Dr. inŝ. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania. Przykładowe zadania optymalizacji nieliniowej bez ograniczeń
|
|
- Iwona Wojciechowska
- 4 lat temu
- Przeglądów:
Transkrypt
1 Wydział Elektroniki Kier: Automatyka i Robotyka Studia magisterskie II stopnia Dr. inŝ. Ewa Szlachcic Katedra Automatyki, Mechatroniki i Systemów Sterowania Przykładowe zadania optymalizacji nieliniowej bez ograniczeń Przykładowe zadania testowe dla problemów nieliniowych Lp Postać minimalizowanej funkcji celu f(x) f(x)=(x 1 ) +(x ) f(x) =x 1 -x 1 x +x f(x) =x 1 +x 1 x +0,5x -x 1 -x Funkcja z czterema minimami lokalnymi f(x)= x x 4 0.6x 1 0.6x Funkcja Rosenbrock a: min Zadania optymalizacji bez ograniczeń postaci: f ( x ) x R n f(x)=100(x - x 1 ) +(1-x 1 ) W pewnym zakresie zmiennych hesjan nie jest dodatnio określony. Dla niektórych wartości zmiennych moŝe być osobliwy. Przykładowy punkt startowy x 0 f(x 0 ) x 0 =[5 3] f(x 0 )=10,0 x 0 =[ 4] f(x 0 )=8,0 x 0 =[3 3] f(x 0 )=16,5 x 0 =[1 1] f(x 0 )=0.76 x 0 =[-1.; 1.0] f(x 0 )=4. Punkt optymalny: x f(x ) x =[,0;,0] f(x )=0 x =[0,0; 0,0] f(x )=0 x =[0,0; 1,0] f(x )=-0,5 x (i)=[ ± ; ±0.5567] f[x (i)]= i=1,..,4 dla 4 ćwiart. ukł. współrzędn. x =[1.0; 1.0] f(x )=0.0
2 6 Funkcja Zangwill a f(x)=(x 1 -x + x 3 ) +(-x 1 +x +x 3 ) +(x 1 +x -x 3 ) Trudna funkcja dla metody Nelder a-meade a (metody pełzającego simpleksu). x 0 =[100.0; -1.0 ;.5] f(x 0 )= x =[0.0; 0.0; 0.0] f(x )=0.0 7 Funkcja Goldsteina-Price a z czterema minimami lokalnymi: f(x)=[1+(x 1 +x +1) (19-14 x 1 +3x 1-14x +6x 1 x +3x )][30+(x 1-3x ) (18-3x 1 +1x 1 +48x -36 x 1 x +7x )]. Punkt startowy jest punktem siodłowym. Hesjan w wielu punktach nie jest dodatnio określony. x 0 =[-0.4; -0.6] f(x 0 )=35.0 Punkt siodłowy f[x (3)]=30.0 Minimum globalne x =[0.0; -1.0] f(x )=3.0 3 minima lokalne: x (1)=[1.; 0.8] f[x (1)]=840.0 x ()=[1.8;
3 0.] f[x ()]=84.0 x (3)=[-0.6; - 0.4] 8 Funkcja celu szczególnie przeznaczona do testowania algorytmów genetycznych dla funkcji z jedną zmienną Max f(x)=exp[-log()(x-0.08) /0.854 ] sin 6 (5Π(x 3/4-0.05)) x [0 1] Pięć nierówno rozlokowanych optimów lokalnych o róŝnych wartościach funkcji 9 Zmodyfikowana funkcja Himmelblau a x [-5 5] Cztery identycznej wartości
4 f(x)= (x 1 +x -11) +(x 1 +x -7) -00 minima lokalne 10 Funkcja celu szczególnie przeznaczona do testowania algorytmów genetycznych Max f(x)=exp[-log()(x-0.08) /0.854 ] sin 6 (5Π(x 3/4-0.05)) x [0 1] Pięć nierówno rozlokowanych optimów lokalnych o róŝnych wart. funkcji 11 Funkcja Ackley a f = i n i= 1 n i= 1 n n 1 ( ) 1 x 0exp 0. x exp cos( π x ) Dla n= i 30 x 30 dla i=1...n i Jedno minimum globalne: x=0.0 f(x)=-0-e
5 1 Funkcja Rastrigina Minima lokalne są umieszczone na siatce prostokątnej: f n [ x i x i ] ( x) = cos ( 18 ) Dla n= i= 1 1 x 1 i dla i=1...n Jedno minimum globalne: x=0. f(x)=-n
