Malliratkaisut Demot

Koko: px
Aloita esitys sivulta:

Download "Malliratkaisut Demot"

Transkriptio

1 Malliratkaisut Demot.. Tehtävä Edellinen tehtävä voidaan ratkaista mm. Bellman-Fordin, Floyd-Warshallin tai Dikstran algoritmilla. Kyseessä on syklitön suunnattu verkko, oten algoritmi. (lyhimmät tiet syklittömässä verkossa) on myös mahdollinen a vaihtoehdoista myös tehokkain. Vertailun vuoksi alla on listattu niiden taulukoiden koot oiden laskemisen kunkin luentomonisteen algoritmin suoritus vaatii..8 (Bellman Ford) Yksi kokoa oleva taulukko a edeltäätaulukko.. (Floyd Warshall) kappaletta kokoa olevia taulukoita a edeltäätaulukot.. (Dikstra) Yksi kokoa oleva taulukko a edeltäätaulukko.. (Lyhimmät tiet syklittömässä verkossa) Yksi kokoa oleva taulukko sisältäen edeltäätaulukon. Algoritmi. määritellään kaavoilla v[s] v[p] = min i d[p] l. Algoritmia käyttäen saadaan: v[i] v[] = {v[i]+c ip (i,p) E} = v[l]+c ip v[] = d[] = v[] = min {,+} = d[] = v[] = min {,+,+} = d[] = v[] = min {9,+,+,+} = 9 d[] = v[] = min {,+9,+,+,9+} = d[] = tai d[] = Ossi Opiskelian kannattaa ostaa uusi tulostin kolmannen tai nelännen opiskeluvuoden alussa. d[i]

2 Tehtävä Aamupalan valmistus on esitetty graafina kuvassa. 9 8 Kuva : Tehtävän graafi Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] max i p {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, ossa numerointi on o kunnossa. Töitä ei tarvitse uudelleennumeroida, koska tehtävänannossa kunkin työn edeltäällä on aina pienempi ärestysnumero. p 8 9 v[p] 8 d[p] Esimerkiksi osatöiden a 9 aikaisimmat aloitushetket on laskettu seuraavasti: v[] = max {+,+} = v[9] = max {+,+,+,+} = 8. Myöhäisimmät aloitushetket saadaan kaavoilla T = l[n+] T Nyt voidaan kiroittaa taulukko l[k] min k+ n+ {l[] a k (k,) E}.

3 k 9 8 l[k] 9 8 r[k] , Taulukossa esimerkiksi osatöiden, a myöhäisimmät aloitushetket on laskettu seuraavasti: l[] = min {9,8 } = l[] = min {, } = l[] = min {,, } =. Kriittisellä polulla tarkoitetaan koko proektin pisintä tietä. Tämän tehtävän kriittinen polku on d[9] =, d[] =, d[] = eli 9, a sen kesto on 8 min. Aloitushetkien pelivarat lasketaan kaavalla ota käyttäen saadaan s[k] = l[k] v[k], k 9 8 s[k] Laskettassa erilaisia pelivaroa osatyölle saadaan: maksimaallinen pelivara turvallinen pelivara vapaa pelivara s m [] = min {l[] (,) E} v[] a = min {8,9} = s t [] = min {l[] (,) E} l[] a = min {8,9} = s f [] = min {v[] (,) E} v[] a = min {,} = riippumaton pelivara s r [] = max{,min {v[] (,) E} l[] a } = max {,min {,} } =.

4 Tehtävä Tarkastellaan luentomonisteen proektinvalvontaesimerkkiä Kuva : Tehtävän. suunnattu verkko Kyseisen tehtävän suunnattu verkko on esitetty kuvassa a proektin töiden i kestot a i a työvoimatarpeet h i ovat i 8 a i h i Työntekiöitä on koko aan käytössä henkeä. Muodostetaan osatöiden aikataulut nelällä eri tavalla. a) Valitaan mahdollisista osatöistä se, oka on kestoltaan lyhin. Tällöin saadaan taulukko tapaus aika mahdolliset työt valitaan resurssea alku loppuu, loppuu loppuu 8,,,,, ++ = loppuu + = loppuu + = loppuu 8 loppuu loppuu 9 9 missä = osatyöt, otka ovat edeltäien puolesta mahdollisia. Sarakkeessa aika alimpana oleva on proektin kesto. Resurssitarpeet on myös esitetty kuvassa.

