Tartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Tartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9"

Átírás

1 ... 3 Előszó... 9 I. Rész: Evolúciós számítások technikái, módszerei Bevezetés Evolúciós számítások Evolúciós algoritmus alapfogalmak EC alkalmazásokról általában Evolúciós algoritmus alapelemek Az egyedek ábrázolási formája Szelekció Rekombináció Mutáció Visszahelyezés Az EA ciklus kialakítása Biológiai evolúció ösztönözte módszerek Genetikus algoritmus Evolúciós stratégia Evolúciós programozás Genetikus programozás Biológiai eljárás, viselkedés ösztönözte módszerek Raj intelligencia Hangyakolónia-alapú optimalizálás Részecske raj-alapú optimalizálás Immunrendszer ösztönözte módszerek Immunológiai háttér Mesterséges immunrendszer algoritmusok... 62

2 4 5. Matematikai modelleket alkalmazó módszerek Virtuális vesztes és kiterjesztése Kulturális algoritmus Valószínűségi modellek Interakció nélküli modellek Modellek páronkénti interakcióval Modellek többváltozós interakcióval CMA-ES Differenciál evolúció Terjeszkedő keresés További EC technikák Értékadás paramétereknek Paraméterek beállítása, metaoptimalizálás Paraméterek futás közbeni ellenőrzése Csoportosítás (niching) Fitneszmegosztás (fitness sharing) Dinamikus csoportmegosztás (niche sharing) Tömörítés (crowding) Ritkítás (clearing) A niche-sugár megválasztása Párhuzamos EA változatok Globális modell Regionális modell A regionális modell általános jellemzői Egy modell változat Egy futásidő és migráció-vizsgálat Konkurens modell Kooperáló modell Lokális modell Hibrid EC módszerek EA hatékonyságának javítása Helyi keresés alkalmazása, memetikus algoritmus Közelítő függvény alkalmazása Hiperheurisztikák EA és egzakt módszerek kombinációja EA kombinációja lágy számítási módszerekkel Neuroevolúció Evolúciós fuzzy rendszerek Evolúciós neuro-fuzzy rendszerek

3 5 II. Rész: Evolúciós technika az optimalizálsában Optimalizálási feltételek kezelése Büntetőfüggvény alkalmazása Speciális reprezentációk és műveletek Célfüggvények és feltételek szétválasztása Hibrid megoldások Nemlineáris struktúrák optimalizálása Neurális háló súlyainak optimalizálása Neurális háló struktúraoptimalizálás Fuzzy szabályozó finomítása Fuzzy szabályozó tanulása Evolúciós neuro-fuzzy rendszer optimalizálás Nemlineáris skalároptimalizálás Az optimalizálási probléma Néhány EA változat Az OSCA algoritmus Nemlineáris többcélú optimalizálás Az optimalizálási probléma NSGA és SPEA algoritmusok A MOSCA2 algoritmus Boole kielégítési probléma (SAT) Az optimalizálási probléma Az SSEA algoritmus Az EF_3SAT algoritmus Bináris kvadratikus programozás (BQP) Az optimalizálási probléma Az MABQP és az EH algoritmus Az EBQP algoritmus BQP megoldása párhuzamos EA-val Kiszolgálási feladatok Kvadratikus hozzárendelési probléma (QAP) Az optimalizálási probléma A GGA, az SA_GP és az MA_MF algoritmusok Az EF_QAP algoritmus Két-célfüggvényes QAP A p-medián probléma Az optimalizálási probléma

4 Az AHSAR hiperheurisztika Munka-üzem ütemezés Egygépes üzem ütemezése Az optimalizálási probléma Két EC módszer változat Flow shop ütemezés Az optimalizálási probléma Három EC módszer változat Várakozás nélküli flow shop ütemezés Az optimalizálási probléma Egy regionális modell NWFSSP-re A DPSO algoritmus Job shop ütemezés Az optimalizálási probléma Egy GA alapú memetikus algoritmus Egy MA klónális szelekcióval Az EVL_JS algoritmus Időbeosztás Az optimalizálási probléma Vizsga-időbeosztás probléma Egy GA alapú hiperheurisztika Egy párhuzamos terjeszkedő keresés változat Kurzus időbeosztás probléma Egy ACO kurzusok időbeosztására Hibrid GA kurzusok időbeosztására Alkalmazottak időbeosztása Egy GA ápolónők időbeosztására Egy módszer részmunkanap időbeosztására Útvonal kijelölési problémák csomópontokhoz Az útvonal kijelölési problémákról Utazó ügynök probléma ACO változat a TSP-re PSO változat a TSP-re Egy többcélfüggvényes TSP algoritmus Járatszervezés egy cikk gyűjtésére-szállítására Az OCPD algoritmus OCPD metaoptimalizálással Egy hibrid GA változat Járatszervezési probléma (VRP)

