Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet

Koko: px
Aloita esitys sivulta:

Download "Mat Optimointiopin seminaari kevät Monitavoiteoptimointi. Tavoitteet"

Transkriptio

1 Mat Optimointiopin seminaari kevät 2000 Monitavoiteoptimointi Optimointiopin seminaari - Kevät 2000 / 1 Tavoitteet Monitavoitteisten optimointitehtävien ratkaisukäsitteet ja soveltamismahdollisuudet Monitavoitetehtävien ratkaisumenetelmät ja olemassa olevat ohjelmistot Parantaa esiintymistaitoja Optimointiopin seminaari - Kevät 2000 / 2 1

2 Yleistä Opettajat: professori Raimo P. Hämäläinen, U211 DI Juha Mäntysaari, U229c Kokoontumiset: Keskiviikkoisin klo U261 Sähköpostilista: Kotisivu: Materiaali: K. Miettinen, Nonlinear Multiobjective Optimization, Kluwer, 1999 (Kopioversio lainattavissa U229c) ks. kotisivu Optimointiopin seminaari - Kevät 2000 / 3 Suorittaminen (3 ov) Esitelmä (35 pistettä) Runko PowerPoint-ohjelmistolla (v. 7.0 Office 95:lla) Kalvot toimitetaan Juha Mäntysaarelle (U229c) aina esitystä edeltävänä maanantaina levykkeellä Kalvot kurssin kotisivulle pdf-muodossa Kotitehtävät (35 pistettä) Jokaisesta esitelmästä yksi kotitehtävä Esitelmän pitäjä arvostelee Tiivistelmä esitelmästä (20 pistettä) Aktiivinen läsnäolo (10 pistettä) Optimointiopin seminaari - Kevät 2000 / 4 2

3 Optimointiopin seminaari - Kevät 2000 / 5 Seminaarikerta 1. I Esitelmä (40 min) 2. Kotitehtävien ratkaisut (10 min) 3. II Esitelmä (40 min) Optimointiopin seminaari - Kevät 2000 / 6 3

4 Alustava ohjelma Käsitteet ja optimaalisuusehdot 19.1 Johdanto (Part I, Ch1 & Ch 2): Raimo P. Hämäläinen, Juha Mäntysaari 26.1 Monitavoitetehtävän optimaalisuusehdot (Part I, Ch ) Ilman preferenssiä menetelmät 3.2 Tutkimusaiheita ja WWW-NIMBUS: Kaisa Miettinen Ilman preferenssejä toimivat menetelmät (Part II, Ch 1, ) Jälkikäteispreferenssimenetelmät 9.2 Painokerroin-, epsilon-rajoitusehto- ja hybridimenetelmä, (Part II, Ch ) 16.2 Painotetun metriikan ja NBI menetelmä, (Part II, Ch 3.4 & lisämateriaali) 23.2 Tavoitteet skaalavan funktion lähestymistapa (Part II, Ch 3.5 & lisämateriaali) Optimointiopin seminaari - Kevät 2000 / 7 Etukäteispreferenssimenetelmät 1.3 Arvofunktio, leksikograafinen järjestys ja tavoiteoptimointi, (Part II, Ch 4) 8.3 Dynaaminen monitavoitteinen optimointi - Esimerkkinä talonlämmityksen optimointi: Juha Mäntysaari Vuorovaikutteiset menetelmät 15.3 Interaktiivinen SWT ja Geoffrion-Dyer-Feinberg menetelmä (Part II, Ch ) Tchebycheff menetelmä ja STEM (Part II, Ch 5.4 & 5.5) Referenssipiste- ja referenssisuuntamenetelmä (Part II, Ch 5.6 & 5.10 ) Visualisointi ja menetelmien vertailu 5.4. Paretoratkaisujen visualisointi (Part III, Ch 3 ) Menetelmien vertailu ja valinta (Part III, Ch 1) Optimointiopin seminaari - Kevät 2000 / 8 4

