Döntéselőkészítés. VII. előadás. Döntéselőkészítés. Egyszerű Kőnig-feladat (házasság feladat)

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Döntéselőkészítés. VII. előadás. Döntéselőkészítés. Egyszerű Kőnig-feladat (házasság feladat)"

Átírás

1 VII. előadás Legyenek adottak Egyszerű Kőnig-feladat (házasság feladat) I, I 2,, I i,, I m személyek és a J, J 2,, J j,, J n munkák. Azt, hogy melyik személy melyik munkához ért ( melyik munkára van kvalifikálva) célszerűen az ún. kvalifikációs mátrixba foglalhatjuk össze: az m*n méretű mátrix (i,j) edik cellájában * álljon, ha az I i személy a J j munkát el tudja látni. Feladat eldönteni azt, hogy hozzárendelhető-e minden személy olyan munkához amihez ért, feltéve ha egy munkát csak egy munkás láthat el. (Kölcsönösen egyértelmű hozzárendelés megengedett csak.)

2 Egyszerű Kőnig-feladat Tétel (KŐNIG): Adott kvalifikációs mátrix esetén - vagy minden személyt el lehet látni munkával, - vagy létezik a személyeknek olyan P részhalmaza, amelyre P > J(P). (Szavakban: vagy megoldható a feladat, vagy létezik a munkásoknak olyan részhalmaza, hogy a munkások száma több, mint azon munkák száma, amennyit együttesen el tudnak látni.) Feladat: Egy tervező iroda 5 tervfeladatot kap. Az iroda 5 munkatársa kapja a feladatokat ( mindenki egyet és csak egyet). Ismert az egyes munkatársak felkészültségének és a munkában mutatott intenzitásának figyelembevételével a feladatok megoldásához szükséges idő napokban. F F2 F F4 F5 T T2 2 4 T 2 2 T T Melyik tervező melyik feladatot kapja, hogy az iroda minél hamarabb teljesítse a megbízást? 2

3 Futószalag feladat (szűkkeresztmetszet feladat) Egy üzemben működő futószalag J, J 2,, J j,, J n munkahelyeire az I, I 2,, I i,, I n munkások állíthatók be dolgozni. Ismertek a t ij > 0 i=,2,,n; j=,2,,n értékek (nem negatív egész szám), amelyek azt az időt mutatják, amennyi idő alatt az I i munkás a J j munkahely feladatát el tudja látni. Feladat úgy elhelyezni a munkásokat a futószalag melletti munkahelyekre, hogy a leghosszabb műveleti idő ( a futószalag továbbítási üteme ) minimális legyen. Futószalag feladat A megoldás algoritmusa: Elkészítünk egy kezdeti hozzárendelést. Ebben a kezdeti H hozzárendelésben a maximális műveleti időt jelölje t: t = max t ij. (i,j) H Ezután készítsük el egy n*n-es egyszerű Kőnig-feladat kvalifikációs mátrixát úgy, hogy az (i,j)-dik cellában álljon, ha t ij < t. Ha ez az egyszerű Kőnig-feladat nem oldható meg, akkor a H hozzárendelés a feladat optimális megoldása. Ha ez az egyszerű Kőnig-feladat megoldható - jelölje az új hozzárendelést H nyilván t = max t ij < max t ij. (i,j) H (i,j) H Az eredeti feladatunkra jobb megoldást kaptunk.

4 Futószalag feladat Az eljárást addig ismételjük, amíg olyan H hozzárendelést kapunk, amelyhez tartozó egyszerű Kőnig-feladat nem oldható meg. Oldjuk meg az alábbi futószalag feladatot! J J 2 J J 4 J 5 J I 2 I I I I 2 5 Futószalag feladat 0.lépés: Adjunk meg egy kezdeti hozzárendelést! J J 2 J J 4 J 5 J I 2 I I I I 2 5 t= 4

5 Futószalag feladat. lépés : A házasság feladat kvalifikációs mátrixa, és az útkeresés. J J 2 J J 4 J 5 J I +J Van út! I 2 I +J 2 +J A házasság feladat megoldható, egy jobb hozzárendelés adható meg! I 4 I +s +I +I +I -I -I -I J J 2 J J 4 J 5 J I 2 I I I I 2 5 Futószalag feladat.lépés: Adjunk meg a jobb hozzárendelést! I I J 2 J 2 J I 2 I I 2 5 J 4 4 J 5 J 9 t=5 5