6 13 Funkcja testowa Geem a = 4x1.1x1 + x1 + x1x 4x + 4x 3 Six-hump Camel-back function 4 Dowolny punkt startowy 6 minimów lokalnych. w tym dwa globalne: I min. Glob. x=( ; ) II min. Glob. x=( ; ) f(x)=f(x)=
7 14 = sin( x1)sin( x )exp( ( x1 + x )) Dwa minima w II i IV ćwiartce układu współrz 15 = x1 exp( ( x1 + x )) NaleŜy obliczyć minimum i maksimum funkcji 16 Funkcja celu szczególnie przeznaczona do testowania algorytmów genetycznych ( ) 6 = sin π x+ x R Jedno minimum i jedno maksimum 17 Funkcja = x exp( ( x + x )) + ( x x Przykład z Demos Matlab ) / 0 x x :1 : : [ 6; 1,7] [ 1; 7,0] Rozw. Przy pomocy GA x =[-0,675; 0,0] f(x)=- 0,40554 Funkcja Michalewicza wielomodalna funkcja posiadająca n! globalne
8 18 lokalnych minimów Funkcja trudna dla algorytmów optymalizacji lokalnej minimum: f(x)= (n=5); x(i)=???, i=1:n. f(x)=-9.66 (n=10); x(i)=???, i=1:n. 19 Funkcja wielomodalna funkcja posiadająca n! lokalnych minimów Funkcja trudna dla algorytmów optymalizacji lokalnej [x,y]: (0:0.1:pi) z=(- (exp(0.1x/pi)).abs(sin(4x)).(exp(0.1y/pi)).abs(sin(3y))); Ciekawe wizualizacje w 3D i D nieliniowych, wielomodalnych funkcji testowych dwuwymiarowych ( m.in. podane w powyŝszej tabeli) moŝna zobaczyć na stronie: lub na stronie: Jedną funkcję oznaczoną - trzeba wybrać do ilustracji działania algorytmu optymalizacji nieliniowej bez ograniczeń w projekcie.
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Metody optymalizacji Metody bezgradientowe optymalizacji bez ograniczeń Materiały pomocnicze do ćwiczeń
Bardziej szczegółowoAnaliza Matematyczna MAEW101 MAP1067
1 Analiza Matematyczna MAEW101 MAP1067 Wydział Elektroniki Przykłady do Listy Zadań nr 14 Funkcje wielu zmiennych. Płaszczyzna styczna. Ekstrema Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania
Bardziej szczegółowoRównania nieliniowe, nieliniowe układy równań, optymalizacja
4 maj 2009 Nieliniowe równania i układy rówań Slajd 1 Równania nieliniowe, nieliniowe układy równań, optymalizacja 4 maj 2009 Nieliniowe równania i układy rówań Slajd 2 Plan zajęć Rozwiązywanie równań
Bardziej szczegółowoDefinicja problemu programowania matematycznego
Definicja problemu programowania matematycznego minimalizacja lub maksymalizacja funkcji min (max) f(x) gdzie: x 1 x R n x 2, czyli: x = [ ] x n przy ograniczeniach (w skrócie: p.o.) p.o. g i (x) = b i
Bardziej szczegółowoRównania nieliniowe, nieliniowe układy równań, optymalizacja
Nieliniowe równania i układy rówań Slajd 1 Równania nieliniowe, nieliniowe układy równań, optymalizacja Nieliniowe równania i układy rówań Slajd 2 Plan zajęć Rozwiązywanie równań nieliniowych -metoda bisekcji
Bardziej szczegółowoZadanie 1. Rozważ funkcję f(x, y) = (x + y)(x + 6)( y 3) określoną na zbiorze R 2.
