ΣΗΜΕΙΩΣΕΙΣ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ»
|
|
- Ήφαιστος Μαυρίδης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ΣΗΜΕΙΩΣΕΙΣ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ «ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ» Κωνσταντίνος Π. Φερεντίνος Διδάσκων ΠΔ 407/80 Οι σημειώσεις αυτές αναπτύχθηκαν στα πλαίσια του προγράμματος «ΕΠΕΑΕΚ 2 Πρόγραμμα Αναβάθμισης Προπτυχιακών Σπουδών» ΙΟΥΝΙΟΣ 2005
2 Εισαγωγικές σημειώσεις τελικής εργασίας «Βελτιστοποίηση με τον αλγόριθμο Partcle Swarm Optmzaton» Βελτιστοποίηση συνάρτησης ονομάζεται η εύρεση της «καλύτερης» τιμής της συνάρτησης στο πεδίο ορισμού της (όπως αυτό ορίζεται από το είδος της συνάρτησης ή κάποιους περιορισμούς του προβλήματος), όπου καλύτερη τιμή είναι είτε το μέγιστο είτε το ελάχιστο, οπότε και μιλάμε για μεγιστοποίηση ή ελαχιστοποίηση αντίστοιχα. Η διαδικασία της βελτιστοποίησης κάποιας συνάρτησης διενεργείται από ειδικά σχεδιασμένους αλγόριθμους βελτιστοποίησης. Οι αλγόριθμοι αυτοί χοντρικά μπορούν να χωριστούν σε αναλυτικούς αλγόριθμους, που βασίζονται σε συγκεκριμένες μαθηματικές ιδιότητες και τεχνικές, και σε ευρεστικούς αλγόριθμους (heurstcs) που βασίζονται σε ένα συνδυασμό μαθηματικών ιδιοτήτων, γνώσης κάποιων χαρακτηριστικών των προς επίλυση προβλημάτων και τεχνικών της επιστήμης των υπολογιστών και της τεχνητής νοημοσύνης. Heurstc αλγόριθμοι εφαρμόζονται στη βελτιστοποίηση συναρτήσεων που η πολυπλοκότητά τους είναι τέτοια ώστε αναλυτικές μαθηματικές μεθοδολογίες θα αποτύγχαναν να δώσουν ικανοποιητικό αποτέλεσμα σε κάποιο λογικό χρόνο. Ο Partcle Swarm Optmzaton (PSO) είναι ένας heurstc αλγόριθμος βελτιστοποίησης που αναπτύχθηκε πρόσφατα (1995) από τους R. Eberhart και J. Kennedy. Είναι ένας επαναληπτικός αλγόριθμος που διαχειρίζεται έναν αριθμό πρακτόρων (agents) οι οποίοι ψάχνουν για το βέλτιστο μιας συνάρτησης στο πεδίο ορισμού της (search space), κινούμενοι με τρόπο εμπνευσμένο από τη συμπεριφορά κοινωνικών ζώων όπως ομάδες πουλιών ή κοπάδια ψαριών. (Όλοι οι αλγόριθμοι βελτιστοποίησης που μιμούνται διαδικασίες από τη συμπεριφορά κοινωνικών οργανισμών, ανήκουν στον τομέα της επιστήμης υπολογιστών που ονομάζεται Swarm Intellgence). Η διάσταση του προς επίλυση προβλήματος (πλήθος μεταβλητών) μπορεί να είναι αρκετά μεγάλη, αλλά ας δούμε τον αλγόριθμο του PSO στις 2 διαστάσεις, x και y. Καλούμαστε λοιπόν να βελτιστοποιήσουμε μια συνάρτηση f(x,y) σε κάποιο συγκεκριμένο πεδίο ορισμού. Είπαμε ότι ο PSO διαχειρίζεται ένα συγκεκριμένο αριθμό από agents. Ο κάθε agent έχει: - θέση (x,y) - ταχύτητα (vx, vy), όπου είναι το βήμα μετακίνησής του σε κάθε διάσταση κατά την επόμενη επανάληψη του αλγόριθμου - γειτονιά (neghborhood), όπου είναι κάποιοι άλλοι συγκεκριμένοι agents μαζί με τους οποίους ο κάθε agent σχηματίζει μια ομάδα (γειτονιά). ενώ ο κάθε agent ξέρει: - την καλύτερή του θέση (xbest, ybest) μέχρι την τρέχουσα επανάληψη και την τιμή της (pbest)
3 - την καλύτερη θέση της γειτονιάς του (gxbest, gybest) μέχρι την τρέχουσα επανάληψη και την τιμή της (gbest). Ο αλγόριθμος έχει ως εξής: 1. Αρχικά nputs: Κάποιες σταθερές που δίνονται σαν nputs στον αλγόριθμο είναι: o το πλήθος των agents (συνήθως 20) o το μέγεθος των γειτονιών (ίδιο για όλες, συνήθως 3-5) (μπορεί ο κάθε agent να ανήκει σε πολλές γειτονιές μία από αυτές όμως θεωρείται δικιά του) o ο μέγιστος αριθμός επαναλήψεων (π.χ. 1000) o διάφορες άλλες σταθερές 2. Αρχικοποίηση: o Τοποθέτηση των agents σε τυχαία σημεία του πεδίου ορισμού (search space) (δηλαδή, τυχαία τιμή για κάθε διάσταση (x, y) του κάθε agent) o Υπολογισμός τυχαίων αρχικών ταχυτήτων (βημάτων μετακίνησης) για κάθε agent (δηλαδή, τυχαίες τιμές (δx, δy) μεταξύ κάποιων ορίων (-ε, ε) για κάθε agent. Η ταχύτητα ορίζεται ως η μεταβολή της θέσης του agent σε μία επανάληψη). o Η τυχαία αρχική θέση του κάθε agent είναι η (xbest, ybest) για τον agent αυτό, και η τιμή της συνάρτησης στη θέση αυτή αποτελεί την pbest του (personal best). 3. Δημιουργία των γειτονιών: Ο συνηθέστερος τρόπος είναι να βάλουμε τους agents σε νοητό κύκλο και να επιλέγουμε τους γειτονικούς agents του καθενός ως αυτούς που θα αποτελούν τη γειτονιά του. Το παρακάτω σχήμα για παράδειγμα, δείχνει τη γειτονιά του agent 1 σε έναν αλγόριθμο με 8 agents.
