Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät
|
|
- Heikki Heikkilä
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä Optmontopn semnaar - Kevät 000 /
2 Jälkkätespreferenssmenetelmstä Generodaan Pareto-ratkasujen joukko Päätöksentekjä valtsee parhamman ratkasun Optmontopn semnaar - Kevät 000 / 3 Menetelmen jako tehtävätyypettän Montavotteset lneaarset tehtävät (MOLP) Menetelmät jotka löytävät Pareto-optmaalset äärarvot Menetelmät jotka löytävät kakk Pareto-psteet Montavotteset epälneaarset tehtävät konvekst tehtävät e-konvekst tehtävät Optmontopn semnaar - Kevät 000 / 4
3 Panokerronmenetelmä Estelty uselta er taholta, mm. Gass ja Saaty (955) ja Zadeh (963) Kantavana deana on muuntaa usean kohdefunkton ongelma yhden kohdefunkton ongelmaks Optmodaan kohdefunktoden panotettua summaa Optmontopn semnaar - Kevät 000 / 5 mn { f( ), f( ),..., f kun S k ( )} mn kun ω k = 0, ω k = S = ω f ( ) kaklle =,..., k Optmontopn semnaar - Kevät 000 / 6 3
4 Tärketä matemaattsa tuloksa Panokerrontehtävän ratkasu on hekost Pareto-optmaalnen Jos kakk panokertomet ovat postvsa, on tehtävän ratkasu Paretooptmaalnen Jos tehtävän ratkasu on ykskästtenen, on ratkasu Pareto-optmaalnen Optmontopn semnaar - Kevät 000 / 7 Lneaarset tehtävät Usemmat yhden kohdefunkton lneaarsen optmonnn menetelmät löytävät van käyvän alueen äärpstessä olevat ratkasut Tällön muut Pareto-optmaalset ratkasut vodaan esttää äärpsteden lneaarkombnaatona Ongelma: kahden äärpsteen välnen reuna vo olla Pareto-optmaalnen ta e Optmontopn semnaar - Kevät 000 / 8 4
5 Epälneaarset tehtävät Jos ongelma on konveks, on olemassa panokerronvektor, joka tuottaa Paretooptmaalsen ratkasun e-konveksssa tapauksessa aukossa oleva Pareto-pstetä e pystytä löytämään z z z z ω z ω z z ω z ω z z Optmontopn semnaar - Kevät 000 / 9 Esmerkk Lneaarnen montavotetehtävä: ma ma s. e. 8 Panokerrontehtävä: ma s. e. ω ( ) 8 ( ω )( ) Optmontopn semnaar - Kevät 000 / 0 5
6 Koska ω [0,] (,)-(,-) löytyy kohdefunkton gradentt välltä Huomataan, että kohdefunkto maksmotuu salltun alueen reunapstessä (3,) ja (4,0) (=Pareto-psteet) Optmontopn semnaar - Kevät 000 / Panokerronmenetelmän vahvuudet ja hekkoudet Menetelmä yksnkertanen Konveksen tehtäven kakk Pareto-psteet vodaan löytää - E-konveksen tehtäven kakka Pareto-pstetä e voda löytää - Lneaarsten tehtäven Pareto-optmaalset kulmapsteet vodaan löytää, kulmapsteden välset reunat vovat aheutttaa ongelma - Panojen merktyksen ymmärtämnen vo olla vakeaa (a pror tetous) Optmontopn semnaar - Kevät 000 / 6
7 Epslon-rajotusehtomenetelmä Hames et al. (97) ja Ln (976) Yks kohdefunkto kerrallaan valtaan optmotavaks ja muut asetetaan rajotteks asetetaan rajotteks srretylle funktolle ylärajat ( kohdefunkton mnmont) Optmontopn semnaar - Kevät 000 / 3 Matemaattnen muoto mn s. e. f ( ) f ( ) ε, j l S l {,..., k} j kaklle j =,..., k, k l Saadaan k kappaletta yhden kohdefunkton tehtävä Jokasta Pareto-pstettä kohden joudutaan ratkasemaan k kappaletta yhden kohdefunkton tehtävä (jos e saada ykskästtestä ratkasua) Optmontopn semnaar - Kevät 000 / 4 7
