Vícekriteriální hodnocení variant úvod
|
|
- Miroslava Machová
- před 7 lety
- Počet zobrazení:
Transkript
1 Vícekriteriální hodnocení variant úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010
2 Vícekriteriální hodnocení variant (VHV) VHV je kapitola z vícekriteriální optimalizace. Vícerkriteriální optimalizace metody, pomocí nichž hledáme optimální volbu z hlediska více kritérií při daných omezeních mluvíme o kompromisní variantě. VHV máme předem dán výčet všech možných (přípustných) variant. A jsme schopni vytvořit rozhodovací matici R, v níž řádky jsou tvořeny variantami a sloupce jednotlivými kritérii. Hodnota prvku r ij udává ohodnocení i. varianty podle j. kritéria.
3 Příklad VHV Uvažujeme o koupi stanu. Vybrali jsme si tedy čtyři typy stanů, které se nám líbili a o těch jsme si zjistili následující údaje: Produkt váha V. sloupec Experta cena Typ 1 2,4 kg 1200mm Kč Typ 2 2,5 kg 1600mm Kč Typ 3 2,7 kg 1500mm Kč Typ 4 3,5 kg 400mm Kč Typ 5 3 kg 1000mm Kč Na základě této tabulky tedy sestavíme následující kriteriální matici.
4 Kriteriální matice R = 2, , , , (1) Tato kriteriální matice má pět řádků a pět sloupců (obecně se samozřejmě počet sloupců a počet řádků liší počet řádků udává počet hodnocených variant, počet sloupců počet hodnotících kritérií). Prvek r ij nám vždy udává ohodnocení i. stanu podle j. kritéria.
5 Existence kompromisního řešení Existence přípustného řešení Stejně jako v případě jakékoliv optimalizace, zde je první otázkou, zda existuje tzv. přípustné řešení. Přípustné řešení je takové, které splňuje zadané podmínky. Poněvadž u VHV ve většině případů rovnou dostáváme (neprázdný) seznam přípustných variant, tyto varianty jsou přípustným řešením. Existence kompromisního řešení Existuje-li přípustné řešení, potom již existuje kompromisního řešení VHV.
6 Neexistuje jedno jediné správné řešení Narozdíl od většiny ostatních matematických metod používaných v ekonomii, v této problematice (až na výjimky) neexistuje jednoznačné řešení. Jednoznačné řešení v tom slova smyslu, že neexistuje jediná varianta, která je nejlepší. Výsledek volba kompromisní varianty je zde velmi ovlivněna například volbou metody, volbou případného normování a volbou vah.
7 Základní vlastnosti řešení vícekriteriální optimalizace Přesto, že obecně neexistuje jednoznačné řešení VHV a použití různých metod a různých vah může vést k různým výsledkům, přesto není každá přípustná varianta možným výsledkem. Aby námi zvolená metoda poskytovala správné výsledky klademe na používané metody následující požadavky.
8 Základní vlastnosti řešení vícekriteriální optimalizace Nedominovanost Výsledná varianta musí být nedominovaná. Řekneme, že varianta A je dominovaná (variantou B), pokud k ní existuje nějaká jiná varianta B, která je ve všech kriteriích lepší nebo stejná než varianta A a v alespoň jednom kritériu je varianta A lepší naž varianta B. Varianta A je nedominovaná, pokud neexistuje varianta, která by ji dominovala, tedy varianta A není dominovaná žádnou jinou variantou.
9 Základní vlastnosti řešení vícekriteriální optimalizace Poznámka Z popsaného je zřejmé, že nelze nikdy zvolit dominovanou variantu jako kompromisní. Poněvadž, kdybychom ji zaměnili za její dominující variantu, potom dostaneme z hlediska všech kritérií řešení stejné nebo dokonce lepší než v případě dominované varianty.
10 Základní vlastnosti řešení vícekriteriální optimalizace Determinovanost Požadujeme, aby metoda při jakémkoliv zadání našla nějaké řešení. Jednoznačnost Metoda by měla být taková, aby po nastavení parametrů (vah) dávala jednoznačné řešení.
