You are on page 1of 21

Wojskowa Akademia Techniczna

Wydział Cybernetyki
dr hab. inż. prof. WAT Andrzej B. Chojnacki
andrzej.chojnacki@wat.edu.pl
tel. (22)(6)839545 p. 305B/S

konsultacje: poniedziałki 15:00-16:30 p. 305B/S


lub inny termin po uprzednim umówieniu się

informacje na stronie www.wcy.wat.edu.pl zakładka Znajdź


osobę
r.a. 2007/2008
ZASADY ZALICZANIA (dwie oceny)
ƒ Zaliczenie ćwiczeń odbywa się w oparciu o następujące zasady:
o wystawiana jest łączna ocena za odpowiedzi udzielane podczas ćwiczeń
oraz aktywność na ćwiczeniach – musi być pozytywna; dopuszczalne są
dwie nieobecności na ćwiczeniach – w przypadku większej liczby
nieobecności przeprowadza się oddzielne oceniania na konsultacjach;
o wystawiana jest ocena za wykonane zadanie domowe;
o ocena łączna za ćwiczenia jest średnią arytmetyczną powyższych ocen
zaokrągloną w górę.
ƒ Zaliczenie wykładów odbywa się w oparciu o następujące zasady:
o do wystawienia oceny pozytywnej wymagana jest pozytywna ocena
z ćwiczeń;
o wystawiana jest ocena ze sprawdzianu wiedzy teoretycznej z wykładów
przeprowadzonego w formie testu, po którym może odbyć się część ustna
w przypadku trudności z dokonaniem oceny pracy;
ow teście oceniane są odpowiedzi poprawne, brak odpowiedzi poprawnych
i odpowiedzi błędne;
o podczas testu nie można korzystać z żadnych materiałów.
TREŚĆ PRZEDMIOTU (14 godz. wykładu + 16 godzin ćwiczeń)
¾ Zasady modelowania matematycznego
¾ Modele deterministyczne
¾ Modele growe
¾ Modele probabilistyczne
¾ Modele rozmyte
¾ Modele wykorzystujące zbiory przybliżone
¾ Modele uwzględniające niepewność

LITERATURA
1. J. Watson, Strategia. Wprowadzenie do teorii gier, Wydawnictwa Naukowo-
Techniczne, Warszawa, 2005
2. L. Rutkowski, Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe
PWN, Warszawa, 2005
3. P. Grzegorzewski, Wspomaganie decyzji w warunkach niepewności. Metody
statystyczne dla nieprecyzyjnych danych, Akademicka Oficyna Wydawnicza,
Warszawa, 2006
SZCZYPTA HISTORII Badań
Operacyjnych

STAROŻYTNOŚĆ
¾ Aleksander Wielki – falanga
¾ Archimedes – obrona Syrakuz

PÓŹNIEJ
¾ Lanchester – równania walki
¾ Edison – walka z okrętami podwodnymi
¾ Taylor – wymiary łopaty (twórca zasad naukowej
organizacji pracy)
¾ Levison – handel wewnętrzny
¾ Erlang – centrale telefoniczne

POWSTANIE BADAŃ OPERACYJNYCH


¾ Bawdsey Research Station – 1939 – stacje rlok
¾ Grupa BO przy dowództwie LM w Stanford – 1940 -
rok powstania BO
¾ Cyrk Blacketta – sierpień 1940: 3 fizjologów,
3 fizyków, 2 matematyków, astronom i oficer
Udział: GB – 365 osób, USA – 400 osób

PO WOJNIE
Ocena wkładu nauki: 1. radar, 2. sonar, 3. BO
¾ I międzynarodowa konferencja BO – 2-7.09.1957
Oxford (Oderfeld + Rajski z IM PAN)
¾ RAND Corporation – Bellman, Danzig, Teller i wielu
innych
ETAPY BADAŃ OPERACYJNYCH
I. Określenie obiektu zainteresowań
(obiektu rzeczywistego)