8 Tärketä matemaattsa tuloksa Vodaan osottaa, että ratkasu on Pareto-optmaalnen, joss se on kakken epslon-rajotusehtotehtäven ratkasu, kun ε j = f j ( * ), j =,..., k, j l. Ratkasu on Pareto-optmaalnen jos se on jonkn altehtävän ykskästtenen ratkasu, kun ε j = f j ( * ), j =,..., k, j l. Koko epslon-rajotusehtotehtävän ykskästtenen ratkasu on Pareto-optmaalnen rppumatta ylärajosta Optmontopn semnaar - Kevät 000 / 5 Menetelmän soveltuvuus Ratkastaessa ongelmaa, vahdellaan osatehtävssä funktoden ylärajoja Menetelmä e aseta suura rajotuksa optmonttehtävälle E-konvekssuus e aheuta ongelma (vrt. panokerronmenetelmä) Optmontopn semnaar - Kevät 000 / 6 8
9 Esmerkk Todstetaan panokerronmenetelmän yhteydessä kästellyn esmerkn psteen (4,0) Pareto-optmaalsuus Saadaan kaks osaongelmaa: mn 8 8 mn 8 4 Optmontopn semnaar - Kevät 000 / 7 Osatehtävässä päätösavaruuden muodostaa van pste (4,0), joten se on ongelman ratkasu Osatehtävä on ratkastu gradentta lkuttamalla äärpsteeseen, joka on myös (4,0) Samaan tulokseen päästään myös osatehtäven ratkasujen ykskästtesyys teoreemalla (3..3) Optmontopn semnaar - Kevät 000 / 8 9
10 Epslon-rajotusehtomenetelmän hekkoudet ja vahvuudet Menetelmä e aseta tehtävälle rajotuksa Vodaan käyttää myös a pror-menetelmänä -Laskennallsest hyvn raskas ja usen myös vakea -Ratkasujen ykskästtesyys vo olla vakea osottaa Optmontopn semnaar - Kevät 000 / 9 Hybrdmenetelmä Pyrtään yhdstämään edellä estettyjen menetelmen hyvät puolet Tehtävä saa seuraavan muodon: mn s. e. f ( ) ε S j k = kaklle j =,..., k kaklle =,..., k Kakk Pareto-psteet vodaan etsä vahtamalla funktoden ylärajoja (panoja e tarvtse muuttaa) ω > 0 ω f ( ) j Optmontopn semnaar - Kevät 000 / 0 0
11 Menetelmän hekkoudet ja vahvuudet E aseta tehtävälle rajotuksa (konvekssuus, ratkasujen ykskästtesyys) E tarvtse ratkasta useta altehtävä (laskennallnen tehokkuus) -Rajotteden ylärajojen määräämnen yhä vakeaa Optmontopn semnaar - Kevät 000 / Yhteenveto Panokerron- ja epslon-rajotusehtomenetelmä ovat perusmenetelmä, jota käytetään osana muta ratkasumenetelmä Panokerronmenetelmä laskennallsest yksnkertanen, mutta asettaa tarkasteltavalle ongelmalle suura rajotteta Epslon-rajotusehtomenetelmä laskennallsest monmutkanen, mutta e aseta yhtä tukkoja rajotuksa tehtävälle Optmontopn semnaar - Kevät 000 /
12 Olkoon tehtävän käypä alue Kottehtävä S = {(, ) R 6,, 3 ja mnmotavat krteerfunktot: f = ja f = ) Määrtä tehtävän Pareto-optmaalset psteet käyttäen panokerronmenetelmää ) Todsta velä käyttäen epslon-rajotusehtomenetelmää yhden ensmmäsessä kohdassa ratkastun psteen Pareto-optmaalsuus. 6} Optmontopn semnaar - Kevät 000 / 3
Painotetun metriikan ja NBI menetelmä
Panotetun metrkan ja NBI menetelmä Optmontopn semnaar - Kevät / 1 Estelmän ssältö Paretopsteden generont panotetussa metrkossa Panotettu L p -metrkka Panotettu L -metrkka el panotettu Tchebycheff -metrkka
LisätiedotTavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä
Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste
Lisätiedot4. A priori menetelmät
4. A pror menetelmät 4. Arvofunkto-menetelmä 4.2 Lekskografnen järjestämnen 4.3 Tavoteohjelmont Tom Bäckström Optmontopn semnaar - Kevät 2000 / 4. Arvofunkto-menetelmä Päätöksentekjä antaa eksplsttsen
LisätiedotTchebycheff-menetelmä ja STEM
Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lneaarnen ohjelmont 22..2007 Luento 0 Ssäpstemenetelmät ja kokonaslukuoptmont (krja 0.-0.4) Ssäpstemenetelmät luvut 8 ja 9, e tarvtse lukea Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Sananen
LisätiedotMS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.
