA KRYTYCZNEGO Janusz KULEJEWSKI, Nab IBADOV, Bogdan ZIELIŃSKI Wydzał Inżyner Lądowej, Poltechna Warszawsa, Al.

Bardziej szczegółowo

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy

OPTYMALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE. 1. Problem badawczy 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 Krzysztof PIASECKI* OPTYALIZACJA KOSZTÓW PRZEBUDOWY PORTFELA JAKO ZADANIE TRANSPORTOWE Wszyste oszty generowane przez prowze malerse są włączone

Bardziej szczegółowo

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce

Zastosowanie procedur modelowania ekonometrycznego w procesach programowania i oceny efektywności inwestycji w elektroenergetyce Waldemar KAMRAT Poltechna Gdańsa Katedra Eletroenergety Zastosowane procedur modelowana eonometrycznego w procesach programowana oceny efetywnośc nwestyc w eletroenergetyce Streszczene. W pracy przedstawono

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE METODY KLASYFIKACJI. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSEMY UCZĄCE SIĘ WYKŁAD 5. LINIOWE MEODY KLASYFIKACJI Częstochowa 4 Dr hab. nż. Grzegorz Dude Wydzał Eletryczny Poltechna Częstochowsa FUNKCJE FISHEROWSKA DYSKRYMINACYJNE DYSKRYMINACJA I MASZYNA LINIOWA

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE Wocech BOŻEJKO Zdzsław HEJDUCKI Marusz UCHROŃSKI Meczysław WODECKI Streszczene: W pracy przedstawono metodę wykorzystana harmonogramów powykonawczych

Bardziej szczegółowo

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ INSTRUKCJA LABORATORYJNA Temat ćwczena: BADANIE POPRAWNOŚCI OPISU STANU TERMICZNEGO POWIETRZA PRZEZ RÓWNANIE

Bardziej szczegółowo

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI

RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU

METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Stansław Bogdanowcz Poltechna Warszawsa Wydzał Transportu Załad Logsty Systemów Transportowych METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Streszczene: Ogólna podstawa

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20

FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20 FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW

Bardziej szczegółowo

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie

Dr Krzysztof Piontek. Metody taksonomiczne Klasyfikacja i porządkowanie Lteratura przegląd etod Studu podyploowe Analty Fnansowy Metody tasonoczne Klasyfaca porządowane Dzechcarz J. (pod red.), Eonoetra: etody, przyłady, zadana, Wydawnctwo Aade Eonoczne we Wrocławu, Wrocław,

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne

Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk

Bardziej szczegółowo

Analiza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji

Analiza ryzyka kosztowego robót remontowo-budowlanych w warunkach niepełnej informacji Analza ryzyka kosztowego robót remontowo-budowlanych w warunkach nepełne nformac Mgr nż. Mchał Bętkowsk, dr nż. Andrze Pownuk Wydzał Budownctwa Poltechnka Śląska w Glwcach Mchal.Betkowsk@polsl.pl, Andrze.Pownuk@polsl.pl

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL

WYZNACZENIE ROZKŁADU TEMPERATUR STANU USTALONEGO W MODELU 2D PRZY UŻYCIU PROGRMU EXCEL Zeszyty robemowe Maszyny Eetryczne Nr /203 (98) 233 Andrze ałas BOBRME KOMEL, Katowce WYZNACZENIE ROZKŁADU TEMERATUR STANU USTALONEGO W MODELU 2D RZY UŻYCIU ROGRMU EXCEL SOLVING STEADY STATE TEMERATURE

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA

MODEL ROZMYTY WYBORU SAMOCHODU W NAJWYŻSZYM STOPNIU SPEŁNIAJĄCEGO PREFERENCJE KLIENTA ZESZYTY NAUKWE PLITECHNIKI ŚLĄSKIEJ 2013 Sera: RGANIZACJA I ZARZĄDZANIE z. 64 Nr ol. 1894 Dorota GAWRŃSKA Poltechna Śląsa Wydzał rganzacj Zarządzana Instytut Eono Inforaty MDEL RZMYTY WYBRU SAMCHDU W NAJWYŻSZYM

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE

ZASADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERSKIE Zasady wyznazana depozytów zabezpezaąyh po wprowadzenu do obrotu op w rela lent-buro malerse ZAADY WYZNACZANIA DEPOZYTÓW ZABEZPIECZAJĄCYCH PO WPROWADZENIU DO OBROTU OPCJI W RELACJI KLIENT-BIURO MAKLERKIE

