VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY. Disertační práce Ing. Jan Fábry

Rozměr: px
Začít zobrazení ze stránky:

Download "VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY. Disertační práce. 2006 Ing. Jan Fábry"

Transkript

1 VYSOKÁ ŠKOLA EKOOMICKÁ V PRAZE FAKULTA IFORMATIKY A STATISTIKY Dsertační práce 2006 Ing. Jan Fábry

2 Vysoá šola eonomcá v Praze Faulta nformaty a statsty atedra eonometre Dynamcé oružní a rozvozní úlohy dotorsá dsertační práce Dotorand : Ing. Jan Fábry Šoltel : prof. RDr. Jan Pelán, CSc. Obor : Eonometre a operační výzum 2006 Jan Fábry fabry@vse.cz př ctac uvádějte odaz: Fábry, J.: Dynamcé oružní a rozvozní úlohy, dsertační práce, VŠE-FIS, Praha, 2006 Praha, lstopad, 2006

3 Prohlášení dsertační prác Prohlašuj, že dotorsou prác na téma Dynamcé oružní a rozvozní úlohy jsem vypracoval samostatně. Použtou lteraturu a podladové materály uvádím v přloženém seznamu lteratury. V Praze dne 3. lstopadu Podps

4 Poděování Rád bych touto cestou poděoval svému šoltel prof. Janu Pelánov za cenné rady a přpomíny, teré přspěly e zvaltnění předládané dsertační práce. Zároveň bych chtěl poděovat prof. Josefu Jablonsému za jeho pomoc a významná doporučení př počítačovém zpracování modelů uvedených v prác. Věnování Tuto prác věnuj svým rodčům.

5 Abstract Dynamc Vehcle Routng Problems Exstng compettve busness forces dstrbuton frms to offer mmedate servces to ther customers. Whle a statc verson of routng problems does not accept addtonal requrements of customers, the dynamc verson enables dspatcher to change the planned routes of the vehcles after an occurrence of on-lne requests. We focus on Dynamc Travelng Salesman Problem and Dynamc Vehcle Routng Problem. In extensons of these problems we consder multple vehcles avalable n a unque depot or multple depots. Mathematcal models are proposed to fnd the optmum soluton of descrbed dynamc problems. The objectve s to mnmze the total length of all routes or to mnmze the servce tme. Heurstc nserton algorthm s used as an alternatve approach to the dynamc problems. Tme wndows constrants are ncluded n Travelng Salesman Problems together wth the cost functon consderng the travel costs and lateness costs as the penaltes n case tme wndows are volated. We dscuss specal dynamc dstrbuton problems: Dynamc Messenger Servce Problem, A Pror Dynamc Salesman Problem and Dynamc Splt Delvery Vehcle Routng Problem. The soluton to most of analyzed problems s demonstrated on generated data usng LIGO as a solver and VBA n MS Excel as an nterface and output envronment. The results of computatonal experments are presented. Keywords: dynamc travelng salesman problem, dynamc vehcle routng problem, multple vehcles, tme wndows, nserton algorthm

6 Abstrat Dynamsches Vehcle Routng Problem Das heute vorhandene Wettbewerbsumfeld zwngt Logstdenstlester dazu, hren Kunden unmttelbare, möglchst rechtzetge Bedenung anzubeten. Während en statscher Ansatz zu Routng Problemen ene zusätzlchen Kundenbedürfnsse berücschtgt, befähgt ene dynamsche Verson enen Dspatcher dazu de geplanten Fahrzeugrouten nach Engang ener gestellten Anfrage zu verändern. Wr onzentreren uns auf das dynamsche Travelng Salesman Problem und das dynamsche Vehcle Routng Problem. Als Erweterung deser Probleme stellen wr Überlegungen zu mehreren verfügbaren Transportmtteln n enem oder mehreren Depots an. Zur optmalen Lösung deser dynamschen Probleme werden mathematsche Modelle angeboten mt dem Zel de gesamte Länge aller Routen oder de Bedenungszet zu mnmeren. En heurstsches Verfahren n Form enes Inserton Algorthmus wrd als alternatve Methode zur Lösung deser dynamschen Probleme angewendet. ebenbedngungen zu Zetfenstern werden n Travelng Salesman Problemen m Zusammenhang mt Kostenfuntonen betrachtet, de Transportosten sowe Kosten für Verspätungen als Konventonalstrafen m Falle ener Verletzung enes Zetfensters enbezeht. Wr handeln von den spezellen dynamschen Vertrebsprobleme: Dynamsche Messenger Servce Probleme, dynamsche Salesman Probleme mt den a pror Informatonen und dynamsche Splt Delvery Vehcle Routng Probleme. De Lösungen zu den mesten analyserten Problemen werden anhand genererter Daten mttels des Solvers LIGO und VBA n MS-Excel als Schnttstelle und Outputumgebung aufgezegt. De Lösung der ombnatorschen Expermente wrd präsentert. Schlüsselwörter: dynamsches Travelng Salesman Problem, dynamsches Vehcle Routng Problem, mehrere Transportmttel, Zetfenster, Inserton Algorthmus

7 Obsah. ÚVOD DYAMICKÉ ROZŠÍŘEÍ OKRUŽÍCH A ROZVOZÍCH ÚLOH DYAMICKÁ ÚLOHA OBCHODÍHO CESTUJÍCÍHO Standardní úloha obchodního cestujícího Dynamzace úlohy obchodního cestujícího RE-OPTIMALIZACE DYAMICKÉ ÚLOHY OBCHODÍHO CESTUJÍCÍHO VKLÁDACÍ ALGORITMUS PRO DYAMICKOU ÚLOHU OBCHODÍHO CESTUJÍCÍHO OKAMŽIKY PŘÍCHODU OVÝCH POŽADAVKŮ V DYAMICKÉ ÚLOZE OBCHODÍHO CESTUJÍCÍHO Dynamcá úloha obchodního cestujícího s časovým ony STATICKÁ ÚLOHA OBCHODÍHO CESTUJÍCÍHO S ČASOVÝMI OKY Úloha s čeáním vozdla u záaznía před jeho obsluhou Úloha s čeáním vozdla u právě obslouženého záaznía DYAMICKÁ ÚLOHA OBCHODÍHO CESTUJÍCÍHO S ČASOVÝMI OKY Re-optmalzace trasy po přdání záaznía Zařazení nového záaznía pomocí vládacího algortmu DYAMICKÁ ÚLOHA OBCHODÍHO CESTUJÍCÍHO S ČASOVÝMI OKY A PEALIZACÍ Změna modelu statcé úlohy Změna modelu dynamcé úlohy DYAMICKÁ ÚLOHA OBCHODÍHO CESTUJÍCÍHO S APRIORÍ IFORMACÍ Možné stratege přesunu vozdla Přesun volného vozdla Výpočetní expermenty Dynamcá úloha urýrní služby STATICKÁ ÚLOHA KURÝRÍ SLUŽBY BEZ ČASOVÝCH OKE STATICKÁ ÚLOHA KURÝRÍ SLUŽBY S ČASOVÝMI OKY DYAMICKÁ ÚLOHA KURÝRÍ SLUŽBY DYAMICKÁ ÚLOHA S VÍCE OBCHODÍMI CESTUJÍCÍMI Úloha s více obchodním cestujícím Aplace úlohy s více obchodním cestujícím Úloha s více obchodním cestujícím s mnmalzací celové ujeté vzdálenost ÚLOHA S JEDÍM VÝCHOZÍM MÍSTEM ÚLOHA S ĚKOLIKA VÝCHOZÍMI MÍSTY Úloha s více obchodním cestujícím s mnmalzací času potřebného obsluze všech záazníů ÚLOHA S JEDÍM VÝCHOZÍM MÍSTEM ÚLOHA S ĚKOLIKA VÝCHOZÍMI MÍSTY Úloha s více obchodním cestujícím s časovým ony Dynamcá úloha s více obchodním cestujícím MIIMALIZACE CELKOVÉ VZDÁLEOSTI VÍCE VÝCHOZÍCH MÍST MIIMALIZACE ČASU POTŘEBÉHO K OBSLOUŽEÍ VŠECH ZÁKAZÍKŮ JEDO VÝCHOZÍ MÍSTO MIIMALIZACE ČASU POTŘEBÉHO K OBSLOUŽEÍ VŠECH ZÁKAZÍKŮ VÍCE VÝCHOZÍCH MÍST DYAMICKÉ ROZVOZÍ ÚLOHY Rozvozní úloha s jedním vozdlem STATICKÁ ÚLOHA DYAMICKÁ ÚLOHA... 85

8 5.2 Rozvozní úloha s více vozdly v jednom výchozím místě MIIMALIZACE CELKOVÉ UJETÉ VZDÁLEOSTI Statcá úloha Dynamcá úloha MIIMALIZACE ČASU POTŘEBÉHO K OBSLOUŽEÍ VŠECH ZÁKAZÍKŮ Statcá úloha Dynamcá úloha Rozvozní úloha s více vozdly v něola výchozích místech Rozvozní úloha s dělenou dodávou STATICKÁ ÚLOHA DYAMICKÁ ÚLOHA ROZLOŽITELOST ÚLOHY S DĚLEOU DODÁVKOU HEURISTICKÁ METODA PRO ÚLOHU S DĚLEOU DODÁVKOU VÝPOČETÍ EXPERIMETY Dynamcá úloha obchodního cestujícího Úloha s více obchodním cestujícím s mnmalzací celové vzdálenost ÚLOHA S JEDÍM VÝCHOZÍM MÍSTEM ÚLOHA S ĚKOLIKA VÝCHOZÍMI MÍSTY Úloha s mnmalzací času potřebného obsloužení všech záazníů Rozvozní úlohy Shrnutí výpočetních expermentů ZÁVĚR...8 PŘÍLOHY...2 Úloha obchodního cestujícího Dynamcá úloha obchodního cestujícího Pops systému TSP. xls Statcá úloha s více obchodním cestujícím v jednom výchozím místě Statcá úloha s více obchodním cestujícím ve více výchozích místech... 3 Statcá úloha s více obchodním cestujícím v jednom výchozím místě Statcá úloha s více obchodním cestujícím v něola výchozích místech Dynamcá úloha s více obchodním cestujícím v něola výchozích místech Rozvozní úloha s jedním vozdlem Rozvozní úloha s dělenou dodávou Obsah přloženého CD TERMIOLOGICKÝ SLOVÍK...53 POUŽITÁ LITERATURA...55