4 Ομοίως η γειτονιά το agent 2 θα αποτελείται από τους agents 1, 2 και 3. Είναι προφανές ότι ένας agent ανήκει σε περισσότερες της μίας γειτονιές, αλλά όταν μιλάμε για τη γειτονιά ενός agent, μιλάμε για το σύνολο των agents που ανήκουν στη γειτονιά που φτιάχτηκε γύρω από αυτόν. Δηλαδή, στο παράδειγμά μας, ο agent 1 ανήκει και στη γειτονιά [8, 1, 2] και στη γειτονιά [1, 2, 3], καθώς και σε άλλες, αλλά όταν μιλάμε για τη γειτονιά του agent 1, μιλάμε για τη γειτονιά [8, 1, 2] που φαίνεται στο σχήμα. Να σημειωθεί εδώ ότι ο όρος «γειτονιά» δεν αντιστοιχεί απαραίτητα σε «γεωγραφική» γειτνίαση των agents στο πεδίο ορισμού της συνάρτησης. Μπορεί οι agents 1 και 2 που ανήκουν και οι δύο στη γειτονιά π.χ. του 1, να βρίσκονται σε τελείως διαφορετικά μέρη του search space. Η γειτνίαση που ορίσαμε ονομάζεται «κοινωνική» και απλά ομαδοποιεί τους agents με τη σειρά που εμείς ορίζουμε, άσχετα με την αρχική τους θέση. 4. Η τιμή του καλύτερου agent κάθε γειτονιάς γίνεται το gbest της (group s best). Μαζί με την τιμή της συνάρτησης gbest, αποθηκεύεται φυσικά και η θέση της τιμής αυτής στο search space. 5. Για κάθε επανάληψη, μέχρι το μέγιστο αριθμό επαναλήψεων: o Υπολογίζεται η νέα ταχύτητα του κάθε agent : v = w v + c rand [ t] [ ] ( pbest s ) + c rand ( gbest s ) [ t+ 1] [ t] t όπου: [ t+1] v [t ] v είναι η ταχύτητα του agent στην επόμενη επανάληψη είναι η ταχύτητα του agent στην τρέχουσα επανάληψη (t) [t ] s είναι η τρέχουσα θέση του agent στην τρέχουσα επανάληψη pbest είναι η θέση του pbest (personal best) του agent gbest είναι η θέση του gbest (group s best) της γειτονιάς του agent w, c 1 και c 2 είναι κάποιες σταθερές που δίνονται στην αρχή του αλγόριθμου rand 1 και rand 2 είναι μεταβλητές που παίρνουν τυχαίες τιμές (προσοχή στο ότι ο παραπάνω τύπος περιλαμβάνει όλες τις διαστάσεις του προβλήματος και κανονικά πρέπει να εφαρμοστεί σε κάθε διάσταση) o Γίνεται μετακίνηση του κάθε agent προσθέτοντας στις τρέχουσες θέσεις τις αντίστοιχες ταχύτητες (βήμα μετακίνησης) του καθενός: s = s + v [ t+ 1] [ t] [ t+ 1] o Γίνεται update των τιμών (και θέσεων) των pbest και gbest του κάθε agent. 6. Αφού γίνουν όλες οι προβλεπόμενες επαναλήψεις, επιστρέφεται η τιμή και η θέση του καλύτερου gbest, το οποίο αποτελεί και το βέλτιστο της συνάρτησης. Αυτός είναι σε γενικές γραμμές ο αλγόριθμος PSO.
5 ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ: Ο σκοπός της εργασίας είναι να γραφεί ο PSO σε μορφή αντικειμενοστραφούς προγραμματισμού με τη χρήση της JAVA. Θα δοθούν περισσότερες και πιο συγκεκριμένες οδηγίες σε μελλοντική ανακοίνωση. ΒΑΘΜΟΛΟΓΗΣΗ: Η εργασία είναι προαιρετική. Θα βαθμολογηθεί με άριστα το 2 και θα μετρήσει για όσους γράψουν τουλάχιστον 5 στο διαγώνισμα, σαν bonus. ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ: Μετά τις εξετάσεις του Ιουνίου. Η ακριβής ημερομηνία θα καθοριστεί στο μέλλον. ΣΥΜΒΟΥΛΕΣ: Το πρόγραμμα θα πρέπει: - να είναι γενικό ως προς τις παραμέτρους του αλγόριθμου (πλήθος των agents, μέγεθος γειτονιών, κτλ.) οι οποίες θα δίνονται από τον χρήστη σαν nputs από αντίστοιχα nput wndows (JOptonPane). Αντιθέτως, στη συγκεκριμένη εργασία, το πρόγραμμα θα είναι εξειδικευμένο ως προς τη συνάρτηση που θα βελτιστοποιηθεί, η οποία θα δοθεί. (Παρόλα αυτά, ο αριθμός των διαστάσεων (μεταβλητών) του προβλήματος θα είναι ένα από τα user nputs στην αρχή του προγράμματος). - να έχει σχόλια με τη μορφή που υπάρχουν στα παραδείγματα των σημειώσεων της 7 ης εβδομάδας (κλάσεις Person, Student και Undergrad του παραδείγματος της κληρονομικότητας) ώστε να γίνεται κατανοητό από κάποιον που δεν το έχει γράψει ο ίδιος. - να περιέχει όσο το δυνατόν περισσότερα prvate στοιχεία και να μην περιέχει αναφορές μεταβλητών απ ευθείας από αντικείμενα διαφορετικών κλάσεων (objectname.varablename). Ο τρόπος αυτός θα πρέπει να εφαρμόζεται μόνο στις κλήσεις μεθόδων (objectname.methodname()). Για αναφορές σε prvate μεταβλητές, χρησιμοποιούνται οι accessor μέθοδοι. - να ακολουθεί τη φιλοσοφία του αντικειμενοστραφούς προγραμματισμού στο μεγαλύτερο δυνατό βαθμό. ΔΙΕΥΚΟΛΥΝΣΗ ΣΤΗ ΓΕΝΙΚΗ ΔΗΜΙΟΥΡΓΙΑ «ΓΕΙΤΟΝΙΩΝ» ΤΟΥ PSO: Για να γίνει ευκολότερη η γενίκευση της δημιουργίας γειτονιών, θεωρείστε ότι αν το μέγεθος των γειτονιών είναι γ, τότε η γειτονιά του κάθε agent ορίζεται σαν ο εαυτός του και οι επόμενοι γ-1 agents στον νοητό κύκλο, και όχι κάποιοι πριν από αυτόν και κάποιοι μετά από αυτόν, όπως στη μέθοδο που ορίστηκε παραπάνω, με το σχήμα (θα υπήρχε πρόβλημα σε περιπτώσεις άρτιων μεγεθών γειτονιών...). Έτσι, για το παράδειγμα των 8 agents και γ=3, η γειτονιά που φαίνεται στο σχήμα είναι του agent 8, ενώ η γειτονιά του agent 1, θα είχε τους agents [1, 2, 3].
