Metoda poszukiwania TABU w zastosowaniu do optymalizacji harmonogramu dostaw sieci dystrybucji towarów. Przykład przemysłu meblarskiego
|
|
- Natalia Rogowska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Metoda poszukiwania TABU w zastosowaniu do optymalizacji harmonogramu dostaw sieci dystrybucji towarów. Przykład przemysłu meblarskiego POLLOCO Olgierd Dziamski Olgierd.Dziamski@gs1pl.org Olgierd.Dziamski@gs1pl.org
2 Plan prezentacji Bibliografia Koncepcja metody przeszukiwania Tabu Pami krótkoterminowa Pami długoterminowa Zastosowanie metody przeszukiwania Tabu do planowania tras przejazdów Zastosowanie metody przeszukiwania Tabu do planowani dystrybucji mebli Olgierd.Dziamski@gs1pl.org
3 Bibliografia Glover w 1986 wprowadził termin tabu search (TS) jako metaheurystyk nadzorujc działanie innych heurystyk Glover, F. (1986) Future Paths for Integer Programming and Links to Artificial Intelligence, Computer and Operations Research, vol. 13, no. 5, ss Olgierd.Dziamski@gs1pl.org
4 Bibliografia P. Hansen w 1986 zaprezentował podobn koncepcj do metody Tabu Search The steepest ascent mildest descent heuristic for combinatorial programming, Congress on Numerical Methods in Combinatorial Optimization, Capri, Italy, Olgierd.Dziamski@gs1pl.org
5 Bibliografia Glover w 1989 zaprezentował pełen opis metody tabu search Glover, F., 1989, Tabu Search Part I, INFORMS Journal on Computing, vol. 1, no. 3, ss Glover, F., 1989, Tabu Search Part II, INFORMS Journal on Computing, vol. 2, no. 1, ss Olgierd.Dziamski@gs1pl.org
6 Rozwój algorytmu poszukiwania TABU Stworzenie algorytmu Tabu Search (TS) razem z ide metaheurystyki została podana przez F. Glover, Future paths for integer programming and links to artificial intelligence, Computer & Operations Research Pierwsza implementacja algorytmu przeszukiwania tabu prze: Willard, M.Sc. praca magisterska, Imperial College; Pierwsze zastosowanie metody tabu do układania tras w procedurze Taburoute opartej na metaheurystyce przeszukiwania tabu przez: Gendreau, Hertz, Laporte, Management Science; Zastosowanie TS do sekwencjonowania DNA, Błaewicz, J. P. Formanowicz, F. Glover, M. Kasprzyk, Conf. Rio de Janeiro Zastosowanie TS do harmonogramowania produkcji według koncepcji Just-in-Time, M. Lguns i J.L. Gonzalez Velarde Zastosowanie TS do planowania zada produkcyjnych z ograniczonym dostpem do narzdzi, M. Widmer, Operations Research Unifikacja algorytmu TS, Cordeau, Laporte, Mercier, Journal of the Operational Research Society Ziarnista metoda TS, Toth, Vigo, INFORMS Jornal on Computing Łczenie metaheurystyki TS z innymi metaheurystykami w celu układania tras pojazdów, Vincent Tam i K.T.Ma Olgierd.Dziamski@gs1pl.org
7 Koncepcja metody przeszukiwania Tabu Tabu Search (TS) jest metaheurystyk, która szuka rozwizania problemu poprzez nadzorowanie innych procedur heurystycznych, w celu eksploracji przestrzeni rozwiza poza lokalne minimum Proces ekonomicznego i efektywnego przeszukiwania przestrzeni rozwiza jest koordynowany za pomoc strategii opartych na mechanizmach pamici Olgierd.Dziamski@gs1pl.org
8 Koncepcja metody przeszukiwania Tabu Procedura lokalnego poszukiwania rozwizania Definicja problemu dystrybucji (S, g) Funkcja celu min g( s), s S Budowa ssiedztwa Zastosowanie operatora ruchu Problem lokalnego minimum N : S 2 g( y) < g( x), y N( x) g( x) g( y), y N ( x) S Operatora ruchu modyfikuje w pewnym zakresie biece rozwizanie tak, aby zmieni warto funkcji celu Olgierd.Dziamski@gs1pl.org
9 Koncepcja metody przeszukiwania Tabu Ograniczenia typu tabu, Lista kandydatów, Kryteria aspiracji, Modyfikacja reguł wyboru w zakresie dywersyfikacji i intensyfikacji Generowanie pocztkowego rozwizania i inicjowanie pamici Budowanie ssiedztwa rozwizania Wybór najlepszego ssiedztwa Tak Stop Nie Czy kontynuowa iteracje Uaktualnienie struktur pamici Wprowadzenie rozwizania Pami krótkoterminowa i długoterminowa Olgierd.Dziamski@gs1pl.org
10 Pami krótkoterminowa Głównym celem pamici krótkoterminowej jest uniknicie wyboru operatora ruchu, który moe prowadzi do oscylacji wokół okrelonego rozwizania Najbardziej popularna implementacja pamici krótkoterminowej oparta jest na przechowywaniu ostatnio zmienianych atrybutów operatora ruchu
11 Pami krótkoterminowa przykład 1 Po zmianie wartoci atrybuty x i z 0 na 1 za pomoc operatora ruchu, naley zabroni w okrelonej liczbie iteracji tabu x i przyjcie wartoci 0. Atrybuty zachowane w pamici: i Zabroniony operator ruchu: ruch (x i 0) jest zabroniony tak długo jak argument i jest uznawany jako tabu Olgierd.Dziamski@gs1pl.org