5 Resurssitarve 8 8 t Kuva : Resurssitarpeet kohdissa a) a b) b) Valitaan mahdollisista osatöistä se, oka on resurssivaatimuksiltaan pienin. Nyt saadaan taulukko tapaus aika mahdolliset työt valitaan resurssea alku loppuu, loppuu loppuu 8,,,,, ++ = loppuu + = loppuu + = loppuu 8 loppuu loppuu 9 9 Proektin kesto on tässäkin tapauksessa a taulukko on sama kuin kohdassa a). Näin ollen kuva esittää myös tämän kohdan resurssitarpeita. c) Valitaan mahdollisista osatöistä se, onka myöhäisin aloitushetki on mahdollisimman pian. Osatöiden myöhäisimmät aloitushetket nähdään seuraavasta taulukosta: 8 9 l[] 9 v[] 9 Tämän perusteella saadaan taulukko

6 tapaus aika mahdolliset työt valitaan resurssea alku loppuu, loppuu,,,, ++ = a loppuvat 8, + = loppuu 9 + = loppuu loppuu loppuu 9 9 Proektin kesto on tällä kertaa. Resurssitarpeet on esitetty myös kuvassa. Resurssitarve 8 t 8 9 Kuva : Resurssitarpeet kohdissa c) a d) d) Valitaan mahdollisista osatöistä se, onka maksimaalinen pelivara on pienin. Osatöiden maksimaaliset pelivarat lasketaan kaavalla ota käyttäen saadaan s m [i] = min {l[] (i,) E} v[i] a i, s m [] = = s m [] = min {,} = s m [] = min {,} = s m [] = min {,,,} = s m [] = 9 = 8 s m [] = = s m [] = = s m [] = 9 = s m [8] = 9 =.

7 Nyt saadaan sama ratkaisu kuin c)-kohdassa. Näin ollen kuva esittää myös tämän kohdan resurssitarpeita. Tehtävä Muotoillaan edellinen tehtävä lineaariseksi optimointitehtäväksi kuten luentomonisteen sivuilla on esitetty. Proektin kesto on korkeintaan n T = a i = =, i= a meillä on käytettävissä yksi resurssi, oka on työvoiman määrä. Tehtävässä n = 8, K =, resurssitarve työlle i on koko aan b ik = h i, missä i =,...,8 a resurssia on käytettävissä välillä [t,t) määrä R kt =, missä t =,...,. Tarkastellaan resurssea erikseen kullakin aikavälillä [t, t), missä t =,...,. Valitaan päätösmuuttuiksi, kun työ i alkaa hetkellä t, missä t =,,..., a i x it =, muuten. Saadaan optimointitehtävä min s.t. tx 9t 8 i= a a i h i t l=max {,t a i } tx t Kiroitetaan raoitteet vielä auki. a i x il, t =,..., tx it a i, (i,) E x it =, i =,,...,9 x i {,}, i =,...,9, t =,..., x it {,}, i =,9, t =, sillä a = a 9 = (Ensimmäisiä raoitteita on yhteensä kpl) x +x +x +x +x +x +x +x 8 (t = ) (x +x )+(x +x )+ +(x 8 +x 8 ) (t = ) (x +x +x )+(x +x )+ +(x 8 +x 8 +x 8 ) (t = ). (x,8 +x,9 +x, )+ +(x 8, +x 8, +x 8, +x 8,8 +x 8,9 +x 8, ) (t = )

8 (Seuraavia raoitteita on kpl) tx t tx t tx t tx t tx t tx t. tx 9t tx 8t (Viimeisiä raoitteesta tulee auki kiroitettuna kpl raoitteita) x t = x t =. x 9t = (Binäärisiä päätösmuuttuia on kpl) x it {,}, i =,...,9, t =,..., sekä x, {,} a x 9, {,} Lineaarisessa optimointitehtävässä on päätösmuuttuia (n+)t+ = + = a raoitteita ++ =. Tehtävä Laaditaan proektin osatöiden aikaisimmista aloitushetkistä, edeltäistä a myöhäisimmistä aloitushetkistä seuraava taulukko: 8

9 aikaisimmat edeltäät myöhäisimmät v[s] = l[s] = min {, } = v[a] = d[a] = S l[a] = min {, } = v[b] = d[b] = S l[b] = min {,, } = v[c] = max {+,+} = d[c] = A l[c] = = v[d] = max {+,+} = d[d] = A l[d] = min {, } = v[e] = + = d[e] = B l[e] = min {, } = v[f] = max {+,+} = d[f] = D l[f] = = v[g] = max {+,+} = d[g] = F l[g] = = v[h] = max {+,+} = d[h] = D l[h] = = v[i] = max {+,+} = d[i] = G l[i] = = v[l] = + = d[l] = I l[l] = Proektin kesto on. Kriittinen polku on d[l] = I,d[I] = G,d[G] = F,d[F] = D,d[D] = A,d[A] = S eli S A D F G I L. A C G S D F I L B E H Kuva : Tehtävän graafi Tarkastellaan sitten oidenkin osatöiden kestoen muutosten aiheuttamia vaikutuksia. a) Oletetaan, että työ E kestääkin päivää. Silloin aloitushetken pelivara s[e] = l[e] v[e] = =. Jos siis osatyön E kesto kasvaa päivällä, niin saadaan vaihtoehtoinen kriittinen polku S B E F G I L. b) Oletetaan, että työ H kestääkin päivää. Nyt aloitushetken pelivara s[h] = l[h] v[h] = =. Näin ollen päivän lisäys ei vaikuta proektin kestoon eikä kriittiseen polkuun. c) Työt F a G ovat kriittisellä polulla. Oletetaan, että työt F a G valmistuvat päivän etuaassa. Silloin proektin kesto lyhenee päivää, sillä esim. töiden C a H pelivarat ovat s[c] = a s[h] = a näin ollen näiden solmuen kautta kulkevat polut ovat edelleen lyhyemmät kuin kriittinen polku. Kriittinen polku ei siis muutu. 9

