Υπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων
|
|
- Θωθ Κομνηνός
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Υπολογιστική πολυπλοκότητα του πρωτεύοντος αλγόριθμου εξωτερικών σημείων Γεώργιος Παπανίκος Τμ. Εφ. Πληροφορικής, Πανεπιστήμιο Μακεδονίας Εγνατία 156, Θεσσαλονίκη Νικόλαος Σαμαράς Τμ. Εφ. Πληροφορικής, Πανεπιστήμιο Μακεδονίας Εγνατία 156, Θεσσαλονίκη Περίληψη Οι αλγόριθμοι τύπου simplex έχουν επικρατήσει εδώ και πολλά χρόνια ως ένα από τα βασικότερα εργαλεία για την επίλυση προβλημάτων γραμμικού προγραμματισμού. Αρκετά χαρακτηριστικά γνωρίσματα ενός Γραμμικού Προβλήματος (ΓΠ) πρέπει να ληφθούν υπόψη προκειμένου να μετρηθεί με ακρίβεια η υπολογιστική συμπεριφορά ενός αλγορίθμου. Στην εργασία αυτή παρουσιάζεται ένας ολοκληρωμένος τρόπος υπολογισμού της υπολογιστικής πολυπλοκότητας του πρωτεύοντος αλγορίθμου εξωτερικών σημείων. Ο υπολογισμός της υπολογιστικής πολυπλοκότητας πραγματοποιήθηκε με τη χρήση παλινδρομήσεων σε ένα σύνολο 3239 πυκνών και αραιών ΓΠ. Οι καλύτερες παλινδρομήσεις που προέκυψαν, σύμφωνα με τις αρχές που διέπουν τη θεωρία των παλινδρομήσεων, υιοθετήθηκαν ως υποδείγματα χρονισμού και επαναλήψεων του αλγορίθμου εξωτερικών σημείων. Λέξεις Κλειδιά: Αλγόριθμος Εξωτερικών Σημείων, Θεωρία Παλινδρομήσεων, Τυχαία Πυκνά και Αραιά ΓΠ, Υπολογιστική Μελέτη. 1. Εισαγωγή Ο Γραμμικός Προγραμματισμός αποτελεί ίσως τον πιο σημαντικό και καλά μελετημένο χώρο της επιστήμης της βελτιστοποίησης. Ένα μεγάλο εύρος πραγματικών προβλημάτων μπορεί να μορφοποιηθεί ως πρόβλημα γραμμικού προγραμματισμού. Ο πρωτεύων αλγόριθμος Simplex (PSA), ο οποίος ανακαλύφθηκε από τον Dantzig [Dantzig (1949)], [Dantzig (1963)] ενέπνευσε αρκετούς ερευνητές για πολλά χρόνια επειδή η υπολογιστική συμπεριφορά του σε πραγματικά προβλήματα είναι καλύτερη από την ανάλυση πολυπλοκότητας χειρότερης περίπτωσης. Θεωρείται ότι αποτελεί έναν από τους πιο σημαντικούς αλγόριθμους στην επιστήμη των υπολογιστών [ash (2000)]. Είναι γνωστό ότι ο αλγόριθμος Simplex δεν είναι πολυωνυμικός. Ο orgwardt [orgwardt (1982)] απέδειξε ότι η μέση πολυπλοκότητα του αλγορίθμου Simplex είναι πολυωνυμική. Ο Paparrizos [Paparrizos (1990)] επεκτείνοντας προηγούμενα αποτελέσματά του, ανέπτυξε έναν αλγόριθμο εξωτερικών σημείων (EPSA) για γενικά προβλήματα γραμμικού προγραμματισμού. Ένα κοινό χαρακτηριστικό όλων σχεδόν των αλγορίθμων τύπου simplex είναι ότι μπορούν να ερμηνευτούν ως μια διαδικασία που ακολουθεί τύπου simplex διαδρομές οι οποίες καταλήγουν στη βέλτιστη λύση σε πεπερασμένο αριθμό επαναλήψεων. Ο αλγόριθμος αυτός διαφέρει ριζικά από τον PSA επειδή οι βασικές λύσεις του δεν είναι εφικτές. Οι Paparrizos et al. [Paparrizos et al. (2008)] έδειξαν ότι η
2 γεωμετρία του EPSA καθιστά φανερό ότι αυτός ο αλγόριθμος είναι ταχύτερος από τον PSA, γεγονός το οποίο επαληθεύτηκε σε πρωταρχικά υπολογιστικά αποτελέσματα σύγκρισης πρώιμων δυϊκών εκδόσεων του EPSA σε ειδικά δομημένα γραμμικά προβλήματα, [Dosios and Paparrizos (1997)]. Η κλασική ανάλυση πολυπλοκότητας ασχολείται με τη θεωρητική μελέτη αλγορίθμων συναρτήσει μόνο της διάστασης των προβλημάτων. Από την άλλη μεριά η εμπειρική ή πειραματική ανάλυση ασχολείται με την υλοποίηση των αλγορίθμων και τη μέτρηση της συμπεριφοράς τους σε τυχαία ΓΠ ή/και σε μετροπρογράμματα. Αυτές οι δυο προσεγγίσεις είναι συμπληρωματικές μεταξύ τους. Αποτελεί πρόκληση η δημιουργία ενός υποδείγματος χρονισμού για έναν αλγόριθμο έτσι ώστε να μπορεί να προβλεφθεί η πραγματική υπολογιστική του συμπεριφορά. Στην παρούσα εργασία παρουσιάζουμε ένα υπόδειγμα χρονισμού για πρωτεύων αλγόριθμο εξωτερικών σημείων με ανάλυση παλινδρόμησης. Η ανάλυση παλινδρόμησης αποτελεί ένα ισχυρό στατιστικό εργαλείο για τον υπολογισμό της υπολογιστικής συμπεριφοράς αλγορίθμων. Η διάρθρωση του άρθρου είναι η ακόλουθη: Στην ενότητα 2 ανακεφαλαιώνουμε ορισμένα γνωστά αποτελέσματα και παρουσιάζουμε τον αλγόριθμο EPSA. Στην ενότητα 3 δίνουμε τα κύρια γνωρίσματα των δεδομένων της υπολογιστικής μελέτης. Στην ενότητα 4 παρουσιάζουμε τις υπολογιστικές πολυπλοκότητες (χρόνο CPU και επαναλήψεις) για τα πυκνά και αραιά ΓΠ. Τέλος στην ενότητα 5 αναφέρουμε τα συμπεράσματά μας. 2. Περιγραφή του Αλγορίθμου Έστω το ακόλουθο πρόγραμμα γραμμικού προγραμματισμού min c x μ. π. Ax = b (LP.1) x 0 όπου A R m n, c, x R n, b R m και σημαίνει αναστροφή. Υποθέτουμε ότι rank(a) = m, 1 m < n. Διαμερίζοντας τον πίνακα Α ως 1 και τα διανύσματα x και c αντίστοιχα ως A = [ ] x x = x, c c = c το (LP.1) γράφεται min μ. π. c x x x + c + x,x x = b 0 1 Χρησιμοποιούμε μια φορά το γράμμα Β για να συμβολίσουμε ένα σύνολο δεικτών και μια φορά για να συμβολίσουμε έναν πίνακα. Το ίδιο κάνουμε και για το Ν. Θεωρούμε ότι από τα συμφραζόμενα θα φαίνεται αν τα γράμματα αυτά συμβολίζουν σύνολα δεικτών ή πίνακες.
