Metoda wyznaczania najtańszych 1-diagnozowalnych struktur opiniowania diagnostycznego
|
|
- Marek Janowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 7, 2002 Metoda wyznaczana natańszych -dagnozowalnych struktur opnowana dagnostycznego Roman KULESZA Zakład Automatyk, Instytut Automatyk Robotyk WAT, ul. Kalskego 2, Warszawa STRESZCZENIE: W artykule przedstawono metody (przyblżone dokładną) proektowana -dagnozowalnych struktur opnowana dagnostycznego systemu w przypadku, gdy zachodz potrzeba uwzględnana uogólnonych kosztów wzaemnego testowana sę elementów systemu. Metody te maą zastosowane, mędzy nnym, przy proektowanu struktur dagnostycznych sec komputerowych. Przedstawono równeż sposób określena lczby spónych oraz dowolnych, zaetyketowanych -optymalnych struktur opnowana dagnostycznego, zaweraących k elementów wyznaczono te lczby dla k 8. Artykuł est wynkem częścowym badań nad automatyzowanem procesu admnstrowana secą komputerową, prowadzonych w Instytuce Automatyk Robotyk WAT.. Wprowadzene Czasam, przy proektowanu struktury wzaemnego testowana sę elementów systemu (utożsamane często ze strukturą dagnostyczną systemu), spełnaące wymagana nezbędne do uzyskana zamerzonych własnośc dagnostycznych systemu, konecznym est uwzględnane różnego rodzau czynnków powoduących, że uogólnone koszty wzaemnego testowana sę elementów systemu, ne mogą być uważane za ednakowe. Ma to mesce (na przykład) w odnesenu do komputerowych systemów heterogencznych, w których czasy wzaemnego testowana sę określonych komputerów (przy zachowanu wymagane skutecznośc kontrolne testów) mogą różnć sę w sposób stotny (z uwag na różne możlwośc funkconalne poszczególnych komputerów) lub w odnesenu do homogencznych sec komputerowych, w których przesyłane paketów danych testuących obnża efektywność sec. 3
2 R. Kulesza W przypadku gdy ne ma potrzeby uwzględnana uogólnonych kosztów testowana, strukturę dagnostyczną systemu, dagnozowanego metodą opnowana dagnostycznego, przedstawa sę w postac przecwzwrotnego (bez pętl) grafu Berge a G ( G = E, U, e E), nazywanego grafem opnowana dagnostycznego ( [ 9 ] ). Tak węc, eżel przez K( < e, e > ) (0 < K( u) <, u U) oznaczymy uogólnony koszt testowana elementu e przez element e, to graf opsany G = G;{ K( u): u U} możemy nazwać ekonomcznym grafem opnowana dagnostycznego, a wartość K( G ) = K( u) - uogólnonym kosztem grafu G. Graf opnowana dagnostycznego (dla określonego sposobu (modelu) wnoskowana z wynków testowań) nazywamy grafem m-dagnozowalnym, eżel wnoskowane z wynków wszystkch przewdzanych (przez ten graf) testowań, umożlwa zdentyfkowane (zlokalzowane) m nezdatnych elementów systemu, pod warunkem, że ne est ch węce nż m ( m ), a graf m-dagnozowalny o mnmalnym (w sense własnym) zborze łukówgrafem m-optymalnym. Graf częścowy G grafu G, który est takm m-dagnozowalnym grafem opnowana dagnostycznego, że koszt K( G ) przymue wartość mnmalną, nazywamy natańszym (względem G ) m-dagnozowalnym grafem opnowana dagnostycznego. Zauważmy, że natańszy graf m-dagnozowalny est grafem m-optymalnym, to est takm grafem m-dagnozowalnym, którego żaden graf częścowy ne est grafem m-dagnozowalnym. Tak węc, wyznaczane natańszego grafu m-dagnozowalnego sprowadza sę do wyznaczana natańszego grafu m-optymalnego. Celem nneszego artykułu, est przedstawene metod wyznaczana natańszego, -dagnozowalnego grafu opnowana dagnostycznego. W częśc druge artykułu, przedstawmy ops formalny problemu, a w częśc trzece przyblżone metody ego rozwązana. Dokładną metodę rozwązana przedstawmy w częśc czwarte. W częśc pąte, przedstawmy sposób określena lczby spónych oraz dowolnych (nekoneczne spónych), zaetyketowanych -optymalnych struktur opnowana dagnostycznego rzędu k oraz podamy te lczby dla k 8. u U 4
3 Metody wyznaczana natańszych -dagnozowalnych struktur Ops formalny problemu Możlwośc wzaemnego testowana sę elementów zboru E oraz uogólnone koszty tych testowań, dane są w postac ekonomcznego grafu opnowana dagnostycznego G (rys.) przy czym zakłada sę, że graf G( G ) est spónym, -dagnozowalnym grafem opnowana dagnostycznego ([9]), a węc: ( E 3) ( µ ( e), e E) (( E E: E = E 2): Γ( E ) ), () gdze: µ ( e ) oznacza stopeń weścowy węzła e, a Γ( E ) - zbór tych następnków węzłów zboru E, które są elementam zboru E \ E. M ( G ) K Graf G można równeż przedstawć w postac take macerzy kosztów ( m M( G ), <, < E ), że ( < e, e > U) ( m =,, = ( < e, e > )) oraz ( < e, e > U) ( m = 0) (rys.)., Z zależnośc () wynka, że ( I : { m M( G ): m 0} ),, (( I I : I = E 2): { I \ I :( I : m 0)} ), (2), gdze I = {,..., E}. Oczywśce K G = K M G = m ( ) ( ( )).,, E Wadomo ([9], [0]), że -optymalny graf opnowana dagnostycznego (poza cyklam rzędu drugego), zarówno dla modelu PMC (Preparata F.P.; Metze G.; Chen R.T.), ak dla modelu BGM (Bars F.; Grandon F.; Maestrn P.) est takm grafem opnowana dagnostycznego, którego każda składowa spónośc zawera dokładne eden cykl zorentowany rzędu co namne trzecego, a w węzłach każdego (takego) cyklu są zagneżdżone korzene dendrytów. 5