6 Futószalagfeladat 2. lépés : A házasság feladat kvalifikációs mátrixa, és az útkeresés. J J 2 J J 4 J 5 J I I 2 I +J -J 2 Van út! A házasság feladat megoldható, egy jobb hozzárendelés adható meg! I 4 I +s +I +I -I -I -I I 2 I I 2 I I J 2 J 2 J 5 J 4 4 J 5 J 9 Futószalag feladat 2.lépés: Adjunk meg a jobb hozzárendelést! I I J 2 J 2 J I 2 I I 2 5 J 4 4 J 5 J 9 t=4

7 Futószalag feladat. lépés : A házasság feladat kvalifikációs mátrixa, és az útkeresés. I I 2 I I 4 I J J 2 J J 4 J 5 J +I +I +I A futószalag ütemideje t=4. +I +I +J +J 2 +s +J +J 5 +J Nincs út! Ez a házasság feladat már nem valósítható meg, ezért az előző hozzárendelés már optimális! I I J 2 J 2 J I 2 I I 2 5 J 4 4 J 5 J 9 Feladat: Egy beruházás során az E, E2,, E5 eszközök közül választhatunk, amelyeknek a beszerzési költsége rendre 9,2,,7,5 pénzegység. A vállalat az eszközök bizonyos csoportjait tudja hasznosan felhasználni, éspedig ezek a következők: {E,E}, {E2,E4}, {E,E,E5}. Ezek hasznossága rendre,2, pénzegység. Melyik eszközöket vásároljuk meg, hogy az összhasznosság és az eszközök árának különbsége a lehető legnagyobb legyen? Táblázatosan: E E2 E E4 E5 C * * 2 C2 * * C * * * 7

8 E E2 E E4 E5 C * * 2 C2 * * C * * * Megoldás: Jelöljük E j -vel az eszközöket, C i -vel az eszközcsoportokat. Legyen a i a C i hasznossága, b j pedig az E j beszerzési költsége. Legyen R a megvásárolandó eszközök halmaza és R a nem megvásárolt eszközök halmaza, jelölje P az R halmazba tartozó eszközök által meghatározott eszközcsoportokat és P a többi eszközcsoportot. Ekkor a maximalizálandó célfüggvény: a i - b j a i - b j Alakítsuk át a célfüggvényt: a i - b j = a i - a i - b j = a i ( a i + b j ) max A fenti maximalizálás a a i konstans értéke miatt ekvivalens a i + b j minimalizálásával. Ez nem más, mint az általános Kőnig feladat folyamproblémára visszavezetett hálózatában a vágás értéke, amit a folyamproblémában minimalizálni kell.

9 Ábrán szemléltetve: S C a C 2 a 2 a p s s C p a p+ C p+ a m C m E E r b b r E r+ b r+ b n E n A feladat megoldását a Kőnig feladat megoldására megismert algoritmussal végezzük. Három eset lehetséges:. S={s} Kőnig feladat megoldható és R=0 Egyik eszközt sem szabad megvenni! 2. S ={s } Kőnig feladat nem oldható meg és R=E Célszerű mindegyik eszközt megvenni!. Ha a vágás az ábra szerinti, akkor az S-beli R eszközhalmaz az optimális megoldás (a megcímkézett eszközök) Ellátási feladat Oldjuk meg az ismertetett ellátási feladatot! E E2 E E4 E5 C * * 2 C2 * * C * * * A feladat megoldása az általános Kőnig feladat megoldási algoritmusával történik. 9

10 Ellátási feladat 0. lépés: Készítsünk kezdeti szállítást az Észak-Nyugati sarokmódszer segítségével E E2 E E4 E5 C * * 2 C2 * * C * * * E E2 E E4 E5 0 C C C Ellátási feladat. lépés: Oldjuk meg a Kőnig feladatot E E2 E E4 E5 0 C C s 0 C A Kőnig feladat nem oldható meg! Javasolt eszköz vásárlás: R={E2,E4} Célfüggvény értéke: 2-(2+7)= +C2 +C E E2 E E4 E5 C * * 2 C2 * * C * * * 0

11 Vége a mai órának!

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6 Maximális folyam feladat Adott [N, A] digráf (irányított

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Alsó felső korlátos maximális folyam 3,9 3 4,2 4,8 4 3,7 2 Transzformáljuk több forrást, több nyelőt tartalmazó

Részletesebben

Operációkutatás példatár

Operációkutatás példatár 1 Operációkutatás példatár 2 1. Lineáris programozási feladatok felírása és megoldása 1.1. Feladat Egy gazdálkodónak azt kell eldöntenie, hogy mennyi kukoricát és búzát vessen. Ha egységnyi földterületen

Részletesebben

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu ajánlott jegyzet: Szilágyi Péter: Operációkutatás Operációkutatás Követelmények: Aláírás feltétele: foglalkozásokon való részvétel + a félév

Részletesebben

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu Budapest 200. október 10. Mit tanulunk ma? Szállítási feladat Megoldása Adott: Egy árucikk, T 1, T 2, T,..., T m termelőhely, melyekben rendre

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga A csoport Budapesti Corvinus Egyetem 2007. január 9. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

1/ gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI / Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI /. Legyen adott az alábbi LP-feladat: x + 4x + x 9 x + x x + x + x 6 x, x, x x + x +

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/ Operációkutatás I. 2018/2019-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c

Részletesebben

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/ Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatika Intézet Számítógépes Optimalizálás Tanszék 2. Előadás LP alapfeladat A lineáris programozás (LP) alapfeladata standard formában Max c

Részletesebben

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30.