3 Ο πίνακας είναι ένας mxn αντιστρέψιμος υποπίνακας του A, γνωστός ως βασικός πίνακας. Οι στήλες του A οι οποίες ανήκουν στον λέγονται βασικές και όσες εναπομένουν λέγονται μη βασικές. Δοθείσης μιας βάσης, η αντίστοιχη λύση x = -1 b, x = 0 ονομάζεται βασική λύση. Μια λύση x = (x, x ) είναι εφικτή αν x 0. Διαφορετικά λέγεται μη εφικτή. Είναι γνωστό ότι η λύση του δυϊκού προβλήματος που αντιστοιχεί στη βάση, δίνεται από την s = c A w όπου w = (c ) -1 είναι οι πολλαπλασιαστές simplex και s είναι οι δυϊκές χαλαρές μεταβλητές. Η αντίστοιχη βάση λέγεται δυϊκή εφικτή αν s 0. Είναι γνωστό επίσης ότι s = 0. Σε κάθε επανάληψη ο EPSA δημιουργεί δύο δρόμους προς την βέλτιστη λύση. Ο ένας δρόμος είναι μη εφικτός και ο άλλος είναι εφικτός. Έτσι ο EPSA δεν χρειάζεται να προχωράει εξετάζοντας μια τέτοια ακμή μετά την άλλη κατά μήκος του πολύεδρου P = {x Ax b, x 0}. Επομένως, μπορούμε να ακολουθήσουμε συντομότερους δρόμους παρακάμπτοντας την εφικτή περιοχή. Πριν να προχωρήσουμε στην περιγραφή του EPSA, κρίνουμε σκόπιμο να εξηγήσουμε κάποιους συμβολισμούς. Η i-γραμμή του A συμβολίζεται με A i. και η j-στήλη με A.j. Σημειωτέον ότι το συνολικό έργο μιας επανάληψης σε αλγόριθμους τύπου simplex καθορίζεται από τον προσδιορισμό του αντίστροφου πίνακα -1 και σε κάθε επανάληψη ο τρέχων αντίστροφος -1 μπορεί να υπολογιστεί από τον προηγούμενο αντίστροφο -1 με μια απλή πράξη περιστροφής. Δηλαδή έχουμε όπου Ε -1 είναι ο πίνακας E 1 1 = I a pq ( a q -1 = Ε -1 Β -1 e ) e q q 1 = a a 1q 1/ a mq / a pq / a pq pq 1 Στην παραπάνω σχέση a pq είναι το στοιχείο περιστροφής, η στήλη q λέγεται στήλη περιστροφής και η γραμμή p λέγεται γραμμή περιστροφής. Ο πρωτεύων αλγόριθμος EPSA. Βήμα 0. (Αρχικοποίηση). Άρχισε με μια εφικτή βασική διαμέριση [, ]. Υπολόγισε τον πίνακα και τα διανύσματα -1, x, w, s, αντίστοιχα. Βρες τα σύνολα P = {j : s j < 0} και Q = {j : s j 0}. Επέλεξε αυθαίρετα ένα διάνυσμα λ = (λ 1, λ 2,, λ P ) > 0 και υπολόγισε το s 0 χρησιμοποιώντας τη σχέση και το διάνυσμα s 0 = λ js j j P
4 με Βήμα 1. (Έλεγχος τερματισμού). d h = j j P = 1 λ h A j.j j i. (Έλεγχος βελτιστότητας). Αν P =, SOP. Το πρόβλημα (LP.1) είναι βέλτιστο. ii. (Επιλογή εξερχόμενης μεταβλητής). Αν d 0, SOP. Αν s 0 = 0, το πρόβλημα (P.1) είναι βέλτιστο. Αν s 0 < 0 το πρόβλημα (LP.1) είναι απεριόριστο. Διαφορετικά, επέλεξε την εξερχόμενη μεταβλητή x [r] = x k χρησιμοποιώντας τη σχέση x [] r x [] i α = = min : d [] i < 0 d [] r d [] i Βήμα 2. (Επιλογή εισερχόμενης μεταβλητής). Υπολόγισε τα διανύσματα H rp = ( -1 ) r. A P και H rq = ( -1 ) r. A Q. Βρες επίσης τους λόγους θ 1 και θ 2 χρησιμοποιώντας τις σχέσεις sp s j θ1 = = min : h rj > 0 και j P (1) h rp h rj sq s j θ2 = = min : h rj < 0 και j Q (2) h rq h rj και προσδιόρισε δείκτες t 1 και t 2 τέτοιους ώστε P(t 1 ) = p και Q(t 2 ) = q. Αν θ 1 θ 2, θέσε l = p. Διαφορετικά, θέσε l = q. Η μη βασική μεταβλητή x l εισέρχεται στη βάση. Βήμα 3. (Περιστροφή). Θέσε [r] = l. Αν θ 1 θ 2 θέσε P = P\{l} και Q = Q {k}. Διαφορετικά, θέσε Q[t 2 ] = k. Χρησιμοποιώντας τη νέα διαμέριση (, ), όπου = (P, Q), υπολόγισε τον πίνακα και τα διανύσματα -1, x, w, s, αντίστοιχα. Επίσης, ανανέωσε το διάνυσμα d χρησιμοποιώντας τη σχέση d = E 1 d και πήγαινε στο Βήμα Δεδομένα υπολογιστική μελέτης 3.1. Τυχαία Πυκνά και Αραιά ΓΠ Το σύνολο των ΓΠ που χρησιμοποιήθηκαν προκειμένου να υπολογιστούν τα υποδείγματα χρονισμού ήταν 3239 τυχαία προβλήματα. Από αυτά 610 ήταν πυκνά και τα υπόλοιπα 2629 αραιά. Στον Πίνακα 1 παρουσιάζονται τα διαστήματα τιμών για το πλήθος των τεχνολογικών περιορισμών, για το πλήθος των μεταβλητών απόφασης καθώς και το
