jest scharakteryzowane przez: wektor maksymalnych żądań (ang. claims), T oznaczający maksymalne żądanie zasobowe zadania P j
|
|
- Urszula Karczewska
- 4 lat temu
- Przeglądów:
Transkrypt
1 Systemy operacyjne Zaleszczenie Zaleszczenie Rozważmy system sładający się z n procesów (zadań) P 1,P 2,...,P n współdzielący s zasobów nieprzywłaszczalnych tzn. zasobów, tórych zwolnienie może nastąpić jedynie z inicjatywy zadania dysponującego zasobem. Każdy zasób słada się z m jednoste dla =1,2,...,s. Jednosti zasobów tego samego typu są równoważne. Każda jednosta w ażdej chwili może być przydzielona tylo do jednego zadania, czyli dostęp do nich jest wyłączny. W ażdej chwili zadanie P j jest scharateryzowane przez: wetor masymalnych żądań (ang. claims), C T ) = [ C1 ), C2( Pj ),, Cs )] oznaczający masymalne żądanie zasobowe zadania P j w dowolnej chwili czasu wetor atualnego przydziału (ang. current allocations), T A ) = [ A1 ), A2 ),, As )] wetor rang zdefiniowany jao różnica między wetorami C i A, H P ) = C( P ) A( P ) ( j j j (c) Załad Systemów Informatycznych Slajd 3
2 Zaleszczenie (2) Załadamy, że jeżeli żądania zadania przydziału zasobów są spełnione w sończonym czasie, to zadanie to zaończy się w sończonym czasie i zwolni wszystie przydzielone mu zasoby. Na podstawie liczby zasobów w systemie oraz wetorów atualnego przydziału można wyznaczyć wetor zasobów wolnych f, gdzie T f = f, f,, f ] [ 1 2 s gdzie n f = m A ) = 1,2,, s j= 1 (c) Załad Systemów Informatycznych Slajd 4 Typy żądań Wyróżniamy dwa typy żądań, tóre mogą być wygenerowane przez ażde zadanie P j żądanie przydziału dodatowych zasobów (ang. request for resource allocation), a a a a T ρ ) = [ ρ1 ), ρ 2 ),, ρ s )] gdzie a ρ ) jest liczbą jednoste zasobu R żądanych dodatowo przez P j żądanie zwolnienia zasobu (ang. request for resource release), r r r r T ρ ) = [ ρ1 ), ρ 2 ),, ρ s )] gdzie r ρ ( P j ) jest liczbą jednoste zasobu R zwalnianych przez P j (c) Załad Systemów Informatycznych Slajd 5
3 Łatwo wyazać: a ρ ) H ) j ρ r P ) A ( P ) j Zadanie przebywające w systemie ( j j Oczywiście żądanie przydziału dodatowego zasobu może być spełnione tylo wówczas gdy: a ρ ) f j = 1,2,, s Przez zadanie przebywające w systemie rozumiemy zadanie, tóremu przydzielono co najmniej jedną jednostę zasobu. Stan systemu jest zdefiniowany przez stan przydziału zasobu wszystim zadaniom. Mówimy, że stan jest realizowalny jeżeli jest spełniona następująca zależność: n j= 1 A ) m = 1,2,, s (c) Załad Systemów Informatycznych Slajd 6 Stan bezpieczny Stan systemu nazywamy stanem bezpiecznym (ang. safe) ze względu na zaleszczenie, jeżeli istnieje sewencja wyonywania zadań przebywających w systemie oznaczona {P 1,P 2,...,P n } i nazywana sewencją bezpieczną, spełniającą następującą zależność: j 1 j i H ( P ) f + A ( P ) i= 1 = 1,2, s j = 1,2,, n W przeciwnym razie, tzn. jeżeli sewencja taa nie istnieje, stan jest nazywany stanem niebezpiecznym. Innymi słowy, stan jest bezpieczny jeżeli istnieje taie uporządowanie wyonywania zadań, że wszystie zadania przebywające w systemie zostaną zaończone. Powiemy, że tranzycja stanu systemu wyniająca z aloacji zasobów jest bezpieczna, jeżeli stan ońcowy jest stanem bezpiecznym. (c) Załad Systemów Informatycznych Slajd 7
4 Zaleszczenie defninicja Przez zaleszczenie (ang. deadloc) rozumieć będziemy formalnie stan systemu, w tórym spełniany jest następujący warune: Ω Φ j Ω ρ > f + A ( P ) i Ω gdzie Ω jest zbiorem indesów (lub zbiorem zadań) a Mówimy, że system jest w stanie zaleszczenia (w systemie wystąpił stan zaleszczenia), jeżeli istnieje niepusty zbiór Ω zadań, tóre żądają przydziału dodatowych zasobów nieprzywłaszczalnych będących atualnie w dyspozycji innych zadań tego zbioru. Innymi słowy, system jest w stanie zaleszczenia, jeżeli istnieje niepusty zbiór Ω zadań, tórych żądania przydziału dodatowych zasobów nieprzywłaszczalnych nie mogą być spełnione nawet jeśli wszystie zadania nie należące do Ω zwolnią wszystie zajmowane zasoby. i Jeżeli Ω Φ, to zbiór ten nazywamy zbiorem zadań zaleszczonych. (c) Załad Systemów Informatycznych Slajd 8 Graf aloacji zasobów P 1 R 2 R 1 R 3 P 2 P 3 Legenda: P i R j proces P i zasób R j posiadający 3 jednosti w systemie P i R j proces P i posiadający jednostę zasobu R j P i R j proces P i żądający jednosti zasobu R j (c) Załad Systemów Informatycznych Slajd 9
