KVANTITATIVNE METODE V PROMETU

Size: px
Start display at page:

Download "KVANTITATIVNE METODE V PROMETU"

Transcription

1 KVANTITATIVNE METODE V PROMETU Vaja Primer : Pri pripravi neke eksotične slaščice potrebujemo dve vrsti moke M, M. Moko lahko kupimo v dve različni embalaži E, E. Prvo pakiranje E vsebuje enoto moke M in 4 enote moke M, ter stane 4 d.e.. Drugo pakiranje E vsebuje 5 enot moke M in enoto moke M, ter stane 5 d.e.. Za pripravo slaščice potrebujemo 7 enot moke M in enot moke M. Določi nakup z minimalnimi stroški. a Sestavi tabelo, ki opiše problem. Min E E M M cene količine potrebe b Sestavi matematično formulacijo problema. c Določi smerni koeficient ciljne funkcije. d Grafično določi rešitev. e Grafično določi razliko med maksimalnimi in minimalnimi stroški nakupa. f Zapiši problem v Ecelu in določi rešitev z orodjem Solver. g V Ecelu določi razliko med maksimalnimi in minimalnimi stroški nakupa. h Kako se spremeni vrednost kriterialne funkcije, če podražimo pakiranje E za d.e.? (grafično in s Solverjem) i Kako se spremeni vrednost kriterialne funkcije, če povečamo potrebo po moki M za enoto? (grafično in s Solverjem)

2 Primer : Proizvajalec pohištva razpolaga z 6 enotami lesa in 8 ur časa, v katerih namerava proizvajati čopiče (uporaba ostanka lesa). Proizvajal bo samo vrsti čopičev, ki so se do sedaj dobro prodale. Proizvajalec oceni, da prvi model čopičev zahteva enoti lesa in 7 ur dela, prodajna cena je 0 d.e.. Drugi model čopičev pa zahteva enoto lesa in 8 ur dela, prodajna cena je 80 d.e.. Določi količino čopičev, ki jo mora proizvajati pohištvena industrija, tako da bo dobiček maksimalen. Nalogo reši tako kot zgornjo. Primer : Dani je transportni problem: R R R T 7 50 T a Grafično določi optimalno rešitev. b Določi smerni koeficient ciljne funkcije.

3 KVANTITATIVNE METODE V PROMETU Vaja Primer : Proizvodno podjetje izdeluje dva strojna dela. Pri tem uporablja stružnice, rezkalne stroje in vrtalne stroje. Za vsak del je poraba strojnih časov različna. Potrebne in razpoložljive strojne čase za vsak stroj, ter doseženi dobiček za vsak strojni del podaja naslednja tabela: zahtevani čas v minutah razpoložljivi čas na teden v minutah stroj strojni del I strojni del II stružnica rezkalni stroj vrtalni stroj,5 450 dobiček na enoto v Določite število strojnih delov I in II tako, da bo dobiček največji! (grafično in Solver) Namig: - število strojnih delov I - število strojnih delov II ma z

4 Primer : Proizvodno podjetje izdeluje štiri izdelke iz treh vrst materiala. Količina potrebnega materiala v kg za vsak izdelek prikazuje naslednja tabela: material izdelek I II III A,5 4 B 4 C,5 D,5,5 Nadalje je potrebnih 5 delovnih ur na človeka za izdelavo izdelka A, število potrebnih delovnih ur na človeka za izdelke B, C in D pa znaša 4, in 6. Podjetje razpolaga z 00 kg materiala I, 00 kg materiala II in 400 kg materiala III, ter ima na razpolago 00 človek-delovnih ur v planskem obdobju. Podjetje ustvari na enoto izdelkov A, B, C in D 7, 0, 5 in 6 dobička. Koliko enot posameznega izdelka naj podjetje izdela, da bo imelo največji dobiček? Namig: - število enot izdelka A, ki ga moramo izdelati - število enot izdelka B, ki ga moramo izdelati - število enot izdelka C, ki ga moramo izdelati - število enot izdelka D, ki ga moramo izdelati 4 z ma , 0, 0, 0 4 4

5 Primer : Mešanica hrane (obrok) mora vsebovati najmanj 8 dag hranilne snovi A, najmanj 0 dag hranilne snovi B in najmanj dag hranilne snovi C. Želeni obrok moramo sestaviti iz prehrambnih artiklov F, F in F, ki vsebujejo v določenih količinah zahtevane hranilne snovi A, B in C. Enota prehrambenega artikla F stane 50 d.e., F 80 d.e. in F 60 d.e.. Enota artikla F vsebuje 5 dag hranilne snovi A, dag hranilne snovi B in dag hranilne snovi C, enota artikla F vsebuje dag hranilne snovi A, dag hranilne snovi B in 5 dag hranilne snovi C, medtem ko artikel F vsebuje 0 dag snovi A, dag snovi B in 4 dag hranilne snovi C. Kakšne količine prehrambenih artiklov F, F in F moramo kupiti, da bo obrok vseboval predpisane količine hranilnih snovi A, B in C, ter da bodo stroški nakupa najmanjši? Namig: - število enot prehrambenega artikla F - število enot prehrambenega artikla F - število enot prehrambenega artikla F z min , 0, 0, 5

6 Primer 4: Transportno podjetje Inter-Company prevaža vsak mesec blago iz dveh skladišč v tri trgovine. Iz različnih razlogov, kot so različne oddaljenosti, različni načini prevoza, so stroški prevoza na enoto proizvoda odvisni tako od skladišča iz katerega se vozi blago, kakor tudi trgovine v katero se blago vozi. Vsako skladišče ima omejene kapacitete skladiščenja in vsaka trgovina zahteva le določeno količino enot proizvodov na mesec. Naslednja tabela podaja stroške prevoza, kapacitete skladišč in potrebe trgovin: transportni stroški na enoto Kapacitete skladišč T T T S S Potrebe trgovin Ugotoviti moramo, koliko enot proizvodov moramo pripeljati iz vsakega skladišča v vsako trgovino, da bodo stroški transporta najmanjši? (grafično Solver) 6

7 SIMPLEKS METODA POVZETEK KANONIČNA OBLIKA LINEARNEGA PROBLEMA: MIN c T A B 0 MAX c T A B 0 Uvedba novih spremenljivk: MIN MAX A B A B A B A B dopolnilna spr., c 0 i j umetna spr., c j i i j M ma c T dopolnilna spr., c 0 i umetna spr., j c j i i j M A B A B A B A B j umetna spr., c j c T j M ma j umetna spr., c j j M A B A B A B A B slack spr., 0 k k c k k k slack spr., c 0 k Popravimo stolpec, kjer je prisojena cena največja pozitivna. Optimalna rešitev ima vse prisojene cena negativna ali nič. Popravimo stolpec, kjer je prisojena cena najmanjša negativna. Optimalna rešitev ima vse prisojene cena pozitivne ali nič. Pivot element je vedno minimalni pozitivni količnik, v primeru, ko so vsi količniki negativni ali nedefinirani problem ni rešljiv (neomejeni konveksni polieder). 7

8 KVANTITATIVNE METODE V PROMETU Vaja SIMPLEKS METODA Primer : Dva izvora I in I oskrbujeta z nekim blagom dva ponora P in P. Obilnost izvorov v časovni enoti znaša zaporedoma 7 in 4 enot blaga. Potrebe ponorov v časovni enoti znaša zaporedoma 6, in 5 enot blaga. Za transportni problem so znane prevozne tarife za vse relacije, tako kot prikaže tabela. P P I I 4 7 Kako naj usmerimo prevoz blaga od izvorov do ponorov, da bodo skupni prevozni stroški najmanjši? a. Določi in zapiši izhodiščno bazo in rešitev TP. b. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema. c. Rešitev preveri tudi s pomočjo Solverja (Ecel). 8

9 Kanonični zapis LP: T min z c X AX B X 0 SIMPLEKS tabela: MIN c T X T X 0 c o A B T 0 c T 0 T c c A B Primer : Zaprti transportni problem je podan z naslednjo tabelo: Min P P P Kapaciteta izvorov I I Kapaciteta ponorov 4 6 a. Določi in zapiši izhodiščno bazo in rešitev TP. b. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema. c. Rešitev preveri tudi s pomočjo Solverja (Ecel) 9

10 Sedaj določi rešitev naslednjega odprtega transportnega problema z metodo SIMPLEKS. Min P P P Kapaciteta izvorov I I Kapaciteta ponorov 4 6 Primer : Trije izvori I, I in I oskrbujejo z nekim blagom štiri ponore P, P, P in P 4. Obilnost izvorov v časovni enoti znaša zaporedoma 6,0 in 9 enot blaga. Potrebe ponorov v časovni enoti znaša zaporedoma 4, 6, 7 in 8 enot blaga. Za transportni problem so znane prevozne tarife za vse relacije, tako kot prikaže tabela. P P P P 4 I I I 48 8 Kako naj usmerimo prevoz blaga od izvorov do ponorov, da bodo skupni prevozni stroški najmanjši? a. Določi in zapiši izhodiščno bazo in rešitev TP. b. Preveri ali vektorji, ki pripadajo izhodiščni rešitvi tvorijo bazo. c. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema. 0

11 KVANTITATIVNE METODE V PROMETU Vaja a SIMPLEKS METODA Primer : Neko podjetje, ki proizvaja pet različnih izdelkov, uporablja pri proizvodnji tri surovine: S, S in S. Razpoložljivost surovin je naslednja: 0, 80 in 40 enot. Naslednja tabela prikaže uporabo surovin pri proizvodnji izdelkov. S I I I I 4 I S 5 0 S Podjetje prodaja prve izdelke po 0, druge po 0, tretje po 40, četrte po 0 in pete po 5 denarnih enot na enoto. Kako naj podjetje planira proizvodnjo, da bo imelo od prodaje največji dohodek? d. Določi in zapiši izhodiščno bazo in rešitev LP. e. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema. Je to edina rešitev? f. Rešitev preveri tudi s pomočjo Solverja (Ecel).