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30. Online algoritmusok Algoritmusok és bonyolultságuk Horváth Bálint 2018. március 30. Horváth Bálint Online algoritmusok 2018. március 30. 1 / 28 Motiváció Gyakran el fordul, hogy a bemenetet csak részenként

Részletesebben

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39

5. Előadás. (5. előadás) Mátrixegyenlet, Mátrix inverze március 6. 1 / 39 5. Előadás (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 1 / 39 AX = B (5. előadás) Mátrixegyenlet, Mátrix inverze 2019. március 6. 2 / 39 AX = B Probléma. Legyen A (m n)-es és B (m l)-es

Részletesebben

ó ó ú ú ó ó ó ü ó ü Á Á ü É ó ü ü ü ú ü ó ó ü ó ü ó ó ú ú ú ü Ü ú ú ó ó ü ó ü ü Ü ü ú ó Ü ü ű ű ü ó ü ű ü ó ú ó ú ú ú ó ú ü ü ű ó ú ó ó ü ó ó ó ó ú ó ü ó ó ü ü ó ü ü Ü ü ó ü ü ü ó Ü ó ű ü ó ü ü ü ú ó ü

Részletesebben

Á ű ő ö Í é é ő Ö Ö é ő Ö ő ö é é Ö ü é ó Ő é é ó é ó é é é é Ö ó ó ő é Ü é ó ö ó ö é é Ő ú é é é é ő Ú é ó Ő ö Ő é é é é ű ö é Ö é é ó ű ö é ő é é é é é é é é é Ö é Ö ü é é é é ö ü é ó é ó ó é ü ó é é

Részletesebben

Ü Ö Á Á Á Á Á É ű Ü Ú ű ű Á É ű Ú Ü ű Ü Ü Ü Ü Ü Ü Ü Ü Ü Á Ü Ü Ü Ö Ö Ú Ö Ü Ö ű ű ű ű ű Á ű Ú ű ű ű ű ű É Á Ö Ö Ö ű ű ű Á ű ű ű ű ű ű ű ű ű ű Ü Ü Ü Ü ű ű ű ű ű ű ű ű ű ű ű Ú ű ű ű ű ű ű Ü Ö Ü Ó Ö ű ű ű

Részletesebben

Ö Ó ú É ű É Ö Ö Ö Ü Ó Ú É ú É Ü Ú ú Ü ű ú Ü Ö Ö ú ű Ú ű ű ú Ö Ö Ö Ö É ú ú Ő Ö ú Ü Ó ú Ú Ü Ö ű ű ű Ö ű ú Ó ű Ö Ü ű ú ú ú ú É ú Ö ú ú Ü ú Ó ú ú ú ú ú ú ű ű ú ű ú ú ű Ö ú ú ú ű Ö ú ű ú ű Ü Ö Ü ű Ü Ö ú ú Ü

Részletesebben

ű Ő ű Ü Ü Ü ű ű Ú ű ű ű ű ű ű ű ű ű ű ű ű ű Ú ű ű ű Ú Ü Ő ű Ö ű Ü ű Ö ű Ú ű ű Ű É É ű ű ű ű ű ű ű Ü ű ű ű ű ű ű ű Ú ű ű ű É Ű É Ü Ü Ú É É ű ű ű Ü ű É É Ű É ű ű ű ű ű ű ű Ö Ó ű ű ű ű ű ű Ö É Ó É É É Ü

Részletesebben

Á Á Ó É ö ó ó ó ő ő ó ö ő ő ű ó ú ö ó ó ő ó ü ó ó ő ó ó ő ó ü ó ő ő ő ó ő ő ö ó ó ó ö ö ü ö Á Á Ó ü ó ö ó ő ó ő ő Á É Á Ó ű ü ö ó ő ó ú ÉÉ ó ú ő ö ó ó ó ó ó ö ö ő ü ó ö ö ü ó ű ö ó ó ó ó ú ó ü ó ó ö ó

