Integrált gyártórendszerek
|
|
- Ida Borbélyné
- 8 évvel ezelőtt
- Látták:
Átírás
1 IGYR-7 p. 1/4 Integrált gyártórendszerek Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel, dinamikus programozás Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék hangos.katalin@virt.uni-pannon.hu
2 A gyártásütemezés feladatai IGYR-7 p. 2/4
3 IGYR-7 p. 3/4 A gyártásütemezés elvi problémakitűzése Adott: a gyártóberendezések halmaza (erőforrások, korlátosak): típus, gyártókapacitás a lehetséges műveletek halmaza végrehajtási idővel vagy költséggel műveletekre vonatkozó korlátozások: sorrendi, milyen típusú berendezésen hajtható végre a végtermék(ek): rendelésállománnyal, ami dinamikusan is változhat (a lehetséges kiindulási anyagok): rendelkezésre állással, ami dinamikusan is változhat Kiszámítandó: egy ütemezés, ami előírja, hogy milyen műveletet melyik berendezésen mikor hajtsunk végre idő vagy költség optimálisan
4 IGYR-7 p. 4/4 Speciális gyártásütemezési feladatok 1. Változó erőforrás-korlátozású dinamikus feladat Jellemzői: a rendelésállomány és a nyersanyagok rendelkezésre állása időben változó időben változó berendezés kapacitás és rendelkezésre állás minden időlépésben lokálisan megvalósítható megoldást keresünk Megoldható cselekvés tervezéssel
5 IGYR-7 p. 5/4 Speciális gyártásütemezési feladatok 2. Erőforrás-korlátozás nélküli statikus feladat Jellemzői: a rendelésállomány és a nyersanyagok rendelkezésre állása statikus (időben állandó) korlátlan berendezés kapacitás és rendelkezésre állás legkisebb végrehajtási idejű megoldást keresünk Van egyszerű, polinomiális időben kiszámítható megoldás
6 IGYR-7 p. 6/4 Műveleti tervek végrehajtásának ellenőrzése szimulációval (időzített Petri hálók)
7 IGYR-7 p. 7/4 Kiterjesztett Petri háló modellek Hierarchikus Petri hálók Időzített Petri hálók: feliratokkal óra: beépített (vagy spec. "forrás" hely) átmenetekhez tüzelési ido (helyekhez várakozási ido) Színezett Petri hálók: feliratokkal jelzőpontok (token-ek) diszkrét értékkészletuek ("szín") helyekhez megengedett színhalmaz átmenetekhez és élekhez (diszkrét) függvények
8 IGYR-7 p. 8/4 Futópálya Petri háló modellje Időzített Peri háló modell! "
9 IGYR-7 p. 9/4 Galuskaszaggató gyártás modellje Galuska-szaggató gyártás műveletei (időzített Peri háló modell formájában) Nyel-lap Alap-lap Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Alap-tal Nyel Lyukfuras (type Furogep) Ido: 3 Lyukas-tal Szegecseles (type Szegecselo) Ido: 1 Lyukas-tal-nyellel Festes (type Festolakkozo) Ido: 5 Galuska-szaggato
10 IGYR-7 p. 10/4 Galuskaszaggató gyártás végrehajtása 1 Galuska-szaggató gyártás szimulációja (időzített Peri háló modell felhasználásával): t = 0, t = 2, t = 4 Nyel-lap Alap-lap Nyel-lap Alap-lap Nyel-lap Alap-lap Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Alap-tal Alap-tal Alap-tal Nyel Lyukfuras (type Furogep) Nyel Lyukfuras (type Furogep) Nyel Lyukfuras (type Furogep) Ido: 3 Ido: 3 Ido: 3 Lyukas-tal Lyukas-tal Lyukas-tal Szegecseles (type Szegecselo) Ido: 1 Szegecseles (type Szegecselo) Ido: 1 Szegecseles (type Szegecselo) Ido: 1 Lyukas-tal-nyellel Lyukas-tal-nyellel Lyukas-tal-nyellel Festes (type Festolakkozo) Festes (type Festolakkozo) Festes (type Festolakkozo) Ido: 5 Ido: 5 Ido: 5 Galuska-szaggato Galuska-szaggato Galuska-szaggato
11 IGYR-7 p. 11/4 Galuskaszaggató gyártás végrehajtása 2 Galuska-szaggató gyártás szimulációja (folytatás) (időzített Peri háló modell felhasználásával): t = 7, t = 8 Nyel-lap Alap-lap Nyel-lap Alap-lap Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Tpres1 (type Presgep1) Tpres2 (type Presgep1) Ido: 2 Ido: 4 Alap-tal Alap-tal Nyel Lyukfuras (type Furogep) Nyel Lyukfuras (type Furogep) Ido: 3 Ido: 3 Lyukas-tal Lyukas-tal Szegecseles (type Szegecselo) Szegecseles (type Szegecselo) Ido: 1 Ido: 1 Lyukas-tal-nyellel Lyukas-tal-nyellel Festes (type Festolakkozo) Festes (type Festolakkozo) Ido: 5 Ido: 5 Galuska-szaggato Galuska-szaggato