5 Egy GA a CVRP megoldására CVRP úthossz kiegyenlítéssel Útvonal kijelölés útszakaszok eléréséhez Probléma változatok útszakaszok eléréséhez Vidéki postás probléma CARP Dinamikus optimalizálási problémák Az optimalizálási probléma Kálmán szűrő alapú mutáció alkalmazása PBIL memória alkalmazásával Egy mesterséges immunhálózat algoritmus Vágás és pakolás problémakör Az optimalizálási probléma Egy EA az egydimenziós ládapakolási problémára Téglalapok orthogonális pakolása GA-val Egy üvegvágási probléma Összegzés Függelék Irodalomjegyzék Tárgymutató

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

I. LABOR -Mesterséges neuron

I. LABOR -Mesterséges neuron I. LABOR -Mesterséges neuron A GYAKORLAT CÉLJA: A mesterséges neuron struktúrájának az ismertetése, neuronhálókkal kapcsolatos elemek, alapfogalmak bemutatása, aktivációs függvénytípusok szemléltetése,

Részletesebben

Neurális hálózatok bemutató

Neurális hálózatok bemutató Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:

Részletesebben

Dr. habil. Maróti György

Dr. habil. Maróti György infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu

Részletesebben

BX Routing. Routin

BX Routing. Routin BX Routing Inteligens Járatoptimalizáló Megoldás SAP Business One-hoz Routin Kis és közepes méretű, kereskedelmi és gyártó cégek logisztikai feladatainak tervezéséhez, optimalizálásához és megvalósításához

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 007/008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció i stratégiák Szemantikus hálók / Keretrendszerek

Részletesebben

Számítógép és programozás 2

Számítógép és programozás 2 Számítógép és programozás 2 6. Előadás Problémaosztályok http://digitus.itk.ppke.hu/~flugi/ Emlékeztető A specifikáció egy előfeltételből és utófeltételből álló leírása a feladatnak Léteznek olyan feladatok,

Részletesebben

HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL. OLÁH Béla

HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL. OLÁH Béla HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL OLÁH Béla A TERMELÉSÜTEMEZÉS MEGFOGALMAZÁSA Flow shop: adott n számú termék, melyeken m számú

Részletesebben

Mesterséges Intelligencia alapjai

Mesterséges Intelligencia alapjai Mesterséges Intelligencia alapjai Evolúciós algoritmusok - neurális hálózatok Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék 2010 / Budapest

Részletesebben

Összeállította Horváth László egyetemi tanár

Összeállította Horváth László egyetemi tanár Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011

Részletesebben

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában

Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Budapesti Műszaki és Gazdaságtudományi Egyetem Fuzzy rendszerek és neurális hálózatok alkalmazása a diagnosztikában Cselkó Richárd 2009. október. 15. Az előadás fő témái Soft Computing technikák alakalmazásának

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:

Részletesebben

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek Mesterséges Intelligencia Elektronikus Almanach Konzorciumi partnerek 1 Konzorcium Budpesti Mőszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Méréstechnika és Információs Rendszerek

Részletesebben

Operációkutatási modellek

Operációkutatási modellek Operációkutatási modellek Alkalmazott matematika A sorozat kötetei: Kóczy T. László Tikk Domonkos: Fuzzy rendszerek (2000) Elliott, J. R. Kopp, P. E.: Pénzpiacok matematikája (2000) Michelberger Szeidl

Részletesebben

Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás

Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás http:/uni-obuda.hu/users/kutor/ IRE 7/50/1 A neurális hálózatok általános jellemzői 1. A

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus

Részletesebben

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Döntési módszerek

TANTÁRGYI ÚTMUTATÓ. Döntési módszerek III. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Döntési módszerek TÁVOKTATÁS Tanév 2014/2015 II- félév A KURZUS ALAPADATAI Tárgy megnevezése: Döntési módszerek Tanszék: Matematika-Statisztika Tantárgyfelelős

Részletesebben

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok

Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok Zrínyi Miklós Gimnázium Művészet és tudomány napja Tanulás tanuló gépek tanuló algoritmusok mesterséges neurális hálózatok 10/9/2009 Dr. Viharos Zsolt János Elsősorban volt Zrínyis diák Tudományos főmunkatárs

Részletesebben

Intelligens adatelemzés

Intelligens adatelemzés Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az

Részletesebben

Hibadetektáló rendszer légtechnikai berendezések számára

Hibadetektáló rendszer légtechnikai berendezések számára Hibadetektáló rendszer légtechnikai berendezések számára Tudományos Diákköri Konferencia A feladatunk Légtechnikai berendezések Monitorozás Hibadetektálás Újrataníthatóság A megvalósítás Mozgásérzékelő