9 . Úvod V posledních letech byl zaznamenán obrovsý poro v oblast omunace a nformačních technologí. Jedná se především o stále šrší používání nternetových služeb, rozvoj sítí moblních operátorů, využtí sateltních systémů apod. Současně s tím vznají vyšší nároy na pružnější reac frem zajšťujících logstcé služby svozu a rozvozu zboží, materálu č ldí, frem posytujících urýrní č opravárensé služby, aj. Úspěšnost a atratvta frmy pro její záazníy se v dnešní době odvíjejí nejen od ceny č valty nabízených služeb, ale především od schopnost flexblně reagovat na záazníovy požadavy. Dstrbuční úlohy, teré jsou řešeny použtím standardních modelů a metod operačního výzumu, používají tzv. statcý přístup. Informace o všech záaznících a jejch požadavcích jsou známy předem, tj. před tím, než je úloha předána analytům nalezení optmálního řešení. Může se jednat o determnstcé č stochastcé nformace. V reálných stuacích vša frma musí reagovat na požadavy, teré přcházejí až po nalezení optmálního řešení, v případě oružních a rozvozních úloh optmálních tras. Předmětem tzv. dynamcého přístupu se stává rozhodnutí o tom, dy a do (v případě použtí více vozdel) nově vznlý požadave obslouží. Vzhledem tomu, že většna podobných úloh patří do celočíselného, resp. bvalentního programování, naráží analyt na problém s výpočetním časem, terý má dspozc pro nalezení optmálního řešení. Statcé oružní a rozvozní problémy patří do supny P-obtížných úloh (Pelán, 200), a tudíž mez tyto úlohy patří jejch dynamcé rozšíření. S rostoucím počtem záazníů a omezení, terá je v problému nutné respetovat, narůstá výpočetní čas neúměrně pratcým požadavům na rychlou reac frmy. Proto se v úlohách tohoto typu často používají heurstcé a metaheurstcé postupy posytující řešení, teré je z hledsa zadaného rtéra velce blízé optmálnímu řešení, a mající tu výhodu, že taové řešení posytují v podstatě oamžtě, resp. s přípustným zpožděním po vznu nového požadavu. V běžné prax jsou analytc č řeštelé zastoupen dspečery, teří nalezení výhodnějšího řešení využívají navržených postupů v podobě specálních výpočetních systémů. Tato práce je zaměřena na vybranou část dstrbučních úloh a jejch dynamcé rozšíření, přčemž za zálad bere úlohu obchodního cestujícího v mnoha varacích. a tyto úlohy pa navazují rozvozní úlohy, ve terých je nutné respetovat apactu vozdla, resp. 8

10 . Úvod vozdel. Ve všech typech uvažovaných úloh jde především o formulac matematcého modelu, nol o nalezení nejlepší č nejvhodnější metody pro vyřešení problému. Proto je v prác u aždé úlohy formulován optmální algortmus, resp. optmalzační matematcý model, vedle terého je uveden heurstcý postup v podobě vládacího algortmu jao poměrně jednoduché východso pro aplac modelů v reálné prax. Uvedené modely byly ověřeny na generovaných příladech za použtí optmalzačního systému LIGO, verze 9.0 a aplace MS Offce Excel U jednodušších modelů bylo pro úlohy vytvořeno užvatelsé rozhraní spolu s grafcým výstupem řešení, tj. grafem znázorňujícím trasy č jejch dynamcé změny. K tomuto účelu bylo využto modulu VBA v MS Excel. Cílem práce není v žádném případě vytvořt ompatní výpočetní systém zahrnující vešeré úlohy uvedené v prác; jde spíše o naznačení směru, terým by se mohla ubírat práce zušeného programátora. Druhá aptola práce je úvodem do problematy oružních a rozvozních úloh, přčemž jsou defnovány pojmy statcá a dynamcá úloha. Čtenář je předložen stručný přehled lteratury týající se zoumaných dstrbučních úloh. Třetí aptola je věnována standardní úloze obchodního cestujícího a jejímu dynamcému rozšíření. V této část jsou formulovány úlohy bez časových oen s časovým ony a případnou penalzací za jejch nedodržení. Specální aplací je úloha obchodního cestujícího s aprorní nformací zahrnující známé pravděpodobnostní rozdělení místa vznu nového požadavu. a závěr aptoly je řešena úloha urýrní služby. Čtvrtá aptola se týá rozšíření úlohy obchodního cestujícího, ve teré je uvažováno více obsluhujících vozdel umístěných v jednom výchozím místě č něola různých stanovštích. Uvedené matematcé modely jsou formulovány s cílem mnmalzovat celovou ujetou vzdálenost nebo obsloužt všechny záazníy v mnmálním čase. V páté aptole jsou analyzovány rozvozní úlohy, v nchž je cílem splnt požadavy záazníů na dovoz č odvoz určtého množství zboží, materálu, odpadu apod. K dspozc je buď jedno nebo něol vozdel o apactě, terá nesmí být přeročena. Zvláštní pozornost je věnována rozvozním úlohám, ve terých je možné rozdělt požadave záaznía mez něol vozdel, což je v dynamcém prostředí velm výhodné. Optmalzační systém LIGO je produtem frmy Lndo Systems Inc. ( 9

11 . Úvod Šestá aptola obashuje vybrané výpočetní expermenty s modely a metodam pospaným v této prác. Př výpočetně náročnejších expermentech byl pro porovnání se systémem LIGO použt systém XPRESS MP 2, release Práce je prvním uceleným odborným textem v česém jazyce, terý se zabývá dynamcým pohledem na oružní a rozvozní úlohy v taovém rozsahu a zahrnuje přístup vyhovující potřebám praxe. Text navazuje na práce Brezna (2003) a Janáče (2003), jejchž autoř se dlouhodobě zabývají dstrbučním a logstcým úloham. Cíle předládané práce lze shrnout do následujících bodů:. Podat přehled o záladních typech oružních a rozvozních úloh z pohledu jejch dynamzace a přblížt ta modelový přístup reálným požadavům dstrbučních frem. 2. avrhnout řešení dynamcých dstrbučních úloh v podobě optmalzačních algortmů. Pro účely praxe naznačt možnost řešení úloh pomocí heurstcých metod. 3. Vytvořt zálad softwarového systému pro řešení pratcých aplací pro provádění smulačních expermentů s navrženým modely. 4. aznačt další cesty analýzy dstrbučních úloh. Tuto prác lze brát jao východso pro další odborné texty typu dplomových č dsertačních prací. Jedná se především o vývoj rychlých heurstcých postupů, teré jsou nepostradatelné především v dynamcém prostředí, ve terém čas hraje zřejmě nejdůležtější rol. Ja bylo zmíněno, řada matematcých modelů uvedených v prác není softwarově zpracována v požadované podobě z důvodu vysoých nároů na programátorsou prác. Sestavení doonalého obecného softwarového systému, terý by byl schopen pojmout většnu úloh analyzovaných v prác, není z pratcého hledsa účelné. Tento fat doládá především rozmantost dstrbučních frem a jejch záazníů. Jnou otázou je ovšem vytvoření podobného systému za účelem zvaltnění výuového procesu pro snadnější představu a pochopení poměrně složtých přístupů řešení úloh. Tento zajímavý úol čeá na budoucí autory. 2 XPRESS MP je produtem frmy Dash Optmzaton Inc. ( 0

12 2. Dynamcé rozšíření oružních a rozvozních úloh U statcých oružních a rozvozních úloh předpoládáme, že všechny parametry úlohy jsou dány předem a nelze je během realzace naplánovaných tras měnt. Oprot tomu dynamcé úlohy obsahují ve většně případů množnu parametrů známých do určtého časového oamžu (začátu realzace trasy, resp. tras), nmž postupně přbývají další parametry týající se nově vznlých požadavů. Dynamcé oružní a rozvozní úlohy se staly předmětem výzumu především v posledních letech. Z hledsa pozdějšího zoumání jsou významné především práce Psarafts (988, 995), Powell et al. (995) a Lund et al. (996). a dalším vývoj metod řešících dynamcé rozvozní úlohy se podílel Gendreau and Potvn (998), teří předložl přehled záladních aplací využívajících možnost vznu objednáve on-lne. Gendreau et al. (999) zoumal dynamcou rozvozní úlohu s časovým ony na příladu urýrních služeb, zajšťujících požadavy záazníů, teré je zapotřebí navštívt během časového ona, vyzvednout přpravenou záslu a dovézt na požadované místo, případně do centra, de se zásly shromažďují pro další zpracování, případně hromadný rozvoz (např. služba DHL). Ja bylo uvedeno v úvodu práce, dynamcé oružní a rozvozní úlohy patří do třídy P-obtížných úloh. Pro řešení rozsáhlejších úloh, časově velm náročných, lze použít řadu heurstcých postupů, teré posytují poměrně valtní řešení v aceptovatelném čase. V uvedené prác autorů Gendreau et al. (999) byla použta paralelní metoda tabu search. Pro statcou úlohu popsal tento heurstcý algortmus Badeau et al. (997) a Tallard et al. (997). Montemann et al. (2002) použl na dynamcou rozvozní úlohu metaheurstcý algortmus 2 založený na chování mravenčí olone (tzv. Ant Colony System). V ctované prác autoř aploval algortmus na množnu náhodně vygenerovaných 50 míst v městě Lugano ve Švýcarsu. Gambardella et al. (2003) představl dva softwarové produty vycházející ze zmíněného algortmu. Použtím genetcého algortmu (Genetc Algorthm) a metody založené na prncpu smulovaného žíhání (Smulated Annealng) v rozvozní úloze s časovým ony se zabývají Thangah et al. (994) a Bräysy and Gendreau (2005b). Aplac genetcého algortmu na tento typ úlohy popsují taé Homberger and Gehrng (999), Potvn and Bengo (996) a Ččová (2005). Defnc P-obtížných, resp. P-těžých úloh uvádí Pelán (200). 2 Metaheurstcé algortmy jsou obecné heurstcé postupy aplovatelné na obecný optmalzační problém, zatímco algortmy označované jao heurstcé jsou specální metody formulované pro onrétní úlohu.

13 2. Dynamcé rozšíření oružních a rozvozních úloh V dnešní době jsou předmětem zájmu alternatvní optmalzační postupy pro řešení časově náročných úloh, založené na metodě větvění a řezů č generování sloupců. Metoda větvení a řezů 3 pro statcou rozvozní úlohu je popsána v prác Bard et al. (2002) a Achuthan et al. (2003). Pro statcou rozvozní úlohu s časovým ony použl metodu generování sloupců 4 Desrochers et al. (992), pro dynamcou úlohu Chen and Xu (2006). a záladě reálných aplací vznla celá řada specálních modelů, teré jsou rozšířením původní dynymcé rozvozní úlohy s časovým ony, jao je napřílad stochastcá rozvozní úloha, tj. rozvozní úloha se stochastcou poptávou, terou rozpracoval Gendreau et al. (996). Stejní autoř taé navrhl další rozšíření metod na stuace, dy lze např. využít dostupné nformace o budoucích požadavcích. Larsen et al. (2004) provedl řadu zajímavých smulačních expermentů pro úlohu obchodního cestujícího s aprorní nformací v podobě pravděpodobnost vznu požadavu v určtém regonu. Další rozsáhlý oruh v oblast oružních úloh tvoří problémy s více obchodním cestujícím, teří obsluhují záazníy z jednoho č něola výchozích míst. Své výpočetní zušenost shrnul Svesta and Hucfeldt (973). V počátcích výzumu se zapsal výrazně Gavsh (976), významná je především pozdější práce autorů Gavsh and Sranth (986), v níž navrhl metodu pro nalezení optmálního řešení pro rozsáhlé výše zmíněné úlohy. Podobně Laporte and obert (980) navrhl pro řešení této úlohy algortmus založený na metodě řezných nadrovn. Pops systému DRIVE 5 založeného na metodě větvení a oceňování 6 podal Savelsbergh and Sol (998). V reálných rozvozních úlohách velm často exstuje možnost rozdělení dodávy záazníov mez něol vozdel, resp. mez více tras. Touto problematou se zabývají Archett et al. (200), Dror and Trudeau (989), Dror et al. (994), Fábry (2005), aj. Metodu tabu search aploval na tuto úlohu Archett et al. (2006). Tato práce ve vztahu vytčeným cílům je oncpována ta, že u aždé úlohy je nejprve uvedena její statcá verze a potom její dynamcé rozšíření, přčemž je laden důraz na logcou návaznost úvah a přehlednost textu. Defnce dynamcých modelů jsou ve většně případů původní, mají vša svůj zálad ve formulacích statcých modelů v ctovaných zdrojích. 3 Branch-and-Cut Algorthm. 4 Column Generaton Algorthm. 5 DRIVE je zratou názvu Dynamc Routng of Independent VEhcles. 6 Metoda větvení a oceňování (Branch-and-Prce Algorthm) využívá metody generování sloupců. 2