12 IGYR-7 p. 12/4 Egyszerű grafikus módszer a megjelenítésre és analízisre (Gantt chart)
13 IGYR-7 p. 13/4 Gantt táblázat - Gantt chart A leírás elemei: Feladatok: (kezdete, vége), előző feladat, erőforrás Erőforrások (személyek): feladathoz rendelhetők, lehet karbantartási (szabadság) idejük Nézetek: a leírás elemeiből Gantt táblázat PERT gráf Erőforrás-foglaltság táblázat
14 IGYR-7 p. 14/4 Gantt táblázat összeállításának menete az adott témának megfelelően meghatározzuk a tevékenységeket, meghatározzuk a folyamat teljes átfutási idejét (határidejét), meghatározzuk az egyes munkalépések időszükségletét, feltárjuk az egyes munkalépések logikai összefüggéseit (mely lépések végezhetők párhuzamosan, egymást megelőzve, követve) fentiek figyelembe vétele mellett a tevékenységek időszükségletét vonallal jelöljük
15 IGYR-7 p. 15/4 Egy egyszerű példa Galuska-szaggató gyártás műveletei (Petri háló formájában) Nyel-lap Alap-lap Tpres1 (type Presgep1) Tpres2 (type Presgep1) Alap-tal Nyel Lyukfuras (type Furogep) Lyukas-tal Szegecseles (type Szegecselo) Lyukas-tal-nyellel Festes (type Festolakkozo) Galuska-szaggato
16 IGYR-7 p. 16/4 Gantt táblázat - példa Feladatok elhelyezése az időtengelyen minden feladat külön sorban időtengely vizszintes sorrendiség nyilakkal (automatikus időeltolás)
17 Gantt táblázat - másik példa IGYR-7 p. 17/4
18 IGYR-7 p. 18/4 Mik a módszer erősségei és gyengeségei? Erősségek: szemléletes, könnyen áttekinthető formában ábrázolja az ütemtervet figyelembe vehető az összes tevékenység meghatározhatók a prioritások, függőségek, párhuzamosságok Gyengeségek: túl sok tevékenység vagy túl hosszú időtáv esetén bonyolulttá válhat az ábrázolás nem mindig képes ábrázolni a megfelelő öszefüggéseket
19 IGYR-7 p. 19/4 A program értékelő és átekintő módszer - PERT gráf A felírás lépései: a gyártásban szereplő összes tevékenység (feladat) meghatározása a tevékenységek sorrendjének meghatározása a függőségi kapcsolatok figyelembevételével a tevékenységek időtartamának becslése (optimista, legvalószínűbb, pesszimista becslés) az egyes tevékenységek várható idejének a kiszámítása a tevékenységi idők szórásnégyzetének a kiszámítása
20 IGYR-7 p. 20/4 PERT gráf - példa Feladatok egymásutánisági függéseinek leírása ok-okozati gráf formájában a feladatok a gráf csúcspontjai irányított él: előző feladatból az aktuális feladatba időbeliség: feliratokkal
21 IGYR-7 p. 21/4 Erőforrás foglaltsági táblázat - példa Erőforrás foglatságok elhelyezése az időtengelyen minden erőforrás külön sorban időtengely vízszintes konfliktus (több feladat igényelné ugyanazt az erőforrást) jelzése piros színnel
22 IGYR-7 p. 22/4 Erőforrás-korlátozás nélküli statikus ütemezés Kritikus út módszer
23 IGYR-7 p. 23/4 Kritikus út módszer - CPM CPM: Critical Path Method Adott az ütemezendő elemi műveletek halmaza (activity) minden elemi művelet előfeltételei (szintén elemi műveletek) parciális rendezés (egymásutániság) minden elemi művelet végrehajtási ideje Táblázatba rendezhető Grafikus leírás: CPM gráf élei megfelelnek az elemi műveleteknek (egy-egy értelmű megfeleltetés) csúcsok megfelelnek eseményeknek (rendszer-állapotok bekövetkezésének)
24 IGYR-7 p. 24/4 Mik a módszer erősségei és gyengeségei? Erősségek: a projektet alkotó tevékenységekre összpontosít azonosítja a szükséges kapcsolatokat a tevékenységek között minden egyes tevékenység becsült időtartamát ábrázolja kiszámolja a leggazdaságosabb megvalósítási módot Gyengeségek: sok tevékenység esetén bonyolult az alkalmazása
25 IGYR-7 p. 25/4 Egy egyszerű példa D(2) (A,D) 5 I(2) (A,D,I) 8 A(3) (A) 2 E(3)!!D(0)!! I(2) (NIL) 1 B(4) 3 F(5) 6 J(1) 9 (B) (A,B,D,E,F) (A,B,C,D,E,F,G,H,I,J,K) C(5) (C) 4 G(4) K(5) H(6) 7 (B,C,G,H) Művelet Előfeltételek Idő (min) Művelet Előfeltételek Idő (min) A - 3 G B 4 B - 4 H C 6 C - 5 I D 2 D A 2 J D, E, F 1 E A 3 K G, H 5 F B 5 GOAL *