Harjoitus 2 ( )

Harjoitus 2 ( ) Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa

Lisätiedot

Harjoitus 2 ( )

Harjoitus 2 ( ) Harjoitus 2 (27.3.214) Tehtävä 1 7 4 8 1 1 3 1 2 3 3 2 4 1 1 6 9 1 Kuva 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] d[p] l. max i p 1 {v[i] + a i (i, p) E} = v[l] +

Lisätiedot

Malliratkaisut Demot

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

Lisätiedot

Harjoitus 1 (17.3.2015)

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

Lisätiedot

Harjoitus 1 (20.3.2014)

Harjoitus 1 (20.3.2014) Harjoitus 1 (20.3.2014) Tehtävä 1 Piirretään tilanteesta verkko, jossa kaupungeille on annetttu seuraavat numerot: 1 = Turku 2 = Tampere 3 = Hämeenlinna 4 = Imatra 5 = Jyväskylä. 5 2 149(5) 190(4) 113(1)

Lisätiedot

Johdatus verkkoteoriaan luento Netspace

Johdatus verkkoteoriaan luento Netspace Johdatus verkkoteoriaan luento 20.3.18 Netspace Kurssin sijainti muussa suunnitellussa kokonaisuudessa Verkko eli graafi, tasoverkko, solmut, välit, alueet, suunnatut verkot, isomorfiset verkot, verkon

Lisätiedot

Harjoitus 3 (3.4.2014)

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

Lisätiedot

Malliratkaisut Demot

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

Lisätiedot

Harjoitus 3 (31.3.2015)

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

Lisätiedot

http://www.angelniemenankkuri.com/index.php?page=ilu/nuoret/ajankohtaista&select=3&head=nuori%20...

http://www.angelniemenankkuri.com/index.php?page=ilu/nuoret/ajankohtaista&select=3&head=nuori%20... Sivu 1/28 " #%% ((%% ( * +, " -. / " - ("*0 "# % "# (( # # ( ( * # +,,-. /0,-,,2 3 #4 3 % % 5 5 * 4 % 3 6 4 4 44( ( % #"" #"#"# + 7. 4 %%2%%3 % 4 9#:200; 1 5242%% 1,1200/,/,/ (43%% 1 ("*01,01200/,202200/

Lisätiedot

Matemaattinen optimointi II

Matemaattinen optimointi II Matemaattinen optimointi II Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos Kevät 21 Sisältö Esipuhe 1 1 Lyhimmät tiet ja diskreetti dynaaminen optimointi 2 1.1 Lyhimmän tien ongelmia............................

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 4 3.4.017 Tehtävä 1 Tarkastellaan harjoituksen 1 nopeimman reitin ongelmaa ja etsitään sille lyhin virittävä puu käyttämällä kahta eri algoritmia. a) (Primin algoritmi) Lähtemällä

Lisätiedot

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

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

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut 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,

Lisätiedot

Malliratkaisut Demot

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

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 5 10.4.2017 Tehtävä 1 x 2 7 0,7 9,8 6 5 4 x 1 x 2 7 x 1 x 2 1 3 2 x 1 0 4,3 x 1 9 1 0,0 x 2 0 9,0 1 2 3 4 5 6 7 8 9 x 1 Kuva 1: Tehtävän 1 sallittu joukko S Optimointitehtävän sallittu

Lisätiedot

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

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

Lisätiedot

Malliratkaisut Demot 6,

Malliratkaisut Demot 6, Malliratkaisut Demot 6, 19.2.21 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös

Lisätiedot

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta 401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VA02 Tase - vastaavaa VA03 Tase - vastattavaa VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot

Lisätiedot

Aluevarausmerkinnät: T/kem Maakuntakaava

Aluevarausmerkinnät: T/kem Maakuntakaava kk mk mv se jl ma ge pv nat luo un kp me va sv rr rr A AA C P TP T TT T/kem V R RA RM L LM LL LS E ET EN EJ EO EK EP S SL SM SR M MT MU MY W c ca km at p t t/ kem mo vt/kt/st vt/kt st yt tv /k /v ab/12

Lisätiedot

isomeerejä yhteensä yhdeksän kappaletta.

