Mallinnus taistelun voittamiseksi -

Koko: px
Aloita esitys sivulta:

Download "Mallinnus taistelun voittamiseksi -"

Transkriptio

1 Mallinnus taistelun voittamiseksi - Case ilmavoimat: Ilmasta-maahan -tehtävän suunnittelun tukeminen Kai Virtanen Systeemianalyysin laboratorio, Aalto Sotatekniikan laitos, MPKK kai.virtanen@aalto.fi

2 "JASSM-rynnäkköohjuksen onnistunut koeammunta Yhdysvalloissa" "Koeammunnat suoritettiin Yhdysvalloissa 5. Ja 9. maaliskuuta." " on osa ilmavoimien Hornetien kauaskantoista ilmasta maahan - täsmäaseistusta, joka integroitiin monitoimihävittäjiin osana vuosina toteutettua monitoimihävittäjien Mid-Life Upgrade 2 - elinkaaripäivitystä (MLU 2)." Lähde: Ilmavoimien tiedote

3 Ilta-Sanomat html

4 Ilmasta-maahan (A/G) -tehtävä Omat tukikohdat Ilmatorjunta (IT) -uhka Hävittäjä (A/A) -uhka Maalipiste Lähi-ilmatorjunta (IT) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

5 Lentokoneen reittioptimointitehtävä Nopea ja polttoainetaloudellinen reitti tukikohdasta laukaisupisteelle ja takaisin A/A- ja IT-uhkaa välttäen Omat tukikohdat Ilmatorjunta (IT) -uhka Hävittäjä (A/A) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

6 Ratkaisuprosessi Optimointi-simulointi 1. Tehtävän määrittely MONITAVOITEOPTIMOINTI Hylkää 2. Uhkamallit 3. Kriteerien painotus Optimireitin määräminen 5.Reitin evaluointi 4. Optimireitti Kriteerikustannukset SIMULOINTI Hyväksy 6. Ohjuslaukaisujen simulaatio optimireitillä Osumat/ hudit 7.Reitin evaluointi Hylkää Hyväksy Vertailu optimointitulosten kustanuksiin 8. Lopullinen reitti

7 Optimointi: Monitavoitteinen lyhimmän polun tehtävä Tarkastelualueen kuvaaminen verkkona Verkon solmut lentokoneen mahdollisia reittipisteitä Verkon kaaret mahdollisia siirtymiä reittipisteiden välillä Vaihtoehtoiset tukikohdat & laukaisupisteet Optimointikriteerit - kaarien kustannukset Kuljettu matka Polttoaineenkulutus Kuljettu matka IT-uhkan vaikutuksen alla Kuljettu matka A/A-uhkan vaikutuksen alla Optimireitti Kaaren kustannus = Painotettu summa kriteerikohtaisista kustannuksista Minimoi kaarien kokonaiskustannuksen

8 Optimointiverkon rakenne Solmuvälit vaaka- ja pystytasossa sekä kaarien lukumäärä lentokoneen suorituskyvyn ja laskentatarkkuuden perusteella Lentokoneen suorituskyvyn huomioiminen Minimi- ja maksimilentokorkeus Nousu- ja laskukyky Kääntymiskyky Maastomalli Solmut Kaaret vaakataso Kaaret pystytaso

9 Polttoaineenkulutus Polttoaineenkulutuksen mallinnus perustuu kulutukseen vaakalennossa sekä perusmoottorin ja jälkipolton kulutuksiin maksimiarvoilla eri korkeuksissa Maksimi nousu- ja laskukulmat eri korkeuksilla Tyypillinen A/G-varustus Vakio nopeus (Machin luku) Optimointikriteeri: kulutus merimailia kohti

10 IT-uhka: Tutka- ja ohjuskantamat IT-järjestelmän kyky vaikuttaa lentokoneeseen Havaintokyvyn konservatiivinen kuvaus: Tutkakantama r 0 r h h a h r 2 k 2 e R 2 Maa 2rk R r θ h e Maa sin k R e Maa h a h h a k e R MAA θ r 0 = tutka"säteen" korkeus maksimikantamalla = antennin korkeus = ilman taitekerroin = maapallon säde = tutkan katvekulma = alakantama = IT-lavetti Kinemaattisen kyvyn konservatiivinen kuvaus: Ohjuskantama r M h MAX h MIN r M h MAX h MIN = ohjuksen kantama = ohjuksen maksimi lentokorkeus = ohjuksen minimi lentokorkeus

11 IT-uhka: Suuntariippuvuus Ohjuksen kyky saavuttaa lentokone riippuu lentokoneen tilasta => Launch acceptability region (LAR) Tutkan havaintotodennäköisyys, i.e., kyky havaita lentokone riippuu lentokoneen tutkapoikkipinta-alasta ja maastokatveista Optimointikriteeri: Lennetty matka IT-uhkan LAR:ssa, havaintotodennäköisyys tai näiden yhdistelmä LAR

12 IT-uhka: Suuntariippuvuus

13 A/A-uhka Vastapuoli havaitsee A/G-tehtävää toteuttavan lentokoneen => Torjuntahävittäjät A/A-uhka: Torjuntahävittäjien kyky saavuttaa A/G-lentokone Vastapuolen ilmavalvonta => Reagointitasa Optimointikriteeri: lennetty matka alueella, jonka torjuntahävittäjät voivat saavuttaa ennen A/G-lentokonetta Reagointitasa Reagointitasan sivuprofiili korkeus Hyökkäyssuunta etäisyys