Bardziej szczegółowo

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO

ROZWIĄZYWANIE DWUWYMIAROWYCH USTALONYCH ZAGADNIEŃ PRZEWODZENIA CIEPŁA PRZY POMOCY ARKUSZA KALKULACYJNEGO OZWIĄZYWAIE DWUWYMIAOWYCH USALOYCH ZAGADIEŃ PZEWODZEIA CIEPŁA PZY POMOCY AKUSZA KALKULACYJEGO OPIS MEODY Do rozwązana ustalonego pola temperatury wyorzystana est metoda blansów elementarnych. W metodze

Bardziej szczegółowo

WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA WARIANTÓW W ZAGADNIENIACH DWUKRYTERIALNYCH PRZY NIEPORÓWNYWALNOŚCI KRYTERIÓW

WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA WARIANTÓW W ZAGADNIENIACH DWUKRYTERIALNYCH PRZY NIEPORÓWNYWALNOŚCI KRYTERIÓW ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 04 Sera: ORGANIZACJA I ZARZĄDZANIE z 68 Nr ol 905 Macej WOLNY Poltechna Śląsa Wydzał Organzacj Zarządzana WYKORZYSTANIE DOMINACJI ZE WZGLĘDU NA RYZYKO DO PORZĄDKOWANIA

Bardziej szczegółowo

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna

Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc

Bardziej szczegółowo

Sprawozdanie powinno zawierać:

Sprawozdanie powinno zawierać: Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,

Bardziej szczegółowo

Analiza kohortowa czasu istnienia mikroprzedsiębiorstw w Gdańsku

Analiza kohortowa czasu istnienia mikroprzedsiębiorstw w Gdańsku Zarządzane Fnanse Journal of Management and Fnance Vol. 3, o. 4//5 Beata Jacowsa* Analza ohortowa czasu stnena mroprzedsęborstw w Gdańsu Wstęp Kondyca przedsęborstw, a w szczególnośc ch czas stnena na

Bardziej szczegółowo

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury.

Proces decyzyjny: 1. Sformułuj jasno problem decyzyjny. 2. Wylicz wszystkie możliwe decyzje. 3. Zidentyfikuj wszystkie możliwe stany natury. Proces decyzyny: 1. Sformułu sno problem decyzyny. 2. Wylcz wszyste możlwe decyze. 3. Zdentyfu wszyste możlwe stny ntury. 4. Oreśl wypłtę dl wszystch możlwych sytuc, ( tzn. ombnc decyz / stn ntury ). 5.

Bardziej szczegółowo

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB

Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.

Bardziej szczegółowo

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO

OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POBLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU GENETYCZNEGO POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 81 Electrcal Engneerng 015 Mkołaj KSIĄŻKIEWICZ* OPTYMALIZACJA WARTOŚCI POLA MAGNETYCZNEGO W POLIŻU LINII NAPOWIETRZNEJ Z WYKORZYSTANIEM ALGORYTMU

Bardziej szczegółowo

Efekty zaokrągleń cen w Polsce po wprowadzeniu euro do obiegu gotówkowego

Efekty zaokrągleń cen w Polsce po wprowadzeniu euro do obiegu gotówkowego Ban Kredyt 40 (2), 2009, 61 95 www.banredyt.nbp.pl www.banandcredt.nbp.pl fety zaorągleń cen w Polsce po wprowadzenu euro do obegu gotówowego Mare Rozrut*, Jarosław T. Jaub #, Karolna Konopcza Nadesłany:

Bardziej szczegółowo

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice

dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ], STATECZNOŚĆ SKARP W przypadku obektu wykonanego z gruntów nespostych zaprojektowane bezpecznego nachylena skarp sprowadza sę do przekształcena wzoru na współczynnk statecznośc do postac: tgφ tgα = n gdze:

Bardziej szczegółowo

SYSTEM NEURONOWO-ROZMYTY W ZASTOSOWANIU DO BADAŃ DEFORMACJI KONSTRUKCJI APPLICATION OF NEURAL-FUZZY SYSTEM IN STRUCTURE DEFORMATION ANALYSIS

SYSTEM NEURONOWO-ROZMYTY W ZASTOSOWANIU DO BADAŃ DEFORMACJI KONSTRUKCJI APPLICATION OF NEURAL-FUZZY SYSTEM IN STRUCTURE DEFORMATION ANALYSIS MRI MRÓWCZYŃSK, JÓZEF GIL SYSTEM EUROOWO-ROZMYTY W ZSTOSOWIU DO DŃ DEFORMCJI KOSTRUKCJI PPLICTIO OF EURL-FUZZY SYSTEM I STRUCTURE DEFORMTIO LYSIS Streszczene Dynamczny rozwój dzedzny przetwarzana nformacj

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Matematyka finansowa r.