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

Lisätiedot

Danfoss SUOSITUT MAGNEETTIVENTTIILIT. Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110. Eniten myyty

Danfoss SUOSITUT MAGNEETTIVENTTIILIT. Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110. Eniten myyty Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 2.2.217 Tehtävä 1 Edellisten demojen tehtävä oli muotoa max 3x 1 + 4x 2 s.t. 7x 1 + 3x 2 24 : v 1 x 1 + 4x 2 17 : v 2 x 2 3 : v 3 x 1, x 2. Kohdefunktio voitiin kirjoittaa myös muotoon

Lisätiedot

Algoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö

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

Lisätiedot

Algoritmit 1. Luento 8 Ke Timo Männikkö

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

Lisätiedot

Algoritmit 1. Luento 9 Ti Timo Männikkö

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

Lisätiedot

Tehtävä 8 : 1. Tehtävä 8 : 2

Tehtävä 8 : 1. Tehtävä 8 : 2 Tehtävä 8 : 1 Merkitään kirjaimella G tarkasteltavaa Petersenin verkkoa. Olkoon A joukon V(G) niiden solmujen joukko, joita vastaavat solmut sijaitsevat tehtäväpaperin kuvassa ulkokehällä. Joukon A jokaisella

Lisätiedot

v 8 v 9 v 5 C v 3 v 4

v 8 v 9 v 5 C v 3 v 4 Verkot Verkko on (äärellinen) matemaattinen malli, joka koostuu pisteistä ja pisteitä toisiinsa yhdistävistä viivoista. Jokainen viiva yhdistää kaksi pistettä, jotka ovat viivan päätepisteitä. Esimerkiksi

Lisätiedot

Algoritmit 2. Luento 11 Ti Timo Männikkö

Algoritmit 2. Luento 11 Ti Timo Männikkö Algoritmit 2 Luento 11 Ti 24.4.2018 Timo Männikkö Luento 11 Rajoitehaku Kapsäkkiongelma Kauppamatkustajan ongelma Paikallinen etsintä Lyhin virittävä puu Vaihtoalgoritmit Algoritmit 2 Kevät 2018 Luento

Lisätiedot

"#$#%&'()$!*+,#-+,)(!!!./(012&&1-1! -13/,2-1! /)1*1! 4'5'%6#&#,)'*!,'%(&&+0()&+! 7!! &#$#%&'()$!&#$%#-(*-/(*&(1!32/01))1!!!

#$#%&'()$!*+,#-+,)(!!!./(012&&1-1! -13/,2-1! /)1*1! 4'5'%6#&#,)'*!,'%(&&+0()&+! 7!! &#$#%&'()$!&#$%#-(*-/(*&(1!32/01))1!!! "#$#%&'()$*+,#-+,)(./(012&&1-1 -13/,2-1 /)1*1 4'5'%6#&#,)'*,'%(&&+0()&+ 7 &#$#%&'()$&#$%#-(*-/(*&(132/01))1 9/)(113(7:1&'5-'#)131*,'%(&&+0(*'*:1:/%&10(*'* ;10,/4(**+#&'&#$ ?? @15(91-/31(*'* "##$#%&'()*

Lisätiedot

Danfoss. Danfoss. EV220A 10B 1/2 Kv-Arvo 1,6 EPDM-kalvo Jännitteettömänä kiinni Sopii uusiin WD Metos astianpesukoneisiin

Danfoss. Danfoss. EV220A 10B 1/2 Kv-Arvo 1,6 EPDM-kalvo Jännitteettömänä kiinni Sopii uusiin WD Metos astianpesukoneisiin Eniten myyty Danfoss 1 2 3 4 5 6 7 8 9 Danfoss magneettiventtiilit Esimerkki No1099 = (4)1105, (6)1107B, (8)1110 1 1099 Danfoss EVSI 10 max+90 C 1/2 230V 10W 2 1102 Danfoss EVI 1,5 1/8 230V 10W 3 1103

Lisätiedot

PARITUS KAKSIJAKOISESSA

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

Lisätiedot

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta

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

Lisätiedot

Algoritmi on periaatteellisella tasolla seuraava:

Algoritmi on periaatteellisella tasolla seuraava: Algoritmi on periaatteellisella tasolla seuraava: Dijkstra(V, E, l, v 0 ): S := { v 0 } D[v 0 ] := 0 for v V S do D[v] := l(v 0, v) end for while S V do valitse v V S jolle D[v] on minimaalinen S := S

Lisätiedot

Algoritmit 1. Luento 13 Ma Timo Männikkö

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

Lisätiedot

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

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 6 24.4.2017 Tehtävä 1 Määritelmän (ks. luentomonisteen s. 107) mukaan yleisen muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on min θ(u,v)

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

13 Lyhimmät painotetut polut

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

Lisätiedot

Harjoitus 5 ( )

Harjoitus 5 ( ) Harjoitus 5 (14.4.2015) Tehtävä 1 Figure 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan

Lisätiedot

Johdatus verkkoteoriaan 4. luento

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

Lisätiedot

Harjoitus 5 ( )

