Szeregowanie zadań. Wykład nr 2. dr Hanna Furmańczyk. 12 października 2014
|
|
- Aniela Skiba
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wykład nr 2 12 października 2014
2 Złożoność problemów szeregowania zadań Problemy: wielomianowe NP-trudne otwarte
3 Złożoność problemów szeregowania zadań Problemy: wielomianowe NP-trudne otwarte Jak sobie radzić z NP-trudnością? wielomianowe algorytmy przybliżone o gwarantowanej dokładności względnej, dokładne algorytmy pseudowielomianowe, algorytmy dokładne, szybkie tylko w średnim przypadku, heurystyki wyszukujące (np. tabu search, algorytmy genetyczne), dla małych rozmiarów danych wykładnicze przeszukiwanie wyczerpujące (np. branch bound - alg. podziału i ograniczeń).
4 Analiza probelmu - slajd 25 - dr hab. K. Giaro
5 Szeregowanie operacji bezprocesorowych prec C max Relacja zależności kolejnościowych w zbiorze zadań przeciwzwrotna Zi Z i Z i przechodnia Zi,Z j,z k (Z i Z j Z j Z k ) Z i Z k
6 Szeregowanie operacji bezprocesorowych prec C max Relacja zależności kolejnościowych w zbiorze zadań przeciwzwrotna Zi Z i Z i przechodnia Zi,Z j,z k (Z i Z j Z j Z k ) Z i Z k Metody reprezentacji relacji
7 Sieć AN (activity on node) wierzchołki odpowiadają operacjom, ich wagi (liczby naturalne) są równe czasom wykonywania, Z i Z j w sieci istnieje ścieżka skierowana z wierzchołka Z i do wierzchołka Z j, zwykle usuwa się łuki przechodnie (jak w diagramie Hassego).
8 Sieć AN (activity on node) wierzchołki odpowiadają operacjom, ich wagi (liczby naturalne) są równe czasom wykonywania, Z i Z j w sieci istnieje ścieżka skierowana z wierzchołka Z i do wierzchołka Z j, zwykle usuwa się łuki przechodnie (jak w diagramie Hassego). Sieć AA (activity on arc) łuki odpowiadają operacjom, ich długości są równe czasom wykonywania, przez każdy wierzchołek przechodzi droga z Z (źródło) do U (ujście), Z i Z j łuk Z i kończy się w początku łuku Z j, lub też w sieci istnieje ścieżka skierowana z końca łuku Z i do początku Z j, można wprowadzać operacje pozorne łuki o zerowej długości.
9 Przykład.
10 Przykład. Metoda ścieżki krytycznej Zasada: dla każdej operacji określamy najwcześniejszy możliwy moment uruchomienia tj. maksymalną długość ścieżki doń prowadzącej.
11 Przykład. Metoda ścieżki krytycznej Zasada: dla każdej operacji określamy najwcześniejszy możliwy moment uruchomienia tj. maksymalną długość ścieżki doń prowadzącej. Algorytm dla AN 1 numeruj wierzchołki topologicznie (brak łuków pod prąd ) 2 wierzchołkom Z a bez poprzedników nadaj etykietęl(z a ) = 0, a kolejnym wierzchołkom Z i przypisuj l(z i ) = max{l(z j )+p j : istnieje łuk z Z j do Z i }, Wynik: l(z i ) jest najwcześniejszym możliwym terminem rozpoczęcia Z i.
12 Algorytm dla AA 1 numeruj wierzchołki topologicznie (brak łuków pod prąd ) 2 źródłu Z nadaj etykietę l(z) = 0, a kolejnym wierzchołkom v przypisuj l(v) = max{l(u)+p j : łuk Z j prowadzi z u do v}, Wynik: l(v) wierzchołka początkowego Z j jest najwcześniejszym możliwym terminem rozpoczęcia tej operacji. l(u) to termin zakończenia harmonogramu.
