Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla
|
|
- Aila Kahma
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla Mat Optimointiopin seminaari kevät 2011 Lähde: Liesiö, J., Mild, P., Salo, A., Robust portfolio modeling with incomplete cost information and project interdependencies, European Journal of Operational Research 190/3, s
2 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
3 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
4 Lähtökohdat (RPM) Projektiportfolion optimointi Epätäydellinen arvo- ja painoinformaatio Hinta (M ) v 1 v 2 v 3 Projekti 1 15 [0.5, 1.0] [0.1, 0.3] [0.2, 0.4] Projekti 2 50 [0.5, 0.6] [0.5, 0.7] [0.2, 0.4] Projekti 3 20 [0.0, 0.1] [0.6, 0.7] [0.7, 0.9] S w = {w R³ } Rajoituksena kiinteä budjetti
5 Lähtökohdat laajennukselle Projektiportfolion optimointi Epätäydellinen arvo- ja painoinformaatio Hinta (M ) v 1 v 2 v 3 Projekti 1 [10, 20] [0.5, 1.0] [0.1, 0.3] [0.2, 0.4] Projekti 2 [40, 80] [0.5, 0.6] [0.5, 0.7] [0.2, 0.4] Projekti 3 20 [0.0, 0.1] [0.6, 0.7] [0.7, 0.9] Lisäksi epätäydellinen kustannusinformaatio, projektiriippuvuudet (seuraava kalvo) ja joustava budjetti
6 Projektiriippuvuudet Tietyt projektit toteutettava keskenään, jotkut toistensa poissulkevia Synergiat dummy-projekteina Lisähyödyt, säästöt Hinta (M ) v 1 v 2 v 3 Synergia 1 0 [0.2, 0.4] [0.5, 0.7] [0.2, 0.3] Synergia 2 [-5, -10] Synergia 3 [0, -5] [0.0, 0.1] 0 [0.4, 0.5]
7 Esimerkki Hinta (M ) v 1 v 2 v 3 A1 20 [0.5, 0.6] [0.2, 0.4] [0.2, 0.3] A2 [30, 35] [0.7, 0.8] [0.1, 0.6] [0.1, 0.3] Synergia 1 0 [0.3, 0.5] [0.1, 0.2] [0, 0.1] B1 [5, 10] 0 [0.2, 0.3] [0.4, 0.5] B2 [30, 50] [0.5, 0.6] [0.8, 1.0] [0, 0.1] B3 5 [0.2, 0.5] [0.7, 0.8] 0 A1 ja A2 aikaansaavat synergian 1 B2 sulkee pois muut B:t Tietty painoinformaatio ja budjettirajoite välillä [50, 70]
8 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
9 RPM kertaus RPM:n toimintaperiaate
10 Ydinluku (CI) Projektin A1 ydinluku kertoo kuinka suuressa osassa ei-dominoituja portfolioita se on informaatiojoukolla S=S w S v Ydinprojektit: CI = 1 Rajatapausprojektit: 0<CI<1 Ulkoprojektit: CI = 0
11 Dominanssi Dominanssi koko joukossa S Informaation tarkentaminen voi vain vähentää eidominoituja portfolioita Ydinprojektit ja ulkoprojektit säilyttävät asemansa S S ja int(s) S => P N (S ) P N (S)
12 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
13 Mallinnetaan lineaarisilla epäyhtälöillä Projektiriippuvuudet P F := {p P Az(p) B}, missä z on projekteista koostuva binäärinen pystyvektori ( )() () c 1 c 2 c 3 c v 11 min -v 12 min -v 13 min -v 14 min R
14 Tehokkaat portfoliot 1/2 Poistetaan budjetti epäyhtälörajoitteista Saadaan kustannusinformaatiojoukko S c Tehokkaat portfoliot määritellään: P E (S,S c ) = p P F p P F s.e. { V(p,w,v) V(p,w,v) (w,v) S C(p,c) C(p,c) c S c ja ehdoissa vähintään yksi epäsuuruus