Zadanie 1. Rozważ funkcję f(x, y) = (x + y)(x + 6)( y 3) określoną (ii) (3pt) Zbadaj, czy w punktach A = ( 3, 0), B = (1, 2), C = ( 6, 3) funkcja f ma maksimum lokalne. (iii) (2pt) Zbadaj, czy w punktach
Bardziej szczegółowoWYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 13. PROBLEMY OPTYMALIZACYJNE Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska PROBLEMY OPTYMALIZACYJNE Optymalizacja poszukiwanie
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera
Bardziej szczegółowoProgramowanie matematyczne
dr Adam Sojda Badania Operacyjne Wykład Politechnika Śląska Programowanie matematyczne Programowanie matematyczne, to problem optymalizacyjny w postaci: f ( x) max przy warunkach g( x) 0 h( x) = 0 x X
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
Bardziej szczegółowoProgramowanie nieliniowe. Badania operacyjne Wykład 3 Metoda Lagrange a
Programowanie nieliniowe Badania operacyjne Wykład 3 Metoda Lagrange a Plan wykładu Przykład problemu z nieliniową funkcją celu Sformułowanie problemu programowania matematycznego Podstawowe definicje
Bardziej szczegółowoIX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoLABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl OBLICZENIA EWOLUCYJNE LABORATORIUM 3: Wpływ operatorów krzyżowania na skuteczność
Bardziej szczegółowoPochodna funkcji. Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji.
Pochodna funkcji Pochodna funkcji w punkcie. Różniczka funkcji i obliczenia przybliżone. Zastosowania pochodnych. Badanie funkcji. Małgorzata Wyrwas Katedra Matematyki Wydział Informatyki Politechnika
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria Środowiska w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era
Bardziej szczegółowo1 Wartości własne oraz wektory własne macierzy
Rozwiązania zadania umieszczonego na końcu poniższych notatek proszę przynieść na kartkach Proszę o staranne i formalne uzasadnienie odpowiedzi Za zadanie można uzyskać do 6 punktów (jeżeli przyniesione
Bardziej szczegółowoAnaliza Matematyczna MAEW101
Analiza Matematyczna MAEW0 Wydział Elektroniki Listy zadań nr -7 (część I) na podstawie skryptów: M.Gewert, Z Skoczylas, Analiza Matematyczna. Przykłady i zadania, GiS, Wrocław 005 M.Gewert, Z Skoczylas,
Bardziej szczegółowoProjekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego
Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Inżynieria i Gospodarka Wodna w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt
Bardziej szczegółowoMetody eksploracji danych Laboratorium 2. Weka + Python + regresja
Metody eksploracji danych Laboratorium 2 Weka + Python + regresja KnowledgeFlow KnowledgeFlow pozwala na zdefiniowanie procesu przetwarzania danych Komponenty realizujące poszczególne czynności można konfigurować,
Bardziej szczegółowoBadanie funkcji. Zad. 1: 2 3 Funkcja f jest określona wzorem f( x) = +
Badanie funkcji Zad : Funkcja f jest określona wzorem f( ) = + a) RozwiąŜ równanie f() = 5 b) Znajdź przedziały monotoniczności funkcji f c) Oblicz największą i najmniejszą wartość funkcji f w przedziale
Bardziej szczegółowoMATLAB ŚRODOWISKO MATLABA OPIS, PODSTAWY
MATLAB ŚRODOWISKO MATLABA OPIS, PODSTAWY Poszukiwanie znaczeń funkcji i skryptów funkcja help >> help % wypisuje linki do wszystkich plików pomocy >> help plot % wypisuje pomoc dotyczą funkcji plot Znaczenie
Bardziej szczegółowoSpis treści. Koszalin 2006 [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]
Spis treści 1 Zastosowanie Matlab a... 2 1.1 Wstęp... 2 1.2 Zagadnienie standardowe... 3 1.3 Zagadnienie transportowe... 5 1 Zastosowanie Matlab a Anna Tomkowska [BADANIA OPERACYJNE PROGRAMOWANIE LINIOWE]
Bardziej szczegółowo2. Optymalizacja bez ograniczeń
2. Optymalizacja bez ograniczeń 1. Podaj definicję ścisłego minimum lokalnego zadania 2. Podaj definicję minimum lokalnego zadania 3. Podaj definicję ścisłego minimum globalnego zadania 4. Podaj definicję
Bardziej szczegółowoROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL. sin x2 (1)
ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ NIELINIOWYCH PRZY POMOCY DODATKU SOLVER PROGRAMU MICROSOFT EXCEL 1. Problem Rozważmy układ dwóch równań z dwiema niewiadomymi (x 1, x 2 ): 1 x1 sin x2 x2 cos x1 (1) Nie jest
Bardziej szczegółowoZestaw zadań przygotowujących do egzaminu z Matematyki 1
Uniwersytet Ekonomiczny w Katowicach Wydział Finansów i Ubezpieczeń, Kierunek: Finanse i Zarządzanie w Ochronie Zdrowia Zestaw zadań przygotowujących do egzaminu z Matematyki 1 Powtórka materiału przed
Bardziej szczegółowoProblemy metody gradientowej
Prosta gradientowa metoda wyszukiwania maksimum (hill-climbing) Zawsze poruszaj się w kierunku największego wzrostu funkcji Łatwe w zastosowaniu, nie wymaga duŝo pamięci Jest podstawą innych metod gradientowych
Bardziej szczegółowoBlok III: Funkcje elementarne. e) y = 1 3 x. f) y = x. g) y = 2x. h) y = 3x. c) y = 3x + 2. d) y = x 3. c) y = x. d) y = x.
