OPTIMALIZACE. (přehled metod)
|
|
- Hana Vacková
- před 5 lety
- Počet zobrazení:
Transkript
1 OPTIMALIZACE (přehled metod)
2 Typy optimalizačních úloh Optimalizace bez omezení Nederivační metody Derivační metody Optimalizace s omezeními Lineární programování Nelineární programování Globální optimalizace
3 Optimalizace bez omezení (unconstraint) Nederivační (ad hoc) metody Jednoduché metody Nelder-Meadova (simplexová) metoda Derivační metody První derivace Metoda největšího spádu + další spádové metody Druhá derivace Newton-Raphsonova metoda Quasi-Newtonova metoda
4 Jednoduché metody Nejstarší z optimalizačních metod. Některé nejsou podloženy matematickou teorií, ostatní mají velmi jednoduchý princip. Konkrétně: Systematické prohledávání Náhodnostní metoda Metoda alternujících proměnných
5 Jednoduché metody - systematické prohledávání Anglicky označována grid search. Princip: Rozdělí vícerozměrný prostor, nad kterým je funkce definována na části pomocí vícerozměrné mřížky. Vypočítá pro každou část funkční hodnoty. Projde všechny funkční hodnoty a nalezne nejmenší z nich. V některých implementacích této metody analogickým způsobem prohledá okolí minima, nalezeného v předchozím kroku atd.
6 Jednoduché metody - systematické prohledávání Zhodnocení: Výhody: Spolehlivá metoda. Dnes se využívá pro hledání globálních extrémů případně pro nalezení všech extrémů v určité oblasti. Nevýhody: Složitost θ(p 1.P P N ), kde P i je počet dílů mřížky pro i-tou proměnnou a N je rozměr prostoru, nad kterým je studovaná funkce definována.
7 Jednoduché metody - metoda alternujících proměnných Anglicky označována alternating variables method. Princip: V iteraci k (k = 1, 2,..., N*) se mění (je optimalizována) pouze proměnná x k, ostatní proměnné jsou ponechány. Poznámka: Proměnná x k je optimalizována např. tak, že jsou vypočítány hodnoty x k = x k +δx a x k = x k -δx, poté hodnoty f(x 1,..., x k,..., x N ) a f(x 1,..., x k,..., x N ), a pak je pro další iteraci za x k použito nejvhodnější z x k a x k. Po proběhnutí iterací 1... N, když jsou všechny hodnoty optimalizovány, se celý cyklus opakuje znovu (až do splnění podmínek minima). * N je dimenze prostoru, nad kterým je funkce definována.
8 Jednoduché metody - metoda alternujících proměnných II Zhodnocení: Výhody: Jednoduchá implementace. Rozumná složitost. Nevýhody: V některých případech je tato metoda velmi neefektivní. Postup optimalizace je v těchto případech charakterizován oscilačním průběhem. Navíc je znám problém, pro který metoda chybně konverguje k sedlovému bodu.
9 Jednoduché metody - metoda alternujících proměnných III
10 Nelder-Meadova metoda - obecně Nazývá se také simplexová metoda. Základní myšlenka: N-rozměrným prostorem se pohybuje jistý objekt ( améba ), který se může natahovat nebo zkracovat v různých směrech. Několik typů takových transformací má zajistit, aby se objekt posouval směrem do údolí a po dosažení dna údolí se plazil co nejkratší cestou k lokálnímu minimu.
11 Nelder-Meadova metoda - obecně II Simplex: V N-rozměrném prostoru je améba definována jako simplex s N+1 vrcholy s neprázdným obsahem, tj. jde o konvexní obal tvořený N+1 body. Příklady simplexů: R: R 2 : R 3 :
12 Nelder-Meadova metoda - transformace Reflexe: Bod p i, který má největší funkční hodnotu se přemístí (odzrcadlí) na druhou stranu simplexu, tj. k bodu p i se přičte dvojnásobek rozdílu mezi p i a průměrem p n j i j ostatních bodů ( ).
13 Nelder-Meadova metoda - transformace II Reflexe a prodloužení: Totéž jako v předchozím případě, až na to, že simplex je prodloužen v novém směru (tj. přičítá se více než dvojnásobek rozdílu mezi nejhorším bodem a průměrem ostatních).
14 Nelder-Meadova metoda - transformace III Kontrakce: Nejhorší bod se přiblíží k průměru ostatních. To je vhodné v případě, kdy má améba projít úzkým údolím.