15 Tehokkaat portfoliot 2/2 Laajennetaan informaatiojoukkoa S=S w S v Ŝ v = {[v, -c] R m (n+1) v S v,c S c } Ŝ w päivitetään siten, että mukana on paino kustannuksille Informaatiojoukolla Ŝ=Ŝ w Ŝ v : P E (S, S c )=P N (Ŝ)
16 Kokonaisarvon vaihteluväli P N (S,c,R) on ei-dominoitujen portfolioiden joukko kun c S c ja R ovat vakiot MV(R) := max max V(p,w,v) p P N (S,c,R) (w,v) S GV(R) := max _ min V(p,w,v) p P N (S,c,R) (w,v) S
17 Kokonaisarvon vaihteluväli P N (S,c,R) on ei-dominoitujen portfolioiden joukko kun c S c ja R ovat vakiot MV(R) := max max V(p,w,v) p P N (S,c,R) (w,v) S GV(R) := max _ min V(p,w,v) p P N (S,c,R) (w,v) S
18 Budjettiriippuvainen ydinluku CI(x j,s,r) on osuus dominoimattomista _ portfolioista P N (S,c,R), joissa on projekti x j Pessimistinen lähtökohta kustannusten suhteen Budjetti R tiukka Ydinluku ei ole kasvava R:n suhteen
19 Algoritmi Tavallisen RPM:n algoritmi ei toimi, sillä portfolio voi mm. muuttua käyväksi, kun siihen lisätään myöhempi projekti
20 Algoritmi Tavallisen RPM:n algoritmi ei toimi, sillä portfolio voi mm. muuttua käyväksi, kun siihen lisätään myöhempi projekti
21 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
22 Sovellus 40 projektia Kolme ominaisuutta S w = {w R³ w 1 w 2 w 3 } Kolme synergiaprojektia Muita projektiriippuvuuksia
23 Projektit 1/2
24 Projektit 2/2
25 Kokonaisarvon vaihteluväli
26 Ydinluvut
27 Lopullinen valinta Ei-dominoidut portfoliot budjetilla R=650
28 Esityksen rakenne Lähtökohdat RPM-menetelmän kertaus Laajennettu RPM Sovellus Kotitehtävä
29 Kotitehtävä Hinta (M ) v 1 v 2 v 3 A1 20 [0.5, 0.6] [0.2, 0.4] [0.2, 0.3] A2 [30, 35] [0.7, 0.8] [0.1, 0.6] [0.1, 0.3] Synergia 1 0 [0.3, 0.5] [0.1, 0.2] [0, 0.1] B1 [5, 10] 0 [0.2, 0.3] [0.4, 0.5] B2 [30, 50] [0.5, 0.6] [0.8, 1.0] [0, 0.1] A1 ja A2 aikaansaavat synergian 1 Toteutettava yksi A- ja yksi B-projekti B1 ja B2 ovat keskenään poissulkevia S w = {w R³ w 1 w 2 w 3 } Piirrä MV(R) ja GV(R)
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
LisätiedotLisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely)
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely) Jussi Hirvonen 23.03.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotMat Optimointiopin seminaari
reference rogramming portfoliopäätösanalyysissa: Robust ortfolio Modeling (RM) -menetelmä Lähteet: Mat-2.4142 Optimointiopin seminaari 16.2.2011 Liesiö, J., Mild,., Salo, A., 2007. reference programming
LisätiedotAihioiden 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
LisätiedotKasvuyrityksen 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.
LisätiedotPreference 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.