4 R. Kulesza G c b a d f 2 3 e 4 g h l k m 5 ł 6 n o 7 u a b c d e f g h k l ł m n o K(u) M G = ( ) Rys.. Przykład ekonomcznego, -dagnozowalnego grafu opnowana dagnostycznego G (przedstawonego w postac grafczne oraz w postac macerzy M ( G ) ) Twerdzene. Przecwsymetryczny ( e' Γ( e'') ) ( e'' Γ ( e') ), przecwzwrotny graf Berge a G, w którym stopeń weścowy każdego węzła est równy eden, est -optymalnym grafem opnowana dagnostycznego. 6
5 Metody wyznaczana natańszych -dagnozowalnych struktur... D o w ó d. Poneważ stopeń weścowy każdego węzła grafu G est równy eden, to każda składowa spónośc tego grafu zawera dokładne eden cykl zorentowany oraz ma lczbę cyklomatyczną równą eden, a węc w węzłach każdego cyklu zorentowanego są zagneżdżone korzene dendrytów. Z przecwsymetrycznośc grafu G wynka natomast, że każdy ego cykl zorentowany est rzędu co namne trzecego. Z twerdzena wynka (bezpośredno) następuąca własność. Własność. Każda przecwsymetryczna (( m 0) ( m = 0)) macerz,, bnarna M ( k 3) o zerowe przekątne, zaweraąca w każde kolumne ( k k) dokładne eden element równy eden, est macerzą prześć zaetyketowanego, -optymalnego grafu opnowana dagnostycznego rzędu k. Tak węc, wyznaczene natańszego grafu częścowego N G ( G ) grafu G sprowadza sę do wyznaczena take przecwsymetryczne macerzy N częścowe M ( G ) macerzy M ( G ), które każda kolumna zawera dokładne eden element różny od zera, a suma wartośc e elementów est wartoścą mnmalną (rys. 2). Oczywśce, zastępuąc każdy nezerowy element macerzy N symbolem, otrzymamy macerz prześć grafu G ( G ). M G N ( ) M G = ( ) M G = N ( ) Rys. 2. Macerz częścowych macerzy M G est edną z dwóch możlwych takch, przecwsymetrycznych macerzy N ( ) M G ( ), których każda kolumna zawera dokładne eden element różny od zera, a suma wartośc tych elementów est wartoścą mnmalną 7
6 R. Kulesza Wyznaczene macerzy zadanem łatwym. Nech N M ( G ), w welu przypadkach, ne est M oraz m( M ) oznaczaą odpowedno: zbór nezerowych elementów -te kolumny macerzy tego zboru, a ( M = { m M : m = m( M )})., N, M ( G ) oraz mnmalną wartość elementów N M - zbór natańszych elementów zboru M Oczywśce, eżel { m M( G ):( m 0) ( m 0)} =, to,,, rozwązane est banalne polega na pozostawenu w każde kolumne, ednego (dowolnego) z natańszych elementów. W tym przypadku, stnee N N M L M E rozwązań. Jeżel I : M N = E, to rozwązane est równeż banalne polega na pozostawenu w każde kolumne, ednego takego elementu, którego element symetryczny został zredukowany (zastąpony symbolem 0). W tym przypadku stnee R ( E )(zależność ()) rozwązań. Oczywśce, w obu (powyższych) przypadkach: K G G = m M N ( ( )) ( ). E Oznaczmy Q( M( G )) = { m M( G ):( m M ) N,, ( m M ) ( M = M = )}. N N N, Jest rzeczą zrozumałą, że stopeń trudnośc wyznaczena macerzy N M ( G ) wzrasta wraz ze wzrostem lczebnośc zboru Q( M( G )). s Oznaczmy: M = { m M : m 0} ( I ).,, s Zauważmy, że pozostawene w zborze M \ M tylko ednego (dowolnego) z natańszych elementów, a zredukowane pozostałych, ne ma N wpływu na wyznaczene macerzy M ( G ). 8
7 Metody wyznaczana natańszych -dagnozowalnych struktur... Dale, będzemy analzować macerz wstępne zredukowaną, to est taką, że M G ( ), która est macerzą [(( M = ) ( m 0)) ( m = 0)],, [( M > ) ( m M : m 0)] ( I ) N,, (3) oraz Dla przykładu, macerz wstępne zredukowaną dla które: s M M + ( I). (4) M G ( ), przedstawona na rys, est macerzą 2 Q( M( G )) = Metody przyblżone N Można dążyć do wyznaczena macerzy M ( G ) za pomocą procedury sekwencynego redukowana macerzy M ( G ) (zastępowana wybranych (nezerowych) elementów macerzy M ( G ), symbolem 0), polegaące na rozstrzyganu (w każdym kroku procedury), który z nezerowych elementów (w koleno powstaące) macerzy, pozostawć ako edyny element, w określone kolumne te macerzy. Jeżel przez Ρ oraz R oznaczymy odpowedno element macerzy pozostawany (w odpowednm kroku procedury) w -te kolumne te macerzy oraz zbór e elementów redukowanych, to formalne, procedurę taką, można zapsać w postac: ( Ρ= m ) ( m = 0) ( R= M \{ m });,,, ( Ρ= m ) ( m 0) ( R= { M \{ m }} { m }).,,,, Każdorazowe rozstrzygane o tym, który z elementów macerzy pozostae w określone e kolumne, odbywa sę zgodne z następuącym regułam. Reguła : ( m M ) ( M = ) ( P = m ).,, 9
8 R. Kulesza N N N N Reguła 2: ( m M ) (( m M ) ( m M ) ( M > )),,, ( P = m )., N N N N Reguła 3: ( m M ) ( M = ) ( m M ) ( M = ),, (( m( M \{ m }) m m( M \{ m }) m ) ( P = m )).,,,,, Procedura redukowana macerzy M ( G ) zgodne z powyższym regułam, ne gwarantue wyznaczena struktury natańsze. M ( G ) = G Rys. 3. Macerz M ( G ) uzyskano z macerzy M ( G ) (rys. 2) po sekwenc P: m ; m ; m ; m ; m ; m ; m pozostawana (zgodne z regułam, 2 3) 5, 7 3, 2, 3 5, 2 6, 5 6, 4 7, 6 elementów macerzy M ( G ) ( G - struktura odpowadaąca macerzy M ( G )) Dla przykładu, można upewnć sę, że sekwenca P: m ; m ; m ; m ; m ; m ; m pozostawana (zgodne z regułam, 2 3) 5,7 3, 2,3 5,2 6,5 6,4 7,6 elementów macerzy M G ( ), przedstawone na rys.2, wyznacza macerz 0