5 μικρότερο και μεγαλύτερο ΓΠ που χρησιμοποιήθηκες στο υπολογιστικό πείραμα. Στον Πίνακα 2 παρουσιάζεται η κατανομή των πυκνών και αραιών ΓΠ ως προς την κατάστασή τους (βέλτιστα, απεριόριστα και αδύνατα). Πίνακας 1. Ελάχιστο και Μέγιστο μέγεθος ΓΠ Πυκνά Αραιά Διάστημα τιμών για το m [ ] [3 5086] Διάστημα τιμών για το n [ ] [5 5859] ΓΠ με την ελάχιστη διάσταση 10x18 3x5 ΓΠ με τη μέγιστη διάσταση 2181x x5859 Πίνακας 2. Κατηγοριοποίηση ΓΠ Σύνολο (3239) Πυκνά (610) Αραιά (2629) Αδύνατα (0) Εφικτά (610) Αδύνατα (246) Εφικτά (2383) Βέλτιστα (610) Απεριόριστα (0) Βέλτιστα (2223) Κάθε ΓΠ πρόβλημα που δημιουργήθηκε έχει την ακόλουθη γενική μορφή 3.2. Υπολογιστικό περιβάλλον min z = st.. Ax b x 0 c x { } n m m n cx, R, b R, A R and =,=, Απεριόριστα (160) Ο πρωτεύων αλγόριθμος εξωτερικών σημείων υλοποιήθηκε στο περιβάλλον MathWorks MALA, version R14. Οι κύριοι λόγοι αυτής της επιλογής ήταν οι δυνατότητες χειρισμού αραιών πινάκων από το MALA. Τα χαρακτηριστικά του hardware και του software διαδραματίζουν καθοριστικό ρόλο στην υπολογιστική συμπεριφορά ενός αλγορίθμου [Maros et al. (1999)]. Τα χαρακτηριστικά του υπολογιστικού περιβάλλοντος που χρησιμοποιήθηκε φαίνονται στον Πίνακα Υπόδειγμα χρονισμού 4.1 Αρχικές δοκιμές Πίνακας 3. Περιγραφή υπολογιστικού περιβάλλοντος CPU Intel(R) Core, i GHz (2 processors) RAM size M L3 Cache size 8 M L2 Cache size 4x256 K L1 Cache size 4x32 K Operating System Microsoft Windows 7 Professional SP1 MALA version R14 SP1
6 Οι εξαρτημένες μεταβλητές οι οποίες χρησιμοποιήθηκαν για τον προσδιορισμό του καλύτερου υποδείγματος χρονισμού ήταν οι ακόλουθες: m πλήθος περιορισμών, n πλήθος μεταβλητών, density πυκνότητα ΓΠ, nnz πλήθος μη-μηδενικών στοιχείων του πίνακα Α, L μήκος δεδομένων και cond(a) βαθμός κατάστασης του πίνακα Α. Στη συνέχεια με τα στοιχεία που προέκυψαν διενεργήθηκε στατιστική επεξεργασία χρησιμοποιώντας το πρόγραμμα E-views 5.1 ώστε να εκτιμηθεί προσεγγιστικά η υπολογιστική πολυπλοκότητα του αλγορίθμου. Μετά από αρκετές δοκιμές καταλήξαμε στο συμπέρασμα ότι δεν υπάρχει μια γραμμική συσχέτιση μεταξύ της εξαρτημένης μεταβλητής και των ανεξάρτητων μεταβλητών. Συνολικά δημιουργήθηκαν 69 διαφορετικές παλινδρομήσεις και για τα πυκνά και για τα αραιά ΓΠ. Τα κριτήρια αποδοχής μιας παλινδρόμησης ήταν, σύμφωνα με τη στατιστική θεωρεία των παλινδρομήσεων, ο συντελεστής προσδιορισμού R 2 και ο διορθωμένος συντελεστής R 2 adjusted καθώς και η σημαντικότητα των συντελεστών της παλινδρόμησης (Prob< 0.05). Δηλαδή όλοι οι συντελεστές είναι στατιστικά σημαντικοί Κατασκευή υποδείγματος Για την εύρεση του καλύτερου υποδείγματος χρησιμοποιήθηκαν αρκετοί μετασχηματισμοί τόσο στις εξαρτημένες μεταβλητές όσο και στις ανεξάρτητες. Συγκεκριμένα, οι μετασχηματισμοί που χρησιμοποιήθηκαν είναι οι ακόλουθοι: m, n,, cond_α, m 2, n 2,, cond_α 2, m 3, n 3, ln(m), ln(n),., και ln(cond_α). Το καλύτερο υπόδειγμα παλινδρόμησης για τις επαναλήψεις σε πυκνά ΓΠ είναι το ακόλουθο: Log(niter)= m log(n) log(nnz) log(L)+ 1.34E-6m E-11n E-10nnz E-12L 2 Πίνακας 5. Καλύτερο υπόδειγμα παλινδρόμησης για τις επαναλήψεις σε πυκνά ΓΠ Dependent Variable: LOGIER Method: Least Squares Sample: Included observations: 610 Variable Coefficient Std. Error t-statistic Prob. C M LOG LOGZ LOGL M^2 1.34E E ^3 5.06E E Z^2 1.71E E L^2-1.42E E R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
7 Το παραπάνω υπόδειγμα (Πίνακας 4), συνδυάζοντας ικανοποιητικές τιμές για τους συντελεστές προσδιορισμού, χαμηλά σφάλματα και κανονική κατανομή των καταλοίπων των παρατηρήσεων, αποτελεί την καλύτερη επιλογή για την υπολογιστική συμπεριφορά του πρωτεύοντος αλγορίθμου εξωτερικών σημείων κατά την επίλυση πυκνών γραμμικών προβλημάτων όσον αφορά το πλήθος των επαναλήψεων του. Τα ίδια συμπεράσματα ισχύουν και για το υπόδειγμα παλινδρόμησης για το χρόνο CPU σε πυκνά ΓΠ (Πίνακας 5). Το καλύτερο υπόδειγμα παλινδρόμησης για το χρόνο CPU σε πυκνά ΓΠ είναι το ακόλουθο: Log(cpu)= n m-1.55E-5m E-6n E-9m E-9n E-12m E-13n E-27nnz 4 Πίνακας 5. Καλύτερο υπόδειγμα παλινδρόμησης για το χρόνο CPU σε πυκνά ΓΠ Dependent Variable: LOGCPU Method: Least Squares Sample: Included observations: 610 Variable Coefficient Std. Error t-statistic Prob. C M M^2-1.55E E ^2-6.10E E M^3 8.98E E ^3 2.28E E M^4-1.96E E ^4-3.22E E Z^4 2.06E E R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Το καλύτερο υπόδειγμα παλινδρόμησης για τις επαναλήψεις σε αραιά ΓΠ είναι το ακόλουθο: Log(niter)= 0.688log(L)-0.045log(cond(A)) m density+8.8E- 8m E-14nnz density 2 Πίνακας 6. Καλύτερο υπόδειγμα παλινδρόμησης για τις επαναλήψεις σε αραιά ΓΠ Dependent Variable: LOGIER Method: Least Squares Sample: Included observations: 2629 Variable Coefficient Std. Error t-statistic Prob.