Matematyka finansowa r. . Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.

Bardziej szczegółowo

ROZMYTE MODELOWANIE WE WSPOMAGANIU DECYZJI INWESTYCYJNYCH

ROZMYTE MODELOWANIE WE WSPOMAGANIU DECYZJI INWESTYCYJNYCH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2017 Sera: ORGANIZACJA I ZARZĄDZANIE z. 113 Nr ol. 1992 Ewa POŚPIECH Unwersytet Eonomczny w Katowcach Wydzał Zarządzana ewa.pospech@ue.atowce.pl ROZMYTE MODELOWANIE

Bardziej szczegółowo

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego

Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego 5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.

Bardziej szczegółowo

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena

Bardziej szczegółowo

OCENA WIELOKRYTERIALNA SYSTEMÓW LOGISTYCZNYCH ZAOPATRZENIA W BUDOWNICTWIE

OCENA WIELOKRYTERIALNA SYSTEMÓW LOGISTYCZNYCH ZAOPATRZENIA W BUDOWNICTWIE Logstya Łuasz RZEPECKI OCENA WIELOKRYTERIALNA SYSTEMÓW LOGISTYCZNYCH ZAOPATRZENIA W BUDOWNICTWIE Artyuł przedstawa propozycę zastosowana analzy weloryteralne do oceny trzech model systemu logstycznego

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń. Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej 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

RÓWNOLEGŁY ALGORYTM NEURO-TABU DLA PROBLEMU GNIAZDOWEGO SZEREGOWANIA ZADAŃ

RÓWNOLEGŁY ALGORYTM NEURO-TABU DLA PROBLEMU GNIAZDOWEGO SZEREGOWANIA ZADAŃ ÓWNOLEGŁY ALGOYTM NEUO-TABU DLA POBLEMU GNIAZDOWEGO SZEEGOWANIA ZADAŃ Wojcech BOŻEJKO, Marusz UCHOŃSKI, Meczysław WODECKI Streszczene: W pracy proponujemy zastosowane dwóch równoległych algorytmów bazujących

Bardziej szczegółowo

HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI

HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI HEURYSTYKA Z REGUŁAMI PRIORYTETOWYMI DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU Z OGRANICZONYMI ZASOBAMI Marcn KLIMEK, Potr ŁEBKOWSKI Streszczene: W artykule analzowane jest zagadnene harmonogramowana projektu

Bardziej szczegółowo

ZESTAW ZADAŃ Z INFORMATYKI

ZESTAW ZADAŃ Z INFORMATYKI (Wpsue zdaąc przed rozpoczęcem prac) KOD ZDAJĄCEGO ZESTAW ZADAŃ Z INFORMATYKI CZĘŚĆ II (dla pozomu rozszerzonego) GRUDZIEŃ ROK 004 Czas prac 50 mnut Instrukca dla zdaącego. Proszę sprawdzć, cz zestaw zadań

Bardziej szczegółowo

Wyznaczanie i harmonogramowanie tras pojazdów przy wykorzystaniu metody BBS

Wyznaczanie i harmonogramowanie tras pojazdów przy wykorzystaniu metody BBS Logstya - naua Andrzej Wolfenburg 1 Instytut Logsty Magazynowana, Poznań Wyznaczane harmonogramowane tras pojazdów przy wyorzystanu metody BBS 1. WSTĘP Instytut Logsty Magazynowana wraz z frmą CallFreedom

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

PROJEKTOWANIE REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH ZE ZMIENNĄ W CZASIE INTENSYWNOŚCIĄ WYKONANIA PROCESÓW NIEKRYTYCZNYCH

PROJEKTOWANIE REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH ZE ZMIENNĄ W CZASIE INTENSYWNOŚCIĄ WYKONANIA PROCESÓW NIEKRYTYCZNYCH ZESZYTY NAUKOWE WSOWL Nr 1 (167) 2013 PROJEKTOWANIE REALIZACJI PRZEDSIĘWZIĘĆ BUDOWLANYCH ZE ZMIENNĄ W CZASIE INTENSYWNOŚCIĄ WYKONANIA PROCESÓW NIEKRYTYCZNYCH Potr JAŚKOWSKI Wydzał Budownctwa Archtektury,