Részletesebben

É É É ü É ó ó É ű ó ÉÉ ó É ó É É ó É ü ó ó Ó ű ó ó ó ó ü É ü ű ó É É É É ü ü ó ó ó ü É ó É ó É ó ó ó ü ü ü ü ó ü ü ü ü ó ű ű É Í Ó Ü Ö ó ó ó Ó ó ü ü ü ű ó ü ü ű ü ü ó ü ű ü ó ü ó ó ó ó ó ó ó ü ó ó ó ű

Részletesebben

:.::-r:,: DlMENZI0l szoc!0toolnl ránsnnat0m A HELYI,:.:l:. * [:inln.itri lú.6lrl ri:rnl:iilki t*kill[mnt.ml Kilírirlrln K!.,,o,.r*,u, é é é ő é é é ő é ő ő ú í í é é é ő é í é ű é é ő ő é ü é é é í é ő

Részletesebben

Ü Éü É ü í í Í ö Ü Ú ú Ó í ő í Ö ű ö Ó ú Ű ü í Ó ö Ó Ü Ó Ó í í ú í Ü Ü ő Ú Ó Ó í ú É ÉÉ É Á Ü Ü Ü Ú ő í Ő Ó Ü ő ö ü ő ü ö ú ő ő ő ü ö ő ű ö ő ü ő ő ü ú ü ő ü ü Í ü Í Á Ö Í É Ú ö Í Á Ö í É ö í ő ő í ö ü

Részletesebben

ú Ú Ö É ú ü í í ü í í í í ü Ú í ű í ú ü ü í í ü ü í ü ü ú Í í ű í ü ü Ü í í ü í ú ű ú ú í í ü ú í ü É ü Ö í í ü ú ű í í ü í ű í í Í Ö í í ü Ö ú É Í í í í ü ű ü ű ü ü ü ü í í í í ú í ü í ú É ü ü ü ü í ü

Részletesebben

A Szállítási feladat megoldása

A Szállítási feladat megoldása A Szállítási feladat megoldása Virtuális vállalat 201-2014 1. félév 4. gyakorlat Dr. Kulcsár Gyula A Szállítási feladat Adott meghatározott számú beszállító (source) a szállítható mennyiségekkel (transportation

Részletesebben

A szimplex tábla. p. 1

A szimplex tábla. p. 1 A szimplex tábla Végződtetés: optimalitás és nem korlátos megoldások A szimplex algoritmus lépései A degeneráció fogalma Komplexitás (elméleti és gyakorlati) A szimplex tábla Példák megoldása a szimplex

Részletesebben

11. Előadás. 11. előadás Bevezetés a lineáris programozásba

11. Előadás. 11. előadás Bevezetés a lineáris programozásba 11. Előadás Gondolkodnivalók Sajátérték, Kvadratikus alak 1. Gondolkodnivaló Adjuk meg, hogy az alábbi A mátrixnak mely α értékekre lesz sajátértéke a 5. Ezen α-ák esetén határozzuk meg a 5 sajátértékhez

Részletesebben

Kétfázisú szimplex algoritmus és speciális esetei

Kétfázisú szimplex algoritmus és speciális esetei 5. gyakorlat Kétfázisú szimplex algoritmus és speciális esetei. Emlékeztető Standard alak, áttérés Standard alak Minden feltétel et tartalmaz csak. A célfüggvényünket maximalizáljuk. A b vektor (jobb oldalon

Részletesebben

Gazdasági informatika gyakorlat

Gazdasági informatika gyakorlat Gazdasági informatika gyakorlat P-Gráfokról röviden Mester Abigél P-Gráf: A P-Gráfok olyan speciális páros gráfok, ahol a csúcsok két halmazba oszthatók: ezek az anyag jellegű csúcsok, valamint a gépek.

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 9. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 18 Közelítő algoritmusok ládapakolás (bin packing) Adott n tárgy (s i tömeggel) és végtelen sok 1 kapacitású láda

Részletesebben

é á ó ó é é ó é é é á é é é á ó á á á é á ó é í é ó é á ó é é é é é é ó ó é ó é á ó á á é é á ó á ó é ó é á é é é á óé é é á ó á é é é í é ééé ó á áé é é é é á á á ó á á ó é á á í á ó é á ó é í é á ó é

Részletesebben

1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI

1/12. 3. gyakorlat. Lineáris Programozási feladatok megoldása szimplex módszerrel. Pécsi Tudományegyetem PTI / Operációkutatás. gyakorlat Lineáris Programozási feladatok megoldása szimplex módszerrel Pécsi Tudományegyetem PTI Normál feladatok megoldása szimplex módszerrel / / Normál feladatok megoldása szimplex

