ANALIZA SYSTEMOWA PODEJMOWANIE DECYZJI

Slides:



Advertisements
Podobne prezentacje
Połączenia oporników a. Połączenie szeregowe: R1 R2 Rn i U1 U2 Un U.
Advertisements

EKONOMETRIA CZ. II W. Borucki.
Dwójniki bierne impedancja elementu R
Czwórnik RC R U1 U2 C Układ całkujący Filtr dolnoprzepustowy C.
Planowanie bezkolizyjnego ruchu w środowisku wielu robotów z wykorzystaniem gier niekooperacyjnych OWD
Wybrane zastosowania programowania liniowego
Marcin Bogusiak Paweł Pilewski
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
dr Przemysław Garsztka
Badania operacyjne. Wykład 2
UKŁADY PRACY WZMACNIACZY OPERACYJNYCH
Łączenie rezystorów Rezystory połączone szeregowo R1 R2 R3 RN
Zamiana GWIAZDA-TRÓJKĄT
Materiały pochodzą z Platformy Edukacyjnej Portalu
to zdolność do ciągłego wykonywania Zarządzanie produkcją
Rozwiązanie d’Alemberta równania struny Ewelina Bednarz Łukasz Klita.
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Wyrównanie metodą zawarunkowaną z niewiadomymi Wstęp
Systemy dynamiczneOdpowiedzi systemów – modele różniczkowe i różnicowe Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania 1 Systemy.
Wykład 2: Upraszczanie, optymalizacja i implikacja
1.
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
Konsolidacja kredytów spłacanych w ratach całkowitych 1. Wstęp 2. Oprocentowanie proste - stopa stała 3. Oprocentowanie proste - stopa zmienna 4. Oprocentowanie.
9. Generatory przebiegów liniowych
OPORNOŚĆ HYDRAULICZNA, CHARAKTERYSTYKA PRZEPŁYWU
Diagram Hierarchii Funkcji (1)
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Teoria sterowania Wykład 3
Automatyka Wykład 4 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji (c.d.)
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
Modele matematyczne przykładowych obiektów i elementów automatyki
Wykład 5 Charakterystyki czasowe obiektów regulacji
Własności funkcji liniowej.
ETO w Inżynierii Chemicznej MathCAD wykład 4.. Analiza danych Aproksymacja danych.
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Wykład 21 Regulacja dyskretna. Modele dyskretne obiektów.
Karol Rumatowski Automatyka
Inflacja Makroekonomia 7/T1 Ryszard Rapacki.
Rezystancja zastępcza, połączenie trójkąt-gwiazda
MECHANIKA NIEBA WYKŁAD r.
Modelowanie matematyczne jako podstawa obliczeń naukowo-technicznych:
Modelowanie i podstawy identyfikacji 2012/2013Modele fenomenologiczne - dyskretyzacja Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1.
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Modele dyskretne obiektów liniowych
Wykład 23 Modele dyskretne obiektów
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
Metody analizy obwodów elektrycznych
Układ trójkąt - gwiazda
ISS – Synteza regulatora cyfrowego (minimalnoczasowego)
Materiały pochodzą z Platformy Edukacyjnej Portalu Wszelkie treści i zasoby edukacyjne publikowane na łamach Portalu
MS Excel - wspomaganie decyzji
Wykład 16 Inne zagadnienia z prostej regresji liniowej.
Regresja wieloraka.
METODA ELIMINACJI GAUSSA
Projektowanie Inżynierskie
Rozwiązywanie układów równań liniowych różnymi metodami
METODA ELIMINACJI GAUSSA ASPEKTY NUMERYCZNE
Metody matematyczne w Inżynierii Chemicznej
Przykład 5: obiekt – silnik obcowzbudny prądu stałego
Wyznaczniki, równania liniowe, przestrzenie liniowe Algebra 1
Obwody elektryczne - podstawowe prawa
ALG - wykład 3. LICZBY ZESPOLONE MACIERZE. Powtórzenie z = a+bi, z  C Re z = Re(a+bi) = a Im z = Im(a+bi) = b.
D. Ciołek BADANIA OPERACYJNE – wykład 2
DALEJ Sanok Spis treści Pojęcie funkcji Sposoby przedstawiania funkcji Miejsce zerowe Monotoniczność funkcji Funkcja liniowa Wyznaczanie funkcji liniowej,
MODELE ANALIZY WYNIKÓW GEODEZYJNYCH POMIARÓW DEFORMACJI.
Modele nieliniowe sprowadzane do liniowych
Treść dzisiejszego wykładu l Postać standardowa zadania PL. l Zmienne dodatkowe w zadaniu PL. l Metoda simpleks –wymagania metody simpleks, –tablica simpleksowa.
ROZWIĄZYWANIE UKŁADÓW RÓWNAŃ
Czyli wzory Viete’a. Jeżeli funkcja kwadratowa ma pierwiastki (miejsca zerowe), to zachodzą następujące wzory Viete’a:
OBÓZ NAUKOWY Rysianka 2010.
Zapis prezentacji:

ANALIZA SYSTEMOWA PODEJMOWANIE DECYZJI Paweł Akielaszek 139987 Konrad Zaleski 140167

Plan prezentacji Analiza systemowa Vs. podejmowanie decyzji Rozdział zadań w układzie równoległych realizatorów Przypadek ciągły Przypadek dyskretny Przykład rozdział zadań w układzie równoległych realizatorów + wykresy Gantt’a Podsumowanie Literatura

Analiza systemowa Vs. Podejmowanie decyzji obiekt / system WE WY

Analiza systemowa Vs. Podejmowanie decyzji Dane: model systemu wartość WE Є U (zbiór możliwych decyzji) Dane: model systemu pożądana wartość WY U (zbiór możliwych decyzji) Szukane: wartość WY Szukane: wartość WE (taka, że na WY uzyskamy pożądaną wartość)

Analiza systemowa Vs. Podejmowanie decyzji modele Φ(u) y modele Φ(u) Szukane Dane u u Dane Szukane zawsze mamy rozwiązanie może nie mieć rozwiązania

Analiza systemowa Vs. Podejmowanie decyzji Trzy typowe zadania podejmowania decyzji - w odniesieniu do celu (efektu), pożądanych własności - 1o y*  (y = yR) rozwiąż równanie (układ równań) 2o y*  (yRmin ≤ y ≤ yRmax) rozwiązanie nierówności (układ nierówności) 3o y*  ( ekstremum y) MAX lub MIN rozwiąż zadanie optymalizacyjne

Analiza systemowa Vs. Podejmowanie decyzji 1o y*  (y = yR) rozwiąż równanie (układ równań) y* u* y*  pożądana wartość u*  decyzja zapewniająca uzyskanie y*

Analiza systemowa Vs. Podejmowanie decyzji 2o y*  (yRmin ≤ y ≤ yRmax) rozwiązanie nierówności (układ nierówności) nie ma rozwiązania yRmax yRmax yRmin yRmin u* u*I u*Il

Analiza systemowa Vs. Podejmowanie decyzji 3o y*  ( ekstremum y) rozwiąż zadanie optymalizacyjne ymax ymax u* max u*max u

Analiza systemowa Vs. Podejmowanie decyzji Przykłady Dane: model systemu y = 2u2 + 3 zbiór możliwych decyzji U = { 0,5 ≤ u ≤ 2,5} 1o y*  (y = 4) 2o y*  (2 ≤ y ≤ 4) 3o y*  (max y) Szukane: decyzja (u* Є U)  (y Є y*)

Analiza systemowa Vs. Podejmowanie decyzji Przykład nr 1 – pożądane wyjście to KONKRETNA WARTOŚĆ Ad. 1o y*  (y = 4): y = 2u2 + 3 y = y* = 4 2u2 + 3 = 4 2u2 = 1 u2 = ½ Rozwiązanie: u* = kandydaci: u* = { , }

Analiza systemowa Vs. Podejmowanie decyzji Przykład nr 2 - posiadane wyjście to WARTOŚĆ Z ZAKRESU Ad. 2o y*  (2 ≤ y ≤ 4): y = 2u2 + 3 y ≤ 4 y ≥ 2 u ≤ 2,5 u ≥ 0,5 po analizie: u* = { 0,5 ≤ u ≤ } u*