11 Základní vlastnosti řešení vícekriteriální optimalizace Invariance vůči pořadí kritérií a variant. Volba výsledné kompromisní varianty by neměla záviset na původním seřazení variant ani na seřazení kriterií tzv. invariance vůči pořadí. Poznámka Tato velmi jednoduchá podmínka nám vlastně říká, že například výsledek konkurzu nesmí záviset na tom, zda si pro hodnocení seřadíme nabídky podle abecedy (názvy dodavatelů) nebo podle data přijaté nabídky, apod. Také, že musíme dostat stejný výsledek, ať kritéria, která uvažujeme seřadíme například podle abecedy či náhodně.
12 Základní vlastnosti řešení vícekriteriální optimalizace Invariance vůči jednotkám, ve kterých uvádíme hodnoty kritérií. Volba výsledné varianty by neměla záviset na jednotkách, ve kterých jsou zadány hodnoty jednotlivých kritérií invariance vůči zvolenému měřítku. Budeme-li například zadávat cenu jednotlivých variant, výsledek mého rozhodování nesmí ovlivnit, zda tuto cenu zadáváme v korunách, eurech či tisících liber.
13 Základní vlastnosti řešení vícekriteriální optimalizace Invariance vůči přidaným neoptimálním hodnotám. Volbu výsledné varianty by nemělo ovlivnit ani přidání nějaké dominované (nebo obecněji neoptimální) varianty do výběru. Tedy metoda by měla mít stejný výsledek bez ohledu na to, zda se mezi původními vyskytují jakékoliv dominované varianty či z jak širokého výběru volím.
14 Základní vlastnosti řešení vícekriteriální optimalizace Spravedlivost. Metoda by měla být taková, aby bylo možné nastavením jejích parametrů (například nastavením vah) zvolit jako kompromisní řešení každé z nedominovaných řešení. Až budeme v dalším textu popisovat jednotlivé metody vícekriteriální optimalizace, vždy zmíníme, které z těchto podmínek splňují, či naopak, které nesplňují. Nyní si uveďme pouze příklad dominované varianty.
15 Příklad dominovanost zadání Uvažujme, že mladá rodina se rozhoduje, do kterého z jihočeských měst se nastěhuje. Jako kritéria si zvolila kulturu, šanci získat zaměstnání, vzdělání a zdravotnictví. Na internetu si našla informace k následujícím třem městům: Soběslav KULTURA Společenské centrum, Knihovna, Kino, Kostel. ZAMĚSTNÁNÍ Šance získat zaměstnání přímo ve městě, popřípadě v Táboře dobrá dopravní dostupnost. VZDĚLÁNÍ MŠ 2, ZŠ 3, SOU 3, SŠ. ZDRAVOTNICTVÍ Poliklinika, lékárny 3.
16 Příklad dominovanost zadání udějovice Chýnov KULTURA Divadelní scény 9, Kina 3, Galerie 27, Muzea 5, KD 4, Hudební scény 7, Výstaviště 1, Knihovny 5, Vzdělávací centra 7, Kostely 16, Hvězdárna a planetárium. ZAMĚSTNÁNÍ Přímo ve městě. VZDĚLÁNÍ MŠ 22, ZŠ 14, SŠ 10, VOŠ 6, VŠ 3, školní jídelny 2, Dům dětí (volný čas) 10. ZDRAVOTNICTVÍ Nemocnice, Poliklinika 6, Lékárny. KULTURA Kostel, Jeskyně, Knihovna. ZAMĚSTNÁNÍ V Táboře dobrá dopravní dostupnost. VZDĚLÁNÍ MŠ, ZŠ. ZDRAVOTNICTVÍ Zdravotní středisko, lékárna.
17 Příklad dominovanost závěr České Budějovice dominují Soběslav Hodnotíme pouze podle čtyř zadaných kritérií, přičemž se uvažujeme, že čím více kulturního vyžití, čím více možností vzdělávání a čím dostupnější zdravotní péče, tím lépe. Zároveň čím větší šance získat zaměstnání přímo ve městě, tím lépe. V takovém případě je Soběslav dominována Českými Budějovicemi. Nebo-li České Budějovice dominují Soběslav. V Českých Budějovicích je totiž vše, co je v Soběslavi a v každém bodě ještě něco navíc. Přičemž v Českých Budějovicích je jistota práce v místě, v Soběslavi, pouze vysoká pravděpodobnost.