Részletesebben

1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1. x 1 0, x 2 0

1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1. x 1 0, x 2 0 Gyakorló feladatok Operációkutatás vizsgára 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! a, b, c, d, x 1 + x 2 2 2x 1 + x 2 6 x 1 + x 2 1 x 1 2, 5 z 1 = 4x 1 3x 2 max; z

Részletesebben

1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI

1/ gyakorlat. Hiperbolikus programozási feladat megoldása. Pécsi Tudományegyetem PTI 1/12 Operációkutatás 5. gyakorlat Hiperbolikus programozási feladat megoldása Pécsi Tudományegyetem PTI 2/12 Ha az Hiperbolikus programozási feladat feltételek teljesülése mellett a A x b x 0 z(x) = c

Részletesebben

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma

Egyes logisztikai feladatok megoldása lineáris programozás segítségével. - bútorgyári termelési probléma - szállítási probléma Egyes logisztikai feladatok megoldása lineáris programozás segítségével - bútorgyári termelési probléma - szállítási probléma Egy bútorgyár polcot, asztalt és szekrényt gyárt faforgácslapból. A kereskedelemben

Részletesebben

Approximációs algoritmusok

Approximációs algoritmusok Approximációs algoritmusok Nehéz (pl. NP teljes) problémák optimális megoldásának meghatározására nem tudunk (garantáltan) polinom idejű algoritmust adni. Lehetőségek: -exponenciális futási idejű algoritmus

Részletesebben

Feladatok MATEMATIKÁBÓL II.

Feladatok MATEMATIKÁBÓL II. Feladatok MATEMATIKÁBÓL a 12. évfolyam számára II. 1. Alakítsuk át a következő kifejezéseket úgy, hogy teljes négyzetek jelenjenek meg: a) x 2 2x + b) x 2 6x + 10 c) x 2 + x + 1 d) x 2 12x + 11 e) 2x 2

Részletesebben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/ Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és

Részletesebben

Vállalati modellek. Előadásvázlat. dr. Kovács László

Vállalati modellek. Előadásvázlat. dr. Kovács László Vállalati modellek Előadásvázlat dr. Kovács László Vállalati modell fogalom értelmezés Strukturált szervezet gazdasági tevékenység elvégzésére, nyereség optimalizálási céllal Jellemzői: gazdasági egység

Részletesebben

Tájékoztató. Használható segédeszköz: -

Tájékoztató. Használható segédeszköz: - A 35/2016. (VIII. 31.) NFM rendelet szakmai és vizsgakövetelménye alapján. Szakképesítés, azonosító száma és megnevezése 54 481 06 Informatikai rendszerüzemeltető Tájékoztató A vizsgázó az első lapra írja

Részletesebben

1. Ábrázolja az f(x)= x-4 függvényt a [ 2;10 ] intervallumon! (2 pont) 2. Írja fel az alábbi lineáris függvény grafikonjának egyenletét!

1. Ábrázolja az f(x)= x-4 függvényt a [ 2;10 ] intervallumon! (2 pont) 2. Írja fel az alábbi lineáris függvény grafikonjának egyenletét! Függvények 1 1. Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon!. Írja fel az alábbi lineáris függvény grafikonjának egyenletét! 3. Ábrázolja + 1 - függvényt a [ ;] -on! 4. Az f függvényt a valós

Részletesebben

Feladatok MATEMATIKÁBÓL II.

Feladatok MATEMATIKÁBÓL II. Feladatok MATEMATIKÁBÓL a 12. évfolyam számára II. 1. Alakítsuk át a következő kifejezéseket úgy, hogy teljes négyzetek jelenjenek meg: a) x 2 2x + b) x 2 6x + 10 c) x 2 + x + 1 d) x 2 12x + 11 e) 2x 2

Részletesebben

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet

Dualitás Dualitási tételek Általános LP feladat Komplementáris lazaság 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 7. Előadás Árazási interpretáció Tekintsük újra az erőforrás allokációs problémát (vonat

Részletesebben

Törtes egyenlőtlenségek

Törtes egyenlőtlenségek Törtes egyenlőtlenségek Egy tört értéke akkor pozitív, ha a számláló és a nevező egyező előjelű. Egy tört értéke akkor negatív, ha a számlálója és a nevezője ellentétes (különböző) előjelű. 1. Oldja meg

Részletesebben

További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás

További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás További programozási esetek Hiperbolikus, kvadratikus, integer, bináris, többcélú programozás Készítette: Dr. Ábrahám István Hiperbolikus programozás Gazdasági problémák optimalizálásakor gyakori, hogy

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten LINEÁRIS PROGRAMOZÁS Készítette: Gábor Szakmai felel s: Gábor Vázlat 1 2 3 4 A lineáris

Részletesebben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám.