26 A kritikus út kiszámítása 1 Algoritmikusan, két menetben I. Előrefelé haladó számítás: legkorábbi bekövetkezési idők 1. A kezdő esemény kezdeti idejét nullára állítjuk 2. Minden műveletet akkor kezdünk, ha az előfeltételek teljesültek 3. Minden esemény legkorábbi bekövetkezési ideje (E i ) a beléje vezető műveletek befejeződési idejeinek maximuma II. Visszafelé haladó számítás: legkésőbbi bekövetkezési idők 1. A befejező esemény legkésőbbi bekövetkezési idejét a legkorábbira állítjuk 2. Minden művelet legkésőbbi bekövetkezési idejét a vég-esemény legkésőbbi bekövetkezési idejéből számítjuk, levonva belőle a művelet végrehajtási idejét 3. Minden esemény legkésőbbi bekövetkezési ideje (L i ) a belőle induló műveletek kezdő idejeinek minimuma IGYR-7 p. 26/4
27 IGYR-7 p. 27/4 Az egyszerű példa - előrefelé (A,D) 5 [5, ] I(2) (A,D,I) 8 [7, ] (A) [3, ] D(2) 2!!D(0)!! I(2) A(3) E(3) [0, ] [4, ] (NIL) 1 B(4) 3 F(5) 6 J(1) 9 (B) (A,B,D,E,F) (A,B,C,D,E,F,G,H,I,J,K) C(5) G(4) [9, ] max(5,6,9) [16, ] max(7,10,16) (C) 4 [5, ] H(6) K(5) 7 (B,C,G,H) [11, ] max(8,11)
28 IGYR-7 p. 28/4 Az egyszerű példa - visszafelé [0, 0] min(8,3,0) (NIL) 1 A(3) B(4) [3, 11 ] min(11,12) (A) 2 [4, 7 ] min(9,7) 3 D(2) E(3) F(5) (A,D) [5,14 ] I(2) 5!!D(0)!! I(2) 6 J(1) (A,D,I) 8 9 [7, ] C(5) (C) (B) 4 [5, 5 ] H(6) G(4) (A,B,D,E,F) K(5) (A,B,C,D,E,F,G,H,I,J,K) [9,14 ] min(15,14) [16,16 ] 7 (B,C,G,H) [11, 11 ]
29 IGYR-7 p. 29/4 A kritikus út kiszámítása 2 Csúszási idők 1. Eseményekre: a legkésőbbi és a legkorábbi bekövetkezési idő különbsége, S i = L i E i 2. Az i-edik eseményből a j-edikbe vezető műveletre: S ij = L j E i t ij ahol t ij a művelet végrehajtási ideje Kritikus út: azon műveletekből (élekből) áll, amelyek csúszási ideje nulla
30 IGYR-7 p. 30/4 Az egyszerű példa - kritikus út [0, 0] min(8,3,0) (NIL) 1 A(3) B(4) [3, 11 ] min(11,12) (A) 2 [4, 7 ] min(9,7) 3 D(2) E(3) F(5) (A,D) [5,14 ] I(2) 5!!D(0)!! I(2) 6 J(1) (A,D,I) 8 9 [7, ] C(5) (C) (B) 4 [5, 5 ] H(6) G(4) (A,B,D,E,F) K(5) (A,B,C,D,E,F,G,H,I,J,K) [9,14 ] min(15,14) [16,16 ] 7 (B,C,G,H) [11, 11 ]
31 IGYR-7 p. 31/4 Gyakorlat statikus ütemezési feladatra Füles edény gyártás
32 IGYR-7 p. 32/4 A füles edény gyártás feladata Füles edényt szeretnénk gyártáni az alábbi műveletekkel Azonosító Művelet Idő (min) SZ1 szállítás a lap-tárolóból 3 SZ3 szállítás a fül-tárolóból 1 SZ2 lap-szállítás összeszereléshez 2 SZ4 fül-szállítás összeszereléshez 2 SZ5 késztermék szállítás tárolóba 4 G1 lap préselés 3 G2 fül préselés 1 G3 összeszerelés 1 1. Tervezzük meg a műveleti sorrend Petri hálóját! 2. Határozzuk meg a kritikus utat! 3. Ábrázoljunk egy optimális ütemezést Gantt táblázattal és erőforrás foglaltsági táblázattal!
33 Dinamikus programozás - Gyártásütemezés IGYR-7 p. 33/4
34 IGYR-7 p. 34/4 Speciális gyártásütemezési feladatok 3. Erőforrás-korlátozás nélküli statikus feladat több művelet végrehajtási lehetőséggel Jellemzői: a rendelésállomány és a nyersanyagok rendelkezésre állása statikus (időben állandó) korlátlan berendezés kapacitás és rendelkezésre állás alternatív (egymást helyettesítő) berendezések legkisebb végrehajtási idejű megoldást keresünk Megoldás: dinamikus programozással
35 IGYR-7 p. 35/4 Dinamikus programozás Egy dinamikus programozási algoritmus kifejlesztése 4 lépésre bontható fel: 1. Jellemezzük az optimális megoldás szerkezetét. 2. Rekurzív módon definiáljuk az optimális megoldás értékét. 3. Kiszámítjuk az optimális megoldás értékét alulról felfelé történő módon. 4. A kiszámított információk alapján megszerkesztünk egy optimális megoldást. A dinamikus programozás minden egyes részfeladatot és annak minden részfeladatát pontosan egyszer oldja meg, az eredményt egy táblázatban tárolja, és ezáltal elkerüli az ismételt számítást, ha a részfeladat megint felmerül.