9 Metody wyznaczana natańszych -dagnozowalnych struktur... ( G ) (rys.3), dla które M (rys. 2). K( M ( G )) = 22 natomast K M G = N ( ( )) 2 Rozpatrzmy nny sposób wyznaczana zboru quas-natańszych, -optymalnych struktur opnowana dagnostycznego. M G ( ) Nech z M ( M( G )) oznacza macerz uzyskaną z macerzy w tak sposób, że ( m = 0) ( m = 0) z,, oraz ( m 0) ( m = m m( M ) + ( m, m( M )) + ) (5) z,,,, gdze ( m, m( M )) = m({ M }\{ m }) m,,, eżel ( m = m( M )) ( M = ) N, oraz ( m, m( M )) =0, w przypadku przecwnym. Nech M z ( ( M G )) p + oznacza macerz uzyskaną, w analogczny (do powyższego) sposób, z macerzy z = M ( M( G ))), to est M z ( ( M G )) = p+ z M ( M( G )) ( p, M ( M( G )) = p z M M M G, a z z ( ( ( ))) p zbór nezerowych elementów -te kolumny macerzy M M G Z zależnośc (5) wynka, że z p( ( )). M M G - z ( ( )) p, p I m M G = (6) z : ( ( )). p,
10 R. Kulesza Nech M ( M ( M( G ))) oznacza macerz utworzoną z macerzy z p M z ( M( G )) spełnaące zależność (6), po zredukowanu (do wartośc równe p 0) elementów o wartośc wększe od. Zauważmy, że zależność (5) wyraża,,lokalny przyrost uogólnonego N kosztu macerzy M ( G ) spowodowany wybranem elementu m, ako edynego elementu w -te kolumne te macerzy. z Tak węc, każda taka macerz utworzona z macerzy M ( M ( M( G ))) p przez zredukowane nektórych elementów o wartośc równe, która est macerzą przecwsymetryczną zaweraącą w każde kolumne dokładne eden element o wartośc równe, uważana est za macerz prześć quas-natańszego -optymalnego grafu opnowana dagnostycznego. Dla przykładu ( rys.4 ): M = z M ( M( G )) dla macerzy z z rys. oraz M = M ( M ) przy czym macerz M spełna zależność ( 6 ). M ( G ) Tak węc, macerz M,,ndukue dwe quas-natańsze struktury (względem struktury G z rys.), które przedstawone są na rys M = M = z z Rys. 4. Macerze M = M ( M( G )) M = M ( M ) wyznaczone (zgodne z zależnoścą (5)) dla macerzy M ( G ) z rys. 2
11 Metody wyznaczana natańszych -dagnozowalnych struktur Rys.5. Struktury quas-natańsze względem struktury G z rys. Dale przekonamy sę, że struktury przedstawone na rys. 5 są edynym, natańszym strukturam względem struktury G z rys.. 4. Metoda dokładna Struktura natańsza est strukturą optymalną, a węc dokładne wyznaczene struktury natańsze polega na znalezenu w zborze struktur optymalnych, struktury natańsze. Ne oznacza to, że należy określć uogólnony koszt każde (możlwe) struktury optymalne bowem można podać reguły rozstrzygaące o tym, które ze struktur optymalnych mogą być (albo ne) strukturą natańszą. Dla przykładu, struktura z rys. ma 34 struktury -optymalne, a przekonamy sę, że wystarczy rozpatrzyć tylko 4 z nch, aby wyznaczyć (edyne stneące) dwe struktury natańsze. CG ( ) oznacza zbór cykl zorentowanych rzędu co namne Nech trzecego, stneących w grafe węzłów oraz łuków cyklu c( c C( G )). G, a E( c ) oraz U( c ) (odpowedno)- zbór Cykl c będzemy przedstawać ako cąg cyklczny c = (,,..., ) 2 E ( c ) ndeksów kolenych węzłów cyklu. Mówmy, że cykle c c są wzaemne slne nezależne, eżel E( c ) E( c ) =. Dla przykładu, graf G (rys.) ma dzewęć następuących cykl zorentowanych: c = (, 2, 3); c = (, 3, 2); c = (2,3,4,6,5); c = (2,5,6,4,3);
12 R. Kulesza c = (5,7,6); c = (, 2, 5, 6, 4, 3); c = (,3,4,6,5,2); c = (2,5,7,6,4,3) oraz c = (,2,5,7,6,4,3) przy czym tylko cykle c 9 c 5 oraz c 2 c 5 są cyklam wzaemne slne nezależnym. Zauważmy, że cykl c 9 est edynym cyklem Hamltona. Zbór C( G ) można wyznaczyć za pomocą znanych (z teor grafów ([4], [])) metod algebracznych. Ne ma węc potrzeby omawana tych metod. Zauważmy tylko, że w omawanym przykładze, zbór cykl { c,..., c } stanow 5 bazę cykl zboru CG ( ), a każdy z cykl zboru { c,..., c } est odpowedną 6 9 kombnacą lnową nektórych cykl te bazy. N Oczywśce, natańszy graf G ( G ) może być grafem o p ( p r) składowych spónośc (r- maksymalna lczebność zboru cykl wzaemne slne nezależnych). Rozpatrzymy wyznaczane struktury natańsze w klase struktur spónych. Kondensacą grafu G ( c ), utworzony z grafu G do podgrafu E c G przez: ( ) G będzemy nazywać graf zastąpene podgrafu E( c) G poedynczym węzłem e ; c k k usunęce łuków należących do zboru { u U : e ( u ) E( c)} ( e ( u )- węzeł, do którego dochodz łuk u ) oraz usunęce, poza dokładne ednym (dowolnym) z natańszych, łuków z każdego takego zboru p k p { u U :( e ( u ) E( c)) ( e ( u ) e )} ( e ( u )- węzeł z którego wychodz łuk u ), że e E\ E( c) (rys. 6). Macerz M ( G ( c )) uzyskuemy, w prosty sposób, przez: wykreślene z macerzy M ( G ) werszy kolumn o numerach odpowadaących ndeksom elementów zboru E( c ) ; uzupełnene (tak powstałe macerzy) początkowym werszem początkową kolumną zerową, etyketuąc e symbolem ( c ) oraz przypsuąc elementom perwszego wersza macerzy, wartośc m = mn{ m M( G )( m 0): I( E( c))}( I( E( c)), gdze I( E( c )) c,,, oznacza zbór numerów odpowadaących ndeksom elementów zboru E( c ). 4
13 Metody wyznaczana natańszych -dagnozowalnych struktur... G ((, 2, 3)) 5, 2, 3 7 MG ( ( c )) = 4 6 (c) (c) Rys. 6. Graf G ( c)( c = (,2,3)) oraz macerz G (przedstawonego na rys. ) M ( G ( c )) grafu Twerdzene 2. Każda taka przecwsymetryczna macerz częścowa M macerzy M ( G ( c )), które każda kolumna, z wyątkem kolumny ( c ), zawera dokładne eden element nezerowy oraz graf G( M ) est grafem spónym, przedstawa dendryt ekonomczny (dendryt o łukach opsanych przez uogólnony koszt), którego korzenem est węzeł e. c D o w ó d: Poneważ graf G( M ) est takm spónym grafem Berge a bez pętl, który ma dokładne eden węzeł e bez poprzednków ( Γ ( e ) ) c c =, a każdy węzeł zboru E( G( M ) ) \{ e c } ma dokładne eden poprzednk, to est dendrytem ekonomcznym, którego korzenem est węzeł e. c Oczywśce, zbór grafów częścowych grafu G ( c) ( c C( G )), które są dendrytam ekonomcznym o korzenu e c, ne est zborem pustym, bowem (z założena) graf G( G ) est -dagnozowalnym grafem opnowana dagnostycznego, a węc zbór spónych grafów częścowych grafu G( G ), które są -optymalnym grafam opnowana dagnostycznego, ne est zborem pustym. 5