13 Algorytm dla AA 1 numeruj wierzchołki topologicznie (brak łuków pod prąd ) 2 źródłu Z nadaj etykietę l(z) = 0, a kolejnym wierzchołkom v przypisuj l(v) = max{l(u)+p j : łuk Z j prowadzi z u do v}, Wynik: l(v) wierzchołka początkowego Z j jest najwcześniejszym możliwym terminem rozpoczęcia tej operacji. l(u) to termin zakończenia harmonogramu. Przykład
14 Algorytmy ścieżki krytycznej minimalizują nie tylko C max, ale wszystkie zdefiniowane wcześniej funkcje kryterialne. Możemy wprowadzić do modelu różne wartości terminów przybycia r j dla zadań Z j dodając sztuczne zadania (o długości r j ): jako wierzchołki poprzednicy w modelu AN jako łuk prowadzący ze źródła Z do początku łuku Z j w modelu AA.
Szeregowanie zadań. Wykład nr 3. dr Hanna Furmańczyk
Wykład nr 3 27.10.2014 Procesory identyczne, zadania niezależne, podzielne: P pmtn C max Algorytm McNaughtona 1 Wylicz optymalną długość C max = max{ j=1,...,n p j/m, max j=1,...,n p j }, 2 Szereguj kolejno
Bardziej szczegółowoSzeregowanie zada« Wykªad nr 6. dr Hanna Furma«czyk. 11 kwietnia 2013
Wykªad nr 6 11 kwietnia 2013 System otwarty - open shop O3 C max Problem O3 C max jest NP-trudny. System otwarty - open shop O3 C max Problem O3 C max jest NP-trudny. Dowód Redukcja PP O3 C max : bierzemy
Bardziej szczegółowoMetoda CPM/PERT. dr inż. Mariusz Makuchowski
PM - wstęp PM nazwa metody pochodzi od angielskiego ritical Path Method, jest techniką bazującą na grafowej reprezentacji projektu, używana jest dla deterministycznych danych. PM - modele grafowe projektu
Bardziej szczegółowoPlanowanie przedsięwzięć
K.Pieńkosz Badania Operacyjne Planowanie przedsięwzięć 1 Planowanie przedsięwzięć Model przedsięwzięcia lista operacji relacje poprzedzania operacji modele operacji funkcja celu planowania K.Pieńkosz Badania
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 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 szczegółowoHarmonogramowanie przedsięwzięć
Harmonogramowanie przedsięwzięć Mariusz Kaleta Instytut Automatyki i Informatyki Stosowanej Politechnika Warszawska luty 2014, Warszawa Politechnika Warszawska Harmonogramowanie przedsięwzięć 1 / 25 Wstęp
Bardziej szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoZarządzanie projektami. Tadeusz Trzaskalik
Zarządzanie projektami Tadeusz Trzaskalik 7.1. Wprowadzenie Słowa kluczowe Projekt Sieć czynności zynność bezpośrednio poprzedzająca Zdarzenie, zdarzenie początkowe, zdarzenie końcowe Właściwa numeracja
Bardziej szczegółowoStruktury danych i złozoność obliczeniowa. Prof. dr hab. inż. Jan Magott
Struktury danych i złozoność obliczeniowa Prof. dr hab. inż. Jan Magott Formy zajęć: Wykład 1 godz., Ćwiczenia 1 godz., Projekt 2 godz.. Adres strony z materiałami do wykładu: http://www.zio.iiar.pwr.wroc.pl/sdizo.html
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 szczegółowoPrzykład: budowa placu zabaw (metoda ścieżki krytycznej)
Przykład: budowa placu zabaw (metoda ścieżki krytycznej) Firma budowlana Z&Z podjęła się zadania wystawienia placu zabaw dla dzieci w terminie nie przekraczającym 20 dni. Listę czynności do wykonania zawiera
Bardziej szczegółowot i L i T i
Planowanie oparte na budowaniu modelu struktury przedsięwzięcia za pomocą grafu nazywa sie planowaniem sieciowym. Stosuje się do planowania i kontroli realizacji założonych przedsięwzięć gospodarczych,
Bardziej szczegółowoAlgorytmiczna teoria grafów Przepływy w sieciach.
