Optimalizace obecný úvod. [proč optimalizovat?] Formalizace problému. [existují podobné problémy?]
|
|
- Marian Růžička
- před 8 lety
- Počet zobrazení:
Transkript
1 Optimalizace obecný úvod 1 Optimalizace obecný úvod Motivace optimalizačních úloh [proč optimalizovat?] Formalizace problému [jak obecně popsat optimalizační úlohu?] Klasifikace optimalizačních problémů [existují podobné problémy?] Třídy optimalizačních algoritmů [existují algoritmy na řešení mého problému?] Příklady
2 Optimalizace obecný úvod 2 Motivace optimalizačních úloh Jak se nejlevněji najíst? Cíl: Z daného seznamu potravin sestavit nejlevnější jídlo Omezení: Výsledné jídlo musí mít dostatečnou nutriční hodnotu Poprvé zkoumáno v 40. letech minulého století pro armádní účely Položka Cena Nutriční hodnota [Kč/1kg] [Cal/100g] Vepřová pečeně s kostí 120, Kuře 51, Brambory rané 8,39 93 Chléb konzumní kmínový 15,
3 Optimalizace obecný úvod 3 Motivace optimalizačních úloh Jak nejbezpečněji uložit peníze? Cíl: Uložit peníze do vybraných akcií s nejmenším rizikem Omezení: Dosáhnout alespoň předepsaného výnosu Základní problém Managementu portfolia [3] Akcie Cena [Kč] Komerční banka ČEZ Unipetrol Philip Morris ČR
4 Optimalizace obecný úvod 4 Motivace optimalizačních úloh Jak nejúsporněji cestovat? Cíl: Vykonat co nejkratší okružní jízdu po vybraných městech Omezení: Každé město navštívit alespoň jednou Úloha obchodního cestujícího, poprvé uvedená v roce 1930 Aplikace v návrhu spojů, automatické výrobě... Praha Brno Ostrava Cheb Praha 0 km Brno km Ostrava km 550 Cheb km Vzdálenosti mezi vybranými městy
5 Optimalizace obecný úvod 5 Motivace optimalizačních úloh Jaký počítač si vybrat? Cíl: Nakoupit nejvhodnější notebook Kritéria výběru: Cena, výkon, velikost paměti, disku, úhlopříčka... Typický příklad hledání kompromisního řešení [teorie rozhodování] Typ Cena Úhlopříčka Disk Váha [Kč] [ ] [GB] [kg] AMILO Pro V ,4 60 2,9 Aspire 9814WKMi ,5 Qosmio G ,5 Lifebook Q2010 U ,9 Vybrané parametry notebooků (prosinec 2006)
6 Optimalizace obecný úvod 6 Formalizace optimalizačních úloh Obecná formulace: Najdi x opt O, které splňuje f (x opt ) H f (x) pro všechna x O x proměnné vystupující v [matematické] formulaci problému O množina přípustných řešení (odpovídá omezení) f cílová funkce [ f : O H] H obor hodnot cílové funkce H [částečné] uspořádání oboru hodnot cílové funkce umožňuje určit, které řešení je lepší x opt optimální řešení úlohy
7 Optimalizace obecný úvod 7 Formalizace optimalizačních úloh Optimální dieta N různých potravin Neznámé hmotnost jednotlivých potravin v kg: x i R, x i 0 Cílová funkce f (x) = x 1 c 1 + x 2 c x N c N, kde c i je cena za 1 kg i-té potraviny Obor hodnot H = R + 0, H odpovídá < Omezení x 1 k 1 + x 2 k x N k N K, kde k i je nutriční obsah i-té potraviny a K požadovaný nutriční obsah O odpovídá poloprostoru v R N
8 Optimalizace obecný úvod 8 Formalizace optimalizačních úloh Nákup počítače Neznámá pořadové číslo notebooku x N Cílová funkce: M různých kritérií f(x) = [ f 1 (x), f 2 (x),..., f M (x)], H R M Porovnání dvou řešení x 1 H x2 f 1 (x 1 ) f 1 (x 2 ) f 2 (x 1 ) f 2 (x 2 ) f 3 (x 1 ) f 3 (x 2 ) f 4 (x 1 ) f 4 (x 2 ) Optimální portfolio cvičení Obchodní cestující přednáška č. 6
