Bevezetés Standard 1 vállalatos feladatok Standard több vállalatos feladatok 2017/ Szegedi Tudományegyetem Informatikai Intézet

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezetés Standard 1 vállalatos feladatok Standard több vállalatos feladatok 2017/ Szegedi Tudományegyetem Informatikai Intézet"

Átírás

1 Operációkutatás I. 2017/ Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 10. Előadás

2 Vállalatelhelyezés

3 Vállalatelhelyezés Amikor egy új telephelyet kell nyitni, hogy valamilyen szolgáltatást, vagy terméket biztosítunk néhány keresleti pontnak, az egyik legfontosabb kérdés, hogy hova helyezzük azt a célfüggvény optimalizálásához. Egy új vállalat megnyitása stratégiai döntés, általában nagy beruházást igényel és nem változtatható könnyedén. Vállalatelhelyezési feladat: Köz szféra: iskolák tűzoltóállomások kórházak szemétlerakók Privát szektor: szupermarketek benzinkutak éttermek pékségek

4 Példa elhelyezési feladatra Lidl Spar Aldi Aldi Lidl

5 Az első elhelyezési feladat A Fermat-Weber probléma volt az első elhelyezési feladat, amit már a 17. században meg akartak oldani. A francia matematikus, Pierre de Fermat adta fel Torricellinek, az olasz fizikusnak a feladatot: Ha adott egy síkon három pont, találd meg a negyedik pontot úgy, hogy a három adott ponttól vett távolságainak összege a lehető legkisebb legyen ben Alfred Weber használta ezt a három pontos modelt, hogy ipari alkalmazásokban minimalizálja a teljes utiköltséget. Ez a megfogalmazás a legegyszerűbb folytonos vállalatelhelyezési feladatot adja.

6 A matematikai modell Keressük azt az x (x 1, x 2,..., x n koordinátájú) pontot, amire az a 1, a 2,..., a m pontok súlyozott össztávolsága minimális, azaz min m w i x a i i=1 ahol w i egy pont súlya és. az Euklidészi távolságot jelöli, azaz n x = x 2 i. j=1 A síkon vett három pontra ez min w 1 (x1 a 11 ) 2 + (x 2 a 12 ) w 2 (x1 a 21 ) 2 + (x 2 a 22 ) w 3 (x1 a 31 ) 2 + (x 2 a 32 ) 2.

7 Elhelyezési feladat hozzávalói Keresési tér: ahol az új vállalatot keressük, lehet diszkrét hálózat folytonos Keresleti pontok: felhasználók, vásárlók, akinek a keresletét kell kielégíteni. Lehet pontokba aggregált folytonos (adott sűrűségfüggvénnyel) mennyisége ismert vagy valószínűsített Vállalatok száma: hány telephelyet válasszunk, lehet egy több Döntési változók: a helyen kívül néha változó a kapacitás minőség (méret) áru ára Célfüggvény: mi szerint optimalizáljunk minisum minimax max profit

8 Távolságfüggvény A távolságfüggvény függhet a keresési tértől, általában diszkrét esetben előre adott hálózatnál gráfelméleti legrövidebb út, tehát x (v i, v j ) él és v k csúcs esetén d(x, v k ) = min{x+d ik, l ij x+d jk }, ahol d ij a v i és v j csúcs távolsága folytonos esetben lehet n Euklidészi, x 2 = j=1 x2 i, Manhattan-i, x 1 = n j=1 x i, Végtelen norma, x = max x i.

9 Center és medián feladat Legyen adva m keresleti pont, a 1, a 2,..., a m, és ezek kereslete w 1, w 2,..., w n. Feltéve, hogy adott a távolságfüggvény, d i (x), ami a i és x távolságát adja meg, keressük az x pontot, ahol a célfüggvény: Medián min m w i d i (x) i=1 konvex függvény, könnyű megoldani iskolák, raktárak Másnéven Fermat-Weber probléma Geogebra Weiszfeld Europa Center min max i=1,...,m w id i (x) ez is konvex, de nem mindenhol differenciálható vészelhárítási szervek

10 Anti-center és anti-medián feladat Itt is m keresleti pont, a 1, a 2,..., a m, és ezek kereslete w 1, w 2,..., w n van megadva a d i (x) távolságfüggvény mellett. Anti-medián max m w i d i (x) i=1 konvex függvény, de most MAX!!! börtön, nem-kívánt vállalat (pl. zajos, büdös) Anti-center max max i=1,...,m w id i (x) ez is konvex, nem mindenhol differenciálható veszélyes üzemek, pl. atomerőmű