8 LOGL LOGCODA M E DESIY M^2 8.82E E Z^2 2.76E E DESIY^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat Το παραπάνω υπόδειγμα (Πίνακας 6), συνδυάζοντας ικανοποιητικές τιμές για τους συντελεστές προσδιορισμού, χαμηλά σφάλματα και κανονική κατανομή των καταλοίπων των παρατηρήσεων, αποτελεί την καλύτερη επιλογή για την υπολογιστική συμπεριφορά του πρωτεύοντος αλγορίθμου εξωτερικών σημείων κατά την επίλυση αραιών γραμμικών προβλημάτων όσον αφορά το πλήθος των επαναλήψεων του. Τα ίδια συμπεράσματα ισχύουν και για το υπόδειγμα παλινδρόμησης για το χρόνο CPU σε αραιά ΓΠ (Πίνακας 7). Το καλύτερο υπόδειγμα παλινδρόμησης για το χρόνο CPU σε αραιά ΓΠ είναι το ακόλουθο: Log(cpu)= log(L)-1.144log(density)-0.047log(cond(A))+2.12E- 7L-1.26E-14L E-22L E-30L 4 Πίνακας 7. Καλύτερο υπόδειγμα παλινδρόμησης για το χρόνο CPU σε αραιά ΓΠ Dependent Variable: LOGCPU Method: Least Squares Sample: Included observations: 2629 Variable Coefficien t Std. Error t-statistic Prob. C LOGL LOGDESIY LOGCODA L 2.12E E L^2-1.26E E L^3 2.98E E L^4-2.24E E R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
9 5. Συμπεράσματα Η ανάλυση παλινδρόμησης που παρουσιάστηκε στην ενότητα 4 για το χρόνο CPU και για το πλήθος των επαναλήψεων για κάθε κατηγορία προβλημάτων (πυκνά και αραιά) καταδεικνύει αρκετά ικανοποιητικές τιμές για το διορθωμένο συντελεστή R 2 adj καθώς και χαμηλές τιμές των τυπικών σφαλμάτων και στατιστικά σημαντικούς συντελεστές των παλινδρομήσεων. Επομένως, τα τελικά υποδείγματα υπολογιστικής πολυπλοκότητας είναι αποδοτικά, σύμφωνα με τη συμπεριφορά του αλγορίθμου εξωτερικών σημείων σε τυχαία πυκνά και αραιά ΓΠ. Αναφορές orgwardt, Η.Κ. (1982), Some distribution independent results about the asymptotic order of the average number of pivot steps in the simplex method, Mathematics of Operations Research, 7(3), Dantzig G.. (1949), Programming of Interdependent Activities, II, Mathematical Model, Econometrica, 17(3 and 4), Dantzig G.. (1963) Linear Programming and Extensions. J: Princeton, Princeton University Press. Dosios, K., Paparrizos K, (1997). "Resolution of the problem of degeneracy in a primal and dual simplex algorithm", Operation Research Letters, 20, Maros I. and Khaliq M. H. (1999) Αdvances in Design and Implementation of Optimization Software, echnical report, Imperial College London. ash J. C. (2000), he top 10 algorithms, Computing in Science and Engineering, 2(1), Paparrizos, K. (1990). "A generalization of an exterior point simplex algorithm for linear programming problems", echnical Report, University of Macedonia. Paparrizos, K., Samaras,., siplidis, K. (2008). "Pivoting algorithms for (LP) generating two paths", Pardalos, M.P., Floudas, A.C. (Eds), Encyclopedia of Optimization, 2 nd edition, Springer,
ΕΝΑΣ ΝΕΟΣ ΤΡΟΠΟΣ ΔΗΜΙΟΥΡΓΙΑΣ ΤΥΧΑΙΩΝ ΒΕΛΤΙΣΤΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ ΚΑΙ ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ
ΕΝΑΣ ΝΕΟΣ ΤΡΟΠΟΣ ΔΗΜΙΟΥΡΓΙΑΣ ΤΥΧΑΙΩΝ ΒΕΛΤΙΣΤΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ ΚΑΙ ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ Παπαρρίζος Κωνσταντίνος, Σαμαράς Νικόλαος, Στεφανίδης Γεώργιος Τμ. Εφαρμοσμένης Πληροφορικής
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Διαβάστε περισσότεραΚαμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10)
Καμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10) 1 2 y t = β 0 + β 1 x t + u t y t = Πληθωρισμός x t = Ανεργία 3 Dependent Variable: INFLATION Method: Least Squares Sample: 1948-1996 (49) C
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 21: Δυϊκή Θεωρία, Θεώρημα Συμπληρωματικής Χαλαρότητας και τρόποι χρήσης του Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 3/4/2012. Lecture08 1
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Μεθοδολογία αλγορίθμων τύπου simplex (5) Βήμα 0: Αρχικοποίηση (Initialization). Στο βήμα