5 Monitavoitteinen päätösanalyysi Menetelmiä ja lähestymistapoja selkiyttää päätöksiä ristiriitaisten tavoitteiden tai epävarmuuden vallitessa Ajattelun ja kommunikoinnin apuväline Päätöspuu ja vaikutuskaavio peräkkäisiä valintoja epävarmuuden vallitessa Monitavoitteinen arvopuu ja analyyttinen hierarkiaprosessi vertailu monen yhteismitattoman kriteerin suhteen Hyötyteoria epävarmuutta datassa - arvontojen vertailua riskihakuisuus / pakoisuus Monitavoitteinen optimointi tekniikoita hakea jatkuville päätösvaihtoehdoille hyvät tasot Optimointiopin seminaari - Kevät 2000 / 9 Monitavoiteoptimointi Valinta yhteismitattomien tavoitteiden (arvostusten) perusteella Etsitään jatkuvien päätösmuuttujien Autonvalinta.a parasta yhdistelmää Vuorovaikutteisia menetelmiä taloudellisuus.c.b Tuloksena valinta Päätöksentekijän arvofunktio jää analyysissä implisiittiseksi huippunopeus Autot a ja b dominoivat c:tä Optimointiopin seminaari - Kevät 2000 / 10 5

6 Päätösanalyysi = Suhteellinen arvopisteytys vaihtoehtojen määrittelemässä tilanteessa Päätöksen kriteerit ja tavoitteet jäsennellään hierarkkisesti (=arvopuu) Arvoerojen vertailu yksi kriteeri kerrallaan Vuorovaikutteinen työskentely (esim. Web-HIPRE) Lopputuloksena kullekin vaihtoehdolle mieluisuuspaino eli arvo eri kriteerien suhteen Ei globaalia totuutta, markka-arviota tai indeksiä Päätöksentekijän arvofunktio tulee analyysiprosessin aikana määritellyksi Optimointiopin seminaari - Kevät 2000 / 11 Arvopuu Auton valinta Viihtyvyys Kustannukset Turvallisuus Varusteet Uudet kokemukset Kulutus Huolto BMW Volvo Buick Optimointiopin seminaari - Kevät 2000 / 12 6

7 Laskenta Vaihtoehto x, n kriteeriä, x i vaihtoehdon x toteutuma kriteerin i suhteen n Vaihtoehdon arvo: v( x) = w v ( x ) Arvofunktiot v i normalisoitu samalle välille, yleensä [0,1] Paino w i : kuinka tärkeä on muutos 0:sta 1:een v i :ssä verrattuna toiseen kriteeriin. n Painot normalisoidaan: w i = 1 i= 1 i= 1 i i i Optimointiopin seminaari - Kevät 2000 / 13 Monitavoiteoptimoinnin sovelluksia Aluksi liikkeenjohdolliset Vesistön säännöstelyn eri intressit Päijänne-Kymijoki projekti, Optimaalinen talonlämmitys MOHO (MultiObjective Heating Optimization) Rakenteiden optimointi lujuus, leveys, tilavuus, Optimointiopin seminaari - Kevät 2000 / 14 7

8 Historia Optimointiteoria: Talousteoria: Lineaarinen optimointi Monitavoiteoptimointi Goal Programming Data Envelopment Analysis Päätösteoria Hyötyteoria Arvopuuteoria Peliteoria Optimointiopin seminaari - Kevät 2000 / 15 MCDM society Suomessa erittäin vahvat koulukunnat HKKK: Pekka Korhonen, Jyrki Wallenius TKK: Raimo P. Hämäläinen, Ahti Salo, Harri Ehtamo Jyväskylän yliopisto: Kaisa Miettinen Åbo Academi Tutkimus Tampereen teknillinen korkeakoulu: Juhani Koski Optimointiopin seminaari - Kevät 2000 / 16 8

Monitavoiteoptimointi

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

Lisätiedot

Referenssipiste- ja referenssisuuntamenetelmät

Referenssipiste- ja referenssisuuntamenetelmät Referenssipiste- ja referenssisuuntamenetelmät Optimointiopin seminaari - Kevät 2000 / 1 Esitelmän sisältö Menetelmien ideat Menetelmien soveltaminen Menetelmien ominaisuuksia Optimointiopin seminaari

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

Paretoratkaisujen visualisointi

Paretoratkaisujen visualisointi Paretoratkaisujen visualisointi Optimointiopin seminaari - Kevät 2000 / 1 Esityksen sisältö Vaihtoehtoisten kohdevektorien visualisointi Arvopolut Palkkikaaviot Tähtikoordinaatit Hämähäkinverkkokaavio

