~ HEURISTIKE ~ Složen problem se često ne može rešiti tačno, zato koristimo približno rešenje!
|
|
- Shannon Jennings
- 5 years ago
- Views:
Transcription
1 ~ HEURISTIKE ~ Složen problem se često ne može rešiti tačno, zato koristimo približno rešenje! Heuristika je jedan vid rešavanja složenih problema. Umesto da se izlistaju sva rešenja nekog problema i među njima nađe najbolje rešenje, heuristikama se izdvaja rešenje koje je dovoljno dobro ili najbolje a da se nisu sva rešenja pronašla. Primer 1 (Heuristika za vožnju kroz Pariz) Pretpostavimo da ste u poseti prijatelju u Parizu i da ste iznajmili auto na aerodromu. Vaš cilj je da po što kraćoj putanji dođete od aerodroma do stana vašeg prijatelja. Rešenje: Posmatramo sledeći optimizacioni problem: Od svih mogućih putanja od aerodroma do stana prijatelja, izabrati najkraću. U zavisnosti od rasporeda ulica i njihove prohodnosti, problem može biti manje-više složen. Npr. Da su ulice Pariza međusobno paralelne i iste dužine, problem bi bio jednostavan. Kako ti nije slučaj sa Parizom, problem je složen. Heuristika bi, u ovom slučaju, dala rešenje po kome bismo se kretali samo po glavnim ulicama. Ovo nije najbolje rešenje, ali je dovoljno dobro. Primer 2 (Putovanje po Evropi) Pretpostavimo da želite da putuje po Evropi i da na tom putovanju obilazite sve glavne gradove a da troškovi puta budu minimalni. Rešenje: Problem je poznat kao problem Trgovačkog putnika (rastojanje između gradova se zameni troškovima puta između dva grada). Heuristika bi dala sledeće rešenje: Iz grada A kretati se ka onom gradu do kog su troškovi puta najjeftiniji. Primer 3 (Šah) Pretpostavimo da tokom igranja šaha, najčešće su situacije u kojima vi i protivnik jedan drugom pojedete figuru. Rešenje: Heuristika nam daje sledeće: Svakoj figuri dodeliti numeričku vrednost koja će predstavljati doprinost te figure igri i povlačiti poteze tako da prilikom uzajamnog gubljenja figura, figura koju vi imate, ima manju num.vrednost.
2 Neke poznate heuristike: - Genetski algoritmi - Simularno kaljenje - Tabu pretraživanje Ove metode se često nazivaju meta-heuristikama zato što su opštog tipa i mogu se, generalno, primeniti na svaki problem. Genetski algoritmi Genetski algoritmi su jedna vrsta evolucionih algoritama. Napravljeni su po uzoru na tehniku koja postoji u prirodi pa imaju osobine mutacije, selekcije i rekombinacije. Intuitivno, oslanjaju se na principe prirodne selekcije kako bi rešili složene opmtimizacione probleme. Osnovna ideja, genetskih algoritama je da svaki element prostora pretrage odgovara nekoj individui. Svaka individua predstavlja kandidata za rešenje problema. Pogodnost individue da bude kandidat za rešenje zavisi od toga koliko kvalitetno doprinosti tom rešenju. Na primer: U problemu trgovačkog putnika doprinos svake jedinke se odnosi na ukupne troškove puta. Evolucija počinje sa populacijom koja je proizvoljno generisana. Za svaku generaciju, procenjuje se koliko svaka jedinka odgovara rešenju, više individua se izdvaja (obično one najpovoljnije) i modifikuje (prekombinuje, mutira) kako bi oformilo novu generaciju. Nova generacija se koristi u sledećoj iteraciji algoritma.