14 3. Dynamcá úloha obchodního cestujícího 3. Standardní úloha obchodního cestujícího Statcá úloha obchodního cestujícího (TSP) předpoládá znalost všech parametrů před započetím optmalzace před samotnou realzací oružní jízdy. Mler-Tucer-Zemlnova formulace matematcého modelu (Pelán, 200) je následující: mnmalzovat n n z = c x, (3.) = j = za podmíne n j= n = x =, =,2,..., n, x =, j =,2,..., n, (3.2) (3.3) u u + nx n, =,2,..., n, j = 2,3,..., n, j, (3.4) j { 0,},, j,2,..., n, x = (3.5) de n je počet míst, terá vozdlo musí projet (včetně výchozího místa označeného ndexem ) a c představuje vzdálenost mez místy a j. Proměnná x je bvalentní proměnná nabývající hodnoty v případě, že vozdlo jede do místa j z místa, resp. hodnoty 0 v opačném případě. Podmíny (3.2) a (3.3) zajšťují, že aždé místo je navštíveno právě jednou. Soustava podmíne (3.4) s proměnným u je opatřením prot vytváření parcálních cylů. V celé dsertační prác budeme z důvodu zjednodušení všech matematcých modelů předpoládat, že proměnné x jsou defnované pro = j. V opačném případě bychom ve všech účelových funcích, omezeních a matematcých výrazech musel přpojt podmínu j. Tento postup by byl jstě oretní, ovšem na úor přehlednost. Úloha obchodního cestujícího je nejjednodušší verzí oružních úloh. Cílem je navštívt aždého záaznía, a to právě jednou, anž bychom se zabýval typem č velostí požadavů jednotlvých záazníů. Z tohoto důvodu není třeba řešt an otázu apacty Travelng Salesman Problem. 3

15 3. Dynamcá úloha obchodního cestujícího vozdla. Reálným rozšířením úlohy je zavedení časových oen, tedy časového ntervalu, během terého je nutné daného záaznía navštívt a obsloužt. Tyto úlohy budou předmětem analýzy v další část práce. 3.2 Dynamzace úlohy obchodního cestujícího Uvedený statcý model úlohy obchodního cestujícího (3.) - (3.5) předpoládá znalost všech parametrů před započetím oružní jízdy. V průběhu jízdy nelze tyto hodnoty měnt, nelze tudíž an přdávat č ubírat záazníy. aprot tomu v dynamcé úloze obchodního cestujícího (DTSP) 2 může dyol během realzace jízdy přít nový požadave od záaznía nacházejícího se deol v předem ohrančeném území, resp. od ohool z předem známé množny potencálních záazníů. V prax to znamená, že dspečer přme nový požadave a rozhodne o jeho zařazení do předem naplánovaného oruhu, resp. zbývající část oruhu, terou vozdlo ještě musí absolvovat. Zísání a zpracování nformace o nových požadavcích nevyžaduje v podstatě žádné dodatečné nálady, zatímco přínos pro tímto způsobem fungující frmu může být velce významný, a to nejen z hledsa samotného zísání dalších záazníů zařazených do oruhu, ale především z hledsa celové úspěšnost frmy na onurenčním trhu. Fábry (2006) popsuje dva záladní přístupy zařazení nově vznlých požadavů do předem naplánované trasy vozdla. Re-optmalzace Jamle se objeví nový záazní, dspečer jej zařadí mez záazníy, teré vozdlo ještě nenavštívlo, a nalezne optmální trasu. Jedná se o sofstovaný přístup, jehož cílem je najít nejlepší řešení s využtím vešerých nformací, teré má dspečer v daný oamž dspozc. Tato metoda je samozřejmě výhodná vzhledem mnmalzac účelové funce představující celovou ujetou vzdálenost potřebnou obsluze všech zbývajících záazníů. Jestlže je počet záazníů vysoý, naráží dspečer opět na problém s výpočetní náročností úlohy. K podobným problémům může dojít tehdy, bude-l frevence vznu nových požadavů ta vysoá, že častá re-optmalzace povede až úplnému zahlcení systému, dy během dne nebude možné uspoojt všechny požadavy. Tento přístup využl Bell et al. (983), Hll et al. (988), Brown et al. (987), Psarafts et al. (980, 983), Powell et al. (988), Dal (995) a další. 2 Dynamc Travelng Salesman Problem. 4

16 3. Dynamcá úloha obchodního cestujícího Vládací algortmus Poud přde nový požadave, záazní je zařazen do plánované trasy mez dva po sobě následující záazníy, teří mají být vozdlem na trase navštíven. Pro nalezení nejvhodnější dvojce záazníů lze použít jao rtérum hodnotu prodloužení stávající trasy po zařazení nového záaznía, terá se bude mnmalzovat: z = c cn, c,, (3.6), n l l de a jsou ndexy všech bezprostředně po sobě následujících záazníů, teré má vozdlo l navštívt podle plánované trasy, a n + je ndex nového záaznía. Vládací algortmus je heurstcou metodou, terá nemusí posytovat optmální řešení. a obr. 3. a 3.2 je uveden přílad vložení záaznía č. 9 do trasy mez záazníy č. 3 a Obr. 3. Vzn nového požadavu Obr. 3.2 Vložení nového požadavu Vzhledem tomu, že je možné určt na trase místo, am má být nový záazní vložen, pratcy oamžtě př větším počtu záazníů, lze tento postup aplovat především v těch stuacích, v nchž hraje významnou rol čas a frma se musí rozhodnout hned po přetí nového požadavu (Lund et al., 996). Vládání záazníů je výhodné zejména př vysoé frevenc vznu nových požadavů, ovšem pouze z hledsa času nutného pro nalezení nové trasy, nolv vša jž z hledsa jejího celového prodloužení. Z tohoto důvodu je vhodné v prax ombnovat oba přístupy, tj. po určté době, během níž se něolrát aploval vládací algortmus, se provede re-optmalzace trasy. Další možností je aplovat re-optmalzační algortmus na množnu něola nových požadavů, anž by se pro aždého z nch prováděl vládací algortmus. Použtí metod, případně jejch ombnace, závsí na charateru onrétní frmy. Jednotlvé přístupy lze samozřejmě měnt během dne podle výyvů frevence vznu nových požadavů. 5

17 3. Dynamcá úloha obchodního cestujícího Uvedené metody předpoládají dynamcý, navíc stochastcý charater vznu požadavů, neuvažují vša možnost předpovídat vlastnost požadavu na záladě pravděpodobnost jeho vznu z hledsa časového an prostorového. Touto otázou se zabývá část Re-optmalzace dynamcé úlohy obchodního cestujícího Ja bylo uvedeno v předchozí část, re-optmalzace trasy spočívá v nalezení optmálního řešení úlohy, ve terém vozdlo po přetí nového požadavu obslouží všechny dosud nenavštívené záazníy a ujede přtom nejratší vzdálenost. V tomto případě se jž nejedná o lascou úlohu obchodního cestujícího, neboť cílem není nalézt nejratší oruh, ale nejratší cestu ze stávajícího uzlu do výchozího uzlu č. taovou, na níž bude aždý záazní navštíven právě jednou. Matematcý model této úlohy lze pa formulovat následujícím způsobem: mnmalzovat z = c x, (3.7) U j U za podmíne x j U j jnext U x =, U =, j U { }, { j }, next (3.8) (3.9) u { j },, u + U. x U, U, j U j (3.0) j next x {,},, j U, (3.) 0 de U je množna míst, terá musí vozdlo ještě navštívt 3, U je jejch počet. Index jnext U odpovídá místu, němuž vozdlo směřuje v oamžu přetí nového požadavu, a teré se ta stává výchozím místem pro následující trasu 4. Pro řešení této úlohy lze použít modfovaný matematcý model TSP: mnmalzovat z = c x, (3.2) U j U 3 Jao poslední bude navštíveno výchozí místo, tj. uzel č.. 4 Předpoládáme, že re-optmalzace bude doončena dříve než bude obsloužen tento záazní. V opačném případě by výchozím místem pro novou trasu byl až záazní bezprostředně následující po j next v původní trase. 6

18 3. Dynamcá úloha obchodního cestujícího za podmíne x j U U x =, U, =, j U, (3.3) (3.4) u { },, u + U. x U, U, j U j (3.5) j x j next =, (3.6) x {,},, j U. (3.7) 0 Tento model předpoládá, že v původní matc vzdáleností se provede změna vzdálenost c j next mez výchozím místem č. a záazníem j next, e terému vozdlo právě směřuje, na hodnotu odpovídající délce dosud absolvované trasy 5 z výchozího místa do místa j next. a stuac popsanou uvedeným modelem lze pohlížet ta, že se hledá nejratší oruh z výchozího místa přes všechny dosud nenavštívené záazníy, přčemž vozdlo jede zdánlvě z výchozího místa č. do místa j next, což zaručuje podmína (3.6). Je zapotřebí s uvědomt, že tato změna je provedena jen pro účely výpočtu, nol pro samotnou realzac trasy vozdla, teré ve sutečnost nejede do místa j next z výchozího místa, ale z místa, teré navštívlo jao poslední. V účelové func (3.2) je zahrnuta onstanta samotnou optmalzac. c jnext, což nemá samozřejmě vlv na Přílad 3. Tabula 3. obsahuje vygenerované artézsé souřadnce [X, Y] výchozího místa (č. ) a šest záazníů (č. 2-7). Hodnoty jsou uvedeny v lometrech. Požadavy záazníů v místech č. 2-6 byly známé předem, požadave posledního záaznía v místě č. 7 přšel v oamžu, v němž jž bylo obsluhující vozdlo na trase. Tabula 3.2 obsahuje euldovsé vzdálenost c mez aždou dvojcí míst, j. ejprve řešíme statcý model úlohy obchodního cestujícího TSP (3.) - (3.5) pro všechny předem známé požadavy. Pro optmalzac byl použt program LIGO; model zapsaný v tomto systému je uveden v příloze č.. Optmální trasa, jejíž déla ční přblžně 223,49 m, je znázorněna na obr V této trase je zahrnutý záazní j next. 7

19 3. Dynamcá úloha obchodního cestujícího Místo X Y Tab. 3. Generovaná úloha DTSP c ,0 42,44 42,64 52,50 34,93 38,0 2 38,0 0 80,45,70 85,98 7,59 67, ,44 80, ,22 32,20 6,03 38, ,64,70 84, ,48 73,50 75,6 5 52,50 85,98 32,20 93, ,69 20,8 6 34,93 7,59 6,03 73,50 45, ,0 7 38,0 67,08 38,63 75,6 20,8 46,0 0 Tab. 3.2 Symetrcá matce vzdáleností 6 (v m) Obr. 3.3 Optmální řešení statcého modelu TSP Pro zařazení nového záaznía v místě č. 7 do stávající trasy je rozhodující, ve terém oamžu jeho požadave přchází. Předpoládejme, že obsluhující vozdlo se právě nachází mez místy č. 2 a 5. Množna míst, terá mají být vozdlem ještě navštívena, je 6 Hodnoty jsou zaorouhleny na dvě desetnná místa. 8