12 Kanonični zapis LP: T ma z c X AX B X 0 SIMPLEKS tabela: MAX c T X T X 0 c o A B T 0 c T 0 T c c A B Primer : Proizvajalec pohištva razpolaga z 6 enotami lesa in 8 ur časa, v katerih namerava proizvajati čopiče (uporaba ostanka lesa). Proizvajal bo samo vrsti čopičev, ki so se do sedaj dobro prodale. Proizvajalec oceni, da prvi model čopičev zahteva enoti lesa in 7 ur dela, prodajna cena je 0 d.e.. Drugi model čopičev pa zahteva enoto lesa in 8 ur dela, prodajna cena je 80 d.e.. Določi količino čopičev, ki jo mora proizvajati pohištvena industrija, tako da bo dobiček maksimalen. Nalogo reši tako kot zgornjo.

13 MAX količnik y S S 0 S 6 0 S omejitev 6 vrednost tab 0 / / S 0 9/ -7/ 7 4/ /8 -/9 4/9 80 y 0-7/9 /9 4/ /9 40/9 50/9. vrstica 7/ *. vrstica. vrstica /9 *. vrstica Primer : V nekem regionalnem središču razmišljajo o uvedbi proizvodnje P in P. Pri tem so omejeni z razpoložljivo količino vode, elektrike in z okoljsko omejitvijo polucije O. Dnevne omejitve onesnaževanja v izbranih enotah ter poraba vode in elektrike na enoto proizvoda so podani v naslednji tabeli. MAX Proizvodnja P Proizvodnja P Razpoložljivost voda 4000 elektrika Polutant O profit a. Grafično določi optimalno strukturo proizvodnje. b. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema.

14 KVANTITATIVNE METODE V PROMETU Vaja b SIMPLEKS METODA Primer : Pri pripravi neke eksotične slaščice potrebujemo dve vrsti moke M, M. Moko lahko kupimo v dve različni embalaži E, E. Prvo pakiranje E vsebuje enoto moke M in 4 enote moke M, ter stane 4 d.e.. Drugo pakiranje E vsebuje 5 enot moke M in enoto moke M, ter stane 5 d.e.. Za pripravo slaščice potrebujemo 7 enot moke M in enot moke M. Določi nakup z minimalnimi stroški. a. Določi in zapiši izhodiščno bazo in rešitev LP. b. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema (spremembe tabele opravi z Ecelom). c. Rešitev preveri tudi s pomočjo Solverja (Ecel). Min E E M M cene količine potrebe 4

15 Primer : Tri vitamine: V, V in V lahko kupimo v štiri tablete. Z nakupom tablet želimo dobiti najmanj 80 enot vitamina V, 40 enot vitamina V in 0 enot vitamina V. Naslednja tabela prikaže prisotnost vitaminov v tabletah. Cena tablet je naslednja: T T T T 4 V 4 V V 0 4 Cene v D.E. T T T T Določi nakup tablet z minimalnimi stroški, ki zadošča zahtevam po vitamini. a. Določi in zapiši izhodiščno bazo in rešitev LP. b. Zapiši problem v SIMPLEKS tabeli, ter določi rešitev problema (uporabi Ecel). c. Rešitev preveri tudi s pomočjo Solverja (Ecel). 5

16 6 KVANTITATIVNE METODE V PROMETU Vaja c SIMPLEKS METODA Primeri: S pomočjo Simpleks metode reši naslednje LP. Simpleks tabele zapiši v Ecelu. Rešitve preveri z grafično metodo, ter s pomočjo Solverja. a ma R. LP ni rešljiv b ma R. 5 c ,,, min d ma e min f min

17 KVANTITATIVNE METODE V PROMETU Vaja 4 Metoda stopalnikov Primer : Trije izvori I, I in I oskrbujejo z nekim blagom štiri ponore P, P, P in P 4. Obilnost izvorov v časovni enoti znaša zaporedoma 6,0 in 9 enot blaga. Potrebe ponorov v časovni enoti znaša zaporedoma 4, 6, 7 in 8 enot blaga. Za transportni problem so znane prevozne tarife za vse relacije, tako kot prikaže tabela. P P P P 4 I I I 48 8 Kako naj usmerimo prevoz blaga od izvorov do ponorov, da bodo skupni prevozni stroški najmanjši? g. Sestavi standardno tabelo, ki vsebuje vse podatke transportnega problema. h. Sestavi matematično formulacijo problema. i. Določi rešitev problema z metodo stopalnikov (Stepping Stone Method). j. Določi rešitev s Solverjem (Ecel). 7

18 P P P P4 I I I Ocena praznih mest po metodi stopalnikov Rešitev lahko izboljšamo, tako da z metodo stopalnikov ocenimo nezasedene relacije. Ocenimo najprej nezasedeno relacijo I, P, tako da vpišemo vanjo enoto blaga; da ne prekršimo pogojev spremenimo količine prevoženega blaga na sklenjeni poti okrog relacije I, P. Pot definiramo s premikom trdnjave po polnih mestih šahovnice. Pot je naslednja:, P I I, P I, P I, P I, P Premik blaga: Pogojev ne prekršimo če na relaciji, P I, P dodamo enoto, na relaciji I, P in I, P pa odvzamemo enoto blaga. Pri tem določimo prevozne stroške pretovora ene enote blaga po tej poti: I vpišemo enoto, na relaciji 46() + 0(-) + 8() + 6(-) = 8 Nezasedeni relaciji I, P predpišemo oceno 8, ki jo vpišemo v levem spodnjem kotu. 8

19 Primer : Trije izvori I, I in I oskrbujejo z nekim blagom šest ponorov P, P, P, P 4, P 5 in P 6. Obilnost izvorov v časovni enoti znaša zaporedoma 5,4 in 9 enot blaga. Potrebe ponorov v časovni enoti znaša zaporedoma 4,,,, in 6 enot blaga. Za transportni problem so znane prevozne tarife za vse relacije, tako kot prikaže tabela. P P P P P 4 5 P6 I I I 6 4 Kako naj usmerimo prevoz blaga od izvorov do ponorov, da bodo skupni prevozni stroški najmanjši? Namig: a. Sestavi standardno tabelo, ki vsebuje vse podatke transportnega problema, preveri če sistem degenerira. b. Sestavi matematično formulacijo problema. c. Določi rešitev problema z metodo stopalnikov. d. Določi rešitev s Solverjem (Ecel). P P P P4 P5 P6 I E 4 +E I E -0 -E E 5 4 I E E 6+E 4 6+E 8+E

20 KVANTITATIVNE METODE V PROMETU Vaja 4a Metoda MODI Primer : Trije izvori I, I in I oskrbujejo z nekim blagom štiri ponore P, P, P in P 4. Obilnost izvorov v časovni enoti znaša zaporedoma 6,0 in 9 enot blaga. Potrebe ponorov v časovni enoti znaša zaporedoma 4, 6, 7 in 8 enot blaga. Za transportni problem so znane prevozne tarife za vse relacije, tako kot prikaže tabela. P P P P 4 I I I 48 8 Kako naj usmerimo prevoz blaga od izvorov do ponorov, da bodo skupni prevozni stroški najmanjši? k. Sestavi standardno tabelo, ki vsebuje vse podatke transportnega problema. l. Sestavi matematično formulacijo problema. m. Določi rešitev problema z metodo MODI. n. Določi rešitev s Solverjem (Ecel). 0

21 P P P P4 v i I I I s j Ocena praznih mest po metodi MODI Ocene določimo tako, da je vsaka transportna tarifa c ij na zasedeni relaciji i, j enaka vsoti ustrezne vrstične ocene v i in stolpne ocene s j : cij vi s j Ocene vsake nezasedene relacije i, j izračunamo tako, da odštejemo od prevozne tarife na tej relaciji c ij ustrezno vrstično oceno v i in stolpno oceno s j : c v s ij i j

22 Primer : Transportni problem je podan z naslednjo tabelo: Min P P P Kapaciteta izvorov I I Kapaciteta ponorov 4 6 a. Sestavi matematično formulacijo problema. b. Določi rešitev problema z metodo MODI. c. Kako se spremeni vrednost kriterialne funkcije, če P z I ni sklenil pogodbe o dobavi? d. Določi grafično rešitev problema v ravnini. e. Določi rešitev s Solverjem (Ecel), ter preveri ali je to edina optimalna rešitev. Primer : Dani je transportni problem: I 0 I 0 I P 0 P 00 Določite rešitev transportnega problema z metodo MODI. Zapišite sistem linearnih enačb, ki se uporablja pri zapisu problema s Solverjem, ter poišči rešitev s Solverjem.