út hosszát. Ha a két várost nem köti össze út, akkor legyen c ij = W, ahol W már az előzőekben is alkalmazott megfelelően nagy szám. 1 Az utazó ügynök problémája Utazó ügynök feladat Adott n számú város és a városokat összekötő utak, amelyeknek ismert a hossza. Adott továbbá egy ügynök, akinek adott városból kiindulva, minden várost

Részletesebben

A szimplex algoritmus

A szimplex algoritmus . gyakorlat A szimplex algoritmus Az előző órán bevezetett feladat optimális megoldását fogjuk megvizsgálni. Ehhez új fogalmakat, és egy algoritmust tanulunk meg. Hogy az algoritmust alkalmazni tudjuk,

Részletesebben

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás.   Szénási Sándor Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2

Részletesebben

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje

Operációkutatás. 4. konzultáció: Szállítási feladat. A feladat LP modellje Operációkutatás 1 NYME KTK, gazdálkodás szak, levelező alapképzés 2002/2003. tanév, II. évf. 2.félév Előadó: Dr. Takách Géza NyME FMK Információ Technológia Tanszék 9400 Sopron, Bajcsy Zs. u. 9. GT fszt.

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

2) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont)

2) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont) (11/1) Függvények 1 1) Ábrázolja az f()= -4 függvényt a [ ;10 ] intervallumon! (pont) ) Írja fel az alábbi lineáris függvény grafikonjának egyenletét! (3pont) 3) Ábrázolja + 1 - függvényt a [ ;] -on! (3pont)

Részletesebben

A feladatok. Csökkentsük a teljes költséget úgy, hogy minimalizáljuk: K V. vásárlási költséget, K S. szállítási költséget, K T. tárolási költséget.

A feladatok. Csökkentsük a teljes költséget úgy, hogy minimalizáljuk: K V. vásárlási költséget, K S. szállítási költséget, K T. tárolási költséget. A feladatok Csökkentsük a teljes költséget úgy, hogy minimalizáljuk: vásárlási költséget, S szállítási költséget, T tárolási költséget. 1 A rendszer felépítése B1... Bj... Bm S1 L Sg Sα F1... Fi... Fn

Részletesebben

Az optimális megoldást adó algoritmusok

Az optimális megoldást adó algoritmusok Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.

Részletesebben

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Első zárthelyi dolgozat megoldásai biomatematikából * A verzió Elméleti kérdések: E. Mikor nevezünk egy gráfot gyengén és mikor erősen összefüggőnek? Adjon példát gyengén összefüggő de erősen nem összefüggő

Részletesebben

Programozási módszertan. Mohó algoritmusok

Programozási módszertan. Mohó algoritmusok PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás

Részletesebben

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30

Részletesebben

egyenlőtlenségnek kell teljesülnie.

egyenlőtlenségnek kell teljesülnie. MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

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

Assignment problem Hozzárendelési feladat (Szállítási feladat speciális esete)

Assignment problem Hozzárendelési feladat (Szállítási feladat speciális esete) Assignment problem Hozzárendelési feladat (Szállítási feladat speciális esete) C költség mátrix költség Munkákat hozzá kell rendelni gépekhez: egy munka-egy gép c(i,j) mennyi be kerül i-dik munka j-dik

Részletesebben

Lineáris algebra. (közgazdászoknak)

Lineáris algebra. (közgazdászoknak) Lineáris algebra (közgazdászoknak) 10A103 FELADATOK A GYAKORLATRA (3.) 2018/2019. tavaszi félév Lineáris egyenletrendszerek 3.1. Feladat. Oldjuk meg az alábbi lineáris egyenletrendszereket Gauss-eliminációval

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

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz Debreceni Egyetem Közgazdaságtudományi Kar Feladatok a Gazdasági matematika II tárgy gyakorlataihoz a megoldásra ajánlott feladatokat jelöli e feladatokat a félév végére megoldottnak tekintjük a nehezebb

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

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

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1. Nagyságrendek Kiegészítő anyag az Algoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: Algoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 018. február 1. Az O, Ω, Θ jelölések Az algoritmusok

Részletesebben

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet

9. Előadás. Megyesi László: Lineáris algebra, oldal. 9. előadás Mátrix inverze, mátrixegyenlet 9. Előadás Megyesi László: Lineáris algebra, 75. 84. oldal. Gondolkodnivalók Mátrix rangja 1. Gondolkodnivaló Határozzuk meg a p valós paraméter értékétől függően a következő mátrix rangját: p 3 1 2 2

Részletesebben

HÁLÓZAT Maximális folyam, minimális vágás

HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT informálisan Hálózat Irányított gráf Mindegyik élnek adott a (nemnegatív) kapacitása Spec csúcsok: Forrás (Source): a kiindulási pont csak ki élek Nyelő

Részletesebben

Rendezések. A rendezési probléma: Bemenet: Kimenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat

Rendezések. A rendezési probléma: Bemenet: Kimenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat 9. Előadás Rendezések A rendezési probléma: Bemenet: n számot tartalmazó (a 1,a 2,,a n ) sorozat Kimenet: a bemenő sorozat olyan (a 1, a 2,,a n ) permutációja, hogy a 1 a 2 a n 2 Rendezések Általánosabban:

Részletesebben

Nemlineáris programozás 2.