5 Grafy oczeiwania Z grafu aloacji zasobów można uzysać graf uproszczony przez usunięcie węzłów zasobowych i złączenie odpowiednich rawędzi. To uproszczenie wynia z obserwacji, że zasób może być jednoznacznie identyfiowany przez bieżącego właściciela. Ten uproszczony graf jest nazywany grafem oczeiwania (ang. wait-for-graph). P 1 P 1 R 2 R 1 uproszczenie P 3 P 2 P 3 P 2 (c) Załad Systemów Informatycznych Slajd 10 Waruni onieczne wystąpienia zaleszczenia Warunami oniecznymi wystąpienia zaleszczenia są: 1. Wzajemne wyluczanie (ang. mutual exclusion condition), W ażdej chwili zasób może być przydzielony co najwyżej jednemu zadaniu. 2. Zachowywanie zasobu (ang. wait for condition), Proces oczeujący na przydzielenie dodatowych zasobów nie zwalnia zasobów będących atualnie w jego dyspozycji. 3. Nieprzywłaszczalność (ang. non preemption condition), Zasoby są nieprzywłaszczalne tzn. ich zwolnienie może być zainicjowane jedynie przez proces dysponujący w danej chwili zasobem. 4. Istnienie cylu oczeiwań (ang. circular wait condition), Występuje pewien cyl procesów z tórych ażdy ubiega się o przydział dodatowych zasobów będących w dyspozycji olejnego procesu w cylu. (c) Załad Systemów Informatycznych Slajd 11
6 Przeciwdziałanie zaleszczeniom Konstrucje systemów immanentnie wolnych od zaleszczenia (ang. construction of deadloc free systems) Podejście to polega w ogólności na wyposażeniu systemu w taą liczbę zasobów, aby wszystie możliwe żądania zasobowe były możliwe do zrealizowania. Przyładowo, uzysuje się to, gdy liczba zasobów ażdego rodzaju jest nie mniejsza od sumy wszystich masymalnych i możliwych jednocześnie żądań. Detecja zaleszczenia i odtwarzanie stanu wolnego od zaleszczenia (ang. detection and recovery). W podejściu detecji i odtwarzania, stan systemu jest periodycznie sprawdzany i jeśli wyryty zostanie stan zaleszczenia, system podejmuje specjalne acje w celu odtworzenia stanu wolnego do zaleszczenia. Unianie zaleszczenia (ang. avoidance). W podejściu tym załada się znajomość masymalnych żądań zasobowych. Każda potencjalna tranzycja stanu jest sprawdzana i jeśli jej wyonanie prowadziłoby do stanu niebezpiecznego, to żądanie zasobowe nie jest w danej chwili realizowane. Zapobieganie zaleszczeniu (ang. prevention) W ogólności podejście to polega na wyeliminowaniu możliwości zajścia jednego z warunów oniecznych zaleszczenia (c) Załad Systemów Informatycznych Slajd 12 Algorytm Habermana Detecja zaleszczenia 1. Zainicjuj D := {1, 2,...,n} i f; 2. Szuaj zadania o indesie j D taiego, że ρ α (P j ) f 3. Jeżeli zadanie taie nie istnieje, to zbiór zadań odpowiadający zbiorowi D jest zbiorem zadań zaleszczonych. Zaończ wyonywanie algorytmu. 4. W przeciwnym razie, podstaw: D := D {j}; f := f + A(P j ) 5. Jeżeli D =, to zaończ wyonywanie algorytmu. W przeciwnym razie przejdź do rou 2. (c) Załad Systemów Informatycznych Slajd 13
7 Algorytm Holt'a: 1. begin 2. initialize:i =1, =1,2,...,s; c i =s,i=1,2,...,n; c 0 =n; 3. LS: Y:=False; 4. for = 1 step 1 until s do 5. begin 6. while E 1,,I f I n do 7. begin 8. c E2,,I :=c E2,,I -1; 9. I :=I -1; 10. if c E2,,I =0 then 11. begin 12. c 0 :=c 0-1; 13. Y:=True; 14. for i = 1 step 1 until s do 15. f i :=f i +A i (P E2,,I ); 16. end; 17. end; 18. end; 19. if Y = true c 0 > 0 then go to LS; 20. if Y = true then answer "no" 21. else answer "yes"; Odtwarzanie stanu Spośród zadań zaleszczonych wybierz zadanie (zadania), tórego usunięcie spowoduje osiągnięcie stanu wolnego od zaleszczenia najmniejszym osztem. 22. end. (c) Załad Systemów Informatycznych Slajd 14 Wady i zalety podejścia detecji do odtwarzania stanu Narzut wyniający z opóźnionego wyrycia stanu zaleszczenia Narzut czasowy algorytmu detecji i odtwarzania stanu Utrata efetów dotychczasowego przetwarzania odrzuconego zadania. Bra ograniczeń na współbieżność wyonywania zadań Wysoi stopień wyorzystania zasobów Podejście uniania (c) Załad Systemów Informatycznych Slajd 15