23 Tabela za metodo MODI prva rešitev in uporaba pravila zgornjega levega kota (rešitev lahko ocenimo, če ima n+m- polnih mest) Ocena praznih mest po metodi MODI n\m P P P 8 0 I 0 E 0 0+E I 0 0+E 0 0+E 0 I 0 80-E 40+E 0+E E 60+E Prvi popravek rešitve P P P 8 0 I 0 E 0 0+E I 0 0+E 0 0+E I 0 80-E 40+E 0+E E 60+E Ocena praznih mest po metodi MODI P P P 8 0 I 0 0 E 0+E I 0 0+E 0 0+E 0 I 0 80-E 40+E 0+E E 60+E P P P 8 0 I 0 0 E 0+E I 0 0+E 0 0+E I 0 80-E 40+E 0+E E 60+E 0-0 -

24 Drugi popravek rešitve Ocena praznih mest po metodi MODI P P P 8 0 I 80-E 0 40+E 0+E I 0 0+E 0 0+E 0 I 40+E 80-E 0 0+E E 60+E Tretji popravek rešitve P P P 8 0 I 80-E 0 40+E 0+E I 0 0+E 0 0+E I 40+E 80-E 0 0+E E 60+E Ocena praznih mest po metodi MODI P P P 8 0 I 0 80-E 40+E 0+E I 0 0+E 0 0+E 0 I 0 E 0 0+E E 60+E P P P 8 0 I 0 80-E 40+E 0+E I 0 0+E 0 0+E 5 0 I 0 E 0 0+E E 60+E 0-8 Prazna mesta so vsa pozitivno ocenjena, torej rešitev je optimalna. 4

25 Ko gre E proti nič, dobimo optimalno rešitev začetnega TP. P P P 8 0 I I I OSTANEK- POMANKLJAJ V SISTEMU Optimalna vrednost ciljne funkcije je 4680 d. e.. I 0 I 0 I 0 P 0 P 00 5

26 KVANTITATIVNE METODE V PROMETU Vaja 5 Senzitivnostna analiza, senčne cene in priložnostni stroški Primer : Proizvodno podjetje izdeluje štiri variante istega izdelka. V končni fazi proizvodnje izdelke sestavljajo, očistijo in nato pakirajo. Za vsako varianto proizvodnje naslednja tabela prikazuje čas (v minutah) za opisane operacije in zaslužek pri prodaji. Varianta Sestavljanje Čiščenje Pakiranje Zaslužek ( ) Podjetje ima na razpolago v enem letu minut za sestavljanje izdelkov, minut za čiščenje izdelkov in minut za pakiranje izdelkov. Določi koliko izdelkov vsake variante bo podjetje izdelalo v enem letu, tako da bo dobiček pri prodaji maksimalen. Vse variante izdelka se enako dobro prodajajo. a. Sestavi matematično formulacijo problema. b. Določi smerni koeficient kriterialne funkcije. c. Zapiši matriko tehničnih koeficientov. d. Zapiši problem v Ecelu in določi rešitev z orodjem Solver. j Kaj se zgodi če v podjetju omejijo le skupni čas proizvodnje na 0000 minut? Senzitivnostna analiza Kako vpliva sprememba prodajnih cen (koeficienti v kriterialni funkciji) na proizvodnjo? Kdaj se proizvodnja spremeni? Senčne cene Kako vpliva sprememba omejitev problema (desna stran v neenačbah) na proizvodnjo? Kdaj se proizvodnja spremeni? Kaj je senčna cena? Priložnostni stroški Kako vpliva zahteva, da se neki proizvod mora izdelati (spremenimo vrednost rešitve iz nič v vrednost, ki je različna od nič)? Vrednost ciljne funkcije se spremeni in ni več optimalno, pri problemih kjer iščemo MAX se zniža, pri tistih kjer iščemo MIN pa naraste. Kdaj je smiselno uvesti proizvodnjo? 6

27 Primer : Transportni problem je podan z naslednjo tabelo: Min P P P I I a. Sestavi matematično formulacijo problema. (napiši enačbe, ki določijo problem). b. Določi rešitev s Solverjem (Ecel). c. Nariši dvodelni graf, ki predstavlja rešitev. d. Izpiši vsa poročila v Ecelu in jih analiziraj. e. Določi možne ukrepe na kapacitete ponorov in izvorov, ki ohranjajo rešitev in zmanjšajo skupne prevozne stroške. f. Rešitev poišči tudi grafično, ter s pomočjo grafične rešitve razloži predlagane ukrepe v točki e.. 7

28 KVANTITATIVNE METODE V PROMETU Vaja 6 Problem najkrajše poti v grafu Primer : Spodnja slika predstavlja povezani neusmerjeni graf. V grafu poišči najkrajšo pot med začetno točko s in končno točko t. 4 7 s 5 t 6 8 Matrika cen (sosednosti) je naslednja: A = Problem iskanja najkrajše poti, med začetno točko s in končno točko t lahko zapišemo kot transportni problem. 8

29 Sestavimo tabelo transportnega problema. V prvem stolpcu zapišemo vsa vozlišča razen konca poti, v prvi vrstici pa zapišemo vsa vozlišča razen začetka poti. Stroški na določeni relaciji so dolžina povezave na tej relaciji, če povezava obstaja. V nasprotnem primeru so stroški zelo veliko število M. Dolžina povezave med vozliščem in samim sabo je nič. Neusmerjenemu grafu pripada simetrična matrika. Usmerjenemu pa ne t OMEJITVE IZVOROV 4 M M M M M M s 0 M M 5 M M M M M M 0 6 M M M M M 0 M 6 9 M M M 5 M 0 M 6 M M 4 M M M 4 5 M M 9 M M 0 M 5 M 6 M M M 6 M M 0 M 7 M M M M 4 5 M OMEJITVE PONOROV Problem rešimo kot običajni transportni problem, kjer so omejitve izvorov in ponorov enake. Transportnemu problemu dodamo še pogoj, da so vse spremenljivke binarne vrednosti 0,. 9

30 Primer : Poišči najkrajšo pot med Koprom in Mariborom. Cestno omrežje je polni graf G, brez direktne povezave med Koprom in Mariborom, z vozlišči: Koper, Nova Gorica, Postojna, Ljubljana, Novo mesto, Celje, Slovenj Gradec, Maribor. S pomočjo spodnje tabele določi dolžino povezav grafa G, nato nariši graf in zapiši matriko povezav. Koper Nova Novo Slovenj Postojna Ljubljana Celje Gorica mesto Gradec Maribor Koper Nova Gorica Postojna Ljubljana Novo mesto Celje Slovenj Gradec 0 74 Maribor 0 0

31 Primer : Spodnja slika predstavlja povezani neusmerjeni graf G. v v4 v7 v0 v v5 v9 v v6 v8 a. Sestavi matriko sosednosti A grafa G. b. Sestavi incidenčno matriko B grafa G. c. Preveri izrek B B T A D. Kjer je diagonalna matrika D tako dvi i j definirana di, j. 0 i j d. Določi število poti dolžine v danem grafu. Za vsako pot določi začetno in končno vozlišče. Elementi a i, j matrike A prikažejo število poti iz vozlišča i v vozlišče j dolžine. k V grafu reda n sta poljubna vozlišča dosegljiva, če obstaja pot P, ki jih povezuje. Dolžina poti (število povezav na tej poti) k zadošča naslednjemu pogoju: k n. n Torej matrika A A... A prikaže vsa dosegljiva vozlišča v grafu G.

32 KVANTITATIVNE METODE V PROMETU Vaja 7 Problem najkrajše povezave Primer : Poiščimo najkrajšo povezavo vseh točk grafa G. Graf je podan v spodnji sliki. Nalogo rešujte s pomočjo Solverja. A 6 B C 7 5 D 4 7 E F 4 G

33 Formulacija linearnega problema: c.f.: min ij c ij ij pogoji: Vsako vozlišče mora biti krajišče vsaj ene povezave: j ij i Vsaka povezava se stika vsaj z eno drugo povezavo v grafu: l il ij k kj l,k i, j Pot mora vsebovati vsaj G ij 0, V povezav: ij ij V G -

34 Primer : Podan je plan okolice Fakultete za pomorstvo in promet, kjer želimo povezati označene stavbe z optičnim kablom tako, da bodo stroški postavitve omrežja minimalni. Cena postavitve optičnega kabla je premo sorazmerna z dolžino kabla. 4

35 Razdelilna omara Glavni vod Razdelilna omara 00 m 5

36 Narišite pripadajoči graf, kjer so vozlišča označene stavbe, povezave pa poti (ceste), ki jih povezujejo. Določite tudi dolžino vseh povezav in jo zapišite v grafu. 6

37 Zapišite matriko sosednosti. A = 7

38 Poiščite optimalno postavitev kabla in določite znesek skupnih stroškov. Postavitev narišite na plan okolice Fakultete za pomorstvo in promet. ) Ciljna funkcija: Skupni stroški: ) Omejitve-pogoji a) za vozlošča: b) za povezave: c) Eulerjev pogoj: 8

39 TRANSPORTNI PROBLEMI NA GRAFIH Primer Določite najkrajšo pot iz Moskve v Lizbono. Določite najkrajšo povezavo vseh prestolnic. 9