11 p-center és p-medián feladat Itt is adott m keresleti pont, a 1, a 2,..., a m, és ezek kereslete w 1, w 2,..., w n, illetve a távolságfüggvény, d i (x). Egy keresleti pont mindig a hozzá legközelebbi vállalatot választja. Keressük p darab új vállalat helyét, x 1, x 2,..., x p -t, ami minimalizálja p-medián min m i=1 w i min d i(x j ) j=1,...,p iskolák, raktárak, klaszterezés p-center min max i=1,...,m w i vészelhárítási szervek min d i(x j ) j=1,...,p GO nem konvex, nem konkáv függvények, nem könnyű megoldani

12 Fedési feladatok Tegyük fel, hogy a telepítendő üzemek csak egy bizonyos sugáron belül tudják kielégíteni a keresletet. Adott sugár mellett keressük az új vállalat (vagy vállalatok) helyét, maximalizálva a lefedett keresletet. max m i=1 j d i (x j ) R w i

13 Versenyző vállalatok A kereslet lehet fix vagy rugalmas. Már létezhetnek vállalatok, saját vagy versenytársé. A vásárlók dönthetnek melyik vállalatot válaszják. Ezt többnyire vonzási függvény segítségével teszik. A vonzóság a távolsággal fordítottan arányos. A vonzás alapján lehet bináris, vagy arányos. Néha el kell dönteni az áru árát is.

14 Köszönöm a figyelmet! Őszi félévben tartok Optimalizálási Modellek spec.koll.t (laborgyakorlat), ahol modellezéssel, azaz szöveges feladatok matematikai feĺırásával és azok megoldásával foglalkozunk. Hasonló témában érdeklődő hallgatóknak feladatok, TDK, szakdolgozat téma, stb. Érdeklődj en: boglarka@inf.szte.hu

Döntési rendszerek I.

Döntési rendszerek I. Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 3. Gyakorlat Egy újságárus 20 centért szerez be egy adott napilapot a kiadótól és 25-ért adja

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

2017/ Szegedi Tudományegyetem Informatikai Intézet

2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 8. Előadás Bevezetés Egy olyan LP-t, amelyben mindegyik változó egészértékű, tiszta egészértékű

Részletesebben

Áttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Áttekintés LP és geometria Többcélú LP LP és egy dinamikus modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 6. Előadás Áttekintés Kezdjük újra a klasszikus erőforrás allokációs problémával (katonák,

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

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor

Részletesebben

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet

Követelmények Motiváció Matematikai modellezés: példák A lineáris programozás alapfeladata 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 1. Előadás Követelmények, teljesítés feltételei Vizsga anyaga Előadásokhoz tartozó diasor

Részletesebben

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás

A L Hospital-szabály, elaszticitás, monotonitás, konvexitás A L Hospital-szabály, elaszticitás, monotonitás, konvexitás 9. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék A L Hospital-szabály, elaszticitás, monotonitás, konvexitás p. / A L

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

Megoldatlan (elemi) matematikai problémák Diszkrét geometriai problémák

Megoldatlan (elemi) matematikai problémák Diszkrét geometriai problémák Megoldatlan (elemi) matematikai problémák Diszkrét geometriai problémák Csikós Balázs ELTE TTK Matematikai Intézet Országos Diákkutatói Program, 2009.11.13. Csikós B. (ELTE TTK Matematikai Intézet) Diszkrét

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

Bevezetés az algebrába 2 Vektor- és mátrixnorma

Bevezetés az algebrába 2 Vektor- és mátrixnorma Bevezetés az algebrába 2 Vektor- és mátrixnorma Wettl Ferenc Algebra Tanszék B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M 2016.

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

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0 I. Legyen f : R R, f(x) = 1 1 + x 2, valamint 1. Házi feladat d : R + 0 R+ 0 R (x, y) f(x) f(y). 1. Igazoljuk, hogy (R + 0, d) metrikus tér. 2. Adjuk meg az x {0, 3} pontok és r {1, 2} esetén a B r (x)

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

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen

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

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

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

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

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára Analízis R d -ben Gyakorlatvezetõ: Hajnal Péter 2012. február 8 1. Konvex függvények Definíció. f : D R konvex, ha dom(f) := D R n konvex és tetszőleges