Részletesebben

Megújuló energia bázisú, kis léptékű energiarendszer

Megújuló energia bázisú, kis léptékű energiarendszer Megújuló energia bázisú, kis léptékű energiarendszer Molnárné Dőry Zsófia 2. éves doktorandusz hallgató, energetikai mérnök (MSc), BME, Energetikai Gépek és Rendszerek Tanszék, Magyar Energetikai Társaság

Részletesebben

IK Algoritmusok és Alkalmazásaik Tsz, TTK Operációkutatás Tsz. A LEMON C++ gráf optimalizálási könyvtár használata

IK Algoritmusok és Alkalmazásaik Tsz, TTK Operációkutatás Tsz. A LEMON C++ gráf optimalizálási könyvtár használata IKP-9010 Számítógépes számelmélet 1. EA IK Komputeralgebra Tsz. IKP-9011 Számítógépes számelmélet 2. EA IK Komputeralgebra Tsz. IKP-9021 Java technológiák IK Prog. Nyelv és Ford.programok Tsz. IKP-9030

Részletesebben

Számítógép és programozás 2

Számítógép és programozás 2 Számítógép és programozás 2 11. Előadás Halmazkeresések, dinamikus programozás http://digitus.itk.ppke.hu/~flugi/ A keresési feladat megoldása Legyen a lehetséges megoldások halmaza M ciklus { X legyen

Részletesebben

Intelligens Rendszerek Elmélete IRE 4/32/1

Intelligens Rendszerek Elmélete IRE 4/32/1 Intelligens Rendszerek Elmélete 4 IRE 4/32/1 Problémamegoldás kereséssel http://nik.uni-obuda.hu/mobil IRE 4/32/2 Egyszerű lények intelligenciája? http://www.youtube.com/watch?v=tlo2n3ymcxw&nr=1 IRE 4/32/3

Részletesebben

Forgalmi modellezés BMEKOKUM209

Forgalmi modellezés BMEKOKUM209 BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése

Részletesebben

A könyv. meglétét. sgálat

A könyv. meglétét. sgálat Benyó Balázs Benyó Zoltán Paláncz Béla Szilágyi László Ferenci Tamás Műszaki és biológiai rendszerek elmélete A könyv interdiszciplináris jellegű, műszaki és biológiai rendszerek működésének modellezésére

Részletesebben

SAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával

SAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával SAT probléma kielégíthetőségének vizsgálata masszív parallel mesterséges neurális hálózat alkalmazásával Tajti Tibor, Bíró Csaba, Kusper Gábor {gkusper, birocs, tajti}@aries.ektf.hu Eszterházy Károly Főiskola

Részletesebben

Tartalomjegyzék. Előszó... xi. 1. Bevezetés... 1. 2. Mechanikai, elektromos és logikai jellemzők... 13

Tartalomjegyzék. Előszó... xi. 1. Bevezetés... 1. 2. Mechanikai, elektromos és logikai jellemzők... 13 Előszó... xi 1. Bevezetés... 1 1.1. Fogalmak, definíciók... 1 1.1.1. Mintapéldák... 2 1.1.1.1. Mechanikus kapcsoló illesztése... 2 1.1.1.2. Nyomtató illesztése... 3 1.1.1.3. Katódsugárcsöves kijelző (CRT)

Részletesebben

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses

Részletesebben

Számítógép és programozás 2

Számítógép és programozás 2 Számítógép és programozás 2 8. Előadás Megoldhatóság, hatékonyság http://digitus.itk.ppke.hu/~flugi/ Elméleti áttekintés a SzámProg 1 tárgyból Algoritmikus eldönthetőség kérdése Bizonyíthatóság kérdése,

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2007/2008 Az Előadások Témái Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció Gráfkeresési stratégiák Szemantikus hálók

Részletesebben

Logisztikai szimulációs módszerek

Logisztikai szimulációs módszerek Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok

Részletesebben

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I. : Intelligens Rendszerek Gyakorlata Neurális hálózatok I. dr. Kutor László http://mobil.nik.bmf.hu/tantargyak/ir2.html IRG 3/1 Trend osztályozás Pnndemo.exe IRG 3/2 Hangulat azonosítás Happy.exe IRG 3/3

Részletesebben

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363

Mesterséges Intelligencia. Csató Lehel. Csató Lehel. Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 1/363 1/6 Matematika-Informatika Tanszék Babeş Bolyai Tudományegyetem, Kolozsvár 2010/2011 Az Előadások Témái 46/6 Bevezető: mi a mesterséges intelligencia... Tudás reprezentáció stratégiák Szemantikus hálók

Részletesebben

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h.