15 Nelder-Meadova metoda - ukončení výpočtu Metoda končí, pokud: Není dosaženo výrazného snížení hodnoty studované funkce simplex se v některém cyklu prakticky nezmění
16 Nelder-Meadova metoda - zhodnocení Výhody: Jednoduchá implementace Rychlý výpočet 1 iterace Rychlá konvergence v oblastech daleko od minima Nevýhody: Pomalá konvergence v oblasteh poblíž minima Může nastat situace, že výpočet skončí v lokálním minimu
17 Nelder-Meadova metoda - příklad aplikace
18 OPTIMALIZACE BEZ OMEZENÍ Derivační metody: První derivace (metoda největšího spádu) Druhá derivace
19 Metody využívající první derivaci účelové funkce metoda největšího spádu, spádové metody
20 Metoda největšího spádu -obecně Anglicky označována steepest descent method. Princip: Vydat se směrem, ve kterém studovaná funkce nejrychleji klesá. Tedy ve směru - f(x), kde x je bod, ve kterém se výpočet právě nachází.
21 Metoda největšího spádu -obecně II Algoritmus: zvolíme výchozí bod x (0) k-tá iterace: bod x (k+1) vypočítáme z bodu x (k) pomocí vztahu: x (k+1) = x (k) - α.g (k), kde: -g (k) zjednodušený zápis - f(x (k) ), α určuje směr přesunu z bodu x (k) koeficient, popisující délku daného přesunu
22 Metoda největšího spádu - volba α v metodě největšího spádu Metoda největšího spádu volí pro každý krok stejnou hodnotu α. Konkrétně velmi malou hodnotu α. Poznámka: Hodnoty α musí být dostatečně, aby metoda konvergovala.
23 Metoda největšího spádu zhodnocení Výhody: Implementačně jednoduché Nízká prostorová složitost Nevýhody: Velmi pomalá konvergence (speciálně v oblastech malého spádu => nízkých hodnot gradientu). Chyby, způsobené zaokrouhlením. Mohou vést i k tomu, že se výpočet vůbec nedostane rozumně blízko k minimu. Ale při (ideální) přesné aritmetice metoda konverguje vždy k nějakému lokálnímu minimu.
24 Spádové metody - obecně Jsou založeny na stejném principu jako metoda největšího spádu: x (k+1) = x (k) + α.s (k), kde: s (k) je směr přesunu z bodu x (k), α nejčastěji jako směr volíme -g (k) koeficient, popisující délku daného přesunu Využívají sofistikovanější metody k určení koeficientu α. Hodnota koeficientu α je různá pro každou iteraci.
25 Spádové metody - obecně II Podmínka pro ideální hodnotu (α*) koeficientu α: funkce φ(α) = f(x(α)) má v α* minimum Poznámka: Jedná se o nejmenší hodnotu α, v níž má φ(α) minimum. Navíc samozřejmě platí α > 0. ξ f x 2 1,5 1 0,5 0 α* 0 0,5 1 1,5 2 Tuto podmínku nelze využít k volbě koeficientu α. Potřebujeme totiž určit hodnotu α pro danou iteraci v konečném a pokud možno velmi malém počtu kroků. α
26 Příklad Řešte minimum funkce 2x 2 + 2y 2 + 2xy 4x 6y Pomocí metody největšího spádu Funkce je daná analyticky Gradient g=(4x+2y-4; 4y+2x-6) Volím α = 0,25 Volím počáteční bod x 1 =(1;1)
27 Postup iterací: α
28 2 (2 x 2 +2 y 2 +2 x y-4 x-6 y) y x
29 ÚKOL: Vytvořte v MATLABu program pro výpočet minima libovolné dvourozměrné funkce metodou největšího spádu. Z praktického hlediska použijte numerickou aproximaci gradientu účelové funkce. Program otestujte na funkci: 1. 2x 2 + 2y 2 + 2xy 4x 6y (x-y 2 ) 2 + (1 x) 2 (Rosenbrock s function)
Numerické metody a programování. Lekce 8
Numerické metody a programování Lekce 8 Optimalizace hledáme bod x, ve kterém funkce jedné nebo více proměnných f x má minimum (maximum) maximalizace f x je totéž jako minimalizace f x Minimum funkce lokální:
VíceZákladní spádové metody
Základní spádové metody Petr Tichý 23. října 2013 1 Metody typu line search Problém Idea metod min f(x), f : x R Rn R. n Dána počáteční aproximace x 0. Iterační proces (krok k): (a) zvol směr d k, (b)
VíceÚvod do optimalizace Matematické metody pro ITS (11MAMY)
Úvod do optimalizace Matematické metody pro ITS (11MAMY) Jan Přikryl (volně dle M.T. Heathe) 10. přednáška 11MAMY úterý 22. března 2016 verze: 2016-04-01 16:10 Obsah Optimalizační problém 1 Definice 1
VíceHledání extrémů funkcí
Hledání extrémů funkcí Budeme se zabývat téměř výhradně hledáním minima. Přes nost nalezeného extrému Obecně není hledání extrému tak přesné jako řešení rovnic. Demonstrovat to můžeme na příkladu hledání
VíceNumerické metody 6. května FJFI ČVUT v Praze
Extrémy funkcí Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod 1D Více dimenzí Kombinatorika Lineární programování Programy 1 Úvod Úvod - Úloha Snažíme se najít extrém funkce, at už jedné
VíceNumerická matematika 1
Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................