40 Primer Določite najkrajšo povezavo vseh vozlišč v grafu podan z matriko sosednosti A. A B C D E F G A B C A= D E F G

41 KVANTITATIVNE METODE V PROMETU Vaja 8 Problem trgovskega potnika Primer : Problem trgovskega potnika Hamiltonov cikel: vpet cikel ali sklenjen sprehod po grafu, pri katerem vsako vozlišče obiščemo natanko enkrat. Podano je distribucijsko omrežje nekega trgovskega potnika, ki ga predstavlja graf na sliki. Glavno skladišče trgovskega potnika se nahaja v eno vozlišče grafa, ostala vozlišča so trgovine, ki jih potnik oskrbuje. Cilj trgovskega potnika je določitev najkrajše poti (časovno, kilometrsko, ) iz glavnega skladišča, ki obišče vse trgovine in se konča ponovno v skladišče. Rešuj problem trgovskega potnika, ko se skladišče nahaja v vozlišču»«. Matrika cen (sosednosti) in graf sta naslednja: - A =

42 . korak Matriko sosednosti nadomestimo z matriko, ki ima v vsaki vrstici in v vsakem stolpcu vsaj eno ničlo. Če je matrika sosednosti že take oblike spustimo korak. V matriki cen, ki je nadgradnja matrike sosednosti minimalno vrednost. poiščemo v vsaki vrstici 4 min Elementom v vrsticah te vrednosti po vrsti odštejemo Isto naredimo za stolpce (če je potrebno). Tako vsaka vrstica in vsak stolpec vsebuje vsaj eno ničlo.. korak Ocenimo ničle. Ocena ničle je vsota min vrednosti v pripadajoči vrstici in stolpcu korak Kritična povezava je ničla z maksimalno oceno (pripada rešitvi, če jih je več izberemo eno), jo odstranimo iz grafa, obratni povezavi dodelimo vrednost. Ničle predstavijo dopustno rešitev, če je podmnožica teh povezav rešitev, je to optimalna rešitev. Povezava e, je kritična. Izberemo povezavo e, in jo odstranimo iz matrike, povezavi e, dodelimo vrednost korak V tako dobljeni matriki ponovimo postopek. Skupnih je V iteracij. Vsaka vrstica in vsaki stolpec vsebuje najmanj eno ničlo zato lahko opustimo začetni korak in direktno ocenimo ničle. 4

43 Povezava e 4, je kritična. Jo odstranimo iz matrike, povezavi e, 4 (če obstaja) dodelimo vrednost. 5. korak Vsaka vrstica in vsaki stolpec vsebuje najmanj eno ničlo zato lahko opustimo začetni korak in direktno ocenimo ničle. 4 0 Povezava e, je kritična. Jo odstranimo iz matrike, povezavi, dodelimo vrednost. 6. korak Povezava e, 4 je kritična e (če obstaja) 4 4

44 Opomba Problem trgovskega potnika je NP, kar pomeni, da iskanje rešitve v večjih grafih je zelo težko. Predstavljena metoda lahko določi veje kritične poti, ki niso povezane. V tem primeru določimo optimalno rešitev tako, da:. kritični povezavi dodelimo neskončno veliko vrednost, Kritična povezava. vrstici in stolpcu, ki vsebujeta nasprotno povezavo dodelimo neskončno veliko vrednost. Nasprotna povezava 44

45 Formulacija linearnega problema: c.f.: min ij c ij ij pogoji: Vsako vozlišče je obiskano natanko enkrat (prihod): N i j, ij,...,n Vsako vozlišče je obiskano natanko enkrat (odhod): N j i, ij,...,n Cikel je minimalne dolžine in Hamiltonov: ij 0, u 0 j ui u N N za vsak par i j;i, j,,..., N j ij Oznake: N število vozlišč v grafu d i, j ; i j c ij M ; i j M je poljubno veliko število 45

46 KVANTITATIVNE METODE V PROMETU Vaja 9 Problem maksimalne propustnosti in problem enostavnega nahrbtnika Primer : Problem maksimalne propustnosti (izvor-tranzitni vozli-ponor) Dana je transportna mreža (graf) z izvornim vozliščem v in ponornim vozliščem v n 5, vsa ostala vozlišča so tranzitivna. Graf je usmerjeni, kar pomeni, da promet po določeni povezavi poteka samo v določeni smeri. Povezave imajo tudi določeno propustnost f ij, ki je ne smemo presegati. Določi maksimalno propustnost naslednjega grafa

47 Formulacija linearnega problema: c.f.: ma povratna zanka ponor- izvor pogoji: Vsaka povezava ima določeno propustnost: 0 ij f ij i, j Vsako vozlišče zadošča pogoju:»toliko v =toliko iz«j ji j ij 0 i R ij 47

48 Primer : Problem enostavnega nahrbtnika (Knapsack Problem) Formulacija linearnega problema: c.f.: N ma c i i i pogoji: N i a b i i ij 0, Oznake: b velikost nahrbtnika a i - velikost predmeta i N število predmetov c - učinek predmeta i i 48

49 Na razpolago imamo 7 škatlic različnih velikosti a i. Vsaka škatlica vsebuje določeno količino denarja c i. Škatlice želimo spraviti v varovano skladišče določene prostornine b. Poiščimo rešitev problema, tako da bo na varnem čim več denarja. Vseh škatlic ni mogoče spraviti v skladišče. b = 00 a i c i Rešitev poiščemo, tako da škatlice rangiramo od najboljše do najslabše. Nato jih spravimo v skladišče dokler ne zapolnimo vsega prostora. a i c i c i / a i rang /5. ostanek prostora / ostanek prostora / ostanek prostora / ostanek prostora 70 49

50 Primer : Podjetje AA razmišlja o novi investiciji. Zato analizira dobljene ponudbe: Ponudba Stroški 5000 Vrednost 6000 Ponudba Stroški 7000 Vrednost 000 Ponudba Stroški 4000 Vrednost 000 Ponudba4 Stroški 000 Vrednost 8000 Podjetje ima na razpolago 4000 za investicije. Kako naj podjetje investira svoj denar, tako da vrednot dobička maksimalna. a i c i c i / a i rang , ,4 (4 delno) ( delno) , (44000 ) 6000 (486 ) 4000 Prikazana rešitev ni optimalna saj ne moremo delno investirat v projekt. Optimalna rešitev je, investicija je vredna

51 KVANTITATIVNE METODE V PROMETU Vaja 0 Primer : Letalski prevoznik želi vpeljati letalsko povezavo med Ljubljano in Londonom s postanki v Mi, P ali A. Določite maksimalno število možnih tedenskih letov. let Dopustno število tedenskih letov LJ-MI MI-P MI-A P-L A-L Rešitev: Primer : Dana je usmerjena transportna mreža z izvornim vozliščem v in ponornim vozliščem v 6, vsa ostala vozlišča so tranzitivna Določite maksimalno propustnost omrežja. 5

52 Primer : Transportni problem je podan z naslednjo tabelo: Min P P P Kapaciteta izvorov I I Kapaciteta 4 6 ponorov f. Sestavite matematično formulacijo problema. g. Določite grafično rešitev problema v ravnini. h. Določite rešitev transportnega problema s Solverjem. Primer 4: Dana je matrika sosednosti transportnega omrežja javnega potniškega prometa nekega mesta. V V V V4 V5 V6 V V V 0 5 V4 4 0 V5 V6 i. Narišite graf, ki predstavlja omrežje javnega potniškega prometa. ii. Poiščite najkrajšo pot med V in V6. iii. Poiščite najkrajšo povezavo v grafu. 5

53 Vaje predstavljene v tem dokumentu so originalne oziroma prilagoditev obstoječih vaj, objavljenih v naslednjih knjigah: Rešeni problemi linearnega programiranja (Alojzij Vadnal. MK 97) Linearna algebra. Linearno programiranje (Jože Grasselli, Alojzij Vadnal. DMFA 986) Schaum's Outline of Operations Research (Richard Bronson, Govindasami Naadimuthu) Operations Research Applications and Algorithms (Wayne L. Winston) 5

Hipohamiltonovi grafi

Hipohamiltonovi grafi Hipohamiltonovi grafi Marko Čmrlec, Bor Grošelj Simić Mentor(ica): Vesna Iršič Matematično raziskovalno srečanje 1. avgust 016 1 Uvod V marsovskem klubu je želel predsednik prirediti večerjo za svoje člane.

More information

TOPLJENEC ASOCIIRA LE V VODNI FAZI

TOPLJENEC ASOCIIRA LE V VODNI FAZI TOPLJENEC ASOCIIRA LE V VODNI FAZI V primeru asociacij molekul topljenca v vodni ali organski fazi eksperimentalno določeni navidezni porazdelitveni koeficient (P n ) v odvisnosti od koncentracije ni konstanten.