18 Příklad dominovanost závěr Je Chýnov dominovaný? A tedy za daných podmínek se již budeme rozhodovat pouze mezi Chýnovem a Českými Budějovicemi. Zda budeme považovat i Chýnov za dominovaný Českými Budějovicemi, závisí na konzultaci se zadavatelem. Zda preferuje nabízené kulturní možnosti Chýnova nebo nabízené kulturní možnosti Českých Budějovic (České Budějovice nenabízejí jeskyně). Ve všech ostatních kritériích, opět vítězí České Budějovice nad Chýnovem (podle zadaných parametrů).
19 Ideální a bazální varianta Ve VHV se velmi často používá pojem ideální, resp. bazální varianta. Jedná se o hypotetické varianty, které nabývají nejlepších, resp. nejhorších hodnot z nabízených. To znamená, že ideální variantou je hypotetická varianta, která v každém kritériu nabývá nejlepší možné hodnoty, podobně bazická varianta je varianta, která má v každém kritériu nejhorší možnou hodnotu.
20 Ideální a bazální varianta příklad Ideální a bazální variantu můžeme snadno ilustrovat na příkladu koupě stanu. Máme-li zadanou kriteriální matici, a víme-li, která kritéria jsou minimalizační a která maximalizační, potom ideální varianta má v minimalizačním kritériu hodnotu minima ze sloupce a v maximalizačním hodnotu maxima ze sloupce (nejlepší hodnotu ze sloupce), u bazické varianty je to naopak (nejhorší varianta ze sloupce).
21 Ideální a bazální varianta příklad Produkt váha VS Expert cena Typ 1 2,4 kg 1200mm Kč Typ 2 2,5 kg 1600mm Kč Typ 3 2,7 kg 1500mm Kč Typ 4 3,5 kg 400mm Kč Typ 5 3 kg 1000mm Kč ideální 2,4 1600mm bazální 3,5 400mm
22 Ideální a bazální varianta příklad Všimněme si, že ideální a bazální varianta jsou skutečně pouze hypotetické, ve skutečnosti (ve většině případů) neexistují. Kdybychom náhodou měli analýzu, v níž by se nám stalo, že ideální varianta existuje, potom již nemusíme nic analyzovat, neboť v takovém případě tato ideální varianta dominuje všechny ostatní varianty a je tedy jediným možným řešením úlohy. Naopak, pokud by existovala bazální varianta, potom bychom tuto variantu mohli vyřadit z analýzy neboť by byla všemi ostatními variantami dominovaná.
23 Ideální a bazální varianta příklad s rodinou Poznámka Pokud bychom chtěli stanovit ideální a bazální variantu v příkladu s rodinou, která hledá bydlení, museli bychom s touto rodinou prokonzultovat, která z nabízených možností v jednotlivých kritériích je pro ně nejlepší a která nejhorší a na tomto základě bychom určili ideální a bazální variantu.
VÍCEKRITERIÁLNÍ ROZHODOVANÍ
VÍCEKRITERIÁLNÍ ROZHODOVANÍ 1 Obsah Typy modelů vícekriteriálního rozhodování Základní pojmy Typy informací Cíl modelů Užitek, funkce užitku Grafické zobrazení Metody vícekriteriální analýzy variant 2
Více4EK201 Matematické modelování. 10. Teorie rozhodování
4EK201 Matematické modelování 10. Teorie rozhodování 10. Rozhodování Rozhodování = proces výběru nějaké možnosti (varianty) podle stanoveného kritéria za účelem dosažení stanovených cílů Rozhodovatel =
VíceOperační výzkum. Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu.
Operační výzkum Vícekriteriální hodnocení variant. Grafická metoda. Metoda váženého součtu. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
Více5 Informace o aspiračních úrovních kritérií
5 Informace o aspiračních úrovních kritérií Aspirační úroveň kritérií je minimální (maximální) hodnota, které musí varianta pro dané maximalizační (minimalizační) kritérium dosáhnout, aby byla akceptovatelná.
Více4 Kriteriální matice a hodnocení variant
4 Kriteriální matice a hodnocení variant V teorii vícekriteriálního rozhodování pracujeme s kritérii, kterých je obecně k, a s variantami, kterých je obecně p. Hodnotu, které dosahuje varianta i pro j-té
Více7 Kardinální informace o kritériích (část 1)
7 Kardinální informace o kritériích (část 1) Předpokládejme stejná značení jako v předchozích cvičeních. Kardinální informací o kritériích se rozumí ohodnocení jejich důležitosti k pomocí váhového vektoru
VíceVýběr lokality pro bydlení v Brně
Mendelova univerzita v Brně Provozně ekonomická fakulta Výběr lokality pro bydlení v Brně Projekt do předmětu Optimalizační metody Martin Horák Brno 5 Mendelova univerzita v Brně Provozně ekonomická fakulta
VíceVícekriteriální hodnocení variant metody
Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Metody vícekriteriální hodnocení variant (VHV) Jak jsme již zmiňovali, VHV obecně neposkytuje
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
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
VíceParametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
VíceIng. Alena Šafrová Drášilová, Ph.D.
Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách
VíceMULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE
OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 PŘEDNÁŠKA 5 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ VEKTOROVÁ OPTIMALIZACE OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ část druhá Přednáša 5 Multiriteriální rozhodování
VícePostupy při hodnocení variant a výběru nejvhodnějšího řešení. Šimon Kovář Katedra textilních a jednoúčelových strojů
Postupy při hodnocení variant a výběru nejvhodnějšího řešení Šimon Kovář Katedra textilních a jednoúčelových strojů Znáte nějaké postupy hodnocení variant řešení? Vícekriteriální rozhodování Při výběru
VíceVícekriteriální programování příklad
Vícekriteriální programování příklad Pražírny kávy vyrábějí dva druhy kávy (Super a Standard) ze dvou druhů kávových bobů KB1 a KB2, které mají smluvně zajištěny v množství 4 t a 6 t. Složení kávy (v procentech)
VíceVzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad na rozhodování BPH_ZMAN Základní charakteristiky a značení symbol verbální vyjádření interval C g g-tý cíl g = 1,.. s V i i-tá varianta i = 1,.. m K j j-té kriterium j = 1,.. n v j x ij
VíceJednokriteriální rozhodování za rizika a nejistoty
Kapitola Jednokriteriální rozhodování za rizika a nejistoty U jednokriteriálních úloh je vždy pouze jedno kritérium optimality, a to buď maximalizační nebo minimalizační. Varianty rozhodování jsou zadány.
VíceObecná úloha lineárního programování. Úloha LP a konvexní množiny Grafická metoda. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 3 Katedra ekonometrie FEM UO Brno Optimalizace portfolia Investor se s pomocí makléře rozhoduje mezi následujícími investicemi: akcie A, akcie B, státní pokladniční poukázky, dluhopis A, dluhopis
VíceAnalýza obalu dat úvod
Analýza obalu dat úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Analýza obalu dat (DEA) Analýza obalu dat (Data envelopement
VíceEkonomická formulace. Matematický model
Ekonomická formulace Firma balící bonboniéry má k dispozici 60 čokoládových, 60 oříškových a 85 karamelových bonbónů. Může vyrábět dva druhy bonboniér. Do první bonboniéry se dávají dva čokoládové, šest
VíceVícekriteriální rozhodování za jistoty
Kapitola 1 Vícekriteriální rozhodování za jistoty Při řešení rozhodovacích problémů se často setkáváme s případy, kdy optimální rozhodnutí musí vyhovovat více než jednomu kritériu. Zadaná kritéria mohou
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristiky často potřebujeme vyšetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
VíceOperační výzkum. Vícekriteriální programování. Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování.
Operační výzkum Lexikografická metoda. Metoda agregace účelových funkcí. Cílové programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu
Více12. Lineární programování
. Lineární programování. Lineární programování Úloha lineárního programování (lineární optimalizace) je jedním ze základních problémů teorie optimalizace. Našim cílem je nalézt maximum (resp. minimum)
VíceMULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV
PŘEDNÁŠKA 6 MULTIKRITERIÁLNÍ ROZHODOVÁNÍ KOMPLEXNÍ HODNOCENÍ ALTERNATIV Multikriteriální rozhodování Možnosti řešení podle toho, jaká je množina alternativ pokud množina alternativ X je zadaná implicitně
VíceSocio-ekonomická evaluace aglomerace z hlediska potřeb a aktivit investorů
Klub regionalistů 11.11.2010 Projekt SGS SP/2010 Socio-ekonomická evaluace aglomerace z hlediska potřeb a aktivit investorů Jiří Adamovský Lucie Holešinská Katedra regionální a environmentální ekonomiky
VíceMetody výběru variant
Metody výběru variant Používají se pro výběr v případě více variant řešení stejného problému Lze vybírat dle jednoho nebo více kritérií V případě více kritérií mohou mít všechna stejnou důležitost nebo
VíceVícekriteriální rozhodování za jistoty
1 Část I Vícekriteriální rozhodování za jistoty Při řešení rozhodovacích problémů se často setkáváme s případy, kdy optimální rozhodnutí musí vyhovovat více než jednomu kritériu. Zadaná kritéria mohou
VíceOperační výzkum. Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry.