VíceNewtonova metoda. 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné Newtonova metoda Michal Čihák 23. října 2012 Newtonova metoda (metoda tečen) využívá myšlenku, že tečna v daném bodě grafu funkce nejlépe aproximuje graf funkce
VíceÚvod do optimalizace, metody hladké optimalizace
Evropský sociální fond Investujeme do vaší budoucnosti Úvod do optimalizace, metody hladké optimalizace Matematika pro informatiky, FIT ČVUT Martin Holeňa, 13. týden LS 2010/2011 O čem to bude? Příklady
VícePrincip gradientních optimalizačních metod
Princip gradientních optimalizačních metod Tomáš Kroupa 20. května 2014 Tento studijní materiál je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Obsah Úkol a základní
VíceHledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012 Opakování rovnice přímky Úloha: Určete rovnici přímky procházející body A[a, f(a)] a B[b, f(b)], kde f je funkce spojitá
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 40 regula Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague regula 1 2 3 4 5 regula 6 7 8 2 / 40 2 / 40 regula Iterační pro nelineární e Bud f reálná funkce
VíceDRN: Kořeny funkce numericky
DRN: Kořeny funkce numericky Kořenem funkce f rozumíme libovolné číslo r splňující f(r) = 0. Fakt. Nechť f je funkce na intervalu a, b. Jestliže f(a) f(b) < 0 (tj. f(a) a f(b) mají opačná znaménka) a f
VíceNumerické metody a programování. Lekce 7
Numerické metody a programování Lekce 7 Řešení nelineárních rovnic hledáme řešení x problému f x = 0 strategie: odhad řešení iterační proces postupného zpřesňování řešení výpočet skončen pokud je splněno
VíceLineární klasifikátory
Lineární klasifikátory Lineární klasifikátory obsah: perceptronový algoritmus základní verze varianta perceptronového algoritmu přihrádkový algoritmus podpůrné vektorové stroje Lineární klasifikátor navrhnout
VíceNumerické metody optimalizace - úvod
Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu
VíceOptimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém
Obsah přednášky Mgr. Květuše Sýkorová Optimalizace Lineární programování Distribuční úlohy Okružní problém KI Př UJEP Ústí nad Labem Nederivační metody Metody 1D optimalizace Derivační metody Optimalizace
Více3. Přednáška: Line search
Úloha: 3. Přednáška: Line search min f(x), x R n kde x R n, n 1 a f : R n R je dvakrát spojitě diferencovatelná. Iterační algoritmy: Začínám v x 0 a vytvářím posloupnost iterací {x k } k=0, tak, aby minimum
VíceKlasifikace a rozpoznávání. Lineární klasifikátory
Klasifikace a rozpoznávání Lineární klasifikátory Opakování - Skalární součin x = x1 x 2 w = w T x = w 1 w 2 x 1 x 2 w1 w 2 = w 1 x 1 + w 2 x 2 x. w w T x w Lineární klasifikátor y(x) = w T x + w 0 Vyber
VíceNelineární optimalizace a numerické metody (MI NON)