3 Simularno kaljenje Simularno kaljenje (SA) je opšta meta-heuristika sa verovatnoćama. Koristi se za globalne optimizacione probleme u kojima se jako dobro aproksimira globalni optimum u velikom dopustivom skupu. U nekim slučajevima simularno kaljenje se smatra efikasnijim algoritmom od detaljnog pretraživanja, odnosno kada se smatra da je rešenje dovoljno dobro ako je pronađeno za neko fiksirano vreme i zadovoljava uslove problema. Kako su genetski algoritmi insipirisani prirodom, simularno kaljenje je insipirisano metalurgijom. Tehnika zagrevanja i kontrolisanog hlađenja koja se koristi u metalurgiji na neki način se simulira u ovom algoritmu. Kako izgleda algoritam SA: Svaka tačka S dopustivog skupa odgovara stanju nekog fizičkog sistema, a funkcija E(S) koju je potrebno minimizovati odgovara internoj energiji sistema. Zadatak je da se sistem prevede iz njegovog početnog stanja u stanje koje minimalno troši energiju. Na svakom koraku, SA heuristika razmatra stanja iz okoline trenutnog stanja S i, korišćenjem verovatnoće, odlučuje da li će se sistem menjati ili će ostati isti. Verovatnoće se računa tako da dovode sistem u stanje sa minimalnom energijom. Naravno, ovaj korak se ponavlja, sve dok sistem ne dostigne stanje koje se smatra dovoljno dobrim, ili dok se ne zadovolje neki drugi unapred zadati parametri (npr. program ne sme da radi duže od unapred određenog vremena t ili dok se ne potroši budžet raspoređen za pokretanje ovog problema). Okolina stanja sistema predstavlja skup sistema koji se dobijaju nakon transforimsanja trenutnog stanja u određenom pravcu. Na primer, kod problema trgovačkog putnika svako stanje predstavlja određenu permutaciju gradova koje će putnik obići. Okoline permutacija su, u stvari, permutacije u kojima su se dva grada međusobno zamenila. Prelazak sa jednog stanja u drugo nazivamo korakom i različiti koraci prave različite okoline. Traženje okoline sistema je jako bitno za optimizaciju zato što se konačno rešenje naći nakon nekoliko uzastopnih okolina. Jednostavne heuristike se pomeraju tako što traže najbolju okolinu, i zaustavljaju se kada dostignu rešenje u čijim se okolinama ne nalazi ni jedno bolje rešenje. Problem kod ovakvih algoritama je taj što okoline ne garantuju da će dovesti do najboljeg rešenja i, ukoliko se ne dostigne odgovarajuće rešenje, ovakav postupak ne garantuje da odgovarajuće rešenje ni ne postoji. Odnosno, algoritam vraća lokalna rešenja. Metaheuristke koriste okoline stanja sistema kako bi pretražile moguća stanja i mogu da pređu i u lošija okruženja kako bi pretražile sve mogućnosti, odnosno neće se zaustaviti u lokalnom minimumu. Verovatnoća, koja određuje u koju će okolinu sistem preći se računa na sledeći način: Posmatra se trenutno stanje S i kandidat za naredno stanje S, a zatim se računa verovatnoća p(e,e,t) koja zavisi od energije e=e(s), e =E(S ) oba sistema, i globalnog parametra T (temperatura). Funkcija verovatnoće p, treba da je pozitivna. Na ovaj način sprečavamo da se algoritam zaustavi u lokalnom minimumu koji je lošiji od globalnog. Kada T teži nuli, verovatnoća p(e,e,t) teži nuli ako je e >e, a pozitivna je inače.
4 Za dovoljno malo T sistem će forsirati kretanje ka sistemima niže energije i izbegavati one sisteme koji imaju veću energiju. Ako stavimo da je T=0 dobijamo greedy algoritam. U originalnom algoritmu SA, verovatnoća p(e,e,t) je jednaka nuli kada je e <e, odnosno procedura se uvek kreće ka nižim sistemima. Mnogi algoritmi i dalje koriste ovu implementaciju SA obzirom da taj uslov nije od presudnog značaja da algoritam radi. Pseudo kod: S S0; // inicijalno stanje e E(S); // inicijalna energija S_best S; // inicijalno najbolje stanje e_best e; k 0; // procena energije, broj iteracija WHILE k < k_max AND e > e_max // sve dok ima vremena i nismo nasli najbolje resenje T temperature(k/k_max) // izračunamo temperaturu S_new neighbour(s) // biramo okolinu e_new E(S_new) // izračunamo energiju okoline IF p(e, e_new, T) > random() THEN // da li da se preselimo? S S_new; // da, preći na novo stanje e e_new; IF e_new < e_best THEN // da li je novo stanje bolje? S_best S_new; // jeste, zapamti najbolje rešenje e_best e_new; k k+1 // još jedna procena RETURN S_best; // vrati najbolje nađeno rešenje. Primer SA (Problem trgovačkog putnika - TSP) Trgovački putnik treba da obiđe n gradova proizvoljno raspoređenih na [-1,1]x[-1,1]. Мinimizovati troškove puta (dužina pređenog puta, vreme trajanja puta,...). Svaki grad posetiti tačno jednom i vratiti se na početak putanje. Rešenje (teorijsko) Naći Hamiltonovu putanju kompletnog grafa i izabrati najkaću. Rešenje (SA) Obeležimo sa dc ( i, cj) = dc ( j, ci) rastojanje između dva grada Permutaciju obeležavamo sa π gde su gradovi Vi i Vi+ 1 s usedni i bira se tako da se minimizuje funkcije n 1 dv (, V ) + dv (, V). i= 1 i i+ 1 n 1
5 Posmatramo gradove [ ]. Inicijalna permutacija [ ] Uklonimo linkove ( V3, V1) i ( V4, V6). i pravimo novu permutaciju [ ] Pomeranjem linkova ( Vi, V i + 1) i ( Vj, V j + 1) i formiranjem novih linkova ( Vi, V j ) i ( Vi+ 1, Vj+ 1) promena funkcije cilja se može izračunati na sledeći način: Δ C = d( V, V ) + d( V, V ) d( V, V ) d( V, V ) i j i+ 1 j+ 1 i i+ 1 j j+ 1 Šta sve treba računati? TI inicijalna temperatura C funkcija cilja TI mo ra biti dovoljno visoko kako ne bi uticalo na konačno rešenje. Ako je maksimalna razlika funkcije cilja između okolina poznata, TI se može izračunati tako da je verovatnoća izbora maksimalne razlike najveća: p e ΔC max / T in = Kako funkcioniše temperatura: - temperatura se povećava sve dok je količnik potencijanih i svih mogućih poteza veća od neke unapred date veličine - temperatura se smanjuje u zavisnosti od sledećih parametara o TL (temperature length) broj iteracija na datoj temperaturi o Cooling ratio (f) veličina na kojoj se temperatura smanjuje
6 Alternative: o veliki broj iteracija na par temperatura o mali broj iteracija na velikom broju temperatura Najčešće je hlađenje sporo i računa se po sledećoj formuli f( T) = at, 0.8 a Koliko se dugo treba zadržavati na određenoj temperaturi? Broj iteracija na svakoj temperaturi zavisi od - veličine okoline - veličine prostora pretrage Broj iteracija može da varira od temperature do temperature - treba trošiti više vremena na nižim temperaturama (povećati TL kako se temperatura smanjuje) - ili po nekom unapred zadatom kriterijumu. Ekstremne situacije su kada se na svakoj temperaturi koristi samo jedna iteracija. Tada se temperatura smanjuje jako sporo f( T) = T /(1 + β ), β dovoljno malo U teoriji temperatura se smanjuje do nule, u praksi se smanjuje na neku minimalnu vrednost blisku nuli. Kriterijum za zaustavljanje: - dostignuta je minimalna temperatura - dostignut je broj iteracija - količnik dostupnih i mogućih poteza je manji od unapred zadate vrednosti Neka je n=15.
7 Local Search (Pseudo kod) S // proizvoljni početni skup je prazan WHIL E (true) IF ( v V / S ) SUCH THAT // sve dok nije kraj // uzimamo element iz skupa V/S koji val( S { v}) > val( S) // ako on popravlja rezultat S S + v ELSE // ubacujemo ga u S IF ( v S) SUCH THAT // ako ne popravlja rezultat i bolje je bez val ( S \{ v}) > val( S) // elementa v S S v // brišemo ga iz skupa S ELSE S is a local optimum // inače smo postigli optimum RETURN S Tabu Search (Pseudo kod) S S0 = InitialSet() S_ best S // proizvoljno bira početno rešenje // početno rešenje se smatra najboljim TabuList empty() // tabu lista je prazna WHILE (true) // sve dok nije kraj CandidateList empty() WHILE ( s _ Candidate Neighborhood( )) // uzima se kandidat iz okoline IF ( s_candidate TabuList ) // ako kandidat nije u tabu Listi CandidateList CandidateList + s_candidate // može da se razmatra s_candidate BestLocalSearch(CandidateList) // od svih kandidata iz okoline biramo najpovoljnijeg IF ( va l( s _ Candidate) > val( s _ Best) ) // ako je izabrani kandidat popravio rezultat TabuList featureddifferences // update-ujemo tabu listu S _ best s _ Candidate // kandidat postaje najbolji WHILE ( size( TabuList) > maxsizetabulist ) // ako tabu lista ima previše članova ukljanjamo one koji su prvi postavljeni expirefeatures(tabulist); RETURN S_best
8 Variable Neighborhood Search (Pseudo kod) k x k_min // broj pomeranja InitialSet () // proizvoljna početna vrednost WHILE (true) // sve dok nije kraj x' Shake(k,x) // pomeramo se za k mesta od originala x'' LocalSearch(x') // tražimo bolju vrednost u okolini tačke x IF ( valx ( '') > valx ( )) // ako je nova tačka povoljnija x x'' k k_min // pomeramo se u tačku x ELSE k k + k_ step // korak za udaljavanje od originala se povećava Ant Colony System (Pseudo kod) k k 0 // broj čvorova τ ( τ 0 ( // nivo privlačnosti čvora μ( k ) μ ( k) // nivo vidljivosti 0 WHILE (i<maxiteration) FOR ( each ant) DO ChoseProbabilisticallyTheNextStateToMove; // izbor na osnovu prethodnog AddThatMoveToTabuList; WHILE (each ant completed a solution) IF (Ant has completed a solution) Update attractivnes ( τ ( k) ) for each edge that ant traversed; IF (local best solution better then global solution) Save local best solution as global solution;
9 Ant System Algorithm for TSP (Pseudo kod) k k 0 // broj čvorova τ ( k) τ 0 ( k) // nivo fe rmiona PlaceEachAntOnARandomlyChosenCity; WHILE (i<maxiteration) FOR (each ant) MoveAntToNextCityByProbabilityFunction; E ND FOR ( each ant with a complete tour) EvaporatePheormones; ApplyPheromoneUpdate; IF (Ant k s tour is shorter then the global solution) Update global solution to ant k s tour; Bee Colony Optimization (Pseudo kod) a( n) a0 ( n) // prazna solucija za svaku pčelu WHILE (IterationIsNotEnd) // forward pass FOR (b=0; b<b; b++) FOR (k=0; k<nc; k++) EvaluateAllPossibleMoves; ChoseRandomOneMove; // backward pass EvaluateObjectiveFunctionValueForEachBee; ChoseLoyality; ForEachFollowerChoseARecruiter; EvaluateAllSolutionAndFindBest; Preuzet sa
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 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 informationMathcad sa algoritmima
P R I M J E R I P R I M J E R I Mathcad sa algoritmima NAREDBE - elementarne obrade - sekvence Primjer 1 Napraviti algoritam za sabiranje dva broja. NAREDBE - elementarne obrade - sekvence Primjer 1 POČETAK
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 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 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 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 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 informationOperaciona istraživanja 2. Poglavlje 8 - Teorija igara
8.1. Predmet teorije igara i osnovni pojmovi Operaciona istraživanja 2 - skripta za I kolokvijum 2012/13 (by Stepke) - Poglavlje 8 - Teorija igara Na primer, u igri šaha, rezultat igre ne zavisi samo od
More informationKontinualni lokacijski modeli. Jelena Panić 748/15 Vidosava Antonović 819/15
Kontinualni lokacijski modeli Jelena Panić 748/15 Vidosava Antonović 819/15 O modelima Matematički modeli teorije lokacije daju nam odgovore na neka od sledećih pitanja : Koliko novih objekata treba otvoriti?
More informationUniverzitet u Beogradu
Univerzitet u Beogradu Matematički fakultet Rešavanje problema rasporedivanja poslova u višefaznoj proizvodnji sa paralelnim mašinama primenom hibridnih metaheurističkih metoda Master rad Student: Dušan
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 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 informationRešavanje problema uspostavljanja uslužnih objekata primenom heurističkih metoda
Univerzitet u Beogradu Matematički fakultet Miloš Jordanski Rešavanje problema uspostavljanja uslužnih objekata primenom heurističkih metoda master rad Beograd 2014. Mentor: dr Miroslav Marić Matematički
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 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 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 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 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 informationUniverzitet u Beogradu Matematički fakultet. Nina Radojičić REŠAVANJE NEKIH NP-TEŠKIH PROBLEMA DISKRETNE OPTIMIZACIJE. Master rad
Univerzitet u Beogradu Matematički fakultet Nina Radojičić REŠAVANJE NEKIH NP-TEŠKIH PROBLEMA DISKRETNE OPTIMIZACIJE Master rad B e o g r a d 2 0 1 1. 2 Mentor: Doc. dr Miroslav Marić Matematički fakultet
More informationPRIMENA FAZI LOGIKE ZA REŠAVANJE NP-TEŠKIH PROBLEMA RUTIRANJA VOZILA I
UNIVERZITET U BEOGRADU MATEMATIČKI FAKULTET Nina Radojičić PRIMENA FAZI LOGIKE ZA REŠAVANJE NP-TEŠKIH PROBLEMA RUTIRANJA VOZILA I METODAMA LOKACIJE RESURSA RAČUNARSKE INTELIGENCIJE doktorska disertacija
More informationUniverzitet u Beogradu. Rešavanje problema optimalnog planiranja bežičnih meš mreža primenom metaheurističkih metoda
Univerzitet u Beogradu Matematički fakultet Master rad Rešavanje problema optimalnog planiranja bežičnih meš mreža primenom metaheurističkih metoda Student: Lazar Mrkela Mentor: dr Zorica Stanimirović
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 informationMehurasto sortiranje Brzo sortiranje Sortiranje učešljavanjem Sortiranje umetanjem. Overviev Problemi pretraživanja Heš tabele.
Bubble sort Razmotrimo još jedan vrlo popularan algoritam sortiranja podataka, vrlo sličan prethodnom algoritmu. Algoritam je poznat pod nazivom Bubble sort algoritam (algoritam mehurastog sortiranja),
More informationProgramiranje u realnom vremenu Bojan Furlan
Programiranje u realnom vremenu Bojan Furlan Tri procesa sa D = T imaju sledeće karakteristike: Proces T C a 3 1 b 6 2 c 18 5 (a) Pokazati kako se može konstruisati ciklično izvršavanje ovih procesa. (b)
More informationŠta je to mašinsko učenje?
MAŠINSKO UČENJE Šta je to mašinsko učenje? Disciplina koja omogućava računarima da uče bez eksplicitnog programiranja (Arthur Samuel 1959). 1. Generalizacija znanja na osnovu prethodnog iskustva (podataka
More informationPrimjena optimizacije kolonijom mrava na rješavanje problema trgovačkog putnika
Fakultet elektrotehnike i računarstva Zavod za elektroniku, mikroelektroniku, računalne i inteligentne sustave Primjena optimizacije kolonijom mrava na rješavanje problema trgovačkog putnika Seminarski
More informationANALYTICAL AND NUMERICAL PREDICTION OF SPRINGBACK IN SHEET METAL BENDING
ANALYTICAL AND NUMERICAL PREDICTION OF SPRINGBACK IN SHEET METAL BENDING Slota Ján, Jurčišin Miroslav Department of Technologies and Materials, Faculty of Mechanical Engineering, Technical University of
More informationKristina Popadić. Analiza preživljavanja sa primenama u zdravstvenom osiguranju - master rad -
UNIVERZITET U NOVOM SADU PRIRODNO MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Kristina Popadić Analiza preživljavanja sa primenama u zdravstvenom osiguranju - master rad - Mentor: prof.
More informationAsian Journal of Science and Technology Vol. 4, Issue 08, pp , August, 2013 RESEARCH ARTICLE
Available Online at http://www.journalajst.com ASIAN JOURNAL OF SCIENCE AND TECHNOLOGY ISSN: 0976-3376 Asian Journal of Science and Technology Vol. 4, Issue 08, pp.037-041, August, 2013 RESEARCH ARTICLE
More informationZadatci sa ciklusima. Zadatak1: Sastaviti progra koji određuje z ir prvih prirod ih rojeva.
Zadatci sa ciklusima Zadatak1: Sastaviti progra koji određuje z ir prvih prirod ih rojeva. StrToIntDef(tekst,broj) - funkcija kojom se tekst pretvara u ceo broj s tim da je uvedena automatska kontrola
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 informationAIR CURTAINS VAZDU[NE ZAVESE V H
AIR CURTAINS V 15.000 H 21.000 KLIMA Co. 2 KLIMA Co. Flow and system stress should be known factors in air flow. The flow is gas quantity flowing through the system during given time unit and is measured
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 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 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 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 informationUNIVERZITET U BEOGRADU MATEMATIČKI FAKULTET
UNIVERZITET U BEOGRADU MATEMATIČKI FAKULTET MASTER RAD SUFIKSNI NIZ Mentor: Student: Prof. dr Miodrag Živković Slaviša Božović 1014/2011. Beograd, 2015. UVOD... 1 1. OSNOVNI POJMOVI I DEFINICIJE... 2 1.1.
More informationMREŽNI DIJAGRAMI Planiranje
MREŽNI DIJAGRAMI Planiranje 1 Mrežno planiranje se zasniva na grafičkom prikazivanju aktivnosti usmerenim dužima. Dužina duži nema značenja, a sa dijagrama se vidi međuzavisnost aktivnosti. U mrežnom planiranju
More informationGrafovi. Osnovni algoritmi sa grafovima. Predstavljanje grafova
Grafovi Osnovni algoritmi sa grafovima U ovom poglavlju će biti predstavljene metode predstavljanja i pretraživanja grafova. Pretraživanja grafa podrazumeva sistematično kretanje vezama grafa, tako da
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 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 informationNEURONSKE MREŽE 1. predavanje
NEURONSKE MREŽE 1. predavanje dr Zoran Ševarac sevarac@gmail.com FON, 2014. CILJ PREDAVANJA I VEŽBI IZ NEURONSKIH MREŽA Upoznavanje sa tehnologijom - osnovni pojmovi i modeli NM Mogućnosti i primena NM
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 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 dinamičko programiranje
Uvod u dinamičko programiranje Andreja Ilić Aleksandar Ilić e-mail: ilic andrejko@yahoo.com e-mail: aleksandari@gmail.com Prirodno Matematički Fakultet u Nišu 1 Uvod Jedan od čestih algoritamskih problema
More informationAndrea Rožnjik. VaR KAO MERA RIZIKA U OPTIMIZACIJI PORTFOLIA. - magistarska teza - Novi Sad, 2008.
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Andrea Rožnjik VaR KAO MERA RIZIKA U OPTIMIZACIJI PORTFOLIA - magistarska teza - Novi Sad, 2008. Predgovor
More informationRealizacija i ocjena MPPT algoritama u fotonaponskom sistemu napajanja
INFOTEH-JAHORINA Vol., March. Realizacija i ocjena MPPT algoritama u fotonaponskom sistemu napajanja Srđan Lale, Slobodan Lubura, Milomir Šoja Elektrotehnički fakultet, Univerzitet u Istočnom Sarajevu
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 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 informationAlgoritam za odre divanje ukupnog poravnanja dva grafa poravnanja parcijalnog ure daja
SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA ZAVRŠNI RAD br. 000 Algoritam za odre divanje ukupnog poravnanja dva grafa poravnanja parcijalnog ure daja Mislav Bradač Zagreb, lipanj 2017.
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 informationLinearno uređena topologija
Univerzitet u Novom Sadu Prirodno-matematički fakultet Departman za matematiku i informatiku Aleksandar Janjoš Linearno uređena topologija Master rad Mentor: Dr Aleksandar Pavlović 2017, Novi Sad Sadržaj
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 informationSINTAKSNA I ALGORITAMSKA NOTACIJA
B-1 Prilog B SINTAKSNA I ALGORITAMSKA NOTACIJA B-2 B.1 Sintaksna notacija sa zagradama U osnovi svake sintaksne notacije nalaze se slede}i elementi: sintaksni pojam: leksi~ka konstrukcija koja se defini{e;
More informationPARALELNI ALGORITMI ZA PROBLEM GRUPIRANJA PODATAKA
SVEUČILIŠTE U ZAGREBU PRIRODOSLOVNO MATEMATIČKI FAKULTET MATEMATIČKI ODSJEK Anto Čabraja PARALELNI ALGORITMI ZA PROBLEM GRUPIRANJA PODATAKA Diplomski rad Voditelj rada: doc. dr. sc. Goranka Nogo Zagreb,
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 informationAlgoritmi za pronalaºenje minimalnog pokrivaju eg stabla
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIƒKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Evelin Kurta Algoritmi za pronalaºenje minimalnog pokrivaju eg stabla Master rad Mentor: prof. dr Maja Pech
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 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 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 information1.1 Algoritmi. 2 Uvod
GLAVA 1 Uvod Realizacija velikih računarskih sistema je vrlo složen zadatak iz mnogih razloga. Jedan od njih je da veliki programski projekti zahtevaju koordinisani trud timova stručnjaka različitog profila.
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 informationUmjetna inteligencija
Umjetna inteligencija Algoritmi iterativnog poboljšanja i lokalnog pretraživanja Tomislav Šmuc, 2009 13-Oct-10 Algoritmi lokalnog pretraživanja 1 Algoritmi Hill-Climbing Simulirano kaljenje Genetski algoritmi
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 informationFunkcijske jednadºbe
MEMO pripreme 2015. Marin Petkovi, 9. 6. 2015. Funkcijske jednadºbe Uvod i osnovne ideje U ovom predavanju obradit emo neke poznate funkcijske jednadºbe i osnovne ideje rje²avanja takvih jednadºbi. Uobi
More informationGenetski algoritam Što ako trebamo pretražiti potpuni prostor stanja koji je toliko velik (možda i beskonačan) da je to neizvedivo u realnom vremenu?
Pretraživanje prostora stanja 2. GA, SA Vježbe iz umjetne inteligencije Matko Bošnjak, 2010 Genetski algoritam Što ako trebamo pretražiti potpuni prostor stanja koji je toliko velik (možda i beskonačan)
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 informationHamiltonovi grafovi i digrafovi
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Slobodan Nogavica Hamiltonovi grafovi i digrafovi Master rad Novi Sad, 2016 Sadržaj Predgovor...2 Glava 1. Uvod...3
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 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 informationA STUDY ON NATURAL CONVECTION HEAT TRANSFER IN COMPLEX BOUNDARIES
http://doi.org/10.4867/jpe-017-01-11 JPE (017) Vol.0 (1) Mohapatra, C. R. Preliminary Note A STUDY ON NATURAL CONVECTION HEAT TRANSFER IN COMPLEX BOUNDARIES Received: 3 February 017 / Accepted: 01 April
More informationNelder Meadova metoda: lokalna metoda direktne bezuvjetne optimizacije
Osječki matematički list (2), 131-143 Nelder Meadova metoda: lokalna metoda direktne bezuvjetne optimizacije Lucijana Grgić, Kristian Sabo Sažetak U radu je opisana poznata Nelder Meadova metoda, koja
More informationLINEARNI MODELI STATISTIČKI PRAKTIKUM 2 2. VJEŽBE
LINEARNI MODELI STATISTIČKI PRAKTIKUM 2 2. VJEŽBE Linearni model Promatramo jednodimenzionalni linearni model. Y = β 0 + p β k x k + ε k=1 x 1, x 2,..., x p - varijable poticaja (kontrolirane) ε - sl.
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 informationNekoliko kombinatornih dokaza
MAT-KOL (Banja Luka) ISSN 0354-6969 (p), ISSN 1986-5228 (o) http://www.imvibl.org/dmbl/dmbl.htm Vol. XXII (2)(2016), 141-147 Nekoliko kombinatornih dokaza Duško Jojić Prirodno-matematički fakultet, Univerzitet
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 informationTEHNIČKO REŠENJE. Algoritam za sinhronizaciju rada prediktora DRAM memorija
TEHNIČKO REŠENJE Algoritam za sinhronizaciju rada prediktora DRAM memorija M-85: Prototip, nova metoda, softver, standardizovan ili atestiran instrument, nova genetska proba, mikroorganizmi Autori: Vladimir
More informationSveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni nastavnički studij matematike i informatike. Sortiranje u linearnom vremenu
Sveučilište J. J. Strossmayera u Osijeku Odjel za matematiku Sveučilišni nastavnički studij matematike i informatike Tibor Pejić Sortiranje u linearnom vremenu Diplomski rad Osijek, 2011. Sveučilište J.
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 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 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 informationVREMENSKE SERIJE U FINANSIJAMA: ARCH I GARCH
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Zoranka Desnica VREMENSKE SERIJE U FINANSIJAMA: ARCH I GARCH -završni rad - Novi Sad, oktobar 009. PREDGOVOR
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 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 informationDidaktički aspekti matematičkog modeliranja
Univerzitet u Novom Sadu Prirodno - matematički fakultet Departman za matematiku i informatiku Silvia Šoš Didaktički aspekti matematičkog modeliranja - master rad - Mentor: Prof. dr Arpad Takači Novi Sad,
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 informationMAGNETIC FIELD OF ELECTRICAL RADIANT HEATING SYSTEM
UDK 537.612:697.27 DOI: 10.7562/SE2017.7.02.03 Original article www.safety.ni.ac.rs MIODRAG MILUTINOV 1 ANAMARIJA JUHAS 2 NEDA PEKARIĆ-NAĐ 3 1,2,3 University of Novi Sad, Faculty of Technical Sciences,
More informationVELOCITY PROFILES AT THE OUTLET OF THE DIFFERENT DESIGNED DIES FOR ALUMINIUM EXTRUSION
VELOCITY PROFILES AT THE OUTLET OF THE DIFFERENT DESIGNED DIES FOR ALUMINIUM EXTRUSION J.Caloska, J. Lazarev, Faculty of Mechanical Engineering, University Cyril and Methodius, Skopje, Republic of Macedonia
More informationReinženjering poslovnih procesa Business Process Reengineering. Urednik serije/ Editor of serias: Alempije V.Veljović
Reinženjering poslovnih procesa Business Process Reengineering Knjiga 4 Volume Urednik serije/ Editor of serias: Alempije V.Veljović REŠAVANJE KLASIFIKACIONIH PROBLEMA MAŠINSKOG UČENJA Solving Machine
More informationO aksiomu izbora, cipelama i čarapama
O aksiomu izbora, cipelama i čarapama Aksiom izbora može se izreći u raznim ekvivalentnim formama. Dokazi ekvivalencije aksioma izbora npr. sa Zornovom lemom, ili pak sa Zermelovim teoremom o dobrom uredaju,
More informationIV razred- matematika. U prvoj nedelji septembra planirano je obnavljanje gradiva druge godine (3 èasa), a 4-tog èasa radi se inicijalni test.
Profesor: Ivana Obrenoviã Termini za konsultacije: IV razred- matematika U prvoj nedelji septembra planirano je obnavljanje gradiva druge godine (3 èasa), a 4-tog èasa radi se inicijalni test. TEMA 1.
More informationUNIVERZITET U NIŠU PRIRODNO-MATEMATIČKI FAKULTET. mr Dragan Stevanović NEKE KOMPOZICIJE GRAFOVA I GRAFOVI SA CELOBROJNIM SPEKTROM
UNIVERZITET U NIŠU PRIRODNO-MATEMATIČKI FAKULTET mr Dragan Stevanović NEKE KOMPOZICIJE GRAFOVA I GRAFOVI SA CELOBROJNIM SPEKTROM doktorska disertacija Niš, 1999. Za Sanju Sadržaj Predgovor vii I NEPS
More informationAlgoritmi za mnoºenje i dijeljenje velikih. brojeva. Marko Pejovi UNIVERZITET CRNE GORE. Prirodno-matemati ki fakultet Podgorica. Podgorica, 2018.
UNIVERZITET CRNE GORE Prirodno-matemati ki fakultet Podgorica Marko Pejovi Algoritmi za mnoºenje i dijeljenje velikih brojeva SPECIJALISTIƒKI RAD Podgorica, 2018. UNIVERZITET CRNE GORE Prirodno-matemati
More informationO GLATKIM GRAFOVIMA KOMPATIBILNIM SA TEJLOROVIM OPERACIJAMA
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Vlado Uljarević O GLATKIM GRAFOVIMA KOMPATIBILNIM SA TEJLOROVIM OPERACIJAMA -master teza- Novi Sad, 2014 Sadržaj
More informationHamiltonov ciklus i Eulerova tura
Sveučilište J.J. Strossmayera u Osijeku Odjel za matematiku Preddiplomski studij matematike Maja Ivić Hamiltonov ciklus i Eulerova tura Završni rad Osijek, 2009. Sveučilište J.J. Strossmayera u Osijeku
More informationPLANIRANJE SAOBRAĆAJA - Izvod iz vježbi -II dio-
PLANIRANJE SAOBRAĆAJA - Izvod iz vježbi -II dio- Predmetni nastavnik: Doc. dr. Valentina Basarić, dipl.ing.saobr. Viši asistent: MSc Slavko Davidović, dipl.ing.saobr. jun, 2016 1 Zadatak 1 Jedinstveni
More informationHamiltonov princip i parcijalne diferencijalne jednačine
UNIVERZITET U NOVOM SADU PRIRODNO-MATEMATIČKI FAKULTET DEPARTMAN ZA MATEMATIKU I INFORMATIKU Nikola Dukanović Hamiltonov princip i parcijalne diferencijalne jednačine -master rad- Novi Sad, 2014. Sadržaj
More informationDISKRETNI LOGARITAM. 1 Uvod. MAT-KOL (Banja Luka) ISSN (p), ISSN (o) Vol. XVII (2)(2011), 43-52
MAT-KOL (Banja Luka) ISSN 0354-6969 (p), ISSN 1986-5228 (o) Vol. XVII (2)(2011), 43-52 DISKRETNI LOGARITAM Bernadin Ibrahimpašić 1, Dragana Kovačević 2 Abstract U ovom članku se opisuje pojam diskretnog
More information