Lisätiedot

MAT -2.3134 PÄÄTÖKSENTEKO JA ONGELMANRATKAISU

MAT -2.3134 PÄÄTÖKSENTEKO JA ONGELMANRATKAISU MAT -2.3134 PÄÄTÖKSENTEKO JA ONGELMANRATKAISU Syksy 2007 Ahti Salo / Juuso Liesiö 1 Miksi kurssi päätöksenteosta? Välitön oppimistavoite päätösongelmien jäsentäminen moniulotteisuuden hahmottaminen monenlaisiin

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

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

Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L

Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L Paretoratkaisujen visualisointi Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L 1. Johdanto Monitavoiteoptimointitehtävät ovat usein laajuutensa takia vaikeasti hahmotettavia

Lisätiedot

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Mat-2.4142 Optimointiopin seminaari 9.2.2011 Lähteet: Salo, A. & Hämäläinen, R. P., 2010.

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

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

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

Mat Optimointiopin seminaari

Mat Optimointiopin seminaari Lähde: Preferenssi-informaatio DEA-malleissa: Value Efficiency Analysis (VEA) -menetelmä Mat-2.4142 Optimointiopin seminaari 23.3.2011 Halme, M., Joro, T., Korhonen, P., Wallenius, J., 1999. A Value Efficiency

Lisätiedot

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus

Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines

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

Additiivinen arvofunktio

Additiivinen arvofunktio Additiivinen arvofunktio Mat-.44 Optimointiopin seminaari kevät 0 Preferenssi Päätöksentekijällä preferenssi vaihtoehtojen a,b A välillä a parempi kuin b ( a b) b parempi kuin a ( b a) Indifferentti vaihtoehtojen

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

Luento 6: Monitavoiteoptimointi

Luento 6: Monitavoiteoptimointi Luento 6: Monitavoiteoptimointi Monitavoiteoptimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f 1,, f m Esimerkiksi opiskelija haluaa oppia mahdollisimman hyvin ja paljon mahdollisimman

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

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 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla

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

Projektiportfolion valinta

Projektiportfolion valinta Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Kotitehtävän 1 ratkaisu Kotitehtävä Kirkwood, G. W., 1997. Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets,

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

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 Käytännön optimointiongelmien ratkaiseminen Käytännön optimointiongelmien ratkaiseminen

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 Tasaväliset PO pisteet? Painokerroinmenetelmä: muutetaan painoja systemaattisesti

Lisätiedot

Kurssin esittely (syksy 2016)

Kurssin esittely (syksy 2016) Kurssin esittely (syksy 2016) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Opettajat Tuntiopettaja Anna Anttalainen (BIO), aktiivinen kiltatoiminnassa

Lisätiedot

Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena

Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena Sovellus: Portfoliopäätösanalyysi lentoliikenteen parantamisen tukena Mat-2.4142 Optimointiopin seminaari kevät 2011 Sisällys 1. Ongelma: Lentoliikenteen parannus 2. Ongelma: Projektien valinta 3. Esimerkki

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 PO pisteiden määräämismenetelmät Idea: tuotetaan erilaisia PO ratkaisuita, joista

Lisätiedot

Teknillisen fysiikan ja matematiikan tutkintoohjelma, tekniikan kandidaatin tutkinnon pääaineet

Teknillisen fysiikan ja matematiikan tutkintoohjelma, tekniikan kandidaatin tutkinnon pääaineet ja matematiikan tutkintoohjelma, tekniikan kandidaatin tutkinnon pääaineet Teknillinen fysiikka Matematiikka Mekaniikka Systeemitieteet 30.6.2005/akh Tekniikan kandidaatin tutkinto 180 op, teknillinen

Lisätiedot

Projektiportfolion valinta

Projektiportfolion valinta Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille

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

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

Dynaaminen ohjelmointi ja vaikutuskaaviot

Dynaaminen ohjelmointi ja vaikutuskaaviot Teknillinen Korkeakoulu / Ssteemianalsin laboratorio Mat-2.42 Optimointiopin seminaari / Referaatti esitelmästä Sami Mllmäki Dnaaminen ohjelmointi ja vaikutuskaaviot OHDANTO Dnaamiset ohjelmointitehtävät