MS-A0205/MS-A0206 Dfferentaal- ja ntegraallaskenta 2 Luento 7: Lagrangen kertojat. Penmmän nelösumman menetelmä. Jarmo Malnen Matematkan ja systeemanalyysn latos 1 Aalto-ylopsto Kevät 2016 1 Perustuu Antt
LisätiedotTIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010
TIES592 Montavoteoptmont ja teollsten prosessen hallnta Ylassstentt Juss Hakanen juss.hakanen@jyu.f syksy 2010 Interaktvset menetelmät Idea: päätöksentekjää hyödynnetään aktvsest ratkasuprosessn akana
LisätiedotMat Lineaarinen ohjelmointi
Mat-2.340 Lneaarnen ohjelmont 3.9.2007 Luento Johdanto (krja.-.4) S ysteemanalyysn Laboratoro eknllnen korkeakoulu Eeva Vlkkumaa Lneaarnen ohjelmont - Syksy 2007 / Luentorunko Hstoraa Lneaarnen optmonttehtävä
LisätiedotEpälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)
Epälneaarsten penmmän nelösumman tehtäven ratkasemnen numeerslla optmontmenetelmllä valmn työn esttely Lar Pelkola 9.9.014 Ohjaaja/valvoja: Prof. Harr Ehtamo yön saa tallentaa ja julkstaa Aalto-ylopston
LisätiedotTchebycheff-menetelmä ja STEM
Mat-2.142 Optmontopn semnaar K-2000 Montavoteopmont Semnaarestelmän tvstelmä Pentt Säynätjo 22.3.2000 Tchebycheff-menetelmä ja STEM 1. Johdanto Tchebycheff-menetelmä ja STEM ovat vuorovauttesa montavoteoptmontmenetelmä.
LisätiedotVERKKOJEN MITOITUKSESTA
J. Vrtamo 38.3141 Telelkenneteora / Verkon mtotus 1 VERKKOJEN MITOITUKSESTA 1. Prkytkentäset verkot Lnkken kapasteetten (johtoja/lnkk) määräämnen sten, että verkon kokonaskustannukset mnmotuvat, kun päästä-päähän
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematkkaan Informaatoteknologan tedekunta Jyväskylän ylopsto 4. luento 24.11.2017 Neuroverkon opettamnen - gradenttmenetelmä Neuroverkkoa opetetaan syöte-tavote-parella
LisätiedotMoraalinen uhkapeli: N:n agentin tapaus eli moraalinen uhkapeli tiimeissä
Moraalnen uhkapel: N:n agentn tapaus el moraalnen uhkapel tmessä Mat-2.4142 Optmontopn semnaar Ismo Räsänen 4.3.2008 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 11 - Ismo Räsänen Optmontopn
LisätiedotMat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut
Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss
Lisätiedot1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä
Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10
Lisätiedot4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
4. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7..008 Thomas Hackman 4. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 4. Tähtteteellsten
LisätiedotEräs Vaikutuskaavioiden ratkaisumenetelmä
Mat-2.142 Optmontopn semnaar, s-99 28.9. 1999 Semnaarestelmän referaatt Joun Ikonen Lähde: Ross D. Schachter: Evaluatng nfluence dagrams, Operatons Research, Vol 34, No 6, 1986 Eräs Vakutuskaavoden ratkasumenetelmä
LisätiedotMat Lineaarinen ohjelmointi
Mat-.4 Lneaarnen ohelmont 8..7 Luento 6 Duaaltehtävä (kra 4.-4.4) S ysteemanalyysn Lneaarnen ohelmont - Syksy 7 / Luentorunko Motvont Duaaltehtävä Duaalteoreemat Hekko duaalsuus Vahva duaalsuus Täydentyvyysehdot
Lisätiedot3. Datan käsittely lyhyt katsaus
3. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento..0 Thomas Hackman HTTPK I, kevät 0, luento 3 3. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus
LisätiedotEpätäydelliset sopimukset
Eätäydellset somukset Matt Rantanen 15.4.008 ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 16 Matt Rantanen Otmonton semnaar - Kevät 008 Estelmän ssältö Eätäydellset somukset ja omstusokeus alanén
LisätiedotReaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin
MAT-3440 LAAJA MATEMATIIKKA 4 Tampereen teknllnen ylopsto Rsto Slvennonen Kevät 00 4. Vektorfunkton dervaatta. Ketjusääntö.. Reaalarvosen funkton dervaatta Tässä luvussa estetään dervaattakäste ensn reaalarvoselle
Lisätiedot5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7.4.006 Thomas Hackman 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 5. Tähtteteellsten
LisätiedotKokonaislukuoptimointi
Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman
LisätiedotHASSEN-WEILIN LAUSE. Kertausta
HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten
Lisätiedot3.5 Generoivat funktiot ja momentit
3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä
Lisätiedot11. Vektorifunktion derivaatta. Ketjusääntö
7 Vektorfunkton dervaatta Ketjusääntö Täydennämme ja kertaamme seuraavassa dfferentaallaskennan teoraa kursslta Laaja matematkka Palautetaan meln dervaatan määrtelmä reaalfunktolle: Funkton f : R R dervaatta
LisätiedotJaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen
Tosakajärjestelmät Luento : Resurssen hallnta ja prorteett Tna Nklander Jaetut resursst Useat tapahtumat jakavat ohjelma-/lattesto-olota, jossa kesknänen possulkemnen on välttämätöntä. Ratkasuja: Ajonakanen
LisätiedotPuupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:
Puupntasen sandwchkattoelementn lujuuslaskelmat. Ssältö: Sandwch kattoelementn rakenne ja omnasuudet Laatan laskennan kulku Tulosten vertalua FEM-malln ja analyyttsen malln välllä. Elementn rakenne Puupntasa
Lisätiedot3 Tilayhtälöiden numeerinen integrointi
3 Tlayhtälöden numeernen ntegront Alkuarvotehtävässä halutaan ratkasta lopputla xt f ) sten, että tlayhtälöt ẋ = fx,u, t) toteutuvat, kun alkutla x 0 on annettu Tlayhtälöden numeernen ntegront vodaan suorttaa
Lisätiedot5. KVANTTIMEKANIIKKAA
5. KVANTTIMEKANIIKKAA Bohrn atommallsta samme jonknlasen kuvan atomn rakenteesta. Kutenkaan Bohrn atommall e pysty selttämään kakka kokeellsa havantoja spektrestä: Mks osa spektren vvosta on tosa vomakkaampa
LisätiedotSU/Vakuutusmatemaattinen yksikkö (5)
SU/Vakuutusmatemaattnen ykskkö 0..06 (5) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
LisätiedotJäykän kappaleen liike
aananta 9.9.014 1/17 Jäykän kappaleen lke Tähän ast tarkasteltu massapstemekankkaa : m, r, v Okeast fyskaalset systeemt ovat äärellsen kokosa, esm. jäykät kappaleet r r j = c j =vako, j elastset kappaleet
LisätiedotTuotteiden erilaistuminen: hintakilpailu
Tuotteden erlastumnen: hntaklalu Lass Smlä 19.03.003 Otmonton semnaar - Kevät 003 / 1 Johdanto Yrtykset evät yleensä halua tuottaa saman tuoteavaruuden tlan täyttävä tuotteta (syynä Bertrandn aradoks)
LisätiedotMekaniikan jatkokurssi Fys102
Mekankan jatkokurss Fys102 Syksy 2009 Jukka Maalamp LUENTO 2 Alkuverryttelyä Vääntömomentt Oletus: Vomat tasossa, joka on kohtsuorassa pyörmsaksela vastaan. Oven kääntämseen tarvtaan er suurunen voma
LisätiedotNeuroHaku monikerroksisen perceptron-neuroverkon epälineaarinen optimointi
Arja Lavonen NeuroHaku monkerrokssen perceptron-neuroverkon epälneaarnen optmont Tetoteknkan pro gradu -tutkelma Teteellnen laskenta 4. syyskuuta 2005 Jyväskylän ylopsto Tetoteknkan latos Jyväskylä Tekjä:
Lisätiedot1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on
HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla
LisätiedotR 2. E tot. Lasketaan energialähde kerrallaan 10 Ω:n vastuksen läpi oleva virta.
D-000 Pranalyys Harjotus 3 / vkko 5 4.4 Laske kuvan vrta käyttäen energalähteden muunnoksa. Tarkotuksena on saada energalähteden muutokslla ja yhdstämsllä akaan yksnkertanen pr, josta vo Ohmn lan avulla
Lisätiedot7. Modulit Modulit ja lineaarikuvaukset.