Bardziej szczegółowo

7. Wykład VII: Warunki Kuhna-Tuckera

7. Wykład VII: Warunki Kuhna-Tuckera Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n

Bardziej szczegółowo

Bayesowskie modele w diagnostyce (seminarium)

Bayesowskie modele w diagnostyce (seminarium) Wrocław, 7. marca 6 Modele Bezpeczeństwa Nezawodnośc Systemów Informatycznych oltechna Wrocławsa Wydzał Informaty Zarządzana IV ro studów Bayesowse modele w dagnostyce (semnarum) Autor doumentu: STAWARZ

Bardziej szczegółowo

ALGORYTM PRIORYTETOWY ALOKACJI BUFORÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU ZE ZDEFINIOWANYMI KAMIENIAMI MILOWYMI

ALGORYTM PRIORYTETOWY ALOKACJI BUFORÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJEKTU ZE ZDEFINIOWANYMI KAMIENIAMI MILOWYMI Marcn LIME *, Potr ŁEBOWSI ** ALGORYTM PRIORYTETOWY ALOACJI BUFORÓW DLA PROBLEMU HARMONOGRAMOWANIA PROJETU ZE ZDEFINIOWANYMI AMIENIAMI MILOWYMI Streszczene Artykuł prezentue model harmonogramowana proektu

Bardziej szczegółowo

Problem plecakowy (KNAPSACK PROBLEM).

Problem plecakowy (KNAPSACK PROBLEM). Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne

Bardziej szczegółowo

ĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH

ĆWICZENIE 1 BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH ĆWICNI BADANI WYBANYCH POCDU I STATGII KSPLOATACYJNYCH Cel ćwczena: - lustracja zagadneń zwązanych z zarządzanem esploatacją; - lustracja zależnośc mędzy dagnostyą nezawodnoścą a efetem procesu esploatacj.

Bardziej szczegółowo

Karta (sylabus) modułu/przedmiotu

Karta (sylabus) modułu/przedmiotu Karta (sylabus) modułu/przedmotu Budownctwo (Nazwa kerunku studów) Studa I Stopna Przedmot: Kerowane procesem nwestycyjnym Management of constructon process Rok: III Semestr: 5 MK_48 Rodzaje zajęć lczba

Bardziej szczegółowo

HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI

HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI Marcn Klmek HARMO OGRAMOWA IE PROJEKTU ZE ZDEFI IOWA YMI KAMIE IAMI MILOWYMI Słowa kluczowe: harmonogramowane projektu, kamene mlowe, ter-mny zakończena. Wstęp W ostatnch latach powstaje wele prac z harmonogramowana

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń

1. Zmienne i dane wejściowe Algorytmu Rozdziału Obciążeń ZAŁĄCZNIK nr Zasada dzałana Algorytmu Rozdzału Obcążeń. Zmenne dane wejścowe Algorytmu Rozdzału Obcążeń.. Zmennym podlegającym optymalzacj w procese rozdzału obcążeń są welośc energ delarowane przez Jednost

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Zmodyfikowana technika programowania dynamicznego

Zmodyfikowana technika programowania dynamicznego Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic

max Wydział Elektroniki studia I st. Elektronika III r. EZI Technika optymalizacji Dr inż. Ewa Szlachcic Zadane rograowana lnowego PL dla ogranczeń neszoścowch rz ogranczenach: a f c A b d =n, d c=n, d A =[ n], d b =, Postać anonczna zadana PL a c X : A b, Postać anonczna acerzowa zadana PL a Lczba zennch

Bardziej szczegółowo

SYSTEM ZALICZEŃ ĆWICZEŃ

SYSTEM ZALICZEŃ ĆWICZEŃ AMI, zma 010/011 mgr Krzysztof Rykaczewsk System zalczeń Wydzał Matematyk Informatyk UMK SYSTEM ZALICZEŃ ĆWICZEŃ z Analzy Matematycznej I, 010/011 (na podst. L.G., K.L., J.M., K.R.) Nnejszy dokument dotyczy

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

ZASTOSOWANIE METODY TOPSIS W UJĘCIU ROZMYTYM DO SELEKCJI WALORÓW GIEŁDOWYCH

ZASTOSOWANIE METODY TOPSIS W UJĘCIU ROZMYTYM DO SELEKCJI WALORÓW GIEŁDOWYCH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2016 Sera: ORGANIZACJA I ZARZĄDZANIE z. 96 Nr ol. 1963 Ewa POŚPIECH, Adranna MASTALERZ-KODZIS Unwersytet Eonomczny w Katowcach Wydzał Zarządzana ewa.pospech@ue.atowce.pl,

