Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe

Wielkość: px
Rozpocząć pokaz od strony:

Download "Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe"

Transkrypt

1 BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) Metoda podziału zbioru obietów na wielorterialne lastr jaościowe A. AMELJAŃCZK Insttut Sstemów Informatcznch Wdział Cberneti WAT ul. S. Kalisiego, Warszawa W prac przedstawiono ogólną procedurę tworzenia raningów jaościowch elementów ustalonego zbioru obietów. Procedura polega na reurencjnm wznaczaniu elementów estremalnch zbioru na podstawie przjętej relacji preferencji. Efetem jej działania jest podział zbioru na lastr raningowe (ategorie). Przedstawione metod podziału zbioru na lastr mogą bć worzstwane w analizie jaościowej obietów w wielu pratcznch zastosowaniach. Słowa luczowe: raning, relacja preferencji, element estremalne, lastr raningowe, ategorie, punt idealn, funcje raningowe, raning liniow.. Wprowadzenie Zagadnienie tworzenia raningów zbioru obietów ocenianch wielorterialnie jest bardzo powszechne w wielu dziedzinach żcia. óżni się od lascznego zagadnienia optmalizacji tm, że oreśla jaość wszstich obietów od najlepszego do najgorszego, a nie włącznie element najlepsz, co jest domeną optmalizacji [,, ]. Tpowe raningi, onstruowane na potrzeb omercjne cz też społeczne, tworzone są na ogół w oparciu o tzw. funcje raningowe lub też heurstcznie, a nawet intuicjnie w oparciu o bardzo proste metod i narzędzia. ie mają one zatem wstarczającego waloru obietwizmu i często służą jednie celom maretingowm, a nawet swego rodzaju manipulacjom. W wielu obszarach żcia jest to jedna niedopuszczalne i bardzo szodliwe. Taimi przładami są procedur ustalania raningu ofert w zamówieniach publicznch (przetargach) i wszelich innch przedsięwzięciach, ja onurs projetów, grantów itp., w tórch wni raningu ma onsewencje finansowe, prestiżowe lub handlowe. Powszechnie stosowane metod polegające na tworzeniu tzw. ocen ważonch cz też ważonch deczji espertów są obarczone subietwizmem i możliwością amuflowanej manipulacji. Łatwo można poazać, że dobierając odpowiednie wartości współcznniów wagowch lub wartości progów, można istotnie zmieniać raning wniow. Celem niniejszej prac jest poazanie metod tworzenia raningów odpornch na możliwość manipulacji, obietwnie wniającch z przjętego modelu preferencji, zdefiniowanego w przestrzeni rteriów ocen poszczególnch obietów.. Ogólne zadanie tworzenia raningu elementów zbioru Do sformułowania zadania raningu zbioru można podchodzić na wiele sposobów [3,,, 8]. Formalnie raning elementów zbioru można rozumieć jao przeształcenie zbioru w pewien szczególn ciąg podzbiorów tego zbioru lub jego elementów. Jeśli liczność tego zbioru jest równa, to masmalnie możem otrzmać! różnch ciągów (! różnch raningów uporządowań). iech zatem niepust, sończon zbiór elementów (obietów), tór ma podlegać procedurze raningowej. relacja poprzedzania rozumiana następująco: para (, z) należ do relacji wted i tlo wted, gd element jest przed elementem z. Zdanie jest przed z (albo: poprzedza z ) może bć rozumiane bardzo szeroo. ajczęściej jedna jest rozumiane w onteście jaościowm jest lepsz od z [, 3]. elacja bwa nazwana relacją preferencji poprzedzenia, albo relacją raningowania. Parę (, ) nazwać będziem zbiorem z relacją [].

2 Andrzej Ameljańcz, Metoda podziału zbioru obietów na wielorterialne lastr jaościowe Smbolem oznaczać będziem zbiór wszstich relacji generowanch przez zbiór. Oczwiście nie wszstie relacje preferencji jaościowch prowadzą do raningu jednoznacznego (liniowego) []. Szczególne znaczenie mają jedna taie relacje preferencji, tóre wprowadzają porząde, a szczególnie ta zwan porząde liniow []. Podstawą tworzenia ażdego algortmu raningowego są ta zwane element estremalne zbioru w przestrzeni ze zdefiniowaną relacją poprzedzania (jaości) []. Element estremalne zbioru worzstwane w raningowaniu to element najmniejsze i imalne lub najwięsze i masmalne. a użte niniejszch rozważań orzstać będziem z pojęć: zbiór elementów najmniejszch zbiór elementów imalnch, tóre w ogólności można (bez żądania własności porządowch [] relacji) zdefiniować następująco []: { (,z) dla ażdego z \{ }} (.) { { } } nie istnieje z \, że z, (.) Element najmniejsz zbioru to tai, tór poprzedza wszstie pozostałe element ze zbioru. Element imaln zbioru to tai element, tór nie jest poprzedzan przez żaden z pozostałch elementów zbioru. Do utworzenia raningu elementów zbioru (w srócie będziem mówili do utworzenia raningu zbioru ) możem worzstać zbior elementów estremalnch w zależności od potrzeb: zbiór elementów najmniejszch (lub zbiór elementów imalnch) w następując sposób: ze zbioru wbieram element, tóre poprzedzają wszstie pozostałe element. astępnie ze zbioru pozostałch elementów wbieram olejne element, tóre poprzedzają wszstie pozostałe, i ta aż zbiór pozostałch elementów stanie się pust. Zapiszem to następująco:. Wznacz () (.3) \ itd. 3. Ogólnie zapiszem:. Wznacz ( ) \ ( ),,, 3,... - i 0 0 U (.) przjmując, że Algortm ończ się w rou K taim, że K U () i (.) i Podobną procedurę możem zastosować, orzstając z zależności (.). Otrzmam 0 ): - \ U i, i 0 wted ( przjmując, że,, 3,... (.) Oreślenie. Klastrem jaościowm (ategorią) -tego stopnia nazwać będziem zbiór,,, 3,... ajszczęśliwszm przpadiem jest oczwiście przpade, gd wszstie zbior lub są jednoelementowe, czli przpade, gd dla,, K lub (.) Mam wted tzw. raning jednoznaczn (liniow). Taą stuację mam międz innmi wted, gd relacja jaości (raningowania) jest relacją liniowego porządu (zwrotna, antsmetrczna, przechodnia i spójna []). W przpadu gd relacja jest relacją lub liniowego porządu, smbolem ( ) oznaczać będziem raning zbioru (ciąg podzbiorów (lastrów) jednoelementowch) uzsan prz relacji preferencji. Ciąg zbiorów, lub analogicznie [ ], dla,,... tworz w ogólności raning las równoważności (lastrów) elementów najmniejszch lub imalnch. W ogólnm przpadu ażdemu można przporządować lastrowi liczbę raningową jao pewną ogólną charaterstę jaościową tego lastra. Oreślenie. Liczbą raningową L lastra stopnia zbioru nazwać będziem odległość tego lastra od resu dolnego zbioru L,,,... (.8) ( ) Dodatową charaterstą lastrów są ich res dolne (górne) [, ]:,,,... (.9) Liczb raningowe lastrów, ja też ich res dolne, można worzstać do porządowania lastrów oraz ich ocen jaościowej [3, 8].