LisätiedotPortfoliolähestymistapa 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
LisätiedotProjektiportfolion 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,
LisätiedotPreference Programming viitekehys tehokkuusanalyysissä
Preference Programming viitekehys tehokkuusanalyysissä Mat-2.4142 Optimointiopin seminaari kevät 2011 Salo, A., Punkka, A., 2011. Ranking Intervals and Dominance Relations for Ratio-Based Efficiency Analysis,
LisätiedotKaksi 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
LisätiedotRPM-menetelmän päätössääntöjen tilastollinen vertailu
Mat-2.4108 Sovelletun matematiikan erikoistyöt RPM-menetelmän päätössääntöjen tilastollinen vertailu Topi Sikanen 55670A Tfy N 30.9.2008 Sisältö 1 Johdanto 2 2 Projektiportfolion valinta epätäydellisellä
LisätiedotOptimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely)
Optimaaliset riskinalentamisportfoliot vikapuuanalyysissä (valmiin työn esittely) Markus Losoi 30.9.2013 Ohjaaja: DI Antti Toppila Valvoja: prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotLisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa kandidaatintyö 29.7.2015 Jussi Hirvonen
LisätiedotProjektiportfolion 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
LisätiedotLineaaristen 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
LisätiedotSovellus: 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
LisätiedotPortfoliomalli turpeenoton optimointiin
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Portfoliomalli turpeenoton optimointiin Kandidaatintyö 7.12.2012 Joonas Ollila Työn saa tallentaa ja julkistaa
LisätiedotEräs 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
LisätiedotPortfoliolähestymistapa CO 2
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Portfoliolähestymistapa CO 2 -kiilapelin analysoinnissa kandidaatintyö 09.05.2012 Tuomas Juhani Lahtinen
LisätiedotPäätösanalyyttisiä huomioita luonnonarvokaupasta
Päätösanalyyttisiä huomioita luonnonarvokaupasta Antti Punkka Systeemianalyysin laboratorio Teknillinen korkeakoulu http://www.sal.tkk.fi/ antti.punkka@tkk.fi 1 Sisältö METSO-ohjelma ja luonnonarvokauppa
LisätiedotOptimaalisen tuotekehitysportfolion valinta kasvuyrityksessä
Aalto-yliopisto Perustieteiden korkeakoulu Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Optimaalisen tuotekehitysportfolion valinta kasvuyrityksessä Kandidaatintyö 21.8.2014 Santtu Saijets Työn
LisätiedotAdditiivinen 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
Lisätiedotmonitavoitteisissa 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
LisätiedotSignalointi: autonromujen markkinat
Signalointi: autonromujen markkinat Mat-.414 Optimointiopin seminaari Klaus Mattila 1.0.008 1 Esityksen rakenne Johdanto Autonromujen markkinat: Akerlofin malli Kustannuksellinen signalointi: Spencen malli
LisätiedotReferenssipiste- ja referenssisuuntamenetelmät
Referenssipiste- ja referenssisuuntamenetelmät Optimointiopin seminaari - Kevät 2000 / 1 Esitelmän sisältö Menetelmien ideat Menetelmien soveltaminen Menetelmien ominaisuuksia Optimointiopin seminaari
LisätiedotProjektin arvon määritys
Projektin arvon määritys Luku 6, s. 175-186 Optimointiopin seminaari - Syksy 2000 / 1 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin
LisätiedotTalousmatematiikan 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,
LisätiedotKokonaislukuoptimointimallinnus projektiportfolion valinnasa
Kokonaislukuoptimointimallinnus projektiportfolion valinnasa Mat-2.4142 Optimointiopin seminaari kevät 2011 Lähteet: Brown & Dell & Newman: Optimizing Military Capital Planning Pachamanova: Introducing
LisätiedotLineaaristen 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
LisätiedotInnovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa
Mat-2.108 - Sovelletun matematiikan erikoistyö 4.1.2006 Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Erkka Jalonen
LisätiedotPelien teoriaa: tasapainokäsitteet
Pelien teoriaa: tasapainokäsitteet Salanién (2005) ja Gibbonsin (1992) mukaan Mat-2.4142 Optimointiopin seminaari Jukka Luoma 1 Sisältö Staattinen Dynaaminen Staattinen Dynaaminen Pelityyppi Täydellinen
LisätiedotYhteistyötä sisältämätön peliteoria jatkuu
Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen
LisätiedotLineaarinen optimointitehtävä
Lineaarinen optimointitehtävä Minimointitehtävä yhtälörajoittein: min kun n j=1 n j=1 c j x j a ij x j = b i x j 0 j = 1,..., n i = 1,..., m Merkitään: z = alkuperäisen objektifunktion arvo käsiteltävänä
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotAircraft 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
LisätiedotHarjoitus 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
Lisätiedot4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä
JYVÄSKYLÄN YLIOPISTO 4. Luennon sisältö Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä kevät 2012 TIEA382 Lineaarinen ja diskreetti optimointi Lineaarinen optimointitehtävä Minimointitehtävä
LisätiedotInnovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa
Mat-2.108 - Sovelletun matematiikan erikoistyö 15.12.2005 Erkka Jalonen erkka.jalonen@tkk.fi Innovaatioaihioiden vuorovaikutteinen tarkastelu monikriteerisessä RPM-seulonnassa 1. JOHDATO... 1 2. AIHIOIDE
LisätiedotJYVÄSKYLÄN YLIOPISTO. 3. Luennon sisältö
JYVÄSKYLÄN YLIOPISTO 3. Luennon sisältö Lineaarisen optimointitehtävän sallittu alue Optimointitehtävien muunnoksia Lineaarisen yhtälöryhmän perusmuoto ja perusratkaisut Lineaarisen optimointitehtävän
LisätiedotLuento 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
LisätiedotYhteistyötä sisältämätön peliteoria
Yhteistyötä sisältämätön peliteoria jarkko.murtoaro@hut.fi Optimointiopin seminaari Kevät 2003 / 1 Sisältö Johdanto Käsitteistö Työkalut Nashin tasapaino Täydellinen tasapaino Optimointiopin seminaari
LisätiedotSimulation 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
LisätiedotLineaaristen 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.
LisätiedotJohdanto peliteoriaan Kirja kpl. 2
Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 1 Johdanto peliteoriaan Kirja kpl. 2 Ilkka Leppänen 20.1.2010 Aalto-yliopiston TKK Mat-2.4142 K2010 Esitelmä 1 Ilkka Leppänen 2 Aiheet Laajennettu
LisätiedotHaitallinen valikoituminen: yleinen malli ja sen ratkaisu
Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä
LisätiedotLuetteloivat ja heuristiset menetelmät. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki
Luetteloivat ja heuristiset menetelmät Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Branch and Bound sekä sen variaatiot (Branch and Cut, Lemken menetelmä) Optimointiin
LisätiedotBayesin 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
Lisätiedot1 2 3 4 5 A B 6 7 8 9 [Nm] 370 350 330 310 290 270 [kw] [PS] 110 150 100 136 90 122 80 109 250 230 210 190 70 60 50 95 82 68 170 150 40 54 130 110 90 140 PS 125 PS 100 PS 30 20 41 27 70 1000 1500 2000
Lisätiedot1 2 3 4 5 7 9 A B 10 11 12 13 14 15 16 17 [Nm] 370 350 330 310 290 270 250 230 210 190 170 150 130 110 90 140 PS 125 PS 100 PS 70 1000 1500 2000 2500 3000 3500 4000 RPM [kw] [PS] 110 150 100 136 90 122
Lisätiedot2.5. Matriisin avaruudet ja tunnusluvut
2.5. Matriisin avaruudet ja tunnusluvut m n-matriisi A Lineaarikuvaus A : V Z, missä V ja Z ovat sopivasti valittuja, dim V = n, dim Z = m (yleensä V = R n tai C n ja Z = R m tai C m ) Kuva-avaruus ja
Lisätiedot1 2 3 4 5 6 7 A B 8 9 10 11 [Nm] 370 350 330 [kw] [PS] 110 150 100 136 310 90 122 290 270 80 109 250 70 95 230 210 60 82 190 50 68 170 150 40 54 130 110 90 140 PS 125 PS 100 PS 30 20 41 27 70 1000 1500
LisätiedotOptimal Harvesting of Forest Stands
Optimal Harvesting of Forest Stands (Presentation of the topic) 24 January 2010 Instructor: Janne Kettunen Supervisor: Ahti Salo Tausta Ass. Prof. Janne Kettunen käsitteli osana väitöskirjatyötään stokastisen
LisätiedotPeliteoria luento 3. May 27, Peliteoria luento 3
May 27, 2015 Dominanssi Mitkä ovat uskottavia tulemia? Ja miksi? Yksi päätösteoreettinen periaate on dominanssi. Kuten lähes kaikkia taloustieteessä kiinnostavia käsitteitä niitä on kahta lajia. Aito ja
LisätiedotArvohäviö Rank Inclusion in Criteria Hierarchies menetelmässä. Jari Mustonen, 47046C,
Arvohäviö Rank Inclusion in Criteria Hierarchies menetelmässä Jari Mustonen, 47046C, jari.mustonen@iki. 4. huhtikuuta 2005 Sisältö 1 Johdanto 2 2 Aikaisempi tutkimus 3 2.1 Arvopuuanalyysi.........................