6 Τελικές σημειώσεις εργασίας 1 «Βελτιστοποίηση με τον αλγόριθμο Partcle Swarm Optmzaton (PSO)» Οι λεπτομέρειες του αλγόριθμου περιγράφονται στο κείμενο «Εισαγωγικές Σημειώσεις». ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ: Ο σκοπός της εργασίας είναι να γραφεί ο αλγόριθμος PSO σε μορφή αντικειμενοστραφούς προγραμματισμού με τη χρήση της JAVA. Η μεθοδολογία που θα ακολουθηθεί δεν περιορίζεται με συγκεκριμένες «προγραμματιστικές» οδηγίες, όμως θα πρέπει να ακολουθηθεί ο αντικειμενοστραφής τρόπος προγραμματισμού (βλέπε παράγραφο «Συμβουλές» των εισαγωγικών σημειώσεων). Αντί της εξίσωσης προσδιορισμού της ταχύτητας του κάθε πράκτορα (partcle) που αναγράφεται στις εισαγωγικές σημειώσεις, να χρησιμοποιηθεί η εξής βελτιωμένη μορφή της εξίσωσης: Η νέα ταχύτητα του κάθε partcle (ή agent) : v t+ 1 = χ t t [ v + ϕ rand ( pbest s ) + ϕ rand ( gbest s )] t όπου: [ t+1] v [t ] v είναι η ταχύτητα του agent στην επόμενη επανάληψη είναι η ταχύτητα του agent στην τρέχουσα επανάληψη (t) [t ] s είναι η τρέχουσα θέση του agent στην τρέχουσα επανάληψη pbest είναι η θέση του pbest (personal best) του agent gbest είναι η θέση του gbest (group s best) της γειτονιάς του agent χ, φ 1 και φ 2 είναι κάποιες σταθερές που δίνονται στην αρχή του αλγόριθμου rand 1 και rand 2 είναι μεταβλητές που παίρνουν τυχαίες τιμές (0-1) (προσοχή στο ότι ο παραπάνω τύπος περιλαμβάνει όλες τις διαστάσεις του προβλήματος και κανονικά πρέπει να εφαρμοστεί για κάθε διάσταση) Οι τιμές των σταθερών θα δίνονται από τον χρήστη (με χρήση του JOptonPane). Για τη δοκιμή του αλγόριθμου, χρησιμοποιήστε τις εξής τιμές: χ = 0.4 φ 1 = 1.6 φ 2 = Οι σημειώσεις αυτές συμπληρώνουν τις «εισαγωγικές σημειώσεις» που αφορούν την προαιρετική εργασία του μαθήματος «Γλώσσες Προγραμματισμού (JAVA)» ( ) και βρίσκονται στην ιστοσελίδα του μαθήματος.
7 Οι τυχαίες μεταβλητές (rand1 και rand2) υπολογίζονται με τη χρήση της Math.random() που επιστρέφει τυχαίες τιμές με ομοιόμορφη κατανομή μεταξύ 0 και 1. Η συνάρτηση στην οποία θα δοκιμασθεί ο αλγόριθμος είναι η De Jong s functon 2 ή αλλιώς Rosenbrock s valley, επίσης γνωστή και ως Banana functon. Το ολικό βέλτιστο (ελάχιστο) της συνάρτησης αυτής βρίσκεται σε μια στενή και μακριά παραβολική «κοιλάδα» και έχει την τιμή 0. Συγκεκριμένα, η συνάρτηση είναι η: f(x) = sum (100 * ( x(+1) x() ^2) ^2 + (1-x()) ^2), = 1, n-1 με πεδίο ορισμού: <= x() <= η οποία έχει ολικό ελάχιστο: f(x_opt) = 0, στο σημείο x_opt() = 1, = 1, n. Σε μαθηματική μορφή, η συνάρτηση είναι η: f [ ] n ( x) = 100 ( x( + 1) x( ) ) + ( 1 x( ) ) = 1 όπου n είναι ο αριθμός των διαστάσεων του προβλήματος και = 1, n-1. Θα δοκιμαστεί λοιπόν ο αλγόριθμος στη βελτιστοποίηση (εύρεση του ελάχιστου) αυτής της συνάρτησης στις 4 διαστάσεις. Τα nputs λοιπόν του αλγόριθμου, εκτός από τα τις παραμέτρους που δόθηκαν παραπάνω, είναι τα εξής: διαστάσεις = 4 αριθμός agents (partcles) = 20 μέγεθος γειτονιάς = 3 αριθμός επαναλήψεων = 1000 και θα δίνονται και αυτά από τον χρήστη (JOptonPane). Μέσα στον αλγόριθμο θα υπάρχουν σαν σταθερές μεταβλητές τα όρια του πεδίου ορισμού για την κάθε διάσταση (μέγιστο και ελάχιστο). Κάθε φορά που θα «κινείται» στην κάθε διάσταση ο κάθε agent, θα πρέπει να ελέγχεται εάν η θέση του παραμένει μέσα στο πεδίο ορισμού και σε διαφορετική περίπτωση να περιορίζεται στο αντίστοιχο όριο του πεδίου ορισμού ( ή 2.048). Η αρχική θέση του κάθε agent θα είναι τυχαία (δηλαδή για τον κάθε agent θα πρέπει να υπολογιστούν αρχικά 4 τυχαίες τιμές μεταξύ και 2.048). Ένας απλός τρόπος που προσεγγίζει κάτι τέτοιο είναι με τη χρήση της Math.random() ως εξής: 4 * Math.random() 2;
8 Η Math.random() δίνει έναν τυχαίο πραγματικό αριθμό στο [0,1), άρα η 4*Math.random() παίρνει τιμές στο [0,4) και άρα η 4*Math.random() 2 στο [-2,2). Το output του προγράμματος θα είναι η τιμή του καλύτερου gbest μεταξύ όλων των γειτονιών σε κάθε επανάληψη του αλγόριθμου, καθώς και η θέση του. Το πρόγραμμα θα σώζει τα αποτελέσματα σε δύο αρχεία: - ένα αρχείο (values.txt) στο οποίο θα σώζεται η τιμή του βέλτιστου για κάθε επανάληψη (δηλαδή 1000 τιμές, μία σε κάθε γραμμή) - ένα αρχείο (postons.txt) στο οποίο θα σώζεται η αντίστοιχη θέση του βέλτιστου της κάθε επανάληψης (4 τιμές ανά γραμμή, για τις 4 διαστάσεις του προβλήματος). Το περιεχόμενο της μεθόδου man την οποία θα περιέχει η «κλάση εφαρμογής» του προγράμματος, θα πρέπει να περιοριστεί στο ελάχιστο. Όλες οι διεργασίες του αλγόριθμου μπορούν να πραγματοποιηθούν σε «κλάσεις υποστήριξης» ώστε η μέθοδος man απλά να εκτελεί τα απολύτως απαραίτητα ώστε να «τρέχει» το πρόγραμμα. Θα πρέπει να παραδοθούν τα εξής: - Εκτύπωση του κώδικα του προγράμματος - CD (ή δισκέτα) με όλα τα αρχεία του προγράμματος. Μην ξεχάσετε να συμβουλευτείτε την παράγραφο «Συμβουλές» των «Εισαγωγικών Σημειώσεων» της εργασίας. Η ημερομηνία παράδοσης θα ανακοινωθεί στην ιστοσελίδα του μαθήματος. Καλή επιτυχία!