Lisätiedot

JOITAKIN KOMMENTTEJA JA LISÄEHDOTUKSIA TIETEEN METODIIKKA MODUULIN YHTEISEEN KURSSILISTAAN Esitys 25.4.2007 KK

JOITAKIN KOMMENTTEJA JA LISÄEHDOTUKSIA TIETEEN METODIIKKA MODUULIN YHTEISEEN KURSSILISTAAN Esitys 25.4.2007 KK JOITAKIN KOMMENTTEJA JA LISÄEHDOTUKSIA TIETEEN METODIIKKA MODUULIN YHTEISEEN KURSSILISTAAN Esitys 25.4.2007 KK 1 Osastojen kommentteja (1. ja 2.) ja tarkennus (3.) : 1. Tu-osasto (suunn. Tarja Timonen,

Lisätiedot

Harjoitus 12: Monikriteerinen arviointi

Harjoitus 12: Monikriteerinen arviointi Harjoitus 12: Monikriteerinen arviointi MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheet Monikriteerinen arviointi Kurssin opetusteemojen

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

TFM-tutkinto-ohjelma, tekniikan kandidaatin tutkinnon pääaineet lv Teknillinen fysiikka Matematiikka Mekaniikka Systeemitieteet

TFM-tutkinto-ohjelma, tekniikan kandidaatin tutkinnon pääaineet lv Teknillinen fysiikka Matematiikka Mekaniikka Systeemitieteet TFM-tutkinto-ohjelma, tekniikan kandidaatin tutkinnon pääaineet lv 2006-2007 Teknillinen fysiikka Matematiikka Mekaniikka Systeemitieteet 12.7.2006 Tekniikan kandidaatin tutkinto 1, teknillinen fysiikka

Lisätiedot

Additiivinen arvofunktio projektiportfolion valinnassa

Additiivinen arvofunktio projektiportfolion valinnassa Esitelmä 5 Antti Toppila sivu 1/19 Optimointiopin seminaari Kevät 2011 Additiivinen arvofunktio projektiportfolion valinnassa Antti Toppila 2.2.2011 Esitelmä 5 Antti Toppila sivu 2/19 Optimointiopin seminaari

Lisätiedot

Optimointi. Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa. Ongelman mallintaminen. Mallin ratkaiseminen. Ratkaisun analysointi

Optimointi. Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa. Ongelman mallintaminen. Mallin ratkaiseminen. Ratkaisun analysointi Optimointi Etsitään parasta mahdollista ratkaisua annetuissa olosuhteissa Ongelman mallintaminen Mallin ratkaiseminen Ratkaisun analysointi 1 Peruskäsitteitä Muuttujat: Sallittu alue: x = (x 1, x 2,...,

Lisätiedot

OPERAATIOTUTKIMUKSEN AJATTELUTAPA TUTKIMUSMAAILMASTA TEOLLISUUTEEN

OPERAATIOTUTKIMUKSEN AJATTELUTAPA TUTKIMUSMAAILMASTA TEOLLISUUTEEN OPERAATIOTUTKIMUKSEN AJATTELUTAPA TUTKIMUSMAAILMASTA TEOLLISUUTEEN MIKKO SYRJÄNEN FORS-ILTAPÄIVÄ 2012 1 / 1 Wärtsilä 3 July 2009 Alku operaatiotutkijana Systeemianalyysin laboratorio, DI 1999 Johdatus

Lisätiedot

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Mat-2.4142 Optimointiopin seminaari kevät 2011 Esityksen rakenne I osa Tehokkuudesta yleisesti DEA-mallin perusajatus CCR-painotus II osa

Lisätiedot

Diskreettiaikainen dynaaminen optimointi

Diskreettiaikainen dynaaminen optimointi Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u

Lisätiedot

Sovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa

Sovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa Sovelluksia additiivisen arvofunktion käytöstä projektiportfolion valinnassa Mat-2.4142 Optimointiopin seminaari kevät 2011 Kleinmuntz ja Kleinmuntz1999 TEHTÄVÄ Sairaalan strategisen investointibudjetin

Lisätiedot

Harjoitus 12: Monikriteerinen arviointi

Harjoitus 12: Monikriteerinen arviointi Harjoitus 12: Monikriteerinen arviointi MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheet Monikriteerinen arviointi Kurssin opetusteemojen

Lisätiedot

Dynaaminen ohjelmointi ja vaikutuskaaviot

Dynaaminen ohjelmointi ja vaikutuskaaviot Dynaaminen ohjelmointi ja vaikutuskaaviot. Taustaa 2. Vaikutuskaaviot ja superarvosolmut 3. Vaikutuskaavion ratkaiseminen 4. Vaikutuskaavio ja dynaaminen ohjelmointi: 5. Yhteenveto Esitelmän sisältö Optimointiopin