14 R. Kulesza N Tak węc, eżel przez G ( c, G ) oznaczymy natańszy, spóny graf częścowy grafu G, który est grafem -optymalnym zaweraącym cykl c, N a przez D ( G ( c)) - natańszy graf częścowy grafu G ( c ), który est dendrytem ekonomcznym o korzenu e, to c N N K( G ( c, G )) = K( c) + K( D ( G ( c))), (7) gdze: K( c) = K( u); u U( c) K D G c K u U G c N ( ( ( ))) = ( ) ( ( ( )) ) N u U( D ( G ( c))) oraz ( U( G ( c )) = ) N ( K( D ( G ( c ))) = 0). N Wartość K( D ( G ( c ))) ( U( G ( c)) ) określamy albo przez wyznaczene (zgodne z twerdzenem 2) take przecwsymetryczne macerzy częścowe macerzy M ( G ( c )), które każda kolumna zawera dokładne eden element nezerowy, a suma wartośc tych elementów est wartoścą mnmalną sprawdzene czy graf opsany, odpowadaący take macerzy, est grafem spónym albo przez wybrane ze zboru ekonomcznych karkasów grafu G ( c ), natańszego dendrytu ekonomcznego o korzenu e. Wadomo, że karkas grafu G można wyznaczyć przez wykreślene z bnarne macerzy ncydenc M ( G ) grafu G, λ ( G ) ( λ ( G )- lczba cyklomatyczna grafu G ) kolumn sprawdzenu czy tak powstała macerz M( G ), est bnarną macerzą ncydenc spónego grafu G. Jeżel tak, to graf G est karkasem grafu G. Aby sprawdzć czy macerz ( ) M G est bnarną macerzą ncydenc spónego grafu, należy wykreślć z ne take dwe kolumny, których loczyn logczny ne est wektorem zerowym oraz dopsać kolumnę, która est sumą logczną kolumn wykreślonych. Z tak uzyskaną macerzą należy postąpć analogczne. Jeżel w wynku dowolne sekwenc takego postępowana, c 6
15 Metody wyznaczana natańszych -dagnozowalnych struktur... dopsywana kolumna będze zawerać same edynk, to graf G est grafem spónym. Na przykład, można przekonać sę, że dla grafu G ( c ) ( c = (,2,3)) przedstawonego na rys.6 stnee 2 karkasów, z których tylko 6 est dendrytam o korzenu e c, przy czym uogólnony koszt natańszego z tych dendrytów równa sę 4. Tak węc, w nagorszym przypadku, powtarzaąc rozwązane dla wszystkch cykl ze zboru C( G ), wyznaczamy natańszy poszukwany N graf G ( G ), w klase grafów spónych. W welu przypadkach, zbór cykl wśród których należy poszukwać takego rozwązana, można ogranczyć do zboru C ( C C( G ). Oczywśce [( E( c ) = E( c )) ( K( c ) > K( c ))] [ c C ]. (8) Zauważmy, że kres dolny K oraz kres górny K kosztu dendrytu nf sup D( G ( c )) można określć sumuąc po kolumnach macerzy M ( G ( c )), wartośc -odpowedno- natańszego (nezerowego) oraz nadroższego elementu w każde kolumne macerzy, to est K ( D( G ( c))) = K ( M( G ( c))) nf mn, I( M( G ( c))) oraz K ( D( G ( c))) = K ( M( G ( c))) sup max, I( M ( G ( c))) gdze: K ( M( G ( c))) = mn{ m M( G ( c)), m 0 : mn,,, : I( M( G ( c)))} ( I( M( G ( c))); 7
16 R. Kulesza K ( M( G ( c))) = max{ m M( G ( c)): max,, : I( M( G ( c)))} ( I( M( G ( c))), a I( M( G ( c ))) oznacza zbór ndeksów macerzy Oczywśce M ( G ( c )). [ Kc ( ) + K ( DG ( ( c ))) > Kc ( ) + K ( DG ( ( c )))] [ c C ]. (9) nf sup Dla przykładu, w tablcy zestawono wartośc Kc () dla wszystkch cykl c( c C( G )) grafu (odpowadaące dendrytom G (przedstawonego na rys. ) oraz D( G ( c ))) wartośc K K. nf sup Tablca c Kc ( ) K nf K sup (,2,3) (,3,2) (2,3,4,6,5) (2,5,6,4,3) (5,7,6) (,2,5,6,4,3) (,3,4,6,5,2) (2,5,7,6,4,3) (,2,5,7,6,4,3) Z tablcy oraz z zależnośc (7), (8) (9) wynka, że natańsza struktura (w klase struktur spónych) ne zawera cyklu należącego do zboru N N { c, c, c, c, c } oraz że K( G ( c, G ) ) = K( G ( c, G ) ) = Poneważ E( c ) = E( c ), to G ( c ) = G ( c ), natomast z macerzy 2 2 M ( G ( c )) (rys. 6) twerdzena 2 wynka (bezpośredno), że N K( D ( G ( c ))) > 3, a węc żadna ze struktur zaweraących cykl c 2, ne est strukturą natańszą. Analogczne, wyznaczaąc macerz M ( G ( c )), 5 N otrzymuemy, że K( D ( G ( c ))) >
17 Metody wyznaczana natańszych -dagnozowalnych struktur... Tak węc, w klase struktur spónych stneą tylko dwe struktury natańsze (zaweraące cykl c lub cykl c (rys. 5)). 4 8 Poszukwane struktur natańszych w klase struktur o welu składowych spónośc, sprowadza sę do dekomponowanu grafu G (za pomocą przekroów mnmalnych) na wszystke możlwe grafy, w których każda składowa spónośc zawera (co namne) eden cykl ze zboru C( G ), wyznaczanu takego grafu częścowego, każde z tych składowych spónośc, który est natańszym, -dagnozowalnym grafem opnowana dagnostycznego. Zauważmy, że dla grafu z rys. natańsze rozwązane ne należy do klasy struktur o welu składowych spónośc, bowem mogą stneć tylko struktury o dwu składowych spónośc (zaweraące (odpowedno) cykle c c 5 lub c 2 c ), a koszt natańszego z takch rozwązań est wększy 5 N od K( c ) + K( c ) = K( G ( G ))(tab.) Metoda przelczana zaetyketowanych struktur -optymalnych Pokażemy ak można określć lczbę S ( k ) spónych oraz lczbę R ( k ) dowolnych (nekoneczne spónych) zaetyketowanych -optymalnych struktur opnowana dagnostycznego rzędu k wyznaczymy te lczby dla k 8. c Nech Λ ( k) oznacza zbór takch rozkładów λ ( λ = ( λ,..., λ ) ) c lczby naturalne k ( k c ) na c składnków prostych, że λ λ L λ 2 c a M ( λ) - macerz charakterystyczną rozkładu λ, to est taką macerz wymaru (2 r( λ)) ( r( λ) - lczba różnych wartośc składnków rozkładu λ ), że m ( λ),..., m ( ),, r ( λ λ est maleącym cągem wartośc ake przymuą składnk ) rozkładu λ, natomast m 2, ( λ ) ( r( λ)) est lczbą składnków rozkładu λ o wartośc m ( λ ) ([])., Oczywśce oraz m ( λ ) + L + m = c r 2, 2, ( λ ) m ( λ) m ( λ) + L + m m = k., 2,, r( λ) 2, r( λ) 9