LisätiedotMAT INVESTOINTITEORIA. (5 op) Kevät Ville Brummer / Pekka Mild / Ahti Salo
MAT - 2.114 INVESTOINTITEORIA (5 op) Kevät 2008 Ville Brummer / Pekka Mild / Ahti Salo 1 Opintojakson sisältö Taustaa Kattaa matemaattisen investointiteorian perusteet: Teemoja sivuttu osin muilla Mat-2
LisätiedotSovelluksia 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
LisätiedotDemo 1: Simplex-menetelmä
MS-C2105 Optimoinnin perusteet Malliratkaisut 3 Ehtamo Demo 1: Simplex-menetelmä Muodosta lineaarisen tehtävän standardimuoto ja ratkaise tehtävä taulukkomuotoisella Simplex-algoritmilla. max 5x 1 + 4x
LisätiedotMonitavoitteiseen 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
LisätiedotData 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
LisätiedotInvestointimahdollisuudet ja investointien ajoittaminen
Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari
LisätiedotMat 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
LisätiedotTIIVISTELMÄRAPORTTI. Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa
2017/2500M-0073 ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-663-015-4 TIIVISTELMÄRAPORTTI Vastakkainasettelullinen riskianalyysi asejärjestelmien vaikuttavuusarvioinnissa Ahti Salo, Aalto Yliopisto,
LisätiedotMat-2.4194 Research Course in Systems Science: Trends and Developments in Decision Analysis. Home Assignment
Mat-2.4194 Research Course in Systems Science: Trends and Developments in Decision Analysis Punkka / Liesiö Home Assignment Malli Tavoitteena on tarkastella siltojenkorjausohjelman laatimista RPM-menetelmällä.
LisätiedotREA-solver - Verkkopohjainen työkalu DEA- ja REA-perusteiseen tehokkuusvertailuun
REA-solver - Verkkopohjainen työkalu DEA- ja REA-perusteiseen tehokkuusvertailuun Teknillinen korkeakoulu Systeemianalyysin laboratorio Mat-2.4108 Sovelletun matematiikan erikoistyöt Reda Guer 65074W 22.
LisätiedotSignalointi: kustannukseton signalointi (halpa puhe)
Signalointi: kustannukseton signalointi (halpa puhe) Mat-2.4142 Optimointiopin seminaari Esa Mononen Stag hunt (1/2) Heimon jäsenet joutuvat yksilöinä päättämään menevätkö he metsästämään vai paneutuvatko
LisätiedotKandidaatintyön 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.