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότερα3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ
ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΕΜΠ ΕΙΣΑΓΩΓΗ ΣΤΗN ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ 3 η ΕΝΟΤΗΤΑ ΜΗ ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΝΟΣ ΚΡΙΤΗΡΙΟΥ Μ. Καρλαύτης Ν. Λαγαρός Άδεια Χρήσης Το παρόν εκπαιδευτικό υλικό
Διαβάστε περισσότεραΜέθοδοι μονοδιάστατης ελαχιστοποίησης
Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν
Διαβάστε περισσότεραΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ. Ενότητα 5: Παραδείγματα. Ρεφανίδης Ιωάννης Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 5: Παραδείγματα Ρεφανίδης Ιωάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: βελτιστοποίηση χωρίς περιορισμούς Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 7-8 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΕφαρμοσμένη Βελτιστοποίηση
Εφαρμοσμένη Βελτιστοποίηση Ενότητα 1: Το πρόβλημα της βελτιστοποίησης Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το
Διαβάστε περισσότεραΕργαστήριο 9 Συναρτήσεις στη PASCAL. Η έννοια του κατακερματισμού. Συναρτήσεις. Σκοπός
Εργαστήριο 9 Συναρτήσεις στη PASCAL Η έννοια του κατακερματισμού. Συναρτήσεις. Σκοπός 7.1 ΕΠΙΔΙΩΞΗ ΤΗΣ ΕΡΓΑΣΙΑΣ Η έννοια της συνάρτησης ως υποπρογράμματος είναι τόσο βασική σε όλες τις γλώσσες προγραμματισμού,
Διαβάστε περισσότεραΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο
ΥΣ02 Τεχνητή Νοημοσύνη Χειμερινό Εξάμηνο 2010-2011 Πρώτη Σειρά Ασκήσεων (20% του συνολικού βαθμού στο μάθημα, Άριστα = 390 μονάδες) Ημερομηνία Ανακοίνωσης: 6/10/2010 Ημερομηνία Παράδοσης: 15/11/2010 σύμφωνα
Διαβάστε περισσότεραΘεωρία Παιγνίων και Αποφάσεων. Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος. Ε. Μαρκάκης. Επικ. Καθηγητής
Θεωρία Παιγνίων και Αποφάσεων Ενότητα 5: Εύρεση σημείων ισορροπίας σε παίγνια μηδενικού αθροίσματος Ε. Μαρκάκης Επικ. Καθηγητής Περίληψη Παίγνια μηδενικού αθροίσματος PessimisIc play Αμιγείς max-min και
Διαβάστε περισσότεραΠΛΗ513 - Αυτόνομοι Πράκτορες Αναφορά Εργασίας
ΠΛΗ513 - Αυτόνομοι Πράκτορες Αναφορά Εργασίας Ομάδα εργασίας: LAB51315282 Φοιτητής: Μάινας Νίκος ΑΦΜ: 2007030088 ΠΕΡΙΓΡΑΦΗ ΙΔΕΑΣ Η ιδέα της εργασίας βασίζεται στην εύρεση της καλύτερης πολιτικής για ένα
Διαβάστε περισσότεραΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Κλάσεις και Αντικείμενα
ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Κλάσεις και Αντικείμενα Η εξέλιξη των γλωσσών προγραμματισμού Η εξέλιξη των γλωσσών προγραμματισμού είναι μια διαδικασία αφαίρεσης Στην αρχή ένα πρόγραμμα ήταν
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 8 & 9 18/10/07
ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 8 & 9 18/10/07 Αλγόριθμος: Βήμα προς βήμα διαδικασία για την επίλυση κάποιου προβλήματος. Το πλήθος των βημάτων πρέπει να είναι πεπερασμένο. Αλλιώς: Πεπερασμένη
Διαβάστε περισσότεραΗ άσκηση μπορεί να γίνει με συνεργασία το πολύ δυο φοιτητών, οι οποίοι θα λάβουν τον ίδιο βαθμό στην εργασία.
Άσκηση #4 Η άσκηση μπορεί να γίνει με συνεργασία το πολύ δυο φοιτητών, οι οποίοι θα λάβουν τον ίδιο βαθμό στην εργασία. Βαθμολογούνται: 1. Η αποτελεσματική επίλυση του προβλήματος. Δηλ σωστή υλοποίηση
Διαβάστε περισσότεραΠΑΡΑΔΕΙΓΜΑΤΑ ΘΕΜΑ Β. Να βρείτε τις ασύμπτωτες της γραφικής παράστασης της συνάρτησης f με τύπο
ΚΕΦΑΛΑΙΟ 3ο: ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΕΝΟΤΗΤΑ : ΑΣΥΜΠΤΩΤΕΣ - ΚΑΝΟΝΕΣ DE L HOSPITAL - ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ [Κεφ..9: Ασύμπτωτες Κανόνες de l Hospital Μέρος Β του σχολικού βιβλίου]. ΠΑΡΑΔΕΙΓΜΑΤΑ Παράδειγμα. ΘΕΜΑ
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: βελτιστοποίηση με περιορισμούς Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής Διάλεξη 9-10 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ
ΑΛΓΟΡΙΘΜΙΚΕΣ ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΚΟΥΛΙΝΑΣ ΓΕΩΡΓΙΟΣ Δρ. Μηχανικός Παραγωγής & Διοίκησης ΔΠΘ ΜΕΤΑΕΥΡΕΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ METAHEURISTIC ALGORITHMS Ευφυείς διαδικασίες επαναληπτικής βελτίωσης Χρησιμοποιούν
Διαβάστε περισσότεραΑς δούμε λίγο την θεωρία με την οποία ασχοληθήκαμε μέχρι τώρα.