More information

Reševanje problemov in algoritmi

Reševanje problemov in algoritmi Reševanje problemov in algoritmi Vhod Algoritem Izhod Kaj bomo spoznali Zgodovina algoritmov. Primeri algoritmov. Algoritmi in programi. Kaj je algoritem? Algoritem je postopek, kako korak za korakom rešimo

More information

Iskanje najcenejše poti v grafih preko polkolobarjev

Iskanje najcenejše poti v grafih preko polkolobarjev Univerza v Ljubljani Fakulteta za računalništvo in informatiko Veronika Horvat Iskanje najcenejše poti v grafih preko polkolobarjev DIPLOMSKO DELO VISOKOŠOLSKI STROKOVNI ŠTUDIJSKI PROGRAM PRVE STOPNJE

More information

TEORIJA GRAFOV IN LOGISTIKA

TEORIJA GRAFOV IN LOGISTIKA TEORIJA GRAFOV IN LOGISTIKA Maja Fošner in Tomaž Kramberger Univerza v Mariboru Fakulteta za logistiko Mariborska cesta 2 3000 Celje Slovenija maja.fosner@uni-mb.si tomaz.kramberger@uni-mb.si Povzetek

More information

OPTIMIRANJE IZDELOVALNIH PROCESOV

OPTIMIRANJE IZDELOVALNIH PROCESOV OPTIMIRANJE IZDELOVALNIH PROCESOV asist. Damir GRGURAŠ, mag. inž. str izr. prof. dr. Davorin KRAMAR damir.grguras@fs.uni-lj.si Namen vaje: Ugotoviti/določiti optimalne parametre pri struženju za dosego

More information

Eulerjevi in Hamiltonovi grafi

Eulerjevi in Hamiltonovi grafi Eulerjevi in Hamiltonovi grafi Bojan Možina 30. december 006 1 Eulerjevi grafi Štirje deli mesta Königsberg v Prusiji so bili povezani s sedmimi mostovi (glej levi del slike 1). Zdaj se Königsberg imenuje

More information

Linearne enačbe. Matrična algebra. Linearne enačbe. Linearne enačbe. Linearne enačbe. Linearne enačbe

Linearne enačbe. Matrična algebra. Linearne enačbe. Linearne enačbe. Linearne enačbe. Linearne enačbe Sistem linearnih enačb Matrična algebra Oseba X X X3 B A.A. 3 B.B. 7 C.C. Doc. dr. Anja Podlesek Oddelek za psihologijo, Filozofska fakulteta, Univerza v Ljubljani Študijski program prve stopnje Psihologija

More information

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SAŠO ZUPANEC MAX-PLUS ALGEBRA DIPLOMSKO DELO

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SAŠO ZUPANEC MAX-PLUS ALGEBRA DIPLOMSKO DELO UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA SAŠO ZUPANEC MAX-PLUS ALGEBRA DIPLOMSKO DELO Ljubljana, 2013 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA ODDELEK ZA MATEMATIKO IN RAČUNALNIŠTVO SAŠO ZUPANEC Mentor:

More information

Multipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R

Multipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R Multipla koelacia in egesia Multipla egesia, multipla koelacia, statistično zaklučevane o multiplem Multipla egesia osnovni model in ačunane paametov Z multiplo egesio napoveduemo vednost kiteia (odvisne

More information

Problem umetnostne galerije

Problem umetnostne galerije Problem umetnostne galerije Marko Kandič 17. september 2006 Za začetek si oglejmo naslednji primer. Recimo, da imamo v galeriji polno vrednih slik in nočemo, da bi jih kdo ukradel. Seveda si želimo, da

More information

NIKJER-NIČELNI PRETOKI

NIKJER-NIČELNI PRETOKI UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA ALJA ŠUBIC NIKJER-NIČELNI PRETOKI DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Dvopredmetni učitelj: matematika - računalništvo ALJA

More information

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO

UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA POLONA ŠENKINC REŠEVANJE LINEARNIH DIFERENCIALNIH ENAČB DRUGEGA REDA S POMOČJO POTENČNIH VRST DIPLOMSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA

More information

Makroekonomija 1: 4. vaje. Igor Feketija

Makroekonomija 1: 4. vaje. Igor Feketija Makroekonomija 1: 4. vaje Igor Feketija Teorija agregatnega povpraševanja AD = C + I + G + nx padajoča krivulja AD (v modelu AS-AD) učinek ponudbe denarja premiki vzdolž krivulje in premiki krivulje mikro

More information

Ana Mlinar Fulereni. Delo diplomskega seminarja. Mentor: izred. prof. dr. Riste Škrekovski

Ana Mlinar Fulereni. Delo diplomskega seminarja. Mentor: izred. prof. dr. Riste Škrekovski UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Matematika 1. stopnja Ana Mlinar Fulereni Delo diplomskega seminarja Mentor: izred. prof. dr. Riste Škrekovski Ljubljana, 2011 Kazalo 1. Uvod 4 2.

More information

OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION

OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION Table of contents 1 TECHNICAL FIELDS... 2 2 PRESENTING THE SCOPE OF A CALIBRATION LABOORATORY... 2 3 CONSIDERING CHANGES TO SCOPES... 6 4 CHANGES WITH

More information

Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK

Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK Cveto Trampuž PRIMERJAVA ANALIZE VEČRAZSEŽNIH TABEL Z RAZLIČNIMI MODELI REGRESIJSKE ANALIZE DIHOTOMNIH SPREMENLJIVK POVZETEK. Namen tega dela je prikazati osnove razlik, ki lahko nastanejo pri interpretaciji

More information

DOMINACIJSKO TEVILO GRAFA

DOMINACIJSKO TEVILO GRAFA UNIVERZA V LJUBLJANI PEDAGO KA FAKULTETA tudijski program: MATEMATIKA in RAƒUNALNI TVO DOMINACIJSKO TEVILO GRAFA DIPLOMSKO DELO Mentor: doc. dr. Primoº parl Kandidatka: Neja Zub i Ljubljana, maj, 2011

More information

Študijska smer Study field. Samost. delo Individ. work Klinične vaje work. Vaje / Tutorial: Slovensko/Slovene

Študijska smer Study field. Samost. delo Individ. work Klinične vaje work. Vaje / Tutorial: Slovensko/Slovene UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Matematika 2 Course title: Mathematics 2 Študijski program in stopnja Study programme and level Univerzitetni študijski program 1.stopnje Fizika First cycle

More information

Iterativne metode podprostorov 2010/2011 Domače naloge

Iterativne metode podprostorov 2010/2011 Domače naloge Iterativne metode podprostorov 2010/2011 Domače naloge Naloge so razdeljene v 6 skupin. Za pozitivno oceno morate rešiti toliko nalog, da bo končna vsota za pozitivno oceno vsaj 8 točk oz. vsaj 10 točk

More information

ENAČBA STANJA VODE IN VODNE PARE

ENAČBA STANJA VODE IN VODNE PARE ENAČBA STANJA VODE IN VODNE PARE SEMINARSKA NALOGA PRI PREDMETU JEDRSKA TEHNIKA IN ENERGETIKA TAMARA STOJANOV MENTOR: IZRED. PROF. DR. IZTOK TISELJ NOVEMBER 2011 Enačba stanja idealni plin: pv = RT p tlak,

More information

Hadamardove matrike in misija Mariner 9

Hadamardove matrike in misija Mariner 9 Hadamardove matrike in misija Mariner 9 Aleksandar Jurišić, 25. avgust, 2009 J. Hadamard (1865-1963) je bil eden izmed pomembnejših matematikov na prehodu iz 19. v 20. stoletje. Njegova najpomembnejša

More information

Matej Mislej HOMOMORFIZMI RAVNINSKIH GRAFOV Z VELIKIM NOTRANJIM OBSEGOM

Matej Mislej HOMOMORFIZMI RAVNINSKIH GRAFOV Z VELIKIM NOTRANJIM OBSEGOM UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO Matematika - uporabna smer (UNI) Matej Mislej HOMOMORFIZMI RAVNINSKIH GRAFOV Z VELIKIM NOTRANJIM OBSEGOM Diplomsko delo Ljubljana, 2006 Zahvala Zahvaljujem

More information

Jernej Azarija. Štetje vpetih dreves v grafih

Jernej Azarija. Štetje vpetih dreves v grafih UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO FAKULTETA ZA MATEMATIKO IN FIZIKO Jernej Azarija Štetje vpetih dreves v grafih DIPLOMSKO DELO NA INTERDISCIPLINARNEM UNIVERZITETNEM ŠTUDIJU

More information

SIMETRIČNE KOMPONENTE

SIMETRIČNE KOMPONENTE Univerza v Ljubljani Fakulteta za elektrotehniko SIMETRIČNE KOMPONENTE Seminarska naloga pri predmetu Razdelilna in industrijska omrežja Poročilo izdelala: ELIZABETA STOJCHEVA Mentor: prof. dr. Grega Bizjak,

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Verjetnostni algoritmi za testiranje praštevilskosti

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Verjetnostni algoritmi za testiranje praštevilskosti UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Verjetnostni algoritmi za testiranje praštevilskosti (Algorithms for testing primality) Ime in

More information

Linearna algebra. Bojan Orel. Univerza v Ljubljani

Linearna algebra. Bojan Orel. Univerza v Ljubljani Linearna algebra Bojan Orel 07 Univerza v Ljubljani Fakulteta za računalništvo in informatiko CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 5.64(075.8) OREL, Bojan Linearna

More information

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA. Tina Lešnik

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA. Tina Lešnik UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA Tina Lešnik Maribor, 2014 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO

More information

UNIVERZA V NOVI GORICI POSLOVNO-TEHNIŠKA FAKULTETA REŠEVANJE OPTIMIZACIJSKIH PROBLEMOV S PROGRAMSKIM PAKETOM SCICOSLAB DIPLOMSKO DELO.