Nemlineáris programozás 2. Optimumszámítás Nemlineáris programozás 2. Többváltozós optimalizálás feltételek mellett. Lagrange-feladatok. Nemlineáris programozás. A Kuhn-Tucker feltételek. Konvex programozás. Sydsaeter-Hammond: 18.1-5,

Részletesebben

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Vektorterek. =a gyakorlatokon megoldásra ajánlott Vektorterek =a gyakorlatokon megoldásra ajánlott 40. Alteret alkotnak-e a valós R 5 vektortérben a megadott részhalmazok? Ha igen, akkor hány dimenziósak? (a) L = { (x 1, x 2, x 3, x 4, x 5 ) x 1 = x 5,

Részletesebben

Online migrációs ütemezési modellek

Online migrációs ütemezési modellek Online migrációs ütemezési modellek Az online migrációs modellekben a régebben ütemezett munkák is átütemezhetőek valamilyen korlátozott mértékben az új munka ütemezése mellett. Ez csökkentheti a versenyképességi

Részletesebben

Mátrixok 2017 Mátrixok

Mátrixok 2017 Mátrixok 2017 számtáblázatok" : számok rendezett halmaza, melyben a számok helye két paraméterrel van meghatározva. Például lineáris egyenletrendszer együtthatómátrixa 2 x 1 + 4 x 2 = 8 1 x 1 + 3 x 2 = 1 ( 2 4

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

Részletesebben

Algoritmuselmélet 2. előadás

Algoritmuselmélet 2. előadás Algoritmuselmélet 2. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 12. ALGORITMUSELMÉLET 2. ELŐADÁS 1 Buborék-rendezés

Részletesebben

1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert:

1. Determinánsok. Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert: 1 Determinánsok 1 Bevezet definíció Oldjuk meg az alábbi kétismeretlenes, két egyenletet tartalmaz lineáris egyenletrendszert: a 11 x 1 +a 12 x 2 = b 1 a 21 x 1 +a 22 x 2 = b 2 Szorozzuk meg az első egyenletet

Részletesebben

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek 3. Előadás Megyesi László: Lineáris algebra, 47. 50. oldal. Gondolkodnivalók Determinánsok 1. Gondolkodnivaló Determinánselméleti tételek segítségével határozzuk meg a következő n n-es determinánst: 1

Részletesebben

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Feladat: Egy gyár kétféle terméket gyárt (A, B): /db Eladási ár 1000 800 Technológiai önköltség 400 300 Normaóraigény

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Totális Unimodularitás és LP dualitás. Tapolcai János

Totális Unimodularitás és LP dualitás. Tapolcai János Totális Unimodularitás és LP dualitás Tapolcai János tapolcai@tmit.bme.hu 1 Optimalizálási feladat kezelése NP-nehéz Hatékony megoldás vélhetően nem létezik Jó esetben hatékony algoritmussal közelíteni

Részletesebben

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén

Részletesebben

Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén!

Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További. 1. Oldja meg grafikusan az alábbi feladatokat mindhárom célfüggvény esetén! Gyakorló feladatok Alkalmazott Operációkutatás vizsgára. További példák találhatók az fk.sze.hu oldalon a letöltések részben a közlekedési operációkutatásban 1. Oldja meg grafikusan az alábbi feladatokat

Részletesebben

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd

Ütemezési feladatok. Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd 1 Ütemezési feladatok Az ütemezési feladatok vizsgálata az 50-es évek elején kezdődött, majd tekintettel a feladat gyakorlati fontosságára sok különböző modell tanulmányozására került sor, és a témakör

Részletesebben

Matematika szigorlat, Mérnök informatikus szak I máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt.