3 BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) Analogicznie, ażdemu lastrowi (elementów najmniejszch) można przporządować liczbę raningową jao pewną ogólną charaterstę jaościową tego lastra. Zbior (.) i (.) mają dużo bardzo interesującch własności raningowch. W pratcznch zastosowaniach raningi elementów zbioru dotczą głównie szeroo rozumianej jaości tch elementów i są tworzone w ta zwanej przestrzeni jaości. a rsunu został przedstawion ogóln schemat podziału zbioru na lastr raningowe z worzstaniem elementów imalnch zbioru. Schemat procedur raningowej przedstawion na rsunu nie gwarantuje oczwiście raningu liniowego. W stuacji gd nietóre zbior nie są jednoelementowe, potrzebna jest dodatowa ormacja preferencjna dotcząca poprzedzania w sensie jaości w ramach elementów tego samego lastra. W taim przpadu mogą bć stosowane różne sposob wewnętrznego raningu (np. dodatowe funcje raningowe). Bardzo często jedna decdent jest ptan o hierarchię ważności (lesografię) poszczególnch rteriów cząstowch (cech jaościowch analizowanch obietów). Pratczne esperment deczjne na ogół potwierdzają dużą podatność decdentów na taie uzupełnienie preferencji raningowch. Ta ustalone preferencje lesograficzne w ramach wewnętrznch raningów oznaczać będziem L. (, ) : WZACZ ( ) SKŁADOWAIE CZ U () i :+ i SKŁADOWAIE s. a. Ogóln schemat procedur raningowej Smbolem i L, i,..., oznaczać i (, ), U : będziem raning lesograficzn lastra numer i. Idea ogólnego schematu procedur raningowej zbioru prz relacji preferencji wspomaganej lesografią L przedstawiona jest na rsunu. W schemacie tm wstępuje obo głównej (zasadniczej) relacji raningowania, relacja pomocnicza L, tóra reaguje w stuacji, gd zbiór ma liczność więszą od. 3. Przestrzenie jaości raningi jaościowe T L WZACZ WZACZ ( L) CZ () i STOP AKIG ( i )( L ), i,..., :+ T STOP AKIG () i, i,..., s.. Podział zbioru na lastr raningowe Procedur raningowe w zastosowaniach pratcznch najczęściej oparte są na modelach jaościowch raningowanch obietów. Stąd też pierwszm etapem jest ustalenie modelu jaościowego obietów. Sprowadza się to oczwiście do zdefiniowania odpowiednich wsaźniów jaości obietów (cech jaościowch obietów) [3]. Ich liczba i on- 3

4 Andrzej Ameljańcz, Metoda podziału zbioru obietów na wielorterialne lastr jaościowe retna postać zależą oczwiście od potrzeb (celu) raningu. W ten sposób obietami porównań raningowch stają się nie bezpośrednio obiet, lecz ich modele jaościowe w przestrzeni jaości [, ]. Kolejnm etapem jest zazwczaj ustalenie modelu preferencji jaościowch decdenta, najczęściej w postaci odpowiedniej relacji zdefiniowanej w przestrzeni jaości. Jest to podejście o wiele bardziej ogólne, bezpieczniejsze i bardziej obietwne niż podejście polegające na przjęciu salarnej funcji ocen (raningu) np. w postaci sum ważonej []. Definiowanie modelu preferencji w postaci relacji bwa najczęściej o wiele prostsze i nie wmagapodawania liczbowch wartości współczn-niów, progów itp. Pratczne zadanie tworzenia raningów jaościowch można zatem przedstawić następująco: iech: X A zbiór rozważanch obietów (elementów) w pewnej przestrzeni obietów A; {,...,n,..., } zbiór numerów wsaźniów cząstowch ocen obietów; B przestrzeń ocen jaościowch obietów (najczęściej B ); F : A funcja ocen obietów; F( x) ocena (model jaościow) obietu x A mająca postać: ( n ) ( x) x w sensie F x F x,..., F x,...,f x F n ocena obietu X wsaźnia nr n (3.) F( X) { F( x) x X} obraz jaościow zbioru obietów X (3.) Model preferencji jaościowch (podstawa raningu) możem zdefiniować w postaci relacji preferencji {(,z) jest lepsz od z} (3.3) Jest to model preferencji zbudowan w przestrzeni B modeli jaościowch obietów (elementów) ze zbioru X. Funcję zdaniową ϕ(, z) jest lepsze od z można definiować na bardzo wiele sposobów [, 3]. a etapie ustalania modelu jaościowego F x obietów x X ważne jest, ab ({ }) F F x dla ażdego x X (3.) Gwarantuje to jednoznaczność raningu w zbiorze X, o ile wstępuje ona w zbiorze. W dalszej części prac rozważania związane z procedurami raningowmi będą ilustrowane pewnm przładem dotczącm raningu zbioru dwudziestu obietów. Jaość tch obietów jest oceniana wartościami dwóch cech. Poniższa tabela przedstawia zbiór tch obietów (ponumerowanch indesem,, 0) oraz odpowiadające im wartości liczbowe cech jaościowch. Tab.. Lista obietów podlegającch raningowi W przładzie przjęto założenie, że im więsze są wartości rozpatrwanch cech, tm wższa jest ogólna jaość obietu. Modelem jaościowm obietu nr będzie zatem element: (, ), K {,..., 0} (3.) Zbiorem modeli jaościowch rozpatrwanch obietów jest zbiór: { K } (3.) a rsunu dodatowo został za- znaczon element idealn, zdefiniowan następująco []: (3.) Element idealn odgrwa bardzo ważną rolę w wielu procedurach raningowch jao ta zwan obietwn punt odniesienia jaościowego [,, 9] s.. Zbiór obietów w procedurze raningowej oraz punt odniesienia