Analiza systemowa Vs. Podejmowanie decyzji Przykład nr 3 - pożądane wyjście to WARTOŚĆ MINIMALNA Ad. 3o y*  ( min y ): y = 2u2 + 3 U* = { 0,5 ≤ u ≤ 2,5 } 18 16 14 12 10 8 6 4 2 -3 -2 -1 1 2 3

Analiza systemowa Vs. Podejmowanie decyzji Przykład nr 3 - pożądane wyjście to WARTOŚĆ MINIMALNA Ad. 3o y*  ( min y ): y = 2u2 + 3 U* = { 0,5 ≤ u ≤ 2,5 } y’(u) = 4·u 4·u = 0  umin = 0 umin Є { 0,5 ≤ u ≤ 2,5 } 18 16 14 12 10 8 6 4 2 0,5 2,5 -3 -2 -1 1 2 3 u*

Analiza systemowa Vs. Podejmowanie decyzji Przykład nr 3 - pożądane wyjście to WARTOŚĆ MINIMALNA Ad. 3o y*  ( min y ): y = 2u2 + 3 U* = { 0,5 ≤ u ≤ 2,5 } y’(u) = 4·u 4·u = 0  umin = 0 umin Є { 0,5 ≤ u ≤ 2,5 } u* = umin = 0,5 18 16 14 12 10 8 6 4 2 0,5 2,5 -3 -2 -1 1 2 3 u*

Rozdział zadań w układzie równoległych realizatorów Rozważmy PRZYPADEK CIĄGŁY: cel - minimalizacja tF założenia: Z - zbiór zadań R - liczba realizatorów decyzje:

Rozdział zadań w układzie równoległych realizatorów efekt: tF = max {T1,T2,..TR} okoliczności (zakłócenia) T1 Φ1 ψ Algorytm decyzyjny y* = min y u T2 tF=y Φ2 max U … T3 (zbiór możliwych decyzji) ΦR modele czasowe Φ Ti = αi · uiγi α, γ – parametry modelu

Rozdział zadań w układzie równoległych realizatorów Przykład jak ustala się U Z = 4 – ilość zadań R = 3 – ilość realizatorów N = 15 – ilość możliwych kombinacji u2 u1 = 2 u2 = 1 u3 = Z – (u1 + u2) = 1 4 3 2 1 u1 1 2 3 4

Rozdział zadań w układzie równoległych realizatorów Zagadnienie: wyznaczanie decyzji u, czyli przydział zadań między realizatorów Dane: (I) zbiór decyzji U zależny od R oraz Z (Z – zbiór zadań, R – liczba realizatorów) (II) czasowe charakterystyki realizatorów (modele wielomianowe) Ti = αi · uiγi (i=1, 2, …, R) Szukane: jak wyznaczyć (u* Є U)  y=y* czyli tF(u)  tF(u*)  min tF(u)

Rozdział zadań w układzie równoległych realizatorów Rozwiązanie: (1) REALIZATORY RÓŻNORODNE (ogólny) γi – różne, αi – różne * korzystamy z „idei”: tF min jeśli T1=T2=…=TR ** układ równań: T1 = T2  α1 · u1γ1 = α2 · u2γ2 T2 = T3  α2 · u2γ2 = α3 · u3γ3 … TR-1 = TR  αR-1 · uR-1γR-1 = αR · uRγR chcemy aby wszystkie realizatory skończyły pracę w tym samym czasie

Rozdział zadań w układzie równoległych realizatorów Rozwiązanie: (2) REALIZATORY JEDNORODNE γ1 = γ2 = … = γ, αi – różne ψ  ui = ψ (Z, R, γ, {α1, α2,…, αR}) Algorytm podejmowania decyzji:

Rozdział zadań w układzie równoległych realizatorów Rozwiązanie: (3) REALIZATORY LINIOWE γ = 1, αi – różne Algorytm podejmowania decyzji:

Rozdział zadań w układzie równoległych realizatorów Przykład zadania z realizatorami liniowymi: Dane: Z=4, R=3 oraz α1=10, α2=7.5, α3=10 Aby rozwiązać zadanie podstawiamy odpowiednie wartości do wzoru: Po obliczeniu otrzymujemy rozwiązanie:

Rozdział zadań w układzie równoległych realizatorów Rozważmy PRZYPADEK DYSKRETNY (realizatory liniowe): Model czasowo - kosztowy T1 α1 y1=tF Algorytm decyzyjny cel: min J(tF, KF) β1 max T2 α2 K2 U (zbiór decyzji) β2 … TR αR + K1 + y2=KF βR KR + modele {αi}, {βi}

Rozdział zadań w układzie równoległych realizatorów Model czasowy (realizatora) Ti = αi · ui Model kosztowy (realizatora) Ki = βi · ui

Rozdział zadań w układzie równoległych realizatorów System ma dwa wyjścia: y1 = tF = max {Ti}R oraz y2 = KF = Problem: jak wyznaczyć najlepszą decyzję? wskaźniki jakości (J)

Rozdział zadań w układzie równoległych realizatorów Wskaźniki jakości: J (u) = J ( tF(u), KF(u) ) 1o J (u) = tF(u) · KF(u) 2o J (u) = tF(u) + иKF(u) и – współczynnik wagowy (a) и  0 => J(u) ≈ tF(u) (b) и  ∞ => J(u) ≈ KF(u) (c) и  1 => J(u) = tF(u) + KF(u) 3o (a) ( min tF(u) ) ^ ( KF(u) ≤ Kkryt ) (b) ( min KF(u) ) ^ ( tF(u) ≤ tkryt )

Rozdział zadań w układzie równoległych realizatorów Przykład systemu z rozdziałem zadań w układzie równoległych realizatorów, wyliczanie J Czas α1=10 α2=5 α3=10 Koszt = spalanie β1=1 β2=2 β3=3 Zadanie: rozwieźć 4 pizze. Jak rozdzielić zadania na dostawców aby wskaźnik jakości był jak najmniejszy?

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 160 44 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 160 44 2. 3 1 30 5 2 150 35 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 160 44 2. 3 1 30 5 2 150 35 3. 10 6 180 36 4. 20 120 26 5. 7 140 27 6. 8 28 7. 15 105 22 8. 80 18 9. 9 29 10. 200 11. 12. 135 24 13. 14. 11 330 41 15. 12 480 52

Rozdział zadań w układzie równoległych realizatorów α1=10 α2=5 α3=10 β1=1 β2=2 β3=3 Lp u1 u2 u3 T1 T2 T3 Tf K1 K2 K3 Kf Tf(u)*Tk(u) Tf(u)+Tk(u) 1. 4 40 160 44 2. 3 1 30 5 2 150 35 3. 10 6 180 36 4. 20 120 26 5. 7 140 27 6. 8 28 7. 15 105 22 8. 80 18 9. 9 29 10. 200 11. 12. 135 24 13. 14. 11 330 41 15. 12 480 52

Rozdział zadań w układzie równoległych realizatorów Wykresy Gantt’a –przykładowe ilustracje dla wybranych decyzji: (5) (6) (8) (9) R1 R2 R3 R1 R2 R3 tF = 20, tN = 15 tF = 20, tN = 20 R1 R2 R3 R1 R2 R3 tF = 20, tN = 15 tF = 10, tN = 0 Wykresy Gantt'a pokazują na osi czasu rozdział zadań na poszczególne realizatory. Możemy odczytać czas pracy systemu (tF) oraz czas pusty (tn).

Podsumowanie Omówione zagadnienia: Różnice między analizą systemowa a podejmowaniem decyzji, 3 typowe zadania podejmowania decyzji (rozwiązanie równania, nierówności i zad. optymalizacyjnego) Problem rozkładu zadań w ukł. równoległych realizatorów przypadek ciągły przypadek dyskretny Czym jest wskaźnik jakości i kiedy jest nam potrzebny + przykład zadania Wykresy Gantt’a – obrazowe przedstawienie czasu pracy realizatorów i systemu

Literatura [1] Notatki z wykładów dr inż. Leszek Koszałka [2] Wikipedia www.wikipedia.org [3] Wykresy Gantt’a www.ganttchart.com