12 Pami krótkoterminowa przykład 2 Po zastosowaniu operatora ruchu, który zamienia w szeregu pozycje elementów i z j naley zabroni w okrelonej liczbie iteracji tabu ponown zamian elementów i z j Atrybuty zachowane w pamici : i oraz j Zabroniony operator ruchu : ruch (i j) jest zabroniony tak długo jak para argumentów i oraz j jest uznawana jako tabu Olgierd.Dziamski@gs1pl.org
13 Pami krótkoterminowa przykład 3 Po zastosowaniu operatora ruchu, który usuwa element i oraz dodaje element j do aktualnego rozwizania naley zabroni przez okrelon liczb iteracji tabu ponowne dodanie elementu i oraz usunicie elementu j z rozwizania Atrybuty zachowane w pamici : i oraz j Zabronione operatory ruchu: ruch (dodaj i) jest zabroniony tak długo jak argument i jest uznawany jako tabu ruch (usu j) jest zabroniony tak długo jak argument j jest uznawany jako tabu Olgierd.Dziamski@gs1pl.org
14 Co jest zabronione w metodzie przeszukiwania Tabu Wyłcznie operator ruchu moe by zabroniony. Atrybuty nigdy nie s zabronione, mog one by oznaczone statusem zabronione do zmian (tabu-active) Operator ruchu moe by zabroniony jeeli zawiera jeden lub wicej atrybutów oznaczonych statusem zabronione do zmian Dany operator ruchu jest zabroniony jeeli reguły interpretacji atrybutów oznaczonych statusem zabronione do zmian na to wskazuj Rejestrowany jest czas utrzymania atrybutu w statusie zabroniony do zmian Olgierd.Dziamski@gs1pl.org
15 Drzewo decyzyjne metody przeszukiwania Tabu Operator ruchu Nie Czy operator ruchu zawiera atrybuty tabu-active? Tak Nie Czy operator ruchu jest zabroniony? Tak Operator ruchu jest dozwolony Tak Czy operator ruchu spełnia kryteria aspiracji? Operator ruchu NIE jest dozwolony Nie
16 Kryterium aspiracji W oparciu o funkcj celu Operator ruchu staje si dopuszczalny jeeli generuje rozwizanie lepsze od aktualnie znalezionego Za pomoc kierunku poszukiwania Operator ruchu staje si dopuszczalny jeeli kierunek poszukiwania rozwizania (poprawy lub pogorszenia rozwizania) nie zmienił si Olgierd.Dziamski@gs1pl.org
17 Strategia doboru operatorów ruchu Efektywne przeszukiwanie ssiedztwa Lista kandydatów metoda oparta na izolowaniu regionów ssiedztwa zawierajcych operatory ruchu o podanych właciwociach Wybranie pierwszego operatora ruchu poprawiajcego aktualne rozwizanie Olgierd.Dziamski@gs1pl.org
18 Pami długoterminowa Pami czstotliwoci zmian Miara zmian Liczba iteracji, w których atrybut zmienił warto (np. został dodany lub usunity z rozwizania) Miara stałoci Liczba iteracji, w których atrybut pozostał w okrelonym stanie (np. naleał do obecnego rozwizania) Olgierd.Dziamski@gs1pl.org
19 Pami długoterminowa przykład 4 Miara zmian Liczba iteracji, w których element i został przesunity na wczeniejsze miejsce w cigu Miara stałoci Liczba iteracji, w których element i zajmował pozycj k Olgierd.Dziamski@gs1pl.org
20 Pami długoterminowa Metoda dywersyfikacji strategii poszukiwania rozwizania Zmodyfikowana warto operatora ruchu = warto operatora ruchu Parametr * wskanik czstotliwoci Pami długoterminowa jest wykorzystywana w celu modyfikacji reguł doboru operatora ruchu Reguła: Wybierz najlepsz warto operator ruchu jeli istnieje cho jeden dopuszczalny operator ruchu poprawiajcy rozwizanie W przeciwnym razie wybierz dopuszczalny operator ruchu o najlepszej zmodyfikowanej wartoci operatora ruchu Olgierd.Dziamski@gs1pl.org
21 Zastosowanie metody przeszukiwania Tabu do planowania tras przejazdów Client Depot Route for truck A Route for truck B Route for truck C Olgierd.Dziamski@gs1pl.org
22 Kalkulacja macierzy odległoci 1 fabryka i 10 klientów. Całkowita unikalna liczba odległoci *10/2-10 = = Olgierd.Dziamski@gs1pl.org
23 Budowa ssiedztwa moliwe operatory ruchu Operator ruchu modyfikuje jedn lub wicej tras przejazdów w stopniu zmieniajcym warto funkcji celu Operator 2-or Operator Wymiany >2->3->4 1->3->2->4 R1 1->2->3 R2 4->5->6 R1 1->5->3 R2 4->2-> Olgierd.Dziamski@gs1pl.org
24 Budowa ssiedztwa moliwe operatory ruchu Operator 4-or >2->3->4->5->6 1->5->3->4->2-> Olgierd.Dziamski@gs1pl.org
25 Plan tras przejazdów dla 130 miast
26 Zastosowanie przeszukiwania Tabu do planowani dystrybucji mebli Powstaj duego rozmiaru palety Róne sposoby załadunku Nietypowe rozmiary
27 Moliwe sposoby załadunku wyrobów na samochodach Algorytm heurystyczny wyliczajcy załadunek wyrobów nadzorowany przez metaheurysyk Tabu Search Jeden klient Ograniczenia: powierzchnia pojemno waga kolejno wizyt rozładunek Samochód 1: 245cm * 600cm Samochód 2: 245cm * 900cm Olgierd.Dziamski@gs1pl.org