Blok III: Funkcje elementarne III. Narysuj wykres funkcji: a) y = x y = x y = x y = x III. Narysuj wykres funkcji: a) y = x + y = 4 x III. Znajdź miejsca zerowe funkcji: a) y = 6 x y = x e) y = x f) y
Bardziej szczegółowoDariusz Uciński. Wykład 4
Umiejętność modelowania Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski Wykład 4 Plan 1 2 Istotne pytania o przebiegu y(t) 1 Co dzieje się dla dużych t? 2 Co dzieje się dla małych
Bardziej szczegółowo2. ZASTOSOWANIA POCHODNYCH. (a) f(x) = ln 3 x ln x, (b) f(x) = e2x x 2 2.
2. ZASTOSOWANIA POCHODNYCH. Koniecznie trzeba znać: twierdzenia o ekstremach (z wykorzystaniem pierwszej i drugiej pochodnej), Twierdzenie Lagrange a, Twierdzenie Taylora (z resztą w postaci Peano, Lagrange
Bardziej szczegółowoRÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych
RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )
Bardziej szczegółowoCzęść całkowita i ułamkowa, funkcje trygonometryczne, podstawowe własności funkcji
Sprawdzian nr 2: 25..204, godz. 8:5-8:40 (materiał zad. -48) Sprawdzian nr 3: 9.2.204, godz. 8:5-8:40 (materiał zad. -88) Część całkowita i ułamkowa, funkcje trygonometryczne, podstawowe własności funkcji
Bardziej szczegółowoWizualizacja funkcji w programie MATLAB
Instytut Informatyki Uniwersytetu Śląskiego 15 listopada 2008 Funckja plot Funkcja plot3 Wizualizacja funkcji jednej zmiennej Do wizualizacji funkcji jednej zmiennej w programie MATLAB wykorzystywana jest
Bardziej szczegółowoMetody Numeryczne Optymalizacja. Wojciech Szewczuk
Metody Numeryczne Optymalizacja Optymalizacja Definicja 1 Przez optymalizację będziemy rozumieć szukanie minimów lub maksimów funkcji. Optymalizacja Definicja 2 Optymalizacja lub programowanie matematyczne
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra InŜynierii Systemów Sterowania Podstawy Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra InŜynierii Systemów Sterowania Podstawy Automatyki Stabilność systemów sterowania kryterium Nyquist a Materiały pomocnicze do ćwiczeń termin
Bardziej szczegółowoAnaliza Matematyczna MAEW101 MAP1067
Analiza Matematyczna MAEW MAP67 Wydział Elektroniki Przykłady do Listy Zadań nr 4 Funkcje wielu zmiennych. Pochodne cząstkowe Opracowanie: dr hab. Agnieszka Jurlewicz Przykłady do zadania 4.: Wyznaczyć
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zapoznanie z narzędziami optymalizacyjnymi w środowisku MATLAB
Bardziej szczegółowo1 Funkcje dwóch zmiennych podstawowe pojęcia
1 Funkcje dwóch zmiennych podstawowe pojęcia Definicja 1 Funkcją dwóch zmiennych określoną na zbiorze A R 2 o wartościach w zbiorze R nazywamy przyporządkowanie każdemu punktowi ze zbioru A dokładnie jednej
Bardziej szczegółowoPolitechnika Wrocławska, Wydział Informatyki i Zarządzania. Optymalizacja
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Optymalizacja Dla podanych niżej problemów decyzyjnych (zad.1 zad.5) należy sformułować zadania optymalizacji, tj.: określić postać zmiennych
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Andrzej Musielak Str Funkcje dwóch zmiennych Wstęp Funkcja rzeczywista dwóch zmiennych to funkcja, której argumentem jest para liczb rzeczywistych, a wartością liczba rzeczywista.