9 Optimalizace obecný úvod 9 Základní klasifikace optimalizačních úloh Dimenze problému N počet [nezávislých] složek x Jak roste počet operací potřebných k získání x opt s dimenzí? CN k Polynomiální problém (P) [dieta, portfolio, volba notebooku] 2 N Exponenciální problém (E) Nedeterministický Polynomiální problém (NP) problém řešitelný pomocí polynomiálního počtu kroků, ale jen pomocí stochastického počítače, který umí uhádnout správnou variantu [2] [obchodní cestující]? má cenu 1 mil USD P? = NP E
10 Optimalizace obecný úvod 10 Praktičtější klasifikace optimalizačních úloh Příklad optimalizačního stromu
11 Optimalizace obecný úvod 11 Jaká je souvislost mezi předchozími přístupy? Konvexní množina [Ostře] konvexní funkce O konvexní + f konvexní = P [Ostře] konvexní funkce na konvexní množině má právě jedno minimum Efektivní metody matematického programování [1]
12 Optimalizace obecný úvod 12 Shrnutí Optimalizační úloha: [Matematický] model problému Optimalizační proměnné x Cílová funkce f Definiční obor O Obor hodnot H + metodika porovnávání Metody řešení Konvexní úloha P matematické programování přednášky 2 3 Nekonvexní úloha NP/E heuristické metody přednášky 4+
13 REFERENCE 13 Reference [1] S. Boyd and L. Vandenberghe, Convex optimization, Cambridge University Press, Cambridge, United Kingdom, 2004, edu/~boyd/cvxbook. [2] K. Devlin, Problémy pro třetí tisíciletí: Sedm největších nevyřešených otázek matematiky, Edice Atelier, vol. 24, Nakladatelství Dokořán a Argo, Praha, [3] J. Veselá, Analýza trhu cenných papírů. I. Díl, Vysoká škola ekonomická v Praze, Fakulta financí a účetnictví, Prosba. V případě, že v textu objevíte nějakou chybu nebo budete mít námět na jeho vylepšení, ozvěte se prosím na zemanj@cml.fsv.cvut.cz. Verze 002
4EK201 Matematické modelování. 4. Typické úlohy lineárního programování
4EK201 Matematické modelování 4. Typické úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy
VíceOptimalizace úvěrových nabídek. EmbedIT 7.11.2013 Tomáš Hanžl
Optimalizace úvěrových nabídek EmbedIT 7.11.2013 Tomáš Hanžl Obsah Spotřebitelský úvěr Popis produktu Produktová definice v HC Kalkulace úvěru Úloha nalezení optimálního produktu Shrnutí Spotřebitelský
VíceOtázky ke státní závěrečné zkoušce
Otázky ke státní závěrečné zkoušce obor Ekonometrie a operační výzkum a) Diskrétní modely, Simulace, Nelineární programování. b) Teorie rozhodování, Teorie her. c) Ekonometrie. Otázka č. 1 a) Úlohy konvexního
VíceOptimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém
Obsah přednášky Mgr. Květuše Sýkorová Optimalizace Lineární programování Distribuční úlohy Okružní problém KI Př UJEP Ústí nad Labem Nederivační metody Metody 1D optimalizace Derivační metody Optimalizace
VíceGenetické programování
Genetické programování Vyvinuto v USA v 90. letech J. Kozou Typické problémy: Predikce, klasifikace, aproximace, tvorba programů Vlastnosti Soupeří s neuronovými sítěmi apod. Potřebuje značně velké populace
VíceLineární programování
24.9.205 Lineární programování Radim Farana Podklady pro výuku pro akademický rok 203/204 Obsah Úloha lineárního programování. Formulace úlohy lineárního programování. Typické úlohy lineárního programování.