Operační výzkum Teorie her cv. Hra v normálním tvaru. Optimální strategie. Maticové hry. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty
Víceminimalizaci vzdálenosti od ideální varianty
UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY BAKALÁŘSKÁ PRÁCE Metody vícekriteriálního rozhodování založené na minimalizaci vzdálenosti od ideální
Více4EK213 LINEÁRNÍ MODELY
4EK213 LINEÁRNÍ MODELY Úterý 11:00 12:30 hod. učebna SB 324 Mgr. Sekničková Jana, Ph.D. 2. PŘEDNÁŠKA MATEMATICKÝ MODEL ÚLOHY LP Mgr. Sekničková Jana, Ph.D. 2 OSNOVA PŘEDNÁŠKY Obecná formulace MM Množina
VíceRozhodování. Ing. Alena Šafrová Drášilová, Ph.D.
Rozhodování Ing. Alena Šafrová Drášilová, Ph.D. Rozhodování??? video Obsah typy rozhodování principy rozhodování rozhodovací fáze základní pojmy hodnotícího procesu rozhodovací podmínky rozhodování v podmínkách
VíceNáhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X
Náhodný vektor Náhodný vektor zatím jsme sledovali jednu náhodnou veličinu, její rozdělení a charakteristik často potřebujeme všetřovat vzájemný vztah několika náhodných veličin musíme sledovat jejich
Více6 Ordinální informace o kritériích
6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní
VíceOperační výzkum. Přiřazovací problém.
Operační výzkum Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo projektu: CZ..7/2.2./28.326
VíceANTAGONISTICKE HRY 172
5 ANTAGONISTICKÉ HRY 172 Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku, jejíž výše nezávisí
VíceJednotkový vektor vektor, která má na jednom místě jedničku a na ostatních nuly, například (0, 1, 0).
1. Základní pojmy www.cz-milka.net Systém neprázdná, účelově definovaná množina prvků a vazeb mezi nimi, která se zachycením vstupů a výstupů vykazuje kvantifikovatelné chování v čase. Model formalizovaný
Více3. ANTAGONISTICKÉ HRY
3. ANTAGONISTICKÉ HRY ANTAGONISTICKÝ KONFLIKT Antagonistický konflikt je rozhodovací situace, v níž vystupují dva inteligentní rozhodovatelé, kteří se po volbě svých rozhodnutí rozdělí o pevnou částku,
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Lineární rovnice o 2 neznámých Definice 011 Lineární rovnice o dvou neznámých x, y je rovnice, která může být vyjádřena ve tvaru ax + by = c, kde
VíceLineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
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
VíceMatematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic
Přednáška třetí (a pravděpodobně i čtvrtá) aneb Úvod do lineární algebry Matice a soustavy rovnic Lineární rovnice o 2 neznámých Lineární rovnice o 2 neznámých Lineární rovnice o dvou neznámých x, y je
Více1. Úvod. Mgr. Ing. Jitka Janová, PhD. Aplikace kvantitativní metody v praxi: postup transparentního zadávání zakázek malého rozsahu
Mgr. Ing. Jitka Janová, PhD. Aplikace kvantitativní metody v praxi: postup transparentního zadávání zakázek malého rozsahu INFORMACE V současnosti prochází AČR transformací, která je spojena mimo jiné
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
VíceDiplomová práce. Heuristické metody pro vícekriteriální analýzu
Diplomová práce Heuristické metody pro vícekriteriální analýzu vypracoval: Jaroslav Smrž vedoucí práce: doc. RNDr. Jindřich Klapka, CSc. obor: Inženýrská informatika a automatizace specializace: Informatika
VíceJčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4
ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
Více1 Úvod do celočíselné lineární optimalizace
Úvod do celočíselné lineární optimalizace Martin Branda, verze 7.. 7. Motivace Reálné (smíšeně-)celočíselné úlohy Optimalizace portfolia celočíselné počty akcií, modelování fixních transakčních nákladů,
VíceIng. Alena Šafrová Drášilová
Rozhodování II Ing. Alena Šafrová Drášilová Obsah vztah jedince k riziku rozhodování v podmínkách rizika rozhodování v podmínkách nejistoty pravidlo maximin pravidlo maximax Hurwitzovo pravidlo Laplaceovo
VíceJiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 11 Katedra ekonometrie FEM UO Brno Jedná se o speciální případ dopravních úloh, řeší např. problematiku optimálního přiřazení strojů na pracoviště. Příklad Podnik má k dispozici 3 jeřáby,
VíceVícekriteriální hodnocení variant VHV
Vícekriteriální hodnocení variant VHV V lineárním programování jsme se naučili hledat optimální řešení pro úlohy s jedním (maximalizačním nebo minimalizačním) kritériem za předpokladu, že podmínky i účelová
VíceV předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
Víceletní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika vektory
Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 202 Založeno na materiálech doc. Michala Kulicha Náhodný vektor často potřebujeme
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceVýroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0).