Algorytmiczna teoria grafów Sieć przepływowa Siecią przepływową S = (V, E, c) nazywamy graf zorientowany G = (V,E), w którym każdy łuk (u, v) E ma określoną przepustowość c(u, v) 0. Wyróżniamy dwa wierzchołki:
Bardziej szczegółowo9.4 Czasy przygotowania i dostarczenia
140 9. PODSTAWOWE PROBLEMY JEDNOMASZYNOWE dla każdej pary (i, j) R. Odpowiednie problemy posiadają oznaczenie 1 r j,prec C max,1 prec L max oraz 1 q j,prec C max. Właściwe algorytmy rozwiązywania, o złożoności
Bardziej szczegółowoWstęp do Sztucznej Inteligencji
Wstęp do Sztucznej Inteligencji Rozwiązywanie problemów-i Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Rozwiązywanie problemów Podstawowe fazy: Sformułowanie celu -
Bardziej szczegółowoHeurystyki. Strategie poszukiwań
Sztuczna inteligencja Heurystyki. Strategie poszukiwań Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski DLACZEGO METODY PRZESZUKIWANIA? Sztuczna Inteligencja
Bardziej szczegółowoPorządek symetryczny: right(x)
Porządek symetryczny: x lef t(x) right(x) Własność drzewa BST: W drzewach BST mamy porządek symetryczny. Dla każdego węzła x spełniony jest warunek: jeżeli węzeł y leży w lewym poddrzewie x, to key(y)
Bardziej szczegółowoWykład 3. Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy
Wykład 3 Złożoność i realizowalność algorytmów Elementarne struktury danych: stosy, kolejki, listy Dynamiczne struktury danych Lista jest to liniowo uporządkowany zbiór elementów, z których dowolny element
Bardziej szczegółowoModele sieciowe. Badania operacyjne Wykład 6. prof. Joanna Józefowska
Modele sieciowe Badania operacyjne Wykład 6 6-6- 6-6- Plan wykładu Zarządzanie złożonymi przedsięwzięciami Metoda ścieżki krytycznej Metoda PERT Projekty z ograniczonymi zasobami Modele z kontrolą czasu
Bardziej szczegółowoEGZAMIN - Wersja A. ALGORYTMY I STRUKTURY DANYCH Lisek89 opracowanie kartki od Pani dr E. Koszelew
1. ( pkt) Dany jest algorytm, który dla dowolnej liczby naturalnej n, powinien wyznaczyd sumę kolejnych liczb naturalnych mniejszych od n. Wynik algorytmu jest zapisany w zmiennej suma. Algorytm i=1; suma=0;
Bardziej szczegółowoŻ Ź Ą Ó Ś Ó Ś Ó Ś Ż Ó Ś Ó ć Ź ć ć ń ć ć Ż Ż ĄĄ ć Ź ć Ó ć ń ń ń ń ń Ś ń Ź Ś ń ń Ó Ó ć Ó Ź ć Ż ć Ó Ż Ó Ż Ó ć Ź Ś Ś Ą Ć ń ć Ż ń Ó ć Ś Ś Ć Ś Ź ć ń ć ń Ż ń Ś Ż ń ń Ó Ó Ś Ś Ąń ń ń Ż Ż Ś ń Ą Ą Ś ć ń Ś Ó ć Ó Ż
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 szczegółowoSzeregowanie zada« Wykªad nr 4. dr Hanna Furma«czyk. 21 marca 2013