28 Zasada współpracy metaheurystyki z heurystyk Załadunek palet Olgierd.Dziamski@gs1pl.org
29 Zastosowanie metody przeszukiwania Tabu do planowani dystrybucji mebli - eksperymenty obliczeniowe Do 80 miast naley dowie skumulowane zamówienia: 40 klientów zamawia meble o skumulowanej wadze i skumulowanej objtoci klientów zamawia meble o skumulowanej wadze 400 i skumulowanej objtoci Do 39 miast naley dowie 130 palet: 13 klientów zamawia 3 palety o rozmiarach 120x90x155 i wadze klientów zamawia 3 palety o rozmiarach 135x80x155 i wadze klientów zamawia 1 palet o rozmiarze 120x80x155 i wadze 450 i 2 palety o rozmiarze 140x90x155 i wadze 450 Do planowania wykorzystywane bd samochody o parametrach: 245x850x200 i ładownoci oraz koszt za 1 km wynosi 1,5 245x1300x200 i ładownoci oraz koszt za 1 km wynosi 2 245x600x200 i ładownoci 8000 oraz koszt za 1 km wynosi Olgierd.Dziamski@gs1pl.org
30 Postp w poszukiwaniu taszego planu dystrybucji aktualne najlepsze Olgierd.Dziamski@gs1pl.org
31 Sposób załadunku 245x850x x600x x1300x
32 Plan tras przejazdów
33
ZASTOSOWANIE ALGORYTMÓW POSZUKIWANIA Z TABU DO OPTYMALIZACJI UKŁADANIA PLANU ZAJĘĆ
Studia i Materiały Informatyki Stosowanej, Tom 2, Nr 2, 2010 str. 59-66 ZASTOSOWANIE ALGORYTMÓW POSZUKIWANIA Z TABU DO OPTYMALIZACJI UKŁADANIA PLANU ZAJĘĆ Eliza Witczak Uniwersytet Kazimierza Wielkiego
Bardziej szczegółowoOptymalizacja. Wybrane algorytmy
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoznalezienia elementu w zbiorze, gdy w nim jest; dołączenia nowego elementu w odpowiednie miejsce, aby zbiór pozostał nadal uporządkowany.
Przedstawiamy algorytmy porządkowania dowolnej liczby elementów, którymi mogą być liczby, jak również elementy o bardziej złożonej postaci (takie jak słowa i daty). Porządkowanie, nazywane również często
Bardziej szczegółowoOptymalizacja. Przeszukiwanie tabu
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Naturalny sposób powstania algorytmu Algorytm optymalizacji lokalnej Niezdolność wyjścia z lokalnych
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Wprowadzenie Maciej Hapke maciej.hapke at put.poznan.pl Literatura D.E. Goldberg Algorytmy genetyczne i zastosowania, WNT, 1995 Z. Michalewicz Algorytmy genetyczne + struktury danych
Bardziej szczegółowoProblem decyzyjny naley do klasy NP. (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM.
WYKŁAD : Teoria NP-zupełnoci. Problem decyzyjny naley do klasy P (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM. (przynaleno ta jest zachowana równie dla
Bardziej szczegółowoMetody Programowania
POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Metody Programowania www.pk.edu.pl/~zk/mp_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 8: Wyszukiwanie
Bardziej szczegółowoOPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI
Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w
Bardziej szczegółowoTabu Search (Poszukiwanie z zakazami)
Tabu Search (Poszukiwanie z zakazami) Heurystyka - technika znajdująca dobre rozwiązanie problemu (np. optymalizacji kombinatorycznej) przy rozsądnych (akceptowalnych z punktu widzenia celu) nakładach
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Dokładne algorytmy optymalizacji Maciej Hapke maciej.hapke at put.poznan.pl Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem minimalizacji
Bardziej szczegółowoSYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH
SYSTEM WSPOMAGANIA HARMONOGRAMOWANIA PRZEDSIĘWZIĘĆ BUDOWLANYCH Wojciech BOŻEJKO, Zdzisław HEJDUCKI, Mariusz UCHROŃSKI, Mieczysław WODECKI Streszczenie: W pracy przedstawiamy system wspomagający harmonogramowanie
Bardziej szczegółowoAlgorytmy heurystyczne w UCB dla DVRP
Algorytmy heurystyczne w UCB dla DVRP Seminarium IO na MiNI 24.03.2015 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP UCB na potrzeby DVRP Algorytmy
Bardziej szczegółowoZadania laboratoryjne i projektowe - wersja β
Zadania laboratoryjne i projektowe - wersja β 1 Laboratorium Dwa problemy do wyboru (jeden do realizacji). 1. Water Jug Problem, 2. Wieże Hanoi. Water Jug Problem Ograniczenia dla każdej z wersji: pojemniki
Bardziej szczegółowoBazy danych. Plan wykładu. Podzapytania - wskazówki. Podzapytania po FROM. Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych.
Plan wykładu azy danych Wykład 5: Zalenoci wielowartociowe. Sprowadzanie do postaci normalnych. Dokoczenie SQL Zalenoci wielowartociowe zwarta posta normalna Dekompozycja do 4NF Przykład sprowadzanie do
Bardziej szczegółowoTemat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika.