VíceNP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NP-ÚPLNÉ PROBLÉMY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 13 Evropský sociální fond Praha & EU: Investujeme do
VíceOPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS
OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB Optimalizace a multikriteriální hodnocení funkční způsobilosti pozemních staveb Anotace: Optimalizace objektů pozemních staveb
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
VíceDynamické programování
Dynamické programování prof. Ing. Pavel Tvrdík CSc. Katedra počítačových systémů Fakulta informačních technologií České vysoké učení technické v Praze c Pavel Tvrdík, 2010 Efektivní algoritmy (BI-EFA)
VíceAlgoritmizace prostorových úloh
INOVACE BAKALÁŘSKÝCH A MAGISTERSKÝCH STUDIJNÍCH OBORŮ NA HORNICKO-GEOLOGICKÉ FAKULTĚ VYSOKÉ ŠKOLY BÁŇSKÉ - TECHNICKÉ UNIVERZITY OSTRAVA Algoritmizace prostorových úloh Grafové úlohy Daniela Szturcová Tento
VíceTřídy složitosti P a NP, NP-úplnost
Třídy složitosti P a NP, NP-úplnost Cíle přednášky: 1. Definovat, za jakých okolností můžeme problém považovat za efektivně algoritmicky řešitelný. 2. Charakterizovat určitou skupinu úloh, pro které není
Více4EK311 Operační výzkum. 1. Úvod do operačního výzkumu
4EK311 Operační výzkum 1. Úvod do operačního výzkumu Mgr. Jana SEKNIČKOVÁ, Ph.D. Nová budova, místnost 433 Konzultační hodiny InSIS E-mail: jana.seknickova@vse.cz Web: jana.seknicka.eu/vyuka Garant kurzu:
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)
VíceNavrženy v 60. letech jako experimentální optimalizační metoda. Velice rychlá s dobrou podporou teorie
Evoluční strategie Navrženy v 60. letech jako experimentální optimalizační metoda Založena na reálných číslech Velice rychlá s dobrou podporou teorie Jako první zavedla self-adaptation (úpravu sebe sama)
VíceKonvexní množiny Formulace úloh lineárního programování. Jiří Neubauer. Katedra ekonometrie FEM UO Brno
Přednáška č. 2 Katedra ekonometrie FEM UO Brno Euklidovský prostor E n Pod pojmem n-rozměrný euklidovský prostor budeme rozumnět prostor, jehož prvky jsou uspořádané n-tice reálných čísel X = (x 1, x 2,...,
VíceAproximativní algoritmy UIN009 Efektivní algoritmy 1
Aproximativní algoritmy. 14.4.2005 UIN009 Efektivní algoritmy 1 Jak nakládat s NP-těžkými úlohami? Speciální případy Aproximativní algoritmy Pravděpodobnostní algoritmy Exponenciální algoritmy pro data
VíceÚvod do optimalizace, metody hladké optimalizace
Evropský sociální fond Investujeme do vaší budoucnosti Úvod do optimalizace, metody hladké optimalizace Matematika pro informatiky, FIT ČVUT Martin Holeňa, 13. týden LS 2010/2011 O čem to bude? Příklady
Více4EK311 Operační výzkum. 5. Teorie grafů
4EK311 Operační výzkum 5. Teorie grafů 5. Teorie grafů definice grafu Graf G = uspořádaná dvojice (V, E), kde V označuje množinu n uzlů u 1, u 2,, u n (u i, i = 1, 2,, n) a E označuje množinu hran h ij,
Více3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem
ČVUT FEL X36PAA - Problémy a algoritmy 3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem Jméno: Marek Handl Datum: 1. 1. 2009 Cvičení: Pondělí 9:00 Zadání Naprogramujte
VíceALGORITMY A DATOVÉ STRUKTURY
Název tématického celku: Cíl: ALGORITMY A DATOVÉ STRUKTURY Metodický list č. 1 Časová složitost algoritmů Základním cílem tohoto tematického celku je vysvětlení potřebných pojmů a definic nutných k popisu
VíceIng. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D.
OPTIMALIZACE BRAMOVÉHO PLYNULÉHO ODLÉVÁNÍ OCELI ZA POMOCI NUMERICKÉHO MODELU TEPLOTNÍHO POLE Ing. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D. Fakulta strojního inženýrství
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
VíceMATEMATIKA A 3 Metodický list č. 1
Metodický list č. 1 Název tématického celku: Úvod do problematiky diskrétní matematiky Cíl: Cílem tohoto tématického celku je vymezení oblasti diskrétní matematiky a příprava na další výklad kurzu. Jedná
VíceKarta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0259 Garantující institut: Garant předmětu: Exaktní metody rozhodování Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková,
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
VíceNumerické metody optimalizace - úvod
Numerické metody optimalizace - úvod Petr Tichý 16. února 2015 1 Organizace přednášek a cvičení 13 přednášek a cvičení. Zápočet: úloha programování a testování úloh v Matlabu. Další informace na blogu
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)
VíceZáklady algoritmizace
Základy algoritmizace Matematické algoritmy (11MAG) Jan Přikryl 1. přednáška 11MAG pondělí 5. října 2014 verze: 2014-11-10 10:35 Obsah 1 Algoritmy a algoritmizace 1 1.1 Vlastnosti algoritmů..................................