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 13: Μεθοδολογία Αλγορίθμων τύπου Simplex, Αναθεωρημένος Πρωτεύων Αλγόριθμος Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε
Διαβάστε περισσότεραΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΙΕΘΝΩΝ ΚΑΙ ΕΥΡΩΠΑΪΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥ ΩΝ Μάθηµα: Εφαρµοσµένη Οικονοµετρία (Aκαδηµαϊκό έτος: 2008-2009) Σπύρος Σκούρας Ονοµατεπώνυµο: ΘΕΜΑΤΑ ΕΞΕΤΑΣΕΩΝ ΙΟΥΛΙΟΥ 2009
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 3ο Κίβδηλες παλινδρομήσεις Μια από τις υποθέσεις που χρησιμοποιούμε στην ανάλυση της παλινδρόμησης είναι ότι οι χρονικές σειρές που χρησιμοποιούμε
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 18: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 19: Επίλυση Γενικών Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΕΦΑΡΜΟΣΜΕΝΗΣ ΟΙΚΟΝΟΜΕΤΡΙΑΣ LAB 2
Landis Conrad conrad@aueb.gr AΣΥΜΠΤΩΤΙΚΕΣ ΙΔΙΟΤΗΤΕΣ ΤΩΝ ΕΚΤΙΜΗΤΩΝ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ ΣΤΑΣΙΜΕΣ- ΑΣΘΕΝΩΣ ΕΞΑΡΤΩΜΕΝΕΣ ΧΡΟΝΟΣΕΙΡEΣ ΔΙΑΔΙΚΑΣΙΕΣ ΜΟΝΑΔΙΑΙΑΣ ΡΙΖΑΣ Οι παρατηρήσεις που θα χρησιµοποιήσουµε σε
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης 28/3/2012. Lecture07 1
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Χαρακτηριστικά αλγορίθμων τύπου simplex (5) Αν το βασικό σημείο ικανοποιεί ακριβώς n-m ανισότητες
Διαβάστε περισσότεραΕπιτόκια, Πληθωρισμός και Έλλειμμα (10.2, 12.6, 18.2, 18.6, 18.7)
Επιτόκια, Πληθωρισμός και Έλλειμμα (10.2, 12.6, 18.2, 18.6, 18.7) 1 Dependent Variable: T_BILLS3 Method: Least Squares Sample: 1948-2003 C 1.25 0.44 2.83 0.01 INFLATION 0.61 0.08 8.09 0.00 DEFICIT 0.70
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 περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΤΡΑΠΕΖΙΚΗ Θεματική Ενότητα: ΤΡΑ-61 Στρατηγική Τραπεζών Ακαδημαϊκό Έτος: 2013-2014
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών: ΤΡΑΠΕΖΙΚΗ Θεματική Ενότητα: ΤΡΑ-61 Στρατηγική Τραπεζών Ακαδημαϊκό Έτος: 2013-2014 Γενικές οδηγίες για την εργασία Τέταρτη Γραπτή Εργασία Όλες οι ερωτήσεις
Διαβάστε περισσότεραΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX
ΚΕΦΑΛΑΙΟ 3 ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX 3.1 Εισαγωγή Ο αλγόριθμος Simplex θεωρείται πλέον ως ένας κλασικός αλγόριθμος για την επίλυση γραμμικών προβλημάτων. Η πρακτική αποτελεσματικότητά του έχει
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX. 2.1 Βασικές έννοιες - Ορισμοί
ΚΕΦΑΛΑΙΟ 2 ΑΛΓΟΡΙΘΜΟΙ ΤΥΠΟΥ SIMPLEX 2.1 Βασικές έννοιες - Ορισμοί Ο αλγόριθμος Simplex για τα προβλήματα γραμμικού προγραμματισμού, βλέπε Dntzig (1963), αποδίδει αρκετά καλά στην πράξη, ιδιαίτερα σε προβλήματα
Διαβάστε περισσότεραΧΡΟΝΟΣΕΙΡΕΣ TUTORIAL 3 ΣΤΑΣΘΜΟΤΗΤΑ ΔΘΑΔΘΚΑΣΘΕΣ ΜΟΝΑΔΘΑΣ ΡΘΖΑΣ ΣΥΝΟΛΟΚΛΗΡΩΣΗ
ΦΡΟΝΤΙΣΤΗΡΙΟ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΙΙ 7-6-1012 Landis Conrad ΧΡΟΝΟΣΕΙΡΕΣ TUTORIAL 3 ΣΤΑΣΘΜΟΤΗΤΑ ΔΘΑΔΘΚΑΣΘΕΣ ΜΟΝΑΔΘΑΣ ΡΘΖΑΣ ΣΥΝΟΛΟΚΛΗΡΩΣΗ Για τθν άςκθςθ χρθςιμοποιοφμε τισ παρακάτω μεταβλθτζσ, ςε θμεριςια κλίμακα,
Διαβάστε περισσότεραΔιαχείριση ενεργειακών πόρων & συστημάτων Πρακτικά συνεδρίου(isbn: )
ISN: 978-960-87277-8-6 23 ο Εθνικό Συνέδριο Ελληνικής Εταιρείας Επιχειρησιακών Ερευνών Διαχείριση ενεργειακών πόρων & συστημάτων Πρακτικά συνεδρίου(isn: 978-960-87277-8-6) Αθήνα, 2-4 Σεπτεμβρίου 202 Αίθουσα
Διαβάστε περισσότεραΠαράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ
Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Διπλωματική Εργασία Μεταπτυχιακού Προγράμματος στην Εφαρμοσμένη Πληροφορική Κατεύθυνση: Συστήματα Υπολογιστών
Διαβάστε περισσότεραΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ. 4.1 Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων
ΚΕΦΑΛΑΙΟ 4 ΕΠΙΛΥΣΗ ΕΚΦΥΛΙΣΜΕΝΩΝ ΚΑΙ ΓΕΝΙΚΩΝ ΓΡΑΜΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ 4. Επίλυση Εκφυλισμένων Γραμμικών Προβλημάτων Η περιγραφή του ΔΑΣΕΣ στο προηγούμενο κεφάλαιο έγινε με σκοπό να διευκολυνθούν οι αποδείξεις
Διαβάστε περισσότεραΥπολογιςτική πολυπλοκότητα αλγορίθμων γραμμικοφ προγραμματιςμοφ