Wykªad nr 4 21 marca 2013 Minimalizacja ª cznego czasu zako«czenia zadania C j. Zadania niezale»ne krótkie zadania umieszczamy na pocz tku - reguªa SPT (ang. shortest Processing Time) Minimalizacja ª cznego
Bardziej szczegółowoZarządzanie projektami
Dr Adam Kucharski Spis treści Podstawowe pojęcia Metoda CPM 3 3 Przykład analizy metodą CPM 5 Podstawowe pojęcia Przedsięwzięcia złożone z wielu czynności spotykane są na każdym kroku. Jako przykład może
Bardziej szczegółowoĘ Ę Ę Ó Ę Ę Ó Ź ć Ł Ś Ó Ó Ł Ł Ż ć ć Ż Ą Ż ć Ę Ę ź ć ź Ą Ę Ż ć Ł Ę ć Ż Ę Ę ć ć Ż Ż Ę Ż Ż ć Ó Ę Ę ć Ę ć Ę Ę Ż Ż Ż Ż ź Ż Ę Ę ź Ę ź Ę Ż ć ć Ą Ę Ę ć Ę ć ć Ź Ą Ę ć Ę Ą Ę Ę Ę ć ć ć ć Ć Ą Ą ć Ę ć Ż ć Ę ć ć ć Ą
Bardziej szczegółowoż ż ć ż Ż ż ż ć Ł ń ń ź ć ń Ś ż Ł ć ż Ź ż ń ż Ż Ś ć ź ż ć Ś ń ń ź ż ź ń Ś ń Ś ż ń ń ż ć ż ż Ą ć ń ń ń ć ż ć Ś ż Ć ć ż Ś Ś ć Ż ż Ś ć Ż Ż Ż Ą ń ń ć ń Ż ć ń ż Ż ń ż Ś ń Ś Ś ć Ż Ż Ć Ó Ż Ść ż Ż ż ż ń Ż Ż ć
Bardziej szczegółowoń ń ź ź ć ń ń Ą Ź ń Ą ĄĄ Ą ń ź Ł Ł ń ć Ó Ą Ą ń ń ć ń ć ź ć ć Ó ć Ó ć Ś ć Ó ń ć ć ć ź ć Ą Ó Ź Ź Ź Ą ź Ó Ą ń ń Ź Ó Ź Ń ć Ń ć ź ń ń ń ń ń ń Ń ń Ź ń Ź Ź Ź ń ń ń Ą Ź Ó ĄĄ ń Ą ń ń Ó Ń Ó Ó ń Ą Ó ź ń ź Ą Ó Ą ź
Bardziej szczegółowoĄ Ą Ś Ż Ą ć Ź ć Ó Ś Ż Ź Ó ć Ś Ż ć Ś Ź Ó ć Ż Ż Ź Ż Ó Ź Ó Ż Ż Ż Ż Ż Ś Ź Ś ć ć ć Ź ć ć Ó Ó Ó Ś Ą ć ć Ź Ż Ż Ż Ż ź Ż ź Ó Ś Ą Ź Ż Ż ć Ź Ó Ż Ó Ś Ą Ś Ś Ź Ż Ś Ż Ż Ź Ó ć Ś Ś Ść Ś Ż Ź Ó Ś Ó Ź Ó Ż Ź Ó Ś Ś Ż Ź Ż Ś
Bardziej szczegółowoĘ Ł ć Ą ż Ł Ł Ą Ó ż Ł Ś Ę Ś Ó Ł Ń Ą Ą Ł Ą ĄĄ ż ć Ś Ź ć ć Ł ć ć ć Ś Ó Ś Ś ć ć ć ć Ó ć ć ć Ś ż Ł Ą ż Ś ż Ł ć ć Ó ć ć Ą ć Ś ć ż ć ć Ś ć Ł Ń ć ć Ę ć ć ć Ó ć ć ć ć ć ć ź ć ć Ó ć ć ć ć ć ż ć ć ć ć Ł ć ć ć ć
Bardziej szczegółowoĄ Ł Ą Ą ś ś ż Ż ś ś ś ść ś ś Ą ś Ż ś ć ż ś ś ż ś ż Ć Ł Ż ż Ź ć ĄĄ Ż Ą Ż Ą Ź Ż Ł Ł Ę ś ś ś ż Ą ś Ą ś Ą Ż Ą Ż Ą Ć Ż Ż ś Ż Ą Ć Ł Ł Ę ś ż Ż ć ś ś ś ś Ż Ć ż ż ś ś ż ś ś Ż Ż ś ś ś ś ś Ż ż Ż ś ś Ż Ę ż ś ż Ź Ę
Bardziej szczegółowoŻ ź ź ź ź ź ć ć Ą Ą ć Ą ź ź ć Ż Ś ź ć ć Ę ć ź ź ć ź Ą ĄĄ Ń Ą Ń ć ć ć ć Ę ć Ń ć ć ć ć Ą ć ć ć ć ć Ń Ń ć ć ź ź ć Ę Ę ć Ą ć ć ć ć ć Ń Ę ć ć ć ć ć ć ć ć ć ź ć ź Ą ć ć ć Ń ć ć ć ć ź ć ć ć Ń Ń ć ź ź ć ź ź ć
Bardziej szczegółowoĘ Ę Ę Ę Ę Ź Ą Ę Ą Ę Ą Ą Ę ć Ś ć Ę Ą ź Ą Ź ć Ę Ź Ę ć Ą Ę Ś Ę Ę Ź Ą Ę ć ź Ą Ź Ę ź Ę Ą Ś Ł Ą Ź Ę Ę Ę Ę ć Ę Ą Ę Ę Ą Ś Ą Ę ź ć Ę Ę Ę ź Ź ź Ą Ź Ę Ź ź Ź ć ć Ę Ę Ę Ą Ą Ą Ę ć Ę Ę ć Ę Ę Ą Ę Ą Ę Ę Ę Ą Ę Ś ć Ą ć ć
Bardziej szczegółowoŁ Ą Ś Ą Ą ź ć ź Ł Ą ć ć ć ć ź Ś ć ć ć Ą Ł ć ź ć ć ć ć Ł ć ć ć ć ć Ł Ą ć Ś Ś Ż ć ź Ą ź ź ź ć ź ć ć ć ć ź ź ć ź ź ź Ś ź ź ć ć ć ć Ś ć ź ź ć ć Ą ź ź ź ź ź ć ć ć ć Ś ć ć ć Ś ć Ż Ł Ś Ł Ł Ł Ł Ż Ł Ś Ś ź ć Ą