VíceCVIČNÝ TEST 42. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 13 IV. Záznamový list 15
CVIČNÝ TEST 42 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 13 IV. Záznamový list 15 I. CVIČNÝ TEST VÝCHOZÍ TEXT A OBRÁZEK K ÚLOZE 1 Na číselné ose jsou zakresleny obrazy čísel
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)
VíceTGH12 - Problém za milion dolarů
TGH12 - Problém za milion dolarů Jan Březina Technical University of Liberec 7. května 2013 Složitost problému Co je to problém? Složitost problému Co je to problém? K daným vstupním datům (velkému binárnímu
VíceJak se matematika poučila v biologii
Jak se matematika poučila v biologii René Kalus IT4Innovations, VŠB TUO Role matematiky v (nejen) přírodních vědách Matematika inspirující a sloužící jazyk pro komunikaci s přírodou V 4 3 r 3 Matematika
VíceOSA. maximalizace minimalizace 1/22
OSA Systémová analýza metodika používaná k navrhování a racionalizaci systémů v podmínkách neurčitosti vyšší stupeň operační analýzy Operační analýza (výzkum) soubor metod umožňující řešit rozhodovací,
VíceÚloha - rozpoznávání číslic
Úloha - rozpoznávání číslic Vojtěch Franc, Tomáš Pajdla a Tomáš Svoboda http://cmp.felk.cvut.cz 27. listopadu 26 Abstrakt Podpůrný text pro cvičení předmětu X33KUI. Vysvětluje tři způsoby rozpoznávání
VíceSystematická tvorba jízdního řádu 2. cvičení
Projektování dopravní obslužnosti Systematická tvorba jízdního řádu 2. cvičení Ing. Zdeněk Michl Ústav logistiky a managementu dopravy ČVUT v Praze Fakulta dopravní Rekapitulace zadání Je dána následující
VíceDetekce interakčních sil v proudu vozidel
Detekce interakčních sil v proudu vozidel (ANEB OBECNĚJŠÍ POHLED NA POJEM VZDÁLENOSTI V MATEMATICE) Doc. Mgr. Milan Krbálek, Ph.D. Katedra matematiky Fakulta jaderná a fyzikálně inženýrská České vysoké
VíceOPTIMALIZACE. (přehled metod)
OPTIMALIZACE (přehled metod) Typy optimalizačních úloh Optimalizace bez omezení Nederivační metody Derivační metody Optimalizace s omezeními Lineární programování Nelineární programování Globální optimalizace
VíceLineární klasifikátory
Lineární klasifikátory Lineární klasifikátory obsah: perceptronový algoritmus základní verze varianta perceptronového algoritmu přihrádkový algoritmus podpůrné vektorové stroje Lineární klasifikátor navrhnout
Více4EK311 Operační výzkum. 2. Lineární programování
4EK311 Operační výzkum 2. Lineární programování 2.2 Matematický model úlohy LP Nalézt extrém účelové funkce z = c 1 x 1 + c 2 x 2 + + c n x n na soustavě vlastních omezení a 11 x 1 + a 12 x 2 + a 13 x
VíceTéma 8: Optimalizační techniky v metodě POPV
Téma 8: Optimalizační techniky v metodě POPV Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí 4. ročník bakalářského studia Katedra stavební mechaniky Fakulta stavební Vysoká škola báňská
VíceÚvod do optimalizace Matematické metody pro ITS (11MAMY)
Úvod do optimalizace Matematické metody pro ITS (11MAMY) Jan Přikryl (volně dle M.T. Heathe) 10. přednáška 11MAMY úterý 22. března 2016 verze: 2016-04-01 16:10 Obsah Optimalizační problém 1 Definice 1
VícePřednáška 13 Redukce dimenzionality
Vytěžování Dat Přednáška 13 Redukce dimenzionality Miroslav Čepek Fakulta Elektrotechnická, ČVUT Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti ČVUT (FEL) Redukce dimenzionality 1 /
VíceMetody síťové analýzy
Metody síťové analýzy Řeší problematiku složitých systémů, zejména pak vazby mezi jejich jednotlivými prvky. Vychází z teorie grafů. Základní metody síťové analýzy: CPM (Critical Path Method) deterministický
Více4EK201 Matematické modelování. 2. Lineární programování