5 BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) a rsunu przedstawion został zbiór elementów podlegającch procedurze raningowania. aningi jaościowe zbioru mogą bć tworzone w oparciu o zależności (.) lub (.). O jednoznaczności (liniowości) raningów decdują głównie własności modelu preferencji. Może się jedna zdarzć, że przeciwobraz jednoznacznego raningu zbioru nie będzie jednoznaczn w zbiorze X (patrz (3.)). Oznaczać to będzie, że co najmniej dwa różne obiet mają identczn obraz w przestrzeni jaości (te same wartości wszstich cech uwzględnianch w procesie modelowania [3].. aning lesograficzn W procedurach tworzenia raningów bardzo ważną rolę odgrwają relacje porządu liniowego (zwrotne, antsmetrczne, przechodnie i spójne). Taą relacją preferencji jest relacja porządu lesograficznego. elacją preferencji lesograficznego raningowania nazwać będziem relację L zdefiniowaną następująco: L {(,z) istnieje i, że i > z i oraz z dla < i lub z} (.) Ten model preferencji odpowiada stuacji, gd znana jest jednie hierarchia ważności rteriów cząstowch (w tm przpadu zgodna z porządiem naturalnm rteriów). a rsunu 3 przedstawiono wnii działania algortmu raningowego (.) oraz stoże Λ( L ), tór generuje relację (.) w dla []. Zgodnie z zależnościami (.3) i (.) otrzmujem: L L () {} L {} L ( ) \ ( ) ( 0) { } L itd. L elacja L jest relacją liniowego porządu, stąd raning jest jednoznaczn. Otrzman raning ( L ) ma postać: ( L ) (,,, 3,,,,,, 9, 0,, 8,, 3, 8, 9,, 0,. Przładowo, element nr 8 poprzedza element o numerach: 9, 0,,, 8. Oznacza to, że element ten jest lepsz od tch elementów (formalnie jest też lepsz od samego siebie, gdż relacja jest zwrotna). ajlepszm elementem jest zatem element o numerze, potem itd., ) a najgorszm elementem jest element o numerze. Zaznaczono to na rsunu 3. s. 3. aning lesograficzn zbioru L jest identczn z raningiem L ponieważ L L dla zadań z relacją L []. aning ( ) ( ). aning paretowsi Paretowsa relacja jaości, będąca podstawą raningu paretowsiego, jest najczęściej stosowaną w pratce relacją preferencji [0]. elację paretowsą oznaczać będziem smbolem. elacja ta prowadzi do uzsania rozwiązań optmalnch w zadaniu wielorterialnej masmalizacji. {(,z) n zn dla ażdego n } (.) Analiz jaościowe w przpadu relacji co najmniej zwrotnch i przechodnich w procedurach raningowch wgodnie jest prowadzić, orzstając z pojęcia stoża Λ związanego z rozpatrwaną relacją. Związe Λ i jest następując [0]: Λ(L) {(,z) z { } + Λ } (.) Wgodnm pojęciem jest również tzw. funcja poprzedzania d :, zdefiniowana następująco: d z,z, (.3) { } Zależność (.3) możem też zapisać następująco: d( ) { } + Λ (.) a rsunu zaznaczono międz innmi d0 { 0} + Λ 0,, 8, 8, 0,, 9 { } 8

6 Andrzej Ameljańcz, Metoda podziału zbioru obietów na wielorterialne lastr jaościowe a rsunu przedstawion został raning paretowsi (podział zbioru na lastr Pareto) wniając z paretowsiej relacji preferencji jaości. s.. Podział zbioru na lastr Pareto Z uwagi na to, że zbiór elementów najmniejszch dla relacji najczęściej jest pust, tworząc raning zbioru sorzstam z zależności (.). Otrzmam więc: () {, 3, } ( ) \ ( ),,, Λ() ( ) { } ( ) { } 3 \, 3,, 9 \ 3 { },, 0, itd. \ U ( i) { 9}. i Ja widać, zastosowanie paretowsiej relacji preferencji nie prowadzi w tm przpadu do raningu jednoznacznego. Otrzmaliśm las (lastr) równoważności,,..., w więszości o liczności więszej od. ajwższ w raningu jest laster ( ), potem ( ), aż do. Do ocen jaościowej poszczególnch lastrów można worzstać dodatowe charatersti w postaci liczb raningowch lastrów oraz ich resów dolnch, tóre łatwo wznaczć (.8), (.9). Zachodzi prz tm: L L... L... (.) oraz (.) Gdb przjęte preferencje jaościowe uzupełnić o preferencje lesograficzne o liczności (w przpadu zbiorów więszej od ), można błob doonać ich cząstowch raningów wewnętrznch (patrz schemat na rsunu ). Dla lesografii naturalnej otrzmalibśm następujące raningi częściowe: L, 3, ( ) ( ) ( )( L ) (,,,) ( 3) ( 3)( L ) (,,9,3) (, 0,) L itd. oraz w onsewencji jednoznaczn, jaościow raning ońcow (od obietu najlepszego, tórm jest obiet o numerze do obietu najgorszego, tórm jest obiet numer 9): ( L ) (,, 3,,,,,,,, 9, 3,, 0,,, 8, 8, 0,, 9. Uzsane lastr o numerach od do tworzą natomiast podział zbioru na pewne warstw (ategorie) elementów równoważnch w sensie jaościowm. ajlepszm lastrem jest laster o numerze, a najgorszm laster numer.. Podsumowanie W prac przedstawiono ogólne podejście do problemati raningu elementów analizowanego zbioru. Jest to podejście znacznie bardziej ogólne niż podejście oparte włącznie na funcjach raningowch. Podstawą raningu może bć dowoln model preferencji. ajczęściej jest on przedstawion w postaci relacji. Suteczność procedur raningowej zależ oczwiście od własności relacji preferencji. Do definiowania relacji preferencji można użć również dowolnej funcji raningowej. Definiowanie preferencji raningowch w postaci relacji jest jedna postępowaniem o wiele bardziej obietwnm i pratcznm niż definiowanie funcji raningowej. W prac rozważono relacje preferencji tpu Pareto [, 0] oraz preferencje hierarchiczne. Ogólna procedura raningowa oparta na relacji preferencji oreśla podział zbioru na lastr jaościowe (ategorie), tworzące pewien ciąg raningow lastrów. Klastr te można opatrzć odpowiadającą im liczbą raningową świadczącą o ich jaości. Liczność lastrów zależ oczwiście od własności relacji preferencji i natur zbioru. W prac przedstawiono uniwersaln algortm raningow pozwalając otrzmać raning liniow niezależnie od własności podstawowej relacji preferencji. W algortmie tm worzstwana jest pomocniczo relacja lesograficzna w zaresie lastrów o liczności )

7 BIULET ISTTUTU SSTEMÓW IFOMATCZCH (03) więszej niż. Prata deczjna poazuje, że decdenci bardzo łatwo aceptują worzstwanie pomocniczej relacji lesograficznej w stuacji pojawiania się lastrów o liczności więszej niż. Podejście taie eliuje onieczność oreślania jaicholwie wag, cz też progów. Więszość stosowanch w pratce relacji raningowch to relacje quasi-porządu lub porządu. elacje te pozwalają tworzć bardzo interesujące raningi lastrów jaościowch. Znalazł one międz innmi zastosowanie w analizach scientometrcznch dotczącch wpłwu poszczególnch nauowców, źródeł bibliograficznch, insttucji nauowch cz też państw na rozwój naui w różnch dscplinach. Mogą bć też z powodzeniem worzstwane w wielu raningach dotczącch jaości ważnch obietów, w tm jaości wrobów na rnu.. Bibliografia [] A. Ameljańcz, Optmalizacja wielorterialna, WAT, Warszawa, 98. [] A. Ameljańcz, Optmalizacja wielorterialna w problemach sterowania i zarządzania, Ossolineum, Wrocław, 98. [3] A. Ameljańcz, Matematczne aspet modelowania pajęcznowego obietów, Biuletn Insttutu Sstemów Informatcznch, r, 9 (009). [] D. Boussou, T. Marchant, An axiomatic approach to noncompensator sorting methods in MCDM, I: The case of two categories, EJO (00). [] J.P. Brans, Ph. Vince, A preference raning organization method: The POMETHEE method, Management Science, Vol. 3, o. (98). [] H. asiowa, Wstęp do matemati współczesnej, PW, Warszawa, 00. [] T.L. Saat, an from comparisons and from ratings in the analtic hierarch/networprocesses, EJO (00). [8] F. Seo, M. Saawa, Multiple Criteria Decision Analsis in egional Planning: Concept, Methods and Applications, D. eidel Publishing Compan, Dordrecht, Boston, Lancaster, Too, 988. [9] P.L. u, G. Leitmann, Compromise solutions, doation structures and Saluwadze s solution, JOTA, Vol. 3 (9). [0] P.L. u, G. Leitmann, ondoated decision and cone convexit in dnamic multicriteria decision problems, JOTA, Vol. (9). The method of distribution of a set of objects into multi-criteria qualit clusters A. AMELJAŃCZK The paper presents a general procedure for creating qualit ranings of objects. aning procedure fixed set of elements b recurrent detering the extreme elements of the set on the basis of its preference relation. The result of the procedure is to divide the set into raning clusters (categories). The method splits the set of the clusters can be used in qualitative analsis of objects in man practical applications. Kewords: raning, preference relation, extreme elements, raning clusters, categories, ideal point, raning functions, linear raning.