Matematika szigorlat, Mérnök informatikus szak I máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt. Matematika szigorlat, Mérnök informatikus szak I. 2009. máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt.: 180 perc 0-49 pont: elégtelen, 50-61 pont: elégséges, 62-73 pont:

Részletesebben

Dinamikus programozás - Szerelőszalag ütemezése

Dinamikus programozás - Szerelőszalag ütemezése Dinamikus programozás - Szerelőszalag ütemezése A dinamikus programozás minden egyes részfeladatot és annak minden részfeladatát pontosan egyszer oldja meg, az eredményt egy táblázatban tárolja, és ezáltal

Részletesebben

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13. Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

7. Régió alapú szegmentálás

7. Régió alapú szegmentálás Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba

Részletesebben

operációkutatás példatár

operációkutatás példatár operációkutatás példatár . MŰVELETEK MÁTIXOKKAL. (Megoldás a.-es gyakorló ideóban.) Itt annak ezek a mátriok illete ektorok: A c B d * E f * Végezzük el a köetkező műeleteket: A B B E B c B A A E B d..

Részletesebben

Algoritmizálás és adatmodellezés tanítása 2. előadás

Algoritmizálás és adatmodellezés tanítása 2. előadás Algoritmizálás és adatmodellezés tanítása 2. előadás Tartalom Összegzés vektorra, mátrixra Megszámolás vektorra, mátrixra Maximum-kiválasztás vektorra, mátrixra Eldöntés vektorra, mátrixra Kiválasztás

Részletesebben

14. Mediánok és rendezett minták

14. Mediánok és rendezett minták 14. Mediánok és rendezett minták Kiválasztási probléma Bemenet: Azonos típusú (különböző) elemek H = {a 1,...,a n } halmaza, amelyeken értelmezett egy lineáris rendezési reláció és egy i (1 i n) index.

Részletesebben

Navigáci. stervezés. Algoritmusok és alkalmazásaik. Osváth Róbert Sorbán Sámuel

Navigáci. stervezés. Algoritmusok és alkalmazásaik. Osváth Róbert Sorbán Sámuel Navigáci ció és s mozgástervez stervezés Algoritmusok és alkalmazásaik Osváth Róbert Sorbán Sámuel Feladat Adottak: pálya (C), játékos, játékos ismerethalmaza, kezdőpont, célpont. Pálya szerkezete: akadályokkal

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

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak

LINEÁRIS EGYENLETRENDSZEREK október 12. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak LINEÁRIS EGYENLETRENDSZEREK 004. október. Irodalom A fogalmakat, definíciókat illetően két forrásra támaszkodhatnak: ezek egyrészt elhangzanak az előadáson, másrészt megtalálják a jegyzetben: Szabó László:

Részletesebben

Korlátozás és szétválasztás elve. ADAGOLO adattípus

Korlátozás és szétválasztás elve. ADAGOLO adattípus Korlátozás és szétválasztás elve ADAGOLO adattípus Értékhalmaz: E Adagolo : A E Műveletek: A : Adagolo, x : E {Igaz} Letesit(A) {A = /0} {A = A} Megszuntet(A) {Igaz} {A = A} Uresit(A) {A = /0} {A = A}

Részletesebben

Képrekonstrukció 9. előadás

Képrekonstrukció 9. előadás Képrekonstrukció 9. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem hv-konvex összefüggő halmazok Mag-burok-szerű rekonstrukció: S. Brunetti, A. Del Lungo, F.

Részletesebben

Opkut deníciók és tételek

Opkut deníciók és tételek Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét

Részletesebben

Feladatok. 6. A CYK algoritmus segítségével döntsük el, hogy aabbcc eleme-e a G = {a, b, c}, {S, A, B, C}, P, S nyelvtan által generált nyelvnek!

Feladatok. 6. A CYK algoritmus segítségével döntsük el, hogy aabbcc eleme-e a G = {a, b, c}, {S, A, B, C}, P, S nyelvtan által generált nyelvnek! Feladatok 1. A CYK algoritmus segítségével döntsük el, hogy cabcab eleme-e a G = {a, b, c}, {S, A, B, C, D, E}, P, S nyelvtan által generált nyelvnek! P: S AD EB SS A AB a B DD b C CB c D EC a E AD b 2.

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 8. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

Intergrált Intenzív Matematika Érettségi

Intergrált Intenzív Matematika Érettségi . Adott a mátri, determináns determináns, ahol,, d Számítsd ki:. b) Igazold, hogy a b c. Adott a az 6 0 egyenlet megoldásai. a). c) Számítsd ki a d determináns értékét. d c a b determináns, ahol abc,,.

Részletesebben

INFORMATIKA tétel 2019

INFORMATIKA tétel 2019 INFORMATIKA tétel 2019 ELIGAZÍTÁS: 1 pont hivatalból; Az 1-4 feladatokban (a pszeudokód programrészletekben): (1) a kiír \n utasítás újsorba ugratja a képernyőn a kurzort; (2) a / operátor osztási hányadost

Részletesebben