Harjoitus 5 ( ) Harjoitus 5 (24.4.2014) Tehtävä 1 Kuva 1: Tehtävän 1 sallittu joukko S. Optimointitehtävän sallittu alue S on pisteiden (0, 0), (0, 7), (4, 3), (9, 8) ja (9, 0) määräämä viisikulmio. Kyseinen alue saadaan

Lisätiedot

!""# $%&'( ' )' (*' " '' '( "! ' *'&' "! ' '( "!! )& "! # "! & "! ' "! $''!! &'&' $' '! $ & "!!" #!$ %! & '()%%'!! '!! # '&' &'!! &'&' *('(' &'!*! +& &*%!! $ & #" !!" "!!!" $ " # ' '&& % & #! # ' '&&

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x

Lisätiedot

Harjoitus 1: Projektin aikataulu- ja resurssisuunnittelu

Harjoitus 1: Projektin aikataulu- ja resurssisuunnittelu Harjoitus 1: Projektin aikataulu- ja resurssisuunnittelu Yleiset ohjeet: Lue huolellisesti ohjeet ja tutustu annettuun materiaaliin ennen harjoituksen aloittamista. Harjoitus tehdään pareittain. Kunkin

Lisätiedot

HARJOITUS- PAKETTI E

HARJOITUS- PAKETTI E Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI E (6 pistettä) TUTA 17 Luento 18 Jonojen hallinta Hamburger Restaurant Pinball Wizard 1 piste Benny s Arcade 1/4 Luento 19 Projektin

Lisätiedot

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) f(x) = 2x + 21. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että imoinnin suhteen. Funktio on konveksi ja konkaavi. b) f(x) = x (pienin kokonaisluku

Lisätiedot

58131 Tietorakenteet (kevät 2009) Harjoitus 11, ratkaisuja (Topi Musto)

58131 Tietorakenteet (kevät 2009) Harjoitus 11, ratkaisuja (Topi Musto) 811 Tietorakenteet (kevät 9) Harjoitus 11, ratkaisuja (Topi Musto) 1. Bellmanin-Fordin algoritmin alustusvaiheen jälkeen aloitussolmussa on arvo ja muissa solmuissa on arvo ääretön. Kunkin solmun arvo

Lisätiedot

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset LH 7 / vko 47 MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [

Lisätiedot

Demo 1: Branch & Bound

Demo 1: Branch & Bound MS-C05 Optimoinnin perusteet Malliratkaisut 7 Ehtamo Demo : Branch & Bound Ratkaise lineaarinen kokonaislukuoptimointitehtävä käyttämällä Branch & Boundalgoritmia. max x + x s.e. x + 4x 9 5x + x 9 x Z

Lisätiedot

Näin ollen saadaan tulos rad(g) diam(g). Toisaalta huomataan, että verkon G kaikilla solmuilla x ja y pätee kolmioepäyhtälön nojalla havainto

Näin ollen saadaan tulos rad(g) diam(g). Toisaalta huomataan, että verkon G kaikilla solmuilla x ja y pätee kolmioepäyhtälön nojalla havainto Tehtävä 3 : 1 Olkoon G mielivaltainen epätyhjä verkko. Erityisesti siltä ei vaadita äärellisyyttä. Polut ovat verkon G koosta riippumatta määritelmän mukaan aina äärellisiä, joten kahden solmun välisen

Lisätiedot

Malliratkaisut Demot

Malliratkaisut Demot Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan

Lisätiedot

Optimoinnin sovellukset

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

Lisätiedot

Ratkaisu: Yksi tapa nähdä, että kaavat A (B C) ja (A B) (A C) ovat loogisesti ekvivalentit, on tehdä totuustaulu lauseelle

Ratkaisu: Yksi tapa nähdä, että kaavat A (B C) ja (A B) (A C) ovat loogisesti ekvivalentit, on tehdä totuustaulu lauseelle HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 3 Ratkaisuehdotukset 1. Olkoot A, B ja C propositiolauseita. Näytä, että A (B C) (A B) (A C). Ratkaisu: Yksi tapa

Lisätiedot

Johdatus graafiteoriaan

Johdatus graafiteoriaan Johdatus graafiteoriaan Syksy 2017 Lauri Hella Tampereen yliopisto Luonnontieteiden tiedekunta 62 Luku 2 Yhtenäisyys 2.1 Polku 2.2 Lyhin painotettu polku 2.3 Yhtenäinen graafi 2.4 Komponentti 2.5 Aste