LisätiedotProjektin arvon aleneminen
Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen
LisätiedotUusien keksintöjen hyödyntäminen
Uusien keksintöjen hyödyntäminen Otso Ojanen 9.4.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Käyttöönoton viiveet Ulkoisvaikutukset ja standardointi Teknologiaodotusten koordinointimalli Lisensiointi
LisätiedotEsteet, hyppyprosessit ja dynaaminen ohjelmointi
Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva
Lisätiedotb 1. b m ) + ( 2b Ax) + (b b)
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-9 Optimointioppi Kimmo Berg 5 harjoitus - ratkaisut min Ax b (vertaa PNS-tehtävät) a x + + a n x n a) Ax b = a m x + + a mn x n = x a a m }{{}
LisätiedotMat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
LisätiedotPäätöksenteko ja tulevaisuus
Päätöksenteko ja tulevaisuus Päätösanalyyttinen näkökulma epävarmuuksien hallintaan Juuso Liesiö 5.1.2019 Tulevaisuus on epävarma Lämpeneekö ilmasto yli 5 astetta? Kasvaako Suomen talous tänä vuonna yli
LisätiedotReaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla
Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien
LisätiedotInvestointimahdollisuudet ja investoinnin ajoittaminen
Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman
LisätiedotHintakilpailu 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:
LisätiedotDiskreettiaikainen 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
LisätiedotKokonaislukuoptiomointi Leikkaustasomenetelmät
Kokonaislukuoptiomointi Leikkaustasomenetelmät Systeemianalyysin Laboratorio 19.3.2008 Sisällys Leikkaustasomenetelmät yleisesti Leikkaustasomenetelmät generoivilla kokonaislukujoukoilla Gomoryn leikkaavat
LisätiedotJälki- ja herkkyysanalyysi. Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun
Jälki- ja herkkyysanalyysi Tutkitaan eri kertoimien ja vakioiden arvoissa tapahtuvien muutosten vaikutusta optimiratkaisuun 1 Hinnat ja varjohinnat Objektifunktio c T x = Kerroin c j ilmoittaa, paljonko
LisätiedotPiiri K 1 K 2 K 3 K 4 R R
Lineaarinen optimointi vastaus, harj 1, Syksy 2016. 1. Teollisuuslaitos valmistaa piirejä R 1 ja R 2, joissa on neljää eri komponenttia seuraavat määrät: Piiri K 1 K 2 K 3 K 4 R 1 3 1 2 2 R 2 4 2 3 0 Päivittäistä
Lisätiedot1 3 5 7 9 11 12 13 15 [Nm] 400 375 350 325 300 275 250 225 200 175 150 155 PS 100 PS 125 PS [kw][ps] 140 190 130 176 120 163 110 149 100 136 125 30 100 20 1000 1500 2000 2500 3000 3500 4000 4500 RPM 90
LisätiedotMonitavoitteinen portfolio-optimointi tiestön päällystämishankkeiden valinnassa. Jaakko Dietrich,
!" # %$&')(+*" #,.-0/214365 798;:
LisätiedotTulevaisuustiedon paradoksit kokemuksia innovaatioaihioiden seulonnasta
Tulevaisuustiedon paradoksit kokemuksia innovaatioaihioiden seulonnasta Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1 2 3 Teknillinen korkeakoulu Ennakoinnin lähtökohtia Perustarve Järjestelmien
LisätiedotDynaaminen 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. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-.39 Optimointioppi Kimmo Berg 8. harjoitus - ratkaisut. a)huomataan ensinnäkin että kummankin jonon raja-arvo r on nolla. Oletetaan lisäksi että
LisätiedotRationalisoituvuus ja yleinen tieto rationaalisuudesta
Rationalisoituvuus ja yleinen tieto rationaalisuudesta Keskeiset termit: Rationalizability rationalisoituvuus ratkaisukonsepti peliteoriassa Rationalizable rationalisoituva Rationality rationaalisuus pelaajat
LisätiedotMonopoli. Tommi Välimäki S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu
Monopoli Tommi Välimäki 29.1.2003 Peruskäsitteitä: kysyntä ja tarjonta Hyödykkeen arvo kuluttajalle on maksimihinta, jonka hän olisi siitä valmis maksamaan Arvon raja-arvo vähenee määrän funktiona, D=MV
LisätiedotLisää satunnaisuutta ja mahdollisuus keskeyttää projekti
isää satunnaisuutta ja mahdollisuus keskeyttää projekti Esitelmä 7 - Mika lmoniemi Optimointiopin seminaari - Syksy isää satunnaisuutta Tähän mennessä on käytetty vain yhtä satunnaismuuttujaa tuotteen
LisätiedotAdditiivinen 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
LisätiedotRatkaisut epätäydelliset sopimukset
Ratkaisut epätäydelliset sopimukset Matti Rantanen Ratkaisut annettu 22.4.2008 Yrityksen kasvu ja hintamekanismi Yksi syy yrityksen koon rajoittumiselle ovat nousevat marginaalikustannukset. Coase (1937,
LisätiedotGradient Sampling-Algoritmi
1/24 Gradient Sampling-Algoritmi Ville-Pekka Eronen April 20, 2016 2/24 Perusidea -"Stabiloitu nopeimman laskeutumisen menetelmä" - Laskevan suunnan haku: lasketaan gradientit nykyisessä pisteessä sekä
LisätiedotMääräaikaisen suojelusopimuksen optimaalinen pituus
1 Määräaikaisen suojelusopimuksen optimaalinen pituus Monimuotoisuustutkimuksen seminaari, Metla Vantaa 22.3.2012 2 Tutkijaryhmä Artti Juutinen (Metla, OY, Metsähallitus) Pasi Reunanen (JY) Mikko Mönkkönen
LisätiedotMalliratkaisut 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
LisätiedotProjektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen
Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Optimointiopin seminaari - Syksy 000 / 1 Mallin laajennus Toiminta voidaan väliaikaisesti keskeyttää ja käynnistää uudelleen Keskeyttämisestä
LisätiedotHaitallinen valikoituminen: Kahden tyypin malli
Haitallinen valikoituminen: Kahden tyypin malli Mat-2.4142 Optimointiopin seminaari Mikko Hyvärinen 29.1.2008 Haitallinen valikoituminen kahden tyypin malli Haitallinen valikoituminen tarkoittaa että päämies
LisätiedotMonitavoiteoptimointi siltojen korjausohjelman laatimisessa
OPTIMOINTIMALLIN PISTEET Kohdenumero ja nimi Ydinluku VPS KTI TM puut. KVL Suola Estets Hinta 2109 Lavus joen s ilta 1.00 5.00 1.65 4 2.6 1 2.6 50000 2218 J oroisvirran silta 1.00 5.00 5.00 2 5 5 2.6 180000
LisätiedotMalliratkaisut Demo 1
Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,
LisätiedotStokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)
Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely) Esitelmöijä Olli Rentola päivämäärä 21.1.2013 Ohjaaja: TkL Anssi Käki Valvoja: Prof. Ahti Salo Työn saa tallentaa
LisätiedotTaistelujoukkojen allokaatioiden kustannustehokkuuden arviointi Lanchesterin taistelumallissa
AALTO YLIOPISTON PERUSTIETEIDEN KORKEAKOULU Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Taistelujoukkojen allokaatioiden kustannustehokkuuden arviointi Lanchesterin taistelumallissa Kandidaatintyö
LisätiedotPieni mittakaava. Tuloksellisen sisäsyntyisen kehittämistyön haaste vai etu? Pienuuden dynamiikka. Ilari Karppi
Pienuuden dynamiikka Pieni mittakaava Tuloksellisen sisäsyntyisen kehittämistyön haaste vai etu? Ilari Karppi Tampereen yliopisto Yhdyskuntatieteiden laitos aluetiede Alueiden gravitaatio -seminaari Honka
LisätiedotDepartment of Mathematics, Hypermedia Laboratory Tampere University of Technology. Roolit Verkostoissa: HITS. Idea.
Roolit Tommi Perälä Department of Mathematics, Hypermedia Laboratory Tampere University of Technology 25.3.2011 J. Kleinberg kehitti -algoritmin (Hypertext Induced Topic Search) hakukoneen osaksi. n taustalla
Lisätiedot