18 R. Kulesza Zauważmy, że lczba c S ( λ ) ( λ Λ ( k )) rozważanych struktur zaweraących r( λ ) rodzn dendrytów, z których każda ma m ( λ ) dendrytów 2, rzędu m ( λ ), est loczynem:, lczby Z ( λ ) sposobów rozdzelena etyket na poszczególne rodzny dendrytów; lczb Pm ( ( λ), m ( λ )) ( r( λ )) sposobów rozdzelena etyket, 2, mędzy poszczególne dendryty w ramach każde rodzny dendrytów; m2, ( λ ) lczb ( D ( m ( ))), λ wszystkch zaetyketowanych dendrytów rzędu m ( λ ) ( r( λ)) oraz lczby ( c )! sposobów, utworzena cyklu zorentowanego rzędu c (zaweraącego c korzen dendrytów). Tak węc: k S k c Z ( ) = ( )! ( λ) c c= 3 λ Λ ( k ) r ( λ ) m2, ( λ ) Pm ( ( λ), m ( λ)) ( D( m ( λ))). (0), 2,, = Oczywśce: eżel r( λ) =, to Z( λ) = ; eżel k r( λ) = 2, to Z( λ) = ; m ( λ) m ( λ), 2, eżel r( λ) 3, to k Z( λ) = m ( λ) m ( λ), 2, r ( λ ) k m m + + m m m ( λ) m ( λ) ( ( λ) ( λ) ( λ) ( λ)), 2,, 2,. = 2, 2, 20
19 Metody wyznaczana natańszych -dagnozowalnych struktur... Posługuąc sę kombnatoryką matematyczną, lczbę Pa (, b ) podzałów a b lczb na b podzborów o ednakowe lczebnośc równe a, możemy wyznaczyć z zależnośc oraz (dla a 2, b 2) Pa (, ) = P(, b) = 2 2 2
20 R. Kulesza λ ϕ:3 ϕ k R k Z ( ) = ( λ) ϕ ϕ = λ Λ ( k ): λϕ 3 r ( ) m2, ( λ ) Pm ( ( λ), m ( λ)) ( S( m ( λ))). (), 2,, = Szereg tworzący R ( x ) (dla perwszych ośmu członów) ma węc postać: R ( x) = 2x + 30x + 420x x x x +L. Oczywśce, metoda przelczana nezaetyketowanych -optymalnych struktur opnowana dagnostycznego (przedstawona w pracy [0]) est bardze złożona, od metody przelczana takch struktur zaetyketowanych (z uwag na koneczność uwzględnana występowana odwzorowań automorfcznych struktur). Dla porównana, szereg tworzące S( x ) spónych oraz R( x ) dowolnych (nekoneczne spónych), nezaetyketowanych, -optymalnych struktur opnowana dagnostycznego (dla perwszych trzynastu wyrazów) maą postać: oraz S( x) x 2x 5x 5x 40x 8x 34x 970x = x x x +K Rx ( ) x 2x 5x 6x 42x 26x 367x 057x = K x 9208x x. 6. Podsumowane Wyznaczane natańsze -dagnozowalne struktury opnowana dagnostycznego, nastręcza kłopotów tylko wtedy, gdy stnee taka para elementów systemu, że koszt testowana ednego z nch przez drug, est nanższy z kosztów testowana go przez nne elementy systemu. Tym trudne est wyznaczyć strukturę natańszą, m lczebność zboru takch par elementów systemu est wększa. 22
21 Metody wyznaczana natańszych -dagnozowalnych struktur... Możlwośc wzaemnego testowana sę elementów systemu uogólnone koszty takch testowań, wygodne est przedstawać w postac macerzy kosztów, równoważne opsanemu (ekonomcznemu) danozowalnemu grafow opnowana dagnostycznego (p.2), a w przyblżonych metodach wyznaczana struktury quas-natańsze (p.3) oraz w dokładnych metodach wyznaczana struktury natańsze (p.4) - wykorzystać dzałana na take macerzy. Przyblżone metody wyznaczana struktury quas-natańsze są (stosunkowo) proste daą rezultaty, które (w welu przypadkach) można uznać za wystarczaące. Metody te łatwo poddaą sę komputerowe realzac. Dokładna metoda wyznaczana struktury natańsze est metodą (stosunkowo) złożoną polega na sukcesywnym redukowana zboru, do którego należy rozwązane. Komputerowa realzaca metody (oby mała mesce) będze węc meć charakter systemu eksperckego. Zaletą metody est możlwość wyznaczena wszystkch struktur natańszych. Znaomość lczby zaetyketowanych, -optymalnych struktur opnowana dagnostycznego określonego rzędu (p.5), pozwala zorentować sę aka est lczebność zboru struktur optymalnych, wśród których poszukwana est struktura natańsza. Lteratura: [] Andrews G.E.: The Theory of Parttons, London, Addson-Wesley Publshng Company, 976. [2] Bars F., Grandon F., Maestrn P.: A Theory of Dagnosablty of Dgtal Systems, IEEE Trans. on Comput. 6, 976, pp [3] Harary F., Palmer E.: Graphcal Enumeraton, New York and London, Academc Press, 973. [4] Korzan B.: Elementy teor grafów sec, WNT, Warszawa, 978. [5] Krawczyk H.: Analza synteza samodagnozowalnych systemów komputerowych, Zeszyty Naukowe Poltechnk Gdańske, Elektronka nr 64, Gdańsk, 987. [6] Kulesza R.: Nektóre własnośc grafów opnowana dagnostycznego, Kraowy Kongres Metrolog, Gdańsk 98, 998, tom 5, s [7] Kulesza R., Wach A.K.: Wyznaczane m-dagnozowalnych grafów opnowana dagnostycznego, Kraowy Kongres Metrolog, Gdańsk 98, 998, tom 5, s [8] Kulesza R., Wach A.K.: The Determnaton of a 2-optmal Dgraphs Set for a One- Step Dagnoss of System, 9 th IMECO TC-0, Internatonal Conference on Techncal Dagnostcs, September 999, Wrocław, Poland, pp