4EK201 Matematické modelování 2. Lineární programování 2.1 Podstata operačního výzkumu Operační výzkum (výzkum operací) Operational research, operations research, management science Soubor disciplín zaměřených
Více3. Třídy P a NP. Model výpočtu: Turingův stroj Rozhodovací problémy: třídy P a NP Optimalizační problémy: třídy PO a NPO MI-PAA
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 7 Rozdělení pravděpodobnosti spojité náhodné veličiny Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka
VícePRŮMĚRNÉ SPOTŘEBITELSKÉ CENY VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ
PRŮMĚRNÉ SPOTŘEBITELSKÉ CENY VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ kraj V pravidelném měsíčním šetření vybraných potravinářských výrobků v měsíci březnu oproti březnu 11 vzrostly nejvíce ceny hovězího zadního
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VícePozn. 1. Při návrhu aproximace bychom měli aproximační funkci vybírat tak, aby vektory ϕ (i) byly lineárně
9. Řešení typických úloh diskrétní metodou nejmenších čtverců. DISKRÉTNÍ METODA NEJMENŠÍCH ČTVERCŮ použití: v případech, kdy je nevhodná interpolace využití: prokládání dat křivkami, řešení přeurčených
VíceMatematické modelování 4EK201
Matematické modelování 4EK0 Ukázkový test Maimum 00 bodů. Pokud má úloha lineárního programování více optimálních řešení, pak (a) jich může být nekonečně mnoho, (b) jich musí být nekonečně mnoho.. Doplňte
VíceSeminář z umělé inteligence. Otakar Trunda
Seminář z umělé inteligence Otakar Trunda Plánování Vstup: Satisficing task: počáteční stav, cílové stavy, přípustné akce Optimization task: počáteční stav, cílové stavy, přípustné akce, ceny akcí Výstup:
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
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,
VíceManažerská ekonomika KM IT
KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout
Více4EK201 Matematické modelování 5. Speciální úlohy lineárního programování
4EK201 Matematické modelování 5. Speciální úlohy lineárního programování 4. Typické úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Směšovací problémy
VíceDiskrétní matematika. DiM /01, zimní semestr 2016/2017
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
VíceMĚSTA A OBCE VE VEŘEJNÝCH ZAKÁZKÁCH
MĚSTA A OBCE VE VEŘEJNÝCH ZAKÁZKÁCH PŘEDSTAVENÍ SPOLEČNOSTI ecentre, a. s. Společnost ecentre, a.s je na trhu od r. 2006 a je tvořena týmem 48 odborníků v oblasti veřejných zakázek, práva a nastavování
VíceMANAŽERSKÉ ROZHODOVÁNÍ. Zpracoval Ing. Jan Weiser
MANAŽERSKÉ ROZHODOVÁNÍ Zpracoval Ing. Jan Weiser Obsah výkladu Rozhodovací procesy a problémy Dvě stránky rozhodování Klasifikace rozhodovacích procesů Modely rozhodování Nástroje pro podporu rozhodování
VíceLineární stabilita a teorie II. řádu
Lineární stabilita a teorie II. řádu Sestavení podmínek rovnováhy na deformované konstrukci Konstrukce s a bez počáteční imperfekce Výpočet s malými vs. s velkými deformacemi ANKC-C 1 Zatěžovacídráhy [Šejnoha,
VíceDSS a De Novo programming
De Novo Programming DSS a De Novo programming DSS navrhují žádoucí budoucnost a cesty k jejímu uskutečnění Optimalizační modely vhodné nástroje pro identifikaci optimálního řešení problému Je ale problém
Více10. Složitost a výkon
Jiří Vokřínek, 2016 B6B36ZAL - Přednáška 10 1 Základy algoritmizace 10. Složitost a výkon doc. Ing. Jiří Vokřínek, Ph.D. Katedra počítačů Fakulta elektrotechnická České vysoké učení technické v Praze Jiří
VícePřijímací zkouška - matematika
Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,
VíceČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE. Provozně ekonomická fakulta Katedra statistiky Obor Provoz a ekonomika