8 Algorytm podejścia uniania 1. Za ażdym razem, gdy wystąpi żądanie przydziału dodatowego zasobu, sprawdź bezpieczeństwo tranzycji stanu odpowiadającej realizacji tego żądania. Jeśli tranzycja ta jest bezpieczna, to przydziel żądany zasób i ontynuuj wyonywanie zadania. W przeciwnym razie zawieś wyonywanie zadania. 2. Za ażdym razem, gdy wystąpi żądanie zwolnienia zasobu, zrealizuj to żądanie i przejrzyj zbiór zadań zawieszonych w celu znalezienia zadania, tórego tranzycja z nowego stanu odpowiadałaby tranzycji bezpiecznej. Jeśli taie zadanie istnieje, zrealizuj jego żądanie przydziału zasobów (c) Załad Systemów Informatycznych Slajd 16 Wady i zalety podejścia uniania Duży narzut czasowy wyniający z onieczności wyonywania algorytmu uniania przy ażdym żądaniu przydziału dodatowego zasobu i przy ażdym żądaniu zwolnienia zasobu. Mało realistyczne założenie o znajomości masymalnych żądań zasobów. Założenie, że liczba zasobów w systemie nie może maleć Potencjalnie wyższy stopień wyorzystania zasobów niż w podejściu zapobiegania. (c) Załad Systemów Informatycznych Slajd 17
9 Podejście zapobiegania Rozwiązania wyluczające możliwość wystąpienia cylu żądań. Algorytm wstępnego przydziału 1. Przydziel w chwili początowej wszystie wymagane do realizacji zadania zasoby lub nie przydzielaj żadnego z nich. Algorytm przydziału zasobów uporządowanych 1. Uporząduj jednoznacznie zbiór zasobów. 2. Narzuć zadaniom ograniczenie na żądania przydziału zasobów, polegające na możliwości żądania zasobów tylo zgodnie z uporządowaniem zasobów Przyładowo, proces może żądać olejno zasobów 1, 2, 3, 6,..., natomiast nie może żądać zasobu 3 a później 2. Jeśli więc z ontestu programu wynia olejność żądań inna niż narzucony porząde, to proces musi zażądać wstępnej aloacji zasobów, generując na przyład żądanie przydział zasobów 2 i 3. (c) Załad Systemów Informatycznych Slajd 18 Alogrytmy Wait-Die i Wound-Wait Algorytm Wait-Die Rozwiązanie negujące zachowywanie zasobów (ang. wait for condition) 1. Uporząduj jednoznacznie zbiór zadań według etyiet czasowych. 2. Jeżeli zadanie P 1, będące w onflicie z zadaniem P 2, jest starsze (ma mniejszą etyietę czasową), to P 1 czea (wait) na zwolnienie zasobu przez P 2. W przeciwnym razie zadania P 1 jest w całości odrzucane (abort) i zwalnia wszystie posiadane zasoby. Algorytm Wound-Wait Rozwiązanie dopuszczające przywłaszczalność 1. Uporząduj jednoznacznie zbiór zadań według etyiet czasowych. 2. Jeżeli zadanie P 1, będące w onflicie z zadaniem P 2, jest starsze (ma mniejszą etyietę czasową), to zadanie P 2 odrzucane (abort) i zwalnia wszystie posiadane zasoby. W przeciwnym razie P 1 czea (wait) na zwolnienie zasobu przez P 2. (c) Załad Systemów Informatycznych Slajd 19
10 Wady i zalety podejścia zapobiegania Ograniczony stopień wyorzystania zasobów. Prostota i mały narzut czasowy. (c) Załad Systemów Informatycznych Slajd 20
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 szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoGrupowanie sekwencji czasowych
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule
Bardziej szczegółowoPorządek dostępu do zasobu: procesory obszary pamięci cykle procesora pliki urządzenia we/wy
ZAKLESZCZENIA w SO brak środków zapobiegania zakleszczeniom Zamówienia na zasoby => przydział dowolnego egzemplarza danego typu Zasoby w systemie typy; identyczne egzemplarze procesory obszary pamięci
Bardziej szczegółowoWzajemne wykluczanie i zakleszczenie
Wzajemne wykluczanie i zakleszczenie Wzajemne wykluczanie Wzajemne wykluczenie zapewnia procesom ochronę przy dostępie do zasobów, daje im np. gwarancję, że jako jedyne będą mogły z nich korzystać Typy
Bardziej szczegółowoColloquium 3, Grupa A
Colloquium 3, Grupa A 1. Z zasobów obliczeniowych pewnego serwera orzysta dwóch użytowniów. Każdy z nich wysyła do serwera zawsze trzy programy naraz. Użytowni czea, aż serwer wyona obliczenia dotyczące
Bardziej szczegółowoP k k (n k) = k {O O O} = ; {O O R} =
Definicja.5 (Kombinacje bez powtórzeń). Każdy -elementowy podzbiór zbioru A wybrany (w dowolnej olejności) bez zwracania nazywamy ombinacją bez powtórzeń. Twierdzenie.5 (Kombinacje bez powtórzeń). Liczba
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowoCYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN
CYKLICZNY PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI MASZYN Wojciech BOŻEJKO, Łuasz KACPRZAK, Mieczysław WODECKI Streszczenie: W pracy zajmujemy się cylicznym problemem przepływowym z przezbrojeniami maszyn.