14 A/A-uhka: Aikariippuvuus

15 Monitavoitteisen lyhimmän polun tehtävän ratkaiseminen A*-algoritmi Verkon dynaaminen generointi Suuntariippuvat kustannukset (IT-uhka) Lentokoneen suorituskykyrajoitteet Aikariippuvat kustannukset (A/A-uhka) Monitavoitteinen optimointitehtävä muunnetaan yhden tavoitteen tehtäväksi kriteeripainoilla w i w i kuvaa optimointikriteerin i suhteellista tärkeyttä min w MATKA *Kuljettu matka + w POLTTOAINE *Polttoaineenkulutus + w IT *IT-uhka + w AA *A/A-uhka

16 Simulointi: IT-ohjusten aiheuttama uhka Ohjuksen lennon simulointi Ohjuksen kinemaattinen kyky saavuttaa optimireittiä lentävä lentokone Ohjusmalli Viiden vapausasteen liikeyhtälöt Ohjuksella täydellinen tieto lentokoneen tilasta Ohjuslaukaisu lyhyen aikavälin välein, kun lentokone on IT-järjestelmän tutkakantaman sisällä IT-järjestelmän tutkan havaintotodennäköisyys > Raja-arvo Optimireitin evaluointi Simulointi- ja optimointitulosten eroavaisuus => Optimoinnissa käytettävien uhkamallien päivitys

17 Esimerkki A/G-tehtävä Resurssit Tukikohdat (A/G) Lentokieltoalueet Kohteet Maalipisteet A/G-asejärjestelmät => Käyvät laukaisupisteet Vastustaja Tukikohdat (A/A) IT-järjestelmät Valvonta => Reagointitasa

18 Esimerkki Optimireitti Kustannukset Menoreitti Paluureitti Altistukset IT- ja A/A -uhkille Altistukset ITjärjestelmittäin ja A/Atukikohdittain Optimireitin laukaisupiste Alue, jolle A/A-uhka ehtii ennen lentokonetta

19 Esimerkki Ohjussimulaatio Ohimennyt IT-ohjus Animaatio Laukaisujen tiedot Osunut ITohjus Laukaisupiste

20 Ilmasta-maahan (A/G) -tehtävä Omat tukikohdat Ilmatorjunta (IT) -uhka Hävittäjä (A/A) -uhka Maalipiste Lähi-ilmatorjunta (IT) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

21 Ilmasta-maahan (A/G) -tehtävä Omat tukikohdat Ilmatorjunta (IT) -uhka Hävittäjä (A/A) -uhka Maalipiste Lähi-ilmatorjunta (IT) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

22 Ilmasta-maahan (A/G) -aseen reittioptimointitehtävä Lentokoneen reittioptimointi => Laukaisupisteiden järjestys lentokoneen selviytymisen kannalta A/G-aseen reitti heittoliikkeenä tai "optimoituna" laukaisupisteeltä maalipisteeseen Lähi-IT-uhka Kinemaattinen kyky Havaintokyky Sijaintitiedon epätarkkuus => Laukaisupisteiden paremmuusjärjestys A/G-aseen selviytymisen kannalta Maalipiste Lähi-ilmatorjunta (IT) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

23 Lähi-IT:n sijaintijakauma Tiedustelu/asiantuntijatieto alueella olevista asejärjestelmistä Tyypit ja lukumäärät Alueen maankäyttö ja kulkukelpoisuus Näkyvyys oletettuun hyökkäyssuuntaan Korkeusmalli ja puustonpituus => Mahdolliset ja todennäköiset asejärjestelmien sijainnit Maankäyttö Korkeusmalli Sijaintijakaumat + =

24 Lähi-IT:n havaintokyky ja kinemaattinen kyky Sijaintijakaumat Kyvyt mahdollisista sijainneista Odotusarvoiset kyvyt reitin pisteessä + = Odotusarvoiset kyvyt A/G-aseen retillä => => Laukaisupisteiden paremmuusjärjestys

25 Lentokoneen ja aseen reittien yhteistarkastelu 1/2 1) Maalipiste ja A/G-aseen tyyppi => Asejärjestelmän mahdollistamat laukaisupisteet X 2) Aseen reittioptimointi => Käyvät laukaisupisteet X Tarvittaessa aseen reittitarkastelu hyödyntäen lentokoneen reittioptimointimenettelyitä Maalipiste Lähi-ilmatorjunta (IT) -uhka Ilmasta-maahan (A/G) -aseen laukaisupisteet

26 Lentokoneen ja aseen reittien yhteistarkastelu 2/2 3) Lentokoneen reittioptimointi huomioiden käyvät laukaisupisteet Omat tukikohdat Tarvittaessa lentokoneen reittitarkastelu hyödyntäen aseen reittioptimointimenettelyitä Ilmatorjunta (IT) -uhka Hävittäjä (A/A) -uhka

27 Mallit taistelun voittamisen tuessa Tieteenala: Operaatiotutkimus / Operaatioanalyysi Minkä ongelman ratkaisemisen tukeen mallia käytetään? Oleellista! Yleiskäyttöisyyden harha mallinnuksessa Malleille tarvitaan keihäänkärkikäyttö - geneeriset" mallit eivät toimi Mallimonsterit hyödyttömiä Oletukset, rajaukset ja mittakaavat tehtävä läpinäkyviksi Määräytyvät mallin käyttötarpeesta keskeinen rooli! Tulosten ymmärrettävyys ja perusteltavuus Miten käytetty tietopohja on kerätty? Päätöstä ei voida siirtää mallille malli tukee päätöksentekoa "Essentially, all models are wrong, but some are useful" G. Bo