Bardziej szczegółowoFunkcje dwóch zmiennych
Funkcje dwóch zmiennych Je zeli ka zdemu punktowi P o wspó rzednych x; y) z pewnego obszaru D na p aszczyźnie R 2 przyporzadkujemy w sposób jednoznaczny liczb e rzeczywista z, to przyporzadkowanie to nazywamy
Bardziej szczegółowo1. Podstawowe pojęcia
1. Podstawowe pojęcia Sterowanie optymalne obiektu polega na znajdowaniu najkorzystniejszej decyzji dotyczącej zamierzonego wpływu na obiekt przy zadanych ograniczeniach. Niech dany jest obiekt opisany
Bardziej szczegółowoAlgorytmy ewolucyjne 1
Algorytmy ewolucyjne 1 2 Zasady zaliczenia przedmiotu Prowadzący (wykład i pracownie specjalistyczną): Wojciech Kwedlo, pokój 205. Konsultacje dla studentów studiów dziennych: poniedziałek,środa, godz
Bardziej szczegółowoPochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji
Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy
Bardziej szczegółowoDobór parametrów algorytmu ewolucyjnego
Dobór parametrów algorytmu ewolucyjnego 1 2 Wstęp Algorytm ewolucyjny posiada wiele parametrów. Przykładowo dla algorytmu genetycznego są to: prawdopodobieństwa stosowania operatorów mutacji i krzyżowania.
Bardziej szczegółowo//warunki początkowe m=500; T=30; c=0.4; t=linspace(0,t,m); y0=[-2.5;2.5];
4.3. Przykłady wykorzystania funkcji bibliotecznych 73 MATLAB % definiowanie funkcji function [dx]=vderpol(t,y) global c; dx=[y(2); c*(1-y(1)^2)*y(2)-y(1)]; SCILAB // definiowanie układu function [f]=vderpol(t,y,c)
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Teoria sterowania MATLAB funkcje zewnętrzne (m-pliki, funkcje) Materiały pomocnicze do ćwiczeń laboratoryjnych
Bardziej szczegółowoDocument: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2
Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z
Bardziej szczegółowo1. Równania i nierówności liniowe
Równania i nierówności liniowe Wykonać działanie: Rozwiązać równanie: ( +x + ) x a) 5x 5x+ 5 = 50 x 0 b) 6(x + x + ) = (x + ) (x ) c) x 0x (0 x) 56 = 6x 5 5 ( x) Rozwiązać równanie: a) x + x = 4 b) x x
Bardziej szczegółowoModelowanie Systemów Dynamicznych Studia zaoczne, Automatyka i Robotyka, rok II. Podstawy MATLABA, cz2.
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Modelowanie Systemów Dynamicznych Studia zaoczne, Automatyka i Robotyka, rok II Podstawy MATLABA, cz2. 1. Wielomiany
Bardziej szczegółowoOptymalizacja systemów
Optymalizacja systemów Laboratorium - problem detekcji twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, P. Klukowski Cel zadania Celem zadania jest zapoznanie się z gradientowymi algorytmami optymalizacji
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA
PLAN WYKŁADU Operator krzyżowania Operator mutacji Operator inwersji Sukcesja Przykłady symulacji AG Kodowanie - rodzaje OPTYMALIZACJA GLOBALNA Wykład 3 dr inż. Agnieszka Bołtuć OPERATOR KRZYŻOWANIA Wymiana
Bardziej szczegółowoInterpolacja funkcji
Interpolacja funkcji Interpolacja funkcji Interpolacja funkcji Wielomianowa Splajny Lagrange a Trygonometryczna Interpolacja Newtona (wzór I ) Czebyszewa Newtona (wzór II ) ( Wielomiany Czebyszewa ) Załóżmy,
Bardziej szczegółowoZagadnienia optymalizacji Problems of optimization
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 0/04 Zagadnienia optymalizacji Problems of optimization A. USYTUOWANIE MODUŁU W
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowo1 + x 1 x 1 + x + 1 x. dla x 0.. Korzystając z otrzymanego wykresu wyznaczyć funkcję g(m) wyrażającą liczbę pierwiastków równania.