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

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu

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

A lineáris programozás alapjai

A lineáris programozás alapjai A lineáris programozás alapjai A konvex analízis alapjai: konvexitás, konvex kombináció, hipersíkok, félterek, extrém pontok, Poliéderek, a Minkowski-Weyl tétel (a poliéderek reprezentációs tétele) Lineáris

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

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

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

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

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

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

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás

Részletesebben

Nem-lineáris programozási feladatok

Nem-lineáris programozási feladatok Nem-lineáris programozási feladatok S - lehetséges halmaz 2008.02.04 Dr.Bajalinov Erik, NyF MII 1 Elég egyszerű példa: nemlineáris célfüggvény + lineáris feltételek Lehetséges halmaz x 1 *x 2 =6.75 Gradiens

Részletesebben

Döntési módszerek Tantárgyi útmutató

Döntési módszerek Tantárgyi útmutató Gazdálkodási és menedzsment alapszak Nappali tagozat Döntési módszerek Tantárgyi útmutató 2018/19. tanév II. félév 1 Tantárgy megnevezése Tantárgy jellege/típusa: Döntési módszerek. D Kontaktórák száma/hét:

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

VBKTO logisztikai modell bemutatása

VBKTO logisztikai modell bemutatása VBKTO logisztikai modell bemutatása Logisztikai rendszerek információs technológiája: Szakmai nyílt nap Pannon Egyetem Műszaki Informatikai Kar 2007. június 6. Tartalom Vagyontárgy nyilvántartó központ

Részletesebben

Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite

Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite Termeléstervezés és -irányítás Termelés és kapacitás tervezés Xpress-Mosel FICO Xpress Optimization Suite Alkalmazásával 214 Monostori László egyetemi tanár Váncza József egyetemi docens 1 Probléma Igények

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 = 2 + [ i] b = ahol 1 i 162 a hallgató sorszáma a csatolt névsorban, [x] az x szám

a = 2 + [ i] b = ahol 1 i 162 a hallgató sorszáma a csatolt névsorban, [x] az x szám Döntéselmélet házi feladat, 2011-12 tanév II. félév A házi feladat beadása az aláírás feltétele. A házi feladatra adott minősítés az (anyag első felére vonatkozó) jegyben 40% súllyal szerepel, ennek megfelelően

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

Tartalom. Pénzügytan I. Általános tudnivalók, ismétlés. 2010/2011 tanév őszi félév 1. Hét

Tartalom. Pénzügytan I. Általános tudnivalók, ismétlés. 2010/2011 tanév őszi félév 1. Hét Pénzügytan I. Általános tudnivalók, ismétlés 2010/2011 tanév őszi félév 1. Hét 2010.09.07. 1 Tóth Árpád Ig. 617 e-mail: totha@sze.hu gyakorlatok letölthetősége: www.sze.hu/~totha Pénzügytan I. (könyvtár)

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

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

Bevezetés az operációkutatásba A lineáris programozás alapjai

Bevezetés az operációkutatásba A lineáris programozás alapjai Bevezetés az operációkutatásba A lineáris programozás alapjai Alkalmazott operációkutatás 1. elıadás 2008/2009. tanév 2008. szeptember 12. Mi az operációkutatás (operations research)? Kialakulása: II.

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

Operációkutatás II. Tantárgyi útmutató

Operációkutatás II. Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdinfo Nappali Operációkutatás II. Tantárgyi útmutató 2016/17 tanév II. félév 1/4 Tantárgy megnevezése: Operációkutatás II. Tantárgy kódja: OPKT2KOMEMM Tanterv szerinti óraszám:

Részletesebben

Matematikai modellezés

Matematikai modellezés Matematikai modellezés Bevezető A diasorozat a Döntési modellek című könyvhöz készült. Készítette: Dr. Ábrahám István Döntési folyamatok matematikai modellezése Az emberi tevékenységben meghatározó szerepe

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 5. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom 1. Párhuzamosan

Részletesebben

Adaptív dinamikus szegmentálás idősorok indexeléséhez

Adaptív dinamikus szegmentálás idősorok indexeléséhez Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november

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

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok I. útmutató 2014/2015. tanév I. félév Tantárgyi program Tantárgy megnevezése Matematikai alapok

Részletesebben

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás

11. Előadás. 1. Lineáris egyenlőség feltételek melletti minimalizálás Optimalizálási eljárások MSc hallgatók számára 11. Előadás Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter 2011. április 27. 1. Lineáris egyenlőség feltételek melletti minimalizálás Múlt héten nem szerepeltek