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Provozně ekonomická fakulta Katedra statistiky Obor Provoz a ekonomika Teze k diplomové práci Posouzení výnosnosti portfolií akcií na základě vztahu k riziku Vedoucí
VíceČVUT FEL X36PAA - Problémy a algoritmy. 4. úloha - Experimentální hodnocení algoritmů pro řešení problému batohu
ČVUT FEL X36PAA - Problémy a algoritmy 4. úloha - Experimentální hodnocení algoritmů pro řešení problému batohu Jméno: Marek Handl Datum: 3. 2. 29 Cvičení: Pondělí 9: Zadání Prozkoumejte citlivost metod
VíceFINANČNÍ A POJISTNÁ MATEMATIKA
Metodický list č. 1 Vymezení pojistné matematiky a oblasti její aplikace a) Principy finanční matematiky, úrokový a důchodový počet b) Pojistná matematika v širším a užším slova smyslu c) Oblasti aplikace
VíceFIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
FIT ČVUT MI-LOM Lineární optimalizace a metody Dualita Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Michal Černý, 2011 FIT ČVUT, MI-LOM, M. Černý, 2011: Dualita 2/5 Dualita Evropský
VíceCo a k čemu je optimalizace 1 / 11
Co a k čemu je optimalizace Tomáš Werner 1 / 11 Co je optimalizace? Co na to slovník: Merriam-Webster dictionary: an act, process, or methodology of making something (such as a design, system, or decision)
VíceDIPLOMOVÁ PRÁCE OPTIMALIZACE MECHANICKÝCH
DIPLOMOVÁ PRÁCE OPTIMALIZACE MECHANICKÝCH VLASTNOSTÍ MECHANISMU TETRASPHERE Vypracoval: Jaroslav Štorkán Vedoucí práce: prof. Ing. Michael Valášek, DrSc. CÍLE PRÁCE Sestavit programy pro kinematické, dynamické
VíceProgramování: základní konstrukce, příklady, aplikace. IB111 Programování a algoritmizace
Programování: základní konstrukce, příklady, aplikace IB111 Programování a algoritmizace 2011 Připomenutí z minule, ze cvičení proměnné, výrazy, operace řízení výpočtu: if, for, while funkce příklady:
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
VíceGrafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
VícePočítačová geometrie I
0 I RNDr., Ph.D. Katedra didaktiky matematiky Univerzita Karlova v Praze Matematicko-fyzikální fakulta petra.surynkova@mff.cuni.cz http://surynkova.info Osnova předmětu Pojem výpočetní geometrie, oblasti
VíceRozhodovací procesy 3
Rozhodovací procesy 3 Informace a riziko Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 III rozhodování 1 Rozhodovací procesy Cíl přednášky 1-3: Význam rozhodování Rozhodování
VíceGrafové algoritmy. Programovací techniky
Grafové algoritmy Programovací techniky Grafy Úvod - Terminologie Graf je datová struktura, skládá se z množiny vrcholů V a množiny hran mezi vrcholy E Počet vrcholů a hran musí být konečný a nesmí být
Více1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15
Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních
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
VíceData Envelopment Analysis (Analýza obalu dat)
Data Envelopment Analysis (Analýza obalu dat) Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Optimalizace s aplikací ve financích
VíceOPTIMALIZAČNÍ ÚLOHY. Modelový příklad problém obchodního cestujícího:
OPTIMALIZAČNÍ ÚLOHY Problém optimalizace v různých oblastech: - minimalizace času, materiálu, - maximalizace výkonu, zisku, - optimalizace umístění komponent, propojení,... Modelový příklad problém obchodního
VíceAplikovaná matematika I
Metoda nejmenších čtverců Aplikovaná matematika I Dana Říhová Mendelu Brno c Dana Říhová (Mendelu Brno) Metoda nejmenších čtverců 1 / 8 Obsah 1 Formulace problému 2 Princip metody nejmenších čtverců 3
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
VíceVzdělávací oblast: Matematika a její aplikace Vzdělávací obor: Matematický kroužek pro nadané žáky ročník 9.