28 Diplomityöt: Heikki Puustinen "Military Aircraft Routing with Multi-Objective Network Optimization and Simulation" sal.aalto.fi/publications/pdf-files/tpuu13_public.pdf Riku Hyytiäinen "Evaluating Trajectories of Air-to-Ground Weapons using a Probability Map for Surface-to-Air Threats" sal.aalto.fi/publications/pdf-files/thyy17_public.pdf

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen Hävittäjälentokoneen reitin suunnittelussa käytettävän dynaamisen ja monitavoitteisen verkko-optimointitehtävän ratkaiseminen A*-algoritmilla (valmiin työn esittely) Joonas Haapala 8.6.2015 Ohjaaja: DI

Lisätiedot

Verkko-optimointiin perustuva torjuntatasan laskenta mellakkapoliisin resurssien kohdentamisessa (valmiin työn esittely) Paavo Kivistö

Verkko-optimointiin perustuva torjuntatasan laskenta mellakkapoliisin resurssien kohdentamisessa (valmiin työn esittely) Paavo Kivistö Verkko-optimointiin perustuva torjuntatasan laskenta mellakkapoliisin resurssien kohdentamisessa (valmiin työn esittely) Paavo Kivistö 21.01.2013 Ohjaaja: Kai Virtanen Valvoja: Raimo P. Hämäläinen Työn

Lisätiedot

Harjoitus 4: Matlab - Optimization Toolbox

Harjoitus 4: Matlab - Optimization Toolbox Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen

Lisätiedot

Optimoinnin sovellukset

Optimoinnin sovellukset Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen

Lisätiedot

Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization

Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization 7.5.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen Tausta Ilmavoimilla tärkeä rooli maanpuolustuksessa Rauhan aikana

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) vasemman puolen

Lisätiedot

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen 08.09.2014 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Luento 6: Monitavoitteinen optimointi

Luento 6: Monitavoitteinen optimointi Luento 6: Monitavoitteinen optimointi Monitavoitteisessa optimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f,,f m Esimerkki ortfolion eli arvopaperijoukon optimoinnissa: f

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä Luku 7 Verkkoalgoritmit Verkot soveltuvat monenlaisten ohjelmointiongelmien mallintamiseen. Tyypillinen esimerkki verkosta on tieverkosto, jonka rakenne muistuttaa luonnostaan verkkoa. Joskus taas verkko

Lisätiedot

Algoritmit 1. Luento 8 Ke Timo Männikkö

Algoritmit 1. Luento 8 Ke Timo Männikkö Algoritmit 1 Luento 8 Ke 1.2.2017 Timo Männikkö Luento 8 Järjestetty binääripuu Solmujen läpikäynti Binääripuun korkeus Binääripuun tasapainottaminen Graafit ja verkot Verkon lyhimmät polut Fordin ja Fulkersonin

Lisätiedot

Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa

Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa Suojarakenteiden vaikutus maalin selviytymiseen epäsuoran tulen tai täsmäaseen iskussa Patrik Lahti 31.08.2018 Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Rajoitetun kantaman ja pitkän kantaman luotien kehitys ja stabiliteettitarkastelut (RaKa-Stab vaihe 2, 44000 )

Rajoitetun kantaman ja pitkän kantaman luotien kehitys ja stabiliteettitarkastelut (RaKa-Stab vaihe 2, 44000 ) Rajoitetun kantaman ja pitkän kantaman luotien kehitys ja stabiliteettitarkastelut ( vaihe 2, 44000 ) Arttu Laaksonen Timo Sailaranta Aalto-yliopisto Insinööritieteiden korkeakoulu Raka-Stab Sisällysluettelo

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Evoluutiopohjainen monitavoiteoptimointi MCDM ja EMO Monitavoiteoptimointi kuuluu

Lisätiedot

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu

Lisätiedot

Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa

Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa 1 Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa Toteuttaja: Aalto-yliopisto Johtaja: Ahti Salo Hankkeelle myönnetty MATINE-rahoitus: 69 204 2 Tutkimusryhmä Aalto-yliopisto

Lisätiedot

Matemaattinen optimointi I -kurssin johdantoluento Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos

Matemaattinen optimointi I -kurssin johdantoluento Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Matemaattinen optimointi I -kurssin johdantoluento 10.1.2017 Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Optimointi: Parhaan mahdollisen ratkaisun etsimistä sallituissa

Lisätiedot

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu

Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu Monitavoitteiseen optimointiin soveltuvan evoluutioalgoritmin tarkastelu (Valmiin työn esittely) 11.4.2011 Ohjaaja: Ville Mattila Valvoja: Raimo Hämäläinen Työn tavoite Tutkia evoluutioalgoritmia (Lee

Lisätiedot

Epäsymmetriset venäläiset asejärjestelmät

Epäsymmetriset venäläiset asejärjestelmät Epäsymmetriset venäläiset asejärjestelmät Juha Honkonen, STEKNL, MPKK 25.5.2018 1 Luennon aiheet Putinin esittelemät asejärjestelmät o Sarmat o Burevestnik o Poseidon o Kinžal o Avangard o Peresvet Yhteiset

Lisätiedot

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

Duaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen

Lisätiedot

58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe ratkaisuja (Jyrki Kivinen)

58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe ratkaisuja (Jyrki Kivinen) 58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe 12.9.2018 ratkaisuja (Jyrki Kivinen) 1. [10 pistettä] Iso-O-merkintä. (a) Pitääkö paikkansa, että n 3 + 5 = O(n 3 )? Ratkaisu: Pitää paikkansa.