Výroková logika II Negace Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Na konkrétních příkladech si ukážeme, jak se dají výroky negovat. Obecně se výrok dá negovat tak, že před
VíceZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA EKONOMICKÁ
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA EKONOMICKÁ Diplomová práce Použití metod vícekriteriálního rozhodování při řízení podniku Application of Multi-Criteria Decision Making methods in enterprise management
VíceMetodologický přístup a popis prací na projektu
Metodologický přístup a popis prací na projektu Použitá metodika Projekt vychází metodologicky z přístupu ke gender analýze strategických dokumentů zpracované v rámci diplomové práce Ludmily Rejmanové
VíceMatematika I 2a Konečná pravděpodobnost
Matematika I 2a Konečná pravděpodobnost Jan Slovák Masarykova univerzita Fakulta informatiky 24. 9. 2012 Obsah přednášky 1 Pravděpodobnost 2 Nezávislé jevy 3 Geometrická pravděpodobnost Viděli jsme už
Více1. dílčí téma: Rozhodování při riziku, neurčitosti a hry s neúplnou informací
Cíl tematického celku: Student získá komplexní přehled teorií oligopolu, které lze úspěšně aplikovat v realitě. Druhým cílem je naučit se chápat obsah komunikace, která se vede při projednávání nejrůznějších
VíceLenka Zalabová. Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita. zima 2012
Algebra - třetí díl Lenka Zalabová Ústav matematiky a biomatematiky, Přírodovědecká fakulta, Jihočeská univerzita v Českých Budějovicích zima 2012 Obsah 1 Dělitelnost 2 Grupy zbytkových tříd 3 Jedna z
VíceSystémové modelování. Ekonomicko matematické metody I. Lineární programování
Ekonomicko matematické metody I. Lineární programování Modelování Modelování je způsob zkoumání reality, při němž složitost, chování a další vlastnosti jednoho celku vyjadřujeme složitostí, chováním a
Více4EK213 Lineární modely. 4. Simplexová metoda - závěr
4EK213 Lineární modely 4. Simplexová metoda - závěr 4. Simplexová metoda - závěr Konečnost simplexové metody Degenerace Modifikace pravidla pro volbu vstupující proměnné Blandovo pravidlo Kontrola výpočtu
Více0.1 Úvod do lineární algebry
Matematika KMI/PMATE 1 01 Úvod do lineární algebry 011 Vektory Definice 011 Vektorem aritmetického prostorur n budeme rozumět uspořádanou n-tici reálných čísel x 1, x 2,, x n Definice 012 Definice sčítání
VíceUčební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)
VíceVÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY
Internetový časopis o jakosti Vydavatel: Katedra kontroly a řízení jakosti, FMMI, VŠB-TU Ostrava VÍCEKRITERIÁLNÍ MANAŢERSKÉ ROZHODOVÁNÍ V PODMÍNKÁCH RIZIKA A NEJISTOTY ÚVOD Všemi sekvenčními manažerskými
VíceOrganizace zabezpečování veřejných statků a služeb (1) Ekonomie veřejného sektoru
Organizace zabezpečování veřejných statků a služeb (1) Ekonomie veřejného sektoru 1 Mechanismy zabezpečování veřejných statků a služeb Tržní selhání --- veřejný sektor Veřejné statky, služby někdo je musí
Více6 Simplexová metoda: Principy
6 Simplexová metoda: Principy V této přednášce si osvětlíme základy tzv. simplexové metody pro řešení úloh lineární optimalizace. Tyto základy zahrnují přípravu kanonického tvaru úlohy, definici a vysvětlení
VíceTeorie her a ekonomické rozhodování. 2. Maticové hry
Teorie her a ekonomické rozhodování 2. Maticové hry 2.1 Maticová hra Teorie her = ekonomická vědní disciplína, která se zabývá studiem konfliktních situací pomocí matematických modelů Hra v normálním tvaru
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
Vícef ( x) = 5x 1 + 8x 2 MAX, 3x x ,
4. okruh z bloku KM1 - řídicí technika Zpracoval: Ondřej Nývlt (o.nyvlt@post.cz) Zadání: Lineární programování (LP), simplexová metoda, dualita v LP. Nelineární programování. Vázaný extrém. Karush-Kuhn-Tuckerova
VíceBáze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
Vícepravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.