36 IGYR-7 p. 36/4 Szerelőszalag ütemezése Mindegyik szalagnak n állomása van, melyek indexei j = 1,...,n. S ij jelöli az i-edik (i = 1 vagy 2) szalag j-edik állomását. Az első szalag j-edik állomása (S 1j ) ugyanazt a funkciót látja el, mint a második szalag j-edik állomása (S 2j ). Az S ij állomáson a műveleti időt a ij jelöli.
37 IGYR-7 p. 37/4 Szerelőszalag ütemezése -Példa Autógyártás alvázra történő alkatrész-rászereléssel A teljes leszámlálás számítási ideje Ω(2 n ). Ez nagy n mellett elfogadhatatlan.
38 IGYR-7 p. 38/4 1. lépés: a legrövidebb gyártási út szerkezete Tekintsük a lehetséges legrövidebb utat, ahogy egy alváz a kiindulási helyzetből túljut az S 1j állomáson. Ha j = 1, akkor csak egy lehetőség van, és így könnyű meghatározni a szükséges időt. j = 2,...,n esetén két lehetőség van: Az alváz érkezhet közvetlenül az S 1,j 1 állomásról, amikor ugyanannak a szalagnak a (j 1)-edik állomásáról a j-edik állomására való átszállítás ideje elhanyagolható. Az alváz S 2,j 1 felől érkezik, az átszállítás ideje t 2,j 1. Tegyük fel, hogy az S 1 j állomáson való túljutás leggyorsabb módja az, hogy oda az S 1,j 1 felől érkezünk. Az alváznak a legrövidebb módon kell túljutnia az S 1,j 1 állomáson, mert ha volna egy gyorsabb mód, hogy az alváz túljusson a S 1,j 1 állomáson, akkor ezt használva magán S 1,j -n is hamarabb jutna túl, ami ellentmondás.
39 IGYR-7 p. 39/4 1. lépés: a legrövidebb gyártási út szerkezete Általánosabban fogalmazva azt mondhatjuk, hogy a szerelőszalag ütemezésének (hogy megtaláljuk a legrövidebb módot az S ij állomáson való túljutásra) optimális megoldása tartalmazza egy részfeladat (vagy az S 1,j 1 vagy az S 2,j 1 állomáson való leggyorsabb áthaladás) optimális megoldását. Erre a tulajdonságra optimális részstruktúraként fogunk hivatkozni. Azaz részfeladatok optimális megoldásaiból megszerkeszthető a feladat optimális megoldása.
40 IGYR-7 p. 40/4 2. lépés: a rekurzív megoldás Az optimális megoldás értékét a részfeladatok optimális értékeiből rekurzívan fejezzük ki. A részfeladatok legyenek mindkét szalag j-edik állomásán való leggyorsabb áthaladás megkeresésének a feladatai j = 1,...,n mellett. Jelölje f i [j] azt a legrövidebb időt, ami alatt az alváz túl tud jutni az S ij állomáson. Célunk annak a legrövidebb időnek a meghatározása, ami alatt az alváz az egész üzemen keresztül tud haladni. Ezt az időt f jelöli. f = min{f 1 [n] + x 1,f 2 [n] + x 2 } f 1 [1] = e 1 + a 11 f 2 [1] = e 2 + a 21
41 IGYR-7 p. 41/4 2. lépés: a rekurzív megoldás Hogyan kell kiszámolni az f i [j]-t j = 2,...,n és i = 1,2 esetén? f 1 [j] = min{f 1 [j 1]+a 1j,f 2 [j 1]+t 2,j 1 +a 1j }, ha j = 2,...,n. f 2 [j] = min{f 2 [j 1]+a 2j,f 1 [j 1]+t 1,j 1 +a 2j }, ha j = 2,...,n. A következő rekurzív egyenletet kapjuk: f 1 [j] = f 2 [j] = { { e 1 + a 11, ha j = 1, min{f 1 [j 1] + a 1j,f 2 [j 1] + t 2,j 1 + a 1j }, ha j 2 e 2 + a 21, ha j = 1, min{f 2 [j 1] + a 2j,f 1 [j 1] + t 1,j 1 + a 2j }, ha j 2
42 IGYR-7 p. 42/4 2. lépés: a rekurzív megoldás Az f i [j] mennyiségek a részfeladatok optimális érékei. Annak érdekében, hogy vissza tudjuk keresni a legrövidebb utat, definiáljuk l i [j]-t mint azt a szerelőszalagot, amelyiknek a j 1-edik állomását használtuk az S ij -n való leggyorsabb keresztülhaladáskor. Itt i = 1,2 és j = 2,...,n. (Nem definiáljuk l i [1]-et, mert S i1 -t egyik szalagon sem előzi meg másik állomás.) Az l szalag definíció szerint az, amelyiknek az utolsó állomását használjuk az egész üzemen való áthaladáskor. Az l i [j] értékek segítségével lehet nyomon követni a legrövidebb utat.
43 IGYR-7 p. 43/4 3. lépés: a legrövidebb átfutási idő kiszámítása Sokkal jobban járunk, ha az f i [j] értékeket más sorrend szerint számoljuk, mint az a rekurzív módszerből adódik. Vegyük észre, hogy j... 2 esetén f i [j] csak f 1 [j 1] -től és f 2 [j 1] -től függ. Ha az f i [j] értékeket az állomások j indexének növekvő sorrendjében számoljuk, akkor a legrövidebb átfutási idő meghatározása Θ(n) ideig tart.