22 R. Kulesza [9] Kulesza R.: Podstawy dagnostyk sec logcznych komputerowych, Instytut Automatyk Robotyk, Wydzał Cybernetyk Woskowe Akadem Technczne, Warszawa, 2000, ss [0] Kulesza R.: Metoda przelczana -optymalnych struktur opnowana dagnostycznego, Buletyn Instytutu Automatyk Robotyk WAT, 200, nr 6, s [] Kulkowsk J.L.: Zarys teor grafów, PWN, Warszawa, 986. Recenzent: prof. dr hab. nż. Lesław Będkowsk Praca wpłynęła do redakc
Niektóre własności 1-diagnozowalnych struktur typu PMC
BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 18, 2003 Niektóre własności 1-diagnozowalnych struktur typu PMC Roman KULESZA Zakład Automatyki, Instytut Teleinformatyki i Automatyki WAT, ul. Kaliskiego 2,
Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
Problem plecakowy (KNAPSACK PROBLEM).
Problem plecakowy (KNAPSACK PROBLEM). Zagadnene optymalzac zwane problemem plecakowym swą nazwę wzęło z analog do sytuac praktyczne podobne do problemu pakowana plecaka. Chodz o to, by zapakować maksymalne
Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
Wykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.
/22/24 Dwuosobowe gry o sume zero DO NAUCZENIA I ZAPAMIĘTANIA: Defnca zaps ger o sume zero, adaptaca ogólnych defnc. Punkt sodłowy Twerdzena o zwązkach punktu sodłowego z koncepcam rozwązań PRZYPOMNIENIE:
Zaawansowane metody numeryczne
Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x
Podstawy teorii falek (Wavelets)
Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc
Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Laboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Wykład 2: Uczenie nadzorowane sieci neuronowych - I
Wykład 2: Uczene nadzorowane sec neuronowych - I Algorytmy uczena sec neuronowych Na sposób dzałana sec ma wpływ e topologa oraz funkconowane poszczególnych neuronów. Z reguły topologę sec uznae sę za
BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że
Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam
Przykład 5.1. Kratownica dwukrotnie statycznie niewyznaczalna
rzykład.. Kratownca dwukrotne statyczne newyznaczana oecene: korzystaąc z metody sł wyznaczyć sły w prętach ponższe kratowncy. const Rozwązane zadana rozpoczynamy od obczena stopna statyczne newyznaczanośc
5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim
5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną
ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO
Artur Zaborsk Unwersytet Ekonomczny we Wrocławu ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO Wprowadzene Od ukazana
5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA
Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA
V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH
Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów
Diagonalizacja macierzy kwadratowej
Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an
RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH
Stansław KOWALIK e-mal: skowalk@wsb.edu.pl Wyższa Szkoła Bznesu Dąbrowa Górncza RÓWNOWAGA STACKELBERGA W GRACH SEKWENCYJNYCH Streszczene Praca dotyczy nekooperacynych sekwencynych ger dwuosobowych o sume
ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO
ALGEBRY HALLA DLA POSETÓW SKOŃCZONEGO TYPU PRINJEKTYWNEGO NA PODSTAWIE REFERATU JUSTYNY KOSAKOWSKIEJ. Moduły prnjektywne posety skończonego typu prnjektywnego Nech I będze skończonym posetem. Przez max
W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA
KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany
p Z(G). (G : Z({x i })),
3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W
Zarządzanie ryzykiem w przedsiębiorstwie i jego wpływ na analizę opłacalności przedsięwzięć inwestycyjnych
dr nż Andrze Chylńsk Katedra Bankowośc Fnansów Wyższa Szkoła Menedżerska w Warszawe Zarządzane ryzykem w rzedsęborstwe ego wływ na analzę ołacalnośc rzedsęwzęć nwestycynych w w w e - f n a n s e c o m
Programowanie Równoległe i Rozproszone
Programowane Równoległe Rozproszone Wykład Programowane Równoległe Rozproszone Lucjan Stapp Wydzał Matematyk Nauk Informacyjnych Poltechnka Warszawska (l.stapp@mn.pw.edu.pl) /38 PRR Wykład Chcemy rozwązać
Badania operacyjne w logistyce i zarządzaniu produkcją
Państwowa Wyższa Szkoła Zawodowa w Nowym Sączu Badana operacyne w logstyce zarządzanu produkcą cz. I Andrze Woźnak Nowy Sącz Komtet Redakcyny doc. dr Zdzsława Zacłona przewodncząca, prof. dr hab. nż. Jarosław
Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup
Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT
Instrukcja do ćwiczeń laboratoryjnych z przedmiotu: Badania operacyjne. Temat ćwiczenia: Problemy rozkroju materiałowego, zagadnienia dualne
Instrukca do ćwczeń laboratorynych z przedmotu: Badana operacyne Temat ćwczena: Problemy rozkrou materałowego, zagadnena dualne Zachodnopomorsk Unwersytet Technologczny Wydzał Inżyner Mechanczne Mechatronk
Algorytmy szukania równowag w grach dwumacierzowych
Rozdzał 2 Algorytmy szukana równowag w grach dwumacerzowych 2. Algorytm Lemke-Howsona Dzseszy wykład pośwęcony będze temu, ak szukać równowag w grach dwumacerzowych. Poneważ temu były uż w wększośc pośwęcone
Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
Zmodyfikowana technika programowania dynamicznego
Zmodyfkowana technka programowana dynamcznego Lech Madeysk 1, Zygmunt Mazur 2 Poltechnka Wrocławska, Wydzał Informatyk Zarządzana, Wydzałowy Zakład Informatyk Wybrzeże Wyspańskego 27, 50-370 Wrocław Streszczene.
Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311
Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy
7. Wykład VII: Warunki Kuhna-Tuckera
Wocech Grega, Metody Optymalzac 7 Wykład VII: Warunk Kuhna-Tuckera 7 Warunk koneczne stnena ekstremum Rozważane est zadane z ogranczenam nerównoścowym w postac: mn F( x ) x X X o F( x ), o { R x : h n
WikiWS For Business Sharks
WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace
I. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
Sortowanie szybkie Quick Sort
Sortowane szybke Quck Sort Algorytm sortowana szybkego opera sę na strateg "dzel zwycęża" (ang. dvde and conquer), którą możemy krótko scharakteryzować w trzech punktach: 1. DZIEL - problem główny zostae
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH
PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających
ZAGADNIENIE TRANSPORTOWE
ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w
Sprawozdanie powinno zawierać:
Sprawozdane pownno zawerać: 1. wypełnoną stronę tytułową (gotowa do ćw. nr 0 na strone drugej, do pozostałych ćwczeń zameszczona na strone 3), 2. krótk ops celu dośwadczena, 3. krótk ops metody pomaru,
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2007/08 Podstawowe fakty Równane Ax = b, x, b R N, A R N N (1) ma jednoznaczne
XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO
Studa Materały. Mscellanea Oeconomcae Rok 6, Nr 2/22 Wydzał Zarządzana Admnstrac Unwersytetu Jana Kochanowskego w Kelcach Z a r z ą d z a n e f n a n s e Rafał Prońko ZASTOSOWANIE KLASYCZNEGO ALGORYTMU
Procedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.
Wykład Zagadnene brzegowe lnowe teor sprężystośc. Metody rozwązywana, metody wytrzymałośc materałów. Zestawene wzorów określeń. Układ współrzędnych Kartezańsk, prostokątny. Ose x y z oznaczono odpowedno
n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach
Problem decyzyny cel różne sposoby dzałana (decyze) warunk ogranczaące (determnuą zbór decyz dopuszczalnych) kryterum wyboru: umożlwa porównane efektywnośc różnych decyz dopuszczalnych z punktu wdzena
Metody analizy obwodów
Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda
6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Płyny nienewtonowskie i zjawisko tiksotropii
Płyny nenewtonowske zjawsko tksotrop ) Krzywa newtonowska, lnowa proporcjonalność pomędzy szybkoścą ścnana a naprężenem 2) Płyny zagęszczane ścnanem, naprężene wzrasta bardzej nż proporcjonalne do wzrostu
u u u( x) u, x METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH i METODA ELEMENTÓW SKOŃCZONYCH
METODA RÓŻNIC SKOŃCZONYCH, METODA ELEMENTÓW BRZEGOWYCH METODA ELEMENTÓW SKOŃCZONYCH Szkc rozwązana równana Possona w przestrzen dwuwymarowe. Równane Possona to równae różnczkowe cząstkowe opsuące wele
Krzysztof Borowski Zastosowanie metody wideł cenowych w analizie technicznej
Krzysztof Borowsk Zastosowane metody wdeł cenowych w analze technczne Wprowadzene Metoda wdeł cenowych została perwszy raz ogłoszona przez Alana Andrewsa 1 w roku 1960. Trzy lne wchodzące w skład metody
Weryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB
Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe
Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
-Macierz gęstości: stany czyste i mieszane (przykłady) -równanie ruchu dla macierzy gęstości -granica klasyczna rozkładów kwantowych
WYKŁAD 4 dla zanteresowanych -Macerz gęstośc: stany czyste meszane (przykłady) -równane ruchu dla macerzy gęstośc -granca klasyczna rozkładów kwantowych Macerz gęstośc (przypomnene z poprzednch wykładów)
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Wprowadzenie do Sieci Neuronowych Sieci rekurencyjne
Wprowadzene do Sec Neuronowych Sec rekurencyjne M. Czoków, J. Persa 2010-12-07 1 Powtórzene Konstrukcja autoasocjatora Hopfelda 1.1 Konstrukcja Danych jest m obrazów wzorcowych ξ 1..ξ m, gdze każdy pojedynczy
Zastosowanie symulatora ChemCad do modelowania złożonych układów reakcyjnych procesów petrochemicznych
NAFTA-GAZ styczeń 2011 ROK LXVII Anna Rembesa-Śmszek Instytut Nafty Gazu, Kraków Andrzej Wyczesany Poltechnka Krakowska, Kraków Zastosowane symulatora ChemCad do modelowana złożonych układów reakcyjnych
Natalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Prawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
Proste modele ze złożonym zachowaniem czyli o chaosie
Proste modele ze złożonym zachowanem czyl o chaose 29 kwetna 2014 Komputer jest narzędzem coraz częścej stosowanym przez naukowców do ukazywana skrzętne ukrywanych przez naturę tajemnc. Symulacja, obok
Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5
Realizacja logiki szybkiego przeniesienia w prototypie prądowym układu FPGA Spartan II
obert Berezowsk Natala Maslennkowa Wydzał Elektronk Poltechnka Koszalńska ul. Partyzantów 7, 75-4 Koszaln Mchał Bałko Przemysław Sołtan ealzacja logk szybkego przenesena w prototype prądowym układu PG
RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI
RÓWNOLEGŁY ALGORYTM POPULACYJNY DLA PROBLEMU GNIAZDOWEGO Z RÓWNOLEGŁYMI MASZYNAMI Wojcech BOŻEJKO, Marusz UCHROŃSKI, Meczysław WODECKI Streszczene: W pracy rozpatrywany jest ogólny problem kolejnoścowy
Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
OPTYMALNY SYSTEM REKRUTACJI KANDYDATÓW DO SZKÓŁ. 1. Wstęp
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 3 4 2005 Zbgnew ŚWITALSKI* OPTYMALNY SYSTEM REKRUTACJI KANDYDATÓW DO SZKÓŁ Przedstawono uogólnene algorytmu Gale a Shapleya, wyznaczaącego optymalny
STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU
Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc
TRANZYSTOR BIPOLARNY CHARAKTERYSTYKI STATYCZNE
POLITHNIKA RZSZOWSKA Katedra Podstaw lektronk Instrkcja Nr4 F 00/003 sem. letn TRANZYSTOR IPOLARNY HARAKTRYSTYKI STATYZN elem ćwczena jest pomar charakterystyk statycznych tranzystora bpolarnego npn lb
Równania liniowe. gdzie. Automatyka i Robotyka Algebra -Wykład 8- dr Adam Ćmiel,
utomtyk Robotyk lgebr -Wykłd - dr dm Ćmel cmel@ghedupl Równn lnowe Nech V W będą przestrzenm lnowym nd tym smym cłem K T: V W przeksztłcenem lnowym Rozwżmy równne lnowe T(v)w Powyższe równne nzywmy równnem
Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra
Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład
Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch
Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym
Pattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH
Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy
MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5
MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając
2. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI
Część. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI.. STOPIEŃ KINEMATYCZNEJ NIEWYZNACZALNOŚCI W metodze sł w celu przyjęca układu podstawowego należało odrzucć węzy nadlczbowe. O lczbe odrzuconych węzów decydował
= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału
5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B
ANALIZA WARIANCJI (ANOVA) Spis treści
ANALIZA WARIANCJI (ANOVA) Sps treśc. JEDNOCZYNNIKOWA ANALIZA WARIANCJI.... DWUCZYNNIKOWA ANALIZA WARIANCJI... 8 3. TESTY ZAŁOŻEŃ W ANALIZIE WARIANCJI... 3 3.. Test normalnośc... 4 3. Test Bartleta ednorodnośc
MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Prokop jproko@sgh.waw.pl
MIKROEKONOMIA Prof. nadzw. dr hab. Jacek Proko roko@sgh.waw.l Statyka dynamka olgoolstyczne struktury rynku. Modele krótkookresowe konkurenc cenowe w olgoolu.. Model ogranczonych mocy rodukcynych ako wyaśnene
Diagnozowanie sieci komputerowej metodą dialogu diagnostycznego
Diagnozowanie sieci komputerowej metodą dialogu diagnostycznego Metoda dialogu diagnostycznego między komputerami sieci komputerowej, zalicza się do, tak zwanych, rozproszonych metod samodiagnozowania
Funkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE
5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Oprócz transmtancj operatorowej, do opsu członów układów automatyk stosuje sę tzw. transmtancję wdmową. Transmtancję wdmową G(j wyznaczyć moŝna dzęk podstawenu do wzoru
System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik
Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA
V. TERMODYNAMIKA KLASYCZNA
46. ERMODYNAMIKA KLASYCZNA. ERMODYNAMIKA KLASYCZNA ermodynamka jako nauka powstała w XIX w. Prawa termodynamk są wynkem obserwacj welu rzeczywstych procesów- są to prawa fenomenologczne modelu rzeczywstośc..
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Poszukiwanie optymalnego wyrównania harmonogramu zatrudnienia metodą analityczną
Mieczysław POŁOŃSKI Wydział Budownictwa i Inżynierii Środowiska, Szkoła Główna Gospodarstwa Wieskiego, Warszawa, ul. Nowoursynowska 159 e-mail: mieczyslaw_polonski@sggw.pl Poszukiwanie optymalnego wyrównania
KONCEPCJA OCENY HYBRYDOWYCH SYSTEMÓW ENERGETYCZNYCH
2-2010 PROBLEMY ESPLOATACJI 159 Robert DZIERŻAOWSI Poltechnka Warszawska OCCJA OCEY HYBRYDOWYCH SYSTEMÓW EERGETYCZYCH Słowa kluczowe Hybrydowy system energetyczny, skojarzony system energetyczny, generator
Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja
Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest
ZASADY PRZYJĘĆ NA I ROK STUDIÓW STACJONARNYCH I NIESTACJONARNYCH W POLITECHNICE KOSZALIŃSKIEJ W ROKU AKADEMICKIM 2007/2008
ZASADY PRZYJĘĆ NA I ROK STUDIÓW STACJONARNYCH I NIESTACJONARNYCH W POLITECHNICE KOSZALIŃSKIEJ W ROKU AKADEMICKIM 2007/2008 I. Przyęce na I rok studów odbywa sę wg ponższych zasad: z pomnęcem postępowana
5. Maszyna Turinga. q 1 Q. Konfiguracja: (q,α β) q stan αβ niepusta część taśmy wskazanie położenia głowicy
5. Maszyna Turnga = T Q skończony zór stanów q 0 stan początkowy F zór stanów końcowych Γ skończony zór symol taśmy T Γ alfaet wejścowy T Γ symol pusty (lank) δ: Q Γ! 2 Q Γ {L,R} funkcja
Diagnostyka układów kombinacyjnych
Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane