UVOD U VIŠEKRITERIJSKO PROGRAMIRANJE. Doc. dr. sc. Tunjo Perić
|
|
- Julius Clarke
- 6 years ago
- Views:
Transcription
1 UVOD U VIŠEKRITERIJSKO PROGRAMIRANJE Doc. dr. sc. Tuno Perić
2 1. Poam višekriteriskog programirana Višekriterisko programirane e složen proces određivana nedominiranih rešena iz skupa mogućih rešena i određivane preferiranog rešena iz skupa nedominiranih rešena. Osnovne su faze višekriteriskog programirana: o definirane cileva sustava i određivane načina postizana tih cileva o matematički opis sustava i definirane načina vrednovana kriteriskih (cilnih) funkcia o primena postoećih metoda VP o donošene konačne odluke o ako konačno rešene nie usvoeno, srediti nove informacie i ponoviti postupak od 2. faze ponovnim definiranem zadatka (Opricović[1986])
3 I u ednokriteriskom programiranu avlau se navedene faze, ali nisu naglašene er se tu pod programiranem obično podrazumieva određivane optimalnog rešena, što odgovara trećo fazi višekriteriskog programirana. Pri rešavanu problema s više funkcia kriteria, koe su istovremeno nesrazmerne i/ili konfliktne, želi se postići više nego ednim kriteriem u izboru pravaca akcie, zadovolavaući uvete diktirane okolinom, procesima i resursima. Za rešavane modela VP u poslednih tridesetak godina razvien e veliki bro metoda. Metode VP zasnivau se na konceptu optimalnosti koi e dao talianski ekonomist V. Pareto godine. U literaturi se pored termina višekriterisko programirane za izražavane istog sadržaa koriste i termini: vektorska optimizacia i multikriterialna optimizacia
4 Poam Pareto optimalnosti uveden e u operaciska istraživana godine u pionirskom radu Koopmansa (Koopmans [1951]). Uopćenii prilaz, promatran kao problem maksimizacie vektorske funkcie nad ograničenim skupom ograničena, naveden e u radu Kuhna i Tuckera [1951]. Treba također spomenuti i rad: Markowitz [1956], koi e primienio poam nedominiranog skupa. 2. Model višekriteriskog programirana Pod modelom VP podrazumieva se model programirana s dvie ili više funkcia kriteria na nekom skupu mogućih rešena. Matematički oblik ovog modela možemo prikazati na sledeći način: max f f 1( x),..., fk ( x), (k 2) pri ograničenima (p.o.) g ( x) 0, i 1,..., m i 4
5 ili u vektorskom obliku: max f( x) (2.1) p.o. gx ( ) 0 (2.2) gde e x n-dimenzionalni vektor. Iz izraza (2.1) vidlivo e da u modelu VP postoi k funkcia kriteria koe treba maksimizirati, m ograničena i n variabli. Ako su u modelu sve funkcie f( x ) i gi ( x) linearne, onda e rieč o modelu višekriteriskog linearnog programirana. Međutim, ako e neka od tih funkcia nelinearna, radi se o modelu višekriteriskog nelinearnog programirana. Ako se u modelu nađu funkcie koe e potrebno minimizirati, dovolno e te funkcie pomnožiti s (-1)
6 3. Klasifikacia metoda višekriteriskog programirana Do sada e u literaturi poznato više klasifikacia metoda VP. Naznačanii pregled metoda VP i nihova klasifikacia dani su u radovima: Roy [1971], Mac-Crimmon [1973], Cohon i Marks [1975], Bell, Keeney i Raiffa [1975], Star i Zeleny [1977], Hwang i Masud [1979], Ho [1979], Despontion i Spronk [1979], Zionts [1980], Chankong i Haimes [1983], Yu [1985], Steuer [1985], Fandel i Spronk (Editors) [1985], Lai i Hwang [1996], Figueira, Greco i Erhgott (Editors) [2005]. Sve poznate klasifikacie metoda u biti su različite er polaze od različitog skupa metoda i različitih kriteria klasifikacie. Mi ćemo dati klasifikaciu metoda VP imaući u vidu sve značanie metode, a polazeći od odgovaraućih kriteria. Naša klasifikacia uglavnom se oslana na rad: Hwang i Masud [1979]
7 Prema prirodi variabli u sustavu koi se optimizira sve metode VP možemo podieliti na determinističke i stohastičke. Prema kvaliteti elementarnih aktivnosti sve metode VP možemo podieliti na metode s kontinuiranim variablama i metode s diskretnim variablama, a prema kriteriu linearnosti funkcia kriteria i ograničena na metode linearnog i nelinearnog višekriteriskog programirana. Prema brou mogućih rešena determinističke metode VP možemo podieliti na: (1) metode za određivane ednog ili više nedominiranih rešena i (2) metode za izbor preferiranog rešena iz konačnog skupa nedominiranih rešena. Karakteristike proizvodnih problema uvetuu razmatrane uglavnom detrminističkih linearnih i nelinearnih metoda VP s kontinuiranim i diskretnim variablama. Zbog toga će se u ovom radu obrađivati samo ovu klasu metoda
8 Determinističke metode VP s kontinuiranim variablama za određivane ednog ili više nedominiranih rešena prema kriteriu postoana i karaktera preferencie donositela odluke možemo svrstati u četiri grupe: 1. metode kod koih ne postoi asno izražena preferencia donositela odluke 2. metode kod koih postoi asno izražena preferencia donositela odluke 3. interaktivne metode 4. metode s a posteriori izraženom preferenciom donositela odluke. Naznačanie su linearne metode VP kod koih ne postoi asno izražena preferencia donositela odluke: 1. metoda globalnog kriteria 2. Riderova metoda
9 Metode VLP s a priori asno izraženom preferenciom donositela odluke možemo podieliti u dvie grupe: 1. metode kod koih postoi glavna informacia donositela odluke, među koima se ističu: (a) metoda funkcia korisnosti, (b) granična cilna metoda, (c) Briskinova metoda, (d) Haimes i Wismerova metoda, (e) Philipova metoda, (f) Staintonova metoda i (g) Waltzova metoda. 2. metode kod koih postoi glavna i redna informacia donositela odluke, a među nima značano mesto zauzimau: (a) linearno cilno programirane, (b) leksikografska metoda, (c) metoda postignuća cila i (d) Klahrova metoda. Glavna informacia odnosi se na poželne vriednosti funkcia kriteria koe određue donositel odluke. Redna informacia odnosi se na značanosti poedinih kriteriskih funkcia koe određue donositel odluke
10 Interaktivne metode VLP možemo podieliti u dvie grupe: 1. metode s eksplicitnom razmenom informacia, među koima se ističu: (a) metoda surogat vriednosti razmene, (b) metoda Zionts - Walleniusova, (c) Geoffrionova metoda, (d) interaktivno cilno programirane, (e) metoda zadovolena cileva, (f) Candlerova metoda i (g) Flavell i Salkinova metoda. 2. metode s implicitnom razmenom informacia, među koe možemo ubroiti: (a) metodu STEM, (b) Stewartovu metodu, (c) metodu SEMOPS, (d) metodu GP STEM, (e) Whiteovu metodu i (f) Steuerovu metodu
11 Metode s a posteriori asno izraženom preferenciom kod koih postoi implicitna informacia o razmenama esu: (a) parametarska metoda, (b) metoda ograničena, (c) metoda MOLP i (d) metoda pretraživana. Naznačanie metode za izbor preferiranog rešena iz skupa nedominiranih rešena esu: 1. iterativno kompromisno rangirane 2. metoda PROMETHEE 3. metoda ELECTRE 4. metoda AHP
12 4. Osnovni pomovi i terminologia U literatuturi koa obrađue probleme VP načešće se upotreblavau sledeća četiri poma: atributi, obekti, cilevi i kriterii (Engleski: Attributtes, Obectives, Goals, Criteria). Definicia 1: Atributi Atributi su osobine ili kvalitete parametara alternativa. Ova se termin upotreblava kod tzv. višeatributnog odlučivana kod koeg se vrši selekcia nabolih iz skupa unapried određenih alternativa. Određivane nabolih alternativa vrši se na temelu nihovih atributa. Neke od metoda višeatributnog odlučivana mogu se upotreblavati za izbor preferiranog rešena iz skupa nedominiranih rešena pa e ova termin često prisutan u literaturi koa obrađue probleme višekriteriskog odlučivana. Definicia 2: Obekti Obekti su pravci aktivnosti koi odražavau želu donositela odluke i ukazuu na pravac u koemu donositel odluke želi organizirati posao
13 Definicia 3: Cilevi Cilevi su razine žela koe e donositel odluke odredio u uvetima specifičnog stana u prostoru i vremenu. Prema tome, postoi razlika između obekata i cileva. Obekti dau želeni pravac, a cilevi želenu razinu ostvarena. Međutim, u literaturi ova e razlika zamaglena i ove dvie rieči se često upotreblavau zamenski. Mi ćemo u ovom radu upotreblavati ove termine u smislu gornih definicia. Definicia 4: Kriterii Etimološko značene rieči kriteri est standard za ocenu ili pravilo za ispitivane prihvatlivosti. Međutim, u literaturi koa obrađue probleme VP obično se ne pravi razlika između rieči kriteri i cil. Po našem mišlenu između kriteria i cila postoi razlika. Naime, kriteri e neposredna dimenzia dostizana cila
14 Definicia 5: Skup dopustivih rešena X Skup dopustivih rešena X est skup vektora x koi zadovolavau ograničena ( ) 0, t. X = x g( x) 0. (2.3) gx Skup X est podskup vektora realnog n-dimenzionalnog vektorskog prostora, t. X R n. Definicia 6: Kriteriski skup F Svakom elementu iz X pridružen e vektor f( x), što znači da e moguće preslikati X u F u prostoru funkcia kriteria. F e kriteriski skup koi možemo definirati na sledeći način: F= f ( x) x X. (2.4)
15 Definicia 7: Optimalno (marginalno) rešene Optimalno (marginalno) rešene predstavla maksimum svake komponente vektora f( x) na skupu dopustivih rešena X, to est: max f ( x) f ( x ) f, 1,...,, k p.o. x X (2.5) Definicia 8: Idealna vriednost vektorske funkcie (ideal) Vektor f f1, f2,..., f k, čia e -ta komponenta ekstremna vriednost funkcie f( x) na skupu dopustivih rešena X, naziva se idealna vriednost vektorske funkcie f( x)
16 Definicia 9: Savršeno rešene Savršeno rešene modela VP est ono koe dae maksimalnu vriednost svake funkcie kriteria istovremeno. Tako e, x savršeno rešene danog modela ako i samo ako e x X i f ( x ) f ( x) za svako x X. Budući da e u prirodi modela VP da imau konfliktne cileve, oni uglavnom nemau savršeno rešene, odnosno ono e nedopustivo. Definicia 10: Nedominirano rešene x e nedominirano rešene modela VP ako ne postoi neko drugo dopustivo takvo da e, f ( x) f ( x ) podrazumievaući da e f ( x) f ( x ) za sve = 1,..., k, sa striktnom neednakošću za namane edno. x U literaturi e nedominirano rešene poznato i kao: Pareto optimalno rešene, efikasno ili neinferiorno rešene. Pored poma nedominiranosti rešena uveden e i poam tzv. prave nedominiranosti rešena (Kuhn i Tucker [1951], Geoffrion [1968])
17 Definicia 11: Preferirano rešene Preferirano rešene est nedominirano rešene koe e izabrao donositel odluke, uz pomoć nekih drugih kriteria, kao konačno. Kao takvo, ono leži u područu prihvatlivom za vriednosti svih funkcia kriteria danog modela. Preferirano rešene poznato e i pod nazivom nabole kompromisno rešene. 5. Metode višekriterialnog linearnog programirana Kao što e prethodno naglašeno, u literaturi e poznat veliki bro metoda za rešavane modela VLP koima se određue edno ili više nedominiranih rešena. Mi smo sve te metode svrstali u četiri grupe primenom kriteria postoana i karaktera preferencie donositela odluke
18 Ovde ćemo dokazati naznačanie teoreme koi služe kao osnova algoritamskih pristupa metoda koe ćemo razmatrati. Sve metode VLP koe ćemo obrađivati zasnivau se na karakterizacii nedominiranih rešena u uvetima rešavana odgovaraućih skalarnih modela optimizacie. Teorem 2.1. x e nedominirano rešene modela VLP ako i samo ako e rešene modela max fl ( x) p.o. x X (2.9) f ( x), 1,..., k, l gde e T 1,..., l1, l1,..., k, za svako l = 1,..., k, gde e f ( x ) za = 1,..., k; l. x
19 Dokaz: (1) Nužan uvet: neka e x X nedominirano rešene. Pretpostavimo da ono ne rešava model -ograničena za neko l gde e f( x ) za = 1,..., k; l. Tada tu postoi rešene x X takvo da e fl( x) fl( x ) i f ( x) f ( x ) kada e l. Ovo e u kontradikcii s nedominiranošću rešena, pa nie rešene modela (2.9) za bilo kou kriterisku funkciu. (2) Dovolan uvet: Budući da e rešene modela (2.9) za svako l = 1,..., k, onda tu ne postoi ni edno drugo x X takvo da e fl( x) fl( x ) i f ( x) f ( x ), = 1,..., k, kada e l. Ovo e definicia nedominiranog rešena za. Teorem 2.2. Ako e x rešene modela (2.9) za neko l i ako e rešene edinstveno, onda e x nedominirano rešene modela višekriteriskog programirana. Dokaz. Sliedi direktno iz definicie nedominiranosti. x x x x
20 x Budući da e edinstveno rešene modela (2.9) za neko l, onda e za svako x koe zadovolava f ( x) f ( x ), l, f ( x) f ( x ). Prema tome, niti edno f, l ne može se povećati bez smanena f l. Teoremi 1 i 2 upotreblavau se u stvaranu nedominiranih rešena te u testiranu nedominiranosti neke točke kod modela s procedurom (model 2.9)). Teorem 2.3. e nedominirano rešene modela VP ako postoi ww e rešene modela x x l l takvo da max k 1 w f ( x) (2.10) p.o. x X, k n gde e skup nenegativnih težina W = w w R, w 0, w 1, 1 i ako vriedi edan od sledeća dva uveta:
21 (1) w 0 za sve = 1,..., k (Geoffrion [1968], Kuhn i Tucker [1951] ili Yu [1974]) ili x (2) e edinstveno rešene modela (2.10) (Zadeh[1963] i Yu [1974]). Dokaz: Neka e x rešene modela (2.10) za neko ww. Onda, k w f ( x) f ( x ) 0 za sve x X. (2.11) 1 Pretpostavimo da e x X. Onda tu postoi x X takvo da e f ( x) f ( x ). Ova pretpostavka zaedno s (1) implicira da k e w ( ) ( ) 0 što e u suprotnosti s (2.11). f x f x
22 Ako (2) važi, onda izraz (2.11) postae w f ( x) f ( x ) 0 1 za sve x X, dok pretpostavka implicira postoane x X takvo da k e w f ( x) f ( x ) 0, što e u kontradikcii edno s 1 drugim. Prema tome, ako važi ili (1) ili (2), a x e rešene modela (2.11) za neko w W, onda e x X. Teorem 2.3., uz pretpostavku konveksnosti skupa dopustivih rešena, osigurava osnove za stvarane nedominiranih rešena modela s težinskom procedurom za neko w W (model (2.11)). k
23 Teorem 2.4. Neka e x rešene modela k p min w f f ( x) 1 p.o. x X, (2.12) gde e f (max) f ( x), pri čemu e x X, a w težinski k koeficienti i w 1 za bilo koe. Kada e (1) x 1 p 1 edinstveno rešene modela (2.12) ili e (2) w > 0 za sve = 1,..., k, onda e x nedominirano rešene modela VLP
24 Dokaz: Neka e x rešene modela (2.12) za bilo koe w k 1 W. Tada e i za neko za sve x X. (2.13) Pretpostavimo da e x X. Onda tu postoi x X takvo da e p p ( ( ) ( ) ) 0 w f f x f f x f ( x) f ( x ), pri čemu važi striktna neednakost za namane edno = 1,..., k, budući da e po definicii sve x X. Prema tome, za bilo koe 1 p, 1 p f f ( x) za p p f f ( x) f f ( x ) sa striktnom neednakošću koa važi za namane edno = 1,..., k
25 Uzimaući u obzir nenegativnost w, iz posledne neednakosti sliedi da e k p p 1 w ( f f ( x) f f ( x ).) 0 (2.14) Sada kad važi (1) iz gorneg teorema, striktna neednakost dominira u (2.13), što e u kontradikcii s (2.14). Ili, ako važi (2) iz teorema 2.4., tada dominira striktna neednakost u (2.14), što e ponovno u kontradikcii s (2.13). Prema tome, ako važi ili (1) ili (2) iz ovog teorema, x mora biti nedominirano rešene modela VLP
26 Teorem 2.4. primenue se kod prilaza težinske norme, koi se može interpretirati kao pokuša minimizacie odstupana od idealne (utopiske) točke f f, f,..., fk 1 2. Rešene dobiveno na ta način za bilo koe w 0 i 1 p naziva se kompromisno rešene (Yu [1973], Zeleny [1973]). Dobro e poznata varianta modela težinske norme dobivena tako da se idealni vektor zamienio s tzv. cilnim vektorom f f 1, f 2,..., f, k koi e unapried odredio donositel odluke. Na ta način formiran model postae generalizirana (uopćena) verzia tzv. cilnog programirana: min w f f ( x) p p. o. x X. (2.15)
27 Međutim, ako f nie prikladan skup, rešene modela cilnog programirana nie nedominirano, čak i ako su zadovoleni uveti (1) i (2) iz teorema Interaktivne metode VP koe se zasnivau na implicitno informacii na razmenama Metode iz ove grupe ne zahtievau eksplicitnu informaciu od donositela odluke. Za razliku od metoda koe se zasnivau na eksplicitno informacii o razmenama, kod ovih metoda donositel odluke ima više poverena prilikom označavana dostizana prihvatlivih razina kriteria. Naznačania metoda iz ove grupe est metoda koraka (STEM)
28 Metoda STEM Seriu sličnih i međusobno povezanih metoda predložili su: Benayoun, Larichev, de Montgolfier te Tergny i Keuneman ( [1970], [1971] i [1971a]). Ova metoda edna e od prvih interaktivnih metoda za rešavane modela VLP. Matematička formulacia modela VLP (specifični sluča modela (2.1) ima sledeći oblik: ili u vektorsko formi n n n max f c x, c x,..., c x p.o. n i1 1i i 2i i ki i i1 i1 i1 a x b l 1,..., m il i l x 0, i 1,..., n, i
29 T T T max f c1 x, c2 x,..., ck x p.o. Ax b, x 0. (2.38) Metoda STEM dopušta donositelu odluke prepoznavane dobrih rešena i relativnu važnost funkcia kriteria. Kod ove metode faze računana interaktivno se izmenuu s fazama odlučivana. Rešavane modela VLP primenom ove metode vrši se primenom sledećeg algoritma: Korak 0: Konstrukcia pay-off tablice optimalnih (marginalnih) rešena. Pay-off tablica optimalnih (marginalnih) rešena konstruira se prie prvog iterativnog ciklusa
30 Neka su, = 1,..., k optimalna rešena sledećih k modela: p.o. f T T max 1( ), 2( ),..., k ( ) ( ), 1,..., f f x f x f x f x c x k Ax b, x 0. Formiramo tablicu čii -ti redak odgovara vektoru, koi maksimizira funkciu kriteria f ; z i vriednost e funkcie f i, kad - ta funkcia kriteria dostiže svo maksimum. f. x
31 Korak 1. Faza računana U m-tom ciklusu treba naći dopustivo rešene koe e nabliže, u minimaks smislu, idealu f, rešavaući sledeći model linearnog programirana:
32 min f p.o. f f ( x), 1,..., k (2.40) x X m, 0, Gde X m uklučue sve x 0 za koe e Ax b, te neka ograničena dodana u (m-1)-om ciklusu; dae relativnu važnost odstupana od optimuma. Napomenimo da su koeficienti samo lokalno značani i da nemau toliko značene kao težine u metodi funkcia korisnosti. Razmotrimo -ti stupac tablice 2.9. f e maksimalna vriednost min stupca. Neka e f minimalna vriednost, pa će se onda birati tako da e:
33 , i i a a gde e ako e ako e a c i koeficienti -te funkcie kriteria. Vriednost a sastoi se iz dva izraza: min 2 1 1, ( ) n i i f f a f c 0, f min min 2 1 1, ( ) n i i f f a f c 0, f min f f f min min f f f ( ) n i i c ili i
34 Prvi dio izraza a znači da ako se optimalno (marginalno) rešene i minimalna vriednost funkcie kriteria za dano optimalno (marginalno) rešene međusobno puno ne razlikuu, tada pri variranu x odgovarauća funkcia kriteria nie previše osetliva na promene u težinskim koeficientima pa o e dodielena mala težina. Povećanem osetlivosti, na odgovaraući način, povećava se i težina. Drugi dio izraza normalizira vriednost funkcia kriteria. a se upotreblava pri određivanu težina takav način da zbro, na bude ednak 1. Na ta se način omogućue usporedivost različitih rešena dobivenih raznim metodama težinskih koeficienata
35 Korak 2. Faza odlučivana Kompromisno rešene m x prezentira se donositelu odluke koi uspoređue negov kriteriski vektor f s f idealnim vektorom. Ako su neke od funkcia kriteria zadovolavauće, a druge nisu, donositel odluke mora ublažiti zadovolavaući kriteri dovolno da dopusti pobolšane nezadovolavaućih kriteria u sledećem iterativnom ciklusu. Donositel odluke dae iznos prihvatlivog ublažavana. kao Za sledeći iterativni ciklus dopustivo e područe modificirano: m X m1 m X f ( x) f ( x ) f m fi( x) fi( x ); i ; i, 1,..., k m m f f
36 Određue se težina ciklusa. = 0 i tada počine faza računana ( m+1)-og Pomoć donositelu odluke u određivanu zadovolavaućih razina funkcia kriteria i iznosa ublažavana u fazi odlučivana, analitičar može ostvariti standardnom analizom osetlivosti, prikazuući ponašane različitih funkcia kriteria o okolici optimalnog rešena x m (na m-to iteracii modela linearnog programirana). Jednostavan način na koi analitičar može pomoći est rešavanem u tieku faze računana m-tog ciklusa nekoliko modela linearnog programirana s dopustivim područima X m koima odgovara 1 2 m nekoliko ulaza f, takvim da e 0 f f... f
37 ( m f e maksimalno dopustivo ublažavane). Iz tih rešena donositel odluke može izabrati za nega zadovolavauće rešene. Numerički primer: Poduzeće proizvodi dva proizvoda, proizvod I i proizvod II. Za proizvodnu edne edinice proizvoda I potrebna su 2 sata i 1 sat na stroevima A i B, respektivno. Za ednu edinicu proizvoda II potrebna su 3 sata na strou A i 4 sata na strou B. Oba stroa raspoloživa su 12 sati. Prodane ciene za proizvod I i II su 0.8 i 2 novčanih edinica po kg, respektivno. Potrebno e maksimizirati prihod od prodae proizvoda i ukupnu proizvodnu
38 Formulacia modela: max f ( x) 0.8x 2x max f ( x) x x p.o. 2x 3x 12 x x 1 2 4x , x Prvo e potrebno izračunati i prikazati pay-off tablicu optimalnih (marginalnih) rešena:
39 Iteracia bro 1: Korak 1. Faza računana a) Izračunavane težina a f f min f c c ; a f f min f c 6 21 c ;
40 a a1a a a1a ; Rešavane modela LP: min p.o. xx, (0.8x 2 x ) ( x x ) Prvo ponuđeno kompromisno rešene est: x ( x1, x2) (3.84, 1.44); f ( f1, f2 ) (5.95, 5.28)
41 Korak 2. Faza odlučivana Kompromisno rešene prezentira se donositelu odluke, koi uspoređue dobiveno rešene s idealnom točkom. Ako e donositel odluke zadovolan razinom vriednosti, tada on/ona mora 1 1 f2 f 1 smaniti dovolno da dopusti pobolšane nezadovolenog. Ako e f 2 = 0,20 prihvatliv iznos smanena, dopustivo se rešene 1 f 2 modificira u sledećem iterativnom ciklusu: 1 X ( ) ( ) X f2 x f2 x f2 1 f1 x f1 x ( ) ( )
42 Iteracia bro 2: Korak 1: Faza računana a) Izračunavane težina 1, Rešava se sledeći model LP: min p.o. 2 x X x1 x2, 0, Dobiveno e sledeće rešene: x ( x1, x2 ) (3.24, 1.84), f ( f1, f2 ) (6.27, 5.08)
43 Korak 2. Faza odlučivana 2 Kompromisno rešene prezentira se donositelu odluke, koi x uspoređue dobiveno rešene s idealnom točkom. Ako su obe 2 2 vriednosti vektora f zadovolavauće, f e konačno (preferirano) rešene. Treba napomenuti da su točke i nedominirana rešena na segmentu pravca BC (sve točke na segmentu pravca BC nedominirana su rešena). x 1 x
44 Analiza osetlivosti: Kako bi se pomoglo donositelu odluke u određivanu zadovolavaućih razina kriteriskih funkcia i iznosa smanena vriednosti tih funkcia u fazi odlučivana, analitičar može izvesti standardnu analizu osetlivosti, kako bi dobio ponašane različitih kriteriskih funkcia u okolici točke x m (na m-to iteracii rešavana modela LP). Naednostavnie e riešiti nekoliko modela LP na dopustivom skupu X, tako da e: 1 2 m m 0 f1 f1... f ; ( f e maksimum prihvatlivog smanena). U našem primeru analitičar provodi analizu osetlivosti u 2. iteracii, prie 2. koraka, faze odlučivana. m
45 Pri tome se rešavau sledeći modeli LP: min p.o. xx, 0 0.8x 2x x 2x l f ( x) f ( x ) f ; l 1,2,... Dobivena nedominirana rešena prikazana su u sledećo tablici:
46 Na temelu analize osetlivosti, donositelu odluke e olakšano usvaane preferiranog rešena
Projektovanje paralelnih algoritama II
Projektovanje paralelnih algoritama II Primeri paralelnih algoritama, I deo Paralelni algoritmi za množenje matrica 1 Algoritmi za množenje matrica Ovde su data tri paralelna algoritma: Direktan algoritam
More informationTEORIJA SKUPOVA Zadaci
TEORIJA SKUPOVA Zadai LOGIKA 1 I. godina 1. Zapišite simbolima: ( x nije element skupa S (b) d je član skupa S () F je podskup slupa S (d) Skup S sadrži skup R 2. Neka je S { x;2x 6} = = i neka je b =
More informationZANIMLJIV NAČIN IZRAČUNAVANJA NEKIH GRANIČNIH VRIJEDNOSTI FUNKCIJA. Šefket Arslanagić, Sarajevo, BiH
MAT-KOL (Banja Luka) XXIII ()(7), -7 http://wwwimviblorg/dmbl/dmblhtm DOI: 75/МК7A ISSN 5-6969 (o) ISSN 986-588 (o) ZANIMLJIV NAČIN IZRAČUNAVANJA NEKIH GRANIČNIH VRIJEDNOSTI FUNKCIJA Šefket Arslanagić,
More informationSeminarski zadatak iz Kvantne fizike
Seminarski zadatak iz Kvantne fizike Vinko Šuria. velače 00. Fizički odsek Prirodoslovno - matematičkog fakulteta Sveučilišta u Zagrebu, Bienička, 0 000 Zagreb, Hrvatska Zadatak 7. Neka e potencialna energia
More informationKLASIFIKACIJA NAIVNI BAJES. NIKOLA MILIKIĆ URL:
KLASIFIKACIJA NAIVNI BAJES NIKOLA MILIKIĆ EMAIL: nikola.milikic@fon.bg.ac.rs URL: http://nikola.milikic.info ŠTA JE KLASIFIKACIJA? Zadatak određivanja klase kojoj neka instanca pripada instanca je opisana
More informationAlgoritam za množenje ulančanih matrica. Alen Kosanović Prirodoslovno-matematički fakultet Matematički odsjek
Algoritam za množenje ulančanih matrica Alen Kosanović Prirodoslovno-matematički fakultet Matematički odsjek O problemu (1) Neka je A 1, A 2,, A n niz ulančanih matrica duljine n N, gdje su dimenzije matrice
More informationDiplomski rad br. 1396
Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Zavod za elektroniku, mikroelektroniku, računalne i inteligentne sustave Diplomski rad br. 1396 Uporaba višeslonog perceptrona za raspoznavane
More informationConditional stability of Larkin methods with non-uniform grids
Theoret. Appl. Mech., Vol.37, No., pp.139-159, Belgrade 010 Conditional stability of Larkin methods with non-uniform grids Kazuhiro Fukuyo Abstract Stability analysis based on the von Neumann method showed
More informationANALYSIS OF INFLUENCE OF PARAMETERS ON TRANSFER FUNCTIONS OF APERIODIC MECHANISMS UDC Života Živković, Miloš Milošević, Ivan Ivanov
UNIVERSITY OF NIŠ The scientific journal FACTA UNIVERSITATIS Series: Mechanical Engineering Vol.1, N o 6, 1999 pp. 675-681 Editor of series: Nenad Radojković, e-mail: radojkovic@ni.ac.yu Address: Univerzitetski
More informationGeometrijski smisao rješenja sustava od tri linearne jednadžbe s tri nepoznanice
Osječki matematički list 6(2006), 79 84 79 Geometrijski smisao rješenja sustava od tri linearne jednadžbe s tri nepoznanice Zlatko Udovičić Sažetak. Geometrijski smisao rješenja sustava od dvije linearne
More informationRešenja zadataka za vežbu na relacionoj algebri i relacionom računu
Rešenja zadataka za vežbu na relacionoj algebri i relacionom računu 1. Izdvojiti ime i prezime studenata koji su rođeni u Beogradu. (DOSIJE WHERE MESTO_RODJENJA='Beograd')[IME, PREZIME] where mesto_rodjenja='beograd'
More informationIskazna logika 1. Matematička logika u računarstvu. oktobar 2012
Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia oktobar 2012 Iskazi, istinitost, veznici Intuitivno, iskaz je rečenica koja je ima tačno jednu jednu
More informationUOPŠTENI INVERZI, FAKTORI USLOVLJENOSTI I PERTURBACIJE
UNIVERZITET U NIŠU PRIRODNO MATEMATIČKI FAKULTET ODSEK ZA MATEMATIKU I INFORMATIKU Dijana Mosić UOPŠTENI INVERZI, FAKTORI USLOVLJENOSTI I PERTURBACIJE Doktorska disertacija Mentor Prof. dr Dragan Djordjević
More informationMetrički prostori i Riman-Stiltjesov integral
Metrički prostori i Riman-Stiltjesov integral Sadržaj 1 Metrički prostori 3 1.1 Primeri metričkih prostora................. 3 1.2 Konvergencija nizova i osobine skupova...................... 12 1.3 Kantorov
More informationUNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Ivan Marinković Klasifikacija H-matrica metodom skaliranja i njena primena u odred ivanju oblasti konvergencije
More informationLinearno programiranje i primjene
Sveučilište J.J.Strossmayera u Osijeku Odjel za matematiku Rebeka Čordaš Linearno programiranje i primjene Diplomski rad Osijek, 2014. Sveučilište J.J.Strossmayera u Osijeku Odjel za matematiku Rebeka
More informationRješavanje problema minimalnog pokrivanja lokacija primjenom različitih operatora selekcije genetskog algoritma
IFOTEH-JAHORIA Vol. 16, March 2017. Rešavane problema minimalnog pokrivana lokacia primenom različitih operatora selekcie genetskog algoritma Jovana Janković Filozofski fakultet Univerziteta u Istočnom
More informationOsobine metode rezolucije: zaustavlja se, pouzdanost i kompletnost. Iskazna logika 4
Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Rezolucija 1 Metod rezolucije je postupak za dokazivanje da li je neka iskazna (ili
More informationNilpotentni operatori i matrice
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Nikolina Romić Nilpotentni operatori i matrice Završni rad Osijek, 2016. Sveučilište J. J. Strossmayera
More informationSlika 1. Slika 2. Da ne bismo stalno izbacivali elemente iz skupa, mi ćemo napraviti još jedan niz markirano, gde će
Permutacije Zadatak. U vreći se nalazi n loptica različitih boja. Iz vreće izvlačimo redom jednu po jednu lopticu i stavljamo jednu pored druge. Koliko različitih redosleda boja možemo da dobijemo? Primer
More informationRed veze za benzen. Slika 1.
Red veze za benzen Benzen C 6 H 6 je aromatično ciklično jedinjenje. Njegove dve rezonantne forme (ili Kekuléove structure), prema teoriji valentne veze (VB) prikazuju se uobičajeno kao na slici 1 a),
More informationThe existence theorem for the solution of a nonlinear least squares problem
61 The existence theorem for the solution of a nonlinear least squares problem Dragan Jukić Abstract. In this paper we prove a theorem which gives necessary and sufficient conditions which guarantee the
More informationOracle Spatial Koordinatni sustavi, projekcije i transformacije. Dalibor Kušić, mag. ing. listopad 2010.
Oracle Spatial Koordinatni sustavi, projekcije i transformacije Dalibor Kušić, mag. ing. listopad 2010. Pregled Uvod Koordinatni sustavi Transformacije Projekcije Modeliranje 00:25 Oracle Spatial 2 Uvod
More informationFTN Novi Sad Katedra za motore i vozila. Drumska vozila Uputstvo za izradu vučnog proračuna motornog vozila. 1. Ulazni podaci IZVOR:
1. Ulazni podaci IZVOR: WWW.CARTODAY.COM 1. Ulazni podaci Masa / težina vozila Osovinske reakcije Raspodela težine napred / nazad Dimenzije pneumatika Čeona površina Koeficijent otpora vazduha Brzinska
More informationUvod u relacione baze podataka
Uvod u relacione baze podataka Ana Spasić 2. čas 1 Mala studentska baza dosije (indeks, ime, prezime, datum rodjenja, mesto rodjenja, datum upisa) predmet (id predmeta, sifra, naziv, bodovi) ispitni rok
More informationPRIPADNOST RJEŠENJA KVADRATNE JEDNAČINE DANOM INTERVALU
MAT KOL Banja Luka) ISSN 0354 6969 p) ISSN 1986 58 o) Vol. XXI )015) 105 115 http://www.imvibl.org/dmbl/dmbl.htm PRIPADNOST RJEŠENJA KVADRATNE JEDNAČINE DANOM INTERVALU Bernadin Ibrahimpašić 1 Senka Ibrahimpašić
More informationFormule za udaljenost točke do pravca u ravnini, u smislu lp - udaljenosti math.e Vol 28.
1 math.e Hrvatski matematički elektronički časopis Formule za udaljenost točke do pravca u ravnini, u smislu lp - udaljenosti Banachovi prostori Funkcija udaljenosti obrada podataka optimizacija Aleksandra
More informationDEVELOPMENT OF MATHEMATICAL MODELS TO PREDICT THE EFFECT OF INPUT PARAMETERS ON FEED RATE OF A RECIPROCATORY TUBE FUNNEL FEEDER
http://doi.org/10.24867/jpe-2018-01-067 JPE (2018) Vol.21 (1) Jain, A., Bansal, P., Khanna, P. Preliminary Note DEVELOPMENT OF MATHEMATICAL MODELS TO PREDICT THE EFFECT OF INPUT PARAMETERS ON FEED RATE
More informationKLASTEROVANJE KADA PODACI NEDOSTAJU KORIŠĆENJEM METODE PROMENLJIVIH OKOLINA CLUSTERING WHEN MISSING DATA BY USING THE VARIABLE NEIGHBORHOOD SEARCH
KLASTEROVANJE KADA PODACI NEDOSTAJU KORIŠĆENJEM METODE PROMENLJIVIH OKOLINA CLUSTERING WHEN MISSING DATA BY USING THE VARIABLE NEIGHBORHOOD SEARCH NATAŠA GLIŠOVIĆ 1, TATJANA DAVIDOVIC, MIODRAG RAŠKOVIĆ
More informationAPPROPRIATENESS OF GENETIC ALGORITHM USE FOR DISASSEMBLY SEQUENCE OPTIMIZATION
JPE (2015) Vol.18 (2) Šebo, J. Original Scientific Paper APPROPRIATENESS OF GENETIC ALGORITHM USE FOR DISASSEMBLY SEQUENCE OPTIMIZATION Received: 17 July 2015 / Accepted: 25 Septembre 2015 Abstract: One
More informationBROJEVNE KONGRUENCIJE
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Vojko Nestorović BROJEVNE KONGRUENCIJE - MASTER RAD - Mentor, dr Siniša Crvenković Novi Sad, 2011. Sadržaj Predgovor...............................
More informationKVADRATNE INTERPOLACIJSKE METODE ZA JEDNODIMENZIONALNU BEZUVJETNU LOKALNU OPTIMIZACIJU 1
MAT KOL (Banja Luka) ISSN 0354 6969 (p), ISSN 1986 5228 (o) Vol. XXII (1)(2016), 5 19 http://www.imvibl.org/dmbl/dmbl.htm KVADRATNE INTERPOLACIJSKE METODE ZA JEDNODIMENZIONALNU BEZUVJETNU LOKALNU OPTIMIZACIJU
More informationRealizacija kontrolera anestezije na bazi fazi logike u programskom okruženju MATLAB/Simulink
INFOTEH-JHORIN Vol. 15, March 2016. Realizacia kontrolera anestezie na bazi fazi logike u programskom okruženu MTLB/Simulink Jovana Janković student drugog ciklusa studia Filozofski fakultet Univerziteta
More informationMetode praćenja planova
Metode praćenja planova Klasična metoda praćenja Suvremene metode praćenja gantogram mrežni dijagram Metoda vrednovanja funkcionalnosti sustava Gantogram VREMENSKO TRAJANJE AKTIVNOSTI A K T I V N O S T
More informationATTRIBUTE REDUCTION ALGORITHM BASED ON COGNITIVE MODEL OF GRANULAR COMPUTING IN INCONSISTENT DECISION INFORMATION SYSTEMS
X Tang L Shu Algoritam redukcie atributa zasnovan na spoznanom modelu granularnog računana u informaciskim sustavima nedosledne odluke ISSN 1330-3651 (Print) ISSN 1848-6339 (Online) UDC/UDK 00462:165194
More informationMETODOLOGIJA PLANIRANJA MREŽE
XXVI Simpozium o novim tehnologiama u poštanskom i telekomunikacionom saobraćau PosTel 2008, Beograd, 16. i 17. decembar 2008. METODOLOGIJA PLAIRAJA MREŽE Valentina Radoičić, Goran Marković, Aleksandra
More informationSveučilište J. J. Strossmayera u Osijeku Odjel za matematiku
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Mateja Dumić Cjelobrojno linearno programiranje i primjene Diplomski rad Osijek, 2014. Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku
More informationKonstrukcija i analiza algoritama
Konstrukcija i analiza algoritama 27. februar 207 Matematička indukcija Princip matematičke indukcije: Da bi za svako n N važilo tvrdjenje T (n) dovoljno je pokazati: bazu indukcije: tvrdjenje T () induktivni
More informationHRVATSKA MATEMATIČKA OLIMPIJADA
HRVATSKA MATEMATIČKA OLIMPIJADA prvi dan 5. svibnja 01. Zadatak 1. Dani su pozitivni realni brojevi x, y i z takvi da je x + y + z = 18xyz. nejednakost x x + yz + 1 + y y + xz + 1 + z z + xy + 1 1. Dokaži
More informationDISTRIBUIRANI ALGORITMI I SISTEMI
Postavka 7: međusobno isključivanje sa read/write promenljivama 1 DISTRIBUIRANI ALGORITMI I SISTEMI Iz kursa CSCE 668 Proleće 2014 Autor izvorne prezentacije: Prof. Jennifer Welch Read/Write deljene promenljive
More informationSveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku
Sveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku Valentina Volmut Ortogonalni polinomi Diplomski rad Osijek, 2016. Sveučilište Josipa Jurja Strossmayera u Osijeku Odjel za matematiku
More informationSTATISTIČKE I MATEMATIČKE METODE ZA REŠAVANJE PROBLEMA KLASTEROVANJA POŠTANSKIH PODATAKA KADA SU ONI NEPOTPUNI
XXXV Simpozium o novim tehnologiama u poštanskom i telekomunikacionom saobraćau PosTel 2017, Beograd, 5. i 6. decembar 2017. STATISTIČKE I MATEMATIČKE METODE ZA REŠAVANJE PROBLEMA KLASTEROVANJA POŠTANSKIH
More informationHornerov algoritam i primjene
Osječki matematički list 7(2007), 99 106 99 STUDENTSKA RUBRIKA Hornerov algoritam i primjene Zoran Tomljanović Sažetak. U ovom članku obrad uje se Hornerov algoritam za efikasno računanje vrijednosti polinoma
More informationThe Bond Number Relationship for the O-H... O Systems
CROATICA CHEMICA ACTA CCACAA 61 (4) 815-819 (1988) CCA-1828 YU ISSN 0011-1643 UDC 541.571.9 Original Scientific Paper The Bond Number Relationship for the O-H... O Systems Slawomir J. Grabowski Institute
More informationQuasi-Newtonove metode
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Milan Milinčević Quasi-Newtonove metode Završni rad Osijek, 2016. Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Milan Milinčević
More informationMirela Nogolica Norme Završni rad
Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Mirela Nogolica Norme Završni rad Osijek, 2014. Sveučilište J.J. Strossmayera u Osijeku Odjel za
More informationMATHEMATICAL ANALYSIS OF PERFORMANCE OF A VIBRATORY BOWL FEEDER FOR FEEDING BOTTLE CAPS
http://doi.org/10.24867/jpe-2018-02-055 JPE (2018) Vol.21 (2) Choudhary, M., Narang, R., Khanna, P. Original Scientific Paper MATHEMATICAL ANALYSIS OF PERFORMANCE OF A VIBRATORY BOWL FEEDER FOR FEEDING
More informationKARAKTERIZACIJA STRUKTURA NANO- METARSKIH DIMENZIJA PRIMENOM SPEKTROSKOPSKE ELIPSOMETRIJE*
MILKA M. MIRIĆ MARKO B. RADOVIĆ RADOŠ B. GAJIĆ ZORANA D. DOHČEVIĆ-MITROVIĆ ZORAN V. POPOVIĆ Centar za fiziku čvrstog stana i nove materiale, Institut za fiziku, Beograd, Srbia NAUČNI RAD KARAKTERIZACIJA
More informationKarakterizacija problema zadovoljenja uslova širine 1
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Aleksandar Prokić Karakterizacija problema zadovoljenja uslova širine 1 -master rad- Mentor: dr Petar Marković
More informationO homomorfizam-homogenim geometrijama ranga 2
UNIVERZITET U NOVOM SADU PRIRODN0-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Eva Jungael O homomorfzam-homogenm geometrjama ranga 2 -završn rad- Nov Sad, oktoar 2009 Predgovor Za strukturu
More informationMetode izračunavanja determinanti matrica n-tog reda
Osječki matematički list 10(2010), 31 42 31 STUDENTSKA RUBRIKA Metode izračunavanja determinanti matrica n-tog reda Damira Keček Sažetak U članku su opisane metode izračunavanja determinanti matrica n-tog
More informationKlase neograničenih operatora
Univerzitet u Nišu Prirodno- matematički fakultet Departman za matematiku Klase neograničenih operatora Master rad Mentor: Prof. dr. Dragan Đorđević Student: Milena Nikolić Niš,. Sadržaj Predgovor...2
More informationANALYSIS OF THE RELIABILITY OF THE "ALTERNATOR- ALTERNATOR BELT" SYSTEM
I. Mavrin, D. Kovacevic, B. Makovic: Analysis of the Reliability of the "Alternator- Alternator Belt" System IVAN MAVRIN, D.Sc. DRAZEN KOVACEVIC, B.Eng. BRANKO MAKOVIC, B.Eng. Fakultet prometnih znanosti,
More informationLinearni operatori u ravnini
Linearni operatori u prostoru 1 Linearni operatori u ravnini Rudolf Scitovski Ivana Kuzmanović, Zoran Tomljanović 1 Uvod Neka je (O; e 1, e, e 3 ) pravokutni koordinatne sustav u prostoru X 0 (E). Analogno
More informationAKSIOM IZBORA I EKVIVALENCIJE
Sveučilište J.J. Strossmayera Odjel za matematiku Preddiplomski sveučilišni studij matematike Igor Sušić AKSIOM IZBORA I EKVIVALENCIJE Završni rad Osijek, 2013. Sveučilište J.J. Strossmayera Odjel za matematiku
More informationFraktali - konačno u beskonačnom
Prirodno-Matematički fakultet, Niš. dexterofnis@gmail.com www.pmf.ni.ac.rs/dexter Nauk nije bauk, 2011 Sadržaj predavanja 1 Sadržaj predavanja 1 2 Sadržaj predavanja 1 2 3 Box-Counting dimenzija Hausdorfova
More informationSimulacija fluida tehnikom SPH
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 5494 Simulacia fluida tehnikom SPH Juri Kos Zagreb, lipan, 2018 Sadrža 1. Uvod... 2 2. Osnove mehanike fluida... 5 2.1 Svostva
More informationKsenija Doroslovački KOMBINATORIKA INTERPRETIRANA FUNKCIJAMA I NJIHOVIM OSOBINAMA MASTER RAD. NOVI SAD jun 2008
1 Ksenija Doroslovački KOMBINATORIKA INTERPRETIRANA FUNKCIJAMA I NJIHOVIM OSOBINAMA MASTER RAD NOVI SAD jun 2008 2 Sadržaj 1 UVOD 5 2 FUNKCIJE 11 3 KLASIČNI KOMBINATORNI OBJEKTI 17 4 NEKI NEKLASIČNI KOMBINATORNI
More informationSveučilište J.J.Strossmayera u Osijeku Odjel za matematiku. Sveučilišni preddiplomski studij matematike
Sveučilište J.J.Strossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Lorena Škalac Fermatova metoda beskonačnog spusta Završni rad Osijek, 014. Sveučilište J.J.Strossmayera
More informationUse precise language and domain-specific vocabulary to inform about or explain the topic. CCSS.ELA-LITERACY.WHST D
Lesson eight What are characteristics of chemical reactions? Science Constructing Explanations, Engaging in Argument and Obtaining, Evaluating, and Communicating Information ENGLISH LANGUAGE ARTS Reading
More informationGrupiranje podataka u skupine 1 Rudolf Scitovski, Odjela za matematiku, Sveučilište u Osijeku 2
Klaster analiza 1 U tekstu vjerojatno ima pogrešaka. Ako ih uočite, molim da mi to javite Grupiranje podataka u skupine 1 Rudolf Scitovski, Odjela za matematiku, Sveučilište u Osijeku 2 1 Formulacija problema
More informationZANIMLJIVI ALGEBARSKI ZADACI SA BROJEM 2013 (Interesting algebraic problems with number 2013)
MAT-KOL (Banja Luka) ISSN 0354-6969 (p), ISSN 1986-5228 (o) Vol. XIX (3)(2013), 35-44 ZANIMLJIVI ALGEBARSKI ZADACI SA BROJEM 2013 (Interesting algebraic problems with number 2013) Nenad O. Vesi 1 Du²an
More informationTermodinamika. FIZIKA PSS-GRAD 29. studenog Copyright 2015 John Wiley & Sons, Inc. All rights reserved.
Termodinamika FIZIKA PSS-GRAD 29. studenog 2017. 15.1 Thermodynamic Systems and Their Surroundings Thermodynamics is the branch of physics that is built upon the fundamental laws that heat and work obey.
More informationPrsten cijelih brojeva
SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU ODJEL ZA MATEMATIKU Marijana Pravdić Prsten cijelih brojeva Diplomski rad Osijek, 2017. SVEUČILIŠTE JOSIPA JURJA STROSSMAYERA U OSIJEKU ODJEL ZA MATEMATIKU
More informationFajl koji je korišćen može se naći na
Machine learning Tumačenje matrice konfuzije i podataka Fajl koji je korišćen može se naći na http://www.technologyforge.net/datasets/. Fajl se odnosi na pečurke (Edible mushrooms). Svaka instanca je definisana
More informationNeke klase maksimalnih hiperklonova
UNIVERZITET U NOVOM SDU PRIRODNO-MTEMTIČKI FKULTET DERRTMN Z MTEMTIKU I INFORMTIKU Jelena Čolić Neke klase maksimalnih hiperklonova - završni rad - MENTOR: Prof. dr Rozalija Madaras-Siladi Novi Sad, 2012.
More information1 Konveksni skupovi i konveksne funkcije
Nediferencijabilna optimizacija 1 Odjel za matematiku Sveučilište J. J. Strossmayera u Osijeku Nediferencijabilna optimizacija Poslijediplomski doktorski studij matematike 1 Konveksni skupovi i konveksne funkcije
More informationMjerenje snage. Na kraju sata student treba biti u stanju: Spojevi za jednofazno izmjenično mjerenje snage. Ak. god. 2008/2009
Mjerenje snae Ak. od. 008/009 1 Na kraju sata student treba biti u stanju: Opisati i analizirati metode mjerenja snae na niskim i visokim frekvencijama Odabrati optimalnu metodu mjerenja snae Analizirati
More informationKonstrukcija i analiza algoritama
Konstrukcija i analiza algoritama 27. februar 2017 1 Pravila zaključivanja i tehnike dokazivanja u iskaznoj i predikatskoj logici 1 1.1 Iskazna logika Pravila zaključivanja za iskaznu logiku: 1. DODAVANJE
More informationKrive u prostoru Minkovskog
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Maja Jolić Krive u prostoru Minkovskog - master rad - Mentor: dr Sanja Konjik Novi Sad, 2016 Predgovor Na vratima
More informationA L A BA M A L A W R E V IE W
A L A BA M A L A W R E V IE W Volume 52 Fall 2000 Number 1 B E F O R E D I S A B I L I T Y C I V I L R I G HT S : C I V I L W A R P E N S I O N S A N D TH E P O L I T I C S O F D I S A B I L I T Y I N
More informationProblemi transporta i analiza osetljivosti
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Tinde Ereg Problemi transporta i analiza osetljivosti -master rad- Novi Sad, 2013. Sadržaj 1. Uvod... 3 1.1.
More informationON SPACE AND TIME IN QUANTUM COSMOLOGY UDC
FACTA UNIVERSITATIS Series: Physics, Chemistry and Technology Vol. 2, N o 4, 2002, pp. 173-182 ON SPACE AND TIME IN QUANTUM COSMOLOGY UDC 530.1.140.8 Ljubiša Nešić 1, Stojan Obradović 2 1 Department of
More informationModified Zagreb M 2 Index Comparison with the Randi} Connectivity Index for Benzenoid Systems
CROATICA CHEMICA ACTA CCACAA 7 (2) 83 87 (2003) ISSN-00-3 CCA-2870 Note Modified Zagreb M 2 Index Comparison with the Randi} Connectivity Index for Benzenoid Systems Damir Vuki~evi} a, * and Nenad Trinajsti}
More informationRepresentation theorems for connected compact Hausdorff spaces
Representation theorems for connected compact Hausdorff spaces Mirna Džamonja School of Mathematics University of East Anglia Norwich, NR4 7TJ UK February 22, 2008 Abstract We present two theorems which
More informationAn Algorithm for Computation of Bond Contributions of the Wiener Index
CROATICA CHEMICA ACTA CCACAA68 (1) 99-103 (1995) ISSN 0011-1643 CCA-2215 Original Scientific Paper An Algorithm for Computation of Bond Contributions of the Wiener Index Istvan Lukouits Central Research
More informationMatrice traga nula math.e Vol. 26. math.e. Hrvatski matematički elektronički časopis. Matrice traga nula. komutator linearna algebra. Sažetak.
1 math.e Hrvatski matematički elektronički časopis komutator linearna algebra Marijana Kožul i Rajna Rajić Matrice traga nula marijana55@gmail.com, rajna.rajic@rgn.hr Rudarsko-geološko-naftni fakultet,
More information24. Balkanska matematiqka olimpijada
4. Balkanska matematika olimpijada Rodos, Gka 8. apil 007 1. U konveksnom etvoouglu ABCD vaжi AB = BC = CD, dijagonale AC i BD su azliite duжine i seku se u taki E. Dokazati da je AE = DE ako i samo ako
More informationĐorđe Đorđević, Dušan Petković, Darko Živković. University of Niš, The Faculty of Civil Engineering and Architecture, Serbia
FACTA UNIVERSITATIS Series: Architecture and Civil Engineering Vol. 6, N o 2, 2008, pp. 207-220 DOI:10.2298/FUACE0802207D THE APPLIANCE OF INTERVAL CALCULUS IN ESTIMATION OF PLATE DEFLECTION BY SOLVING
More informationNAPREDNI FIZIČKI PRAKTIKUM 1 studij Matematika i fizika; smjer nastavnički MJERENJE MALIH OTPORA
NAPREDNI FIZIČKI PRAKTIKUM 1 studij Matematika i fizika; smjer nastavnički MJERENJE MALIH OTPORA studij Matematika i fizika; smjer nastavnički NFP 1 1 ZADACI 1. Mjerenjem geometrijskih dimenzija i otpora
More informationVektori u ravnini i prostoru. Rudolf Scitovski, Ivan Vazler. 10. svibnja Uvod 1
Ekonomski fakultet Sveučilište J. J. Strossmayera u Osijeku Vektori u ravnini i prostoru Rudolf Scitovski, Ivan Vazler 10. svibnja 2012. Sadržaj 1 Uvod 1 2 Operacije s vektorima 2 2.1 Zbrajanje vektora................................
More informationMATEMATI^KI MODEL MIKROSEGREGACIJE U Al-Cu-Mg LEGURI SA PROMJENLJIVIM KONCENTRACIJAMA TOKOM O^VR[]AVANJA
Igor Vušanovi} Ma{inski fakultet, Podgorica, Crna Gora, Jugoslavia Mat thew John M. Krane School of Ma te rials En gi neering, Purdue Uni ver sity West La fay ette, In di ana, USA MATEMATI^KI MODEL MIKROSEGREGACIJE
More informationMetoda parcijalnih najmanjih kvadrata: Regresijski model
Sveučilište u Zagrebu Prirodoslovno-matematički fakultet Matematički odsjek Tamara Sente Metoda parcijalnih najmanjih kvadrata: Regresijski model Diplomski rad Voditelj rada: Izv.prof.dr.sc. Miljenko Huzak
More informationMatematika i statistika
Klasteri 1 Strojarski fakultet u Slavonskom Brodu Sveučilište J. J. Strossmayera u Osijeku 1 Uvod Matematika i statistika II. Grupiranje podataka: klasteri R. Scitovski, M. Benšić, K. Sabo Definicija 1.
More informationSimetrične matrice, kvadratne forme i matrične norme
Sveučilište JJStrossmayera u Osijeku Odjel za matematiku Sveučilišni preddiplomski studij matematike Martina Dorić Simetrične matrice, kvadratne forme i matrične norme Završni rad Osijek, 2014 Sveučilište
More informationpretraživanje teksta Knuth-Morris-Pratt algoritam
pretraživanje teksta Knuth-Morris-Pratt algoritam Jelena Držaić Oblikovanje i analiza algoritama Mentor: Prof.dr.sc Saša Singer 18. siječnja 2016. 18. siječnja 2016. 1 / 48 Sadržaj 1 Uvod 2 Pretraživanje
More informationUvod u analizu (M3-02) 05., 07. i 12. XI dr Nenad Teofanov. principle) ili Dirihleov princip (engl. Dirichlet box principle).
Uvod u analizu (M-0) 0., 07. i. XI 0. dr Nenad Teofanov. Kardinalni broj skupa R U ovom predavanju se razmatra veličina skupa realnih brojeva. Jasno, taj skup ima beskonačno mnogo elemenata. Pokazaće se,
More informationNeke primene teorije fazi skupova i fazi logike u procesiranju slika
Univerzitet u Beogradu Matematički fakultet Neke primene teorije fazi skupova i fazi logike u procesiranju slika - Master rad - Nebojša Perić 1024/2013 Beograd, 2014. 2 Mentor: Članovi komisije: Datum
More informationSTATISTICAL ANALYSIS OF WET AND DRY SPELLS IN CROATIA BY THE BINARY DARMA (1,1) MODEL
Hrvatski meteoroloπki Ëasopis Croatian Meteorological Journal, 4, 2006., 43 5. UDK: 55.577.22 Stručni rad STATISTICAL ANALYSIS OF WET AND DRY SPELLS IN CROATIA BY THE BINARY DARMA (,) MODEL Statistička
More informationALGORITAM FAKTORIZACIJE GNFS
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ALGORITAM FAKTORIZACIJE GNFS Ivan Fratrić Seminar iz predmeta Sigurnost računalnih sustava ZAGREB, Sažetak Faktorizacija brojeva jedan je od
More informationP a g e 5 1 of R e p o r t P B 4 / 0 9
P a g e 5 1 of R e p o r t P B 4 / 0 9 J A R T a l s o c o n c l u d e d t h a t a l t h o u g h t h e i n t e n t o f N e l s o n s r e h a b i l i t a t i o n p l a n i s t o e n h a n c e c o n n e
More informationKRITERIJI KOMPLEKSNOSTI ZA K-MEANS ALGORITAM
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Stela Šeperić KRITERIJI KOMPLEKSNOSTI ZA K-MEANS ALGORITAM Diplomski rad Voditelj rada: doc.dr.sc. Pavle Goldstein Zagreb, Srpanj
More informationMethodology for Shipyard Production Areas Optimal Layout Design
UDC 629.5081:658.5 Tin MATULJA Nikša FAFANDJEL Albert ZAMARIN Methodology for Shipyard Production Areas Optimal Layout Design Original scientific paper A novel methodology for creating a preliminary optimal
More informationMetode rješavanja kvadratičnog problema pridruživanja
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA MAGISTARSKI RAD Metode rješavanja kvadratičnog problema pridruživanja Dipl. ing. Zvonimir Vanjak Mentor: Prof.dr. Damir Kalpić . Sadržaj. SADRŽAJ...2
More informationT h e C S E T I P r o j e c t
T h e P r o j e c t T H E P R O J E C T T A B L E O F C O N T E N T S A r t i c l e P a g e C o m p r e h e n s i v e A s s es s m e n t o f t h e U F O / E T I P h e n o m e n o n M a y 1 9 9 1 1 E T
More informationLLL Seminari u okviru TEMPUS projekta
LLL Seminari u okviru TEMPUS projekta Naziv projekta: 511140 TEMPUS JPCR MAS Master programe in Applied Statistics - Broj projekta: 511140 Nosilac projekta: Rukovodilac: Departman za matematiku i informatiku,
More informationIMPROVEMENT OF HIPPARCOS PROPER MOTIONS IN DECLINATION
Serb. Astron. J. 172 (2006), 41-51 UDC 521.96 DOI: 10.2298/SAJ0672041D Preliminary report IMPROVEMENT OF HIPPARCOS PROPER MOTIONS IN DECLINATION G. Damljanović 1, N. Pejović 2 and B. Jovanović 1 1 Astronomical
More informationPRIMJENA LINEARNOGA PROGRAMIRANJA NA PROBLEME PROMIDŽBE. Diplomski rad
VELEUČILIŠTE U POŽEGI Danijela Japarić PRIMJENA LINEARNOGA PROGRAMIRANJA NA PROBLEME PROMIDŽBE Diplomski rad Lipanj, 2014. VELEUČILIŠTE U POŽEGI SPECIJALISTIČKI DIPLOMSKI STUDIJ TRGOVINSKO POSLOVANJE PRIMJENA
More informationUtjecaj trajanja i temperature skladištenja na udio ialctoze u jogurtu - falctorslci plan 3^
A^. Vahčić i sur.: Utjecaj trajanja... Mljekarstvo 44 (3) 167-178, 1994. Utjecaj trajanja i temperature skladištenja na udio ialctoze u jogurtu - falctorslci plan 3^ Nada Vahčić, Mirjana Hruškar, IVIilana
More information