Lisätiedot

i lc 12. Ö/ LS K KY: n opiskelijakysely 2014 (toukokuu) 1. O pintojen ohjaus 4,0 3,8 4,0 1 ( 5 ) L i e d o n a mma t ti - ja aiku isopisto

i lc 12. Ö/ LS K KY: n opiskelijakysely 2014 (toukokuu) 1. O pintojen ohjaus 4,0 3,8 4,0 1 ( 5 ) L i e d o n a mma t ti - ja aiku isopisto i lc 12. Ö/ 1 ( 5 ) LS K KY: n opiskelijakysely 2014 (toukokuu) 1. O pintojen ohjaus 1=Täysi n en mi eltä. 2=Jokseenki n er i m ieltä, 3= En osaa sanoa 4= Jokseenki n sa m a a mieltä, 5= Täysin sa ma a

Lisätiedot

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen Määräykset ja ohjeet Vakuutusyhtiöt Eläkekassat Eläkesäätiöt Antopäivä 1.2.2011 Voimaantulopäivä 1.2.2011 FINANSSIVALVONTA puh. 010

Lisätiedot

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko,

Olkoon seuraavaksi G 2 sellainen tasan n solmua sisältävä suunnattu verkko, Tehtävä 1 : 1 a) Olkoon G heikosti yhtenäinen suunnattu verkko, jossa on yhteensä n solmua. Määritelmän nojalla verkko G S on yhtenäinen, jolloin verkoksi T voidaan valita jokin verkon G S virittävä alipuu.

Lisätiedot

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta 401 Työeläkevakuutusyhtiö Frekvenssi VD: Vakavaraisuus VA01a Tuloslaskelma työeläkevakuutusyhtiöille VB01 Epäsuora rahoituslaskelma VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot VD01

Lisätiedot

1 Rajoittamaton optimointi

1 Rajoittamaton optimointi Taloustieteen matemaattiset menetelmät 7 materiaali 5 Rajoittamaton optimointi Yhden muuttujan tapaus f R! R Muistutetaan mieleen maksimin määritelmä. Funktiolla f on maksimi pisteessä x jos kaikille y

Lisätiedot

Näytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä.

Näytetään nyt relaatioon liittyvien ekvivalenssiluokkien olevan verkon G lohkojen särmäjoukkoja. Olkoon siis f verkon G jokin särmä. Tehtävä 6 : 1 Oletetaan ensin joukon X olevan sisältymisen suhteen minimaalinen solmut a ja b toisistaan erotteleva joukon V(G)\{a, b} osajoukko. Olkoon x joukon X alkio. Oletuksen nojalla joukko X\{x}

Lisätiedot

YHDYSKUNTALAUTAKUNTA TALOUSARVIOEHDOTUS 2018 TALOUSSUUNNITELMA

YHDYSKUNTALAUTAKUNTA TALOUSARVIOEHDOTUS 2018 TALOUSSUUNNITELMA YHDYSKUNTALAUTAKUNTA TALOUSARVIOEHDOTUS 2018 TALOUSSUUNNITELMA 2018-2020 TOIMIALA 50 YHDYSKUNTAPALVELUT P A L V E L U 5 0 0 T E K N I S E N J A Y M P Ä R I S T Ö T O I M E N H A L L I N T O J A M A A S

Lisätiedot

811312A Tietorakenteet ja algoritmit Kertausta jälkiosasta

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

Lisätiedot

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa. Yhtälöryhmän ratkaisujen lukumäärä, L8 Esimerkki kvadraattinen Haluamme ratkaista n 4x + y z = x + y + z = 5 x + y + z = 4 4 x 4 + y x y z = + z 5 4 = 5 4 Esimerkki kvadraattinen Yhtälöryhmä on kvadraattinen,

Lisätiedot

Rinnakkaistietokoneet luento S

Rinnakkaistietokoneet luento S Rinnakkaistietokoneet luento 4 521475S Rinnakkaiset ei-numeeriset algoritmit: transitiivisulkeuma (transitive closure) Oletetaan suunnattu graafi G = (V,E) ja halutaan tietää onko olemassa kahta pistettä

Lisätiedot

Eräs keskeinen algoritmien suunnittelutekniikka on. Palauta ongelma johonkin tunnettuun verkko-ongelmaan.

Eräs keskeinen algoritmien suunnittelutekniikka on. Palauta ongelma johonkin tunnettuun verkko-ongelmaan. 5. Verkkoalgoritmeja Eräs keskeinen algoritmien suunnittelutekniikka on Palauta ongelma johonkin tunnettuun verkko-ongelmaan. Palauttaminen edellyttää usein ongelman ja algoritmin pientä modifioimista,

Lisätiedot

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio Ellipsoidimenetelmä Kokonaislukuoptimointi Sovelletun matematiikan lisensiaattiseminaari Kevät 2008 / 1 Sisällys Ellipsoidimenetelmän geometrinen perusta ja menetelmän idea Formaali ellipsoidimenetelmä

Lisätiedot

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. 8 ( 1)

Juuri 4 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. b) B = (3, 0, 5) K2. 8 ( 1) Kertaus K1. a) OA i k b) B = (, 0, 5) K. K. a) AB (6 ( )) i () ( ( 7)) k 8i 4k AB 8 ( 1) 4 64116 819 b) 1 1 AB( ( 1)) i 1 i 4 AB ( ) ( 4) 416 0 45 5 K4. a) AB AO OB OA OB ( i ) i i i 5i b) Pisteen A paikkavektori