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty

Wstęp do Sztucznej Inteligencji: Laboratorium Sterownik rozmyty Wstęp do Sztucznej Inteligencji: Laboratorium Sterowni rozmt Zbior rozmte pozwalają w sposób usstematzowan modelować pojęcia niepreczjne, jaimi ludzie posługują się na co dzień. Przładem może bć wrażenie

Bardziej szczegółowo

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy

Bardziej szczegółowo

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy

A i A j lub A j A i. Operator γ : 2 X 2 X jest ciągły gdy 3. Wyład 7: Inducja i reursja struturalna. Termy i podstawianie termów. Dla uninięcia nieporozumień notacyjnych wprowadzimy rozróżnienie między funcjami i operatorami. Operatorem γ w zbiorze X jest funcja

Bardziej szczegółowo

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu

Bardziej szczegółowo

ANALIZA WIELOKRYTERIALNA

ANALIZA WIELOKRYTERIALNA ANALIZA WIELOKRYTERIALNA Dział Badań Operacyjnych zajmujący się oceną możliwych wariantów (decyzji) w przypadu gdy występuje więcej niż jedno ryterium oceny D zbiór rozwiązań (decyzji) dopuszczalnych x

Bardziej szczegółowo

5. Relacja prawostronnie jednoznaczna (jednoznaczna, inaczej: jest funkcją), jeżeli

5. Relacja prawostronnie jednoznaczna (jednoznaczna, inaczej: jest funkcją), jeżeli ELJE EF. elacją w produkcie podzbiór n. n (relacją n-argumentową) zwam dowoln EF. elację zbioru. EF. elację zwam relacją międz elementami zbioru a elementami 2 zwam relacją w () zbiorze. EF. la dowolnej

Bardziej szczegółowo

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób:

Z funkcji zdaniowej x + 3 = 7 można otrzymać zdania w dwojaki sposób: Z funkcji zdaniowej + 3 = 7 można otrzmać zdania w dwojaki sposób: podstawiając w tej funkcji zdaniowej za stałe będące nazwami liczb np. 4 2 itp. poprzedzając tę funkcję zdaniową zwrotami: dla każdego

Bardziej szczegółowo

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:

Uwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy: Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Wektory. P. F. Góra. rok akademicki

Wektory. P. F. Góra. rok akademicki Wektor P. F. Góra rok akademicki 009-0 Wektor zwiazan. Wektorem zwiazanm nazwam parę punktów. Jeżeli parę tę stanowią punkt,, wektor przez nie utworzon oznaczm. Graficznie koniec wektora oznaczam strzałką.

Bardziej szczegółowo

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH

MODYFIKACJA KOSZTOWA ALGORYTMU JOHNSONA DO SZEREGOWANIA ZADAŃ BUDOWLANYCH MODYFICJ OSZTOW LGORYTMU JOHNSON DO SZEREGOWNI ZDŃ UDOWLNYCH Michał RZEMIŃSI, Paweł NOW a a Wydział Inżynierii Lądowej, Załad Inżynierii Producji i Zarządzania w udownictwie, ul. rmii Ludowej 6, -67 Warszawa

Bardziej szczegółowo

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca

SKRYPT Z MATEMATYKI. Wstęp do matematyki. Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego SKRYPT Z MATEMATYKI Wstęp do matematki Rafał Filipów Piotr Szuca Publikacja współfinansowana przez Unię Europejską

Bardziej szczegółowo

Całkowanie przez podstawianie i dwa zadania

Całkowanie przez podstawianie i dwa zadania Całkowanie przez podstawianie i dwa zadania Antoni Kościelski Funkcje dwóch zmiennch i podstawianie Dla funkcji dwóch zmiennch zachodzi następując wzór na całkowanie przez podstawianie: f(x(a, b), (a,

Bardziej szczegółowo

Grupowanie sekwencji czasowych

Grupowanie sekwencji czasowych BIULETYN INSTYTUTU AUTOMATYKI I ROBOTYKI NR 3, 006 Grupowanie sewencji czasowych Tomasz PAŁYS Załad Automatyi, Instytut Teleinformatyi i Automatyi WAT, ul. Kalisiego, 00-908 Warszawa STRESZCZENIE: W artyule

Bardziej szczegółowo

14. Grupy, pierścienie i ciała.

14. Grupy, pierścienie i ciała. 4. Grup, pierścienie i ciała. Definicja : Zbiór A nazwam grupą jeśli jest wposaŝon w działanie wewnętrzne łączne, jeśli to działanie posiada element neutraln i kaŝd element zbioru A posiada element odwrotn.

Bardziej szczegółowo

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 6 ozwiązwanie beek prostch i przegubowch wznaczanie reakcji i wkresów sił przekrojowch 6 Obciążenie beki mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe q rs. 6.. s. 6. rzed przstąpieniem

Bardziej szczegółowo

Równania różniczkowe

Równania różniczkowe Równania różniczkowe I rzędu Andrzej Musielak Równania różniczkowe Równania różniczkowe I rzędu Równanie różniczkowe pierwszego rzędu to równanie w którm pojawia się zmienna x, funkcja tej zmiennej oraz

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3

RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 RÓWNANIA RÓŻNICZKOWE WYKŁAD 3 Równania różniczkowe liniowe Metoda przewidwań Metoda przewidwań całkowania równania niejednorodnego ' p( x) opiera się na następującm twierdzeniu. Twierdzenie f ( x) Suma

Bardziej szczegółowo

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej 1. FUNKCJE WIELU ZMIENNYCH 1.1. FUNKCJE DWÓCH ZMIENNYCH Funkcją dwóch zmiennch określoną w zbiorze D R nazwam przporządkowanie każdej parze liczb () D dokładnie jednej liczb rzeczwistej z. Piszem prz tm