Bardziej szczegółowoIndukcja matematyczna
Inducja matematyczna Inducja jest taą metodą rozumowania, za pomocą tórej od tezy szczegółowej dochodzimy do tezy ogólnej. Przyład 1 (o zanurzaniu ciał w wodzie) 1. Kawałe żelaza, tóry zanurzyłem w wodzie,
Bardziej szczegółowowtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz
Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoĆwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci
Ćwiczenie 4 - Badanie wpływu asymetrii obciążenia na pracę sieci Strona 1/13 Ćwiczenie 4 Badanie wpływu asymetrii obciążenia na pracę sieci Spis treści 1.Cel ćwiczenia...2 2.Wstęp...2 2.1.Wprowadzenie
Bardziej szczegółowoprocesów Współbieżność i synchronizacja procesów Wykład prowadzą: Jerzy Brzeziński Dariusz Wawrzyniak
Wykład prowadzą: Jerzy Brzeziński Dariusz Wawrzyniak Plan wykładu Abstrakcja programowania współbieżnego Instrukcje atomowe i ich przeplot Istota synchronizacji Kryteria poprawności programów współbieżnych
Bardziej szczegółowoBilansowanie hierarchicznej struktury zasobów w planowaniu przedsięwzięć inżynieryjno-budowlanych
Bi u l e t y n WAT Vo l. LXIV, Nr 3, 2015 Bilansowanie hierarchicznej strutury zasobów w planowaniu przedsięwzięć inżynieryjno-budowlanych Radosław Seunda 1, Roman Marcinowsi 2 1 Biuro Inżyniersie, 05-082
Bardziej szczegółowoDetekcja zakleszczenia (1)
Detekcja zakleszczenia (1) Wykład prowadzą: Jerzy Brzeziński Jacek Kobusiński Plan wykładu Procesy aktywne i pasywne Definicja zakleszczenia Problem detekcji wystąpienia zakleszczenia Detekcja zakleszczenia
Bardziej szczegółowoJ. Ułasiewicz Programowanie aplikacji współbieżnych 1
J. Ułasiewicz Programowanie aplikacji współbieżnych 1 1 1.1 Prosty przykład zakleszczenia (ang. Mexican standoff) W systemach w których wykonywane jest wiele współbieżnych procesów które operują na wspólnych
Bardziej szczegółowoDSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH. Ćwiczenie 5. Przemysław Korohoda, KE, AGH
DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH Instrucja do laboratorium z cyfrowego przetwarzania sygnałów Ćwiczenie 5 Wybrane właściwości Dysretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość
Bardziej szczegółowoSystemy operacyjne. wykład 11- Zakleszczenia. dr Marcin Ziółkowski. Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie
Systemy operacyjne wykład 11- Zakleszczenia dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 17grudnia2015r. POJĘCIE ZAKLESZCZENIA Zakleszczenie to zbiór
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoANALIZA WIELOKRYTERIALNA
ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x
Bardziej szczegółowoOptymalizacja harmonogramów budowlanych - problem szeregowania zadań
Mieczysław OŁOŃSI Wydział Budownictwa i Inżynierii Środowisa, Szoła Główna Gospodarstwa Wiejsiego, Warszawa, ul. Nowoursynowsa 159 e-mail: mieczyslaw_polonsi@sggw.pl Założenia Optymalizacja harmonogramów
Bardziej szczegółowoPLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy
PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności
Bardziej szczegółowo1 Przestrzeń zdarzeń elementarnych
Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoMetody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej
Metody optymalizacji nieliniowej metody programowania nieliniowego Ewa Niewiadomsa-Szyniewicz Instytut Automatyi i Inormatyi Stosowanej Ewa Niewiadomsa-Szyniewicz ens@ia.pw.edu.pl Instytut Automatyi i
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowoładunek do przewiezienia dwie możliwości transportu
ładune do przewiezienia dwie możliwości transportu Potrzeba jest przesłać np. 10 Mb/s danych drogą radiową jedna ala nośna Kod NRZ + modulacja PSK czas trwania jednego bitu 0,1 us przy możliwej wielodrogowości
Bardziej szczegółowokoszt kapitału D/S L dźwignia finansowa σ EBIT zysku operacyjnego EBIT firmy. Firmy Modele struktury kapitału Rys. 8.3. Krzywa kosztów kapitału.
Modele strutury apitału oszt apitału Optymalna strutura apitału dźwignia finansowa / Rys. 8.3. Krzywa osztów apitału. Założenia wspólne modeli MM Modigliani i Miller w swoich rozważaniach ograniczyli się
Bardziej szczegółowoUZUPEŁNIENIA DO WYKŁADÓW A-C
UZUPEŁNIENIA DO WYKŁADÓW A-C Objaśnienia: 1. Uzupełnienia sładają się z dwóch części właściwych uzupełnień do treści wyładowych, zwyle zawierających wyprowadzenia i nietóre definicje oraz Zadań i problemów.
Bardziej szczegółowo(U.3) Podstawy formalizmu mechaniki kwantowej
3.10.2004 24. (U.3) Podstawy formalizmu mechanii wantowej 33 Rozdział 24 (U.3) Podstawy formalizmu mechanii wantowej 24.1 Wartości oczeiwane i dyspersje dla stanu superponowanego 24.1.1 Założenia wstępne
Bardziej szczegółowoUNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH
UNIKANIE IMPASÓW W SYSTEMACH PROCESÓW WSPÓŁBIEŻNYCH Robert Wójcik Instytut Cybernetyki Technicznej Politechniki Wrocławskiej 1. Impasy w systemach procesów współbieżnych 2. Klasyczne algorytmy unikania
Bardziej szczegółowoAlgebra liniowa z geometrią analityczną
WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór
Bardziej szczegółowojednoznacznie wyznaczają wymiary wszystkich reprezentacji grup punktowych, a związki ortogonalności jednoznacznie wyznaczają ich charaktery
Reprezentacje grup puntowych związi pomiędzy h i n a jednoznacznie wyznaczają wymiary wszystich reprezentacji grup puntowych, a związi ortogonalności jednoznacznie wyznaczają ich charatery oznaczenia:
Bardziej szczegółowoBadanie stacjonarności szeregów czasowych w programie GRETL
Badanie stacjonarności szeregów czasowych w programie GRETL Program proponuje następujące rodzaje testów stacjonarności zmiennych:. Funcję autoorelacji i autoorelacji cząstowej 2. Test Diceya-Fullera na
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoAlgorytm wyznaczania krotności diagnostycznej struktury opiniowania diagnostycznego typu PMC 1
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Algoryt wyznaczania rotności diagnostycznej strutury opiniowania diagnostycznego typu PMC 1 Artur ARCIUCH Załad Systeów Koputerowych, Instytut Teleinforatyi
Bardziej szczegółowoA i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy
3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja
Bardziej szczegółowoModelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne
Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez
Bardziej szczegółowoOptymalizacja. Przeszukiwanie lokalne
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Idea sąsiedztwa Definicja sąsiedztwa x S zbiór N(x) S rozwiązań, które leżą blisko rozwiązania x
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowoKONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA
KONCEPCJA SYSTEMU BONIFIKAT DLA ODBIORCÓW ZA NIEDOTRZYMANIE PRZEZ DOSTAWCĘ WYMAGANEGO POZIOMU JAKOŚCI NAPIĘCIA prof. dr hab. inż. Zbigniew Hanzela / Aademia Górniczo-Hutnicza dr inż. Grzegorz Błajszcza
Bardziej szczegółowoROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU
Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają
Bardziej szczegółowoWSPOMAGANIE DECYZJI W OBSZARZE WYZNACZANIA TRAS POJAZDÓW
DECYZJE nr 13 czerwiec 2010 WSPOMAGANIE DECYZJI W OBSZARZE WYZNACZANIA TRAS POJAZDÓW Paweł Hanczar* Uniwersytet Eonomiczny we Wrocławiu Streszczenie: Problem wyznaczania tras pojazdów jest znany już od
Bardziej szczegółowoPROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2017/2018 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW II ROKU STUDIÓW
PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2017/2018 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW II ROKU STUDIÓW 1. NAZWA PRZEDMIOTU Socjologia medycyny 2. NAZWA JEDNOSTKI
Bardziej szczegółowoWaga szalkowa i uogólniony problem fałszywej monety
Waga szalowa i uogólniony problem fałszywej monety Marcel Kołodziejczy Hugo Steinhaus w Kalejdosopie matematycznym ([7]) przedstawił następujące zadania: oraz Mamy dziewięć monet pozornie jednaowych. Wiemy,
Bardziej szczegółowoMożliwości arbitrażu na Giełdzie Papierów Wartościowych w Warszawie z wykorzystaniem kontraktów terminowych
1 Możliwości arbitrażu na Giełdzie Papierów Wartościowych w Warszawie z wyorzystaniem ontratów terminowych dr Krzysztof Pionte Katedra Inwestycji Finansowych i Ubezpieczeń Aademia Eonomiczna we Wrocławiu
Bardziej szczegółowoJ. Ułasiewicz Programowanie aplikacji współbieżnych 1
J. Ułasiewicz Programowanie aplikacji współbieżnych 1 1 1.1 Prosty przykład zakleszczenia (ang. Mexican standoff) W systemach w których wykonywane jest wiele współbieżnych procesów które operują na wspólnych
Bardziej szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowoPodstawowe własności grafów. Wykład 3. Własności grafów
Wykład 3. Własności grafów 1 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2). 2 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2).
Bardziej szczegółowoPrzetwarzanie rozproszone
Przetwarzanie rozproszone Plan wykładu Celem wykładu jest zapoznanie słuchacza z podstawowymi pojęciami i problemami związanymi z przetwarzaniem rozproszonym. Wykład obejmie omówienie m. in. definicji
Bardziej szczegółowoPrzetwarzanie rozproszone
Przetwarzanie rozproszone Plan wykładu Celem wykładu jest zapoznanie słuchacza z podstawowymi pojęciami i problemami związanymi z przetwarzaniem rozproszonym. Wykład obejmie omówienie m. in. definicji
Bardziej szczegółowoSortowanie topologiczne skierowanych grafów acyklicznych
Sortowanie topologiczne skierowanych grafów acyklicznych Metody boolowskie w informatyce Robert Sulkowski http://robert.brainusers.net 23 stycznia 2010 1 Definicja 1 (Cykl skierowany). Niech C = (V, A)
Bardziej szczegółowoUchwała Nr 42/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlaskiego na lata z dnia 29 października 2015 r.
Uchwała Nr 42/2015 Komitetu Monitorującego Regionalny Program Operacyjny Województwa Podlasiego na lata 2014-2020 z dnia 29 październia 2015 r. w sprawie zatwierdzenia ryteriów oceny projetów w trybie
Bardziej szczegółowoWYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ
WYKŁAD 5 METODY OPTYMALIZACJI NIELINIOWEJ BEZ OGRANICZEŃ Wstęp. Za wyjątie nielicznych funcji, najczęściej w postaci wieloianów, dla tórych ożna znaleźć iniu na drodze analitycznej, pozostała więszość
Bardziej szczegółowoDOBÓR PRZEKROJU PRZEWODÓW OBCIĄŻONYCH PRĄDEM ZAWIERAJĄCYM WYŻSZE HARMONICZNE
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 90 Electrical Engineering 2017 DOI 10.21008/j.1897-0737.2017.90.0020 Andrzej KSIĄŻKIEWICZ* Marcin RACŁAW** DOBÓR PRZEKROJU PRZEWODÓW OBCIĄŻONYCH
Bardziej szczegółowoPrzetwarzanie rozproszone
Wykład prowadzą: Jerzy Brzeziński Jacek Kobusiński Plan wykładu Proces sekwencyjny Komunikaty, kanały komunikacyjne Stan kanału Operacje komunikacyjne Model formalny procesu sekwencyjnego Zdarzenia Warunek
Bardziej szczegółowoMatematyka Dyskretna - zagadnienia
Matematya Dysretna - zagadnienia dr hab. Szymon Żebersi opracował: Miołaj Pietre Semestr letni 206/207 - strona internetowa Zasada inducji matematycznej. Zbiory sończone, podstawowe tożsamości 2. Zasada
Bardziej szczegółowoKody Huffmana oraz entropia przestrzeni produktowej. Zuzanna Kalicińska. 1 maja 2004
Kody uffmana oraz entroia rzestrzeni rodutowej Zuzanna Kalicińsa maja 4 Otymalny od bezrefisowy Definicja. Kod nad alfabetem { 0, }, w tórym rerezentacja żadnego znau nie jest refisem rerezentacji innego
Bardziej szczegółowoB jest globalnym pokryciem zbioru {d} wtedy i tylko wtedy, gdy {d} zależy od B i nie istnieje B T takie, że {d} zależy od B ;
Algorytm LEM1 Oznaczenia i definicje: U - uniwersum, tj. zbiór obiektów; A - zbiór atrybutów warunkowych; d - atrybut decyzyjny; IND(B) = {(x, y) U U : a B a(x) = a(y)} - relacja nierozróżnialności, tj.
Bardziej szczegółowo, to niepewność sumy x
Wydział Fizyi UW (wersja instrucji 04.04a) Pracownia fizyczna i eletroniczna dla Inżynierii Nanostrutur oraz Energetyi i Chemii Jądrowej Ćwiczenie 6 Elementy testowania hipotez (z błędami złożonymi) oraz
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
Bardziej szczegółowoHIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA
Jace Sorupsi Hierarchiczny system Zarządzania ruchem lotniczym aspety oceny bezpieczeństwa, Logistya (ISSN 1231-5478) No 6, Instytut Logistyi i HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY
Bardziej szczegółowoWpływ zamiany typów elektrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym
Wpływ zamiany typów eletrowni wiatrowych o porównywalnych parametrach na współpracę z węzłem sieciowym Grzegorz Barzy Paweł Szwed Instytut Eletrotechnii Politechnia Szczecińsa 1. Wstęp Ostatnie ila lat,
Bardziej szczegółowoELQ SPÓŁKA AKCYJNA. Raport roczny za rok obrotowy maja 2017 r.
ELQ SPÓŁKA AKCYJNA Raport roczny za ro obrotowy 2016 31 maja 2017 r. SPIS TREŚCI LIST PREZESA ZARZĄDU... 3 WYBRANE DANE FINANSOWE... 4 OŚWIADCZENIA ZARZĄDU EMITENTA... 6 SPRAWOZDA ZARZĄDU Z DZIAŁALNOŚCI
Bardziej szczegółowoWstęp do programowania. Drzewa. Piotr Chrząstowski-Wachtel
Wstęp do programowania Drzewa Piotr Chrząstowski-Wachtel Drzewa Drzewa definiują matematycy, jako spójne nieskierowane grafy bez cykli. Równoważne określenia: Spójne grafy o n wierzchołkach i n-1 krawędziach
Bardziej szczegółowoWykład 21: Studnie i bariery cz.1.
Wyład : Studnie i bariery cz.. Dr inż. Zbigniew Szlarsi Katedra Eletronii, paw. C-, po.3 szla@agh.edu.pl http://layer.uci.agh.edu.pl/z.szlarsi/ 3.6.8 Wydział Informatyi, Eletronii i Równanie Schrödingera
Bardziej szczegółowoA4: Filtry aktywne rzędu II i IV
A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową
Bardziej szczegółowoPROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2017/2018 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW II ROKU STUDIÓW
PROGRAM NAUCZANIA PRZEDMIOTU OBOWIĄZKOWEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2017/2018 PRZEWODNIK DYDAKTYCZNY dla STUDENTÓW II ROKU STUDIÓW 1. NAZWA PRZEDMIOTU Elementy profesjonalizmu 2. NAZWA JEDNOSTKI
Bardziej szczegółowoSYSTEM Z CIĄGŁYMI ZAPYTANIAMI O knn ZŁĄCZEŃ W PRZESTRZENNEJ HURTOWNI DANYCH REALIZATION OF CONTINUOUS KNN JOIN QUERIES IN SPATIAL DATA WAREHOUSE
STUDIA INFORMATICA 2006 Volume 27 Number 2 (67) Marcin GORAWSKI, Wojciech GĘBCZYK Politechnia Śląsa, Instytut Informatyi SYSTEM Z CIĄGŁYMI ZAPYTANIAMI O NN ZŁĄCZEŃ W PRZESTRZENNEJ HURTOWNI DANYCH Streszczenie.
Bardziej szczegółowoUKŁAD OPTYMALNEJ REGULACJI MOCY FARM WIATROWYCH
1 UKŁAD OPYMALNEJ REGULACJI MOCY FARM WIAROWYCH Adam Rzepeci Politechnia Lubelsa, Katedra Sieci Eletrycznych i Zabezpieczeń Streszczenie. W niniejszym artyule zaprezentowano nowatorsie rozwiązanie wspomagające
Bardziej szczegółowoEksploracja Drzew. Jakub Łopuszański Instytut Informatyki Uniwersytetu Wrocławskiego. 20 czerwca 2007
Esploracja Drzew Jaub Łopuszańsi Instytut Informatyi Uniwersytetu Wrocławsiego 20 czerwca 2007 Po pierwsze, chcę podzięować: Krzysztofowi Lorysiowi za podsycanie zainteresowania algorytmami i struturami
Bardziej szczegółowoWykład 4. Zmienne losowe i ich rozkłady
Wstęp do probabilistyi i statystyi Wyład. Zmienne losowe i ich rozłady dr hab.inż. Katarzyna Zarzewsa, prof.agh, Katedra Eletronii, WIET AGH Wstęp do probabilistyi i statystyi. wyład Plan: Pojęcie zmiennej
Bardziej szczegółowoMetoda rozwiązywania układu równań liniowych z symetryczną, nieokreśloną macierzą współczynników ( 0 )
MATEMATYKA STOSOWANA 7, 2006 Izabella Czochralsa (Warszawa) Metoda rozwiązywania uładu równań liniowych z symetryczną, nieoreśloną macierzą współczynniów ( 0 ) Streszczenie. W pracy zaadaptowano opracowaną
Bardziej szczegółowo10. PODSTAWOWY MODEL POTOKU RUCHU PORÓWNANIE RÓŻNYCH MODELI (wg Ashton, 1966)
1. Podstawowy model potou ruchu porównanie różnych modeli 1. PODSTAWOWY MODEL POTOKU RUCHU PORÓWNANIE RÓŻNYCH MODELI (wg Ashton, 1966) 1.1. Porównanie ształtu wyresów różnych unci modeli podstawowych Jednym
Bardziej szczegółowoProgramowanie dynamiczne
Programowanie dynamiczne Patryk Żywica 5 maja 2008 1 Spis treści 1 Problem wydawania reszty 3 1.1 Sformułowanie problemu...................... 3 1.2 Algorytm.............................. 3 1.2.1 Prosty
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe
Bardziej szczegółowoMatematyka Dyskretna Zadania
Matematya Dysretna Zadania Jace Cichoń Politechnia Wrocławsa, WPPT Wrocław 015 1 Wstęp 11 Oznaczenia [n] = {1,, n} [] = {X P ( : X = } (x = 1 j=0 (x j, (x = 1 (x + j Zadanie 1 j=0 Poaż za pomocą inducji
Bardziej szczegółowoP(T) = P(T M) = P(T A) = P(T L) = P(T S) = P(T L M) = P(T L A) = P(T S M) = P(T S A) =
Przyład (obrona orętów USA przed ataami lotnictwa japońsiego) Możliwe dwie wyluczające się tatyi: M = manewr A = artyleria przeciwlotnicza Departament Marynari Wojennej na podstawie danych z wojny na Pacyfiu
Bardziej szczegółowoWstęp do programowania. Listy. Piotr Chrząstowski-Wachtel
Wstęp do programowania Listy Piotr Chrząstowski-Wachtel Do czego stosujemy listy? Listy stosuje się wszędzie tam, gdzie występuje duży rozrzut w możliwym rozmiarze danych, np. w reprezentacji grafów jeśli
Bardziej szczegółowoAlgorytmy zarządzania współbieżnym wykonywaniem transakcji część I
Algorytmy zarządzania współbieżnym wykonywaniem transakcji część I Wykład przygotował: Tadeusz Morzy BD wykład 9 Celem wykładu jest przedstawienie i omówienie podstawowych algorytmów zarządzania współbieżnym
Bardziej szczegółowoALOKACJA ZASOBU W WARUNKACH NIEPEWNOŚCI: MODELE DECYZYJNE I PROCEDURY OBLICZENIOWE
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 1 2007 Helena GASPARS ALOKACJA ZASOBU W WARUNKACH NIEPEWNOŚCI: MODELE DECYZYJNE I PROCEDURY OBLICZENIOWE Sformułowano modele optymalizacyne, maące zastosowanie
Bardziej szczegółowoWyznaczanie długości fali świetlnej za pomocą spektrometru siatkowego
Politechnia Łódza FTIMS Kierune: Informatya ro aademici: 2008/2009 sem. 2. Termin: 16 III 2009 Nr. ćwiczenia: 413 Temat ćwiczenia: Wyznaczanie długości fali świetlnej za pomocą spetrometru siatowego Nr.