Részletesebben

KONVEXITÁS, ELASZTICITÁS

KONVEXITÁS, ELASZTICITÁS Bodó Beáta 1 KONVEXITÁS, ELASZTICITÁS 1. B Az f(x) függvény értelmezési tartománya. Hol konkáv az f(x) függvény, ha második deriváltja f (x) = (x + 6) 5 (4x 12) 8 (x + 2)? f (x) zérushelyei: 6; 2; 3 D

Részletesebben

A Fermat-Torricelli pont

A Fermat-Torricelli pont Vígh Viktor SZTE Bolyai Intézet 2014. november 26. Huhn András Díj 2014 Így kezdődött... Valamikor 1996 tavaszán, a Kalmár László Matematikaverseny megyei fordulóján, a hetedik osztályosok versenyén. [Korhű

Részletesebben

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet / Tartalom 3/ kernelek segítségével Felügyelt és félig-felügyelt tanulás felügyelt: D =

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

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA SZDT-04 p. 1/30 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás

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

REGIONÁLIS GAZDASÁGTAN

REGIONÁLIS GAZDASÁGTAN REGIONÁLIS GAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA

Részletesebben

Oktatói önéletrajz Bozóki Sándor

Oktatói önéletrajz Bozóki Sándor egyetemi docens Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1996-2001 ELTE-TTK, alkalmazott matematikus 1999-2003 ELTE-TTK, matematika tanár

Részletesebben

Rekurzív sorozatok. SZTE Bolyai Intézet nemeth. Rekurzív sorozatok p.1/26

Rekurzív sorozatok. SZTE Bolyai Intézet   nemeth. Rekurzív sorozatok p.1/26 Rekurzív sorozatok Németh Zoltán SZTE Bolyai Intézet www.math.u-szeged.hu/ nemeth Rekurzív sorozatok p.1/26 Miért van szükség közelítő módszerekre? Rekurzív sorozatok p.2/26 Miért van szükség közelítő

Részletesebben

Oktatói önéletrajz Bozóki Sándor

Oktatói önéletrajz Bozóki Sándor egyetemi docens Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1999-2003 ELTE-TTK, matematika tanár 1996-2001 ELTE-TTK, alkalmazott matematikus

Részletesebben

Hajder Levente 2018/2019. II. félév

Hajder Levente 2018/2019. II. félév Hajder Levente hajder@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2018/2019. II. félév Tartalom 1 2 Törtvonal Felületi folytonosságok B-spline Spline variánsok Felosztott (subdivision) görbék

Részletesebben

1 Betétlap. Oldalszám. X. Az adózó képviselői (szükség esetén több oldalon is részletezhető) 1. Képviselő neve: adószáma: Adóazonosító jele:

1 Betétlap. Oldalszám. X. Az adózó képviselői (szükség esetén több oldalon is részletezhető) 1. Képviselő neve: adószáma: Adóazonosító jele: 1 Betétlap X. Az adózó képviselői (szükség esetén több oldalon is részletezhető) Oldalszám 1. Képviselő neve: 2. Képviselő neve: 3. Képviselő neve: 4. Képviselő neve: 5. Képviselő neve: 6. Képviselő neve:

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

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

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

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

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

Páros összehasonlítás mátrixok empirikus vizsgálata p. 1/20

Páros összehasonlítás mátrixok empirikus vizsgálata p. 1/20 Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor 1,2, Dezső Linda 3,4, Poesz Attila 2, Temesi József 2 1 MTA SZTAKI; 2 Budapesti Corvinus Egyetem 3 Szegedi Tudományegyetem 4 Budapesti

Részletesebben

ELTE, matematika alapszak

ELTE, matematika alapszak Matematika alapszak szerkezete 1. év ELTE, matematika alapszak NORMÁL Kb 60 fő (HALADÓ) Kb 40 fő INTENZÍV Kb 30 fő Zempléni András oktatási igazgatóhelyettes Matematikai Intézet matematikai elemző 2. és

Részletesebben

A programozó matematikus szak kredit alapú szakmai tanterve a 2003/2004. tanévtől, felmenő rendszerben

A programozó matematikus szak kredit alapú szakmai tanterve a 2003/2004. tanévtől, felmenő rendszerben A programozó matematikus szak kredit alapú szakmai tanterve a 2003/2004. tanévtől, felmenő rendszerben Szak neve: programozó matematikus szak Tagozat: levelező Képzési idő: 6 félév Az oktatás nyelve: magyar