Bardziej szczegółowo

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki

Matematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi

Bardziej szczegółowo

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak

Metody numeryczne. Wykład nr 2. dr hab. Piotr Fronczak Metod numerczne Wład nr dr hab. Piotr Froncza Przbliżone rozwiązwanie równań nieliniowch Jedno równanie z jedną niewiadomą Szuam pierwiastów rzeczwistch równania =. zwle jest uncją nieliniową zatem orzstam

Bardziej szczegółowo

MODYFIKACJE ALGORYTMU UŚREDNIANIA WYKŁADNICZEGO DO USUWANIA ZAKŁÓCENIA ADDYTYWNEGO

MODYFIKACJE ALGORYTMU UŚREDNIANIA WYKŁADNICZEGO DO USUWANIA ZAKŁÓCENIA ADDYTYWNEGO POZA UIVE RSITY OF TE COLOGY ACADE MIC JOURALS o 80 Electrical Engineering 04 Grzegorz MIKOŁAJCZAK* Jaub PĘKSIŃSKI* Janusz KOWALSKI** MODYFIKACJE ALGORYTMU UŚREDIAIA WYKŁADICZEGO DO USUWAIA ZAKŁÓCEIA ADDYTYWEGO

Bardziej szczegółowo

Matematyka dyskretna. 1. Relacje

Matematyka dyskretna. 1. Relacje Matematyka dyskretna 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produktu kartezjańskiego X Y, którego elementami są pary uporządkowane (x, y), takie, że x X i y Y. Uwaga 1.1 Jeśli

Bardziej szczegółowo

Zasady budowania prognoz ekonometrycznych

Zasady budowania prognoz ekonometrycznych Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi

Bardziej szczegółowo

domykanie relacji, relacja równoważności, rozkłady zbiorów

domykanie relacji, relacja równoważności, rozkłady zbiorów 1 of 8 2012-03-28 17:45 Logika i teoria mnogości/wykład 5: Para uporządkowana iloczyn kartezjański relacje domykanie relacji relacja równoważności rozkłady zbiorów From Studia Informatyczne < Logika i

Bardziej szczegółowo

Pierwiastki kwadratowe z liczby zespolonej

Pierwiastki kwadratowe z liczby zespolonej Pierwiastki kwadratowe z liczb zespolonej Pierwiastkiem kwadratowm z liczb w C nazwam każdą liczbę zespoloną z C, dla której z = w. Zbiór wszstkich pierwiastków oznaczam smbolem w. Innmi słow w = {z C

Bardziej szczegółowo

Programowanie wielocelowe lub wielokryterialne

Programowanie wielocelowe lub wielokryterialne Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe.

Bardziej szczegółowo

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx 5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.

Bardziej szczegółowo

Relacje. 1 Iloczyn kartezjański. 2 Własności relacji

Relacje. 1 Iloczyn kartezjański. 2 Własności relacji Relacje 1 Iloczyn kartezjański W poniższych zadaniach litery a, b, c, d oznaczają elementy zbiorów, a litery A, B, C, D oznaczają zbiory. Przypomnijmy definicję pary uporządkowanej (w sensie Kuratowskiego):

Bardziej szczegółowo

Ćwiczenie 361 Badanie układu dwóch soczewek

Ćwiczenie 361 Badanie układu dwóch soczewek Nazwisko... Data... Wdział... Imię... Dzień tg.... Godzina... Ćwiczenie 36 Badanie układu dwóch soczewek Wznaczenie ogniskowch soczewek metodą Bessela Odległość przedmiotu od ekranu (60 cm 0 cm) l Soczewka

Bardziej szczegółowo

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =.

1 Zbiory. 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1 Zbiory 1.1 Kiedy {a} = {b, c}? (tzn. podać warunki na a, b i c) 1.2 Udowodnić, że A {A} A =. 1.3 Pokazać, że jeśli A, B oraz (A B) (B A) = C C, to A = B = C. 1.4 Niech {X t } będzie rodziną niepustych

Bardziej szczegółowo

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów. Wkład Test zgodności. Test zgodności służą do werikacji hipotez mówiącch, że a dstrbuanta rozkładu populacji ma określoną z gór postać unkcjną b dstrbuant rozkładów dwóch populacji nie różnią się w sposób

Bardziej szczegółowo

Scenariusz lekcji matematyki z wykorzystaniem komputera

Scenariusz lekcji matematyki z wykorzystaniem komputera Scenariusz lekcji matematki z wkorzstaniem komputera Temat: Wpłw współcznników a i b na położenie wkresu funkcji liniowej. (Rsowanie wkresów prz użciu arkusza kalkulacjnego EXCEL.) Czas zajęć: 9 min Cele:

Bardziej szczegółowo

Rozwiązywanie układu równań metodą przeciwnych współczynników

Rozwiązywanie układu równań metodą przeciwnych współczynników Rozwiązwanie układu równań metodą przeciwnch współcznników Sposob postępowania krok po kroku: I. przgotowanie równań. pozbwam się ułamków mnoŝąc kaŝd jednomian równania równań przez najmniejszą wspólną

Bardziej szczegółowo

Przenoszenie niepewności

Przenoszenie niepewności Przenoszenie niepewności Uwaga wstępna: pojęcia niepewność pomiarowa i błąd pomiarow są stosowane wmiennie. Załóżm, że wielkość jest funkcją wielkości,,, dla którch niepewności (,, ) są znane (wnikają

Bardziej szczegółowo

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH

ZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje wielu zmiennych Funkcje wielu zmiennch Wkres i warstwice funkcji wielu zmiennch. Przeglad powierzchni stopnia drugiego. Granice i ciagłość funkcji wielu zmiennch. Małgorzata Wrwas Katedra Matematki Wdział Informatki Politechnika

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /10

Matematyka dyskretna. Andrzej Łachwa, UJ, /10 Matematyka dyskretna Andrzej Łachwa, UJ, 2018 andrzej.lachwa@uj.edu.pl 10/10 Podziały i liczby Stirlinga Liczba Stirlinga dla cykli (często nazywana liczbą Stirlinga pierwszego rodzaju) to liczba permutacji

Bardziej szczegółowo

DEFINICJA. Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B.