7. Modult Vektoravaruudet ovat vahdannasa ryhmä, jossa on määrtelty jonkn kunnan skalaartomnta. Hyväksymällä kerronrakenteeks kunnan sjaan rengas saadaan rakenne nmeltä modul. Moduln käste on ss vektoravaruuden
LisätiedotYrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu
Yrtyksen teora Lar Hämälänen.1.003 Yrtys Organsaato, joka muuttaa tuotantopanokset tuotteks ja tom tehokkaammn kun sen osat erllään Yrtys tenaa rahaa myynthnnan sekä ostohnnan ja aheutuneden kustannuksen
LisätiedotAquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607
046.01.00 Rev.0607 D GB NL FIN Bedenungsanletung Operatng nstructons Gebruksaanwjzng Käyttöohje 3-10 11-18 19-26 27-34 120 Automaattnen pyörvä laser kallstustomnnolla: Itsetasaus vaakasuorassa tasossa
Lisätiedot1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.
BM20A5800 - Funktot, lneaaralgebra, vektort Tentt, 26.0.206. (a) Krjota yhtälöryhmä x + 2x 3 = a 2x + x 2 + 5x 3 = b x x 2 + x 3 = c matrsmuodossa Ax = b ja ratkase x snä erkostapauksessa kun b = 0. Mllä
LisätiedotMarkov-prosessit (Jatkuva-aikaiset Markov-ketjut)
J. Vrtamo Lkenneteora a lkenteenhallnta / Markov-prosesst 1 Markov-prosesst (Jatkuva-akaset Markov-ketut) Tarkastellaan (statonaarsa) Markov-prosessea, oden parametravaruus on atkuva (yleensä aka). Srtymät
Lisätiedot4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino
4. MARKKINOIDEN TASAPAINOTTUMINEN 4.. Tasapanoperaate 4... Yrtysten ja kuluttajen välnen tasapano Näkymätön käs muodostuu kahdesta vakutuksesta: ) Yrtysten voton maksmont johtaa ne tuottamaan ntä hyödykketä,
LisätiedotRahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen
SU/Vakuutusmatemaattnen ykskkö 0.4.05 Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä perusteta sovelletaan täydennyskertomen,
LisätiedotModerni portfolioteoria
Modern portfoloteora Helsngn Ylopsto Kansantalousteteen Kanddaatntutkelma 4.12.2006 Juho Kostanen (013297143) juho.kostanen@helsnk.f 2 1. Johdanto... 3 2. Sjotusmarkknat... 4 2.1. Osakemarkknat... 4 2.2.
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
LisätiedotPro gradu -tutkielma. Whitneyn upotuslause. Teemu Saksala
Pro gradu -tutkelma Whtneyn upotuslause Teemu Saksala Helsngn ylopsto Matematkan ja tlastoteteen latos 5. maalskuuta 2013 0.1 Johdanto Topologset monstot ovat melenkntosa, koska ne ovat määrtelmänsä nojalla
LisätiedotS , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon
S-11435, FYSIIKKA III (ES), Syksy 00, LH 4, Loppuvkko 39 LH4-1* Käyttän Maxwll-Boltzmann-jakauman parttofunktota määrtä a) nrgan nlön kskarvo (E ) skä b) nrgan nlöllnn kskpokkama kskarvosta l nrgan varanss,
LisätiedotJaksolliset ja toistuvat suoritukset
Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e
LisätiedotPyörimisliike. Haarto & Karhunen.
Pyörmslke Haarto & Karhunen www.turkuamk.f Pyörmslke Lttyy jäykän kappaleen pyörmseen akselnsa ympär Pyörmsenerga on pyörmsakseln A ympär pyörvän kappaleen osasten lke-energoden summa E r Ek mv mr mr www.turkuamk.f
LisätiedotSähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi
Sähkön- ja lämmöntuotannon kustannussmulont ja herkkyysanalyys Pekka Nettaanmäk Osmo Schroderus Jyväskylän ylopsto Tetoteknkan latos 2010 1 2 Tvstelmä Raportn tarkotuksena on esttää pelkstetyn matemaattsen
LisätiedotER-kaaviot. Ohjelmien analysointi. Tilakaaviot. UML-kaaviot (luokkakaavio) Tietohakemisto. UML-kaaviot (sekvenssikaavio) Kirjasto
Ohelmen analsont Ohelmen kuvaamnen kaavolla ohelmen mmärtämnen kaavoden avulla kaavoden tuottamnen ohelmasta Erlasa kaavotppeä: ER-kaavot, tlakaavot, UML-kaavot tetohakemsto vuokaavot (tarkemmn) Vuoanals
LisätiedotKynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto
Kynä-paper -harjotukset Tana Lehtnen 8.8.07 Tana I Lehtnen Helsngn ylopsto Etelä-Suomen ja Lapn lään, 400 opettajaa a. Perusjoukon (populaaton) muodostvat kakk Etelä-Suomen ja Lapn läänn peruskoulun opettajat
LisätiedotGalerkin in menetelmä
hum.9.3 Galerkn n menetelmä Galerknn menetelmän soveltamnen e ole rajottunut van ongelmn, jotka vodaan pukea sellaseen varaatomuotoon, joka on seurauksena funktonaaln mnmomsesta, kuten potentaalenergan
LisätiedotTietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18
SU/Vakuutusmatemaattnen ykskkö 6.3.07 (6) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
LisätiedotTaustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon
Taustaa Sekventaalnen vakutuskaavo Sekventaalnen päätöskaavo on 1995 ovalun ja Olven esttämä menetelmä päätösongelmen mallntamseen, fomulontn ja atkasemseen. Päätöspuun omnasuukssta Hyvää: Esttää eksplsttsest
LisätiedotSU/Vakuutusmatemaattinen yksikkö (6)
SU/Vakuutusmatemaattnen ykskkö 28.0.206 (6) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV 2. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan
LisätiedotLuento 6 Luotettavuus Koherentit järjestelmät
Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu
Lisätiedoton määritelty tarkemmin kohdassa 2.3 ja pi kohdassa 2.2.