Nelineární optimalizace a numerické metody (MI NON) Magisterský program: Informatika Obor: Teoretická informatika Katedra: 18101 Katedra teoretické informatiky Jaroslav Kruis Evropský sociální fond Praha
VícePrincip řešení soustavy rovnic
Princip řešení soustavy rovnic Tomáš Kroupa 20. května 2014 Tento studijní materiál je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Obsah Formulace úlohy Metody řešení
VíceOPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS
OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb Anotace: Optimalizace objektů pozemních staveb
VíceTrénování sítě pomocí učení s učitelem
Trénování sítě pomocí učení s učitelem! předpokládá se, že máme k dispozici trénovací množinu, tj. množinu P dvojic [vstup x p, požadovaný výstup u p ]! chceme nastavit váhy a prahy sítě tak, aby výstup
VíceHledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012 Problém hledání kořenů rovnice f(x) = 0 jeden ze základních problémů numerické matematiky zároveň i jeden
VíceÚPRAVA METODY FLEXIBILNÍHO SIMPLEXU PRO ŘEŠENÍ PROBLÉMŮ GLOBÁLNÍ OPTIMALIZACE Miroslav Provazník
UNIVERZITA PARDUBICE Fakulta elektrotechniky a informatiky ÚPRAVA METODY FLEXIBILNÍHO SIMPLEXU PRO ŘEŠENÍ PROBLÉMŮ GLOBÁLNÍ OPTIMALIZACE Miroslav Provazník Bakalářská práce 2016 Prohlášení Prohlašuji:
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
Více1 Funkce dvou a tří proměnných
1 Funkce dvou a tří proměnných 1.1 Pojem funkce více proměnných Definice Funkce dvou proměnných je předpis, který každému bodu z R 2 (tj. z roviny) přiřazuje jediné reálné číslo. z = f(x, y), D(f) R 2
Více10 Funkce více proměnných
M. Rokyta, MFF UK: Aplikovaná matematika II kap. 10: Funkce více proměnných 16 10 Funkce více proměnných 10.1 Základní pojmy Definice. Eukleidovskou vzdáleností bodů x = (x 1,...,x n ), y = (y 1,...,y
VíceNumerické řešení variačních úloh v Excelu
Numerické řešení variačních úloh v Excelu Miroslav Hanzelka, Lenka Stará, Dominik Tělupil Gymnázium Česká Lípa, Gymnázium Jírovcova 8, Gymnázium Brno MirdaHanzelka@seznam.cz, lenka.stara1@seznam.cz, dtelupil@gmail.com
VíceNelineární rovnice. Numerické metody 6. května FJFI ČVUT v Praze
Nelineární rovnice Numerické metody 6. května 2018 FJFI ČVUT v Praze 1 Úvod Úvod Ohraničení kořene Hledání kořene Soustava Programy 1 Úvod Úvod - Úloha Hledáme bod x, ve kterém je splněno pro zadanou funkci
VíceDůvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo
0.1 Numerická matematika 1 0.1 Numerická matematika Důvodů proč se zabývat numerickou matematikou je více. Ze základní školy si odnášíme znalost, že číslo π. = 22/7 s dovětkem, že to pro praxi stačí. Položme
VíceNalezněte hladiny následujících funkcí. Pro které hodnoty C R jsou hladiny neprázdné
. Definiční obor a hladiny funkce více proměnných Nalezněte a graficky znázorněte definiční obor D funkce f = f(x, y), kde a) f(x, y) = x y, b) f(x, y) = log(xy + ), c) f(x, y) = xy, d) f(x, y) = log(x
VíceMarkov Chain Monte Carlo. Jan Kracík.
Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),
VíceKapitola 4: Průběh funkce 1/11
Kapitola 4: Průběh funkce 1/11 Funkce monotonní 2/11 Věta: Necht je f spojitá a má derivaci na intervalu I. Potom platí (i) Je-li f (x) > 0 na I, je f rostoucí na I. (ii) Je-li f (x) 0 na I, je f neklesající
VíceREGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB
62 REGRESNÍ ANALÝZA V PROSTŘEDÍ MATLAB BEZOUŠKA VLADISLAV Abstrakt: Text se zabývá jednoduchým řešením metody nejmenších čtverců v prostředí Matlab pro obecné víceparametrové aproximační funkce. Celý postup
VíceDiferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)
2. Diferenciál funkce, tečná rovina. Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci) df(a, h) = x (a)h + (a)h 2, h = (h, h
VíceProhledávání do šířky = algoritmus vlny
Prohledávání do šířky = algoritmus vlny - souběžně zkoušet všechny možné varianty pokračování výpočtu, dokud nenajdeme řešení úlohy průchod stromem všech možných cest výpočtu do šířky, po vrstvách (v každé
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc. INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz IV. LINEÁRNÍ KLASIFIKACE PRINCIPY KLASIFIKACE pomocí diskriminačních funkcí funkcí,
Vícee-mail: RadkaZahradnikova@seznam.cz 1. července 2010
Optimální výrobní program Radka Zahradníková e-mail: RadkaZahradnikova@seznam.cz 1. července 2010 Obsah 1 Lineární programování 2 Simplexová metoda 3 Grafická metoda 4 Optimální výrobní program Řešení
Více= 2x + y, = 2y + x 3. 2x + y = 0, x + 2y = 3,
V. Lokální extrémy. Příklad 1: Určete lokální extrémy zadané funkce. 1. f(x, y) = x 2 + y 2 + xy 3y 2. Definičním oborem funkce je množina Df = R 2 a funkce f má spojité parciální = 2x + y, = 2y + x 3.
VíceKapitola 4: Průběh funkce 1/11
Kapitola 4: Průběh funkce 1/11 Funkce monotonní 2/11 Věta: Necht je f spojitá a má derivaci na intervalu I. Potom platí (i) Je-li f (x) > 0 na I, je f rostoucí na I. (ii) Je-li f (x) 0 na I, je f neklesající
VíceDefinice globální minimum (absolutní minimum) v bodě A D f, jestliže X D f
Výklad Globální extrémy mají stejný význam jako u funkcí jedné proměnné. Hledáme je bud na celém definičním oboru dané funkce, nebo na předem zadané podmnožině definičního oboru. Definice 6..1. Řekneme,
VíceCo je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
VíceNumerické řešení nelineárních rovnic
Numerické řešení nelineárních rovnic Mirko Navara http://cmp.felk.cvut.cz/ navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 104a http://math.feld.cvut.cz/nemecek/nummet.html
VíceMETODA PŮLENÍ INTERVALU (METODA BISEKCE) METODA PROSTÉ ITERACE NEWTONOVA METODA
2-3. Metoda bisekce, met. prosté iterace, Newtonova metoda pro řešení f(x) = 0. Kateřina Konečná/ 1 ITERAČNÍ METODY ŘEŠENÍ NELINEÁRNÍCH ROVNIC - řešení nelineární rovnice f(x) = 0, - separace kořenů =
VíceStátnicová otázka 6, okruh 1
Státnicová otázka 6, okruh 1 Vojtěch Franc, xfrancv@electra.felk.cvut.cz 7. února 2000 1 Zadání Statické optimalizace. Lineární a nelineární programování. Optimální řízení a rozhodování v dynamických systémech,
Více4EK213 Lineární modely. 10. Celočíselné programování
4EK213 Lineární modely 10. Celočíselné programování 10.1 Matematický model úlohy ILP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a
VíceGlobální matice konstrukce
Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{
VíceSoustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda.
Úvod Soustavy nelineárních rovnic pomocí systému Maple. Newtonova metoda. Mnoho technických problémů vede na řešení matematických úloh, které se následně převedou na úlohy řešení soustav nelineárních rovnic
VíceIterační metody řešení soustav lineárních rovnic. 27. prosince 2011
Iterační metody řešení soustav lineárních rovnic Michal Čihák 27. prosince 2011 Přímé metody řešení soustav lineárních rovnic V přednáškách z lineární algebry jste se seznámili s několika metodami řešení