DEFINICJA. Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B. RELACJE Relacje 1 DEFINICJA Definicja 1 Niech A i B będą zbiorami. Relacja R pomiędzy A i B jest podzbiorem iloczynu kartezjańskiego tych zbiorów, R A B. Relacje 2 Przykład 1 Wróćmy do przykładu rozważanego

Bardziej szczegółowo

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM

TEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia

Bardziej szczegółowo

Teoria ciała stałego Cz. I

Teoria ciała stałego Cz. I Teoria ciała stałego Cz. I 1. Elementy teorii grup Grupy symetrii def. Grupy Zbiór (skończony lub nieskończony) elementów {g} tworzy grupę gdy: - zdefiniowana operacja mnożenia (złożenia) g 1 g 2 = g 3

Bardziej szczegółowo

1 Działania na zbiorach

1 Działania na zbiorach M. Beśka, Wstęp do teorii miary, rozdz. 1 1 1 Działania na zbiorach W rozdziale tym przypomnimy podstawowe działania na zbiorach koncentrując się na własnościach tych działań, które będą przydatne w dalszej

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Inducja matematyczna Inducja jest taą metodą rozumowania, za pomocą tórej od tezy szczegółowej dochodzimy do tezy ogólnej. Przyład 1 (o zanurzaniu ciał w wodzie) 1. Kawałe żelaza, tóry zanurzyłem w wodzie,

Bardziej szczegółowo

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07)

Wykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07) Wyład 9 Fizya 1 (Informatya - EEIiA 006/07) 9 11 006 c Mariusz Krasińsi 006 Spis treści 1 Ruch drgający. Dlaczego właśnie harmoniczny? 1 Drgania harmoniczne proste 1.1 Zależność między wychyleniem, prędością

Bardziej szczegółowo

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel

Automatyka i Robotyka Analiza Wykład 14 dr Adam Ćmiel Własośi zbiorów otwarth i domięth Tw. a) Suma dowolej ilośi zbiorów otwarth jest zbiorem otwartm. b) Iloz sońzoej ilośi zbiorów otwarth jest zbiorem otwartm. Dow. a) Mam rodzię zbiorów otwarth: U A s {

Bardziej szczegółowo

Zadania do rozdziału 10.

Zadania do rozdziału 10. Zadania do rozdziału 0. Zad.0.. Jaką wsokość musi mieć pionowe zwierciadło ab osoba o wzroście.80 m mogła się w nim zobaczć cała. Załóżm, że ocz znajdują się 0 cm poniżej czubka głow. Ab prawidłowo rozwiązać

Bardziej szczegółowo

Zasada indukcji matematycznej

Zasada indukcji matematycznej Zasada indukcji matematycznej Twierdzenie 1 (Zasada indukcji matematycznej). Niech ϕ(n) będzie formą zdaniową zmiennej n N 0. Załóżmy, że istnieje n 0 N 0 takie, że 1. ϕ(n 0 ) jest zdaniem prawdziwym,.

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria Środowiska w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era inżniera

Bardziej szczegółowo

Ekstrema funkcji dwóch zmiennych

Ekstrema funkcji dwóch zmiennych Wkład z matematki inżnierskiej Ekstrema funkcji dwóch zmiennch JJ, IMiF UTP 18 JJ (JJ, IMiF UTP) EKSTREMA 18 1 / 47 Ekstrema lokalne DEFINICJA. Załóżm, że funkcja f (, ) jest określona w pewnm otoczeniu

Bardziej szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiał ddaktczne na zajęcia wrównawcze z matematki dla studentów pierwszego roku kierunku zamawianego Inżnieria i Gospodarka Wodna w ramach projektu Era inżniera pewna lokata na przszłość Projekt Era

Bardziej szczegółowo

Liczby zespolone. Niech C = R 2. Zdefiniujmy dwa działania w C. Dodawanie + : C 2 C zdefiniowane jest przez

Liczby zespolone. Niech C = R 2. Zdefiniujmy dwa działania w C. Dodawanie + : C 2 C zdefiniowane jest przez Liczb zespolone Ciało liczb zespolonch Niech C = R. Zdefiniujm dwa działania w C. Dodawanie + : C C zdefiniowane jest przez (, ) + (, ) = ( +, + ). Ćwiczenie. Obliczm (, ) + (, 0) =.................................................

Bardziej szczegółowo

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =

i = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) = Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie

Bardziej szczegółowo

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II 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 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ II Przedstawiono

Bardziej szczegółowo

Sterowanie rozmyte. mgr inż. Piotr Fiertek p. 544

Sterowanie rozmyte. mgr inż. Piotr Fiertek p. 544 Sterowanie rozmte mgr inż. Piotr iertek p. 544 Literatura do wkładu: D. Driankov H. Hellendoorn M. einfrank Wprowadzenie do sterowania ozmtego Wdawnictwo Naukowo-Techniczne Warszawa 996 Piegat A.: Modelowanie

Bardziej szczegółowo

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1

W. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1 W. uzicki Zadanie 0 z Informatora Maturalnego poziom rozszerzon Zadanie 0. an jest sześcian (zobacz rsunek), którego krawędź ma długość 5. unkt i dzielą krawędzie i w stosunku :, to znacz, że 0. łaszczzna

Bardziej szczegółowo

Algebra liniowa z geometrią analityczną

Algebra liniowa z geometrią analityczną WYKŁAD. Własności zbiorów liczbowych. Podzielność liczb całowitych, relacja przystawania modulo, twierdzenie chińsie o resztach. Liczby całowite Liczby 0,±,±,±3,... nazywamy liczbami całowitymi. Zbiór

Bardziej szczegółowo

Interpolacja. Układ. x exp. = y 1. = y 2. = y n

Interpolacja. Układ. x exp. = y 1. = y 2. = y n MES 07 lokaln Interpolacja. Układ Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami?

Bardziej szczegółowo

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych

Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacyjnego z zakresu przedmiotów matematyczno-przyrodniczych Klucz odpowiedzi i schemat punktowania do próbnego zestawu egzaminacjnego z zakresu przedmiotów matematczno-przrodniczch Z a d a n i a z a m k n i ę t e Numer zadania 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 0 3

Bardziej szczegółowo

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz

wtedy i tylko wtedy, gdy rozwiązanie i jest nie gorsze od j względem k-tego kryterium. 2) Macierz części wspólnej Utwórz macierz Temat: Programowanie wieloryterialne. Ujęcie dysretne.. Problem programowania wieloryterialnego. Z programowaniem wieloryterialnym mamy do czynienia, gdy w problemie decyzyjnym występuje więcej niż jedno

Bardziej szczegółowo

Wielokryterialna ocena banków komercyjnych notowanych na GPW w Warszawie Wielokryterialna ocena banków komercyjnych notowanych na GPW

Wielokryterialna ocena banków komercyjnych notowanych na GPW w Warszawie Wielokryterialna ocena banków komercyjnych notowanych na GPW Zarz¹dzanie i Finanse Journal of Management and Finance Vol. 13, No. 3/1/2015 Ewa Poœpiech* Adrianna Mastalerz-Kodzis** Ewa Poœpiech, Adrianna Mastalerz-Kodzis Wieloryterialna ocena banów omercyjnych notowanych

Bardziej szczegółowo

Przestrzenie liniowe w zadaniach

Przestrzenie liniowe w zadaniach Przestrzenie linioe zadaniach Zadanie 1. Cz ektor [3, 4, 4 jest kombinacja linioa ektoró [1, 1, 1, [1, 0, 1, [1, 3, 5 przestrzeni R 3? Roziazanie. Szukam x,, z R takich, że [3, 4, 4 x [1, 1, 1 + [1, 0,

Bardziej szczegółowo

Restauracja a poprawa jakości obrazów

Restauracja a poprawa jakości obrazów Restauracja obrazów Zadaniem metod restauracji obrazu jest taie jego przeształcenie aby zmniejszyć (usunąć) znieształcenia obrazu powstające przy jego rejestracji. Suteczność metod restauracji obrazu zależy