UNIVERZA V NOVI GORICI POSLOVNO-TEHNIŠKA FAKULTETA REŠEVANJE OPTIMIZACIJSKIH PROBLEMOV S PROGRAMSKIM PAKETOM SCICOSLAB DIPLOMSKO DELO. UNIVERZA V NOVI GORICI POSLOVNO-TEHNIŠKA FAKULTETA REŠEVANJE OPTIMIZACIJSKIH PROBLEMOV S PROGRAMSKIM PAKETOM SCICOSLAB DIPLOMSKO DELO Jana Miklavič Mentor: prof. dr. Juš Kocijan Nova Gorica, 2012 NASLOV

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations. Študijska smer Study field

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations. Študijska smer Study field Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Parcialne diferencialne enačbe Partial differential equations Študijski program in stopnja Study programme and level Magistrski

More information

Analiza omrežij Zgradba omrežij:

Analiza omrežij Zgradba omrežij: Univerza v Ljubljani podiplomski študij statistike Analiza omrežij Zgradba omrežij: podomrežja in povezanosti Vladimir Batagelj Anuška Ferligoj Univerza v Ljubljani Ljubljana, 0. in 7. november 2003 izpisano:

More information

IZRAČUN MEMBRANSKE RAZTEZNE POSODE - "MRP" za HLADNOVODNE SISTEME (DIN 4807/2)

IZRAČUN MEMBRANSKE RAZTEZNE POSODE - MRP za HLADNOVODNE SISTEME (DIN 4807/2) IZPIS IZRAČUN MEMBRANSKE RAZTEZNE POSODE - "MRP" za HLADNOVODNE SISTEME Izhodiščni podatki: Objkt : Vrtc Kamnitnik Projkt : PZI Uporaba MRP : Črpalna vrtina Datum : 30.8.2017 Obdlal : Zupan Skupna hladilna

More information

Izbrana poglavja iz algebrai ne teorije grafov. Zbornik seminarskih nalog iz algebrai ne teorije grafov

Izbrana poglavja iz algebrai ne teorije grafov. Zbornik seminarskih nalog iz algebrai ne teorije grafov Izbrana poglavja iz algebrai ne teorije grafov Zbornik seminarskih nalog iz algebrai ne teorije grafov Ljubljana, 2015 CIP Kataloºni zapis o publikaciji Narodna in univerzitetna knjiºnica, Ljubljana 519.24(082)(0.034.2)

More information

ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA

ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA UDK621.3:(53+54+621 +66), ISSN0352-9045 Informaclje MIDEM 3~(~UU8)4, Ljubljana ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA Marijan Macek 1,2* Miha Cekada 2 1 University of Ljubljana,

More information

Grafi, igre in še kaj

Grafi, igre in še kaj Grafi, igre in še kaj Martin Milanič martin.milanic@upr.si Inštitut Andrej Marušič Fakulteta za matematiko, naravoslovje in informacijske tehnologije Univerza na Primorskem, Koper Matematika je kul 2016,

More information

OPTIMIZACIJSKE METODE skripta v pripravi

OPTIMIZACIJSKE METODE skripta v pripravi OPTIMIZACIJSKE METODE skripta v pripravi Vladimir Batagelj Ljubljana 17. december 2003 2 Kazalo Predgovor 5 1 Optimizacijske naloge 7 1.1 Osnovni pojmi........................... 7 1.2 Primeri optimizacijskih

More information

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo DIPLOMSKO DELO. Gregor Ambrož

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo DIPLOMSKO DELO. Gregor Ambrož UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Gregor Ambrož Maribor, 2010 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO

More information

Kode za popravljanje napak

Kode za popravljanje napak UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE KOPER MATEMATIČNE ZNANOSTI MAGISTRSKI ŠTUDIJSKI PROGRAM 2. STOPNJE Aljaž Slivnik Kode za popravljanje napak Magistrska

More information

AKSIOMATSKA KONSTRUKCIJA NARAVNIH

AKSIOMATSKA KONSTRUKCIJA NARAVNIH UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Poučevanje: Predmetno poučevanje ŠPELA ZOBAVNIK AKSIOMATSKA KONSTRUKCIJA NARAVNIH ŠTEVIL MAGISTRSKO DELO LJUBLJANA, 2016 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA

More information

Particija grafa, odkrivanje skupnosti in maksimalen prerez

Particija grafa, odkrivanje skupnosti in maksimalen prerez Univerza na Primorskem Fakulteta za matematiko, naravoslovje in informacijske tehnologije Matemati ne znanosti - 2. stopnja Peter Mur²i Particija grafa, odkrivanje skupnosti in maksimalen prerez Magistrsko

More information

PRIMERJAVA ANALITIČNIH PROGRAMSKIH ORODIJ PRI REŠEVANJU PROBLEMOV ODLOČANJA V POSLOVNIH PROCESIH

PRIMERJAVA ANALITIČNIH PROGRAMSKIH ORODIJ PRI REŠEVANJU PROBLEMOV ODLOČANJA V POSLOVNIH PROCESIH UNIVERZA V MARIBORU FAKULTETA ZA ORGANIZACIJSKE VEDE Smer: Organizacija in management informacijskih sistemov PRIMERJAVA ANALITIČNIH PROGRAMSKIH ORODIJ PRI REŠEVANJU PROBLEMOV ODLOČANJA V POSLOVNIH PROCESIH

More information

Katastrofalno zaporedje okvar v medsebojno odvisnih omrežjih

Katastrofalno zaporedje okvar v medsebojno odvisnih omrežjih Katastrofalno zaporedje okvar v medsebojno odvisnih omrežjih Daniel Grošelj Mentor: Prof. Dr. Rudi Podgornik 2. marec 2011 Kazalo 1 Uvod 2 2 Nekaj osnovnih pojmov pri teoriji omrežij 3 2.1 Matrika sosednosti.......................................

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kromatično število in kromatični indeks grafa

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kromatično število in kromatični indeks grafa UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Magistrsko delo Kromatično število in kromatični indeks grafa (The chromatic number and the chromatic index of

More information

Gaja Velkavrh. Problem maksimalnega pretoka

Gaja Velkavrh. Problem maksimalnega pretoka UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO FAKULTETA ZA MATEMATIKO IN FIZIKO Gaja Velkavrh Problem maksimalnega pretoka DIPLOMSKO DELO NA INTERDISCIPLINARNEM UNIVERZITETNEM ŠTUDIJU

More information

OFF-LINE NALOGA NAJKRAJŠI SKUPNI NADNIZ

OFF-LINE NALOGA NAJKRAJŠI SKUPNI NADNIZ 1 OFF-LINE NALOGA NAJKRAJŠI SKUPNI NADNIZ Opis problema. Danih je k vhodnih nizov, ki jih označimo s t 1,..., t k. Množico vseh znakov, ki se pojavijo v vsaj enem vhodnem nizu, imenujmo abeceda in jo označimo

More information

Multimedijska predstavitev globalne poravnave dveh nizov

Multimedijska predstavitev globalne poravnave dveh nizov Radovan Bajković Multimedijska predstavitev globalne poravnave dveh nizov Diplomsko delo Maribor, september 2011 I Diplomsko delo univerzitetnega študijskega programa MULTIMEDIJSKA PREDSTAVITEV GLOBALNE

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Simetrije cirkulantnih grafov

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Simetrije cirkulantnih grafov UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Magistrsko delo Simetrije cirkulantnih grafov (Symmetry of circulant graphs) Ime in priimek: Maruša Saksida Študijski

More information

Excel. Matjaž Željko

Excel. Matjaž Željko Excel Matjaž Željko Elektronska preglednica Excel Excel je zmogljiv kalkulator. Omogoča izdelavo grafikonov statistično analizo podatkov lepo oblikovanje poročila za natis Podatke predstavljamo tabelarično,

More information

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo DIPLOMSKO DELO.

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo DIPLOMSKO DELO. UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO Oddelek za matematiko in računalništvo DIPLOMSKO DELO Sabina Skornšek Maribor, 2012 UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO

More information

R V P 2 Predavanje 05

R V P 2 Predavanje 05 R V P 2 Predavanje 05 Kreiranje programskih modulov - Scripts RVP2 Kreiranje programskih modulov 1/44 Programski moduli -Scripts Možnosti: Omogočajo: Izvajanje ukazov Izvajanje logičnih operacij Ob določenih

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kvadratne forme nad končnimi obsegi

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. Kvadratne forme nad končnimi obsegi UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Kvadratne forme nad končnimi obsegi (Quadratic Forms over Finite Fields) Ime in priimek: Borut

More information

APLIKACIJA ZA DELO Z GRAFI

APLIKACIJA ZA DELO Z GRAFI UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Študijski program: MATEMATIKA IN RAČUNALNIŠTVO APLIKACIJA ZA DELO Z GRAFI DIPLOMSKO DELO Mentor: doc. dr. Primož Šparl Kandidat: Luka Jurković Somentor: asist.