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
VíceČebyševovy aproximace
Čebyševovy aproximace Čebyševova aproximace je tzv hledání nejlepší stejnoměrné aproximace funkce v daném intervalu Hledáme funkci h x, která v intervalu a,b minimalizuje maximální absolutní hodnotu rozdílu
VíceTypy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)
Typy příkladů na písemnou část zkoušky NU a vzorová řešení (doc. Martišek 07). Vhodnou iterační metodou (tj. metodou se zaručenou konvergencí) řešte soustavu: x +x +4x 3 = 3.5 x 3x +x 3 =.5 x +x +x 3 =.5
VíceRozvoj tepla v betonových konstrukcích
Úvod do problematiky K novinkám v požární odolnosti nosných konstrukcí Praha, 11. září 2012 Ing. Radek Štefan prof. Ing. Jaroslav Procházka, CSc. Znalost rozložení teploty v betonové konstrukci nebo její
VíceKapitola 5. SLAR - gradientní metody
23.3.2o7 Kapitola 5. SLAR - gradientní metody Metody na řešení SLAR přímé (GEM, metoda LU-rozkladu) iterační (Jacobiova m., Gauss-Seidelova m., metoda SOR) gradientní X X Motivace Uvažujme kvadratickou
VíceITERAČNÍ METODY OPTIMALIZACE. Bc. Martin Kočica
ITERAČNÍ METODY OPTIMALIZACE Bc. Martin Kočica Diplomová práce 006 ***nascannované zadání s. *** ***nascannované zadání s. *** ABSTRAKT Abstrakt česky Práce je příspěvkem k pedagogickému působení v rámci
VíceInterpolace Uvažujme třídu funkcí jedné proměnné ψ(x; a 0,..., a n ), kde a 0,..., a n jsou parametry, které popisují jednotlivé funkce této třídy. Mějme dány body x 0, x 1,..., x n, x i x k, i, k = 0,
VíceANALÝZA A KLASIFIKACE BIOMEDICÍNSKÝCH DAT. Institut biostatistiky a analýz
ANALÝZA A KLASIFIKACE BIOMEDICÍNSKÝCH DAT prof. Ing. Jiří Holčík,, CSc. NEURONOVÉ SÍTĚ otázky a odpovědi 1 AKD_predn4, slide 8: Hodnota výstupu závisí na znaménku funkce net i, tedy na tom, zda bude suma
VíceAproximace funkcí. x je systém m 1 jednoduchých, LN a dostatečně hladkých funkcí. x c m. g 1. g m. a 1. x a 2. x 2 a k. x k b 1. x b 2.
Aproximace funkcí Aproximace je výpočet funkčních hodnot funkce z nějaké třídy funkcí, která je v určitém smyslu nejbližší funkci nebo datům, která chceme aproximovat. Třída funkcí, ze které volíme aproximace
VíceMultirobotická kooperativní inspekce
Multirobotická kooperativní inspekce prostředí Diplomová práce Multirobotická kooperativní inspekce prostředí Diplomová práce Intelligent and Mobile Robotics Group Laboratory for Intelligent Decision Making
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 3. přednáška SIMPLEXOVÁ METODA I. OSNOVA PŘEDNÁŠKY Standardní tvar MM Základní věta LP Princip simplexové metody Výchozí řešení SM Zlepšení řešení
VícePrůvodce studiem. do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
6. Extrémy funkcí více proměnných Průvodce studiem Hledání extrémů je v praxi často řešená úloha. Např. při cestě z bodu A do bodu B se snažíme najít nejkratší cestu. Ve firmách je snaha minimalizovat
VíceJak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
VíceVlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou
1 Vlastní (charakteristická) čísla a vlastní (charakteristické) vektory matice Pro zadanou čtvercovou matici A budeme řešit maticovou rovnici A x = λ x, kde x je neznámá matice o jednom sloupci (sloupcový
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
VíceGlobální extrémy. c ÚM FSI VUT v Brně. 10. ledna 2008
10. ledna 2008 Příklad. Určete globální extrémy funkce f(x, y) = x 2 + 2xy + 2y 2 3x 5y na množině M. Množina M je trojúhelník určený body A[0, 2], B[3, 0], C[0, 1]. Protože množina M je kompaktní (uzavřená,
VíceKapitola 10: Diferenciální rovnice 1/14
Kapitola 10: Diferenciální rovnice 1/14 Co je to diferenciální rovnice? Definice: Diferenciální rovnice je vztah mezi hledanou funkcí y(x), jejími derivacemi y (x), y (x), y (x),... a nezávisle proměnnou
VíceMATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze
Fakulta strojního inženýrství Univerzity J. E. Purkyně v Ústí nad Labem Pasteurova 7 Tel.: 475 285 511 400 96 Ústí nad Labem Fax: 475 285 566 Internet: www.ujep.cz E-mail: kontakt@ujep.cz MATEMATIKA III
VícePopis zobrazení pomocí fuzzy logiky
Popis zobrazení pomocí fuzzy logiky diplomová práce Ján Fröhlich KM, FJFI, ČVUT 23. dubna 2009 Ján Fröhlich ( KM, FJFI, ČVUT ) Popis zobrazení pomocí fuzzy logiky 23. dubna 2009 1 / 25 Obsah 1 Úvod Základy
VíceFaster Gradient Descent Methods
Faster Gradient Descent Methods Rychlejší gradientní spádové metody Ing. Lukáš Pospíšil, Ing. Martin Menšík Katedra aplikované matematiky, VŠB - Technická univerzita Ostrava 24.1.2012 Ing. Lukáš Pospíšil,
VíceNumerické řešení diferenciálních rovnic
Numerické řešení diferenciálních rovnic Omezení: obyčejné (nikoli parciální) diferenciální rovnice, Cauchyho počáteční úloha, pouze jedna diferenciální rovnice 1. řádu 1/1 Numerické řešení diferenciálních
VíceNumerická stabilita algoritmů
Numerická stabilita algoritmů Petr Tichý 9. října 2013 1 Numerická stabilita algoritmů Pravidla v konečné aritmetice Pro počítání v konečné aritmetice počítače platí určitá pravidla, která jsou důležitá
VíceFIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
FIT ČVUT MI-LOM Lineární optimalizace a metody Dualita Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Michal Černý, 2011 FIT ČVUT, MI-LOM, M. Černý, 2011: Dualita 2/5 Dualita Evropský
VíceZáklady algoritmizace
Základy algoritmizace Matematické algoritmy (11MAG) Jan Přikryl 1. přednáška 11MAG pondělí 5. října 2014 verze: 2014-11-10 10:35 Obsah 1 Algoritmy a algoritmizace 1 1.1 Vlastnosti algoritmů..................................
VíceStátní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky
VíceMATEMATIKA II - vybrané úlohy ze zkoušek (2015)
MATEMATIKA II - vybrané úlohy ze zkoušek (2015) doplněné o další úlohy 24. 2. 2015 Nalezené nesrovnalosti ve výsledcích nebo připomínky k tomuto souboru sdělte laskavě F. Mrázovi (e-mail: Frantisek.Mraz@fs.cvut.cz
VíceAlgoritmy pro spojitou optimalizaci
Algoritmy pro spojitou optimalizaci Vladimír Bičík Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze 10.6.2010 Vladimír Bičík (ČVUT Praha) Algoritmy pro spojitou optimalizaci
VíceODR metody Runge-Kutta
ODR metody Runge-Kutta Teorie (velmi stručný výběr z přednášek) Úloha s počátečními podmínkami (Cauchyova) 1 řádu Hledáme aprox řešení Y(x) soustavy obyčejných diferenciálních rovnic 1 řádu kde Y(x) =
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
VíceOPTIMALIZAČNÍ ÚLOHY. Modelový příklad problém obchodního cestujícího:
OPTIMALIZAČNÍ ÚLOHY Problém optimalizace v různých oblastech: - minimalizace času, materiálu, - maximalizace výkonu, zisku, - optimalizace umístění komponent, propojení,... Modelový příklad problém obchodního
Více13. Lineární programování
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
VíceOdhad stavu matematického modelu křižovatek
Odhad stavu matematického modelu křižovatek Miroslav Šimandl, Miroslav Flídr a Jindřich Duník Katedra kybernetiky & Výzkumné centrum Data-Algoritmy-Rozhodování Fakulta aplikovaných věd Západočeská univerzita
Vícefakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VícePříklad 1/23. Pro rostoucí spojité fukce f(x), g(x) platí f(x) Ω(g(x)). Z toho plyne, že: a) f(x) Ο(g(x)) b) f(x) Θ(g(x)) d) g(x) Ω(f(x))
Příklad 1/23 Pro rostoucí spojité fukce f(x), g(x) platí f(x) Ω(g(x)). Z toho plyne, že: a) f(x) Ο(g(x)) b) f(x) Θ(g(x)) c) g(x) Θ(f(x)) d) g(x) Ω(f(x)) e) g(x) Ο(f(x)) 1 Příklad 2/23 Pro rostoucí spojité
VíceOptimalizace úvěrových nabídek. EmbedIT 7.11.2013 Tomáš Hanžl
Optimalizace úvěrových nabídek EmbedIT 7.11.2013 Tomáš Hanžl Obsah Spotřebitelský úvěr Popis produktu Produktová definice v HC Kalkulace úvěru Úloha nalezení optimálního produktu Shrnutí Spotřebitelský
VíceSOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC
SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC Pojmy: Algebraická rovnice... rovnice obsahující pouze celé nezáporné mocniny neznámé x, tj. a n x n + a n 1 x n 1 +... + a x + a 1 x + a 0 = 0, kde n je přirozené
VíceOptimalizace. Numerické metody. Ústav matematiky. 23. ledna 2006
Numerické metody Doc. RNDr. Libor Čermák, CSc. RNDr. Rudolf Hlavička, CSc. Ústav matematiky Fakulta strojního inženýrství Vysoké učení technické v Brně 23. ledna 2006 Obsah Optimalizace Úvod 6 Optimalizace
VícePLOCHA POTENCIÁLNÍ ENERGIE
PLOCHA POTENCIÁLNÍ ENERGIE Zero point energy - Energie nulového bodu Molekula o určitou část své energie nikdy nemůže přijít Tzv. Zbytková energie (ZPE) vnitřní energie molekuly, která je přítomna vždy
Více9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1
9 přednáška 6 listopadu 007 Věta 11 Nechť f C U, kde U R m je otevřená množina, a a U je bod Pokud fa 0, nemá f v a ani neostrý lokální extrém Pokud fa = 0 a H f a je pozitivně negativně definitní, potom
VíceNumerické řešení rovnice f(x) = 0
Numerické řešení rovnice f(x) = 0 Přemysl Vihan 9.10.2003 Katedra fyziky, Pedagogická fakulta Univerzity J.E. Purkyně v Ústí n.l. 2. ročník, PMVT-mag. Abstrakt Seminární práce se zabývá numerickým řešením
VíceZakládání ve Scia Engineer
Apollo Bridge Apollo Bridge Architect: Ing. Architect: Miroslav Ing. Maťaščík Miroslav Maťaščík - Alfa 04 a.s., - Alfa Bratislava 04 a.s., Bratislava Design: DOPRAVOPROJEKT Design: Dopravoprojekt a.s.,
VíceAlgoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
VícePokročilé metody učení neuronových sítí. Tomáš Řehořek tomas.rehorek@fit.cvut.cz
Pokročilé metody učení neuronových sítí Tomáš Řehořek tomas.rehorek@fit.cvut.cz Problém učení neuronové sítě (1) Nechť N = (V, I, O, S, w, f, h) je dopředná neuronová síť, kde: V je množina neuronů I V
VíceZada ní 1. Semina rní pra ce z pr edme tu Matematický software (KI/MSW)
Zada ní. Semina rní pra ce z pr edme tu Matematický software (KI/MSW) Datum zadání: 5.. 06 Podmínky vypracování: - Seminární práce se skládá z programové části (kódy v Matlabu) a textové části (protokol
VíceLDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
Více- funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte. V obou případech vyzkoušejte Taylorovy řady
Vzorové řešení domácího úkolu na 6. 1. 1. Integrály 1 1 x2 dx, ex2 dx spočítejte přibližně následují metodou - funkce, které integrujete aproximujte jejich Taylorovými řadami a ty následně zintegrujte.
VíceMatematika I (KX001) Užití derivace v geometrii, ve fyzice 3. října f (x 0 ) (x x 0) Je-li f (x 0 ) = 0, tečna: x = 3, normála: y = 0
Rovnice tečny a normály Geometrický význam derivace funkce f(x) v bodě x 0 : f (x 0 ) = k t k t je směrnice tečny v bodě [x 0, y 0 = f(x 0 )] Tečna je přímka t : y = k t x + q, tj y = f (x 0 ) x + q; pokud
VíceMATLAB a numerické metody
MATLAB a numerické metod MATLAB je velmi vhodný nástroj pro numerické výpočt mnoho problémů je již vřešeno (knihovní funkce nebo Toolbo), jiné si můžeme naprogramovat sami. Budeme se zabývat některými
VíceMatematika pro informatiky
(FIT ČVUT v Praze) Konvexní analýza 13.týden 1 / 1 Matematika pro informatiky Jaroslav Milota Fakulta informačních technologíı České vysoké učení technické v Praze Letní semestr 2010/11 Extrémy funkce
VíceDijkstrův algoritmus
Dijkstrův algoritmus Hledání nejkratší cesty v nezáporně hranově ohodnoceném grafu Necht je dán orientovaný graf G = (V, H) a funkce, která každé hraně h = (u, v) H přiřadí nezáporné reálné číslo označované
VíceDatové struktury 2: Rozptylovací tabulky
Datové struktury 2: Rozptylovací tabulky prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy
Více