10 1 Wykazać, że liczba 008 008 10 + + jest większa od Nie używając kalkulatora, porównać liczby a = log 5 log 0 + log oraz b = 6 5 Rozwiązać równanie x + 4y + x y + 1 = 4xy 4 W prostokątnym układzie współrzędnych
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoProgramowanie liniowe. Tadeusz Trzaskalik
Programowanie liniowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Model matematyczny Cel, środki, ograniczenia Funkcja celu funkcja kryterium Zmienne decyzyjne Model optymalizacyjny Układ warunków
Bardziej szczegółowoKURS FUNKCJE WIELU ZMIENNYCH
KURS FUNKCJE WIELU ZMIENNYCH Lekcja Ekstrema (lokalne) funkcji wielu zmiennych ZADANIE DOMOWE www.etrapez.pl Strona Częśd : TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie Wykres
Bardziej szczegółowoFunkcje Andrzej Musielak 1. Funkcje
Funkcje Andrzej Musielak 1 Funkcje Funkcja liniowa Funkcja liniowa jest postaci f(x) = a x + b, gdzie a, b R Wartość a to tangens nachylenia wykresu do osi Ox, natomiast b to wartość funkcji w punkcie
Bardziej szczegółowoFUNKCJA LINIOWA, OKRĘGI
FUNKCJA LINIOWA, OKRĘGI. Napisz równanie prostej przechodzącej przez początek układu i prostopadłej do prostej 3x-y+=0.. Oblicz pole trójkąta ograniczonego osiami układy i prostą x+y-6=0. 3. Odcinek o
Bardziej szczegółowoRównania prostych i krzywych; współrzędne punktu
Równania prostych i krzywych; współrzędne punktu Zad 1: Na paraboli o równaniu y = 1 x znajdź punkt P leŝący najbliŝej prostej o równaniu x + y = 0 Napisz równanie stycznej do tej paraboli, poprowadzonej
Bardziej szczegółowo(a 1 2 + b 1 2); : ( b a + b ab 2 + c ). : a2 2ab+b 2. Politechnika Białostocka KATEDRA MATEMATYKI. Zajęcia fakultatywne z matematyki 2008
Zajęcia fakultatywne z matematyki 008 WYRAŻENIA ARYTMETYCZNE I ALGEBRAICZNE. Wylicz b z równania a) ba + a = + b; b) a = b ; b+a c) a b = b ; d) a +ab =. a b. Oblicz a) [ 4 (0, 5) ] + ; b) 5 5 5 5+ 5 5
Bardziej szczegółowoINTERPOLACJA I APROKSYMACJA FUNKCJI
Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Ewa Pabisek Adam Wosatko Wprowadzenie Na czym polega interpolacja? Interpolacja polega
Bardziej szczegółowoRepetytorium z matematyki ćwiczenia
Spis treści 1 Liczby rzeczywiste 1 2 Geometria analityczna. Prosta w układzie kartezjańskim Oxy 4 3 Krzywe drugiego stopnia na płaszczyźnie kartezjańskiej 6 4 Dziedzina i wartości funkcji 8 5 Funkcja liniowa
Bardziej szczegółowoĆwiczenie EA9 Czujniki położenia
Akademia Górniczo-Hutnicza im.s.staszica w Krakowie KATEDRA MASZYN ELEKTRYCZNYCH Ćwiczenie EA9 Program ćwiczenia I. Transformator położenia kątowego 1. Wyznaczenie przekładni napięciowych 2. Pomiar napięć
Bardziej szczegółowoALGORYTMY GENETYCZNE ćwiczenia
ćwiczenia Wykorzystaj algorytmy genetyczne do wyznaczenia minimum globalnego funkcji testowej: 1. Wylosuj dwuwymiarową tablicę 100x2 liczb 8-bitowych z zakresu [-100; +100] reprezentujących inicjalną populację
Bardziej szczegółowoZestaw 4. Rozdział 2: Analiza matematyczna
Zestaw 4. Rozdział 1: Wykresy Do tworzenia wykresów funkcji jednej zmiennej służą następujące funkcje: Plot[f[x],{x,a,b}] - zwykły wykres ParametricPlot[{x[t],y[t]},{t,a,b}] - wykres krzywej danej wzorem