Temat: Liniowe uporzdkowane struktury danych: stos, kolejka. Specyfikacja, przykładowe implementacje i zastosowania. Struktura słownika. 1. Pojcie struktury danych Nieformalnie Struktura danych (ang. data
Bardziej szczegółowoWybrane podstawowe rodzaje algorytmów
Wybrane podstawowe rodzaje algorytmów Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii informatycznych
Bardziej szczegółowoPrzeszukiwanie lokalne
Przeszukiwanie lokalne 1. Klasyfikacja algorytmów 2. Przeszukiwanie lokalne 1. Klasyfikacja algorytmów Algorytmy dokładne znajdują rozwiązanie optymalne, 1. Klasyfikacja algorytmów Algorytmy dokładne znajdują
Bardziej szczegółowoTemat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury.
Temat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury. Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje si w danej chwili
Bardziej szczegółowoPodejście memetyczne do problemu DCVRP - wstępne wyniki. Adam Żychowski
Podejście memetyczne do problemu DCVRP - wstępne wyniki Adam Żychowski Na podstawie prac X. S. Chen, L. Feng, Y. S. Ong A Self-Adaptive Memeplexes Robust Search Scheme for solving Stochastic Demands Vehicle
Bardziej szczegółowoK.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Bardziej szczegółowoZaawansowane programowanie
Zaawansowane programowanie wykład 3: inne heurystyki prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Heurystyką nazywamy algorytm (metodę) zwracający rozwiązanie przybliżone.
Bardziej szczegółowoBazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD)
Plan wykładu Bazy danych Wykład 2: Diagramy zwizków encji (ERD) Diagramy zwizków encji elementy ERD licznoci zwizków podklasy klucze zbiory słabych encji Małgorzata Krtowska Katedra Oprogramowania e-mail:
Bardziej szczegółowoCzy mniej i szybciej zawsze musi oznaczać taniej? studia przypadków rozwiązań logistycznych. Jakub Karoń Regionalny kierownik sprzedaży
Czy mniej i szybciej zawsze musi oznaczać taniej? studia przypadków rozwiązań logistycznych Jakub Karoń Regionalny kierownik sprzedaży Rozwiązania GEFCO To już wam prezentowaliśmy Stand by - trailers Operacyjny
Bardziej szczegółowoOptymalizacja. Przeszukiwanie tabu
dr inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Maciej Hapke Naturalny sposób powstania algorytmu Algorytm największego spadku niezdolność wyjścia z lokalnych optimów!
Bardziej szczegółowoMetody Optymalizacji: Przeszukiwanie z listą tabu
Metody Optymalizacji: Przeszukiwanie z listą tabu Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje: wtorek
Bardziej szczegółowoTemat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.
Temat: Problem najkrótszych cieek w grafach waonych, cz. I: Algorytmy typu label - setting.. Oznaczenia i załoenia Oznaczenia G = - graf skierowany z funkcj wagi s wierzchołek ródłowy t wierzchołek
Bardziej szczegółowoPrzykªady problemów optymalizacji kombinatorycznej
Przykªady problemów optymalizacji kombinatorycznej Problem Komiwoja»era (PK) Dane: n liczba miast, n Z +, c ji, i, j {1,..., n}, i j odlegªo± mi dzy miastem i a miastem j, c ji = c ij, c ji R +. Zadanie:
Bardziej szczegółowoProjektowanie algorytmów rekurencyjnych
C9 Projektowanie algorytmów rekurencyjnych wiczenie 1. Przeanalizowa działanie poniszego algorytmu dla parametru wejciowego n = 4 (rysunek 9.1): n i i
Bardziej szczegółowoAlgorytm Grovera. Kwantowe przeszukiwanie zbiorów. Robert Nowotniak
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka 13 listopada 2007 Plan wystapienia 1 Informatyka Kwantowa podstawy 2 Opis problemu (przeszukiwanie zbioru) 3 Intuicyjna
Bardziej szczegółowoWstp. Warto przepływu to
177 Maksymalny przepływ Załoenia: sie przepływow (np. przepływ cieczy, prdu, danych w sieci itp.) bdziemy modelowa za pomoc grafów skierowanych łuki grafu odpowiadaj kanałom wierzchołki to miejsca połcze
Bardziej szczegółowoAlgorytmy metaheurystyczne podsumowanie
dr hab. inż. Instytut Informatyki Politechnika Poznańska www.cs.put.poznan.pl/mkomosinski, Andrzej Jaszkiewicz Problem optymalizacji kombinatorycznej Problem optymalizacji kombinatorycznej jest problemem
Bardziej szczegółowoTemat: Problem minimalnego drzewa Steinera. Definicja problemu. Zastosowania. Algorytm dokładny Hakimi. Algorytmy aproksymacyjne.
Temat: Problem minimalnego drzewa Steinera. Definicja problemu. Zastosowania. Algorytm dokładny Hakimi. Algorytmy aproksymacyjne. 1. Definicja problemu Wejcie: Graf spójny niezorientowany G =
Bardziej szczegółowoAlgorytm memetyczny dla rzeczywistego problemu planowania tras pojazdów
Algorytm memetyczny dla rzeczywistego problemu planowania tras pojazdów Andrzej Jaszkiewicz, Przemysław Wesołek 3 grudnia 2013 Kontekst problemu Firma dystrybucyjna Kilka statystyk (wiedza z danych miesięcznych)
Bardziej szczegółowoMAGICIAN. czyli General Game Playing w praktyce. General Game Playing
MAGICIAN czyli General Game Playing w praktyce General Game Playing 1 General Game Playing? Cel: stworzenie systemu umiejącego grać/nauczyć się grać we wszystkie gry Turniej w ramach AAAI National Conference
Bardziej szczegółowoBazy danych. Plan wykładu. Zalenoci funkcyjne. Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania A B
Plan wykładu Bazy danych Wykład 4: Relacyjny model danych - zalenoci funkcyjne. SQL - podzapytania Definicja zalenoci funkcyjnych Klucze relacji Reguły dotyczce zalenoci funkcyjnych Domknicie zbioru atrybutów
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 szczegółowoTemat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe.