Ας δούμε λίγο την θεωρία με την οποία ασχοληθήκαμε μέχρι τώρα. Είδαμε τι είναι πρόβλημα, τι είναι αλγόριθμος και τέλος τι είναι πρόγραμμα. Πρέπει να μπορείτε να ξεχωρίζετε αυτές τις έννοιες και να αντιλαμβάνεστε
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότεραΑλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 2 η ενότητα: Στοιχειώδη προβλήματα διαδρομής Τμήμα Μαθηματικών, ΠΘ καδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα γγελική Μεταδιδακτορική ερευνήτρια, ΠΘ & Πανεπιστήμιο Μακεδονίας
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Μη γραμμικός προγραμματισμός: μέθοδοι μονοδιάστατης ελαχιστοποίησης Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 6 η /2017 Τι παρουσιάστηκε
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική
Διαβάστε περισσότερα4.4 Μετατροπή από μία μορφή δομής επανάληψης σε μία άλλη.
4.4 Μετατροπή από μία μορφή δομής επανάληψης σε μία άλλη. Η μετατροπή μιας εντολής επανάληψης σε μία άλλη ή στις άλλες δύο εντολές επανάληψης, αποτελεί ένα θέμα που αρκετές φορές έχει εξεταστεί σε πανελλαδικό
Διαβάστε περισσότεραΕπικοινωνία:
Σπύρος Ζυγούρης Καθηγητής Πληροφορικής Επικοινωνία: spzygouris@gmail.com Πως ορίζεται ο τμηματικός προγραμματισμός; Πρόγραμμα Εντολή 1 Εντολή 2 Εντολή 3 Εντολή 4 Εντολή 5 Εντολή 2 Εντολή 3 Εντολή 4 Εντολή
Διαβάστε περισσότεραΚεφάλαιο 5: Στρατηγική χωροταξικής διάταξης
K.5.1 Γραμμή Παραγωγής Μια γραμμή παραγωγής θεωρείται μια διάταξη με επίκεντρο το προϊόν, όπου μια σειρά από σταθμούς εργασίας μπαίνουν σε σειρά με στόχο ο κάθε ένας από αυτούς να κάνει μια ή περισσότερες
Διαβάστε περισσότεραΤι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι
Διαβάστε περισσότεραΜαθηματική Εισαγωγή Συναρτήσεις
Φυσικός Ραδιοηλεκτρολόγος (MSc) ο Γενικό Λύκειο Καστοριάς Καστοριά, Ιούλιος 14 A. Μαθηματική Εισαγωγή Πράξεις με αριθμούς σε εκθετική μορφή Επίλυση βασικών μορφών εξισώσεων Συναρτήσεις Στοιχεία τριγωνομετρίας
Διαβάστε περισσότεραΑκέραιος Γραμμικός Προγραμματισμός
Τμήμα Πληροφορικής & Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων 2018-2019 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος- Γεωργία Φουτσιτζή Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος
Διαβάστε περισσότεραΔιαδικασιακός Προγραμματισμός
Τμήμα ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ Διαδικασιακός Προγραμματισμός Διάλεξη 12 η Αναζήτηση/Ταξινόμηση Πίνακα Οι διαλέξεις βασίζονται στο βιβλίο των Τσελίκη και Τσελίκα C: Από τη Θεωρία στην
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές
Στοχαστικές Στρατηγικές 1 η ενότητα: Εισαγωγή στον Δυναμικό Προγραμματισμό Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 2018-2019 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότεραείναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς όρους όλες οι μεταβλητές είναι μη αρνητικές
Ένα τυχαίο π.γ.π. maximize/minimize z=c x Αx = b x 0 Τυπική μορφή του π.γ.π. maximize z=c x Αx = b x 0 b 0 είναι πρόβλημα μεγιστοποίησης όλοι οι περιορισμοί είναι εξισώσεις με μη αρνητικούς του σταθερούς
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΠρογραμματισμός ΙI (Θ)
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Προγραμματισμός ΙI (Θ) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2017 Δρ. Δημήτρης Βαρσάμης Μάρτιος 2017
Διαβάστε περισσότεραΕ ανάληψη. Α ληροφόρητη αναζήτηση
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Το ική Αναζήτηση Local Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Α ληροφόρητη αναζήτηση σε πλάτος, οµοιόµορφου κόστους, σε βάθος,
Διαβάστε περισσότεραΦΥΣΙΚΗ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ
ΦΥΣΙΚΗ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Β ΛΥΚΕΙΟΥ Καμπυλόγραμμες Κινήσεις Επιμέλεια: Αγκανάκης Α. Παναγιώτης, Φυσικός http://phyiccore.wordpre.com/ Βασικές Έννοιες Μέχρι στιγμής έχουμε μάθει να μελετάμε απλές κινήσεις,
Διαβάστε περισσότεραΜαθηματική Εισαγωγή Συναρτήσεις
Φυσικός Ραδιοηλεκτρολόγος (MSc) ο Γενικό Λύκειο Καστοριάς A. Μαθηματική Εισαγωγή Πράξεις με αριθμούς σε εκθετική μορφή Επίλυση βασικών μορφών εξισώσεων Συναρτήσεις Στοιχεία τριγωνομετρίας Διανύσματα Καστοριά,
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ Συνδυασμένη χρήση μοντέλων προσομοίωσης βελτιστοποίησης. Η μέθοδος του μητρώου μοναδιαίας απόκρισης Νικόλαος
Διαβάστε περισσότεραΑκέραιος Γραμμικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος Γραμμικός Προγραμματισμός Όταν για
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΝΑΠΤΥΞΗ ΚΑΙ ΣΧΕΔΙΑΣΗ ΛΟΓΙΣΜΙΚΟΥ Η γλώσσα προγραμματισμού C ΕΡΓΑΣΤΗΡΙΟ 2: Εκφράσεις, πίνακες και βρόχοι 14 Απριλίου 2016 Το σημερινό εργαστήριο
Διαβάστε περισσότερα1 Εισαγωγή στις Συνδυαστικές Δημοπρασίες - Combinatorial Auctions
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεωρία Παιγνίων και Αποφάσεων Διδάσκων: Ε. Μαρκάκης, Εαρινό εξάμηνο 2015 Συμπληρωματικές σημειώσεις για τον μηχανισμό VCG 1 Εισαγωγή στις Συνδυαστικές
Διαβάστε περισσότεραΣτοχαστικές Στρατηγικές. διαδρομής (1)
Στοχαστικές Στρατηγικές η ενότητα: Το γενικό πρόβλημα ελάχιστης διαδρομής () Τμήμα Μαθηματικών, ΑΠΘ Ακαδημαϊκό έτος 08-09 Χειμερινό Εξάμηνο Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & Πανεπιστήμιο
Διαβάστε περισσότεραΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ
ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ
ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ Κ Υ Κ Λ Ο Υ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Κ Α Ι Υ Π Η Ρ Ε Σ Ι Ω Ν Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Η
Διαβάστε περισσότεραΓραφικά υπολογιστών Εργαστήριο 10 Εισαγωγή στα Sprites
Γραφικά υπολογιστών Εργαστήριο 10 Εισαγωγή στα Sprites Σκοπός της 10ης άσκησης είναι να μάθουμε να χρησιμοποιούμε sprites και να φτιάξουμε ένα παιχνίδι που χρησιμοποιεί συγκρούσεις. Θα δούμε επίσης μερικά
Διαβάστε περισσότεραΠεριεχόμενα. Ανάλυση προβλήματος. Δομή ακολουθίας. Δομή επιλογής. Δομή επανάληψης. Απαντήσεις. 1. Η έννοια πρόβλημα Επίλυση προβλημάτων...