Lisätiedot

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta 811312A Tietorakenteet ja algoritmit 2018-2019 Kertausta jälkiosasta V Hashtaulukot ja binääriset etsintäpuut Hashtaulukot Perusajatus tunnettava Tiedettävä mikä on tiivistefunktio Törmäysongelman hallinta:

Lisätiedot

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Esimerkki otteluvoiton todennäköisyys A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Yksittäisessä pelissä A voittaa todennäköisyydellä p ja B todennäköisyydellä q =

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 12.3.2018 Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 297 4 2 4 163 3 454 6 179 2 136 2 169 2 390 4 3 436 7 5 Kuva 1: Tehtävän 1

Lisätiedot

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.01.2013 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Simulation model to compare opportunistic maintenance policies

Simulation model to compare opportunistic maintenance policies Simulation model to compare opportunistic maintenance policies Noora Torpo 31.08.18 Ohjaaja/Valvoja: Antti Punkka Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin

Lisätiedot

Aseiden leviämisen estäminen

Aseiden leviämisen estäminen Mat-2.142 Optimointiopin seminaari 6.10.1999 Antti Pirinen Aseiden leviämisen estäminen Menetelmä sotilaallisten järjestelmien tehokkuuden arvioimiseksi Referaatti Lähde: Stafira, Parnell, Moore : A Methodology

Lisätiedot

1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa:

1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa: Tietorakenteet, laskuharjoitus 10, ratkaisuja 1. (a) Seuraava algoritmi tutkii, onko jokin luku taulukossa monta kertaa: SamaLuku(T ) 2 for i = 1 to T.length 1 3 if T [i] == T [i + 1] 4 return True 5 return

Lisätiedot

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely) Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely) Tuukka Stewen 1.9.2017 Ohjaaja: DI Juho Roponen Valvoja: prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x

Lisätiedot

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Joonas Lanne 23.2.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Harjoitus 3 (31.3.2015)

Harjoitus 3 (31.3.2015) Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Monitavoiteoptimointi

Monitavoiteoptimointi Monitavoiteoptimointi Useita erilaisia tavoitteita, eli useita objektifunktioita Tavoitteet yleensä ristiriitaisia ja yhteismitattomia Optimaalisuus tarkoittaa yleensä eri asiaa kuin yksitavoitteisessa

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Yleistä https://korppi.jyu.fi/kotka/r.jsp?course=96762 Sisältö Johdanto yksitavoitteiseen

Lisätiedot

Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu

Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu Kandidaatintyön esittely: Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu Vilma Virasjoki 19.11.2012 Ohjaaja: DI Jouni Pousi Valvoja: Professori Raimo P.

Lisätiedot

REITTI- JA SIJAINTIALLOKAATIO-ONGELMIEN RATKAISEMINEN GEOINFORMATIIKAN MENETELMIN: ESIMERKKEINÄ MAASTOINVENTOINTIREITIT JA SAIRAALAPALVELUT

REITTI- JA SIJAINTIALLOKAATIO-ONGELMIEN RATKAISEMINEN GEOINFORMATIIKAN MENETELMIN: ESIMERKKEINÄ MAASTOINVENTOINTIREITIT JA SAIRAALAPALVELUT REITTI- JA SIJAINTIALLOKAATIO-ONGELMIEN RATKAISEMINEN GEOINFORMATIIKAN MENETELMIN: ESIMERKKEINÄ MAASTOINVENTOINTIREITIT JA SAIRAALAPALVELUT Harri Antikainen Oulun yliopisto Maantieteen laitos GEOINFORMATIIKAN

Lisätiedot

Johdatus verkkoteoriaan 4. luento

Johdatus verkkoteoriaan 4. luento Johdatus verkkoteoriaan 4. luento 28.11.17 Viikolla 46 läpikäydyt käsitteet Viikolla 47 läpikäydyt käsitteet Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot,

Lisätiedot

Harjoitus 3 (3.4.2014)

Harjoitus 3 (3.4.2014) Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus tekoälyn taustalla olevaan matematiikkaan Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3. luento 17.11.2017 Neuroverkon opettaminen (ohjattu oppiminen) Neuroverkkoa opetetaan syöte-tavoite-pareilla

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 6: Ääriarvojen luokittelu. Lagrangen kertojat. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016 Antti Rasila

Lisätiedot

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta 811312A Tietorakenteet ja algoritmit 2016-2017 Kertausta jälkiosasta IV Perustietorakenteet Pino, jono ja listat tunnettava Osattava soveltaa rakenteita algoritmeissa Osattava päätellä operaatioiden aikakompleksisuus

Lisätiedot

Lentolaitteen tutkapoikkipinta-alasta riippuva lentoreitin uhkamalli

Lentolaitteen tutkapoikkipinta-alasta riippuva lentoreitin uhkamalli Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Lentolaitteen tutkapoikkipinta-alasta riippuva lentoreitin uhkamalli kandidaatintyö 18.4.2016 Markus Sallila