SU/Vakuutusmatemaattnen ykskkö 7.8.08 (7) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,
LisätiedotPOPULAATION MONIMUOTOISUUDEN MITTAAMINEN LIUKULUKUKOODATUISSA EVOLUUTIOALGORITMEISSA
LAPPEENRANNAN TEKNILLINEN YLIOPISTO Tetoteknkan osasto POPULAATION MONIMUOTOISUUDEN MITTAAMINEN LIUKULUKUKOODATUISSA EVOLUUTIOALGORITMEISSA Dplomtyön ahe on hyväksytty Tetoteknkan osaston osastoneuvostossa
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.
HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla
LisätiedotLIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN
Oulun ylopsto Fyskan opetuslaboratoro Fyskan laboratorotyöt LIITE SUORA SOVITTAMIE HAVAITOPISTEISII Tarkastelemme fyskan tössä usen eteen tulevaa tlannetta, jossa olemme mtanneet kpl pstepareja ( X, Y
LisätiedotRahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet
SU/Vakuutusmatemaattnen ykskkö 3..209 (7) Rahastoonsrtovelvotteeseen, perustekorkoon ja vakuutusmaksukorkoon lttyvät laskentakaavat ja peraatteet Soveltamnen. Rahastosrtovelvote RSV 2. Täydennyskerron
LisätiedotRaja-arvot. Osittaisderivaatat.
1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat
LisätiedotUuden eläkelaitoslain vaikutus allokaatiovalintaan
TEKNILLINEN KORKEAKOULU Systeemanalyysn laboratoro Mat-2.108 Sovelletun matematkan erkostyö Uuden eläkelatoslan vakutus allokaatovalntaan Tmo Salmnen 58100V Espoo, 14. Toukokuuta 2007 Ssällysluettelo Johdanto...
Lisätiedot6. Stokastiset prosessit (2)
Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella
LisätiedotAutomaattinen 3D - mallinnus kalibroimattomilta kuvasekvensseiltä
Maa-57.270 Fotogrammetran, kuvatulknnan ja kaukokartotuksen semnaar Automaattnen 3D - mallnnus kalbromattomlta kuvasekvensseltä Terh Ahola 2005 Ssällysluettelo 1 Johdanto...2 2 Perusteoraa...2 2.1 Kohteen
Lisätiedot= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2
HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske
LisätiedotABTEKNILLINEN KORKEAKOULU
ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst
LisätiedotÄärellisten ryhmien hajotelmat suoriksi tuloiksi
TAMPEREEN YLIOPISTO Pro gradu -tutkelma Vel-Matt Nemnen Äärellsten ryhmen hajotelmat suorks tuloks Informaatoteteden ykskkö Matematkka Kesäkuu 2016 Tampereen ylopsto Informaatoteteden ykskkö NIEMINEN,
LisätiedotPaperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi
TEKNILLINEN KORKEAKOULU Teknllsen fyskan koulutusohjelma ERIKOISTYÖ MAT-2.108 Sovelletun matematkan erkostyöt 22.4.2003 Paperkoneden tuotannonohjauksen optmont ja tuotefokusont Jyrk Maaranen 38012p 1 Ssällysluettelo
Lisätiedot1. YLEISKATSAUS MYYNTIPAKKAUKSEN SISÄLTÖ. ZeFit USB -latausklipsi Käyttöohje. Painike
Suom USER GUIDE YLEISKATSAUS LATAAMINEN KIINNITTÄMINEN KÄYTÖN ALOITTAMINEN TIETOJEN SYNKRONOINTI NÄYTTÖTILAT AKTIIVISUUSMITTARI UNITILA TAVOITTEET MUISTUTUKSET TEKNISET TIEDOT 6 8 10 12 16 18 20 21 22