Mesterséges Intelligencia Elektronikus Almanach. MI Almanach projektismertetı rendezvény április 29., BME, I. ép., IB.017., 9h-12h. Mesterséges Intelligencia Elektronikus Almanach Neurális hálózatokh 1 BME 1990: Miért neurális hálók? - az érdeklıdésünk terébe kerül a neurális hálózatok témakör - fıbb okok: - adaptív rendszerek - felismerési

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Zenegenerálás, majdnem természetes zene. Bernád Kinga és Roth Róbert

Zenegenerálás, majdnem természetes zene. Bernád Kinga és Roth Róbert Zenegenerálás, majdnem természetes zene Bernád Kinga és Roth Róbert Tartalom 1. Bevezető 2. Eddigi próbálkozások 3. Módszerek 4. Algoritmus bemutatása 5. Összefoglaló (C) Bernád Kinga, Roth Róbert 2 1.

Részletesebben

Valószín ségi döntéstámogató rendszerek

Valószín ségi döntéstámogató rendszerek Valószín ségi döntéstámogató rendszerek Antos András Antal Péter Hullám Gábor Millinghoer András Hajós Gergely Kulcsszavak: döntés, becslés, költségfüggvény, kockázat, a priori és a posteriori valószín

Részletesebben

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com

API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE. Előadó: Jaksa Zsombor, drungli.com API-MÁGIA MILLIÓ SORNYI ADAT ÚJRARENDEZÉSE Előadó: Jaksa Zsombor, drungli.com MIRŐL FOG SZÓLNI AZ ELŐADÁS? Hogyan működik a drungli.com?# Adatok gyűjtése, stratégiák# Ha marad időm még mesélek HOGYAN MŰKÖDIK

Részletesebben

Költségbecslési módszerek a szerszámgyártásban. Tartalom. CEE-Product Groups. Költségbecslés. A költségbecslés szerepe. Dr.

Költségbecslési módszerek a szerszámgyártásban. Tartalom. CEE-Product Groups. Költségbecslés. A költségbecslés szerepe. Dr. Gépgyártástechnológia Tsz Költségbecslési módszerek a szerszámgyártásban Szerszámgyártók Magyarországi Szövetsége 2003. december 11. 1 2 CEE-Product Groups Tartalom 1. Költségbecslési módszerek 2. MoldCoster

Részletesebben

Bánsághi Anna 2014 Bánsághi Anna 1 of 33

Bánsághi Anna 2014 Bánsághi Anna 1 of 33 IMPERATÍV PROGRAMOZÁS Bánsághi Anna anna.bansaghi@mamikon.net 7. ELŐADÁS - ABSZTRAKT ADATTÍPUS 2014 Bánsághi Anna 1 of 33 TEMATIKA I. ALAPFOGALMAK, TUDOMÁNYTÖRTÉNET II. IMPERATÍV PROGRAMOZÁS Imperatív

Részletesebben

I. Fejezetek a klasszikus analízisből 3

I. Fejezetek a klasszikus analízisből 3 Tartalomjegyzék Előszó 1 I. Fejezetek a klasszikus analízisből 3 1. Topológia R n -ben 5 2. Lebesgue-integrál, L p - terek, paraméteres integrál 9 2.1. Lebesgue-integrál, L p terek................... 9

Részletesebben

Számítógépes döntéstámogatás. Bevezetés és tematika

Számítógépes döntéstámogatás. Bevezetés és tematika SZDT-01 p. 1/18 Számítógépes döntéstámogatás Bevezetés és tematika Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-01 p. 2/18 SZDT-01

Részletesebben

V. Kétszemélyes játékok

V. Kétszemélyes játékok Teljes információjú, véges, zéró összegű kétszemélyes játékok V. Kétszemélyes játékok Két játékos lép felváltva adott szabályok szerint. Mindkét játékos ismeri a maga és az ellenfele összes választási

Részletesebben

Programozási nyelvek a közoktatásban alapfogalmak II. előadás

Programozási nyelvek a közoktatásban alapfogalmak II. előadás Programozási nyelvek a közoktatásban alapfogalmak II. előadás Szintaxis, szemantika BNF szintaxisgráf absztrakt értelmező axiomatikus (elő- és utófeltétel) Pap Gáborné. Szlávi Péter, Zsakó László: Programozási

Részletesebben

Intelligens technikák k a

Intelligens technikák k a Intelligens technikák k a döntéstámogatásban Döntések fuzzy környezetben Starkné Dr. Werner Ágnes 1 Példa: Alternatívák: a 1,a 2,a 3 Kritériumok: k 1,k 2, k 3,k 4 Az alternatívák értékelését az egyes kritériumok

Részletesebben

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával

Részletesebben

1. Előadás Lineáris programozás

1. Előadás Lineáris programozás 1. Előadás Lineáris programozás Salamon Júlia Előadás II. éves gazdaság informatikus hallgatók számára Operációkutatás Az operációkutatás az alkalmazott matematika az az ága, ami bizonyos folyamatok és