Lisätiedot

13 Lyhimmät painotetut polut

13 Lyhimmät painotetut polut TIE-20100 Tietorakenteet ja algoritmit 297 13 Lyhimmät painotetut polut BFS löytää lyhimmän polun lähtösolmusta graafin saavutettaviin solmuihin. Se ei kuitenkaan enää suoriudu tehtävästä, jos kaarien

Lisätiedot

Algoritmit 1. Luento 13 Ma Timo Männikkö

Algoritmit 1. Luento 13 Ma Timo Männikkö Algoritmit 1 Luento 13 Ma 26.2.2018 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin

Lisätiedot

14. Luennon sisältö. Kuljetustehtävä. Verkkoteoria ja optimointi. esimerkki. verkkoteorian optimointitehtäviä verkon virittävä puu lyhimmät polut

14. Luennon sisältö. Kuljetustehtävä. Verkkoteoria ja optimointi. esimerkki. verkkoteorian optimointitehtäviä verkon virittävä puu lyhimmät polut JYVÄSKYLÄN YLIOPISTO 14. Luennon sisältö Kuljetustehtävä esimerkki Verkkoteoria ja optimointi verkkoteorian optimointitehtäviä verkon virittävä puu lyhimmät polut kevät 2012 TIEA382 Lineaarinen ja diskreetti

Lisätiedot

Luodin massajakauman optimointi

Luodin massajakauman optimointi Luodin massajakauman optimointi Janne Lahti 01.09.2017 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki

Lisätiedot

Harjoitus 1 (17.3.2015)

Harjoitus 1 (17.3.2015) Harjoitus 1 (17.3.2015) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Helsinki 4 = Kuopio 5 = Joensuu. a) Tehtävänä on ratkaista Bellman

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Monitavoiteoptimointi Mitä monitavoitteisuus tarkoittaa? Halutaan saavuttaa

Lisätiedot

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin

Lisätiedot

Kaupunkimallit ja Mallintava kaavoitus. Vianova Systems Finland Oy Jarkko Sireeni 9.2.2011

Kaupunkimallit ja Mallintava kaavoitus. Vianova Systems Finland Oy Jarkko Sireeni 9.2.2011 Kaupunkimallit ja Mallintava kaavoitus Vianova Systems Finland Oy Jarkko Sireeni 9.2.2011 Kaupunkimalli? Mallintamisen eri skaalat Kaavoitus ja aluerakentaminen Infra ja kunnallistekniikka Talonrakennus

Lisätiedot

Suomen rautatieverkoston robustisuus

Suomen rautatieverkoston robustisuus Suomen rautatieverkoston robustisuus Samu Kilpinen 28.09.2016 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Rautatieverkosto Rautatie on erinomainen tapa kuljettaa suuria ihmis- ja hyödykemääriä Käyttöä etenkin

Lisätiedot

j n j a b a c a d b c c d m j b a c a d a c b d c c j

j n j a b a c a d b c c d m j b a c a d a c b d c c j TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-38.115 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 12 29.2.2008 D12/1 Tarkastellaan verkkoa, jossa on solmua ja linkkiä.

Lisätiedot

Algoritmit 2. Luento 2 Ke Timo Männikkö

Algoritmit 2. Luento 2 Ke Timo Männikkö Algoritmit 2 Luento 2 Ke 15.3.2017 Timo Männikkö Luento 2 Tietorakenteet Lineaarinen lista, binääripuu Prioriteettijono Kekorakenne Keko-operaatiot Keon toteutus taulukolla Algoritmit 2 Kevät 2017 Luento

Lisätiedot

Mat Työ 1: Optimaalinen lento riippuliitimellä

Mat Työ 1: Optimaalinen lento riippuliitimellä Mat-2.132 Työ 1: Optimaalinen lento riippuliitimellä Miten ohjaan liidintä, jotta lentäisin mahdollisimman pitkälle?? 1 työssä Konstruoidaan riippuliitimen malli dynaamisen systeemin tilaesitys Simuloidaan

Lisätiedot

ENSIHOITOMALLINNUS. Malli laskee asemapaikkojen määrän ja sijainnin, ambulanssien määrän, palvelun peittoprosentin ja kustannukset

ENSIHOITOMALLINNUS. Malli laskee asemapaikkojen määrän ja sijainnin, ambulanssien määrän, palvelun peittoprosentin ja kustannukset ENSIHOITOMALLINNUS Malli laskee asemapaikkojen määrän ja sijainnin, ambulanssien määrän, palvelun peittoprosentin ja kustannukset ENSIHOITO: taustaa Ensihoito on sairastuneen tai vammautuneen potilaan

Lisätiedot

Pyöräilyn matka-aikojen ja reittivalintojen paikkatietopohjainen mallinnus pääkaupunkiseudulla

Pyöräilyn matka-aikojen ja reittivalintojen paikkatietopohjainen mallinnus pääkaupunkiseudulla Pyöräilyn matka-aikojen ja reittivalintojen paikkatietopohjainen mallinnus pääkaupunkiseudulla Pro gradu -tutkielma Ainokaisa Tarnanen Helsingin yliopisto 3.6.2016 Taustaa Pyöräily ja saavutettavuus ovat

Lisätiedot

OPERAATIOANALYYSI ORMS.1020

OPERAATIOANALYYSI ORMS.1020 VAASAN YLIOPISTO Talousmatematiikka Prof. Ilkka Virtanen OPERAATIOANALYYSI ORMS.1020 Tentti 2.2.2008 1. Yrityksen tavoitteena on minimoida tuotannosta ja varastoinnista aiheutuvat kustannukset 4 viikon