Περιεχόμενα Ανάλυση προβλήματος 1. Η έννοια πρόβλημα...13 2. Επίλυση προβλημάτων...17 Δομή ακολουθίας 3. Βασικές έννοιες αλγορίθμων...27 4. Εισαγωγή στην ψευδογλώσσα...31 5. Οι πρώτοι μου αλγόριθμοι...54
Διαβάστε περισσότεραΑκέραιος Γραμμικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος Γραμμικός Προγραμματισμός Όταν για
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ
ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017 Αντικειμενικοί στόχοι Η μελέτη των βασικών στοιχείων που συνθέτουν ένα πρόβλημα βελτιστοποίησης
Διαβάστε περισσότεραΤάσσος Δήμου. Μεθοδολογίες και λυμένες ασκήσεις. Λυμένα θέματα συναρτήσεων-μέρος Α. Εύρεση μονοτονίας σε απλές συναρτήσεις
Μεθοδολογίες και λυμένες ασκήσεις Εύρεση μονοτονίας σε απλές συναρτήσεις α) Ξεκινώντας από ένα τυχαίο ζεύγος τιμών x, x τιμών της μεταβλητής από το πεδίο ορισμού με σχέση π.χ. «κτίζουμε» τον τύπο της συνάρτησης,
Διαβάστε περισσότεραΠρόταση για Ανασχηματισμό του Προγράμματος Προπτυχιακών Σπουδών της ΣΗΜΜΥ
Πρόταση για Ανασχηματισμό του Προγράμματος Προπτυχιακών Σπουδών της ΣΗΜΜΥ Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών Περίληψη Τί προτείνουμε, πώς και γιατί με λίγα λόγια: 55 μαθήματα = 30 για ενιαίο
Διαβάστε περισσότεραΗ γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού
Η γραφική μέθοδος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 τελευταία ενημέρωση: 21/10/2016
Διαβάστε περισσότεραΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 13: Παραλλαγές Μηχανών Turing και Περιγραφή Αλγορίθμων
ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας Διάλεξη 13: Παραλλαγές Μηχανών Turing και Περιγραφή Αλγορίθμων Τι θα κάνουμε σήμερα Εισαγωγή Πολυταινιακές Μηχανές Turing (3.2.1) Μη Ντετερμινιστικές Μηχανές
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΥΠΗΡΕΣΙΩΝ 2005
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΚΥΚΛΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΥΠΗΡΕΣΙΩΝ 2005 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ 1ο Α. 1. Να αναφέρετε ονοµαστικά τα κριτήρια που πρέπει απαραίτητα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ. Πρώτη Σειρά ασκήσεων Ημερομηνία Παράδοσης: 24 Απριλίου 2018, 12 μ.μ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΛΥ212/ΜΥΥ205 Τεχνικές Αντικειμενοστρεφούς Προγραμματισμού Πρώτη Σειρά ασκήσεων Ημερομηνία Παράδοσης: 24 Απριλίου 2018, 12 μ.μ. Στην άσκηση
Διαβάστε περισσότερακαθ. Βασίλης Μάγκλαρης
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ενισχυτική Μάθηση - Δυναμικός Προγραμματισμός: 1. Markov Decision Processes 2. Bellman s Optimality Criterion 3. Αλγόριθμος
Διαβάστε περισσότεραΕπαναληπτικές μέθοδοι
Επαναληπτικές μέθοδοι Η μέθοδος της διχοτόμησης και η μέθοδος Regula Fals που αναφέραμε αξιοποιούσαν το κριτήριο του Bolzano, πραγματοποιώντας διαδοχικές υποδιαιρέσεις του διαστήματος [α, b] στο οποίο,
Διαβάστε περισσότεραΕθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Διαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Διαχείριση Υδατικών Πόρων Βελτιστοποίηση Μέρος b: Συμβατικές Μέθοδοι συνέχεια Σύνοψη προηγούμενου μαθήματος Στόχος βελτιστοποίησης: Εύρεση
Διαβάστε περισσότεραΑΕΠΠ Ερωτήσεις θεωρίας
ΑΕΠΠ Ερωτήσεις θεωρίας Κεφάλαιο 1 1. Τα δεδομένα μπορούν να παρέχουν πληροφορίες όταν υποβάλλονται σε 2. Το πρόβλημα μεγιστοποίησης των κερδών μιας επιχείρησης είναι πρόβλημα 3. Για την επίλυση ενός προβλήματος
Διαβάστε περισσότεραΕισαγωγή στην επιστήμη των υπολογιστών. Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι
Εισαγωγή στην επιστήμη των υπολογιστών Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι 1 Έννοια Ανεπίσημα, ένας αλγόριθμος είναι μια βήμα προς βήμα μέθοδος για την επίλυση ενός προβλήματος ή την διεκπεραίωση
Διαβάστε περισσότεραΜαθηματικά και Φυσική με Υπολογιστές
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά και Φυσική με Υπολογιστές Εφαρμογές στα Μαθηματικά Διδάσκων: Καθηγητής Ι. Ρίζος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΕπαναληπτικές Διαδικασίες
Επαναληπτικές Διαδικασίες Οι επαναληπτικές δομές ( εντολές επανάληψης επαναληπτικά σχήματα ) χρησιμοποιούνται, όταν μια ομάδα εντολών πρέπει να εκτελείται αρκετές- πολλές φορές ανάλογα με την τιμή μιας
Διαβάστε περισσότεραΨευδοκώδικας. November 7, 2011
Ψευδοκώδικας November 7, 2011 Οι γλώσσες τύπου ψευδοκώδικα είναι ένας τρόπος περιγραφής αλγορίθμων. Δεν υπάρχει κανένας τυπικός ορισμός της έννοιας του ψευδοκώδικα όμως είναι κοινός τόπος ότι οποιαδήποτε
Διαβάστε περισσότεραΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΣΑΒΒΑΤΟ 4 ΙΟΥΝΙΟΥ 2005
ΑΠΟΛΥΤΗΡΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΣΑΒΒΑΤΟ 4 ΙΟΥΝΙΟΥ 2005 ΘΕΜΑ 1ο Α. 1. Να αναφέρετε ονοµαστικά τα κριτήρια που πρέπει απαραίτητα να ικανοποιεί ένας αλγόριθµος. Μονάδες 5 2. Ποιο κριτήριο
Διαβάστε περισσότεραΠροβλήματα, αλγόριθμοι, ψευδοκώδικας
Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι
Διαβάστε περισσότεραΟι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης.
Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης. Ένα από τα γνωστότερα παραδείγματα των ΕΑ είναι ο Γενετικός
Διαβάστε περισσότεραΔιακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Διαβάστε περισσότεραFORTRAN και Αντικειμενοστραφής Προγραμματισμός
FORTRAN και Αντικειμενοστραφής Προγραμματισμός Παραδόσεις Μαθήματος 2016 Δρ Γ Παπαλάμπρου Επίκουρος Καθηγητής ΕΜΠ georgepapalambrou@lmentuagr Εργαστήριο Ναυτικής Μηχανολογίας (Κτίριο Λ) Σχολή Ναυπηγών
Διαβάστε περισσότεραΕνότητα 2. Ζωγραφίζοντας με το ΒΥΟΒ
Ενότητα 2 : Ζωγραφίζοντας με το ΒΥΟΒ -1- Ενότητα 2. Ζωγραφίζοντας με το ΒΥΟΒ Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα α. Θέση και προσανατολισμός της μορφής Η θέση της κάθε μορφής στο σκηνικό προσδιορίζεται
Διαβάστε περισσότεραΜαθηματικά. Ενότητα 3: Ολοκληρωτικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)
Μαθηματικά Ενότητα 3: Ολοκληρωτικός Λογισμός Σαριαννίδης Νικόλαος Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότερα4.3. Γραµµικοί ταξινοµητές
Γραµµικοί ταξινοµητές Γραµµικός ταξινοµητής είναι ένα σύστηµα ταξινόµησης που χρησιµοποιεί γραµµικές διακριτικές συναρτήσεις Οι ταξινοµητές αυτοί αναπαρίστανται συχνά µε οµάδες κόµβων εντός των οποίων
Διαβάστε περισσότεραΕθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος. Τεχνολογία Συστημάτων Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Τομέας Υδατικών Πόρων και Περιβάλλοντος Τεχνολογία Συστημάτων Υδατικών Πόρων Βελτιστοποίηση Μέρος b: Συμβατικές Μέθοδοι συνέχεια Σύνοψη προηγούμενου μαθήματος Στόχος βελτιστοποίησης:
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΗ ΤΗΣ ΚΙΝΗΣΗΣ ΤΩΝ ΣΩΜΑΤΩΝ ΣΕ ΜΙΑ ΔΙΑΣΤΑΣΗ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΑ ΜΕΤΑΒΑΛΛΟΜΕΝΗ ΚΙΝΗΣΗ (Ε.Ο.Μ.Κ.) Με διάγραμμα :
Νόμος Νόμοι Πρότυπο ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΚΙΝΗΣΗΣ ΤΩΝ ΣΩΜΑΤΩΝ ΣΕ ΜΙΑ ΔΙΑΣΤΑΣΗ ΕΥΘΥΓΡΑΜΜΗ ΟΜΑΛΑ ΜΕΤΑΒΑΛΛΟΜΕΝΗ ΚΙΝΗΣΗ (Ε.Ο.Μ.Κ.) Πρότυπο ευθύγραμμης ομαλά μεταβαλλόμενης κίνησης (Ε.Ο.Μ.Κ) Όταν η επιτάχυνση ενός
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. Εργασία εξαμήνου. Μάθηση του παιχνιδιού British square με χρήση Temporal Difference(TD) Κωνσταντάκης Γιώργος
Αυτόνομοι Πράκτορες Εργασία εξαμήνου Μάθηση του παιχνιδιού British square με χρήση Temporal Difference(TD) Κωνσταντάκης Γιώργος 2010030090 Περιγραφή του παιχνιδιού Το British square είναι ένα επιτραπέζιο
Διαβάστε περισσότεραΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ - ΕΙΣ
ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ - ΕΙΣ. ΚΑΤΕΥΘΥΝΣΗ ΔΙΟΙΚΗΣΗΣ ΤΟΥΡΙΣΤΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ ΚΑΙ ΕΠΙΧΕΙΡΗΣΕΩΝ ΦΙΛΟΞΕΝΙΑΣ Πληροφορική I "Προγραμματισμός" B. Φερεντίνος
Διαβάστε περισσότεραΚεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο
Κεφάλαιο 5. Το Συμπτωτικό Πολυώνυμο Σύνοψη Στο κεφάλαιο αυτό παρουσιάζεται η ιδέα του συμπτωτικού πολυωνύμου, του πολυωνύμου, δηλαδή, που είναι του μικρότερου δυνατού βαθμού και που, για συγκεκριμένες,
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 10 ΟΥ ΚΕΦΑΛΑΙΟΥ ΥΠΟΠΡΟΓΡΑΜΜΑΤΑ 1. Πως ορίζεται ο τμηματικός προγραμματισμός; Τμηματικός προγραμματισμός
Διαβάστε περισσότερα1. ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Η επιχειρησιακή έρευνα επικεντρώνεται στη λήψη αποφάσεων από επιχειρήσεις οργανισμούς, κράτη κτλ. Στα πλαίσια της επιχειρησιακής έρευνας εξετάζονται οι ακόλουθες περιπτώσεις : Γραμμικός προγραμματισμός
Διαβάστε περισσότεραΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ
Συναρτήσεις Προεπισκόπηση Κεφαλαίου Τα μαθηματικά είναι μια γλώσσα με ένα συγκεκριμένο λεξιλόγιο και πολλούς κανόνες. Πριν ξεκινήσετε το ταξίδι σας στον Απειροστικό Λογισμό, θα πρέπει να έχετε εξοικειωθεί
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΟ αλγόριθμος πρέπει να τηρεί κάποια κριτήρια
Αλγόριθμος είναι μια πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων και εκτελέσιμων σε πεπερασμένο χρόνο, που στοχεύουν στην επίλυση ενός προβλήματος. Ο αλγόριθμος πρέπει να τηρεί κάποια κριτήρια Είσοδος:
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΥΠΟΛΟΓΙΣΤΩΝ
Εισαγωγή ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΥΠΟΛΟΓΙΣΤΩΝ Όπως για όλες τις επιστήμες, έτσι και για την επιστήμη της Πληροφορικής, ο τελικός στόχος της είναι η επίλυση προβλημάτων. Λύνονται όμως όλα τα προβλήματα;