Bardziej szczegółowo(8) Oblicz wyznacznik dowolnie wybranej macierzy stopnia czwartego. (9) Rozwi aż podany układ równań stosuj ac wzory Cramera:
Zadania przygotowuj ace do kolokwium (budownictwo, studia niestacjonarne, drugi semestr, 209) [7III] () Podaj przykład dowolnej macierzy A drugiego stopnia Oblicz A A T + A T A (2) Podaj przykład dowolnej
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 0. Wprowadzenie Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 28.02.2019 1 / 11 Kontakt wojciech.kotlowski@cs.put.poznan.pl http://www.cs.put.poznan.pl/wkotlowski/mp/
Bardziej szczegółowo1 Pochodne wyższych rzędów
Pochodne wyższych rzędów Pochodną rzędu drugiego lub drugą pochodną funkcji y = f(x) nazywamy pochodną pierwszej pochodnej tej funkcji. Analogicznie definiujemy pochodne wyższych rzędów, jako pochodne
Bardziej szczegółowo7. ELEMENTY PŁYTOWE. gdzie [N] oznacza przyjmowane funkcje kształtu, zdefinować odkształcenia i naprężenia: zdefiniować macierz sztywności:
7. ELEMENTY PŁYTOWE 1 7. 7. ELEMENTY PŁYTOWE Rys. 7.1. Element płytowy Aby rozwiązać zadanie płytowe należy: zdefiniować geometrię płyty, dokonać podziału płyty na elementy, zdefiniować węzły, wprowadzić
Bardziej szczegółowoKURS FUNKCJE WIELU ZMIENNYCH
KURS FUNKCJE WIELU ZMIENNYCH Lekcja 8 Ekstrema warunkowe (mnożnik Lagrange a) ZADANIE DOMOWE www.etrapez.pl Strona 1 Częśd 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Jak
Bardziej szczegółowoAutomatyka i Robotyka II Stopień ogólno akademicki studia niestacjonarne wszystkie Katedra Automatyki i Robotyki Prof. dr hab. inż.
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014
Bardziej szczegółowoMETODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne
METODY SZTUCZNEJ INTELIGENCJI algorytmy ewolucyjne dr hab. inż. Andrzej Obuchowicz, prof. UZ Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski A. Obuchowicz: MSI - algorytmy ewolucyjne
Bardziej szczegółowoBADANIA OPERACYJNE i teoria optymalizacji. Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych
BADANIA OPERACYJNE i teoria optymalizacji Prowadzący: dr Tomasz Pisula Katedra Metod Ilościowych e-mail: tpisula@prz.edu.pl 1 Literatura podstawowa wykorzystywana podczas zajęć wykładowych: 1. Gajda J.,
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metody kierunków poparwy (metoda Newtona-Raphsona, metoda gradientów sprzężonych) Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 28.03.2019 1
Bardziej szczegółowo5. Metody stochastyczne (symulowane wyżarzanie, algorytmy genetyczne) -> metody Monte Carlo
Optymalizacja (minimalizacja) funkcji Plan wykładu: 1. Sformułowanie problemu, funkcja celu 2. Metody bezgradientowe a) metoda złotego podziału b) metoda sympleks c) metoda interpolacji Powell'a 3. Metody
Bardziej szczegółowoIndukcja matematyczna
Indukcja matematyczna Zadanie. Zapisać, używając symboli i, następujące wyrażenia (a) n!; (b) sin() + sin() sin() +... + sin() sin()... sin(n); (c) ( + )( + /)( + / + /)... ( + / + / +... + /R). Zadanie.