3.1 Základy teorie pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti. Co se dozvíte Náhodný pokus a náhodný jev. Pravděpodobnost, počítání s pravděpodobnostmi.
VíceJIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH EKONOMICKÁ FAKULTA VÍCEKRITERIÁLNÍ ANALÝZA VARIANT A JEJÍ APLIKACE V PRAXI
JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH EKONOMICKÁ FAKULTA Katedra aplikované matematiky a informatiky Studijní program: Studijní obor: N6208 Ekonomika a management Účetnictví a finanční řízení podniku
VíceIntervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr
StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule
VíceVÝSLEDKY VÝZKUMU. indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ
VÝSLEDKY VÝZKUMU indikátor ECI/TIMUR A.1 SPOKOJENOST OBYVATEL S MÍSTNÍM SPOLEČENSTVÍM V PROSTĚJOVĚ Realizace průzkumu, zpracování dat a vyhodnocení: Střední odborná škola podnikání a obchodu, spol. s r.o.
Více10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.
0 cvičení z PST 5 prosince 208 0 (intervalový odhad pro rozptyl) Soubor (70, 84, 89, 70, 74, 70) je náhodným výběrem z normálního rozdělení N(µ, σ 2 ) Určete oboustranný symetrický 95% interval spolehlivosti
VíceTeorie her a ekonomické rozhodování. 3. Dvoumaticové hry (Bimaticové hry)
Teorie her a ekonomické rozhodování 3. Dvoumaticové hry (Bimaticové hry) 3.1 Neantagonistický konflikt Hra v normálním tvaru hráči provedou jediné rozhodnutí a to všichni najednou v rozvinutém tvaru řada
VíceObecná úloha lineárního programování
Obecná úloha lineárního programování Úloha Maximalizovat hodnotu c T x (tzv. účelová funkce) za podmínek Ax b (tzv. omezující podmínky) kde A je daná reálná matice typu m n a c R n, b R m jsou dané reálné
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,
VíceSoustavy lineárních rovnic
Soustavy lineárních rovnic V této kapitole se budeme zabývat soustavami lineárních diferenciálních rovnic y = a (x)y + a (x)y + + a n (x)y n + f (x) y = a (x)y + a (x)y + + a n (x)y n + f (x). y n = a
VíceMatice. Přednáška MATEMATIKA č. 2. Jiří Neubauer. Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.
Přednáška MATEMATIKA č. 2 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 13. 10. 2010 Uspořádané schéma vytvořené z m n reálných čísel, kde m, n N a 11 a 12 a
VíceKOOPERATIVNI HRY DVOU HRA CˇU
8 KOOPERATIVNÍ HRY DVOU HRÁČŮ 291 V této kapitole se budeme zabývat situacemi, kdy hráči mohou před začátkem hry uzavřít závaznou dohodu o tom, jaké použijí strategie, vygenerovaný zisk si však nemohou
VíceIntervalová data a výpočet některých statistik
Intervalová data a výpočet některých statistik Milan Hladík 1 Michal Černý 2 1 Katedra aplikované matematiky Matematicko-fyzikální fakulta Univerzita Karlova 2 Katedra ekonometrie Fakulta informatiky a
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
Více9 Kolmost vektorových podprostorů
9 Kolmost vektorových podprostorů Od kolmosti dvou vektorů nyní přejdeme ke kolmosti dvou vektorových podprostorů. Budeme se zabývat otázkou, kdy jsou dva vektorové podprostory na sebe kolmé a jak to poznáme.