Υπολογιςτική πολυπλοκότητα αλγορίθμων Διπλωματικι Εργαςία του φοιτθτι Οβελίδθ Παρίςθ Α.Μ.: 27/11 για το Μεταπτυχιακό ςτο Τμιμα Εφαρμοςμζνθσ Πλθροφορικισ Επιβλζπων Κακθγθτισ: Σαμαράσ Νικόλαοσ Πανεπιςτιμιο
Διαβάστε περισσότεραΠροβλέψεις ισοτιμιών στο EViews
Προβλέψεις ισοτιμιών στο EViews Θεωρητικό πλαίσιο προβλέψεων σημείου Σημαντικές επιλογές πλαισίου: Τί θα κάνουμε με την πρόβλεψη; Θα την μοιραστούμε με πολλούς πελάτες, που θα την χρησιμοποιήσουν με διαφορετικό
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 15: Κύκλωση Δεσμοί, Κανόνες Περιστροφής Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΜοντελοποίηση των αποδόσεων των κρατικών ομολόγων των χωρών της Ευρωζώνης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ & ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΑΝΑΛΟΓΙΣΤΙΚΗ ΕΠΙΣΤΗΜΗ & ΔΙΟΙΚΗΤΙΚΗ ΚΙΝΔΥΝΟΥ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Μοντελοποίηση των αποδόσεων των κρατικών
Διαβάστε περισσότεραΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ. (TEST: Unit Root-Cointegration )
ΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ (TEST: Unit Root-Cointegration ) ΦΑΙΝΟΜΕΝΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η στασιμότητα των δεδομένων (χρονοσειρών) είναι θεωρητική προϋπόθεση για την παλινδρόμηση, δηλ. την εκτίμηση
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 9: Δυϊκή Θεωρία Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΕΛΕΤΗ ΤΗΣ ΥΠΟΛΟΓΙΣΤΙΚΗΣ ΣΥΜΠΕΡΙΦΟΡΑΣ ΤΟΥ ΑΛΓΟΡΙΘΜΟΥ ΕΞΩΤΕΡΙΚΩΝ ΣΗΜΕΙΩΝ Διπλωματική Εργασία του Πόνου Παύλου Θεσσαλονίκη,
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 11: Σχέσεις Πρωτεύοντος και Δυϊκού Προβλήματος, Χαρακτηριστικά Αλγορίθμων τύπου Simplex Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ
ΚΕΦΑΛΑΙΟ 5 ΜΙΑ ΣΥΓΚΡΙΤΙΚΗ ΥΠΟΛΟΓΙΣΤΙΚΗ ΜΕΛΕΤΗ 5.1 Εισαγωγή Μια υπολογιστική μελέτη (computational study) αποτελεί ένα μέσο σύγκρισης δυο ή περισσότερων αλγορίθμων ώστε να εξαχθούν ασφαλή συμπεράσματα για
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 περισσότεραΣηµαντικές µεταβλητές για την άσκηση οικονοµικής ολιτικής µίας χώρας. Καθοριστικοί αράγοντες για την οικονοµική ανά τυξη.
ΑΜΕΣΕΣ ΞΕΝΕΣ ΕΠΕΝΔΥΣΕΙΣ, ΑΕΠ, ΕΞΑΓΩΓΕΣ: ΜΙΑ ΕΜΠΕΙΡΙΚΗ ΕΡΕΥΝΑ ΓΙΑ ΕΛΛΑΔΑ- ΙΣΠΑΝΙΑ-ΠΟΡΤΟΓΑΛΙΑΠΟΡΤΟΓΑΛΙΑ Επιβλέπων καθηγητής: Δριτσάκης Νικόλαος Εκπονήθηκε από: Τέμπου Αικατερίνη (11/37) ΕΙΣΑΓΩΓΙΚΑ Μελέτη
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Ενότητα 10
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ ΑΛΓΟΡΙΘΜΟΙ Ενότητα 10: Επαναληπτική Βελτίωση Ιωάννης Μανωλόπουλος, Καθηγητής Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το
Διαβάστε περισσότεραΟΠΤΙΚΟΠΟΙΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
ΟΠΤΙΚΟΠΟΙΗΣΗ ΑΛΓΟΡΙΘΜΩΝ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Λαζαρίδης Βασίλειος Παπαρρίζος Κωνσταντίνος Σαμαράς Νικόλαος Τμ. Εφαρμοσμένης Πληροφορικής Πανεπιστήμιο Μακεδονίας Εγνατία 56 54006 Θεσσαλονίκη e-mail:
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα
Επιχειρησιακή Έρευνα Ενότητα 10: Το πρόβλημα μεταφοράς: μαθηματικό μοντέλο και μεθοδολογία επίλυσης Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότερα/
: 2014 2010 2015/2014 : 2014 2010 2015/2014 I II الملخص The aim of this study is to know the effect of the number of the financial indicators on the prices of organizations shares in Dubai s stock exchange,
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΠαράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ
Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ Διπλωματική Εργασία Μεταπτυχιακού Προγράμματος στην Εφαρμοσμένη Πληροφορική Κατεύθυνση: Συστήματα Υπολογιστών
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
Διαβάστε περισσότεραΔΗΜΗΤΡΗΣ- ΘΕΟΔΩΡΟΣ ΦΙΛΙΠΠΑΚΟΣ
ΠΑΝΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΟΙΝΩΝΙΚΩΝ ΚΑΙ ΠΟΛΙΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τμήμα Δημόσιας Διοίκησης Μεταπτυχιακό Πρόγραμμα Σπουδών:Οικονομικά της Παραγωγής και των Διακλαδικών Σχέσεων ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΔΙΕΡΕΥΝΗΣΗ ΚΙΝΔΥΝΟΥ