Lisätiedot= m B splini esitys. B splini esitys. Tasaiset B splinit
.2. spln estys ézer estyksen yksnkertasuus ja voma ovat ettämättä sen suoson salasuus. Kakesta huolmatta slläkn on rajotuksensa, jotka ovat yltettävssä splnejä käyttäen. Lsäämällä kontrollpstetä saadaan
LisätiedotBaltian Tie 2001 ratkaisuja
Balta Te 001 ratkasuja 1. Olkoot tehtävät T, = 1,,..., 8. Eräs mahdollsuus jakaa tehtävät kahdeksalle opskeljalle O j, j =1,,..., 8 o ohesessa taulukossa T 1 T T T 4 T T 6 T 7 T 8 O 1 O O O 4 O O 6 O 7
Lisätiedotd L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ
TTKK/Fyskan latos FYS-1640 Klassnen mekankka syksy 2009 Laskuharjotus 5, 16102009 1 Ertysessä suhteellsuusteorassa Lagrangen funkto vodaan krjottaa muodossa v L = m 2 u t 1! ṙ 2 V (r) Osota, että tämä
LisätiedotTIES592 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 PO pisteiden määräämismenetelmät Idea: tuotetaan erilaisia PO ratkaisuita, joista
LisätiedotT p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.
Olkoot A R n n ja T R n n sten, että on olemassa ndeks p N jolle T p = Tällästä matrsa kutsutaa nlpotentks Näytä, että () () () Olkoot Määrtä matrs B n (λi + A) n = (λi + T ) n = B = n mn n,p ( ) n λ n
Lisätiedotb g / / / / H G I K J =. S Fysiikka (ES) Tentti
S4.35 Fyskka (ES) Tntt 4.9. 3 6. Sälö, jonka tlavuus on,5 m, ssältää haa, jonka an on,5 Pa ja lämötla C. (a) Montako moola haa sälössä on? (b) Montako klogrammaa? (c) Mtn an muuttuu, jos lämötla kasvaa
LisätiedotTKK @ Ilkka Mellin (2008) 1/24
Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,
LisätiedotSähköstaattinen energia
ähköstaattnen enega Potentaalenegan a potentaaln suhde on samanlanen kun Coulomn voman a sähkökentän suhde: ähkökenttä vakuttaa vaattuun kappaleeseen nn, että se kokee Coulomn voman, mutta sähkökenttä
LisätiedotAB TEKNILLINEN KORKEAKOULU
B TEKNILLINEN KORKEKOULU Tetoverkkolaboratoro luento05.ppt S-38.45 - Lkenneteoran perusteet - Kevät 00 Ssältö eruskästteet Dskreett satunnasmuuttujat Dskreett jakaumat lkm-jakaumat Jatkuvat satunnasmuuttujat
LisätiedotKanoniset muunnokset
Kanonset muunnokset Koordnaatstomuunnokset Lagrangen formalsmssa pstemuunnoksa: Q = Q (q, t) nopeudet saadaan nästä dervomalla Kanonnen formalsm: p:t ja q:t samanarvosa 2n-ulottesen faasavaruuden muuttuja
Lisätiedot0 Matemaattisia apuneuvoja
0 Matemaattsa apuneuvoja 0.1 Kokonasdfferentaal Tarkastellaan kahden muuttujan funktota f(x, y), joka on määrtelty xy-tasossa. llon jokaseen tason psteeseen (x, y) lttyy funkton arvo z = f(x, y). Jos funkto
LisätiedotKonenäkö ja kuva-analyysi. Tuomo Rossi Jyväskylän yliopisto Tietotekniikan laitos
Konenäkö ja kuva-analyys Tuomo Ross Jyväskylän ylopsto Tetoteknkan latos 9. syyskuuta 2008 2 Ssältö 1 Matemaattsa estetoja 5 1.1 Lneaarset suotmet ja konvoluuto................. 5 1.1.1 Konvoluuto.........................