20 {,3,5,6,7 } 3. Dynamcá úloha obchodního cestujícího U =, tj. U = 5. ež dojede vozdlo do místa č. 5, je vypočtena optmální trasa začínající v tomto místě a ončící ve výchozím místě č.. Trasa vede postupně přes místa č. 7, 3 a 6, ja je patrné z obr Déla této trasy ční cca 0,39 m, déla trasy je cca 40,33 m, vozdlo tedy ujede celem přblžně 250,72 m trasa před přetím nového požadavu trasa po přetí nového požadavu Obr. 3.4 Re-optmalzace trasy po přetí požadavu záaznía v místě č. 7 Záps modelu (3.7) (3.) v systému LIGO pro tento přílad obsahuje příloha č. 2. Pro zajímavost uveďme ještě dva přílady. Přílad 3.2 Poud by dspečer znal požadave záaznía před výjezdem vozdla z výchozího místa č., úloha by byla řešena za použtí statcého modelu. Déla optmální trasy je přblžně 225,40 m, tj. trasa je o více než 25 m ratší než v příladě 3.. Stejný výslede obdržíme, přde-l nový požadave v oamžu, dy je jž vozdlo na trase, ale dosud nenavštívlo záaznía v místě č. 2. Přílad 3.3 Poud by nový požadave přšel pozděj než př přejezdu vozdla z místa č. 2 do místa č. 5, dojde patrně dalšímu prodloužení trasy. Lze se o tom snadno přesvědčt, poud budeme předpoládat příchod požadavu v oamžu, dy vozdlo bude na cestě z místa č. 5 do místa č. 3. Trasa má délu cca 72,53 m, trasa délu cca 0,4 m, celová ujetá vzdálenost je pa přblžně 272,67 m. 9

21 3. Dynamcá úloha obchodního cestujícího Z uvedených příladů vyplývá, že je výhodné znát co nejvíce požadavů před započetím jízdy, případně co nejdříve po začátu jízdy. Re-optmalzace trasy je v tomto případě vysoce efetvní a vede výraznému zrácení trasy Vládací algortmus pro dynamcou úlohu obchodního cestujícího Př vysoém počtu záazníů, resp. vysoé frevenc vznu nových požadavů, je z hledsa reálného času pratcy nemožné opaovaně aplovat re-optmalzační algortmus popsaný v předchozí část. V reálných stuacích zřejmě postačí jednodušší a časově nenáročný heurstcý algortmus vládání nových požadavů mez nejvhodnější dvojc záazníů, pro terou nabývá výraz (3.6) svého mnma. echť U {,..., } = je posloupnost m míst 7 ( = ), terá mají být vozdlem ještě, 2 m navštívena podle naplánované trasy. Označíme-l záaznía s novým požadavem ndexem r U, hodnotu prodloužení stávající trasy po jeho vložení mez místa a + lze určt jao z = c r + cr c, =,2,...,. (3.8),, m + +, Cílem je nalézt taový ndex t, pro terý platí: m z t = mn z. (3.9) =,2,..., m ový záazní r bude navštíven bezprostředně po záazníov t před záazníem t +. Přílad 3.4 Uvažujme stejnou stuac jao v příladě 3., tj. příchod nového požadavu záaznía č. 7 v oamžu, dy vozdlo jede po optmální trase z místa č. 2 do č. 5 (vz obr. 3.3). Pro posloupnost = { 5,3,6, } U vytvoříme následující tabulu: c +, 7 c 7, + c, ,8 38,63 32,20 27, ,63 46,0 6,03 68, ,0 38,0 34,93 49,8 Tab. 3.3 Prodloužení stávající trasy (v m) z 7 Tato posloupnost může tvořt původní optmální trasu stanovenou před zahájením jízdy vozdla, případně trasu, terá byla určena z této optmální trasy postupným vládáním něola nových požadavů. 20

22 3. Dynamcá úloha obchodního cestujícího Z posledního sloupce tabuly vyplývá, že t =, tj. nový záazní bude vložen do stávající trasy mez záazníy č. 5 a 3. Výslede je shodný s optmálním řešením zísaným re-optmalzací (vz obr. 3.4); prodloužení trasy oprot řešení bez záaznía č. 7 ční přblžně 27,23 m. Z uvedených příladů je zcela zřejmé, že v oružních úlohách, a především pa v úlohách dynamcých, hraje významnou rol čas. Jedná se především o oamžy příchodu nových požadavů, ale taé o časová ona, o terá pozděj rozšíříme jednoduché rozvozní úlohy Oamžy příchodu nových požadavů v dynamcé úloze obchodního cestujícího Pro řešení úlohy DTSP je důležté, dy a ja často vznají nové požadavy. V příladech uvedených v předchozích částech jsme předpoládal příchod jedného nového požadavu, a to v oamžu, dy se vozdlo nacházelo v určtém místě trasy. V reálných stuacích se ovšem jedná většnou o náhodný příchod něola po sobě následujících požadavů. Abychom byl schopn určt místo, de se vozdlo nachází v oamžu, dy zavolá nový záazní, musíme znát romě vzdáleností mez všem místy rychlost vozdla. Pro zjednodušení budeme předpoládat onstantní, resp. průměrnou rychlost vozdla 60 m.h -. Parametr c představující vzdálenost (v lometrech) mez místy a j se ta stává zároveň časovým parametrem znamenajícím dobu (v mnutách), za terou se vozdlo přesune z místa do místa j. Zavedeme další zjednodušení problému týající se doby obsluhy záaznía. Bez újmy na obecnost budeme pro všechny záazníy považovat tuto dobu za nulovou 8. V oamžu přetí nového požadavu rozdělují Ichoua et al. (2000) trasu vozdla na tř záladní část (obr. 3.5): Doončená část Jedná se o záazníy, teří jž byl vozdlem obsloužen. a obr. 3.5 tato část začíná výchozím místem č. a ončí posledním navštíveným záazníem č Model s nenulovou dobou obsluhy bude uveden pozděj u úlohy obchodního cestujícího s časovým ony. 2

23 3. Dynamcá úloha obchodního cestujícího Právě absolvovaná část Tento úse trasy odpovídá přejezdu mez posledním navštíveným záazníem č. 3 a bezprostředně následujícím záazníem č. 2. Exstují různé stratege pro chování vozdla v této část trasy. Budeme předpoládat, že vozdlo v aždém případě doončí naplánovanou cestu bezprostředně následujícímu záazníov 9. Plánovaná část Předtím, než vozdlo dojede bezprostředně následujícímu záazníov č. 2, zařadí se nový záazní č. 7 mez všechny dosud nenavštívené záazníy a určí se nová trasa 0, terá začíná u záaznía č. 2 a ončí ve výchozím místě č doončená část právě absolvovaná část plánovaná část 7 5 Obr. 3.5 Trasa v oamžu zařazení nového požadavu Dspečersá služba přímající ve frmě nové požadavy a řídící pohyb vozdla pracuje během dne způsobem, terý lze popsat následujícím algortmem:. ro Optmalzace trasy pro všechny předem známé požadavy Předpoládáme znalost matce vzdáleností mez všem místy představovaným výchozím místem a známým záazníy. Dspečer řeší standardní úlohu obchodního cestujícího (3.) - (3.5); výsledem je optmální trasa, terá začíná a ončí ve výchozím místě č.. Označme počet známých míst (včetně výchozího místa) jao n Z. Délu výsledné trasy pa můžeme zapsat jao T Z n = Z nz = j= c x. (3.20) 9 Tento předpolad znamená, že se vozdlo neodloní z plánované trasy, aby obsloužlo právě vznlý požadave, dyby se nacházel velce blízo trasy nebo doonce přímo na trase. 0 Tuto trasu lze určt např. pomocí re-optmalzace nebo vládacího algortmu. V případě velého počtu záazníů můžeme použít místo optmalzačního algortmu něterou heurstcou metodu, např. výše popsaný vládací algortmus. 22

24 3. Dynamcá úloha obchodního cestujícího Protože c představuje nejen vzdálenost mez místy a j, ale podle předpoladu o rychlost vozdla dobu potřebnou jeho přejezdu z místa do místa j, udává hodnota (3.20) zároveň dobu (v mnutách), za terou vozdlo obslouží všechny záazníy a vrátí se zpět do výchozího místa. V reálné stuac by měl dspečer porovnat tuto hodnotu s délou pracovní doby T PD a v případě jejího přeročení rozhodnout o změně např. odmítnutí něterých záazníů č odsunutí jejch obsluhy na další den, přdání dalšího vozdla 2 apod. 2. ro Zahájení obsluhy záazníů podle naplánované trasy Dspečersá služba dá poyn výjezdu vozdla z výchozího místa prvnímu záazníov na trase. Ve stejném oamžu nastaví celovou dobu trvání na T = ro astává jedna ze tří možných stuací 3 : (a) Vozdlo dorazí záazníov. K dosavadní celové době jízdy T přčteme dobu přejezdu vozdla z předešlého místa danému záazníov. Protože podle zjednodušujícího předpoladu neuvažujeme žádné zdržení vozdla u záaznía, tj. doba trvání jeho obsluhy je nulová, vozdlo oamžtě odjíždí dalšímu záazníov na trase. (b) Objeví se nový záazní se svým požadavem. Dspečer zařadí záaznía do seznamu dosud nenavštívených záazníů a provede naplánování trasy řešením modelu (3.7) - (3.), resp. (3.2) (3.7) nebo na záladě mnmalzace výrazu (3.8). Tato trasa začíná u záaznía, e terému vozdlo právě směřuje 4. Jestlže je součet dély této trasy a celové dély dosavadní trasy T nžší než je déla pracovní doby T PD, pa je nový požadave přat a trasa je upravena podle provedeného výpočtu. V opačném případě dspečer záaznía odmítne, případně jeho požadave po dohodě s ním odloží na následující pracovní den. (c) Vozdlo dorazí do výchozího místa. Požadavy všech záazníů byly uspoojeny, vozdlo absolvovalo celou naplánovanou trasu. K dosavadní celové době trvání trasy T přčteme dobu přejezdu vozdla 2 Stuace s více vozdly zajšťujícím obsluhu záazníů budou řešeny v další část práce. 3 Stuace (a) a (b), resp. (b) a (c) mohou ve zcela výjmečných případech nastat současně. 4 Poud by vozdlo dorazlo záazníov, němuž právě jede, dříve než za dobu nutnou doončení výpočtu, může vozdlo u právě obslouženého záaznía počat na určení trasy, případně navštívt dalšího záaznía podle předem naplánované trasy a výpočet další trasy provést až od tohoto záaznía. Tyto stuace zde vša uvažovat nebudeme, tj. předpoládáme, že novou trasu je možné určt oamžtě. 23