Lisätiedot

Harjoitus 6 ( )

Harjoitus 6 ( ) Harjoitus 6 (30.4.2014) Tehtävä 1 Määritelmän (ks. luentomoniste s. 109) mukaan yleisen, muotoa min f(x) s.t. g(x) 0 h(x) = 0 x X (1) olevan optimointitehtävän Lagrangen duaali on max θ(u,v) s.t. u 0,

Lisätiedot

Ohjelmistoprojektien hallinta Tuloksen arvo menetelmä ja toimintoverkkotekniikka

Ohjelmistoprojektien hallinta Tuloksen arvo menetelmä ja toimintoverkkotekniikka Ohjelmistoprojektien hallinta Tuloksen arvo menetelmä ja toimintoverkkotekniikka Tuloksen arvo - menetelmä TAVOITE: YMMÄRTÄÄ menetelmän hyödyt projektin seurannassa Tähän mennessä on rahaa projektiin mennyt

Lisätiedot

Algoritmit 2. Luento 12 Ke Timo Männikkö

Algoritmit 2. Luento 12 Ke Timo Männikkö Algoritmit 2 Luento 12 Ke 26.4.2017 Timo Männikkö Luento 12 Rajoitehaku Kauppamatkustajan ongelma Lyhin virittävä puu Paikallinen etsintä Vaihtoalgoritmit Geneettiset algoritmit Simuloitu jäähdytys Algoritmit

Lisätiedot

Malliratkaisut Demo 4

Malliratkaisut Demo 4 Malliratkaisut Demo 4 1. tehtävä a) () = 2+1. Funktio on lineaarinen, joten se on unimodaalinen sekä maksimoinnin että minimoinnin suhteen. Funktio on konveksi ja konkaavi. b) () = (suurin kokonaisluku

Lisätiedot

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari Tehtävä 9 : 1 Merkitään kirjaimella G tehtäväpaperin kuvan vasemmanpuoleista verkkoa sekä kirjaimella H tehtäväpaperin kuvan oikeanpuoleista verkkoa. Kuvan perusteella voidaan havaita, että verkko G on

Lisätiedot

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

Lineaarinen optimointitehtävä

Lineaarinen 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

Lisätiedot

IPMA C-sertifiointivalmennus

IPMA C-sertifiointivalmennus Liiketoiminta kehittyy kehity sinäkin! IPMA C-sertifiointivalmennus Harjoitukset Tieturi Oy Helsinki, Tampere, Turku, Tukholma, Göteborg www.tieturi.fi Harjoitus 1 / Tavoitemääritys Lapsesi koululuokka

Lisätiedot

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan HY / Matematiikan ja tilastotieteen laitos Johdatus logiikkaan I, syksy 2018 Harjoitus 2 Ratkaisuehdotukset 1. Olkoon totuusjakauma v sellainen että v(p i ) = 1 kaikilla i N ja A propositiolause, jossa

Lisätiedot

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

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

Lisätiedot

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa. Yhtälöryhmän ratkaisujen lukumäärä, L26 Esimerkki 1 kvadraattinen 1 Haluamme ratkaista n 4x + y z = 2 x + 2y + z = 5 2x + 2y + 2z = 4 4 1 1 1 2 1 2 2 2 x 4 1 2 + y x y z 1 2 2 = + z 2 5 4 1 1 2 = 2 5 4

Lisätiedot

Valitaan alkio x 1 A B ja merkitään A 1 = A { x 1 }. Perinnöllisyyden nojalla A 1 I.

Valitaan alkio x 1 A B ja merkitään A 1 = A { x 1 }. Perinnöllisyyden nojalla A 1 I. Vaihto-ominaisuudella on seuraava intuition kannalta keskeinen seuraus: Olkoot A I ja B I samankokoisia riippumattomia joukkoja: A = B = m jollain m > 0. Olkoon vielä n = m A B, jolloin A B = B A = n.

Lisätiedot

1 Komparatiivinen statiikka ja implisiittifunktiolause

1 Komparatiivinen statiikka ja implisiittifunktiolause Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla

Lisätiedot

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset

Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset 1 (5) Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle: määräysten ja ohjeiden muutokset 1 Muutokset Määräyksiin ja ohjeisiin 1/2011 Määräyksiin ja

Lisätiedot

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus. 1 Lineaarikuvaus 1.1 Määritelmä Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V W on lineaarinen, jos (a) L(v + w) = L(v) + L(w); (b) L(λv) = λl(v) aina, kun v, w V ja λ K. Termejä:

Lisätiedot

t P1 `UT. Kaupparek. nro Y-tunnus Hämeenlinnan. hallinto- oikeudelle. Muutoksenhakijat. 1( UiH S<

t P1 `UT. Kaupparek. nro Y-tunnus Hämeenlinnan. hallinto- oikeudelle. Muutoksenhakijat. 1( UiH S< 1(0 1 4 1 1 4 UiH 0 0 0 1 S< A S I A N A J O T O I M I S T O O S S I G U S T A F S S O N P L 2 9, Ra u h a n k a t u 2 0, 1 5 1 1 1 L a h t i P u h e l i n 0 3 / 7 8 1 8 9 6 0, G S M 0 5 0 0 / 8 4 0 5

Lisätiedot

Hollolan Hinnasto: NSM Kartio Kartio 23. Kartio

Hollolan Hinnasto: NSM Kartio Kartio 23. Kartio YKSIVAIHEISET HARJATTOMAT GENERAATTORIT - 2 NAPAISET - 000 RPM - 0Hz ES0 A EA ES0 B EB ES0 D ED ES0 E EE ES0 F EF, 2,2 92,- 2,- 29,- IM B B/B 2 0 J609a 9 ----2A ----2A ----2A ----2A -#-2A 22, 2,/ -#-26

Lisätiedot

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0. Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe malliratkaisut ja arvosteluperusteet

58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe malliratkaisut ja arvosteluperusteet 58131 Tietorakenteet ja algoritmit Uusinta- ja erilliskoe 15.6.2018 malliratkaisut ja arvosteluperusteet 1. [10 pistettä] Hakemistorakenteet. Vertaa linkitettyjen listojen, tasapainoisten hakupuiden ja

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

TEKNISET TIEDOT. ISO 6432 minisylinterit Ø 8-40 mm

TEKNISET TIEDOT. ISO 6432 minisylinterit Ø 8-40 mm ISO 6432 minisylinterit Ø 8-40 mm Univerin minisylinterien kehitystyöhön on hyödynnetty vuosien tutkimustyö ja tuotekehityksen saavutukset. Tuloksena on luotettava tuote, joka soveltuu kaikkein vaativimmankin

Lisätiedot

Talousmatematiikan perusteet

Talousmatematiikan perusteet kevät 2019 / orms.1030 Talousmatematiikan perusteet 7. harjoitus, viikko 7 1. Oheisessa taulukossa on erään tuotteen hintaindeksejä. Laske hinnan keskimääräinen kasvuvauhti vuosina 2000-2005 vuosi indeksi

Lisätiedot

dx = L2 (x + 1) 2 dx x ln x + 1 = L 2 1 L + 1 L ( = 1 ((L + 1)ln(L + 1) L) L k + 1 xk+1 = 1 k + 2 xk+2 = 1 10k+1 k + 2 = 7.

dx = L2 (x + 1) 2 dx x ln x + 1 = L 2 1 L + 1 L ( = 1 ((L + 1)ln(L + 1) L) L k + 1 xk+1 = 1 k + 2 xk+2 = 1 10k+1 k + 2 = 7. BM2A582 - Integraalilaskenta ja sovellukset Harjoitus 5, Kevät 26. a Lumikuiorman massa-alkio kohdassa on λd L2 + 2 d, joten kokonaismassa on Momentti suoran suhteen on L L 2 L m d L2 + 2 d + 2 / L L 2

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

Määräykset ja ohjeet 1/2011

Määräykset ja ohjeet 1/2011 Määräykset ja ohjeet 1/2011 Vakuutusmarkkinoilla toimivan yhteisön konekielisten valvontatietojen toimittaminen Finanssivalvonnalle 5/101/2011 Antopäivä 21.3.2011 Voimaantulopäivä 1.4.2011 FINANSSIVALVONTA

Lisätiedot

Harjoitus 8: Excel - Optimointi

Harjoitus 8: Excel - Optimointi Harjoitus 8: Excel - Optimointi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Lineaarisen optimointimallin muodostaminen

Lisätiedot

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

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

Lisätiedot

Projektin aikataulutus

Projektin aikataulutus Projektin aikataulutus Aikataulutuksen tehtävät Suunnittelutarkkuus & tehtävien kestojen arviointi PERT-tekniikka CPA/CPM kriittisen polun analyysi Resurssirajoituksen huomioiminen, resurssien tasaus Critical

Lisätiedot

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta

Vakuutusmarkkinoilla toimivien yhteisöjen tiedonkeruukartta 401 Työeläkevakuutusyhtiö VA01a Tuloslaskelma työeläkevakuutusyhtiöille VB01 Epäsuora rahoituslaskelma VB02a Työeläkevakuutusyhtiön tuloslaskelmaa koskevat liitetiedot VF06a Työeläkevakuutusyhtiön vastuuvelan

Lisätiedot

802320A LINEAARIALGEBRA OSA III

802320A LINEAARIALGEBRA OSA III 802320A LINEAARIALGEBRA OSA III Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 56 Määritelmä Määritelmä 1 Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V

Lisätiedot