LisätiedotYrityksen teoria ja sopimukset
Yrtyksen teora a sopmukset Mat-2.4142 Optmontopn semnaar Ilkka Leppänen 22.4.2008 Teemoa Yrtyksen teora: tee va osta? -kysymys Yrtys kannustnsysteemnä: ylenen mall Työsuhde vs. urakkasopmus -analyysä Perustuu
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =
Lisätiedot13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit
68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta
LisätiedotKvanttimekaanisten joukkojen yhteys termodynamiikkaan
Kvanttmekaansten joukkojen yhteys termodynamkkaan Hukkaslukumäärän sälyttävä systeem vo vahtaa energaa ympärstönsä kanssa kahdella tavalla: työnä ta lämpönä. Termodynamkassa entropan muutos lttyy lämmön
LisätiedotKuorielementti hum
Kuorelementt hum.. ämä estys e kuulu kurssvaatmuksn, vaan se on tarkottu asasta knnostunelle. arkastellaan tässä yhteydessä eaarsta -solmusta AIZ (Ahmad, Irons ja Zenkewcz, 970) kuorelementtä, jonka knematkka
LisätiedotSisältö. Päätöksenteon heuristiikat ja harhat. Heuristiset harhat. Intuitio ja tiedon saatavuus. Heuristiset harhat
Ssältö Päätöksenteon heurstkat ja harhat Samuel Aulanko 3.2.2010 Heurstset harhat Intuto ja tedon saatavuus Estystapojen vakutus (Prospektteora) Attrbuutten vahto Intuton korjaamnen Prototyyppheurstkat
LisätiedotLIITE 2 SUORAN SOVITTAMINEN HAVAINTOPISTEISIIN
Oulun ylopsto Fyskan opetuslaboratoro Fyskan laboratorotyöt 1 1 LIITE SUORA SOVITTAMIE HAVAITOPISTEISII Tarkastelee fyskan tössä usen eteen tulevaa tlannetta, jossa olee tanneet kpl pstepareja X, Y. Arvot
LisätiedotYksikköoperaatiot ja teolliset prosessit
Ykskköoperaatot ja teollset prosesst 1 Ylestä... 2 2 Faasen välnen tasapano... 3 2.1 Neste/höyry-tasapano... 4 2.1.1 Puhtaan komponentn höyrynpane... 4 2.1.2 Ideaalnen seos... 5 2.1.3 Epädeaalnen nestefaas...
LisätiedotMatriisilaskenta Luento 8: LU-hajotelma
Matriisilaskenta Luento 8: LU-hajotelma Antti Rasila 2016 Matriisihajotelmat 1/2 Usein matriisiyhtälön Ax = y ratkaiseminen on epäkäytännöllistä ja hidasta. Siksi numeerisessa matriisilaskennassa usein
Lisätiedot5. Datan käsittely lyhyt katsaus
5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 4..0 Thomas Hackman HTTPK I, kevät 0, luento 5 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus
LisätiedotKuntoilijan juoksumalli
Rakenteden Mekankka Vol. 42, Nro 2, 2009, s. 61 74 Kuntoljan juoksumall Matt A Ranta ja Lala Hosa Tvstelmä. Urhelututkmuksen melenknnon kohteena ovat yleensä huppu-urheljat. Tuokon yksnkertastettu juoksumall
LisätiedotRiskienhallinnan peruskäsitteitä
Rskenhallnnan peruskäseä Juss Kangaspuna 7. Syyskuua 2011 Työn saa allenaa ja julksaa Aalo-ylopson avomlla verkkosvulla. Mula osn kakk okeude pdäeään. Esyksen ssälö Todennäkösyyspohjanen vekehys aloudellsen
LisätiedotCOULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT
COUOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT SISÄTÖ: Coulombn voma Sähkökenttä Coulombn voman a sähkökentän laskemnen pstevaaukslle Jatkuvan vaauksen palottelemnen pstevaauksks
LisätiedotKokonaislukutehtävien formulointeja ( ) 1.4) Mirko Ruokokoski S ysteemianalyysin. Laboratorio. Mirko Ruokokoski
Kokonaslukuthtävn formulonta (.-.4).4) 23..2008 Sovlltun matmatkan lsnsaattsmnaar Kvät 2008 / Ssälls Kokonaslukuthtävn formulonta Ertsst ärsttt oukot (spcal ordrd sts) Vahva formulont (strong formulaton)
LisätiedotGeneettiset algoritmit ja luonnossa tapahtuva mikroevoluutio
Mat-2.108 Sovelletun matematkan erkostyöt Geneettset algortmt ja luonnossa tapahtuva mkroevoluuto 11.5.2005 Teknllnen korkeakoulu Systeemanalyysn laboratoro Oll Stenlund 47068f 1 Johdanto 3 2 Geneettset
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
Lisätiedot