Bardziej szczegółowo

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I. 1. Wprowadzenie

OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I. 1. Wprowadzenie 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 2 2004 Anna DOBROWOLSKA* Jan MIKUŚ* OCENA JAKOŚCI PROCESU LOGISTYCZNEGO PRZEDSIĘBIORSTWA PRZEMYSŁOWEGO METODĄ UOGÓLNIONEGO PARAMETRU CZĘŚĆ I Przedstawiono

Bardziej szczegółowo

Pochodna funkcji wykład 5

Pochodna funkcji wykład 5 Pochodna funkcji wkład 5 dr Mariusz Grządziel 8 listopada 2010 Funkcja logistczna 40 Rozważm funkcję logistczną = f 0 (t) = 1+5e 0,5t Funkcja f może bć wkorzstana np. do modelowania wzrostu mas ziaren

Bardziej szczegółowo

Wykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji

Wykorzystanie metody DEA w przestrzenno-czasowej analizie efektywności inwestycji Wyorzystanie metody DEA w przestrzenno-czasowej analizie... 49 Nierówności Społeczne a Wzrost Gospodarczy, nr 39 (3/04) ISSN 898-5084 dr Bogdan Ludwicza Katedra Finansów Uniwersytet Rzeszowsi Wyorzystanie

Bardziej szczegółowo

4. Schematy blokowe; algebra schematów blokowych

4. Schematy blokowe; algebra schematów blokowych 57. Schemat bloowe; algebra chematów bloowch W ażdm złożonm ładzie atomati można wodrębnić wpółpracjące ze obą element protze, tórch właściwości ą znane i formłowane np. w potaci tranmitancji operatorowej.

Bardziej szczegółowo

IMIĘ NAZWISKO... grupa C... sala Egzamin ELiTM I

IMIĘ NAZWISKO... grupa C... sala Egzamin ELiTM I IMIĘ NAZWISKO............................ grupa C... sala 10... Egzamin ELiTM I 02.02.15 1. 2. 3. 4.. 1. (8 pkt.) Niech X a,b = {(x, y) R 2 : (x b) 2 + (y 1 b )2 a 2 } dla a, b R, a > 0, b 0. Wyznaczyć:

Bardziej szczegółowo

ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU

ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Agniesza Dziurzańsa ROZDZIAŁ 10 METODA KOMPONOWANIA ZESPOŁU 10.1. CZYNNIKI EFEKTYWNOŚCI SKŁADU ZESPOŁU Przeprowadzona analiza formacji, jaą jest zespół (zobacz rozdział 5), wyazała, że cechy tóre powstają

Bardziej szczegółowo

A. Cel ćwiczenia. B. Część teoretyczna

A. Cel ćwiczenia. B. Część teoretyczna A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów

Bardziej szczegółowo

Wielokryteriowa optymalizacja liniowa

Wielokryteriowa optymalizacja liniowa Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia

Bardziej szczegółowo

KOLOKWIUM Z ALGEBRY I R

KOLOKWIUM Z ALGEBRY I R Instrucje: Każde zadanie jest za 4 puntów. Rozwi azanie ażdego zadania musi znajdować siȩ na osobnej artce oraz być napisane starannie i czytelnie. W nag lówu ażdego rozwi azania musz a znajdować siȩ dane

Bardziej szczegółowo

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami?

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami? MES- 07 Interpolacja, wprowadzenie Interpolacja: po co nam to? Ptania MES polega na wznaczaniu interesującch nas parametrów w skończonej ilości punktów. A co leż pomiędz tmi punktami? Na razie rozpatrwaliśm

Bardziej szczegółowo

Programowanie wielocelowe lub wielokryterialne

Programowanie wielocelowe lub wielokryterialne Programowanie wielocelowe lub wieloryterialne Zadanie wielocelowe ma co najmniej dwie funcje celu nazywane celami cząstowymi. Cele cząstowe f numerujemy indesem = 1, 2, K. Programowanie wielocelowe ciągłe

Bardziej szczegółowo

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA ALGORYTM MRÓWKOWY (ANT SYSTEM) ALGORYTM MRÓWKOWY. Algorytm mrówkowy PLAN WYKŁADU Algorytm mrówowy OPTYMALIZACJA GLOBALNA Wyład 8 dr inż. Agniesza Bołtuć (ANT SYSTEM) Inspiracja: Zachowanie mrówe podczas poszuiwania żywności, Zachowanie to polega na tym, że jeśli do żywności

Bardziej szczegółowo

Koła rowerowe malują fraktale

Koła rowerowe malują fraktale Koła rowerowe malują fratale Mare Berezowsi Politechnia Śląsa Rozważmy urządzenie sładającego się z n ół o różnych rozmiarach, obracających się z różnymi prędościami. Na obręczy danego oła, obracającego

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne

XXX OLIMPIADA FIZYCZNA ETAP I Zadania teoretyczne XXX OLIPIADA FIZYCZNA TAP I Zadana teoretczne Nazwa zadana ZADANI T1 Na odstawe wsółczesnch badań wadomo że jądro atomowe może znajdować sę tlo w stanach o oreślonch energach odobne ja dobrze znan atom

Bardziej szczegółowo

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik

Podejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji

Bardziej szczegółowo

Komputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d

Komputerowa reprezentacja oraz prezentacja i graficzna edycja krzywoliniowych obiektów 3d Komputerowa reprezentacja oraz prezentacja i graficzna edycja rzywoliniowych obietów 3d Jan Prusaowsi 1), Ryszard Winiarczy 1,2), Krzysztof Sabe 2) 1) Politechnia Śląsa w Gliwicach, 2) Instytut Informatyi

Bardziej szczegółowo

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005]

PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstawy optymalizacji konstrukcji, Wyd. Politechniki Poznańskiej, 2005] PODSTAWOWE POJĘCIA OPTYMALIZACJI [M. Ostwald: Podstaw optmalizacji konstrukcji, Wd. Politechniki Poznańskiej, 2005] POW Problem optmalnego wboru PWOW Problem wielokrterialnego wboru OW Optmalizacja wielokrterialna

Bardziej szczegółowo

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5.