25 3. Dynamcá úloha obchodního cestujícího od posledního záaznía do výchozího místa. Vozdlo pa čeá nevyužto na další požadavy, přčemž se hodnota T postupně zvyšuje o délu čeání. V případě, že přde další požadave od nového záaznía označeného ndexem r, dspečer posoudí, zda jej vozdlo sthne obsloužt do once pracovní doby. Poud T + c r + cr TPD, (3.2) de T je atuální hodnota uplynulého času od začátu pracovního dne, T PD je déla pracovní doby, c r a r c jsou vzdálenost z výchozího místa novému záazníov a zpět, resp. doba potřebná pro obsluhu tohoto záaznía, pa dspečer vydá poyn obsluze nového záaznía. V opačném případě je záazní odmítnut č jeho obsluha odsunuta na následující pracovní den a vozdlo čeá ve výchozím místě na dalšího nového záaznía, jehož obsluhu by bylo ještě možné zajstt do once pracovní doby, tj. pro nějž by byla splněna nerovnost (3.2). Opaujeme 3. ro ta dlouho, doud nesončí pracovní doba. Jným slovy, poud se dspečer rozhoduje podle uvedeného algortmu, nemůže nastat jný případ než ten, že pracovní doba sončí ve chvíl, dy je vozdlo zpět ve výchozím místě, v deálním případě přesně ve chvíl, dy do výchozího místa dorazí. 3.3 Dynamcá úloha obchodního cestujícího s časovým ony Klascá úloha obchodního cestujícího s časovým ony (TSPTW) 5 předpoládá podobně jao TSP znalost všech požadavů před zahájením jízdy. Pro aždého záaznía je navíc defnován časový nterval, ve terém má být realzována jeho obsluha. Opět se jedná o standardní optmalzační oružní úlohu, ve teré je cílem určt pořadí, v němž budou místa navštívena ta, aby byly splněny požadavy záazníů a nálady 6 spojené s rozvozem, resp. se svozem, byly mnmální. V dynamcé úloze obchodního cestujícího s časovým ony (DTSPTW) 7, na rozdíl od statcé úlohy, jsou něteré požadavy známy předem, zatímco další požadavy se objevují až př samotné realzac oružní jízdy. Frma, terá obsluhu záazníů zajšťuje, musí dynamcy reagovat na on-lne požadavy nových záazníů. Jednou ze zajímavých reálných aplací je svoz noční pošty č zásle od pravdelných záazníů, nmž se během noc náhodně přdávají další záazníc. Jao další aplace úlohy DTSPTW lze uvést 5 Travelng Salesman Problem wth Tme Wndows. 6 V našem případě celová ujetá vzdálenost č celový čas nutný pro realzac oružní jízdy. 7 Dynamc Travelng Salesman Problem wth Tme Wndows. 24

26 3. Dynamcá úloha obchodního cestujícího taxslužbu, zajšťování servsních služeb jao jsou opravy telefonních stanc, nstalatérsé, eletrářsé a topenářsé práce apod Statcá úloha obchodního cestujícího s časovým ony ejprve uvedeme formulac matematcého modelu úlohy TSPTW, ve teré jsou všchn záazníc znám předem. Časové ono u -tého záaznía je defnované ntervalem mez nejdříve možným začátem obsluhy e a nejpozděj přípustným začátem obsluhy l. Oamž, ve terém začne reálná obsluha -tého záaznía, označíme omezení τ τ. Předpoládejme e, teré znamená, že obsluha -tého záaznía nesmí začít před nejdříve možným termínem zahájení obsluhy. Poud přede vozdlo záazníov před nejdříve možným začátem, musí čeat až do tohoto termínu. Poud vozdlo nesthne přet do nejpozděj přípustného termínu, tj. poud τ > l, pa vzná penále, tj. nálady spojené s nedodržením záazníova požadavu. Tato omezení jsou v lteratuře často označována jao soft, tedy slabá omezení (Gendreau et al., 999). ěteré reálné aplace vša nepřpouštějí možnost obsluhy mmo nterval představující časové ono a pro všechny záazníy musí tudíž platt e τ l. Taová omezení se pa označují jao hard, tj. slná omezení. V následujícím matematcém modelu opět pro jednoduchost předpoládáme, bez újmy na obecnost, nulovou dobu obsluhy všech záazníů (Fábry, 2006): mnmalzovat za podmíne z = n n = j= c x, (3.22) n j= n = x =, =,2,..., n, x =, j =,2,..., n, (3.23) (3.24) e τ l, 2,3,..., n, (3.25) = τ + t M ( x ) τ, =,2,..., n, j = 2,3,..., n, j, (3.26) j τ = 0, (3.27) τ 0, 2,3,..., n, (3.28) = { 0,},, j,2,..., n, x = (3.29) 25

27 3. Dynamcá úloha obchodního cestujícího de n je počet míst, terá vozdlo musí projet (včetně výchozího místa označeného č. ), c představuje vzdálenost mez místy a j, t dobu přejezdu mez místy a j. Hodnoty e a l představují nejdříve možný a nejpozděj přípustný termín obsluhy záaznía, M představuje vysoou onstantu. Proměnná x je bvalentní proměnná nabývající hodnoty v případě, že vozdlo jede z místa přímo do místa j, hodnoty 0 v opačném případě. Proměnná τ udává oamž, ve terém vozdlo navštíví místo. Účelová funce (3.22) a podmíny (3.23) - (3.24) mají stejný význam jao v modelu standardní úlohy obchodního cestujícího TSP. Podmíny (3.25) stanovují, aby záazníc byl obsloužen uvntř časového ona. Omezení (3.26) zajšťují, že časový nterval mez návštěvou záaznía j bezprostředně po záazníov má mnmálně hodnotu t. Poud vozdlo nepojede od záaznía záazníov j, pa díy vysoé onstantě M je tato nerovnost vždy splněna. Desrosers et al. (995) uvádějí tyto podmíny taé v následující podobě: x ( τ + t τ ) 0, =,2,..., n, j = 2,3,..., n, j. (3.26a) j Je zřejmé, že tato omezení jsou nelneární a pro pratcé využtí tudíž vyhovují lépe původní omezení (3.26). Rovnce (3.27) defnuje nulový oamž výjezdu vozdla z výchozího místa. echť vozdlo po doončení obsluhy záaznía má podle naplánované trasy odjet záazníov j. Vzhledem tomu, že vozdlo musí respetovat časové ono záaznía j, exstují dvě stratege čeání vozdla u záazníů: ) Vozdlo odjede záazníov j bezprostředně po doončení obsluhy záaznía. Poud přede záazníov j před otevřením časového ona, bude čeat do oamžu e j. 2) Vozdlo zůstane u záaznía a záazníov j odjede v taovém oamžu, aby němu dorazlo přesně ve chvíl otevření jeho časového ona, tj. vyjede v oamžu e j t. Výhoda této stratege spočívá v tom, že během čeání vozdla může přít další požadave, terý ovlvní dříve naplánovanou trasu, tj. vozdlo nepojede z místa záazníov j, ale jnému záazníov ta, aby zbývající trasa byla optmální. 26

28 3. Dynamcá úloha obchodního cestujícího Úloha s čeáním vozdla u záaznía před jeho obsluhou Přmeme-l jž dříve uvedený předpolad o průměrné rychlost vozdla 60 m.h -, pa c = t (, j =,2,..., n) 8. Zavedeme-l proměnné W j 0 ( j = 2,3,..., n) představující dobu čeání vozdla před obsluhou záaznía j, pa účelovou func (3.22) lze přepsat do tvaru: mnmalzovat z = n n t = j= x + n j= 2 W j. (3.22a) Cílem je najít oruh s mnmální celovou dobou trvání. Místo soustavy nerovností (3.26) je v modelu zapotřebí uvést soustavu rovnc: τ + t M ( x ) + W + v = τ, =,2,..., n, j = 2,3,..., n, j. (3.26b) j j Proměnné v musí respetovat následující omezení: 0 v 2M ( x ), =,2,..., n, j = 2,3,..., n, j. (3.30) Poud vozdlo jede z místa do místa j ( x = ), pa nutně musí platt v = 0. V opačném případě ( x = 0) proměnná v funguje jao pomocná proměnná zajšťující přípustnost řešení vzhledem časovému rozvrhu. V případě, že by v rovncích (3.26b) tyto proměnné nebyly zavedeny, nebylo by možné zajstt splnění všech uvedených rovnc zároveň. Pro úplnost ještě uveďme upravený model, ve terém je romě údajů o časovém oně u aždého záaznía navíc zadaný údaj o délce obsluhy S 0 ( = 2,3,..., n). Předpoládáme, že časové ono je defnováno jao časový nterval, ve terém musí obsluha začít. Obsluha záaznía tudíž může sončt až po nejpozděj přípustném začátu obsluhy l 9. V účelové func se tato změna projeví pouze v podobě onstanty udávající celovou dobu, terou vozdlo stráví obsluhou všech záazníů 20 : mnmalzovat z = n n t = j= x + n = 2 S + n j= 2 W j. (3.22b) 8 Časové vzdálenost jsou potom uvedeny v mnutách. 9 Úloha může být defnována ta, že l představuje nejpozděj přípustný onec obsluhy, nol její nejpozděj přípustný začáte. Pa je ovšem nutné změnt č přdat něterá omezení. 20 Tato onstanta nemá vlv na samotnou optmalzac, pouze na hodnotu účelové funce, tj. celovou dobu jízdy vozdla. Model se ovšem může zomplovat v stuac, dy doba trvání obsluhy není určena determnstcy, ale je hodnotou náhodné velčny, např. př opravě plynového sporáu č lednčy, dy není předem znám typ a rozsah závady. Taové úlohy vša v této prác uvažovat nebudeme. 27

29 3. Dynamcá úloha obchodního cestujícího Omezení (3.26b) představující časový rozvrh jízdy vozdla mez záazníy se pa změní následujícím způsobem: τ + S + t M ( x ) + W + v = τ, =,2,..., n, j = 2,3,..., n, j, (3.26c) přčemž je defnováno S 0 a platí omezující podmíny (3.30). = j Úloha s čeáním vozdla u právě obslouženého záaznía j Ja bylo uvedeno dříve, může být z hledsa optmalzace trasy pro vozdlo výhodné po doončení obsluhy záaznía u něj setrvat a odjet následujícímu záazníov j až po určté době ta, aby byl tento záazní navštíven přesně v oamžu otevření jeho časového ona, tj. v oamžu nejdříve možného zahájení obsluhy e j. V případě nenulové doby obsluhy lze pa účelovou func, podobně jao v předchozí část, zapsat jao mnmalzovat z = n n t = j= x + n = W + n j= 2 S j, (3.22c) de proměnné W 0 ( = 2,3,..., n) představují dobu čeání vozdla po doončení obsluhy záaznía před jeho odjezdem dalšímu záazníov, resp. zpět do výchozího místa. Hodnota proměnné W odpovídá době, po terou bude vozdlo čeat ve výchozím místě před tím než vyjede na trasu. Rovnce (3.26c) pa nahradí následující soustava rovnc: τ + W + S + t M ( x ) + v = τ, =,2,..., n, j = 2,3,..., n, j. (3.26d) j Obě stratege dávají evdentně stejný výslede z hledsa optmální doby, po terou je vozdlo na trase, a posytují stejnou posloupnost navštívených míst. Řešení se ovšem lší v hodnotách a nterpretac dob čeání v jednotlvých místech W, resp. W. Ja lze uázat na jednoduchém příladě, druhá stratege, dy vozdlo čeá u právě obslouženého záaznía, může být výhodnější v případě dynamcé úlohy obchodního cestujícího s časovým ony, terá bude předmětem následující část. Přílad 3.5 Uvažujme výchozí místo č. a známé záazníy č Optmální trasa je znázorněna na obr