Lisätiedot

T 61.152 Informaatiotekniikan seminaari: Kombinatorinen Optimointi

T 61.152 Informaatiotekniikan seminaari: Kombinatorinen Optimointi T 61.152 Informaatiotekniikan seminaari: Kombinatorinen Optimointi Johdantoluento (22.1.2008) Nikolaj Tatti ntatti@cc.hut.fi Johdantoluento Kurssijärjestelyt ja vaatimukset. Kurssin sisällöstä. Hyvä esitelmä

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

Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla

Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen. Pekka Leskinen ja Tuomo Kainulainen Metla \esitelm\hki0506.ppt 18.5.2006 Tilastotieteellisiä malleja välimatka- ja suhdeasteikollisten preferenssien mittaamiseen Pekka Leskinen ja Tuomo Kainulainen Metla FORS-iltapäiväseminaari 24.5.2006: Operaatiotutkimus

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

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely)

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely) Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa (valmiin työn esittely) Juha Kännö 23..22 Ohjaajat: TkL Antti Punkka, DI Eeva Vilkkumaa Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa

Lisätiedot

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-2.139 Optimointioppi Kimmo Berg 9. harjoitus - ratkaisut 1. a) Viivahakutehtävä pisteessä x suuntaan d on missä min f(x + λd), λ f(x + λd) = (x

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

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin.

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin. Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Johanna Bovellán/6.3.2009 LPM-listojen (tfm:n lista kn 24.2., tdk 10.3.) perusteella tehdyt muutokset moduuleihin on merkitty viivaamalla yli vanhat

Lisätiedot

Interaktiiviset menetelmät

Interaktiiviset menetelmät Interatiiviset menetelmät. Johdanto. Interatiivinen SWT-menetelmä 3. GDF-menetelmä 4. Yhteenveto Optimointiopin seminaari - Kevät 000 /. Johdanto Interatiivisissa menetelmissä päätösenteijä ja analyytio

Lisätiedot

Harjoitus 9: Optimointi I (Matlab)

Harjoitus 9: Optimointi I (Matlab) Harjoitus 9: Optimointi I (Matlab) SCI-C0200 Fysiikan ja matematiikan menetelmien studio SCI-C0200 Fysiikan ja matematiikan menetelmien studio 1 Harjoituksen aiheita Optimointimallin muodostaminen Optimointitehtävien

Lisätiedot

KOKOUSKUTSU 16.1.2007. TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto Osastoneuvoston kokous 1/2007

KOKOUSKUTSU 16.1.2007. TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto Osastoneuvoston kokous 1/2007 TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto KOKOUSKUTSU 16.1.2007 Aika Maanantaina 22.1.2007 klo 13.15 - Paikka TUAS-talo, kokoushuone 4126 Käsiteltävät asiat: 1. Ilmoitusasiat 2. Sivuainevalinta

Lisätiedot

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla

Talousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,

Lisätiedot

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla Juho Andelmin 21.1.213 Ohjaaja: TkT Juuso Liesiö Valvoja: Prof. Raimo P. Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

How to Support Decision Analysis with Software Case Förbifart Stockholm

How to Support Decision Analysis with Software Case Förbifart Stockholm How to Support Decision Analysis with Software Case Förbifart Stockholm (Valmiin työn esittely) 13.9.2010 Ohjaaja: Prof. Mats Danielson Valvoja: Prof. Ahti Salo Tausta -Tukholman ohikulkutien suunnittelu

Lisätiedot

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa

Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa Juha Kännö Aihioiden priorisointi ja portfolioanalyysi ennakoinnissa Perustieteiden korkeakoulu Kandidaatintyö Espoo 23..22 Vastuuopettaja: Prof. Ahti Salo Työn ohjaajat: TkL Antti Punkka DI Eeva Vilkkumaa

Lisätiedot

OPERAATIOTUTKIMUS METSÄTALOUDESSA

OPERAATIOTUTKIMUS METSÄTALOUDESSA OPERAATIOTUTKIMUS METSÄTALOUDESSA Jyrki Kangas, UPM Metsä & Annika Kangas, Helsingin yliopisto Alustus FORS-seminaarissa 'Operaatiotutkimus metsäsektorilla' 24.5.2006 Helsinki Tyypillisimmät OR-tehtävät