Lisätiedot

TTY Porin laitoksen optimointipalvelut yrityksille

TTY Porin laitoksen optimointipalvelut yrityksille TTY Porin laitoksen optimointipalvelut yrityksille Timo Ranta, TkT Frank Cameron, TkT timo.ranta@tut.fi frank.cameron@tut.fi Automaation aamukahvit 28.8.2013 Optimointi Tarkoittaa parhaan ratkaisun valintaa

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto)

Lisätiedot

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria

Graafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Graafit ja verkot Suuntamaton graafi: eli haaroja Joukko solmuja ja joukko järjestämättömiä solmupareja Suunnattu graafi: Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Haaran päätesolmut:

Lisätiedot

58131 Tietorakenteet ja algoritmit (kevät 2013) Kurssikoe 2, , vastauksia

58131 Tietorakenteet ja algoritmit (kevät 2013) Kurssikoe 2, , vastauksia 58131 Tietorakenteet ja algoritmit (kevät 2013) Kurssikoe 2, 652013, vastauksia 1 [6 pistettä] Vastaa jokaisesta alla olevasta väittämästä onko se tosi vai epätosi ja anna lyhyt perustelu Jokaisesta kohdasta

Lisätiedot

Operatioanalyysi 2011, Harjoitus 3, viikko 39

Operatioanalyysi 2011, Harjoitus 3, viikko 39 Operatioanalyysi 2011, Harjoitus 3, viikko 39 H3t1, Exercise 3.1. H3t2, Exercise 3.2. H3t3, Exercise 3.3. H3t4, Exercise 3.4. H3t5 (Exercise 3.1.) 1 3.1. Find the (a) standard form, (b) slack form of the

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä

Lisätiedot

Algoritmit 2. Luento 2 To Timo Männikkö

Algoritmit 2. Luento 2 To Timo Männikkö Algoritmit 2 Luento 2 To 14.3.2019 Timo Männikkö Luento 2 Tietorakenteet Lineaarinen lista, binääripuu Prioriteettijono Kekorakenne Keko-operaatiot Keon toteutus taulukolla Algoritmit 2 Kevät 2019 Luento

Lisätiedot

Liikkeet. Haarto & Karhunen. www.turkuamk.fi

Liikkeet. Haarto & Karhunen. www.turkuamk.fi Liikkeet Haarto & Karhunen Suureita Aika: tunnus t, yksikkö: sekunti = s Paikka: tunnus x, y, r, ; yksikkö: metri = m Paikka on ektorisuure Suoraiiaisessa liikkeessä kappaleen paikka (asema) oidaan ilmoittaa

Lisätiedot

Lentolaskuri kohti vastuullisempaa lentomatkailua. Tietoa laskurin toiminnasta 5.6.2008 (päivitys 9.7.2009)

Lentolaskuri kohti vastuullisempaa lentomatkailua. Tietoa laskurin toiminnasta 5.6.2008 (päivitys 9.7.2009) Lentolaskuri kohti vastuullisempaa lentomatkailua Tietoa laskurin toiminnasta 5.6.2008 (päivitys 9.7.2009) Mistä lentolaskurissa on kyse? Lentolaskuri on tamperelainen internetlaskuri, jonka avulla kukin

Lisätiedot

Logistiikkajärjestelmien mallintaminen - käytännön sovelluksia

Logistiikkajärjestelmien mallintaminen - käytännön sovelluksia FORS-seminaari 2005 - Infrastruktuuri ja logistiikka Logistiikkajärjestelmien mallintaminen - käytännön sovelluksia Ville Hyvönen EP-Logistics Oy Taustaa Ville Hyvönen DI (TKK, teollisuustalous, tuotannon

Lisätiedot

TIES483 Epälineaarinen optimointi

TIES483 Epälineaarinen optimointi TIES483 Epälineaarinen optimointi Käytännön optimointiongelmien ratkaiseminen jussi.hakanen@jyu.fi Syksy 2012 Käytännön optimointiongelmien ratkaiseminen Käytännössä tulee kiinnittää huomiota ainakin seuraaviin

Lisätiedot

Juuri 3 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 3 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus K1. a) Ratkaistaan suorakulmaisen kolmion kateetin pituus x tangentin avulla. tan9 x,5,5 x,5 tan 9 x 2,8... x» 2,8 (cm) Kateetin pituus x on 2,8 cm. b) Ratkaistaan vinokulmaisen kolmion sivun pituus

Lisätiedot

58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia

58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia 58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, 10..2014, vastauksia 1. [9 pistettä] (a) Todistetaan 2n 2 + n + 5 = O(n 2 ): Kun n 1 on 2n 2 + n + 5 2n 2 + n 2 +5n 2 = 8n 2. Eli

Lisätiedot

Simulointimalli lentokoneiden käytettävyyden hallintaan. Ville Mattila Systeemianalyysin laboratorio Teknillinen korkeakoulu www.sal.tkk.