VíceČasové řady a jejich periodicita úvod
Časové řady a jejich periodicita úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Časové řady Data, která získáváme
Vícep 2 q , tj. 2q 2 = p 2. Tedy p 2 je sudé číslo, což ale znamená, že
KAPITOLA 1: Reálná čísla [MA1-18:P1.1] 1.1. Číselné množiny Přirozená čísla... N = {1,, 3,...} nula... 0, N 0 = {0, 1,, 3,...} = N {0} Celá čísla... Z = {0, 1, 1,,, 3,...} Racionální čísla... { p } Q =
VíceDeterminanty. Determinanty. Přednáška MATEMATIKA č. 3. Jiří Neubauer
Přednáška MATEMATIKA č. 3 Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz 21. 10. 2010 Uvažujme neprázdnou množinu přirozených čísel M = {1, 2,..., n}. Z kombinatoriky
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 204 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
VíceHEURISTICKÉ ALGORITMY PRO ŘEŠENÍ ÚLOH OBCHODNÍHO CESTUJÍCÍHO
HEURISTICKÉ ALGORITMY PRO ŘEŠENÍ ÚLOH OBCHODNÍHO CESTUJÍCÍHO Heuristické algoritmy jsou speciálními algoritmy, které byly vyvinuty pro obtížné úlohy, jejichž řešení je obtížné získat v rozumném čase. Mezi
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
VíceZadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016
Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 206 Zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia
Víceení spolehlivosti elektrických sítís
VŠB - TU Ostrava Fakulta elektrotechniky a informatiky Katedra elektroenergetiky, Katedra informatiky Inteligentní metody pro zvýšen ení spolehlivosti elektrických sítís (Program MCA8 pro výpočet metodami
VíceÚVOD DO ROZHODOVÁNÍ PŘEDNÁŠKA. OPTIMALIZACE A ROZHODOVÁNÍ V DOPRAVĚ Přednáška 1. Zuzana Bělinová
PŘEDNÁŠKA 1 ÚVOD DO ROZHODOVÁNÍ Organizační Vyučující Ing., Ph.D. email: belinova@k620.fd.cvut.cz Doporučená literatura Dudorkin J. Operační výzkum. Požadavky zápočtu docházka zápočtový test (21.5.2015)
VíceSEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA DOPRAVNÍ SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY Facebook vs. studium Vypracovali: Martina Grivalská Nikola Karkošiaková Barbora Brůhová Obsah 1. Úvod 2. Dotazník 3.
VícePrůzkum aktuální situace na trhu práce z hlediska možností uplatnění absolventů VŠKE, a.s. (výsledky za období 1/2012 6/2012)
Průzkum aktuální situace na trhu práce z hlediska možností uplatnění absolventů VŠKE, a.s. (výsledky za období 1/2012 6/2012) Obsah Úvod... 2 1. Vymezení možnosti uplatnění absolventů VŠKE, a.s... 3 2.
VíceČást 2 - Řešené příklady do cvičení
Moravská vysoká škola Olomouc, o.p.s., Ústav informatiky a aplikované matematiky METODY MULTIKRITERIÁLNÍHO ROZHODOVANÍ PRO MANAŽERY Část 2 - Řešené příklady do cvičení Prof. Dr. Ing. Miroslav Pokorný PhDr.
Více4.5 Stanovení hodnoticích kritérií a požadavky na jejich obsah
nadhodnocením ukazatele výkonu). Současně se objektivností rozumí, že technické podmínky nebyly nastaveny diskriminačně, tedy tak, aby poskytovaly některému uchazeči konkurenční výhodu či mu bránily v
VíceVyužití metod multikriteriálního hodnocení v bezpečnostní praxi
Využití metod multikriteriálního hodnocení v bezpečnostní praxi Using multicriterial methods in security working practice Bc. Milan Hovorka Diplomová práce 2013 UTB ve Zlíně, Fakulta aplikované informatiky,
VíceKatedra aplikované matematiky FEI VŠB Technická univerzita Ostrava luk76/la1
Lineární algebra 5. přednáška: Báze a řešitelnost soustav Dalibor Lukáš Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava email: dalibor.lukas@vsb.cz http://homel.vsb.cz/ luk76/la1 Text
Více