Bardziej szczegółowo

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Alcja Wolny-Domnak Unwersytet Ekonomczny w Katowcach MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI Wprowadzene

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH

BADANIE WYBRANYCH PROCEDUR I STRATEGII EKSPLOATACYJNYCH AKŁAD KSPLOATACJI SYSTMÓW LKTONICNYCH INSTYTUT SYSTMÓW LKTONICNYCH WYDIAŁ LKTONIKI WOJSKOWA AKADMIA TCHNICNA ---------------------------------------------------------------------------------------------------------------

Bardziej szczegółowo

STEROWANIE GOTOWOŒCI W SYSTEMACH EKSPLOATACJI ŒRODKÓW TRANSPORTU

STEROWANIE GOTOWOŒCI W SYSTEMACH EKSPLOATACJI ŒRODKÓW TRANSPORTU UNIWERSYTET TECHNOLOGICZNO-PRZYRODNICZY IM. JANA I JÊDRZEJA ŒNIADECKICH W BYDGOSZCZY ROZPRAWY NR 68 Klaudusz Mgawa STEROWANIE GOWOŒCI W SYSTEMACH EKSPLOATACJI ŒRODKÓW TRANSPORTU BYDGOSZCZ 23 REDAKTOR NACZELNY

Bardziej szczegółowo

9. Rozmyte systemy z bazami wiedzy

9. Rozmyte systemy z bazami wiedzy Podstawy teor systemów rozmytych z zadanam 9. Rozmyte systemy z bazam wedzy 9.. Wprowadzene System ekspertowy lub system z bazą wedzy (ang. knowledge-based system), est tzw. ntelgentnym programem komputerowym,

Bardziej szczegółowo

6. Modele decyzyjne problemu wyrównania zapotrzebowania na zasoby

6. Modele decyzyjne problemu wyrównania zapotrzebowania na zasoby Potr Jaśkowsk. Modele decyzyjne problemu wyrównana zapotrzebowana na zasoby.. Wprowadzene W każdej dzałalnośc należy dążyć do uzyskana wynku optymalnego, któremu: odpowadają najwyższe efekty dzałalnośc

Bardziej szczegółowo

RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU DOBORU LICZEBNOŚCI TABORU W PRZEDSIĘBIORSTWIE TRANSPORTOWYM

RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU DOBORU LICZEBNOŚCI TABORU W PRZEDSIĘBIORSTWIE TRANSPORTOWYM Poloptymalzacja Komputerowe Wspomagane Projetowana MIELNO 99 Zeszyty Nauowe Wydzału Mechancznego Poltechn Koszalńsej Jace ŻAK * Potr SAWICKI * Poloptymalzacja CAD 99 RANKING ROZWIĄZAŃ SPRAWNYCH DLA PROBLEMU

Bardziej szczegółowo

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych

Eugeniusz Rosołowski. Komputerowe metody analizy elektromagnetycznych stanów przejściowych Eugenusz Rosołows Komputerowe metody analzy eletromagnetycznych stanów przejścowych Ocyna Wydawncza Poltechn Wrocławsej Wrocław 9 Opnodawcy Jan IŻYKOWSKI Paweł SOWA Opracowane redacyjne Mara IZBIKA Koreta

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Rozkłady statystyczne w fizyce jądrowej

Rozkłady statystyczne w fizyce jądrowej UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

Badania operacyjne w logistyce i zarządzaniu produkcją

Badania operacyjne w logistyce i zarządzaniu produkcją Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław

Bardziej szczegółowo

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 64 Transpor 28 Tomasz AMBROZIAK, Konrad LEWCZUK Wydzał Transporu Polechnk Warszawske Zakład Logsyk Sysemów Transporowych ul. Koszykowa 75, -662 Warszawa am@.pw.edu.pl;

Bardziej szczegółowo

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne.

Minimalizacja globalna. Algorytmy genetyczne i ewolucyjne. Mnmalzacja globalna Algorytmy genetyczne ewolucyjne. Lnearyzacja nelnowego operatora g prowadz do przyblżonych metod rozwązywana zagadnena odwrotnego. Wynk takej nwersj jest slne uzależnony od wyboru modelu

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie

ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI. 1 Wprowadzenie Andrze POWNUK ZASTOSOWANIE METOD ANALIZY WRAŻLIWOŚCI DO MODELOWANIA KONSTRUKCJI Z PRZEDZIAŁOWYMI PARAMETRAMI Wprowadzene Wartośc wszystkch parametrów układów mechancznych obarczone są pewną nepewnoścą

Bardziej szczegółowo