Simulointimalli lentokoneiden käytettävyyden hallintaan. Ville Mattila Systeemianalyysin laboratorio Teknillinen korkeakoulu www.sal.tkk. Simulointimalli lentokoneiden käytettävyyden hallintaan Ville Mattila Systeemianalyysin laboratorio Teknillinen korkeakoulu www.sal.tkk.fi Sisältö Johdanto Simulointimalli Suomen Ilmavoimien lentokoneiden

Lisätiedot

ÄÄNENVAIMENTIMIEN MALLINNUSPOHJAINEN MONITAVOITTEINEN MUODONOPTIMOINTI 1 JOHDANTO. Tuomas Airaksinen 1, Erkki Heikkola 2

ÄÄNENVAIMENTIMIEN MALLINNUSPOHJAINEN MONITAVOITTEINEN MUODONOPTIMOINTI 1 JOHDANTO. Tuomas Airaksinen 1, Erkki Heikkola 2 ÄÄNENVAIMENTIMIEN MALLINNUSPOHJAINEN MONITAVOITTEINEN MUODONOPTIMOINTI Tuomas Airaksinen 1, Erkki Heikkola 2 1 Jyväskylän yliopisto PL 35 (Agora), 40014 Jyväskylän yliopisto tuomas.a.airaksinen@jyu.fi

Lisätiedot

Korkean resoluution ja suuren kuva-alueen SAR

Korkean resoluution ja suuren kuva-alueen SAR Korkean resoluution ja suuren kuva-alueen SAR MATINE tutkimusseminaari 17.11.2016 Risto Vehmas, Juha Jylhä, Minna Väilä, Ari Visa Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos Hankkeelle myönnetty

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot MS-A0207 Differentiaali- ja integraalilaskenta 2 (CHEM) Luento 2: Usean muuttujan funktiot Harri Hakula Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2018 1 Perustuu Antti Rasilan luentomonisteeseen

Lisätiedot

Informaation leviäminen väkijoukossa matemaattinen mallinnus

Informaation leviäminen väkijoukossa matemaattinen mallinnus Informaation leviäminen väkijoukossa matemaattinen mallinnus Tony Nysten 11.4.2011 Ohjaaja: DI Simo Heliövaara Valvoja: Prof. Harri Ehtamo Väkijoukon toiminta evakuointitilanteessa Uhkaavan tilanteen huomanneen

Lisätiedot

LIITE ELITE Ti ohjelmistoversio 5.0

LIITE ELITE Ti ohjelmistoversio 5.0 LIITE ELITE Ti ohjelmistoversio 5.0 Tässä liitteessä on esitelty uudet ominaisuudet, jotka sisältyvät ELITE-Ti -ohjelmistoversioon 5.0 ja joita ei ole kuvattu ELITE-Ti - käyttöoppaissa. Ominaisuus Sivulla

Lisätiedot

Silmukkaoptimoinnista

Silmukkaoptimoinnista sta TIE448 Kääntäjätekniikka, syksy 2009 Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 8. joulukuuta 2009 Sisällys Sisällys Seuraava deadline Vaihe F maanantai 14.12. klo 12 rekisteriallokaatio Arvostelukappale

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka

KJR-C1001 Statiikka ja dynamiikka KJR-C1001 Statiikka ja dynamiikka uento 16: Yleinen tasoliike kappaleen liikkeen mallinnus ja analysointi Jua Hartikainen Rakennustekniikan laitos Aalto-yliopiston insinööritieteiden korkeakoulu 16 Yleinen

Lisätiedot

Algoritmit 1. Luento 1 Ti Timo Männikkö

Algoritmit 1. Luento 1 Ti Timo Männikkö Algoritmit 1 Luento 1 Ti 10.1.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin toteutus Ongelman ratkaiseminen Algoritmin tehokkuus Algoritmin suoritusaika Algoritmin analysointi Algoritmit 1 Kevät 2017

Lisätiedot

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely)

Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely) Epätäydellisen preferenssi-informaation huomioon ottavien päätöksenteon tukimenetelmien vertailu (aihe-esittely) Vilma Virasjoki 23.01.2012 Ohjaaja: Jouni Pousi Valvoja: Raimo P. Hämäläinen Työn saa tallentaa

Lisätiedot

Algoritmit 2. Luento 7 Ti Timo Männikkö

Algoritmit 2. Luento 7 Ti Timo Männikkö Algoritmit 2 Luento 7 Ti 4.4.2017 Timo Männikkö Luento 7 Joukot Joukko-operaatioita Joukkojen esitystapoja Alkiovieraat osajoukot Toteutus puurakenteena Algoritmit 2 Kevät 2017 Luento 7 Ti 4.4.2017 2/26

Lisätiedot

Lineaaristen monitavoiteoptimointitehtävien

Lineaaristen monitavoiteoptimointitehtävien Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Jerri Nummenpalo 17.09.2012 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.

Lisätiedot

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet Mat-2.142 Optimointiopin seminaari kevät 2000 Monitavoiteoptimointi Optimointiopin seminaari - Kevät 2000 / 1 Tavoitteet Monitavoitteisten optimointitehtävien ratkaisukäsitteet ja soveltamismahdollisuudet

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 3 7.3.07 Tehtävä Olkoon tilamuuttujat Tällöin saadaan rekursioyhtälö f n (x n ) = max yn {0,} ynwn xn f 0 ( ) = 0. x n = vaiheessa n jäljellä oleva paino, n =,...,N, esine n pakataan