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex
Επιχειρησιακή Έρευνα Θεωρητική Θεμελίωση της Μεθόδου Simplex Νίκος Τσάντας ιατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών Τμήμ. Μαθηματικών Μαθηματικά των Υπολογιστών και των Αποφάσεων Ακαδημαϊκό έτος 2006-07
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ - Τεχνικές αναζήτησης - Search tools in MATLAB - Διερεύνηση λύσης NCM ΤΕΧΝΙΚΕΣ ΑΝΑΖΗΤΗΣΗΣ Στόχος: Ο σταδιακός
Διαβάστε περισσότεραΚάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών. Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων
Κάνοντας ακριβέστερες μετρήσεις με την βοήθεια των Μαθηματικών Ν. Παναγιωτίδης, Υπεύθυνος ΕΚΦΕ Ν. Ιωαννίνων Αν κάναμε ένα τεστ νοημοσύνης στους μαθητές και θέταμε την ερώτηση: Πως μπορεί να μετρηθεί το
Διαβάστε περισσότεραΆσκηση 1 Ένα κεντρικό βιβλιοπωλείο ειδικεύεται στα λογοτεχνικά βιβλία και τα βιβλία τέχνης. Προκειμένου να προωθήσει μια νέα συλλογή λογοτεχνικών βιβλίων και βιβλίων τέχνης, η διεύθυνση του βιβλιοπωλείου
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 6/12/07
Πρώτοι αριθμοί ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 6/12/07 Ένας ακέραιος μεγαλύτερος του 1 είναι πρώτος αν έχει ακριβώς δύο διαιρέτες (τη μονάδα και τον εαυτό του). Πρόβλημα: έλεγχος
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 22: Ανάπτυξη Κώδικα σε Matlab για την επίλυση Γραμμικών Προβλημάτων με τον Αναθεωρημένο Αλγόριθμο Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΣΤΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ Ενότητα 2: Γραφική επίλυση προβληµάτων γραµµικού προγραµµατισµού(γ.π.) ιδάσκων: Βασίλειος Ισµυρλής Τηλ:6979948174, e-mail: vasismir@gmail.com
Διαβάστε περισσότεραz = c 1 x 1 + c 2 x c n x n
Τεχνολογικό Εκπαιδευτικό Ιδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Γραμμικός Προγραμματισμός & Βελτιστοποίηση Δρ. Δημήτρης Βαρσάμης Καθηγητής Εφαρμογών Δρ. Δημήτρης Βαρσάμης Μάρτιος
Διαβάστε περισσότεραΠαραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Παραλλαγές του Προβλήματος Μεταφοράς Το Πρόβλημα Μεταφόρτωσης και το Πρόβλημα Αναθέσεων Γεωργία Φουτσιτζή ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα To Πρόβλημα Μεταφοράς
Διαβάστε περισσότεραΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΝΕΟ ΚΑΙ ΠΑΛΑΙΟ ΣΥΣΤΗΜΑ
ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΠΑΝΕΛΛΑ ΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΗΜΕΡΗΣΙΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ ΚΑΙ HMEΡΗΣΙΩΝ ΚΑΙ ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ (ΟΜΑ Α A ΚΑΙ ΜΑΘΗΜΑΤΩΝ ΕΙ ΙΚΟΤΗΤΑΣ ΟΜΑ Α Β ) ΣΑΒΒΑΤΟ 25 ΙΟΥΝΙΟΥ
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής ΤΕ Δυϊκότητα. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 1/12/2016
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Δυϊκότητα Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 1/12/2016 1 Το δυϊκό πρόβλημα Για κάθε πρόβλημα Γραμμικού Προγραμματισμού υπάρχει
Διαβάστε περισσότεραΣυνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών
Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών
Διαβάστε περισσότεραP(A ) = 1 P(A). Μονάδες 7
ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΠΑΡΑΣΚΕΥΗ 20 ΜΑΪΟΥ 2016 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ:
Διαβάστε περισσότεραΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι
ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ Ι Προσέγγιση και Ομοιότητα Σημάτων Επιμέλεια: Πέτρος Π. Γρουμπός Καθηγητής Γεώργιος Α. Βασκαντήρας Υπ. Διδάκτορας Τμήμα Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών Άδειες Χρήσης
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΕΙΣΑΓΩΓΙΚΟ ΜΑΘΗΜΑ - Θεμελιώδεις έννοιες - Επισκόπηση ύλης - Χρήσιμες πληροφορίες ΤΑΥΤΟΤΗΤΑ ΜΑΘΗΜΑΤΟΣ Μάθημα επιλογής
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ ΣΤΙΣ ΑΣΚΗΣΕΙΣ ΠΡΟΕΤΟΙΜΑΣΙΑΣ ΓΙΑ ΤΟ ΔΙΑΓΩΝΙΣΜΑ ΣΤΙΣ ΣΥΝΑΡΤΗΣΕΙΣ
ΑΠΑΝΤΗΣΕΙΣ ΣΤΙΣ ΑΣΚΗΣΕΙΣ ΠΡΟΕΤΟΙΜΑΣΙΑΣ ΓΙΑ ΤΟ ΔΙΑΓΩΝΙΣΜΑ ΣΤΙΣ ΣΥΝΑΡΤΗΣΕΙΣ 1. Τι ονομάζουμε συνάρτηση; Συνάρτηση ονομάζεται η αλληλεξάρτηση (ή η σχέση) δυο μεταβλητών εις τρόπον ώστε για κάθε τιμή της μιας
Διαβάστε περισσότερα