Részletesebben

Ütemezés gyakorlat. Termelésszervezés

Ütemezés gyakorlat. Termelésszervezés Ütemezés gyakorlat egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Feladattípusok Általános ütemezés Egygépes ütemezési problémák Párhuzamos erőforrások ütemezése Flow-shop és job-shop ütemezés

Részletesebben

Paragon Decision Technology BV

Paragon Decision Technology BV 1 Előadó: Dr. Lelkes Zoltán Költségcsökkentés optimalizálással 2 Optasoft Kft. Egyetemi háttér ( spin-off cég ): Budapesti Műszaki és Gazdaságtudományi Egyetem Alapítók: Dr. Rév Endre, docens Dr. Lelkes

Részletesebben

Genetikus algoritmusok az L- rendszereken alapuló. Werner Ágnes

Genetikus algoritmusok az L- rendszereken alapuló. Werner Ágnes Genetikus algoritmusok az L- rendszereken alapuló növénymodellezésben Werner Ágnes Motiváció: Procedurális modellek a növénymodellezésben: sok tervezési munka a felhasználónak ismerni kell az eljárás részleteit

Részletesebben

Készítette: Trosztel Mátyás Konzulens: Hajós Gergely

Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Monte Carlo Markov Chain MCMC során egy megfelelően konstruált Markov-lánc segítségével mintákat generálunk. Ezek eloszlása követi a céleloszlást. A

Részletesebben

Közúti közlekedési automatika. BME, Közlekedés- és Járműirányítási Tanszék

Közúti közlekedési automatika. BME, Közlekedés- és Járműirányítási Tanszék Közúti közlekedési automatika BME, Közlekedés- és Járműirányítási Tanszék A közúti forgalomirányítás célja A közlekedési folyamatok befolyásolása meghatározott célok elérése érdekében. A forgalomirányító

Részletesebben

VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS

VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS BME/TMIT Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) Távközlési és Médiainformatikai Tanszék (TMIT) VIRTUAL NETWORK EMBEDDING VIRTUÁLIS HÁLÓZAT BEÁGYAZÁS Dr. Maliosz Markosz maliosz@tmit.bme.hu

Részletesebben

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr. Projektütemezés Virtuális vállalat 06-07. félév 5. gyakorlat Dr. Kulcsár Gyula Projektütemezési feladat megoldása Projekt: Projektütemezés Egy nagy, összetett, általában egyedi igény alapján előállítandó

Részletesebben

TARTALOM A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI

TARTALOM A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI TARTALOM Prológus: Comparare necesse est (Az eredeti angol kiadáshoz) 13 Elõszó a magyar kiadáshoz 17 1. fejezet A KUTYA VISELKEDÉSKUTATÁSÁNAK TÖRTÉNETE ÉS ELMÉLETI ALAPVETÉSEI 1.1 Bevezetés 19 1.2 A behaviorizmustól

Részletesebben

Kereső algoritmusok a diszkrét optimalizálás problémájához

Kereső algoritmusok a diszkrét optimalizálás problémájához Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások

Részletesebben

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán Név KP Blokk neve KP Felelıs vizsgáztató Kombinatorikus módszerek és algoritmusok 5 MAT 10 Dr. Tuza Zsolt Diszkrét és folytonos dinamikai rendszerek matematikai alapjai 5 Matematika Dr. Hartung Ferenc

Részletesebben

Döntési módszerek Tantárgyi útmutató

Döntési módszerek Tantárgyi útmutató Gazdálkodási és menedzsment alapszak Nappali tagozat Döntési módszerek Tantárgyi útmutató 2015/16 tanév II. félév 1 Tantárgy megnevezése Tantárgy jellege/típusa: Döntési módszerek. D Kontaktórák száma/hét:

Részletesebben

Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására

Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására VÉGZŐS KONFERENCIA 2009 2009. május 20, Budapest Újfajta, automatikus, döntési fa alapú adatbányászati módszer idősorok osztályozására Hidasi Balázs hidasi@tmit.bme.hu Konzulens: Gáspár-Papanek Csaba Budapesti

Részletesebben

Ütemezési modellek. Az ütemezési problémák osztályozása

Ütemezési modellek. Az ütemezési problémák osztályozása Ütemezési modellek Az ütemezési problémák osztályozása Az ütemezési problémákban adott m darab gép és n számú munka, amelyeket az 1,..., n számokkal fogunk sorszámozni. A feladat az, hogy ütemezzük az

Részletesebben

Termelési folyamat logisztikai elemei

Termelési folyamat logisztikai elemei BESZERZÉSI LOGISZTIKA Termelési logisztika Beszállítás a technológiai folyamat tárolójába Termelés ütemezés Kiszállítás a technológiai sorhoz vagy géphez Technológiai berendezés kiválasztása Technológiai