Temat: Struktury danych do reprezentacji grafów. Wybrane algorytmy grafowe. Oznaczenia G = V, E - graf bez wag, gdzie V - zbiór wierzchołków, E- zbiór krawdzi V = n - liczba wierzchołków grafu G E = m
Bardziej szczegółowoAnaliza stanów gry na potrzeby UCT w DVRP
Analiza stanów gry na potrzeby UCT w DVRP Seminarium IO na MiNI 04.11.2014 Michał Okulewicz based on the decision DEC-2012/07/B/ST6/01527 Plan prezentacji Definicja problemu DVRP DVRP na potrzeby UCB Analiza
Bardziej szczegółowoALGORYTM KLASTERYZACJI W ZASTOSOWANIU DO PROBLEMU TRASOWANIA POJAZDÓW
Logistyka - nauka Tomasz AMBROZIAK *, Roland JACHIMOWSKI * ALGORYTM KLASTERYZACJI W ZASTOSOWANIU DO PROBLEMU TRASOWANIA POJAZDÓW Streszczenie W artykule scharakteryzowano problematykę klasteryzacji punktów
Bardziej szczegółowoArgumenty na poparcie idei wydzielenia OSD w formie tzw. małego OSD bez majtku.
Warszawa, dnia 22 03 2007 Zrzeszenie Zwizków Zawodowych Energetyków Dotyczy: Informacja prawna dotyczca kwestii wydzielenia Operatora Systemu Dystrybucyjnego w energetyce Argumenty na poparcie idei wydzielenia
Bardziej szczegółowo1 Problemyprzepływowe
Problemyprzepływowe Problemy przepływowe należą do jednych z prostszych i często analizowanych modeli systemów produkcyjnych. Poniżej zostanie przedstawiony podstawowy problem przepływowy, permutacyjny
Bardziej szczegółowoBazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD)
Plan wykładu Bazy danych Wykład 2: Diagramy zwizków encji (ERD) Diagramy zwizków encji elementy ERD licznoci zwizków podklasy klucze zbiory słabych encji Małgorzata Krtowska Katedra Oprogramowania e-mail:
Bardziej szczegółowoMultipro GbE. Testy RFC2544. Wszystko na jednej platformie
Multipro GbE Testy RFC2544 Wszystko na jednej platformie Interlab Sp z o.o, ul.kosiarzy 37 paw.20, 02-953 Warszawa tel: (022) 840-81-70; fax: 022 651 83 71; mail: interlab@interlab.pl www.interlab.pl Wprowadzenie
Bardziej szczegółowoLaboratorium technik optymalizacji
Laboratorium technik optymalizacji Marek Kubiak 1 Opis zajęć Zakres zajęć laboratoryjnych jest podzielony na 2 części: realizację algorytmu przeszukiwania lokalnego i wizualizacji jego działania dla zadanego
Bardziej szczegółowoSKUTECZNE ROZWIĄZANIA DLA LOGISTYKI
SKUTECZNE ROZWIĄZANIA DLA LOGISTYKI Jak skutecznie planować, nadzorować i rozliczać proces dostawy w firmie produkcyjnej? Studium przypadku. Andrzej Kułakowski interlan SP. J. systemy informatyczne dla
Bardziej szczegółowoSystemy Wspomagania Decyzji
Reguły Asocjacyjne Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności March 18, 2014 1 Wprowadzenie 2 Definicja 3 Szukanie reguł asocjacyjnych 4 Przykłady użycia 5 Podsumowanie Problem Lista
Bardziej szczegółowoPREZENTACJA DZIAŁANIA KLASYCZNEGO ALGORYTMU GENETYCZNEGO
Piotr Borowiec PREZENTACJA DZIAŁANIA KLASYCZNEGO ALGORYTMU GENETYCZNEGO Sporód wielu metod sztucznej inteligencji obliczeniowej algorytmy genetyczne doczekały si wielu implementacji. Mona je wykorzystywa
Bardziej szczegółowoSPIS TREŚCI WSTĘP... 10
SPIS TREŚCI WSTĘP... 10 Wykład 1. GENEZA, ROZWÓJ, WSPÓŁCZESNE WYZWANIA PRALOGISTYKI WOJSKOWEJ 1. Historyczne źródła logistyki wojskowej... 15 2. Logistyka według poglądów teoretyków amerykańskich... 17
Bardziej szczegółowoAlgorytm genetyczny (genetic algorithm)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoUstalenie optymalnego układu lokalizacyjnodystrybucyjnego
10.02.2005 r. Optymalizacja lokalizacji i rejonizacji w sieciach dystrybucji. cz. 2. Ustalenie optymalnego układu lokalizacyjnodystrybucyjnego dla wielu uczestników Przyczyn rozwizywania problemu wielu
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Metaheurystyki oparte na algorytmach lokalnego przeszukiwania Maciej Hapke maciej.hapke at put.poznan.pl GRASP Greedy Randomized Adaptive Search Procedure T.A. Feo, M.G.C. Resende,
Bardziej szczegółowoPrzeszukiwanie z tabu (06.04.11)
Seminarium: Algorytmy heurystyczne IIUWr 2010/2011 Przemysław Gospodarczyk Przeszukiwanie z tabu (06.04.11) opracowanie Wersja Zmiany Autor Data 1.0 Pierwsza wersja Przemysław Gospodarczyk 2011-04-05 Spis