30 3. Dynamcá úloha obchodního cestujícího Obr. 3.6 Optmální trasa Poud vozdlo používá první strateg, odjíždí od aždého záaznía hned po doončení jeho obsluhy následujícímu záazníov, u něhož případně čeá na otevření časového ona. Této strateg odpovídá obr Požadave nového záaznía č. 6 může vznnout v oamžu, dy - vozdlo přejíždí od záaznía č. 3 záazníov č. 5, - vozdlo čeá u záaznía č. 5 na otevření jeho časového ona, - probíhá obsluha záaznía č. 5. ový záazní je zařazen do trasy za záaznía č. 5. Př použtí druhé stratege (obr. 3.8) vozdlo čeá u záaznía č. 3 a odjíždí v taovém oamžu, aby přel záazníov č. 5 přesně ve chvíl otevření jeho časového ona. Poud tedy vznne požadave nového záaznía č. 6 po doončení obsluhy záaznía č. 3 během čeání vozdla u tohoto záaznía, má vozdlo možnost změnt dříve naplánovanou trasu ještě před tím, než odjede záazníov č. 5. Jestlže budou splněny všechny omezující podmíny, bude nový záazní navštíven ještě před obsloužením záaznía č. 5, čímž zísáme lepší řešení než v případě první stratege Obr. 3.7 Čeání u záaznía č. 5 před jeho obsloužením Obr. 3.8 Čeání u záaznía č. 3 po jeho obsloužení 29

31 3. Dynamcá úloha obchodního cestujícího Uvedený přílad uazuje, že může být výhodné čeat u obsloužených záazníů, zda nevznne nový požadave, a upravt pa co nejdříve zbývající část trasy Dynamcá úloha obchodního cestujícího s časovým ony Ja bylo naznačeno v předešlé část textu, v úloze s časovým ony často neznáme všechny záazníy před zahájením jízdy vozdla. Další požadavy přcházejí od nových záazníů postupně během jízdy vozdla; dspečer musí, poud je to možné, nově vznlé požadavy zařadt do zbývající část trasy. Celý proces zpracování požadavů záazníů lze opět rozdělt do tří následujících roů: - Optmalzace trasy pro všechny předem známé požadavy. - Zahájení obsluhy záazníů podle naplánované trasy. - Zaomponování nových požadavů do plánované trasy, případně jejch odmítnutí. Podívejme se na jednotlvé roy podrobně, přčemž pro zjednodušení úvah budeme opět předpoládat nulovou dobu obsluhy u všech záazníů 22. Označíme-l počet známých míst (včetně výchozího místa) jao n Z, pa celová doba jízdy vozdla je dána účelovou funcí mnmalzovat T Z = nz nz n Z t = j= x + j= 2 W j. (3.3) Př mnmalzac této funce je nutné respetovat omezující podmíny (3.23) (3.25), (3.26b) a (3.27) (3.30), v nchž místo hodnoty n je použta hodnota n Z. Reálným výsledem optmalzace je trasa, tj. posloupnost záazníů, teré má vozdlo postupně navštívt, dále pa čas, ve terém vozdlo dojede určtému záazníov, a oamž, ve terém má začít jeho obsluha, resp. v našem případě oamž, ve terém se usuteční obsluha nulové dély. U aždého záaznía mohou nastat dvě stuace: ) Vozdlo dojede záazníov j před nejdříve možným začátem obsluhy e j. V taovém případě vozdlo čeá na zahájení obsluhy dobu W > 0. j 2 Předpoladem tohoto lustratvního příladu je, že zařazení nového záaznía splňuje časová ona všech záazníů. 22 Z předešlých úprav je zřejmé, že zahrnutí dély obsluhy do modelu je poměrně jednoduchou záležtostí; na tomto místě by ovšem podobné úvahy byly provedeny na úor přehlednost. 30

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti 1. Úvod do záladních pojmů teore pravděpodobnost 1.1 Úvodní pojmy Většna exatních věd zobrazuje své výsledy rgorózně tj. výsledy jsou zísávány na záladě přesných formulí a jsou jejch nterpretací. em je

Více

ŘEŠENÍ VYBRANÝCH PŘEPRAVNÍCH ÚLOH 1

ŘEŠENÍ VYBRANÝCH PŘEPRAVNÍCH ÚLOH 1 Jan Fábry ŘEŠENÍ VYBRANÝCH PŘEPRAVNÍCH ÚLOH 1 Úvod Společnost zabývající se svozem, rozvozem a přepravou zboží, materálu č ldí, čelí v současnost vysoé onurenc v dynamcy se rozvíjející oblast dstrbučních

Více

Using a Kalman Filter for Estimating a Random Constant Použití Kalmanova filtru pro výpočet odhadu konstantní hodnoty

Using a Kalman Filter for Estimating a Random Constant Použití Kalmanova filtru pro výpočet odhadu konstantní hodnoty II. Semnar ASR 007 Instruments and Control, Farana, Smutný, Kočí & Babuch (eds) 007, VŠB-TUO, Ostrava, ISB 978-80-48-7-4 Usng a Kalman Flter for Estmatng a Random Constant Použtí Kalmanova fltru pro výpočet

Více

7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ

7. ZÁKLADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ 7. ZÁKADNÍ TYPY DYNAMICKÝCH SYSTÉMŮ 7.. SPOJITÉ SYSTÉMY Téměř všechny fyzálně realzovatelné spojté lneární systémy (romě systémů s dopravním zpožděním lze vytvořt z prvů tří typů: proporconálních členů

Více

ANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha

ANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha ANOVA Analýza rozptylu př jednoduchém třídění Jana Vránová, 3.léařsá faulta UK, Praha Teore Máme nezávslých výběrů, > Mají rozsahy n, teré obecně nemusí být stejné V aždém z nch známe průměr a rozptyl

Více

4. Třídění statistických dat pořádek v datech

4. Třídění statistických dat pořádek v datech 4. Třídění statstcých dat pořáde v datech Záladní členění statstcých řad: řada časová, řada prostorová, řada věcná věcná slovní řada, věcná číselná řada. Záladem statstcého třídění je uspořádání hodnot

Více

2.4. DISKRÉTNÍ SIGNÁLY Vzorkování

2.4. DISKRÉTNÍ SIGNÁLY Vzorkování .4. DISKRÉTÍ SIGÁLY.4.. Vzorování Vzorování je nejběžnější způsob vznu dsrétních sgnálů ze sgnálů spojtých. Předpoládejme, že spojtý sgnál (t) je přveden na spínač, terý se velce rátce sepne aždých T vz

Více

teorie elektronických obvodů Jiří Petržela syntéza a návrh elektronických obvodů

teorie elektronických obvodů Jiří Petržela syntéza a návrh elektronických obvodů Jří Petržela yntéza a návrh eletroncých obvodů vtupní údaje pro yntézu obvodu yntéza a návrh eletroncých obvodů vlatnot obvodu obvodové funce parametry obvodu toleranční pole (mtočtové charaterty fltru)

Více

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů

Agregace vzájemné spojování destabilizovaných částic ve větší celky, případně jejich adheze na povrchu jiných materiálů Agregace - úvod 1 Agregace vzáemné spoování destablzovaných částc ve větší cely, případně ech adheze na povrchu ných materálů Částce mohou agregovat, poud vyazuí adhezní schopnost a poud e umožněno ech

Více

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla KOMPLEXNÍ ČÍSLA Příklad Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární

Více

HODNOCENÍ DODAVATELE SUPPLIER EVALUATION

HODNOCENÍ DODAVATELE SUPPLIER EVALUATION oční 6., Číslo IV., lstopad 20 HODNOCENÍ DODAVATELE SUPPLIE EVALUATION oman Hruša Anotace: Článe se zabývá hodnocením dodavatele pomocí scorng modelu, což znamená vanttatvní hodnocení dodavatele podle

Více

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz

Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Markéta Brázdová 1 Lokace odbavovacího centra nákladní pokladny pro víkendový provoz Klíčová slova: odbavování záslek, centrum grafu, vážená excentrcta vrcholů sítě, časová náročnost odbavení záslky, vážená

Více

MODELOVÁNÍ A SIMULACE

MODELOVÁNÍ A SIMULACE MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký

Více

Přibližné řešení algebraických rovnic

Přibližné řešení algebraických rovnic Přblžné řešení lgebrcých rovnc Algebrcou rovncí stupně n nzýváme rovnc =, tj n n x x x =, de n N, x C, oefcenty P n,,, n R, Budeme prcovt s tzv normovou lgebrcou rovncí ( = ) n n x x x = Řešením (ořenem)

Více

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu 6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a

Více

15 Mletí. I Základní vztahy a definice. Oldřich Holeček (aktualizace v roce 2014 Michal Přibyl & Marek Schöngut)

15 Mletí. I Základní vztahy a definice. Oldřich Holeček (aktualizace v roce 2014 Michal Přibyl & Marek Schöngut) 15 Mletí Oldřch Holeče (atualzace v roce 2014 Mchal Přbyl & Mare Schöngut) I Záladní vztahy a defnce I.1 Úvod Rychlost mnoha chemcých a fyzálních procesů závsí na velost mezfázového povrchu. Je-l v nch

Více

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2 Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...

Více

Hodnocení přesnosti výsledků z metody FMECA

Hodnocení přesnosti výsledků z metody FMECA Hodnocení přesnosti výsledů z metody FMECA Josef Chudoba 1. Úvod Metoda FMECA je semivantitativní metoda, pomocí teré se identifiují poruchy s významnými důsledy ovlivňující funci systému. Závažnost následů

Více

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá

Více

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC

2.5. MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC 25 MATICOVÉ ŘEŠENÍ SOUSTAV LINEÁRNÍCH ROVNIC V této kaptole se dozvíte: jak lze obecnou soustavu lneárních rovnc zapsat pomocí matcového počtu; přesnou formulac podmínek řeštelnost soustavy lneárních rovnc

Více

Měření indukčností cívek

Měření indukčností cívek 7..00 Ṫeorie eletromagneticého pole Měření indučností cíve.......... Petr Česá, studijní supina 05 Letní semestr 000/00 . Měření indučností cíve Měření vlastní a vzájemné indučnosti válcových cíve ZAÁNÍ

Více

SPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem "restart". To oceníme při opakovaném použití dokumentu.

SPOTŘEBITELSKÝ ÚVĚR. Na začátku provedeme inicializaci proměnných jejich vynulováním příkazem restart. To oceníme při opakovaném použití dokumentu. Úloha 1 - Koupě nového televizoru SPOTŘEBITELSKÝ ÚVĚR Chceme si oupit nový televizor v hodnotě 000,-Kč. Bana nám půjčí, přičemž její úroová sazba činí 11%. Předpoládejme, že si půjčujeme na jeden ro a

Více

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo

u (x i ) U i 1 2U i +U i+1 h 2. Na hranicích oblasti jsou uzlové hodnoty dány okrajovými podmínkami bud přímo Metoda sítí základní schémata h... krok sítě ve směru x, tj. h = x x q... krok sítě ve směru y, tj. q = y j y j τ... krok ve směru t, tj. τ = j... hodnota přblžného řešení v uzlu (x,y j ) (Possonova rovnce)

Více

4 všechny koeficienty jsou záporné, nedochází k žádné změně. Rovnice tedy záporné reálné kořeny nemá.