44 IGYR-7 p. 44/4 3. lépés: a legrövidebb átfutási idő kiszámítása ALGORITMUS1(a,t,e,x,n) 1. f 1 [1] := e 1 + a 11 f 2 [1] := e 2 + a for j := 2 to n 3. do if f 1 [j 1] + a 1j f 2 [j 1] + t 2,j 1 + a 1j 4. then f 1 [j] := f 1 [j 1] + a 1j l 1 [j] := 1 5. else f 1 [j] := f 2 [j 1] + t 2,j 1 + a 1j l 1 [j] := 2 6. if f 2 [j 1] + a 2j f 1 [j 1] + t 1,j 1 + a 2j 7. then f 2 [j] := f 2 [j 1] + a 2j l 2 [j] := 2 8. else f 2 [j] := f 1 [j 1] + t 1,j 1 + a 2j l 2 [j] := 1 9. if f 1 [n] + x 1 f 2 [n] + x then f = f 1 [n] + x 1 l = else f = f 2 [n] + x 2 l = 2
45 IGYR-7 p. 45/4 4. lépés: a legrövidebb átfutási idejű út f i [j], f, l i [j] és l kiszámítását követően meg kell szerkeszteni az üzemen való legrövidebb áthaladást biztosító utat. Az eljárás az út állomásait az indexek csökkenő sorrendjében nyomtatja ki. ALGORITMUS2(l,n) 1. i := l 2. print i"-edik szalag" n"-edik állomás" 3. for j := n downto 2 4. do i := l i [j] 5. print i"-edik szalag (" j 1")-edik állomás"
46 IGYR-7 p. 46/4 Gyakorlat dinamikus programozásra Szerelőszalag ütemezési példa
47 IGYR-7 p. 47/4 Feladat Kövessük végig a dinamikus programozással meghatározott optimális ütemezés lépéseit az egyszerű, 5 állomást tartalmazó szerelőszalag példán:
Gyártórendszerek dinamikája
GYRD-7 p. 1/17 Gyártórendszerek dinamikája Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel Werner Ágnes
RészletesebbenDinamikus 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
RészletesebbenProgramozási módszertan. Dinamikus programozás: szerelőszalag ütemezése Mátrixok véges sorozatainak szorzása
PM-06 p. 1/28 Programozási módszertan Dinamikus programozás: szerelőszalag ütemezése Mátrixok véges sorozatainak szorzása Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
RészletesebbenGyártórendszerek dinamikája
GYRD-8-9 p. 1/31 Gyártórendszerek dinamikája Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel Werner
RészletesebbenProgramozási 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
RészletesebbenDr. 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
RészletesebbenProgramozási módszertan. Dinamikus programozás: A leghosszabb közös részsorozat
PM-07 p. 1/13 Programozási módszertan Dinamikus programozás: A leghosszabb közös részsorozat Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-07
Részletesebbenfolyamatrendszerek modellezése
Diszkrét eseményű folyamatrendszerek modellezése Hangos Katalin Számítástudomány Alkalmazása Tanszék Veszprémi Egyetem Haladó Folyamatmodellezés és modell analízis PhD kurzus p. 1/36 Tartalom Diszkrét
RészletesebbenÜzemszervezés. Projekt tervezés. Dr. Juhász János
Üzemszervezés Projekt tervezés Dr. Juhász János Projekt tervezés - Definíció Egy komplex tevékenység feladatainak, meghatározott célok elérése érdekében, előre megtervezett módon, az erőforrások sajátosságainak
RészletesebbenGyártórendszerek Dinamikája. Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok
GyRDin-02 p. 1/20 Gyártórendszerek Dinamikája Gyártórendszerek jellemzése és szerkezete Gyártórendszerekkel kapcsolatos mérnöki feladatok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék
RészletesebbenPélda. 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
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 06/7. félév 7. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom. A projektütemezés alapjai..
RészletesebbenÜzemszervezés A BMEKOKUA180
Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki és Járműmérnöki Kar Közlekedésmérnöki Szak Üzemszervezés A BMEKOKUA180 Projekt tervezés Dr. Juhász János egyetemi docens Projekt tervezés
RészletesebbenÁltalános 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
RészletesebbenAlgoritmuselmélet. Legrövidebb utak, Bellmann-Ford, Dijkstra. Katona Gyula Y.
Algoritmuselmélet Legrövidebb utak, Bellmann-Ford, Dijkstra Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 3. előadás Katona Gyula Y. (BME
RészletesebbenAz 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.
RészletesebbenA 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
RészletesebbenA 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
RészletesebbenAlgoritmusok 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
RészletesebbenMiskolci 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
RészletesebbenÜtemezés 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
RészletesebbenAlgoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.
Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
RészletesebbenDiagnosztika Petri háló modellek felhasználásával
Diagnosztika - Ea9. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Diagnosztika Petri háló modellek felhasználásával Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika
RészletesebbenA projekt idő-, erőforrás és költségterve 1. rész
A projekt idő-, erőforrás és költségterve 1. rész A TERVEZÉS FOLYAMATA a projekttevékenységek meghatározása a tevékenységek közötti logikai függőségi kapcsolatok meghatározása erőforrás-allokáció és a
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
RészletesebbenÜtemezés tervezése A leghátrányosabb helyzet kistérségek fejlesztési és együttm ködési kapacitásainak meger
Ütemezés tervezése A leghátrányosabb helyzetű kistérségek fejlesztési és együttműködési kapacitásainak megerősítése ÁROP-1.1.5/C A Tokajii Kistérség Fejlesztési és Együttműködési Kapacitásának Megerősítése
RészletesebbenELŐADÁS ÁTTEKINTÉSE. Tevékenységek tervezése Gantt diagramm
ELŐADÁS ÁTTEKINTÉSE Tevékenységek tervezése Gantt diagramm TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy lehetséges tevékenység sorozatot, egyfajta megoldást, illetve elvárt eredményt, amit a célrendszerrel
Részletesebben2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia
2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia Projekt ütemezés Számos nagy projekt tervezésekor használják a CMP (Critical Path Method - Kritikus út módszere) és a PERT (Program Evaluation
RészletesebbenPartíció probléma rekurzíómemorizálással
Partíció probléma rekurzíómemorizálással A partíciószám rekurzív algoritmusa Ω(2 n ) műveletet végez, pedig a megoldandó részfeladatatok száma sokkal kisebb O(n 2 ). A probléma, hogy bizonyos már megoldott
RészletesebbenGráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:
Gráfok, definíciók Irányítatlan gráf: G = (V,E), ahol E rendezetlen (a,b),a,b V párok halmaza. Irányított gráf: G = (V,E) E rendezett (a,b) párok halmaza; E V V. Címkézett (súlyozott) gráf: G = (V,E,C)
RészletesebbenFibonacci számok. Dinamikus programozással
Fibonacci számok Fibonacci 1202-ben vetette fel a kérdést: hány nyúlpár születik n év múlva, ha feltételezzük, hogy az első hónapban csak egyetlen újszülött nyúl-pár van; minden nyúlpár, amikor szaporodik
RészletesebbenTermeléstervezés 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
RészletesebbenAlgoritmizálás és adatmodellezés tanítása 1. előadás
Algoritmizálás és adatmodellezés tanítása 1. előadás Algoritmus-leíró eszközök Folyamatábra Irányított gráf, amely csomópontokból és őket összekötő élekből áll, egyetlen induló és befejező éle van, az
RészletesebbenSorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK
Sorozatok határértéke SOROZAT FOGALMA, MEGADÁSA, ÁBRÁZOLÁSA; KORLÁTOS ÉS MONOTON SOROZATOK Sorozat fogalma Definíció: Számsorozaton olyan függvényt értünk, amelynek értelmezési tartománya a pozitív egész
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
RészletesebbenELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III.
ELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy
RészletesebbenMohó algoritmusok. Példa:
Mohó algoritmusok Optimalizálási probléma megoldására szolgáló algoritmus sokszor olyan lépések sorozatából áll, ahol minden lépésben adott halmazból választhatunk. Ezt gyakran dinamikus programozás alapján
RészletesebbenEllátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
RészletesebbenÜtemezési 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
RészletesebbenGráfelméleti feladatok. c f
Gráfelméleti feladatok d e c f a b gráf, csúcsok, élek séta: a, b, c, d, e, c, a, b, f vonal: c, d, e, c, b, a út: f, b, a, e, d (walk, lanţ) (trail, lanţ simplu) (path, lanţ elementar) 1 irányított gráf,
RészletesebbenProgramozási módszertan. Függvények rekurzív megadása "Oszd meg és uralkodj" elv, helyettesítő módszer, rekurziós fa módszer, mester módszer
PM-03 p. 1/13 Programozási módszertan Függvények rekurzív megadása "Oszd meg és uralkodj" elv, helyettesítő módszer, rekurziós fa módszer, mester módszer Werner Ágnes Villamosmérnöki és Információs Rendszerek
RészletesebbenKövetelmények 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
RészletesebbenKövetelmények 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
RészletesebbenSzámítógépes 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
RészletesebbenA szemantikus elemzés elmélete. Szemantikus elemzés (attribútum fordítási grammatikák) A szemantikus elemzés elmélete. A szemantikus elemzés elmélete
A szemantikus elemzés elmélete Szemantikus elemzés (attribútum fordítási grammatikák) a nyelvtan szabályait kiegészítjük a szemantikus elemzés tevékenységeivel fordítási grammatikák Fordítóprogramok előadás
RészletesebbenTermelésirányítás. Gyártási erőforrások rugalmas kezelése. Gyártási folyamatábra optimalizálása
Termelésirányítás ELŐNYÖK: Átfutási idő lerövidítése és az ügyféligények kielégítése rugalmas ütemezési lehetőségekkel Termelési erőforrások ellenőrzése az optimális teljesítmény érdekében Termelési folyamat
RészletesebbenAlgoritmizálás. Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar
Algoritmizálás Horváth Gyula Szegedi Tudományegyetem Természettudományi és Informatikai Kar horvath@inf.u-szeged.hu 0.1. Az algoritmikus tudás szintjei Ismeri (a megoldó algoritmust) Érti Le tudja pontosan
RészletesebbenGyártórendszerek irányítási struktúrái
GyRDin-10 p. 1/2 Gyártórendszerek Dinamikája Gyártórendszerek irányítási struktúrái Hangos Katalin Villamosmérnöki és Információs Rendszerek Tanszék e-mail: hangos@scl.sztaki.hu GyRDin-10 p. 2/2 Tartalom
RészletesebbenZárthelyi mintapéldák. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék
Zárthelyi mintapéldák Majzik István BME Méréstechnika és Információs Rendszerek Tanszék Elméleti kérdések Indokolja meg, hogy az A (X Stop F Start) kifejezés szintaktikailag helyes kifejezés-e CTL illetve
RészletesebbenAlgoritmizálás, adatmodellezés tanítása 1. előadás
Algoritmizálás, adatmodellezés 1. előadás Az algoritmus fogalma végrehajtható (van hozzá végre-hajtó) lépésenként hajtható végre a lépések maguk is algoritmusok pontosan definiált, adott végre-hajtási
RészletesebbenHálótervezés. Vállalati Információs Rendszerek
Hálótervezés Vállalati Információs Rendszerek Hálótervezés fogalma Egy munkaterv, projekt időbeli lefolyásának optimális ütemezése, elemzése, az egyes tevékeny- ségek időbeli összehangolása, az egymás
RészletesebbenMICROSOFT DYNAMICS AX TERMELÉSIRÁNYÍTÁS III.