Lisätiedot

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu 11.4.2011 Ohjaaja: TkT Kimmo Berg Valvoja: Prof. Harri Ehtamo Esityksen sisältö: Hinnoittelumallien esittely Menetelmät Esimerkkitehtävän

Lisätiedot

TFM-osaston tuottamat vain sivuaineet lv

TFM-osaston tuottamat vain sivuaineet lv TFM-osaston tuottamat vain sivuaineet lv 2006-2007 Diskreetti matematiikka Laskennallinen tiede ja tekniikka 18.7.2006/akh t vain sivuaineet F303-2 F500-2 Diskteetti matematiikka F400-2 LTT Xxxx-2 Perustieteiden

Lisätiedot

Luento 10 Kustannushyötyanalyysi

Luento 10 Kustannushyötyanalyysi Luento 10 Kustannushyötyanalyysi Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Päätösanalyysistä Päätöksenteon teoriat Deskriptiiviset

Lisätiedot

KOKOUSKUTSU TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto Osastoneuvoston kokous 3/2006

KOKOUSKUTSU TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto Osastoneuvoston kokous 3/2006 TEKNILLINEN KORKEAKOULU Automaatio- ja systeemitekniikan osasto KOKOUSKUTSU 7.3.2006 Aika Maanantaina 13.3.2006 klo 13.15 - Paikka TUAS-talo, kokoushuone 4126 Käsiteltävät asiat: 1. Sivuainevalinta (AS)

Lisätiedot

Talousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen

Talousmatematiikan perusteet: Johdanto. Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen Talousmatematiikan perusteet: Johdanto Kurssin tavoitteet Käytännön järjestelyt Suosituksia suorittamiseen Kurssin tavoitteet Matematiikkaa hyödynnetään monilla kauppa- ja taloustieteen osaalueilla Esim.

Lisätiedot

TIES483 Epälineaarinen optimointi. Syksy 2012

TIES483 Epälineaarinen optimointi. Syksy 2012 TIES483 Epälineaarinen optimointi jussi.hakanen@jyu.fi Syksy 2012 Yleistä Tietotekniikan syventävä kurssi, 5 op Pakollinen laskennallisten tieteiden FMopinnoissa (ent. simulointi ja optimointi) https://korppi.jyu.fi/kotka/r.jsp?course=134562

Lisätiedot

Kaksi sovellusta robustien päätössuositusten tuottamisesta

Kaksi sovellusta robustien päätössuositusten tuottamisesta Esitelmä 12 Antti Toppila sivu 1/19 Optimointiopin seminaari Kevät 2011 Kaksi sovellusta robustien päätössuositusten tuottamisesta Antti Toppila 2.3.2011 Esitelmä 12 Antti Toppila sivu 2/19 Optimointiopin

Lisätiedot

T DATASTA TIETOON

T DATASTA TIETOON TKK / Informaatiotekniikan laboratorio Syyslukukausi, periodi II, 2007 Erkki Oja, professori, ja Heikki Mannila, akatemiaprofessori: T-61.2010 DATASTA TIETOON TKK, Informaatiotekniikan laboratorio 1 JOHDANTO:

Lisätiedot

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1 MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Opettajat Tuntiopettaja ja pa a assistentti TkK Anna Anttalainen (LST). Harrastuksia vapaaehtoistoiminta

Lisätiedot

AB TEKNILLINEN KORKEAKOULU

AB TEKNILLINEN KORKEAKOULU AB TEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio S-38.145 Liikenneteorian perusteet (2 ov) Kevät 2002 Samuli Aalto Tietoverkkolaboratorio Teknillinen korkeakoulu samuli.aalto@hut.fi http://keskus.hut.fi/opetus/s38145/

Lisätiedot

ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio

ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio ABTEKNILLINEN KORKEAKOULU Tietoverkkolaboratorio S-38.145 Liikenneteorian perusteet (2 ov) Kevät 2002 Samuli Aalto Tietoverkkolaboratorio Teknillinen korkeakoulu samuli.aalto@hut.fi http://keskus.hut.fi/opetus/s38145/

Lisätiedot

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Kurssin esittely MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Opettajat Tuntiopettaja Anna Anttalainen (BIO). Harrastuksia kiltatoiminta ja bodypump.