Vzdělávací oblast: Matematika a její aplikace Vzdělávací obor: Matematický kroužek pro nadané žáky ročník 9. Školní rok 2013/2014 Mgr. Lenka Mateová Kapitola Téma (Učivo) Znalosti a dovednosti (výstup)
VícePříklady modelů lineárního programování
Příklady modelů lineárního programování Příklad 1 Optimalizace výroby konzerv. Podnik vyrábí nějaký výrobek, který prodává v 1 kg a 2 kg konzervách, přičemž se řídí podle následujících velmi zjednodušených
VíceVÍCEKRITERIÁLNÍ 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
VíceTrénování sítě pomocí učení s učitelem
Trénování sítě pomocí učení s učitelem! předpokládá se, že máme k dispozici trénovací množinu, tj. množinu P dvojic [vstup x p, požadovaný výstup u p ]! chceme nastavit váhy a prahy sítě tak, aby výstup
VíceNumerické metody a programování. Lekce 8
Numerické metody a programování Lekce 8 Optimalizace hledáme bod x, ve kterém funkce jedné nebo více proměnných f x má minimum (maximum) maximalizace f x je totéž jako minimalizace f x Minimum funkce lokální:
VíceRozvrhování na více procesorech
Rozvrhování na více procesorech Rozvrhování na více procesorech je složitjší úloha než na jednom procesoru. Uvažujeme m procesor. Rozlišujeme typy procesor - paralelní nebo dedikované a jejich rychlosti
VíceZada ní 1. Semina rní pra ce z pr edme tu Matematický software (KI/MSW)
Zada ní. Semina rní pra ce z pr edme tu Matematický software (KI/MSW) Datum zadání: 5.. 06 Podmínky vypracování: - Seminární práce se skládá z programové části (kódy v Matlabu) a textové části (protokol
VíceHledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda sečen Michal Čihák 23. října 2012 Opakování rovnice přímky Úloha: Určete rovnici přímky procházející body A[a, f(a)] a B[b, f(b)], kde f je funkce spojitá
VíceKartografické modelování. VIII Modelování vzdálenosti
VIII Modelování vzdálenosti jaro 2015 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Vzdálenostní funkce
VíceSložitost 1.1 Opera ní a pam ová složitost 1.2 Opera ní složitost v pr rném, nejhorším a nejlepším p ípad 1.3 Asymptotická složitost
1 Složitost 1.1 Operační a paměťová složitost Nezávislé určení na konkrétní implementaci Několik typů operací = sčítání T+, logické T L, přiřazení T A(assign), porovnání T C(compare), výpočet adresy pole
VíceLineární programování(optimalizace) a soustavy lineárních nerovností
Lineární programování(optimalizace) a soustavy lineárních nerovností 2017 tuma@karlin.mff.cuni.cz 0-1 Příklad úlohy lineárního programování najdětemaximálníhodnotufunkce x 1 +x 2 přesvšechnyvektoryx =
Víceþÿx ea e n í t e c h n i c k é i n f r a s t r u k t u r y dopravního problému
DSpace VSB-TUO http://www.dspace.vsb.cz þÿx a d a s t a v e b n í / C i v i l E n g i n e e r i n g S e r i e s þÿx a d a s t a v e b n í. 2 0 0 8, r o. 8 / C i v i l E n g i n e e r i n g þÿx ea e n í
VíceUčitelství 1. stupně ZŠ tématické plány předmětů matematika
Učitelství 1. stupně ZŠ tématické plány předmětů matematika Povinné předměty: Matematika I aritmetika (KMD/MATE1) 2 Matematika 3 aritmetika s didaktikou (KMD/MATE3) 3 Matematika 5 geometrie (KMD/MATE5)
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 =
VíceHledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012
Hledání kořenů rovnic jedné reálné proměnné metoda půlení intervalů Michal Čihák 23. října 2012 Problém hledání kořenů rovnice f(x) = 0 jeden ze základních problémů numerické matematiky zároveň i jeden
VíceMIŠ MAŠ. 47 POJEM funkce,d,h notebook. February 04, Základní škola Nýrsko, Školní ulice, příspěvková organizace.
Základní škola Nýrsko, Školní ulice, příspěvková organizace (www.sumavanet.cz/zsskolni/projekt zakladni.asp) Název projektu: MIŠ MAŠ Moderní Interaktivní Škola Možností a Šancí (pro každého žáka) Číslo
Více12. Globální metody MI-PAA
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
Více4EK311 Operační výzkum. 4. Distribuční úlohy LP část 1
4EK311 Operační výzkum 4. Distribuční úlohy LP část 1 4. Distribuční úlohy LP Úlohy výrobního plánování (alokace zdrojů) Úlohy finančního plánování (optimalizace portfolia) Úlohy reklamního plánování (plánování
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
Více