MICROSOFT DYNAMICS AX TERMELÉSIRÁNYÍTÁS III. A Microsoft Dynamics AX rendszer Termelésirányítás III. modulja hatékonyabbá teszi a gyártási ciklus szervezését. A Microsoft Dynamics AX rendszer termelésirányítási
RészletesebbenPélda Hajtsuk végre az 1 pontból a Dijkstra algoritmust az alábbi gráfra. (A mátrixban a c i j érték az (i, j) él hossza, ha nincs él.
Legrövidebb utak súlyozott gráfokban A feladat egy súlyozott gráfban egy adott pontból kiinduló legrövidebb utak megkeresése. Az input a súlyozott gráf és a kiindulási s pont. Outputként egy legrövidebb
RészletesebbenProgramozási módszertan. Dinamikus programozás: Nyomtatási feladat A leghosszabb közös részsorozat
PM-04 p. 1/18 Programozási módszertan Dinamikus programozás: Nyomtatási feladat A leghosszabb közös részsorozat Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu
RészletesebbenAmortizációs költségelemzés
Amortizációs költségelemzés Amennyiben műveleteknek egy M 1,...,M m sorozatának a futási idejét akarjuk meghatározni, akkor egy lehetőség, hogy külön-külön minden egyes művelet futási idejét kifejezzük
Részletesebbenangolul: greedy algorithms, románul: algoritmi greedy
Mohó algoritmusok angolul: greedy algorithms, románul: algoritmi greedy 1. feladat. Gazdaságos telefonhálózat építése Bizonyos városok között lehet direkt telefonkapcsolatot kiépíteni, pl. x és y város
RészletesebbenLogisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
RészletesebbenAlgoritmusok 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,...,
RészletesebbenGráfok 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
RészletesebbenAdatszerkezetek Adatszerkezet fogalma. Az értékhalmaz struktúrája
Adatszerkezetek Összetett adattípus Meghatározói: A felvehető értékek halmaza Az értékhalmaz struktúrája Az ábrázolás módja Műveletei Adatszerkezet fogalma Direkt szorzat Minden eleme a T i halmazokból
Részletesebbenend function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t..
A Név: l 2014.04.09 Neptun kód: Gyakorlat vezető: HG BP MN l 1. Adott egy (12 nem nulla értékû elemmel rendelkezõ) 6x7 méretû ritka mátrix hiányos 4+2 soros reprezentációja. SOR: 1 1 2 2 2 3 3 4 4 5 6
RészletesebbenBalogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1
Építési projektek ütemtervi bizonytalanságainak, kockázatainak figyelembe vétele a pénzügyi tervezésnél Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő, MVM Paks
RészletesebbenDinamikus 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.
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenIdő-ütemterv hálók - I. t 5 4
Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc Idő-ütemterv hálók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelő és Áttekintő Technika
Részletesebben1. 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
RészletesebbenÁttekintés 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,
RészletesebbenSzámítógépes 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
RészletesebbenAlgoritmizálás, adatmodellezés tanítása 8. előadás
Algoritmizálás, adatmodellezés tanítása 8. előadás Elágazás és korlátozás A backtrack alkalmas-e optimális megoldás keresésére? Van költség, és a legkisebb költségű megoldást szeretnénk előállítani. Van
RészletesebbenA 2016/2017 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató. INFORMATIKA II. (programozás) kategória
Oktatási Hivatal A 2016/2017 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató INFORMATIKA II. (programozás) kategória Kérjük a tisztelt tanár kollégákat, hogy a
Részletesebben2012.03.12. TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE IDŐTERVEZÉS. IDŐTERVEZÉS (Gantt diagramm)
ELŐADÁS ÁTTEKINTÉSE. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy
Részletesebbeni=1 i+3n = n(2n+1). j=1 2 j < 4 2 i+2 16 k, azaz az algoritmus valóban konstans versenyképes.