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

Ellenőrző kérdések a Matematika I. tantárgy elméleti részéhez, 2. rész

Ellenőrző kérdések a Matematika I. tantárgy elméleti részéhez, 2. rész Ellenőrző kérdések a Matematika I. tantárgy elméleti részéhez, 2. rész Mintakérdések a 2. ZH elméleti részéhez. Nem csak ezek a kérdések szerepelhetnek az elméleti részben, de azért hasonló típusú kérdések

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

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

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT- 4. kurzus. 3. Előadás: A mohó algoritmus

Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT- 4. kurzus. 3. Előadás: A mohó algoritmus Csíkszereda IRT-. kurzus 3. Előadás: A mohó algoritmus 1 Csíkszereda IRT. kurzus Bevezetés Az eddig tanult algoritmus tipúsok nem alkalmazhatók: A valós problémák nem tiszta klasszikus problémák A problémák

Részletesebben

Dinamikus modellek szerkezete, SDG modellek

Dinamikus modellek szerkezete, SDG modellek Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.

Részletesebben

Algoritmuselmélet 7. előadás

Algoritmuselmélet 7. előadás Algoritmuselmélet 7. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 11. ALGORITMUSELMÉLET 7. ELŐADÁS 1 Múltkori

Részletesebben

TDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember

TDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,

Részletesebben

Döntéselméleti modellek

Döntéselméleti modellek Döntéselméleti modellek gyakorlat Berta Árpád Követelmények A félév során 40 pont szerezhető 0-19 pont : elégtelen (1) 20-24 pont : elégséges (2) 25-29 pont : közepes (3) 30-34 pont : jó (4) 35-40 pont

Részletesebben

Összesen 135 válasz érkezett Összegzés

Összesen 135 válasz érkezett Összegzés Összesen 135 válasz érkezett Összegzés ügyfélfogadási, rendelési ideje? Mennyire tudja azt összeegyeztetni munkaidejével? - Polgármesteri Hivatal Megfelelő, egyáltalán nem okoz gondot 83 61% Néha gondot

Részletesebben

Érzékenységvizsgálat

Érzékenységvizsgálat Érzékenységvizsgálat Alkalmazott operációkutatás 5. elıadás 008/009. tanév 008. október 0. Érzékenységvizsgálat x 0 A x b z= c T x max Kapacitások, együtthatók, célfüggvény együtthatók változnak => optimális

Részletesebben

A programozó matematikus szak kredit alapú szakmai tanterve a 2004/2005. tanévtől, felmenő rendszerben

A programozó matematikus szak kredit alapú szakmai tanterve a 2004/2005. tanévtől, felmenő rendszerben A programozó matematikus szak kredit alapú szakmai tanterve a 2004/2005. tanévtől, felmenő rendszerben Szak neve: programozó matematikus szak Tagozat: nappali Képzési idő: 6 félév Az oktatás nyelve: magyar

Részletesebben

PROGRAMTERVEZŐ INFORMATIKUS MSc. mesterképzés

PROGRAMTERVEZŐ INFORMATIKUS MSc. mesterképzés PROGRAMTERVEZŐ INFORMATIKUS MSc mesterképzés Tájékoztató a Szegedi Tudományegyetem Természettudományi és Informatikai Karáról A Szegedi Tudományegyetem Természettudományi és Informatikai Kara 1921-ben

Részletesebben

2. Visszalépéses keresés

2. Visszalépéses keresés 2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel

Részletesebben

REGIONÁLIS ÉS KÖRNYEZETI GAZDASÁGTAN MESTERKÉPZÉSI SZAK

REGIONÁLIS ÉS KÖRNYEZETI GAZDASÁGTAN MESTERKÉPZÉSI SZAK REGIONÁLIS ÉS KÖRNYEZETI GAZDASÁGTAN MESTERKÉPZÉSI SZAK Az SZTE Gazdaságtudományi Kara által 2008 szeptemberében levelező tagozaton, 2009 szeptemberétől nappali tagozaton is indítandó és környezeti gazdaságtan

Részletesebben

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék

További forgalomirányítási és szervezési játékok. 1. Nematomi forgalomirányítási játék További forgalomirányítási és szervezési játékok 1. Nematomi forgalomirányítási játék A forgalomirányítási játékban adott egy hálózat, ami egy irányított G = (V, E) gráf. A gráfban megengedjük, hogy két

Részletesebben

ANALÍZIS TANSZÉK Szakdolgozati téma. Piezoelektromos mechanikai redszer rezgését leíró parciális