Bardziej szczegółowoPROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ
PROGRAMOWANIE SIECIOWE. METODA ŚCIEŻKI KRYTYCZNEJ Maciej Patan Uniwersytet Zielonogórski WPROWADZENIE Metody programowania sieciowego wprowadzono pod koniec lat pięćdziesiatych Ze względu na strukturę
Bardziej szczegółowoProgramowanie obiektowe
Programowanie obiektowe Sieci powiązań Paweł Daniluk Wydział Fizyki Jesień 2015 P. Daniluk (Wydział Fizyki) PO w. IX Jesień 2015 1 / 21 Sieci powiązań Można (bardzo zgrubnie) wyróżnić dwa rodzaje powiązań
Bardziej szczegółowoJeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze,
Oznaczenia: Jeśli czas działania algorytmu zależy nie tylko od rozmiaru danych wejściowych i przyjmuje różne wartości dla różnych danych o tym samym rozmiarze, to interesuje nas złożoność obliczeniowa
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 szczegółowoANALIZA SIECIOWA PROJEKTÓW REALIZACJI
WYKŁAD 5 ANALIZA SIECIOWA PROJEKTÓW REALIZACJI Podstawowe problemy rozwiązywane z wykorzystaniem programowania sieciowego: zagadnienia transportowe (rozdział zadań przewozowych, komiwojażer najkrótsza
Bardziej szczegółowoProblem 1 prec f max. Algorytm Lawlera dla problemu 1 prec f max. 1 procesor. n zadań T 1,..., T n (ich zbiór oznaczamy przez T )
Joanna Berlińska Algorytmika w projektowaniu systemów - ćwiczenia 1 1 Problem 1 prec f max 1 procesor (ich zbiór oznaczamy przez T ) czas wykonania zadania T j wynosi p j z zadaniem T j związana jest niemalejąca
Bardziej szczegółowoď ź ź Ä Ď É Ě Ź Ą Ü Á Ą Ń Đ ő ý ý ő ý Ú Ä Á Ą ô Ó Ó ŕ đ ý Á Ą Đ í ő É ä Ä Ä Ď ď ŕ Ń ř ý ő Ú Á Ĺ Ą Ď Ó í úł ő Ł Ä Á Ą Ď Ó ŕ Ď ý ý ő ý ĄÁ Á Ą Ď Ń ŕ Ü ä ý ő ý ý Đ ý ő Ú ď Ä Ą Ą É Ó Ł ő ý ő ý ý ŕ ŕ Á Ą Ń É
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 szczegółowoAlgorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami. Marcin Klimek *
Zeszyty Naukowe WWSI, No 15, Vol. 10, 2016, s. 41-52 Algorytmy konstrukcyjne dla problemu harmonogramowania projektu z ograniczonymi zasobami Marcin Klimek * Państwowa Szkoła Wyższa w Białej Podlaskiej,
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 szczegółowoStruktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca
Bardziej szczegółowoDziałanie algorytmu oparte jest na minimalizacji funkcji celu jako suma funkcji kosztu ( ) oraz funkcji heurystycznej ( ).