More information

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta

Matematika 1. Gabrijel Tomšič Bojan Orel Neža Mramor Kosta Matematika 1 Gabrijel Tomšič Bojan Orel Neža Mramor Kosta 15. december 2010 Poglavje 3 Funkcije 3.1 Osnovni pojmi Preslikavam v množico R ali C običajno pravimo funkcije v prvem primeru realne, v drugem

More information

b) Računske naloge (z osnovami): 1. Izračunaj in nariši tiracijsko krivuljo, če k 10,0mL 0,126M HCl dodajaš deleže (glej tabelo) 0,126M NaOH!

b) Računske naloge (z osnovami): 1. Izračunaj in nariši tiracijsko krivuljo, če k 10,0mL 0,126M HCl dodajaš deleže (glej tabelo) 0,126M NaOH! 11. Vaja: Kemijsko ravnotežje II a) Naloga: 1. Izmeri ph destilirane in vodovodne vode, ter razloži njegovo vrednost s pomočjo eksperimentov!. Opazuj vpliv temperature na kemijsko ravnotežje!. Določi karbonatno

More information

VAJE 2: Opisna statistika

VAJE 2: Opisna statistika VAJE : Opisna statistika Na računalniških vajah se za urejanje in prikazovanje statističnih podatkov uporabi statistični programski paket SPSS in podatkovna datoteka podatki.sav. NALOGE: 1. Analiza vzorčnih

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1. Študijska smer Study field

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1. Študijska smer Study field UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Optimizacija 1 Course title: Optimization 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

Minimizacija učne množice pri učenju odločitvenih dreves

Minimizacija učne množice pri učenju odločitvenih dreves Univerza v Ljubljani Fakulteta za računalništvo in informatiko Ivan Štajduhar Minimizacija učne množice pri učenju odločitvenih dreves Diplomska naloga Mentor: prof. dr. Ivan Bratko Ljubljana, 2001 Izjava

More information

USING SIMULATED SPECTRA TO TEST THE EFFICIENCY OF SPECTRAL PROCESSING SOFTWARE IN REDUCING THE NOISE IN AUGER ELECTRON SPECTRA

USING SIMULATED SPECTRA TO TEST THE EFFICIENCY OF SPECTRAL PROCESSING SOFTWARE IN REDUCING THE NOISE IN AUGER ELECTRON SPECTRA UDK 543.428.2:544.171.7 ISSN 1580-2949 Original scientific article/izvirni znanstveni ~lanek MTAEC9, 49(3)435(2015) B. PONIKU et al.: USING SIMULATED SPECTRA TO TEST THE EFFICIENCY... USING SIMULATED SPECTRA

More information

Izbrana poglavja iz velikih omreºij 1. Zbornik seminarskih nalog iz velikih omreºij

Izbrana poglavja iz velikih omreºij 1. Zbornik seminarskih nalog iz velikih omreºij Izbrana poglavja iz velikih omreºij 1 Zbornik seminarskih nalog iz velikih omreºij Ljubljana, 2015 CIP Kataloºni zapis o publikaciji Narodna in univerzitetna knjiºnica, Ljubljana 123.45(678)(9.012.3) Izbrana

More information

Zbornik seminarjev iz hevristik

Zbornik seminarjev iz hevristik Zbornik seminarjev iz hevristik Izbrana poglavja iz optimizacijskih metod (2010-11) 2. marec 2012 Ljubljana, 2011 Zbornik seminarskih nalog sta po knjigi [3] izbrala in uredila R. Škrekovski (FMF) in Vida

More information

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE Zaključna naloga Uporaba Kalmanovega filtra pri vrednotenju izbranih finančnih instrumentov (Using Kalman filter

More information

PROBLEM SIMETRIČNEGA TRGOVSKEGA POTNIKA IN OPTIMIZACIJA Z GENETSKIMI ALGORITMI

PROBLEM SIMETRIČNEGA TRGOVSKEGA POTNIKA IN OPTIMIZACIJA Z GENETSKIMI ALGORITMI 1 Janko Juršič PROBLEM SIMETRIČNEGA TRGOVSKEGA POTNIKA IN OPTIMIZACIJA Z GENETSKIMI ALGORITMI Diplomsko delo Maribor, september 2010 2 Diplomsko delo univerzitetnega študijskega programa PROBLEM SIMETRIČNEGA

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Analiza 3 Course title: Analysis 3. Študijska smer Study field ECTS

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Analiza 3 Course title: Analysis 3. Študijska smer Study field ECTS UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Analiza 3 Course title: Analysis 3 Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

Acta Chim. Slov. 2003, 50,

Acta Chim. Slov. 2003, 50, 771 IMPACT OF STRUCTURED PACKING ON BUBBE COUMN MASS TRANSFER CHARACTERISTICS EVAUATION. Part 3. Sensitivity of ADM Volumetric Mass Transfer Coefficient evaluation Ana akota Faculty of Chemistry and Chemical

More information

THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA

THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA UDC 911. 37:38(497. 12-201)=20 Marjan Zagar * THE TOWNS AND THE TRAFFIC OF THEIR OUTSKIRTS IN SLOVENIA In the urban policy of the long-term development of SR Slovenia the decision has been made that in

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerical linear algebra. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerical linear algebra. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Numerična linearna algebra Numerical linear algebra Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

Univerza na Primorskem. Fakulteta za matematiko, naravoslovje in informacijske tehnologije. Zaznavanje gibov. Zaključna naloga

Univerza na Primorskem. Fakulteta za matematiko, naravoslovje in informacijske tehnologije. Zaznavanje gibov. Zaključna naloga Univerza na Primorskem Fakulteta za matematiko, naravoslovje in informacijske tehnologije Boštjan Markežič Zaznavanje gibov Zaključna naloga Koper, september 2011 Mentor: doc. dr. Peter Rogelj Kazalo Slovarček

More information

Statistika 2 z računalniško analizo podatkov

Statistika 2 z računalniško analizo podatkov Statistika 2 z računalniško analizo podatkov Bivariatne analize 1 V Statistične analize v SPSS-ju V.4 Bivariatne analize Analyze - Descriptive statistics - Crosstabs Analyze Correlate Bivariate Analyze

More information

Hibridizacija požrešnih algoritmov in hitrega urejanja

Hibridizacija požrešnih algoritmov in hitrega urejanja Univerza v Ljubljani Fakulteta za računalništvo in informatiko Nina Vehovec Hibridizacija požrešnih algoritmov in hitrega urejanja DIPLOMSKO DELO INTERDISCIPLINARNI UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE

More information

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA MATEMATIKO

UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA MATEMATIKO UNIVERZA V LJUBLJANI FAKULTETA ZA MATEMATIKO IN FIZIKO ODDELEK ZA MATEMATIKO Rok Erman BARVANJA RAVNINSKIH IN SORODNIH DRUŽIN GRAFOV Doktorska disertacija MENTOR: prof. dr. Riste Škrekovski Ljubljana,

More information

MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL

MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL original scientific article UDC: 796.4 received: 2011-05-03 MECHANICAL EFFICIENCY, WORK AND HEAT OUTPUT IN RUNNING UPHILL OR DOWNHILL Pietro Enrico DI PRAMPERO University of Udine, Department of Biomedical

More information

Digitalna tehnika. Delovni zvezek za laboratorijske vaje. doc. dr. Gorazd Pucihar. Ime in priimek študenta:

Digitalna tehnika. Delovni zvezek za laboratorijske vaje. doc. dr. Gorazd Pucihar. Ime in priimek študenta: Univerza v Ljubljani Fakulteta za elektrotehniko Digitalna tehnika Delovni zvezek za laboratorijske vaje doc. dr. Gorazd Pucihar Ime in priimek študenta: Navodila za laboratorijske vaje Splošno Vaje potekajo

More information

Gradnja Vietoris-Ripsovega simplicialnega kompleksa

Gradnja Vietoris-Ripsovega simplicialnega kompleksa Univerza v Ljubljani Fakulteta za računalništvo in informatiko Fakulteta za matematiko in fiziko Leonard Štefančič Gradnja Vietoris-Ripsovega simplicialnega kompleksa DIPLOMSKO DELO NA INTERDISCIPLINARNEM

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Diferencialne enačbe. Študijska smer Study field ECTS

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Diferencialne enačbe. Študijska smer Study field ECTS Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Diferencialne enačbe Differential equations Študijski program in stopnja Study programme and level Visokošolski strokovni

More information

SIMETRIČNI BICIRKULANTI

SIMETRIČNI BICIRKULANTI UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA GORAZD VASILJEVIĆ SIMETRIČNI BICIRKULANTI DIPLOMSKO DELO Ljubljana, 2014 UNIVERZA V LJUBLJANI PEDAGOŠKA FAKULTETA Dvopredmetni učitelj: matematika - računalništvo

More information

Topološki model za brezžična senzorska omrežja

Topološki model za brezžična senzorska omrežja UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Jan Terzer Topološki model za brezžična senzorska omrežja DIPLOMSKO DELO UNIVERZITETNI ŠTUDIJSKI PROGRAM PRVE STOPNJE RAČUNALNIŠTVO IN INFORMATIKA

More information

23. posvetovanje "KOMUNALNA ENERGETIKA / POWER ENGINEERING", Maribor, Nevena SREĆKOVIĆ, Ernest BELIČ, Gorazd ŠTUMBERGER

23. posvetovanje KOMUNALNA ENERGETIKA / POWER ENGINEERING, Maribor, Nevena SREĆKOVIĆ, Ernest BELIČ, Gorazd ŠTUMBERGER 23. posvetovanje "KOMUNALNA ENERGETIKA / POWER ENGINEERING", Maribor, 2014 1 PRIMERJAVA METOD ZA IZRAČUN PRETOKOV ENERGIJE V NIZKONAPETOSTNEM DISTRIBUCIJSKEM OMREŽJU S PRIKULJUČENIMI RAZPRŠENIMI VIRI Nevena

More information

Izmenični signali moč (17)

Izmenični signali moč (17) Izenicni_signali_MOC(17c).doc 1/7 8.5.007 Izenični signali oč (17) Zania nas potek trenutne oči v linearne dvopolne (dve zunanji sponki) vezju, kjer je napetost na zunanjih sponkah enaka u = U sin( ωt),

More information

Preprečevanje neizvedljivosti urnikov pri metahevrističnem razvrščanju proizvodnih procesov

Preprečevanje neizvedljivosti urnikov pri metahevrističnem razvrščanju proizvodnih procesov Univerza v Ljubljani Fakulteta za elektrotehniko Boštjan Murovec Preprečevanje neizvedljivosti urnikov pri metahevrističnem razvrščanju proizvodnih procesov Doktorska disertacija Mentor: prof. dr. Peter

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1. Študijska smer Study field. Samost. delo Individ.

UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1. Študijska smer Study field. Samost. delo Individ. UČNI NAČRT PREDMETA / COURSE SYLLABUS Predmet: Analiza 1 Course title: Analysis 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Finančna matematika First cycle

More information

SVM = Support Vector Machine = Metoda podpornih vektorjev

SVM = Support Vector Machine = Metoda podpornih vektorjev Uvod 2/60 SVM = Support Vector Machine = Metoda podpornih vektorjev Vapnik in Lerner 1963 (generalized portrait) jedra: Aronszajn 1950; Aizerman 1964; Wahba 1990, Poggio in Girosi 1990 Boser, Guyon in

More information

ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI

ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI ZDRAVLJENJE BOLNICE S VON WILLEBRANDOVO BOLEZNIJO TIPA 3 IN INHIBITORJI B. Faganel Kotnik, L. Kitanovski, J. Jazbec, K. Strandberg, M. Debeljak, Bakija, M. Benedik Dolničar A. Trampuš Laško, 9. april 2016

More information

Računalnik iz domin. Škafar, Maja Šafarič, Nina Sangawa Hmeljak Mentor: Vid Kocijan

Računalnik iz domin. Škafar, Maja Šafarič, Nina Sangawa Hmeljak Mentor: Vid Kocijan Računalnik iz domin Primož Škafar, Maja Šafarič, Nina Sangawa Hmeljak Mentor: Vid Kocijan Povzetek Naša naloga je bila ugotoviti kako sestaviti računalnik (Turingov stroj) iz domin in logičnih izrazov.

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Optimizacija Optimization Študijski program in stopnja Study programme and level Visokošolski strokovni študijski program Praktična matematika

More information

OPTIMIZACIJA Z ROJEM DELCEV

OPTIMIZACIJA Z ROJEM DELCEV UNIVERZA V MARIBORU FAKULTETA ZA ORGANIZACIJSKE VEDE Smer: organizacijska informatika OPTIMIZACIJA Z ROJEM DELCEV Mentor: doc. dr. Igor Bernik Kandidat: Matjaž Lipovšek Kranj, december 2005 Izjava: "Študent

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Algebra 1 Course title: Algebra 1. Študijska smer Study field ECTS

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Algebra 1 Course title: Algebra 1. Študijska smer Study field ECTS UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Predmet: Algebra 1 Course title: Algebra 1 Študijski program in stopnja Study programme and level Univerzitetni študijski program Matematika

More information

OPTIMIZACIJA S KOLONIJAMI MRAVELJ

OPTIMIZACIJA S KOLONIJAMI MRAVELJ OPTIMIZACIJA S KOLONIJAMI MRAVELJ PREDAVANJA 2011/12 J.Tasič E. Plesnik OPTIMIZACIJA S KOLONIJAMI MRAVELJ = ANT COLONY OPTIMIZATION (ACO) VSEBINA Poglavje I (Uvod) Zgodovinsko ozadje Sistem mravljišča

More information

Modelska Analiza 1. University of Ljubljana Faculty of Mathematics and Physics. 3. naloga - Numeri na minimizacija

Modelska Analiza 1. University of Ljubljana Faculty of Mathematics and Physics. 3. naloga - Numeri na minimizacija University of Ljubljana Faculty of Mathematics and Physics Modelska Analiza 1 3. naloga - Numeri na minimizacija Avtor: Matic Lubej Asistent: dr. Simon ƒopar Predavatelj: prof. dr. Alojz Kodre Ljubljana,

More information

Naloge iz LA T EXa : 3. del

Naloge iz LA T EXa : 3. del Naloge iz LA T EXa : 3. del 1. V besedilo vklju ite naslednjo tabelo skupaj z napisom Kontrolna naloga Dijak 1 2 Povpre je Janko 67 72 70.5 Metka 72 67 70.5 Povpre je 70.5 70.5 Tabela 1: Rezultati kontrolnih

More information

Simulacija dinamičnih sistemov s pomočjo osnovnih funkcij orodij MATLAB in Simulink

Simulacija dinamičnih sistemov s pomočjo osnovnih funkcij orodij MATLAB in Simulink Laboratorijske vaje Računalniška simulacija 2012/13 1. laboratorijska vaja Simulacija dinamičnih sistemov s pomočjo osnovnih funkcij orodij MATLAB in Simulink Pri tej laboratorijski vaji boste spoznali

More information

Uporaba preglednic za obdelavo podatkov

Uporaba preglednic za obdelavo podatkov Uporaba preglednic za obdelavo podatkov B. Golli, PeF Pedagoška fakulteta UL Ljubljana 2012 Kazalo 1 Uvod 1 2 Zgled iz kinematike 2 2.1 Izračun hitrosti................................... 2 2.2 Izračun

More information

Digitalne strukture. Delovni zvezek za laboratorijske vaje. doc. dr. Gorazd Pucihar. Ime in priimek študenta:

Digitalne strukture. Delovni zvezek za laboratorijske vaje. doc. dr. Gorazd Pucihar. Ime in priimek študenta: Univerza v Ljubljani Fakulteta za elektrotehniko Digitalne strukture Delovni zvezek za laboratorijske vaje doc. dr. Gorazd Pucihar Ime in priimek študenta: Navodila za laboratorijske vaje Splošno Vaje

More information

Attempt to prepare seasonal weather outlook for Slovenia

Attempt to prepare seasonal weather outlook for Slovenia Attempt to prepare seasonal weather outlook for Slovenia Main available sources (ECMWF, EUROSIP, IRI, CPC.NCEP.NOAA,..) Two parameters (T and RR anomally) Textual information ( Met Office like ) Issued

More information

Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours

Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours RMZ Materials and Geoenvironment, Vol. 59, No. 4, pp. 331 346, 2012 331 Calculation of stress-strain dependence from tensile tests at high temperatures using final shapes of specimen s contours Določitev

More information

23. državno tekmovanje v znanju računalništva (1999) NALOGE ZA PRVO SKUPINO

23. državno tekmovanje v znanju računalništva (1999) NALOGE ZA PRVO SKUPINO 1999.1.1 4] Leto 1999, naloge za prvo skupino 1 23. državno tekmovanje v znanju računalništva (1999) 1999.1.1 NALOGE ZA PRVO SKUPINO Podjetje Import Eskort te je najelo za svetovalca za rešitev Rešitev:

More information

Domen Perc. Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom

Domen Perc. Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom UNIVERZA V LJUBLJANI FAKULTETA ZA RAČUNALNIŠTVO IN INFORMATIKO Domen Perc Implementacija in eksperimentalna analiza tehnike razvrščanja podatkov s konsenzom DIPLOMSKO DELO NA UNIVERZITETNEM ŠTUDIJU Mentor:

More information

1 Luna kot uniformni disk

1 Luna kot uniformni disk 1 Luna kot uniformni disk Temperatura lune se spreminja po površini diska v širokem razponu, ampak lahko luno prikažemo kot uniformni disk z povprečno temperaturo osvetlitve (brightness temperature) izraženo

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work

UČNI NAČRT PREDMETA / COURSE SYLLABUS. Študijska smer Study field. Samost. delo Individ. work Klinične vaje work Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS Linearna algebra Linear algebra Študijski program in stopnja Study programme and level Visokošolski strokovni študijski program Praktična matematika

More information

modeli regresijske analize nominalnih spremenljivk

modeli regresijske analize nominalnih spremenljivk modeli regresijske analize nominalnih spremenljivk Cveto Trampuž An Illustrative Comparison Logit Analysis with Dummy Variable Regression Analysis. Two different regression models in which the dependent

More information

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Študijska smer Study field ECTS Vaje / Tutorial: slovenski / Slovene

UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Študijska smer Study field ECTS Vaje / Tutorial: slovenski / Slovene Predmet: Course title: UČNI NAČRT PREDMETA / COURSE SYLLABUS (leto / year 2017/18) Linearna algebra Linear algebra Študijski program in stopnja Study programme and level Visokošolski strokovni študijski

More information