1. Feladat Adott egy parkoló, ahol egy professzor a kocsiját tartja. A parkolóhelyeket egy n és n közötti szám azonosítja, az azonosító szerint helyezkednek el balról jobbra. A professzor kijön az egyetemr
RészletesebbenOperációkutatás 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
RészletesebbenInformációk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása
1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június
RészletesebbenGyakorló feladatok: Formális modellek, temporális logikák, modellellenőrzés. Majzik István BME Méréstechnika és Információs Rendszerek Tanszék
Gyakorló feladatok: Formális modellek, temporális logikák, modellellenőrzés Majzik István BME Méréstechnika és Információs Rendszerek Tanszék Formális modellek használata és értelmezése Formális modellek
RészletesebbenDiszkrét matematika I.
Diszkrét matematika I. középszint 2014. ősz 1. Diszkrét matematika I. középszint 3. előadás Mérai László diái alapján Komputeralgebra Tanszék 2014. ősz Relációk Diszkrét matematika I. középszint 2014.
RészletesebbenVállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3.
HÁLÓTERVEZÉS 1. Egy hálótervről az alábbi adatok ismertek: Közvetlenül Tevékenység Jel Kódjel megelőző követő tevékenység jele 1. Generálterv kidolgozása A - C 6 Munkaerő-szükséglet. meghatározása és gyári
RészletesebbenSapientia - 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
RészletesebbenTovábbi 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
RészletesebbenSzámítógépes 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
RészletesebbenBeszállítás AR Gyártási folyamat KR
3. ELŐADÁS TERMELÉSI FOLYAMATOK STRUKTURÁLÓDÁSA 1. Megszakítás nélküli folyamatos gyártás A folyamatos gyártás lényege, hogy a termelési folyamat az első művelettől az utolsóig közvetlenül összekapcsolt,
RészletesebbenSzámítógép 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
RészletesebbenAlgoritmusok és adatszerkezetek gyakorlat 03 Oszd meg és uralkodj. Nagy
Algoritmusok és adatszerkezetek gyakorlat 03 Oszd meg és uralkodj Divide & Conquer (,,Oszd meg és uralkodj ) paradigma Divide: Osszuk fel az adott problémát kisebb problémákra. Conquer: Oldjuk meg a kisebb
RészletesebbenIdõ-ütemterv há lók - I. t 5 4
lõadás:folia.doc Idõ-ütemterv há lók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelõ és Áttekintõ Technika ) semény-csomópontú, valószínûségi változókkal dolgozó
RészletesebbenNavigáci. 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
RészletesebbenÜtemezési 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
RészletesebbenGráfelmélet/Diszkrét Matematika MSc hallgatók számára. 3. Előadás
Gráfelmélet/Diszkrét Matematika MSc hallgatók számára 3. Előadás Előadó: Hajnal Péter Jegyzetelő: Pék Máté 2009. szeptember 21. 1. Folyamok 1.1. Definíció. G = (V, E, K, B) irányított gráf, ha e! v : ekv
RészletesebbenA 2017/2018 tanévi Országos Középiskolai Tanulmányi Verseny döntő fordulójának feladatai. INFORMATIKA II. (programozás) kategória
Oktatási Hivatal A 217/218 tanévi Országos Középiskolai Tanulmányi Verseny döntő fordulójának feladatai 1. feladat: Csatornák (24 pont) INFORMATIKA II. (programozás) kategória Egy város csomópontjait csatornahálózat
Részletesebben2. 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
RészletesebbenKonjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
RészletesebbenPROJEKTMENEDZSMENT TEMATIKA, KÖVETELMÉNYEK
PROJEKTMENEDZSMENT TEMATIKA, KÖVETELMÉNYEK Daiki Tennó 2011 1. Általános információk a tantárgyról a. Előadás + gyakorlat + otthoni munka b. gyakorlati jegyhez egyeztetett témából, önállóan készített projekt:
Részletesebben6. 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
RészletesebbenMUNKAANYAG. Faicsiné Adorján Edit. Időtervek: III./1. Hálóterv (CPM) szerkesztése. A követelménymodul megnevezése: Építőipari kivitelezés tervezése
Faicsiné Adorján Edit Időtervek: III./1. Hálóterv (CPM) szerkesztése A követelménymodul megnevezése: Építőipari kivitelezés tervezése A követelménymodul száma: 0688-06 A tartalomelem azonosító száma és
RészletesebbenAlgoritmuselmélet 1. előadás
Algoritmuselmélet 1. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Február 11. ALGORITMUSELMÉLET 1. ELŐADÁS 1 Források
RészletesebbenHÁLÓZAT 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
RészletesebbenA programozás alapjai 1 Rekurzió
A programozás alapjai Rekurzió. előadás Híradástechnikai Tanszék - preorder (gyökér bal gyerek jobb gyerek) mentés - visszaállítás - inorder (bal gyerek gyökér jobb gyerek) rendezés 4 5 6 4 6 7 5 7 - posztorder
RészletesebbenKiterjesztések sek szemantikája
Kiterjesztések sek szemantikája Példa D Integer = {..., -1,0,1,... }; D Boolean = { true, false } D T1... T n T = D T 1... D Tn D T Az összes függvf ggvény halmaza, amelyek a D T1,..., D Tn halmazokból
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenAlgoritmuselmélet. 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
RészletesebbenJava II. I A Java programozási nyelv alapelemei
Java II. I A Java programozási nyelv alapelemei Miskolci Egyetem Általános Informatikai Tanszék Utolsó módosítás: 2008. 02. 19. Java II.: Alapelemek JAVA2 / 1 A Java formalizmusa A C, illetve az annak
Részletesebben