Bardziej szczegółowoSortowanie - wybrane algorytmy
Sortowanie - wybrane algorytmy Aleksandra Wilkowska Wydział Matematyki - Katedra Matematyki Stosowanej Politechika Wrocławska 2 maja 2018 1 / 39 Plan prezentacji Złożoność obliczeniowa Sortowanie bąbelkowe
Bardziej szczegółowoEwolucja Ró»nicowa - Wprowadzenie
15 grudnia 2016 Klasykacja Algorytmy Ewolucyjne Strategie Ewolucyjne Ewolucja Ró»nicowa Autorzy : Storn i Price [1994-97] Cechy charakterystyczne Algorytm oparty na populacji Osobniki s opisane za pomoc
Bardziej szczegółowoPlan. Zakres badań teorii optymalizacji. Teoria optymalizacji. Teoria optymalizacji a badania operacyjne. Badania operacyjne i teoria optymalizacji
Badania operacyjne i teoria optymalizacji Instytut Informatyki Poznań, 2011/2012 1 2 3 Teoria optymalizacji Teoria optymalizacji a badania operacyjne Teoria optymalizacji zajmuje się badaniem metod optymalizacji
Bardziej szczegółowoVPN Virtual Private Network. Uycie certyfikatów niekwalifikowanych w sieciach VPN. wersja 1.1 UNIZETO TECHNOLOGIES SA
VPN Virtual Private Network Uycie certyfikatów niekwalifikowanych w sieciach VPN wersja 1.1 Spis treci 1. CO TO JEST VPN I DO CZEGO SŁUY... 3 2. RODZAJE SIECI VPN... 3 3. ZALETY STOSOWANIA SIECI IPSEC
Bardziej szczegółowoKlonowanie MAC adresu oraz TTL
1. Co to jest MAC adres? Klonowanie MAC adresu oraz TTL Adres MAC (Media Access Control) to unikalny adres (numer seryjny) kadego urzdzenia sieciowego (jak np. karta sieciowa). Kady MAC adres ma długo
Bardziej szczegółowoInstytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny Politechnika Śląska
Instytut Mechaniki i Inżynierii Obliczeniowej www.imio.polsl.pl fb.com/imiopolsl @imiopolsl Wydział Mechaniczny Technologiczny Politechnika Śląska Języki programowania z programowaniem obiektowym Laboratorium
Bardziej szczegółowoCzy niniejsze zamówienie jest objte zakresem Porozumienia w sprawie zamówie rzdowych (GPA)? NIE TAK. Kod pocztowy
UNIA EUROPEJSKA Publikacja Suplementu do Dziennika Urzdowego Wspólnot Europejskich 2, rue Mercier, L-2985 Luxembourg Faks: (+352) 29 29 44 619, (+352) 29 29 44 623, (+352) 29 29 42 670 E-mail: mp-ojs@opoce.cec.eu.int
Bardziej szczegółowoODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. 1. x y x y
Nr zadania Nr czynnoci Przykadowy zestaw zada nr z matematyki ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM PODSTAWOWY Etapy rozwizania zadania. Podanie dziedziny funkcji f: 6, 8.. Podanie wszystkich
Bardziej szczegółowoRachunkowość zarządcza - wstęp. prowadzenie: dr Adam Chmielewski
Rachunkowość zarządcza - wstęp prowadzenie: dr Adam Chmielewski Czym jest rachunkowość zarządcza? rachunkowość zarządcza proces zapewniający pomiar i prezentację informacji finansowych i niefinansowych
Bardziej szczegółowoBazy danych. Plan wykładu. Pierwsza posta normalna. Druga posta normalna. Wykład 7: Sprowadzanie do postaci normalnych. DDL, DML
Plan wykładu azy danych Wykład 7: Sprowadzanie do postaci normalnych. DDL, DML Przykład sprowadzenia nieznormalizowanej relacji do 3NF SQL instrukcja EXISTS DDL DML (insert) Małgorzata Krtowska Katedra
Bardziej szczegółowoData Mining Wykład 9. Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster. Plan wykładu. Sformułowanie problemu
Data Mining Wykład 9 Analiza skupień (grupowanie) Grupowanie hierarchiczne O-Cluster Plan wykładu Wprowadzanie Definicja problemu Klasyfikacja metod grupowania Grupowanie hierarchiczne Sformułowanie problemu
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoListy i operacje pytania
Listy i operacje pytania Iwona Polak iwona.polak@us.edu.pl Uniwersytet l ski Instytut Informatyki pa¹dziernika 07 Który atrybut NIE wyst puje jako atrybut elementów listy? klucz elementu (key) wska¹nik
Bardziej szczegółowoKonspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce
mgr Tomasz Grbski Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce Temat: Dyskusja nad liczb rozwiza równania liniowego i kwadratowego z wartoci bezwzgldn i parametrem. Czas trwania: 45 minut.