Részletesebben

Fuzzy-rendszerek. Fuzzy halmazm veletek. Fuzzy logika m veletek. Borgulya I. PTE KTK 2. 1.Fuzzy rendszerekr l általában

Fuzzy-rendszerek. Fuzzy halmazm veletek. Fuzzy logika m veletek. Borgulya I. PTE KTK 2. 1.Fuzzy rendszerekr l általában Fuzzy-rendszerek Fuzzy rendszerekrl általában Fuzzy-rendszerek Témák 1. Fuzzy rendszerekrl általában 2. Fuzzy halmazelmélet Fuzzy halmazmveletek 3. Fuzzy logika Fuzzy logika mveletek 4. Fuzzy közelít következtetés

Részletesebben

Informatika tanterv nyelvi előkészítő osztály heti 2 óra

Informatika tanterv nyelvi előkészítő osztály heti 2 óra Informatika tanterv nyelvi előkészítő osztály heti Számítógép feladata és felépítése Az informatikai eszközök használata Operációs rendszer Bemeneti egységek Kijelző egységek Háttértárak Feldolgozás végző

Részletesebben

"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."

A tízezer mérföldes utazás is egyetlen lépéssel kezdődik. "A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:

Részletesebben

ANSYS ACT. Hatékonyság növelés testreszabással. Farkas Dániel econ Engineering Kft. Budapest, 21/04/2016

ANSYS ACT. Hatékonyság növelés testreszabással. Farkas Dániel econ Engineering Kft. Budapest, 21/04/2016 ANSYS ACT Hatékonyság növelés testreszabással Farkas Dániel econ Engineering Kft. Budapest, 21/04/2016 Szimuláció alapú termékfejlesztés Megbízhatóság Gyorsaság Kapcsolt szimulációk Parametrikus szimulációk

Részletesebben

A hálózattervezés alapvető ismeretei

A hálózattervezés alapvető ismeretei A hálózattervezés alapvető ismeretei Infokommunikációs hálózatok tervezése és üzemeltetése 2011 2011 Sipos Attila ügyvivő szakértő BME Híradástechnikai Tanszék siposa@hit.bme.hu A terv általános meghatározásai

Részletesebben

Bevezetés a programozásba II. 8. Előadás: Osztályok, objektumok, osztályszintű metódusok

Bevezetés a programozásba II. 8. Előadás: Osztályok, objektumok, osztályszintű metódusok Bevezetés a programozásba II 8. Előadás: Osztályok, objektumok, osztályszintű metódusok vektor.h #ifndef VEKTOR_H #define VEKTOR_H class Vektor { int meret, *mut; public: Vektor(int meret); int szamlal(int

Részletesebben

Tartalomjegyzék. Köszönetnyilvánítás. 1. Az alapok 1

Tartalomjegyzék. Köszönetnyilvánítás. 1. Az alapok 1 Köszönetnyilvánítás Bevezetés Kinek szól a könyv? Elvárt előismeretek A könyv témája A könyv használata A megközelítés alapelvei Törekedjünk az egyszerűségre! Ne optimalizáljunk előre! Felhasználói interfészek

Részletesebben

Példa. Job shop ütemezés

Példa. Job shop ütemezés Példa Job shop ütemezés Egy üzemben négy gép működik, és ezeken 3 feladatot kell elvégezni. Az egyes feladatok sorra a következő gépeken haladnak végig (F jelöli a feladatokat, G a gépeket): Az ütemezési

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Problémamegoldás kereséssel - lokális információval Pataki Béla Bolgár Bence BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Rugó tervezése

Részletesebben

Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék

Dr. Kalló Noémi. Termelésszervezés, Termelési és szolgáltatási döntések elemzése. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelésszervezés, Termelési és szolgáltatási döntések elemzése egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelésszervezés 17.Ismertesse az anyagszükséglet-tervezés input információit,

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

Megerősítéses tanulás 2. előadás

Megerősítéses tanulás 2. előadás Megerősítéses tanulás 2. előadás 1 Technikai dolgok Email szityu@eotvoscollegium.hu Annai levlista http://nipglab04.inf.elte.hu/cgi-bin/mailman/listinfo/annai/ Olvasnivaló: Sutton, Barto: Reinforcement

Részletesebben

Markerek jól felismerhetőek, elkülöníthetők a környezettől Korlátos hiba

Markerek jól felismerhetőek, elkülöníthetők a környezettől Korlátos hiba 1. Ismertesse a relatív és abszolút pozíciómegatározás tulajdonságait, és lehetőségeit. Mit jelent a dead reckoning, és mi az odometria? Milyen hibalehetőségekre kell számítanunk odometria alkalmazásakor?