Lisätiedot

x + 1 πx + 2y = 6 2y = 6 x 1 2 πx y = x 1 4 πx Ikkunan pinta-ala on suorakulmion ja puoliympyrän pinta-alojen summa, eli

x + 1 πx + 2y = 6 2y = 6 x 1 2 πx y = x 1 4 πx Ikkunan pinta-ala on suorakulmion ja puoliympyrän pinta-alojen summa, eli BM0A5810 - Differentiaalilaskenta ja sovellukset Harjoitus, Syksy 015 1. a) Funktio f ) = 1) vaihtaa merkkinsä pisteissä = 1, = 0 ja = 1. Lisäksi se on pariton funktio joten voimme laskea vain pinta-alan

Lisätiedot

isomeerejä yhteensä yhdeksän kappaletta.

isomeerejä yhteensä yhdeksän kappaletta. Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua

Lisätiedot

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät

MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät MS-A0305 Differentiaali- ja integraalilaskenta 3 Luento 3: Vektorikentät Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto) MS-A0305 Syksy 2016

Lisätiedot

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla

Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Parempaa äänenvaimennusta simuloinnilla ja optimoinnilla Erkki Heikkola Numerola Oy, Jyväskylä Laskennallisten tieteiden päivä 29.9.2010, Itä-Suomen yliopisto, Kuopio Putkistojen äänenvaimentimien suunnittelu

Lisätiedot

Algoritmit 1. Luento 9 Ti Timo Männikkö

Algoritmit 1. Luento 9 Ti Timo Männikkö Algoritmit 1 Luento 9 Ti 7.2.2017 Timo Männikkö Luento 9 Graafit ja verkot Kaaritaulukko, bittimatriisi, pituusmatriisi Verkon lyhimmät polut Floydin menetelmä Lähtevien ja tulevien kaarien listat Forward

Lisätiedot

Luku 8. Mekaanisen energian säilyminen. Konservatiiviset ja eikonservatiiviset. Potentiaalienergia Voima ja potentiaalienergia.

Luku 8. Mekaanisen energian säilyminen. Konservatiiviset ja eikonservatiiviset. Potentiaalienergia Voima ja potentiaalienergia. Luku 8 Mekaanisen energian säilyminen Konservatiiviset ja eikonservatiiviset voimat Potentiaalienergia Voima ja potentiaalienergia Mekaanisen energian säilyminen Teho Tavoitteet: Erottaa konservatiivinen

Lisätiedot

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!

Lineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min! Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x

Lisätiedot

TIEA382 Lineaarinen ja diskreetti optimointi

TIEA382 Lineaarinen ja diskreetti optimointi TIEA382 Lineaarinen ja diskreetti optimointi Jussi Hakanen Tietotekniikan laitos jussi.hakanen@jyu.fi AgC 426.3 Yleiset tiedot Tietotekniikan kandidaattiopintojen valinnainen kurssi http://users.jyu.fi/~jhaka/ldo/

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 NSGA-II Non-dominated Sorting Genetic Algorithm (NSGA) Ehkä tunnetuin EMO-menetelmä

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt

Lisätiedot

PARITUS KAKSIJAKOISESSA

PARITUS KAKSIJAKOISESSA PARITUS KAKSIJAKOISESSA GRAAFISSA Informaatiotekniikan t iik seminaari i Pekka Rossi 4.3.2008 SISÄLTÖ Johdanto Kaksijakoinen graafi Sovituksen peruskäsitteet Sovitusongelma Lisäyspolku Bipartite matching-algoritmi

Lisätiedot

Säkylän Pyhäjärven kalataloudellinen kannattavuus tulevaisuudessa

Säkylän Pyhäjärven kalataloudellinen kannattavuus tulevaisuudessa Säkylän Pyhäjärven kalataloudellinen kannattavuus tulevaisuudessa EMMI NIEMINEN, TOHTORIKOULUTETTAVA EMMI.E.NIEMINEN@HELSINKI.FI TALOUSTIETEEN LAITOS, MAATALOUS-METSÄTIETEELLINEN TIEDEKUNTA HELSINGIN YLIOPISTO

Lisätiedot

Online-oppiva ilmavalvontajärjestelmän suorituskykymalli

Online-oppiva ilmavalvontajärjestelmän suorituskykymalli Online-oppiva ilmavalvontajärjestelmän suorituskykymalli MATINE:n tutkimusseminaari 16.11.2017 Juha Jylhä ja Marja Ruotsalainen Tampereen teknillinen yliopisto Signaalinkäsittelyn laboratorio Hankkeelle

Lisätiedot

Testauksen tuki nopealle tuotekehitykselle. Antti Jääskeläinen Matti Vuori

Testauksen tuki nopealle tuotekehitykselle. Antti Jääskeläinen Matti Vuori Testauksen tuki nopealle tuotekehitykselle Antti Jääskeläinen Matti Vuori Mitä on nopeus? 11.11.2014 2 Jatkuva nopeus Läpäisyaste, throughput Saadaan valmiiksi tasaiseen, nopeaan tahtiin uusia tuotteita

Lisätiedot

29.11.2015. Työasema- ja palvelinarkkitehtuurit IC130301. Storage. Storage - trendit. 5 opintopistettä. Petri Nuutinen

29.11.2015. Työasema- ja palvelinarkkitehtuurit IC130301. Storage. Storage - trendit. 5 opintopistettä. Petri Nuutinen Työasema- ja palvelinarkkitehtuurit IC130301 5 opintopistettä Petri Nuutinen 5 opintopistettä Petri Nuutinen Storage Storage hallinnassa tärkeää saatavuus laajentaminen turvaaminen optimointi Storagen

Lisätiedot