ANALÍZIS TANSZÉK Szakdolgozati téma. Piezoelektromos mechanikai redszer rezgését leíró parciális Piezoelektromos mechanikai redszer rezgését leíró parciális di erenciálegyenlet el½oállítása és megoldása Témavezet½o: Dr. Kovács Béla Rugalmas és pizoelektromos rétegekb½ol álló összetett mechanikai rendszer

Részletesebben

Grafikus felhasználói felület (GUI) létrehozása A GUI jelentése Egy egyszerű GUI mintaalkalmazás létrehozása

Grafikus felhasználói felület (GUI) létrehozása A GUI jelentése Egy egyszerű GUI mintaalkalmazás létrehozása Alkalmazott Informatikai Intézeti Tanszék MŰSZAKI INFORMATIKA Dr.Dudás László 0. MATLAB alapismeretek IX. A GUI jelentése Egy egyszerű GUI mintaalkalmazás létrehozása Alkalmazott Informatikai Intézeti

Részletesebben

Mesterséges intelligencia 2. laborgyakorlat

Mesterséges intelligencia 2. laborgyakorlat Mesterséges intelligencia 2. laborgyakorlat Keresési módszerek A legtöbb feladatot meg lehet határozni keresési feladatként: egy ún. állapottérben, amely tartalmazza az összes lehetséges állapotot fogjuk

Részletesebben

- Matematikus. tanszék/ Tantárgyfelelős oktató neve szeptemberétől

- Matematikus. tanszék/ Tantárgyfelelős oktató neve szeptemberétől - Matematikus Matematika alapszak - Tanári szakirányok mintatanterve "A" típusú tantárgyak 2006. szeptemberétől 7 8 9 10 tanszék/ oktató neve Környezettani alapismeretek AIB1004 2 0 K 2 KT Dr. Kiss Ferenc

Részletesebben

Érdekességek az elemi matematika köréből

Érdekességek az elemi matematika köréből Érdekességek az elemi matematika köréből Csizmadia László Bolyai Intézet, Szegedi Tudományegyetem Kutatók éjszakája Szeged, SZTE L. Csizmadia (Szeged) Kutatók éjszakája 2011. 2011.09.23. 1 / 17 Társasház

Részletesebben

Funkcionálanalízis. n=1. n=1. x n y n. n=1

Funkcionálanalízis. n=1. n=1. x n y n. n=1 Funkcionálanalízis 2011/12 tavaszi félév - 2. előadás 1.4. Lényeges alap-terek, példák Sorozat terek (Folytatás.) C: konvergens sorozatok tere. A tér pontjai sorozatok: x = (x n ). Ezen belül C 0 a nullsorozatok

Részletesebben

Gazdasági Matematika I. Megoldások

Gazdasági Matematika I. Megoldások . (4.feladatlap/2) Gazdasági Matematika I. Di erenciálszámítás alkalmazásai Megoldások a) Határozza meg az f(x) x 6x 2 + függvény x 2 helyen vett érint½ojének az egyenletét. El½oször meghatározzuk a pont

Részletesebben

Önéletrajz. Burai Pál Debreceni Egyetem, Informatikai Kar Alkalmazott Matematika és Valószín ségszámítás Tanszék

Önéletrajz. Burai Pál Debreceni Egyetem, Informatikai Kar Alkalmazott Matematika és Valószín ségszámítás Tanszék Önéletrajz Burai Pál Debreceni Egyetem, Informatikai Kar Alkalmazott Matematika és Valószín ségszámítás Tanszék Személyes adatok Név: Burai Pál Végzettség: Okleveles matematikus (2003, DE-TTK) Tudományos

Részletesebben

Termelőhálózat optimaliazálása... a felhasználó szemszögéből

Termelőhálózat optimaliazálása... a felhasználó szemszögéből Termelőhálózat optimaliazálása... a felhasználó szemszögéből Kovács Tibor - Plzenský Prazdroj a.s 2007 november 12 Az SABMiller Europe A probléma modellezése Megvalósítás a gyakorlatban Eredmények 2 SABMiller

Részletesebben

Direkt Expressz. Az előremutató megoldás

Direkt Expressz. Az előremutató megoldás Direkt Expressz Az előremutató megoldás Bemutatjuk a TNT Direkt Expressz szolgáltatását DIREKT: A küldemény közvetlenül a célország hálózatába jut, elkerülve a nemzetközi elosztóközpontokat és raktárakat.

Részletesebben