3.2. Podstawowe własności funkcji. Funkcje cyklometryczne, hiperboliczne. Definicję funkcji f o dziedzinie X i przeciwdziedzinie Y mamy w 3A5. WYKŁAD 7 3 Podstawowe własności unkcji Funkcje cklometrczne, hiperboliczne Deinicję unkcji o dziedzinie X i przeciwdziedzinie Y mam w 3A5 3A37 (Uwaga: dziedzina naturalna) Często się zdarza, że unkcja

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA

HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY OCENY BEZPIECZEŃSTWA Jace Sorupsi Hierarchiczny system Zarządzania ruchem lotniczym aspety oceny bezpieczeństwa, Logistya (ISSN 1231-5478) No 6, Instytut Logistyi i HIERARCHICZNY SYSTEM ZARZĄDZANIA RUCHEM LOTNICZYM - ASPEKTY

Bardziej szczegółowo

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 4-5

Rozwiązywanie belek prostych i przegubowych wyznaczanie reakcji i wykresów sił przekrojowych 4-5 ozwiązwanie beek prostch i przegubowch wznaczanie reakcji i wkresów sił przekrojowch - Obciążenie beki mogą stanowić sił skupione, moment skupione oraz obciążenia ciągłe q rs... s.. rzed przstąpieniem

Bardziej szczegółowo

Relacje. opracował Maciej Grzesiak. 17 października 2011

Relacje. opracował Maciej Grzesiak. 17 października 2011 Relacje opracował Maciej Grzesiak 17 października 2011 1 Podstawowe definicje Niech dany będzie zbiór X. X n oznacza n-tą potęgę kartezjańską zbioru X, tzn zbiór X X X = {(x 1, x 2,..., x n ) : x k X dla

Bardziej szczegółowo

Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych

Matematyka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowych Matematka II: Zadania przed 3. terminem S tu niektóre zadania z egzaminu z rozwi zaniami i troch dodatkowch. Znale¹ ekstrema lokalne funkcji f(, ) = ( 2 + 2 2 )e (2 + 2 ) Odp. Jedno minimum (w p. (, )),

Bardziej szczegółowo

9.9 Algorytmy przeglądu

9.9 Algorytmy przeglądu 14 9. PODSTAWOWE PROBLEMY JEDNOMASZYNOWE 9.9 Algorytmy przeglądu Metody przeglądu dla problemu 1 r j,q j C max były analizowane między innymi w pracach 25, 51, 129, 238. Jak dotychczas najbardziej elegancka

Bardziej szczegółowo

Polioptymalizacja powłok przeciwzużyciowych TiAlN i TiN nakładanych metodą PVD na narzędzia do obróbki drewna

Polioptymalizacja powłok przeciwzużyciowych TiAlN i TiN nakładanych metodą PVD na narzędzia do obróbki drewna PA vol. 57, nr 9/ Łukasz SZPARAGA, Jerz RATAJSI POLITECHNIA OSZALIŃSA Polioptmalizacja powłok przeciwzużciowch TiAlN i TiN nakładanch metodą PVD na narzędzia do obróbki drewna Mgr Łukasz SZPARAGA Asstent

Bardziej szczegółowo

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM Matematka Poziom rozszerzon Listopad W niniejszm schemacie oceniania zadań otwartch są prezentowane przkładowe poprawne odpowiedzi. W tego tpu ch

Bardziej szczegółowo

OPTYMALIZACJA LICZBY WARSTW DLA ALOKACJI NEYMANA

OPTYMALIZACJA LICZBY WARSTW DLA ALOKACJI NEYMANA Tomasz Bąk Uniwersytet Ekonomiczny w Katowicach OPTYMALIZACJA LICZBY WARSTW DLA ALOKACJI NEYMANA Wprowadzenie Losowanie warstwowe jest często wykorzystywaną w praktyce metodą doboru próby w przypadku estymacji

Bardziej szczegółowo

ELEMENTY TEORII ZBIORÓW ROZMYTYCH

ELEMENTY TEORII ZBIORÓW ROZMYTYCH ELEMENTY TEORII ZBIORÓW ROZMYTYCH OPRACOWAŁ: M. KWIESIELEWICZ POJĘCIA NIEPRECYZYJNE ODDZIAŁYWANIA CZŁOWIEK-OBIEKT TECHNICZNY OTOCZENIE (Hoang 990: człowieka na otoczenie, np.: ergonomiczna konstrukcja

Bardziej szczegółowo

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F; Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia

Bardziej szczegółowo

MATURA PRÓBNA 2 KLASA I LO

MATURA PRÓBNA 2 KLASA I LO IMIE I NAZWISKO MATURA PRÓBNA KLASA I LO CZAS PRACY: 90 MIN. SUMA PUNKTÓW: 60 ZADANIE (5 PKT) Znajdź wszstkie funkcje liniowe określone na zbiorze ;, którch zbiorem wartości jest przedział ; 0. ZADANIE

Bardziej szczegółowo

Logika klasyczna i rozmyta. Rozmyte złożenie relacji (ang. fuzzy composition) Złożenie relacji (ang. composition)

Logika klasyczna i rozmyta. Rozmyte złożenie relacji (ang. fuzzy composition) Złożenie relacji (ang. composition) Złożenie relacji ang. compoition) Niech X Y, Y Z. Ptanie: X Z? Cz można znaleźć taą relację, tóra wiąże te ame element z X, tóre zawiera z tmi ammi elementami z Z, tóre zawiera? Czli cz zuam X Z. Przład

Bardziej szczegółowo

Założenia prognostyczne WPF

Założenia prognostyczne WPF Załącznik nr 3 do Uchwał o Wieloletniej Prognozie Finansowej Założenia prognostczne WPF Wieloletnia Prognoza Finansowa opiera się na długoterminowej prognozie nadwżki operacjnej, która obrazują zdolność

Bardziej szczegółowo

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S.

- Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. 1 Zbiór potęgowy - Dla danego zbioru S zbiór wszystkich jego podzbiorów oznaczany symbolem 2 S. - Dowolny podzbiór R zbioru 2 S nazywa się rodziną zbiorów względem S. - Jeśli S jest n-elementowym zbiorem,

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi.

Grupy. Permutacje 1. (G2) istnieje element jednostkowy (lub neutralny), tzn. taki element e G, że dla dowolnego a G zachodzi. Grupy. Permutacje 1 1 Definicja grupy Niech G będzie zbiorem. Działaniem na zbiorze G nazywamy odwzorowanie (oznaczane, jak mnożenie, przez ) przyporządkowujące każdej parze uporządkowanej (a, b) G G element

Bardziej szczegółowo

Równania różniczkowe cząstkowe

Równania różniczkowe cząstkowe Równania różniczkowe cząstkowe Definicja: Równaniem różniczkowm cząstkowm nazwam takie równanie różniczkowe w którm wstępuje co najmniej jedna pochodna cząstkowa niewiadomej funkcji dwóch lub więcej zmiennch

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Podstawy rachunku prawdopodobieństwa (przypomnienie) . Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń

Bardziej szczegółowo

Matematyka Dyskretna - zagadnienia

Matematyka Dyskretna - zagadnienia Matematya Dysretna - zagadnienia dr hab. Szymon Żebersi opracował: Miołaj Pietre Semestr letni 206/207 - strona internetowa Zasada inducji matematycznej. Zbiory sończone, podstawowe tożsamości 2. Zasada

Bardziej szczegółowo

ź ż ć ć Ę ż ż ż ż ż ż ż ć ż ź Ę ć ż ż ż Ę ż ż ż ż ż ż ż ź ź ż ż ć ź ź ż ź ź ć ź ż ź ć ź ź ć ź Ę ź ż ź ż ć Ę ż ż ż ć ż ż ż ź ż ż ż ż ż ż ż ć ć ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ż ć ć ć ć ć ć Ę ż Ę ż ż

Bardziej szczegółowo