Algorytm A* Opracowanie: Joanna Raczyńska 1.Wstęp Algorytm A* jest heurystycznym algorytmem służącym do znajdowania najkrótszej ścieżki w grafie. Jest to algorytm zupełny i optymalny, co oznacza, że zawsze
Bardziej szczegółowoWykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ
Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZŁOŻONOŚĆ OBLICZENIOWA ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ dr hab. Krzysztof SZKATUŁA, prof. PAN Instytut Badań Systemowych PAN Uniwersytet
Bardziej szczegółowoMarcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH
Marcel Stankowski Wrocław, 23 czerwca 2009 INFORMATYKA SYSTEMÓW AUTONOMICZNYCH Przeszukiwanie przestrzeni rozwiązań, szukanie na ślepo, wszerz, w głąb. Spis treści: 1. Wprowadzenie 3. str. 1.1 Krótki Wstęp
Bardziej szczegółowoń ę ń ę ń ę ń ę ę ę ę ę ź ń ź Ś ę Ł ń ę ę ń ę ń ę ę ę ę ę ę ź ę ę Ż ę ŚĆ ę Ż ń ń ę ń ę ę ę ę ę ź ę ę Ś Ś Ś Ś ź ę ń ę ę Ź ń Ś Ś ę ń ę ę ę ę ę ź ń ŚĆ Ś ń ń ń Ą ń ę ę ŚĆ ę Ż ę ń ę ę ę ę ę ź ń Ś Ś ź Ś Ł ę
Bardziej szczegółowoProgramowanie obiektowe
Programowanie obiektowe Sieci powiązań Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk (Wydział Fizyki) PO w. IX Jesień 2014 1 / 24 Sieci powiązań Można (bardzo zgrubnie) wyróżnić dwa rodzaje powiązań
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 szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
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 szczegółowoAlgorytmy i złożoności. Wykład 3. Listy jednokierunkowe
Algorytmy i złożoności Wykład 3. Listy jednokierunkowe Wstęp. Lista jednokierunkowa jest strukturą pozwalającą na pamiętanie danych w postaci uporzadkowanej, a także na bardzo szybkie wstawianie i usuwanie
Bardziej szczegółowoprowadzący dr ADRIAN HORZYK /~horzyk e-mail: horzyk@agh tel.: 012-617 Konsultacje paw. D-13/325
PODSTAWY INFORMATYKI WYKŁAD 8. prowadzący dr ADRIAN HORZYK http://home home.agh.edu.pl/~ /~horzyk e-mail: horzyk@agh agh.edu.pl tel.: 012-617 617-4319 Konsultacje paw. D-13/325 DRZEWA Drzewa to rodzaj
Bardziej szczegółowoDrzewa binarne. Drzewo binarne to dowolny obiekt powstały zgodnie z regułami: jest drzewem binarnym Jeśli T 0. jest drzewem binarnym Np.