Részletesebben

A PhysioBank adatmegjelenítő szoftvereinek hatékonysága

A PhysioBank adatmegjelenítő szoftvereinek hatékonysága A PhysioBank adatmegjelenítő szoftvereinek hatékonysága Kaczur Sándor kaczur@gdf.hu GDF Informatikai Intézet 2012. november 14. Célok, kutatási terv Szabályos EKG-felvétel: P, Q, R, S, T csúcs Anatómiai

Részletesebben

Rendszámfelismerő rendszerek

Rendszámfelismerő rendszerek Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek Motiváció

Részletesebben

Operációkutatás II. Tantárgyi útmutató

Operációkutatás II. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdinfo Nappali Operációkutatás II. Tantárgyi útmutató 2015/16 tanév II. félév 1/4 Tantárgy megnevezése: Operációkutatás II. Tantárgy kódja: OPKT2KOMEMM Tanterv szerinti óraszám:

Részletesebben

Generikus osztályok, gyűjtemények és algoritmusok

Generikus osztályok, gyűjtemények és algoritmusok Programozási, gyűjtemények és algoritmusok bejárása Informatikai Kar Eötvös Loránd Tudományegyetem 1 Tartalom 1 bejárása 2 bejárása 2 Java-ban és UML-ben bejárása Az UML-beli paraméteres osztályok a Java

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola Miskolci Egyetem Gépészmérnöki és Informatikai Kar Hatvany József Informatikai Tudományok Doktori Iskola ÜTEMEZÉSI MODELL ÉS HEURISZTIKUS MÓDSZEREK AZ IGÉNYSZERINTI TÖMEGGYÁRTÁS FINOMPROGRAMOZÁSÁNAK TÁMOGATÁSÁRA

Részletesebben

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR HATVANY JÓZSEF INFORMATIKAI TUDOMÁNYOK DOKTORI ISKOLA HOZZÁRENDELÉSI FELADATOK LOGISZTIKAI RÁFORDÍTÁS ALAPJÁN TÖRTÉNŐ OPTIMALIZÁLÁSA HÁLÓZATSZERŰEN MŰKÖDŐ,

Részletesebben

Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja. Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar

Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja. Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar Tartalom Felhőalapú szolgáltatások Kihívások Módszertan Kutatás Projektek 2 Felső

Részletesebben

1. Bevezetés A C++ nem objektumorientált újdonságai 3

1. Bevezetés A C++ nem objektumorientált újdonságai 3 Előszó xiii 1. Bevezetés 1 2. A C++ nem objektumorientált újdonságai 3 2.1. A C és a C++ nyelv 3 2.1.1. Függvényparaméterek és visszatérési érték 3 2.1.2. A main függvény 4 2.1.3. A bool típus 4 2.1.4.

Részletesebben

1. tétel. A kommunikáció információelméleti modellje. Analóg és digitális mennyiségek. Az információ fogalma, egységei. Informatika érettségi (diák)

1. tétel. A kommunikáció információelméleti modellje. Analóg és digitális mennyiségek. Az információ fogalma, egységei. Informatika érettségi (diák) 1. tétel A kommunikáció információelméleti modellje. Analóg és digitális mennyiségek. Az információ fogalma, egységei Ismertesse a kommunikáció általános modelljét! Mutassa be egy példán a kommunikációs

Részletesebben

Heurisztikák algoritmusok ütemezési problémákra. 1. Állapottér és a megoldások kezelése

Heurisztikák algoritmusok ütemezési problémákra. 1. Állapottér és a megoldások kezelése Heurisztikák algoritmusok ütemezési problémákra 1. Állapottér és a megoldások kezelése Számos nehéz ütemezési probléma esetén az exponenciális idejű optimális megoldást adó algoritmusok rendkívül nagy

Részletesebben

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből

SZTE Eötvös Loránd Kollégium. 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2010/2011 tavaszi félév SZTE Eötvös Loránd Kollégium 1. Dombi József: Fuzzy elmélet és alkalmazásai 2011. március 3. 19:00 2. Móra György: Információkinyerés természetes nyelvű szövegekből 2011. március

Részletesebben

Funkcionális és logikai programozás. { Márton Gyöngyvér, 2012} { Sapientia, Erdélyi Magyar Tudományegyetem }

Funkcionális és logikai programozás. { Márton Gyöngyvér, 2012} { Sapientia, Erdélyi Magyar Tudományegyetem } Funkcionális és logikai programozás { Márton Gyöngyvér, 2012} { Sapientia, Erdélyi Magyar Tudományegyetem } http://www.ms.sapientia.ro/~mgyongyi ` 1 Jelenlét: Követelmények, osztályozás Az első 4 előadáson