Bardziej szczegółowoSeminarium IO. Zastosowanie wielorojowej metody PSO w Dynamic Vehicle Routing Problem. Michał Okulewicz
Seminarium IO Zastosowanie wielorojowej metody PSO w Dynamic Vehicle Routing Problem Michał Okulewicz 26.02.2013 Plan prezentacji Przypomnienie Problem DVRP Algorytm PSO Podejścia DAPSO, MAPSO 2PSO, 2MPSO
Bardziej szczegółowoSystem wspomagania harmonogramowania przedsięwzięć budowlanych
System wspomagania harmonogramowania przedsięwzięć budowlanych Wojciech Bożejko 1 Zdzisław Hejducki 2 Mariusz Uchroński 1 Mieczysław Wodecki 3 1 Instytut Informatyki, Automatyki i Robotyki Politechnika
Bardziej szczegółowoSeminarium IO. Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz
Seminarium IO Zastosowanie metody PSO w Dynamic Vehicle Routing Problem (kontynuacja) Michał Okulewicz 26.10.2012 Plan prezentacji Problem VRP+DR Algorytm PSO Podejścia MAPSO + 2-Opt 2-phase PSO Wyniki
Bardziej szczegółowoTechniki optymalizacji
Techniki optymalizacji Algorytm kolonii mrówek Idea Smuga feromonowa 1 Sztuczne mrówki w TSP Sztuczna mrówka agent, który porusza się z miasta do miasta Mrówki preferują miasta połączone łukami z dużą
Bardziej szczegółowoAlgorytmy memetyczne (hybrydowe algorytmy ewolucyjne)
Algorytmy memetyczne (hybrydowe algorytmy ewolucyjne) 1 2 Wstęp Termin zaproponowany przez Pablo Moscato (1989). Kombinacja algorytmu ewolucyjnego z algorytmem poszukiwań lokalnych, tak że algorytm poszukiwań
Bardziej szczegółowoPlanowanie drogi robota, algorytm A*
Planowanie drogi robota, algorytm A* Karol Sydor 13 maja 2008 Założenia Uproszczenie przestrzeni Założenia Problem planowania trasy jest bardzo złożony i trudny. W celu uproszczenia problemu przyjmujemy
Bardziej szczegółowoUdziałowcy wpływający na poziom cen:
Analiza procesu wytwórczego Udziałowcy wpływający na poziom cen: - dostawcy podzespołów - kooperanci - dystrybutorzy - sprzedawcy detaliczni tworzą nowy model działania: Zarządzanie łańcuchem dostaw SCM
Bardziej szczegółowoPRAKTYCZNE ASPEKTY PROBLEMU UKŁADANIA TRAS Z PODZIAŁEM DOSTAW (SDVRP)
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 120 Transport 2018 Marek Karkula AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie PRAKTYCZNE ASPEKTY PROBLEMU UKŁADANIA TRAS Z PODZIAŁEM DOSTAW
Bardziej szczegółowoRównowano modeli oblicze
Równowano modeli oblicze Interpretacja rachunku 1 2 Twierdzenie Gödla o pełnoci Interpretacja jzyka FOL W 1931 K. Gödel udowodnił, e Jeeli formuła jest prawdziwa, to istnieje dowód tej formuły. Problem
Bardziej szczegółowoPlanowanie tras transportowych
Jerzy Feldman Mateusz Drąg Planowanie tras transportowych I. Przedstawienie 2 wybranych systemów: System PLANTOUR 1.System PLANTOUR to rozwiązanie wspomagające planowanie i optymalizację transportu w przedsiębiorstwie.
Bardziej szczegółowoUchwała Nr XXVIII/266/2008 Rady Miejskiej w Jarocinie z dnia 16 czerwca 2008 r.
Uchwała Nr XXVIII/266/2008 z dnia 16 czerwca 2008 r. w sprawie okrelenia warunków i trybu wspierania, w tym finansowego, rozwoju sportu kwalifikowanego przez Gmin Jarocin. Na podstawie art. 18 ust. 2 pkt.15,
Bardziej szczegółowoPlan wykładu. Reguły asocjacyjne. Przykłady asocjacji. Reguły asocjacyjne. Jeli warunki to efekty. warunki efekty
Plan wykładu Reguły asocjacyjne Marcin S. Szczuka Wykład 6 Terminologia dla reguł asocjacyjnych. Ogólny algorytm znajdowania reguł. Wyszukiwanie czstych zbiorów. Konstruowanie reguł - APRIORI. Reguły asocjacyjne
Bardziej szczegółowoAlgorytmy genetyczne
9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom
Bardziej szczegółowoCash flow projektu zakładajcego posiadanie własnego magazynu oraz posiłkowanie si magazynem obcym w przypadku sezonowych zwyek
Optymalizacja zaangaowania kapitałowego 4.01.2005 r. w decyzjach typu make or buy. Magazyn czy obcy cz. 2. Cash flow projektu zakładajcego posiadanie własnego magazynu oraz posiłkowanie si magazynem obcym
Bardziej szczegółowoEGZAMIN POTWIERDZAJĄCY KWALIFIKACJE W ZAWODZIE Rok 2019 CZĘŚĆ PRAKTYCZNA
Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu Układ graficzny CKE 2018 Nazwa kwalifikacji: Eksploatacja środków transportu drogowego Oznaczenie kwalifikacji: A.69 Numer zadania:
Bardziej szczegółowoczynny udział w projektowaniu i implementacji procesów produkcyjnych
Inżynier Procesu Zarobki: min. 3500 zł brutto (do negocjacji) czynny udział w projektowaniu i implementacji procesów produkcyjnych określenie cyklu produkcyjnego opis działań produkcyjnych dla nowych projektów,
Bardziej szczegółowoProgramowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik
Programowanie liniowe całkowitoliczbowe Tadeusz Trzaskalik .. Wprowadzenie Słowa kluczowe Rozwiązanie całkowitoliczbowe Założenie podzielności Warunki całkowitoliczbowości Czyste zadanie programowania
Bardziej szczegółowoARKUSZ EGZAMINACYJNY ETAP PRAKTYCZNY EGZAMINU POTWIERDZAJ CEGO KWALIFIKACJE ZAWODOWE STYCZEŃ 2014
Zawód: technik logistyk Symbol cyfrowy zawodu: 342[04] Numer zadania: 1 Arkusz zawiera informacje prawnie chronione do momentu rozpoczcia egzaminu 342[04]-01-141 Czas trwania egzaminu: 180 minut ARKUSZ
Bardziej szczegółowoPOŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI
POŁĄCZENIE ALGORYTMÓW SYMULACYJNYCH ORAZ DZIEDZINOWYCH METOD HEURYSTYCZNYCH W ZAGADNIENIACH DYNAMICZNEGO PODEJMOWANIA DECYZJI mgr inż. Karol Walędzik k.waledzik@mini.pw.edu.pl prof. dr hab. inż. Jacek
Bardziej szczegółowoRÓWNOLEGŁY ALGORYTM POSZUKIWANIA Z ZABRONIENIAMI UKŁADANIA PLANU ZAJĘĆ
RÓWNOLEGŁY ALGORYTM POSZUKIWANIA Z ZABRONIENIAMI UKŁADANIA PLANU ZAJĘĆ Wojciech BOŻEJKO, Łukasz GNIEWKOWSKI Streszczenie: Praca dotyczy zastosowania równoległego algorytmu poszukiwania z zabronieniami
Bardziej szczegółowoINDUKOWANE REGUŁY DECYZYJNE ALORYTM APRIORI JAROSŁAW FIBICH
INDUKOWANE REGUŁY DECYZYJNE ALORYTM APRIORI JAROSŁAW FIBICH 1. Czym jest eksploracja danych Eksploracja danych definiowana jest jako zbiór technik odkrywania nietrywialnych zależności i schematów w dużych
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 szczegółowoWYKŁAD 6. Reguły decyzyjne
Wrocław University of Technology WYKŁAD 6 Reguły decyzyjne autor: Maciej Zięba Politechnika Wrocławska Reprezentacje wiedzy Wiedza w postaci reguł decyzyjnych Wiedza reprezentowania jest w postaci reguł
Bardziej szczegółowoALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM
ALGORYTM EWOLUCYJNY DLA PROBLEMU SZEREGOWANIA ZADAŃ W SYSTEMIE PRZEPŁYWOWYM Adam STAWOWY, Marek ŚWIĘCHOWICZ Streszczenie: W pracy zaprezentowano algorytm strategii ewolucyjnej do problemu szeregowania
Bardziej szczegółowoPROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN Wojciech BOŻEJKO, Radosław IDZIKOWSKI, Mieczysław WODECKI
PROBLEM PRZEPŁYWOWY Z PRZEZBROJENIAMI ORAZ CIĄGŁĄ PRACĄ MASZYN Wojciech BOŻEJKO, Radosław IDZIKOWSKI, Mieczysław WODECKI Streszczenie W pracy rozpatrujemy problem przepływowy z przezbrojeniami maszyn pomiędzy
Bardziej szczegółowoAgenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu. WPROWADZENIE Cel i zakres wykładu.
Tytuł: 03. Zastosowanie programowania binarnego i całkowitoliczbowego Autor: Piotr SAWICKI Zakład Systemów Transportowych WMRiT PP piotr.sawicki@put.poznan.pl www.put.poznan.pl/~piotr.sawicki www.facebook.com/piotr.sawicki.put
Bardziej szczegółowoZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT jest specyficznym problemem z zakresu zastosowań programowania liniowego. ZT wykorzystuje się najczęściej do: optymalnego planowania transportu towarów, przy minimalizacji kosztów,
Bardziej szczegółowoZadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik
Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda
Bardziej szczegółowoPozostałe zadania UWAGA: Za kade poprawne i pełne rozwizanie przyznajemy maksymaln liczb punktów nalenych za zadanie. 1 p.
SCHEMAT PUNKTOWANIA GM - A1 LUTY 2004 Zadania WW 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 B C D B C C B A D B B D A C B C A A B A C A D D D Pozostałe zadania UWAGA: Za kade poprawne
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoIV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016
IV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016 (imi i nazwisko uczestnika) (nazwa szkoły) Arkusz zawiera 8 zada. Zadania 1 i 2 bd oceniane dla kadego uczestnika,
Bardziej szczegółowoGdynia: Dostawa i monta mebli, w podziale na zadania. Numer og oszenia: ; data zamieszczenia: OG OSZENIE O ZAMÓWIENIU - dostawy
Gdynia: Dostawa i monta mebli, w podziale na zadania. Numer ogoszenia: 405592-2012; data zamieszczenia: 18.10.2012 OGOSZENIE O ZAMÓWIENIU - dostawy Zamieszczanie ogoszenia: obowizkowe. Ogoszenie dotyczy:
Bardziej szczegółowoStrona 1 z 10 Dz.U.02.193.1618 ROZPORZDZENIE MINISTRA INFRASTRUKTURY 1) z dnia 14 listopada 2002 r. w sprawie warunków produkcji oraz sposobu dystrybucji tablic rejestracyjnych i znaków legalizacyjnych.
Bardziej szczegółowo1. Klasa typu sealed. Przykład 1. sealed class Standard{ class NowyStandard:Standard{ // błd!!!
Temat: Klasy typu sealed. Klasy abstrakcyjne. Deklaracja i implementacja interfejsu. Typ Object i operatory is oraz as. Czas ycia obiektu. Destruktory. 1. Klasa typu sealed Przykład 1 Klasa typu sealed
Bardziej szczegółowo