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
dr Bartłomiej Roici atedra Maroeonomii i Teorii Handlu Zagranicznego Wydział Nau Eonomicznych UW dr Bartłomiej Roici Maroeonomia II Model Solowa z postępem technologicznym by do modelu Solowa włączyć postęp
Bardziej szczegółowoDWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW
DWUPOZIOMOWA METODA WIELOKRYTERIALNEGO STEROWANIA PRZEPŁYWEM PRODUKTÓW Mare MAGIERA Streszczenie: Zadanie sterowania przepływem produtów przez wielostadialną linię producyjną zostało podzielone na dwa
Bardziej szczegółowoWykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07)
Wyład 9 Fizya 1 (Informatya - EEIiA 006/07) 9 11 006 c Mariusz Krasińsi 006 Spis treści 1 Ruch drgający. Dlaczego właśnie harmoniczny? 1 Drgania harmoniczne proste 1.1 Zależność między wychyleniem, prędością
Bardziej szczegółowo020 Liczby rzeczywiste
020 Liczby rzeczywiste N = {1,2,3,...} Z = { 0,1, 1,2, 2,...} m Q = { : m, n Z, n 0} n Operacje liczbowe Zbiór Dodawanie Odejmowanie Mnożenie Dzielenie N Z Q Pytanie Dlaczego zbiór liczb wymiernych nie
Bardziej szczegółowoProblem zakleszczenia
Wykład prowadzą: Jerzy Brzeziński Dariusz Wawrzyniak Plan wykładu Klasyfikacja zasobów systemu na potrzeby analizy problemu zakleszczenia Warunki konieczne wystąpienia zakleszczenia Graf przydziału zasobów
Bardziej szczegółowoPrzykład budowania macierzy sztywności.
Co dzisiaj Przyład bdowania macierzy sztywności. Podejście logiczne Podejście algorytmiczne Przyłady modelowania i interpretacji wyniów Model płytowo-powłoowy i interpretacja naprężeń Błędy modelowania
Bardziej szczegółowoPOTRZEBY A B C D E P P P P P
1. (2p.) Narysuj przykładowy graf przydziału (jednokrotnych) zasobów (bez zakleszczenia) i sprawdź, jakie przykładowe żądania przydzielenia zasobów spowodują powstanie zakleszczenia, a jakie nie. W przypadku
Bardziej szczegółowoMatematyka dyskretna - wykład - część Podstawowe algorytmy kombinatoryczne
A. Permutacja losowa Matematyka dyskretna - wykład - część 2 9. Podstawowe algorytmy kombinatoryczne Załóżmy, że mamy tablice p złożoną z n liczb (ponumerowanych od 0 do n 1). Aby wygenerować losową permutację
Bardziej szczegółowoProgramowanie wielocelowe lub wielokryterialne
Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.
Bardziej szczegółowoSztuczna Inteligencja Projekt
Sztuczna Inteligencja Projekt Temat: Algorytm LEM2 Liczba osób realizujących projekt: 2 1. Zaimplementować algorytm LEM 2. 2. Zaimplementować klasyfikator Classif ier. 3. Za pomocą algorytmu LEM 2 wygenerować
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 10
Stanisław Cichoci Natalia Nehrebeca Wyład 10 1 1. Testowanie hipotez prostych Rozład estymatora b Testowanie hipotez prostych przy użyciu statystyi t Przedziały ufności Badamy czy hipotezy teoretyczne
Bardziej szczegółowoAnaliza B. Paweł Głowacki
Analiza B Paweł Głowaci Pojęcie liczby rzeczywistej uważać będziemy za intuicyjnie oczywiste. Tym niemniej celowe wydaje się przypomnienie i ugruntowanie nietórych fundamentalnych własności liczb rzeczywistych.
Bardziej szczegółowoDRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie
DRGANIA MECHANICZNE ateriały uzupełniające do ćwiczeń Wydział Saochodów i Maszyn Roboczych studia inżyniersie prowadzący: gr inż. Sebastian Korcza część 6 ułady dysretne o wielu stopniach swobody Poniższe
Bardziej szczegółowoPomiary napięć przemiennych
LABORAORIUM Z MEROLOGII Ćwiczenie 7 Pomiary napięć przemiennych . Cel ćwiczenia Celem ćwiczenia jest poznanie sposobów pomiarów wielości charaterystycznych i współczynniów, stosowanych do opisu oresowych
Bardziej szczegółowoREFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych.
REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzei z wyorzystaniem sztucznych sieci neuronowych. Godło autora pracy: EwGron. Wprowadzenie. O poziomie cywilizacyjnym raju, obo wielu
Bardziej szczegółowoWojciech Kordecki. Matematyka dyskretna. dla informatyków
Wojciech Kordeci Matematya dysretna dla informatyów Wrocław 2005 Spis treści 1. Relacje, funcje i rozmieszczenia 1 1.1. Zbiory częściowo uporządowane 1 1.2. Funcje i rozmieszczenia 2 1.3. Zadania 4 2.
Bardziej szczegółowo