Részletesebben

1. Bevezetés...4. 1.1. A kutatás iránya, célkitűzése...4. 1.2. A dokumentum felépítése...6. 2. Irodalmi áttekintés...8

1. Bevezetés...4. 1.1. A kutatás iránya, célkitűzése...4. 1.2. A dokumentum felépítése...6. 2. Irodalmi áttekintés...8 Tartalomjegyzék 1. Bevezetés...4 1.1. A kutatás iránya, célkitűzése...4 1.. A dokumentum felépítése...6. Irodalmi áttekintés...8.1. Fuzzy logika, halmazok, műveletek...8.1.1. Fuzzy halmazok...9.1.. Fuzzy

Részletesebben

Kereső algoritmusok a diszkrét optimalizálás problémájához

Kereső algoritmusok a diszkrét optimalizálás problémájához Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika Kar 1.3 Intézet Magyar Matematika és Informatika Intézet 1.4

Részletesebben

EuroOffice Optimalizáló (Solver)

EuroOffice Optimalizáló (Solver) 1. oldal EuroOffice Optimalizáló (Solver) Az EuroOffice Optimalizáló egy OpenOffice.org bővítmény, ami gyors algoritmusokat kínál lineáris programozási és szállítási feladatok megoldására. Szimplex módszer

Részletesebben

HULLADÉKGAZDÁLKODÁS ÉS KÖRNYÉKE

HULLADÉKGAZDÁLKODÁS ÉS KÖRNYÉKE Takáts Attila HULLADÉKGAZDÁLKODÁS ÉS KÖRNYÉKE (ahogyan én látom) MŰSZAKI KIADÓ, BUDAPEST, 2010 Tartalomjegyzék Előszó...11 Bevezetés...13 1. Környezetvédelmi alapok...17 1.1. Ember és környezet kapcsolata...17

Részletesebben

VEGYIPARI RENDSZEREK MODELLEZÉSE

VEGYIPARI RENDSZEREK MODELLEZÉSE VEGYIPARI RENDSZEREK MODELLEZÉSE ANYAGMÉRNÖK MSC KÉPZÉS SZAKMAI TÖRZSANYAG (nappali munkarendben) TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ MISKOLCI EGYETEM MŰSZAKI ANYAGTUDOMÁNYI KAR KERÁMIA- és POLIMERMÉRNÖKI

Részletesebben

Megújuló energiaforrásokkal kapcsolatos hallgatói és oktatói kutatások a BME Villamos Energetika Tanszékének Villamos Művek és Környezet Csoportjában

Megújuló energiaforrásokkal kapcsolatos hallgatói és oktatói kutatások a BME Villamos Energetika Tanszékének Villamos Művek és Környezet Csoportjában Megújuló energiaforrásokkal kapcsolatos hallgatói és oktatói kutatások a BME Villamos Energetika Tanszékének Villamos Művek és Környezet Csoportjában Nap- és szélenergia kutatás és oktatás 2014. május

Részletesebben

Memóriagazdálkodás. Kódgenerálás. Kódoptimalizálás

Memóriagazdálkodás. Kódgenerálás. Kódoptimalizálás Kódgenerálás Memóriagazdálkodás Kódgenerálás program prológus és epilógus értékadások fordítása kifejezések fordítása vezérlési szerkezetek fordítása Kódoptimalizálás L ATG E > TE' E' > + @StPushAX T @StPopBX

Részletesebben

Költségmegtakarítás járatoptimalizálással. Lukács Lajos Ügyvezető DSS Consulting Kft.

Költségmegtakarítás járatoptimalizálással. Lukács Lajos Ügyvezető DSS Consulting Kft. Költségmegtakarítás járatoptimalizálással Lukács Lajos Ügyvezető DSS Consulting Kft. DSS Consulting Kft. Döntéstámogató rendszerek bevezetése Üzleti- és informatikai tanácsadás Egyedi alkalmazások fejlesztése

Részletesebben

Folyamatok. 6. előadás

Folyamatok. 6. előadás Folyamatok 6. előadás Folyamatok Folyamat kezelése, ütemezése folyamattábla új folyamat létrehozása átkpcsolás folyamatok elválasztása egymástól átlátszó Szál szálkezelő rendszer szálak védése egymástól

Részletesebben

Általános algoritmustervezési módszerek

Általános algoritmustervezési módszerek Általános algoritmustervezési módszerek Ebben a részben arra mutatunk példát, hogy miként használhatóak olyan általános algoritmustervezési módszerek mint a dinamikus programozás és a korlátozás és szétválasztás

Részletesebben

Termék modell. Definíció:

Termék modell. Definíció: Definíció: Termék modell Összetett, többfunkciós, integrált modell (számítógépes reprezentáció) amely leír egy műszaki objektumot annak különböző életfázis szakaszaiban: tervezés, gyártás, szerelés, szervízelés,

Részletesebben