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Teoria sterowania Obliczenia symboliczne w środowisku MATLAB Materiały pomocnicze do ćwiczeń laboratoryjnych
Bardziej szczegółowoMatematyka I. BJiOR Semestr zimowy 2018/2019 Wykład 2
Matematyka I BJiOR Semestr zimowy 2018/2019 Wykład 2 Definicja funkcji przypomnienie Definicja Dla danych dwóch niepustych zbiorów X, Y przypisanie każdemu elementowi zbioru X dokładnie jednego elementu
Bardziej szczegółowoSPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization
Wrocław University of Technology SPOTKANIE 6: Klasteryzacja: K-Means, Expectation Maximization Jakub M. Tomczak Studenckie Koło Naukowe Estymator jakub.tomczak@pwr.wroc.pl 4.1.213 Klasteryzacja Zmienne
Bardziej szczegółowoMatura z matematyki?- MATURALNIE, Ŝe ZDAM! Zadania treningowe klasa I III ETAP
Matura z matematyki?- MATURALNIE, Ŝe ZDAM! Zadania treningowe klasa I III ETAP I Zadania zamknięte (pkt) Zadanie Liczba - jest miejscem zerowym funkcji liniowej = x + B. f ( x) = x C. f ( x) = x + D. f
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Struktury i Algorytmy Wspomagania Decyzji Zadanie projektowe 2 Czas realizacji: 6 godzin Maksymalna liczba
Bardziej szczegółowoMnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym
Mnożniki funkcyjne Lagrange a i funkcje kary w sterowaniu optymalnym Sprowadzanie zadań sterowania optymalnego do zadań wariacyjnych metod a funkcji kary i mnożników Lagrange a - zadania sterowania optymalnego
Bardziej szczegółowoWprowadzenie 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 szczegółowoMETODY KOMPUTEROWE W MECHANICE
METODY KOMPUTEROWE W MECHANICE wykład dr inż. Paweł Stąpór laboratorium 15 g, projekt 15 g. dr inż. Paweł Stąpór dr inż. Sławomir Koczubiej Politechnika Świętokrzyska Wydział Zarządzania i Modelowania
Bardziej szczegółowoModelowanie Systemów Dynamicznych Studia zaoczne, Automatyka i Robotyka, rok II. Podstawy SIMULINKA
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Modelowanie Systemów Dynamicznych Studia zaoczne, Automatyka i Robotyka, rok II Podstawy SIMULINKA Simulink jest
Bardziej szczegółowoWykład VI Dalekie pole
Wykład VI Dalekie pole Schemat przypomnienie Musimy znać rozkład fali padającej u pad (x,y) w płaszczyźnie układu optycznego Musimy znać funkcję transmitancji układu optycznego t(x,y) Określamy falę właśnie
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 7 Programowanie nieliniowe i całkowitoliczbowe
Spis treści Elementy Modelowania Matematycznego Wykład 7 i całkowitoliczbowe Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp 2 3 Spis treści Spis treści 1 Wstęp
Bardziej szczegółowoOstatnia aktualizacja: 30 stycznia 2015 r.
Ostatnia aktualizacja: 30 stycznia 2015 r. Spis treści 1. Funkcja liniowa 5 2. Funkcja kwadratowa 7 3. Trygonometria 11 4. Ciagi liczbowe 13 5. Wielomiany 15 6. Funkcja wykładnicza 17 7. Funkcja wymierna
Bardziej szczegółowodo MATLABa programowanie WYKŁAD Piotr Ciskowski
Wprowadzenie do MATLABa programowanie WYKŁAD Piotr Ciskowski instrukcje sterujące instrukcja warunkowa: if instrukcja wyboru: switch instrukcje iteracyjne: for, while instrukcje przerwania: continue, break,
Bardziej szczegółowoZastosowania pochodnych
Zastosowania pochodnych Zbigniew Koza Wydział Fizyki i Astronomii Wrocław, 2015 SZACOWANIE NIEPEWNOŚCI POMIAROWEJ Przykład: objętość kuli Kulka z łożyska tocznego ma średnicę 2,3 mm, co oznacza, że objętość
Bardziej szczegółowoKONKURENCJA DOSKONAŁA. dr Sylwia Machowska
KONKURENCJA DOSKONAŁA dr Sylwia Machowska Definicja Konkurencja doskonała jest modelem teoretycznym opisującym jedną z form konkurencji na rynku; cechą charakterystyczną konkurencji doskonałej w odróŝnieniu
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 6 Metoda simpleks Spis treści Wstęp Zadanie programowania liniowego Wstęp Omówimy algorytm simpleksowy, inaczej metodę simpleks(ów). Jest to stosowana w matematyce
Bardziej szczegółowoĆWICZENIE 2: Algorytmy ewolucyjne cz. 1 wpływ wielkości populacji i liczby pokoleń na skuteczność poszukiwań AE
Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE studia niestacjonarne ĆWICZENIE 2: Algorytmy ewolucyjne cz. 1
Bardziej szczegółowo