4 všechny koeficienty jsou záporné, nedochází k žádné změně. Rovnice tedy záporné reálné kořeny nemá. Přílad 1. Řešte v R rovnici x 4x + x 4 0. Výslede vypočtěte s přesností alespoň 0,07. 1) Reálné ořeny rovnice budou ležet v intervalu ( 5,5), protože největší z oeficientů polynomu bez ohledu na znaméno

Více

MATEMATIKA II V PŘÍKLADECH

MATEMATIKA II V PŘÍKLADECH VYSOKÁ ŠKOL BÁŇSKÁ TECHICKÁ UIVERZIT OSTRV FKULT STROJÍ MTEMTIK II V PŘÍKLDECH CVIČEÍ Č 0 Ing Petra Schreiberová, PhD Ostrava 0 Ing Petra Schreiberová, PhD Vysoá šola báňsá Technicá univerzita Ostrava

Více

β 180 α úhel ve stupních β úhel v radiánech β = GONIOMETRIE = = 7π 6 5π 6 3 3π 2 π 11π 6 Velikost úhlu v obloukové a stupňové míře: Stupňová míra:

β 180 α úhel ve stupních β úhel v radiánech β = GONIOMETRIE = = 7π 6 5π 6 3 3π 2 π 11π 6 Velikost úhlu v obloukové a stupňové míře: Stupňová míra: GONIOMETRIE Veliost úhlu v oblouové a stupňové míře: Stupňová míra: Jednota (stupeň) 60 600 jeden stupeň 60 minut 600 vteřin Př. 5,4 5 4 0,4 0,4 60 4 Oblouová míra: Jednota radián radián je veliost taového

Více

SW aplikace MOV přednášky

SW aplikace MOV přednášky SW aplace MOV Šubrt KOSA Systémová podpora proetů Teore grafů Proetové řízení I, II zápočet: alespoň bodů z průběžných testů 75% účast na cvčení obhaoba proetů v MS Proect pef.czu.cz/osa Témata. :. seznámení

Více

1.5.7 Prvočísla a složená čísla

1.5.7 Prvočísla a složená čísla 17 Prvočísla a složená čísla Předpolady: 103, 106 Dnes bez alulačy Číslo 1 je dělitelné čísly 1,, 3,, 6 a 1 Množinu, terou tvoří právě tato čísla, nazýváme D 1 množina dělitelů čísla 1, značíme ( ) Platí:

Více

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové. Příprava na cvčení č.1 Čísla a artmetka Číselné soustavy Obraz čísla A v soustavě o základu z: m A ( Z ) a z (1) n kde: a je symbol (číslce) z je základ m je počet řádových míst, na kterých má základ kladný

Více

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl ČVUT FEL X16FIM Fnanční Management Semestrální projekt Téma: Optmalzace zásobování teplem Vypracoval: Marek Handl Datum: květen 2008 Formulace úlohy Pro novou výstavbu 100 bytových jednotek je třeba zvolt

Více

ELEKTRICKÝ POHON S ASYNCHRONNÍM MOTOREM

ELEKTRICKÝ POHON S ASYNCHRONNÍM MOTOREM 4 EEKTCKÝ POHON AYNCHONNÍ OTOE Asynchronní otory (A), zvláště pa s otvou naráto, jsou jž řadu let nejrozšířenější eletrootory na naší planetě. talo se ta díy jejch onstruční jednoduchost, nízé ceně, vysoé

Více

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1 VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng

Více

Numerické metody optimalizace

Numerické metody optimalizace Numercké metody optmalzace Numercal optmzaton methods Bc. Mloš Jurek Dplomová práce 2007 Abstrakt Abstrakt česky Optmalzační metody představují vyhledávání etrémů reálných funkcí jedné nebo více reálných

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

6 5 = 0, = 0, = 0, = 0, 0032

6 5 = 0, = 0, = 0, = 0, 0032 III. Opaované pousy, Bernoulliho nerovnost. Házíme pětrát hrací ostou a sledujeme výsyt šesty. Spočtěte pravděpodobnosti možných výsledů a určete, terý má největší pravděpodobnost. Řešení: Jedná se o serii

Více

3.3.4 Thaletova věta. Předpoklady:

3.3.4 Thaletova věta. Předpoklady: 3.3.4 Thaletova věta Předpolady: 030303 Př. : Narýsuj ružnici ( ;5cm) a její průměr. Na ružnici narýsuj libovolný bod různý od bodů, (bod zvol jina než soused v lavici). Narýsuj trojúhelní. Má nějaou speciální

Více

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek

Ivana Linkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE. 2 NURBS reprezentace křivek 25. KONFERENCE O GEOMETRII A POČÍTAČOVÉ GRAFICE Ivana Lnkeová SPECIÁLNÍ PŘÍPADY NURBS REPREZENTACE Abstrakt Příspěvek prezentuje B-splne křvku a Coonsovu, Bézerovu a Fergusonovu kubku jako specální případy

Více

EKONOMICKO-MATEMATICKÉ METODY

EKONOMICKO-MATEMATICKÉ METODY . přednáška EKONOMICKO-MATEMATICKÉ METODY Ekonomcko matematcké metody (též se užívá název operační analýza) sou metody s matematckým základem, využívané především v ekonomcké oblast, v oblast řízení a

Více

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2

Dále budeme předpokládat, že daný Markovův řetězec je homogenní. p i1 i 2 4 Markovovy řetězce se nazývá Markovův řetě- Defnce 7 Posloupnost celočíselných náhodných velčn {X n } zec (markovský řetězec), jestlže P(X n+ = j X n = n,, X 0 = 0 ) = P(X n+ = j X n = n ) (7) pro každé

Více

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

ALGORITMUS SILOVÉ METODY

ALGORITMUS SILOVÉ METODY ALGORITMUS SILOVÉ METODY CONSISTENT DEFORMATION METHOD ALGORITHM Petr Frantík 1, Mchal Štafa, Tomáš Pal 3 Abstrakt Příspěvek se věnuje popsu algortmzace slové metody sloužící pro výpočet statcky neurčtých

Více

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel

Přílohy. Příloha 1. Obr. P1.1 Zadání úlohy v MS Excel Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel 2007. Výpočet budeme demonstrovat

Více

9 Skonto, porovnání různých forem financování

9 Skonto, porovnání různých forem financování 9 Sonto, porovnání různých forem financování Sonto je sráža (sleva) z ceny, terou posytuje prodávající upujícímu v případě, že upující zaplatí oamžitě (resp. během dohodnuté ráté lhůty). Výše sonta je

Více

Jednotlivé mezivýsledky, získané v prbhu analýzy rozptylu, jsou prbžn a systematicky zaznamenávány v tabulce ANOVA. Prmrný tverec. volnosti SS B.

Jednotlivé mezivýsledky, získané v prbhu analýzy rozptylu, jsou prbžn a systematicky zaznamenávány v tabulce ANOVA. Prmrný tverec. volnosti SS B. Ing. Martna Ltschmannová Statsta I., cvení ANOVA Rozšíením dvouvýbrových test pro stední hodnoty je analýza rozptylu nebol ANOVA, terá umožuje srovnávat nol stedních hodnot nezávslých náhodných výbr. Analýza

Více

( ) Příklady na otočení. Předpoklady: Př. 1: Je dána kružnice k ( S ;5cm)

( ) Příklady na otočení. Předpoklady: Př. 1: Je dána kružnice k ( S ;5cm) 3.5.9 Přílady na otočení Předpolady: 3508 Př. 1: Je dána ružnice ( ;5cm), na teré leží body, '. Vně ružnice leží bod L, uvnitř ružnice bod M. Naresli obrazy bodů L, M v zobrazení řeš bez úhloměru. R (

Více

Algoritmizace diskrétních. Ing. Michal Dorda, Ph.D.

Algoritmizace diskrétních. Ing. Michal Dorda, Ph.D. Algoritmizace diskrétních simulačních modelů Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Při programování simulačních modelů lze hlavní dílčí problémy shrnout do následujících bodů: 1) Zachycení statických

Více

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla

KOMPLEXNÍ ČÍSLA. Algebraický tvar komplexního čísla KOMPLEXNÍ ČÍSLA Příklad 1 Řešte na množně reálných čísel rovnc: x + = 0. x = Rovnce nemá v R řešení. Taková jednoduchá rovnce a nemá na množně reálných čísel žádné řešení! Co s tím? Zavedeme tzv. magnární

Více

Implementace bioplynové stanice do tepelné sítě

Implementace bioplynové stanice do tepelné sítě Energe z bomasy XVII, 13. 15. 9. 2015 Lednce, Česká republka Implementace boplynové stance do tepelné sítě Pavel MILČÁK 1, Jaroslav KONVIČKA 1, Markéta JASENSKÁ 1 1 VÍTKOVICE ÚAM a.s., Ruská 2887/101,

Více

Metody operačního výzkumu přednášky

Metody operačního výzkumu přednášky PEF - KOSA - Předměty - MOV4 MOV5syl - všehno předmětu pef.zu.z/osa see Předměty u zoušy - zajímá jí postup, numeré hyby nevadí 2 evdenčníh testů - na záladní vě 2 bodů za dobrovolné domáí úoly (poud bude

Více

LOGICKÉ OBVODY J I Ř Í K A L O U S E K

LOGICKÉ OBVODY J I Ř Í K A L O U S E K LOGICKÉ OBVODY J I Ř Í K A L O U S E K Ostrava 2006 Obsah předmětu 1. ČÍSELNÉ SOUSTAVY... 2 1.1. Číselné soustavy - úvod... 2 1.2. Rozdělení číselných soustav... 2 1.3. Polyadcké číselné soustavy... 2

Více

(iv) D - vybíráme 2 koule a ty mají různou barvu.

(iv) D - vybíráme 2 koule a ty mají různou barvu. 2 cvičení - pravděpodobnost 2102018 18cv2tex Definice pojmů a záladní vzorce Vlastnosti pravděpodobnosti Pravděpodobnost P splňuje pro libovolné jevy A a B následující vlastnosti: 1 0, 1 2 P (0) = 0, P

Více

7.3.9 Směrnicový tvar rovnice přímky

7.3.9 Směrnicový tvar rovnice přímky 739 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme Vrátíme se obecné rovnici přímy: Obecná

Více

Obr. P1.1 Zadání úlohy v MS Excel

Obr. P1.1 Zadání úlohy v MS Excel Přílohy Příloha 1 Řešení úlohy lineárního programování v MS Excel V této příloze si ukážeme, jak lze řešit úlohy lineárního programování pomocí tabulkového procesoru MS Excel. Výpočet budeme demonstrovat

Více

Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí

Obsah přednášky. 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacking 5. Boosting 6. Shrnutí 1 Obsah přednášy 1. Principy Meta-learningu 2. Bumping 3. Bagging 4. Stacing 5. Boosting 6. Shrnutí 2 Meta learning = Ensemble methods Cíl použít predici ombinaci více různých modelů Meta learning (meta

Více

Directional Vehicle Stability Prototyping Using HIL Simulation Ověření systému řízením jízdy automobilu metodou HIL simulací

Directional Vehicle Stability Prototyping Using HIL Simulation Ověření systému řízením jízdy automobilu metodou HIL simulací XXXII. Semnar AS '2007 Instruments and ontrol, arana, Smutný, Kočí & Babuch (eds) 2007, VŠB-TUO, Ostrava, ISBN 978-80-248-1272-4 Drectonal Vehcle Stablty rototypng Usng HIL Smulaton Ověření systému řízením

Více

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU AALÝZA RIZIKA A JEHO CITLIVOSTI V IVESTIČÍM PROCESU Jří Marek ) ABSTRAKT Príspevek nformuje o uplatnene manažmentu rzka v nvestčnom procese. Uvádza príklad kalkulace rzka a analýzu jeho ctlvost. Kľúčové

Více

7.3.9 Směrnicový tvar rovnice přímky

7.3.9 Směrnicový tvar rovnice přímky 7.3.9 Směrnicový tvar rovnice přímy Předpolady: 7306 Pedagogicá poznáma: Stává se, že v hodině nestihneme poslední část s určováním vztahu mezi směrnicemi olmých příme. Vrátíme se obecné rovnici přímy:

Více

Úvod do Kalmanova filtru

Úvod do Kalmanova filtru Kalmanův filtr = odhadovač stavu systému Úvod do Kalmanova filtru KF dává dohromady model systému a měření. Model systému použije tomu, aby odhadl, ja bude stav vypadat a poté stav porovná se sutečným

Více

P. Rozhodni, zda bod P leží uvnitř, vně nebo na kružnici k. Pokud existují, najdi tečny kružnice procházející bodem P.

P. Rozhodni, zda bod P leží uvnitř, vně nebo na kružnici k. Pokud existují, najdi tečny kružnice procházející bodem P. 756 Tečny ružnic II Předpolady: 45, 454 Pedagogicá poznáma: Tato hodina patří na gymnázium mezi početně nejnáročnější Ačoliv jsou přílady optimalizované na co nejmenší početní obtížnost, všichni studenti

Více

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE. 2013 Radka Luštincová

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE. 2013 Radka Luštincová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY BAKALÁŘSKÁ PRÁCE 2013 Radka Luštncová VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE FAKULTA INFORMATIKY A STATISTIKY Název bakalářské práce: Aplkace řezných

Více

Matematika I A ukázkový test 1 pro 2018/2019

Matematika I A ukázkový test 1 pro 2018/2019 Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete

Více

1 Gaussova kvadratura

1 Gaussova kvadratura Cvičení - zadání a řešení úloh Zálady numericé matematiy - NMNM0 Verze z 7. prosince 08 Gaussova vadratura Fat, že pro něterá rovnoměrná rozložení uzlů dostáváme přesnost o stupeň vyšší napovídá, že pro

Více

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů Optmalzační přístup př plánování rekonstrukcí vodovodních řadů Ladslav Tuhovčák*, Pavel Dvořák**, Jaroslav Raclavský*, Pavel Vščor*, Pavel Valkovč* * Ústav vodního hospodářství obcí, Fakulta stavební VUT

Více

MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU

MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU Úloha č 5 MĚŘENÍ MOMENTU SETRVAČNOSTI Z DOBY KYVU ÚKOL MĚŘENÍ: Určete moment setrvačnosti ruhové a obdélníové desy vzhledem jednotlivým osám z doby yvu Vypočtěte moment setrvačnosti ruhové a obdélníové

Více

Příloha č. 1 Část II. Ekonomika systému IDS JMK

Příloha č. 1 Část II. Ekonomika systému IDS JMK Příloha č. 1 Část II. Eonomia systému IDS JMK Květen 2011 Eonomia systému IDS JMK I. EKONOMICKÉ JEDNOTKY Pro účely dělení výnosů je rozděleno území IDS JMK do eonomicých jednote tvořených supinami tarifních

Více

POROVNÁNÍ MEZI SKUPINAMI

POROVNÁNÍ MEZI SKUPINAMI POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá

Více

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC Přednáša 04 Přírodovědecá faulta Katedra matematiy KMA/P506 Pravděpodobnost a statistia KMA/P507 Statistia na PC jiri.cihlar@ujep.cz Záon velých čísel Lemma Nechť náhodná veličina nabývá pouze nezáporných

Více

Difuze v procesu hoření

Difuze v procesu hoření Difuze v procesu hoření Fyziální podmíny hoření Záladní podmínou nepřetržitého průběhu spalovací reace je přívod reagentů (paliva a vzduchu) do ohniště a zároveň odvod produtů hoření (spalin). Pro dosažení

Více

Ing. Barbora Chmelíková 1

Ing. Barbora Chmelíková 1 Numercká gramotnost 1 Obsah BUDOUCÍ A SOUČASNÁ HODNOTA TYPY ÚROČENÍ JEDNODUCHÉ vs SLOŽENÉ ÚROČENÍ JEDNODUCHÉ ÚROČENÍ SLOŽENÉ ÚROČENÍ FREKVENCE ÚROČENÍ KOMBINOVANÉ ÚROČENÍ EFEKTIVNÍ ÚROKOVÁ MÍRA SPOJITÉ

Více

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST Abstrakt ANALÝZA ZKA A CTLOST JAKO SOUČÁST STUDE POVEDTELNOST 1. ČÁST Jří Marek Úspěšnost nvestce závsí na tom, jaké nejstoty ovlvní její předpokládaný žvotní cyklus. Pomocí managementu rzka a analýzy

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska

Více

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého

Více

Simulační metody hromadné obsluhy

Simulační metody hromadné obsluhy Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro

Více

Řízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT

Řízení projektů. Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT Řízení projektů Konstrukce síťového grafu pro řízení projektů Metoda CPM Metoda PERT 1 Úvod základní pojmy Projekt souhrn činností, které musí být všechny realizovány, aby byl projekt dokončen Činnost

Více

9 Stupně vrcholů, Věta Havla-Hakimiho

9 Stupně vrcholů, Věta Havla-Hakimiho Typicé přílady pro zápočtové písemy DiM 470-301 (Kovář, Kovářová, Kubesa) (verze: November 5, 018) 1 9 Stupně vrcholů, Věta Havla-Haimiho 9.1. Doážete nareslit graf na 9 vrcholech, ve terém mají aždé dva

Více

7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno

7. TRANSFORMÁTORY. 7.1 Štítkové údaje. 7.2 Měření odporů vinutí. 7.3 Měření naprázdno 7. TRANSFORMÁTORY Pro zjednodušení budeme měření provádět na jednofázovém transformátoru. Na trojfázovém transformátoru provedeme pouze ontrolu jeho zapojení měřením hodinových úhlů. 7.1 Štítové údaje

Více

Reciprokou funkci znáte ze základní školy pod označením nepřímá úměra.

Reciprokou funkci znáte ze základní školy pod označením nepřímá úměra. @091 7. Reciproá funce Reciproou funci znáte ze záladní šoly pod označením nepřímá úměra. Definice: Reciproá funce je dána předpisem ( 0 je reálné číslo) f : y R \ {0} A) Definiční obor funce: Je třeba

Více

ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ

ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ ČASOVÁ KOORDINACE SPOJŮ VEŘEJNÉ HROMADNÉ DOPRAVY NA ÚSECÍCH DOPRAVNÍ SÍTĚ THE TIME COORDINATION OF PUBLIC MASS TRANSPORT ON SECTIONS OF THE TRANSPORT NETWORK Petr Kozel 1 Anotace: Předložený příspěvek

Více

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,

Více

Energie elektrického pole

Energie elektrického pole Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný

Více

Spojité regulátory - 1 -

Spojité regulátory - 1 - Spojté regulátory - 1 - SPOJIÉ EGULÁOY Nespojté regulátory mají většnou jednoduchou konstrukc a jsou levné, ale jsou nevhodné tím, že neudržují regulovanou velčnu přesně na žádané hodnotě, neboť regulovaná

Více

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad.

f (k) (x 0 ) (x x 0 ) k, x (x 0 r, x 0 + r). k! f(x) = k=1 Řada se nazývá Taylorovou řadou funkce f v bodě x 0. Přehled některých Taylorových řad. 8. Taylorova řada. V urzu matematiy jsme uázali, že je možné funci f, terá má v oolí bodu x derivace aproximovat polynomem, jehož derivace se shodují s derivacemi aproximované funce v bodě x. Poud má funce

Více

Teoretické modely diskrétních náhodných veličin

Teoretické modely diskrétních náhodných veličin Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze

Více

6 Impedanční přizpůsobení

6 Impedanční přizpůsobení 6 Impedanční přizpůsobení edení optimálně přenáší eletromagneticou energii, je-li zatěžovací impedance rovna charateristicé impedanci. Říáme, že zátěž je impedančně přizpůsobená. e stavu impedančního přizpůsobení

Více

Statika soustavy těles v rovině

Statika soustavy těles v rovině Statka soustavy těles v rovně Zpracoval: Ing. Mroslav yrtus, Ph.. U mechancké soustavy s deálním knematckým dvojcem znázorněné na obrázku určete: počet stupňů volnost početně všechny reakce a moment M

Více

2. Definice pravděpodobnosti

2. Definice pravděpodobnosti 2. Defnce pravděpodobnost 2.1. Úvod: V přírodě se setkáváme a v přírodních vědách studujeme pomocí matematckých struktur a algortmů procesy dvojího druhu. Jednodušší jsou determnstcké procesy, které se

Více

Úvod do úloh plánování rozvozu (Vehicle Routing Problems)

Úvod do úloh plánování rozvozu (Vehicle Routing Problems) Úvod do úloh plánování rozvozu (Vehicle Routing Problems) RNDr. Martin Branda, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní

Více

1. Nejkratší cesta v grafu

1. Nejkratší cesta v grafu 08. Nekratší cesty. Úloha obchodního cestuícího. Heurstky a aproxmační algortmy. Metoda dynamckého programování. Problém batohu. Pseudopolynomální algortmy 1. Nekratší cesta v grafu - sled e lbovolná posloupnost

Více

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ

DYNAMICKÉ MODULY PRUŽNOSTI NÁVOD DO CVIČENÍ DYNAMICKÉ MODUY PRUŽNOSTI NÁVOD DO CVIČNÍ D BI0 Zkušebnctví a technologe Ústav stavebního zkušebnctví, FAST, VUT v Brně 1. STANOVNÍ DYNAMICKÉHO MODUU PRUŽNOSTI UTRAZVUKOVOU IMPUZOVOU MTODOU [ČSN 73 1371]

Více

Teorie efektivních trhů (E.Fama (1965))

Teorie efektivních trhů (E.Fama (1965)) Teore efektvních trhů (E.Fama (965)) Efektvní efektvní zpracování nových nformací Efektvní trh trh, který rychle a přesně absorbuje nové nf. Ceny II (akcí) náhodná procházka Předpoklady: na trhu partcpuje

Více

MOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb:

MOMENT SETRVAČNOSTI. Obecná část Pomocí Newtonova pohybového zákona síly můžeme odvodit pohybovou rovnici pro rotační pohyb: MOMENT SETRVAČNOST Obecná část Pomocí Newtonova pohybového záona síly můžeme odvodit pohybovou rovnici pro rotační pohyb: dω M = = ε, (1) d t de M je moment vnější síly působící na těleso, ω úhlová rychlost,

Více

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU

APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APLIKACE MATEMATICKÉHO PROGRAMOVÁNÍ PŘI NÁVRHU STRUKTURY DISTRIBUČNÍHO SYSTÉMU APPLICATION OF MATHEMATICAL PROGRAMMING IN DESIGNING THE STRUCTURE OF THE DISTRIBUTION SYSTEM Martn Ivan 1 Anotace: Prezentovaný

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka Náhodná veličina Náhodnou veličinou nazýváme veličinu, terá s určitými p-stmi nabývá reálných hodnot jednoznačně přiřazených výsledům příslušných náhodných pousů Náhodné veličiny obvyle dělíme na dva záladní

Více

České vysoké učení technické v Praze Fakulta biomedicínského inženýrství

České vysoké učení technické v Praze Fakulta biomedicínského inženýrství Česé vysoé učení technicé v Praze Faulta biomedicínsého inženýrství Úloha KA03/č. 3: Měření routícího momentu Ing. Patri Kutíle, Ph.D., Ing. Adam Žiža (utile@bmi.cvut.cz, ziza@bmi.cvut.cz) Poděování: Tato

Více

Příklady ke cvičením. Modelování produkčních a logistických systémů

Příklady ke cvičením. Modelování produkčních a logistických systémů Modelování produkčních a logistických systémů Katedra logistiky, kvality a automobilové techniky Garant, přednášející, cvičící: Jan Fábry 10.12.2018 Příklady ke cvičením Opakování lineárního programování

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více