Lisätiedot

2. Arvon ja hyödyn mittaaminen

2. Arvon ja hyödyn mittaaminen 2. Arvon ja hyödyn mittaaminen 1 2 Arvon ja hyödyn mittaaminen 2.1 Miksi tarvitsemme arvofunktiota? Arvofunktio on preferenssien (mieltymysten) matemaattinen kuvaus. Arvofunktio kuvaa päätöskriteeriä vastaavan

Lisätiedot

Monitavoiteoptimoinnin ja erityisesti NIMBUS-menetelmän hyödyntäminen monitavoitteisessa päätöksenteossa.

Monitavoiteoptimoinnin ja erityisesti NIMBUS-menetelmän hyödyntäminen monitavoitteisessa päätöksenteossa. Monitavoiteoptimoinnin ja erityisesti NIMBUS-menetelmän hyödyntäminen monitavoitteisessa päätöksenteossa. Ellemari Teinilä Pro gradu -tutkielma Heinäkuu 2019 MATEMATIIKAN JA TILASTOTIETEEN LAITOS TURUN

Lisätiedot

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1

Kurssin esittely. Kurssin esittely. MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Kurssin esittely MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Kurssin esittely Opettajat Tuntiopettaja ja pa a assistentti TkK Anna Anttalainen (LST).

Lisätiedot

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin.

Kukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin. 1.1 Teknillisen fysiikan ja matematiikan tutkinto ohjelman tarjoamat, vain sivuaineena suoritettavat moduulit kaikille tutkinto ohjelmille Sivuaineen muodostaminen Sivuaine sisältää jonkin pääaineen perusmoduulin

Lisätiedot

Operaatiotutkimus ja MATINE Professori Ilkka Virtanen

Operaatiotutkimus ja MATINE Professori Ilkka Virtanen Operaatiotutkimus ja MATINE Professori Ilkka Virtanen FORS-seminaari Turvallisuus ja riskianalyysi Teknillinen korkeakoulu 13.11.2008 MATINEn tehtävä Maanpuolustuksen tieteellinen neuvottelukunta (MATINE)

Lisätiedot

Gaussinen vaikutuskaavio Tommi Gustafsson 45434f Tfy IV

Gaussinen vaikutuskaavio Tommi Gustafsson 45434f Tfy IV Mat-.4 Optimointiopin seminaari, syksy 999 Referaatti 7.0.999 Gaussinen vaikutuskaavio Tommi Gustafsson 45434f Tfy IV JOHDATO Ross D. Shachter a C. Robert Kenley (989) esittelevät artikkelissaan Gaussian

Lisätiedot

Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus

Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus Kilpailutus ja yliopistojen tutkimusyksiköiden iden tehokkuus Ahti Salo, Antti Silvast, Matti Ollila Helsinki Institute of Science and Technology Studies (HIST) sekä Matematiikan ja systeemianalyysin laitos

Lisätiedot

OPETUSSUUNNITELMALOMAKE

OPETUSSUUNNITELMALOMAKE OPETUSSUUNNITELMALOMAKE v0.90 Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit

Lisätiedot

Yhteistyötä sisältämätön peliteoria

Yhteistyötä sisältämätön peliteoria Yhteistyötä sisältämätön peliteoria jarkko.murtoaro@hut.fi Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Käsitteistö Työkalut Nashin tasapaino Täydellinen tasapaino Optimointiopin seminaari

Lisätiedot

Tietoturva. 0. Tietoa kurssista P 5 op. Oulun yliopisto Tietojenkäsittelytieteiden laitos Periodi / 2015

Tietoturva. 0. Tietoa kurssista P 5 op. Oulun yliopisto Tietojenkäsittelytieteiden laitos Periodi / 2015 811168P 5 op 0. Oulun yliopisto Tietojenkäsittelytieteiden laitos 811168P 5 op : 9.3. 8.5.2015 Luennot: Juha Kortelainen e-mail: juha.kortelainen@oulu.fi puh: 0294 487934 mobile: 040 744 1368 vast. otto:

Lisätiedot

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely)

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely) Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely) Sakke Rantala 2.12.2013 Ohjaaja: DI Hannu Korva Valvoja: Professori Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Investointimahdollisuudet ja investoinnin ajoittaminen

Investointimahdollisuudet ja investoinnin ajoittaminen Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman

Lisätiedot

OPINTOJAKSOJA KOSKEVAT MUUTOKSET/MATEMATIIKAN JA FYSIIKAN LAITOS/ LUKUVUOSI

OPINTOJAKSOJA KOSKEVAT MUUTOKSET/MATEMATIIKAN JA FYSIIKAN LAITOS/ LUKUVUOSI OPINTOJAKSOJA KOSKEVAT MUUTOKSET/MATEMATIIKAN JA FYSIIKAN LAITOS/ LUKUVUOSI 2008-2009 Muutokset on hyväksytty teknillisen tiedekunnan tiedekuntaneuvostossa 13.2.2008 ja 19.3.2008. POISTUVAT OPINTOJAKSOT:

Lisätiedot

Harjoitus 9: Optimointi I (Matlab)

Harjoitus 9: Optimointi I (Matlab) Harjoitus 9: Optimointi I (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen Optimointitehtävien

Lisätiedot

Lakkautetut vastavat opintojaksot: Mat Matematiikan peruskurssi P2-IV (5 op) Mat Sovellettu todennäköisyyslaskenta B (5 op)

Lakkautetut vastavat opintojaksot: Mat Matematiikan peruskurssi P2-IV (5 op) Mat Sovellettu todennäköisyyslaskenta B (5 op) KORVAVUUSLISTA 31.10.2005/RR 1 KURSSIT, jotka luennoidaan 2005-2006 : Lakkautetut vastavat opintojaksot: Mat-1.1010 Matematiikan peruskurssi L 1 (10 op) Mat-1.401 Mat-1.1020 Matematiikan peruskurssi L

Lisätiedot

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Luento 11: Rajoitusehdot. Ulkopistemenetelmät Luento 11: Rajoitusehdot. Ulkopistemenetelmät ja sisäpistemenetelmät Lagrangen välttämättömien ehtojen ratkaiseminen Newtonin menetelmällä Jos tehtävässä on vain yhtälörajoituksia, voidaan minimipistekandidaatteja

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017 Aikataulu ja suoritustapa (Katso MyCourses) Luennot

Lisätiedot

Työvuorosuunnittelun optimointi (valmiin työn esittely)

Työvuorosuunnittelun optimointi (valmiin työn esittely) Työvuorosuunnittelun optimointi (valmiin työn esittely) Pekka Alli 1.12.2015 Ohjaaja: Tuuli Haahtela Valvoja: Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta

Lisätiedot

5. Painottamisen harhat ja analyyttinen hierarkiaprosessi

5. Painottamisen harhat ja analyyttinen hierarkiaprosessi 5. Painottamisen harhat ja analyyttinen hierarkiaprosessi 1 5 Painottamisen harhat ja analyyttinen hierarkiaprosessi 5.1 Analyyttinen hierarkiaprosessi (AHP) Thomas L. Saatyn kehittämä menetelmä (1977,

Lisätiedot

Hintakilpailu lyhyellä aikavälillä

Hintakilpailu lyhyellä aikavälillä Hintakilpailu lyhyellä aikavälillä Virpi Turkulainen 5.3.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Johdanto Bertrandin ristiriita ja sen lähestyminen Bertrandin ristiriita Lähestymistavat:

Lisätiedot

Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen

Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen Portfoliolähestymistapa CO2 - kiilapelin analysoinnissa (valmiin työn esittely) Tuomas Lahtinen 07.05.2012 Ohjaaja: Raimo Hämäläinen Valvoja: Raimo Hämäläinen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Aikataulu ja suoritustapa (Katso MyCourses) Luennot

Lisätiedot

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö

JYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän

Lisätiedot

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4

Lisätiedot

Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely)

Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely) Kasvuyrityksen tuotekehitysportfolion optimointi (valmiin työn esittely) Santtu Saijets 16.6.2014 Ohjaaja: Juuso Liesiö Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.

Lisätiedot

Kimppu-suodatus-menetelmä

Kimppu-suodatus-menetelmä Kimppu-suodatus-menetelmä 2. toukokuuta 2016 Kimppu-suodatus-menetelmä on kehitetty epäsileiden optimointitehtävien ratkaisemista varten. Menetelmässä approksimoidaan epäsileitä funktioita aligradienttikimpulla.

Lisätiedot

F901-P Perusopinnot P (80 op) op opetusperiodi

F901-P Perusopinnot P (80 op) op opetusperiodi Vanhan TFM kanditutkinnon kurssien korvaaminen uusilla 9.4.2013 F901-P Perusinnot P (80 ) Mat-1.1010 Matematiikka L1 10 MS-A0001 Matriisilaskenta MS-A0101 Differentiaali- ja I II integraalilaskenta 1 Mat-1.1020

Lisätiedot