Drzewa binarne Drzewo binarne to dowolny obiekt powstały zgodnie z regułami: jest drzewem binarnym Jeśli T 0 i T 1 są drzewami binarnymi to T 0 T 1 jest drzewem binarnym Np. ( ) ( ( )) Wielkość drzewa
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 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 szczegółowoSterowanie procesami dyskretnymi Discrete processes
KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Sterowanie procesami dyskretnymi Discrete processes A. USYTUOWANIE MODUŁU
Bardziej szczegółowoMetody selekcji cech
Metody selekcji cech A po co to Często mamy do dyspozycji dane w postaci zbioru cech lecz nie wiemy które z tych cech będą dla nas istotne. W zbiorze cech mogą wystąpić cechy redundantne niosące identyczną
Bardziej szczegółowoSieć (graf skierowany)
Sieć (graf skierowany) Siecia (grafem skierowanym) G = (V, A) nazywamy zbiór wierzchołków V oraz zbiór łuków A V V. V = {A, B, C, D, E, F}, A = {(A, B),(A, D),(A, C),(B, C),...,} Ścieżki i cykle Ciag wierzchołków
Bardziej szczegółowoKombinatoryczna analiza widm 2D-NOESY w spektroskopii Magnetycznego Rezonansu Jądrowego cząsteczek RNA. Marta Szachniuk
Kombinatoryczna analiza widm 2D-NOESY w spektroskopii Magnetycznego Rezonansu Jądrowego cząsteczek RNA Marta Szachniuk Plan prezentacji Wprowadzenie do tematyki badań Teoretyczny model problemu Złożoność
Bardziej szczegółowoAlgorytmy grafowe. Wykład 2 Przeszukiwanie grafów. Tomasz Tyksiński CDV
Algorytmy grafowe Wykład 2 Przeszukiwanie grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów 3. Spójność grafu,
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 szczegółowoZaawansowane programowanie
Zaawansowane programowanie wykład 1: wprowadzenie + algorytmy genetyczne Plan wykładów 1. Wprowadzenie + algorytmy genetyczne 2. Metoda przeszukiwania tabu 3. Inne heurystyki 4. Jeszcze o metaheurystykach
Bardziej szczegółowoRównoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami
Równoległy algorytm wyznaczania bloków dla cyklicznego problemu przepływowego z przezbrojeniami dr inż. Mariusz Uchroński Wrocławskie Centrum Sieciowo-Superkomputerowe Agenda Cykliczny problem przepływowy
Bardziej szczegółowoWysokość drzewa Głębokość węzła
Drzewa Drzewa Drzewo (ang. tree) zbiór węzłów powiązanych wskaźnikami, spójny i bez cykli. Drzewo posiada wyróżniony węzeł początkowy nazywany korzeniem (ang. root). Drzewo ukorzenione jest strukturą hierarchiczną.
Bardziej szczegółowoPlan wykładu. Przykład. Przykład 3/19/2011. Przykład zagadnienia transportowego. Optymalizacja w procesach biznesowych Wykład 2 DECYZJA?