Διαβάστε περισσότεραΤμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Δυϊκή Θεωρία (1) Θεώρημα : Το δυϊκό πρόβλημα του γραμμικού προβλήματος 0 0 1 1 2 2 0 0 T
Διαβάστε περισσότεραTable 1: Military Service: Models. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed
Tables: Military Service Table 1: Military Service: Models Model 1 Model 2 Model 3 Model 4 Model 5 Model 6 Model 7 Model 8 Model 9 num unemployed mili mili num unemployed mili 0.489-0.014-0.044-0.044-1.469-2.026-2.026
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός Δημήτρης Φωτάκης Προσθήκες (λίγες): Άρης Παγουρτζής Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση
Διαβάστε περισσότεραΤο πρόβλημα της διαχείρισης των μεταβλητών δαπανών αποτελεί αντικείμενο που χρήζει
ΔIOIKHTIKH ENHMEPΩΣH 95 ΔΙΟΙΚΗΣΗ ΔΗΜΟΣΙΩΝ ΝΟΣΟΚΟΜΕΙΑΚΩΝ ΜΟΝΑΔΩΝ- ΕΦΑΡΜΟΓΗ ΜΕΘΟΔΩΝ ΠΟΣΟΤΙΚΗΣ ΑΝΑΛΥΣΗΣ ΣΤΟΝ ΕΛΕΓΧΟ ΤΩΝ ΔΑΠΑΝΩΝ Tου Μάριου Τσάκα 1. ΕΙΣΑΓΩΓΗ Το πρόβλημα της διαχείρισης των μεταβλητών δαπανών
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΜΕΘΟΔΟΣ SIMPLEX, διαλ. 3 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 29/4/2017 ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Bέλτιστος σχεδιασμός με αντικειμενική συνάρτηση και περιορισμούς
Διαβάστε περισσότερα2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών
Διαβάστε περισσότεραΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ
Ενότητα Τμήμα Εφαρμοσμένης Πληροφορικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας
Διαβάστε περισσότεραβ) (βαζκνί: 2) Έζησ όηη ε ρξνλνινγηθή ζεηξά έρεη κέζε ηηκή 0 θαη είλαη αληηζηξέςηκε. Δίλεηαη ην αθόινπζν απνηέιεζκα από ην EViews γηα ηε :
1 ΝΑ ΑΠΑΝΤΗΘΟΥΝ 2 ΑΠΟ ΤΑ 3 ΘΕΜΑΤΑ ΘΕΜΑ 1 α) (βαζκνί: 3) Έζησ όηη ε ρξνλνινγηθή ζεηξά είλαη ζηάζηκε, αληηζηξέςηκε θαη αθνινπζεί ην ΑR(1) ππόδεηγκα. Να βξεζνύλ ε κέζε ηηκή, ε δηαζπνξά θαη ε απηνζπζρέηηζε
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότεραΆσκηση 11. Δίνονται οι παρακάτω παρατηρήσεις:
Άσκηση. Δίνονται οι παρακάτω παρατηρήσεις: X X X X Y 7 50 6 7 6 6 96 7 0 5 55 9 5 59 6 8 8 5 0 59 7 7 8 8 5 5 0 7 69 9 6 6 7 6 9 5 7 6 8 5 6 69 8 0 50 66 0 0 50 8 59 76 8 7 60 7 87 6 5 7 88 9 8 50 0 5
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός Μέθοδος Simplex
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση
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 περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραSECTION II: PROBABILITY MODELS
SECTION II: PROBABILITY MODELS 1 SECTION II: Aggregate Data. Fraction of births with low birth weight per province. Model A: OLS, using observations 1 260 Heteroskedasticity-robust standard errors, variant
Διαβάστε περισσότεραΠοσοτικές 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 περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Γραμμική παλινδρόμηση (Linear regression) Εμπειρική συνάρτηση μεταφοράς Ομαλοποίηση (smoothing) Y ( ) ( ) ω G ω = U ( ω) ω +Δ ω γ ω Δω = ω +Δω W ( ξ ω ) U ( ξ) G(
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 23: Κλασική Ανάλυση Ευαισθησίας, Βασικές Έννοιες Γραφημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΘεωρία Αλγόριθμοι Γραμμικής Βελτιστοποίησης
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Τεχνικές Κλιμάκωσης (1) Αδυναμία επίλυσης Γ.Π. μεγάλης κλίμακας Ύπαρξη στοιχείων περιστροφής
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 5: Τεχνικές Κλιμάκωσης, Γεωμετρία Γραμμικού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 1: Ιστορική Αναδρομή, Εφαρμογές Γραμμικού και Δικτυακού Προγραμματισμού Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 9: Γεωμετρία του Χώρου των Μεταβλητών, Υπολογισμός Αντιστρόφου Μήτρας Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε
Διαβάστε περισσότεραΑντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης
Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΕπιχειρησιακή Έρευνα I
Επιχειρησιακή Έρευνα I Κωστής Μαμάσης Παρασκευή 09:00 12:00 Σημειώσεις των Α. Platis, K. Mamasis Περιεχόμενα 1. Εισαγωγή 2. Γραμμικός Προγραμματισμός 1. Μοντελοποίηση 2. Μέθοδος Simplex (C) Copyright Α.