/9/ Zagadnienie transportowe Optymalizacja w procesach biznesowych Wykład --9 Plan wykładu Przykład zagadnienia transportowego Sformułowanie problemu Własności zagadnienia transportowego Metoda potencjałów
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy
Bardziej szczegółowoSterowanie procesami dyskretnymi
Politechnika Rzeszowska Wydział Elektrotechniki i Informatyki Katedra Informatyki i Automatyki Laboratorium Sterowanie procesami dyskretnymi Stanowisko 3 Algorytmy harmonogramowania zadań pakiet LiSA Rzeszów
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 11 Łańcuchy Markova
Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova M. Czoków, J. Piersa 2010-12-21 1 Definicja Własności Losowanie z rozkładu dyskretnego 2 3 Łańcuch Markova Definicja Własności Losowanie z rozkładu
Bardziej szczegółowoń ń ń ń Ą Ź Ń ń ń Ą Ą Ą Ś Ą ń ń Ą ń Ą Ą ń ń Ą ń ń ń Ą Ą Ź ń ń Ż Ą ń Ż ń Ń ń ń ń ń ń ń ń ń ń ń Ą Ą Ą ń Ć ń ń Ą ń ń Ć ń Ź Ą ń Ź ń Ą Ą Ą Ą ń Ą Ą Ą Ó Ą Ą Ą Ą Ż ń ń Ś ń ń Ą ń Ą ń Ś Ć Ą Ą ń ń ń Ś Ą Ą ń Ą ń
Bardziej szczegółowoAiSD zadanie trzecie
AiSD zadanie trzecie Gliwiński Jarosław Marek Kruczyński Konrad Marek Grupa dziekańska I5 5 czerwca 2008 1 Wstęp Celem postawionym przez zadanie trzecie było tzw. sortowanie topologiczne. Jest to typ sortowania
Bardziej szczegółowoUniwersytet im. Adama Mickiewicza w Poznaniu Wydział Matematyki i Informatyki. Marek Dębczyński
Uniwersytet im. Adama Mickiewicza w Poznaniu Wydział Matematyki i Informatyki Marek Dębczyński Jednomaszynowe problemy szeregowania zadań zależnych z mieszanymi czasami wykonywania Rozprawa doktorska napisana
Bardziej szczegółowoZastosowanie programowania zero-jedynkowego w harmonogramowaniu czynności projektu
Zeszyty Naukowe Metody analizy danych Uniwersytet Ekonomiczny w Krakowie 923 ISSN 1898-6447 Zesz. Nauk. UEK, 2013; 923: 99 117 DOI: 10.15678/ZNUEK.2013.0923.08 Katedra Badań Operacyjnych Uniwersytet Ekonomiczny
Bardziej szczegółowoBADANIA OPERACYJNE. dr Adam Sojda Pokój A405
BADANIA OPERACYJNE dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Przedsięwzięcie - zorganizowanie działanie ludzkie zmierzające do osiągnięcia określonego
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 szczegółowoMetody optymalizacji dyskretnej. Metody przybliżone
Metody optymalizacji dyskretnej Metody przybliżone Metody optymalizacji dyskretnej Większość problemów optymalizacji dyskretnej pochodzących z praktyki (szeregowanie, harmonogramowanie, transport, plany
Bardziej szczegółowoOgraniczenia projektu. Zakres (co?) Czas (na kiedy?) Budżet (za ile?)
Harmonogram Ograniczenia projektu Zakres (co?) Czas (na kiedy?) Budżet (za ile?) Pojęcia podstawowe Harmonogram: Daty wykonania działań Daty osiągnięcia kamieni milowych Działanie: Element składowy pakietu
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 szczegółowoOSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) Algorytmy i Struktury Danych PIŁA
OSTASZEWSKI Paweł (55566) PAWLICKI Piotr (55567) 16.01.2003 Algorytmy i Struktury Danych PIŁA ALGORYTMY ZACHŁANNE czas [ms] Porównanie Algorytmów Rozwiązyjących problem TSP 100 000 000 000,000 10 000 000
Bardziej szczegółowoZarządzanie zasobami w harmonogramowaniu wieloobiektowych przedsięwzięć budowlanych z wykorzystaniem teorii szeregowania zadań
Zarządzanie zasobami w harmonogramowaniu wieloobiektowych przedsięwzięć budowlanych z wykorzystaniem teorii szeregowania zadań 42 Dr inż Michał Podolski Politechnika Wrocławska 1 Wprowadzenie Harmonogramowanie
Bardziej szczegółowoPROGRAMOWANIE SIECIOWE. METODY CPM i PERT
PROGRAMOWANIE SIECIOWE. METODY CPM i PERT Maciej Patan Programowanie sieciowe. 1 WPROWADZENIE Metody programowania sieciowego wprowadzono pod koniec lat pięćdziesiatych Ze względu na strukturę logiczna
Bardziej szczegółowoAlgorytm Dijkstry znajdowania najkrótszej ścieżki w grafie
Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje
Bardziej szczegółowoTEORIA GRAFÓW I SIECI
TEORIA GRAFÓW I SIECI Temat nr : Grafy Berge a dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 6-83-95-0, p.5/00 Zakład Badań Operacyjnych i
Bardziej szczegółowo