Διαβάστε περισσότεραΤμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2016-2017 Η μέθοδος Simplex Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος Simplex είναι μια
Διαβάστε περισσότεραΠαραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)
ΜΑΘΗΜΑ 4 ο 1 Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model) Αυτοσυσχέτιση (Serial Correlation) Lagrange multiplier test of residual
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΚΑΙ ΤΡΑΠΕΖΙΚΗΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΡΕΥΝΗΤΙΚΗ ΕΡΓΑΣΙΑ «ΕΞΕΤΑΣΗ ΠΡΟΒΛΕΠΤΙΚΗΣ ΙΚΑΝΟΤΗΤΑΣ ΧΡΗΜ/ΩΝ ΑΝΑΛΥΤΩΝ» ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ : Κ. ΠΙΤΤΗΣ ΤΡΙΜΕΛΗΣ ΕΠΙΤΡΟΠΗ: Κ. ΠΙΤΤΗΣ
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 14: Τεχνικές Βελτίωσης Απόδοσης Κώδικα σε Matlab, Ανάπτυξη Κώδικα σε Matlab για την Τεχνική Κλιμάκωσης της Ισορρόπησης Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX
ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΤΗΣ ΜΕΘΟΔΟΥ SIMPLEX Θεμελιώδης αλγόριθμος επίλυσης προβλημάτων Γραμμικού Προγραμματισμού που κάνει χρήση της θεωρίας της Γραμμικής Άλγεβρας Προτάθηκε από το Dantzig (1947) και πλέον
Διαβάστε περισσότεραΑπλή Γραμμική Παλινδρόμηση II
. Ο Συντελεστής Προσδιορισμού Η γραμμή Παλινδρόμησης στο δείγμα, αποτελεί μία εκτίμηση της γραμμής παλινδρόμησης στον πληθυσμό. Αν και από τη μέθοδο των ελαχίστων τετραγώνων προκύπτουν εκτιμητές που έχουν
Διαβάστε περισσότεραΓραμμικός Προγραμματισμός
Γραμμικός Προγραμματισμός ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Γραμμικός Προγραμματισμός Ελαχιστοποίηση γραμμικής αντικειμενικής συνάρτησης
Διαβάστε περισσότερα2.0 ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ
.0 ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ Έστω διανύσματα που ανήκουν στο χώρο δ i = ( a i, ai,, ai) i =,,, και έστω γραμμικός συνδυασμός των i : xδ + x δ + + x δ = b που ισούται με το διάνυσμα b,
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής
ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΥλοποίηση Αναθεωρημένου Αλγορίθμου Simplex
Υλοποίηση Αναθεωρημένου Αλγορίθμου Simple Για το γενικό γραμμικό πρόβλημα Αμπατζόγλου Απόστολος Πανεπιστήμιο Μακεδονίας Ιούνιος 2005 Γενικό γραμμικό πρόβλημα Προβλήματα μεγιστοποίησης ή ελαχιστοποίησης
Διαβάστε περισσότεραΕπιστημονικοί Υπολογισμοί (ή Υπολογιστική Επιστήμη)
Επιστημονικοί Υπολογισμοί (ή Υπολογιστική Επιστήμη) Ασχολoύνται με την κατασκευή μαθηματικών μοντέλων και με τεχνικές ποσοτικής ανάλυσης και τη χρήση υπολογιστών για την ανάλυση και την επίλυση επιστημονικών
Διαβάστε περισσότεραΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ
ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗ ΛΟΓΙΣΤΙΚΗ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗ Διπλωματική Εργασία Η ΑΞΙΟΛOΓΗΣΗ ΤΟΥ ΚΕΦΑΛΑΙΟΥ ΚΙΝΗΣΗΣ
Διαβάστε περισσότεραΑν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν
ΜΑΘΗΜΑ 12ο Αιτιότητα Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Στην
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 7: Γεωμετρία Γραμμικού Προβλήματος Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΤμήμα Εφαρμοσμένης Πληροφορικής
Τμήμα Εφαρμοσμένης Πληροφορικής ΑΛΓΟΡΙΘΜΟΙ ΓΡΑΜΜΙΚΗΣ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ 8 Ο ΕΞΑΜΗΝΟ ΣΑΜΑΡΑΣ ΝΙΚΟΛΑΟΣ, ΕΠ. ΚΑΘΗΓΗΤΗΣ Στόχοι Εργαστηρίου ημιουργία Τυχαίων Βέλτιστων Γ.Π. Περιγραφή μεθόδου για δημιουργία βέλτιστων
Διαβάστε περισσότεραΗ μέθοδος Simplex. Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. Τμήμα Μηχανικών Πληροφορικής ΤΕ
Τμήμα Μηχανικών Πληροφορικής ΤΕ 2017-2018 Η μέθοδος Simplex Γεωργία Φουτσιτζή-Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 19/01/2017 1 Πλεονεκτήματα Η μέθοδος Simplex Η μέθοδος
Διαβάστε περισσότεραΒασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D.
Βασίλειος Μαχαιράς Πολιτικός Μηχανικός Ph.D. Κλασικές Τεχνικές Βελτιστοποίησης Πανεπιστήμιο Θεσσαλίας Σχολή Θετικών Επιστημών ΤμήμαΠληροφορικής Διάλεξη 2 η /2017 Μαθηματική Βελτιστοποίηση Η «Μαθηματική
Διαβάστε περισσότεραQueensland University of Technology Transport Data Analysis and Modeling Methodologies
Queensland University of Technology Transport Data Analysis and Modeling Methodologies Lab Session #7 Example 5.2 (with 3SLS Extensions) Seemingly Unrelated Regression Estimation and 3SLS A survey of 206
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής Διαγνωστικοί Έλεγχοι Διαπίστωσης της Αυτοσυσχέτισης Οι περισσότεροι από τους διαγνωστικούς ελέγχους της αυτοσυσχέτισης αναφέρονται σε αυτοσυσχέτιση
Διαβάστε περισσότεραΟ Αλγόριθµος της Simplex
Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Βήµατα Αλγορίθµου Τα ϐήµατα του αλγορίθµου συνοψίζονται σε ϐήµατα. Αρχικοποίηση : Επέλεξε έναν αντιστρέψιµο πίνακα B (m m) έτσι ώστε x
Διαβάστε περισσότεραΔιερεύνηση και Αξιολόγηση Διαφορετικών Κανόνων Περιστροφής για τον Αναθεωρημένο Αλγόριθμο Simplex
Μεταπτυχιακή Εργασία Διερεύνηση και Αξιολόγηση Διαφορετικών Κανόνων Περιστροφής για τον Αναθεωρημένο Αλγόριθμο Simplex Παναγιώτης Βουτσκίδης Επιβλέπων Καθηγητής: Νικόλαος Σαμαράς Εξεταστές: Νικόλαος Σαμαράς
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)
Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 6 ο
Παράδειγμα 1 Ο παρακάτω πίνακας δίνει τις πωλήσεις (ζήτηση) ενός προϊόντος Υ (σε κιλά) από το delicatessen μιας περιοχής και τις αντίστοιχες τιμές Χ του προϊόντος (σε ευρώ ανά κιλό) για μια ορισμένη χρονική
Διαβάστε περισσότερα