II. Określenie potrzeby modelowania


matematycznego (formalnego)
i konkretyzacja celu modelowania

III. Budowanie modelu matematycz-


nego (formalnego) uwzględniającego Dokonywanie
cel modelowania poprawek

IV. Formułowanie zadania optymaliza-


cyjnego w języku modelu

V. Rozwiązywanie sformułowanego
zadania optymalizacyjnego

VI. Analiza uzyskanego rozwiązania

VII. Opracowanie projektu


oddziaływania na rzeczywistość
- kolejność podstawowa
- stwierdzenie potrzeby dokonania poprawek
- wprowadzanie poprawek na odpowiednich etapach
Przykład
Określenie obiektu zainteresowań
Należy zorganizować akademicką sieć bezprzewodową dla
ustalonych stacjonarnych użytkowników wykorzystując
potencjalne miejsca na umieszczenie stacji dostępowych.
Użytkownicy powinni mieć dostęp do sieci za pośrednictwem
dowolnej ze stacji dostępowych. Organizacja sieci polega na
ustaleniu, w których potencjalnie możliwych miejscach należy
rozmieścić stacje dostępowe. Ze względów ekonomicznych
rozmieszczonych stacji dostępowych powinno być jak najmniej.
KONSTRUOWANIE MODELU MATEMATYCZNEGO
OPIS CECH
M – liczba cech
xm – symbol zmiennej m = 1, M
Xm – zbiór możliwych wartości zmiennej

X = {< x 1 , X 1 >,... ..., < x M , X M > }


0

Przykład (cd)
Wybór cech istotnych z punktu widzenia celu modelowania
Cel modelowania: Opracowanie metody wyznaczania najbardziej
ekonomicznej organizacji sieci, tzn. takiej, przy której zapewnia się dostęp
wszystkich użytkowników do sieci z wykorzystaniem minimalnej liczby
stacji dostępowych.
Należy zorganizować akademicką sieć bezprzewodową dla ustalonych
stacjonarnych jednorodnych użytkowników wykorzystując potencjalne
miejsca na umieszczenie jednorodnych stacji dostępowych. Użytkownicy
powinni mieć dostęp do sieci za pośrednictwem dowolnej ze stacji
dostępowych. Organizacja sieci polega na ustaleniu, w których
potencjalnie możliwych miejscach należy rozmieścić stacje dostępowe. Ze
względów ekonomicznych rozmieszczonych stacji dostępowych powinno
być jak najmniej.
Cechy istotne
1. liczba użytkowników
2. liczba potencjalnych miejsc rozmieszczenia stacji dostępowych
3. użytkownicy mający dostęp do sieci za pośrednictwem konkretnej
stacji dostępowej
4. ustalone miejsca rozmieszczenia stacji dostępowych
5. liczba rozmieszczonych stacji dostępowych
Przyporządkowanie symboli zmiennych
1. N - liczba użytkowników
2. M - liczba potencjalnych miejsc rozmieszczenia stacji
dostępowych
3. Om - zbiór numerów użytkowników mających dostęp do sieci
za pośrednictwem konkretnej stacji dostępowej nr m
(m = 1, M)
4. X - zbiór numerów ustalonych miejsc rozmieszczenia stacji
dostępowych
5. L - liczba rozmieszczonych stacji dostępowych
Czyli występują M+4 zmienne
Ustalenie zbiorów możliwych wartości zmiennych
1. N ∈ P - liczba użytkowników
2. M ∈ P - liczba potencjalnych miejsc rozmieszczenia stacji
dostępowych
3. Om ⊂ P czyli Om ∈ 2 P \ { Φ } - zbiór numerów użytkowników
mających dostęp do sieci za pośrednictwem stacji

dostępowej nr m (m = 1, M)

4. X ⊂ P czyli Om ∈ 2 P \ { Φ } - zbiór numerów ustalonych miejsc


rozmieszczenia stacji dostępowych
5. L ∈ - liczba rozmieszczonych stacji dostępowych
OPIS ZWIĄZKÓW
I – liczba związków
ρi – symbol związku i = 1, I
• które cechy występują w i-tym związku ?

Yi = < x m i , x m i ,... ..., x m i >


1 2 Pi

• które wartości cech „spełniają” i-ty związek?


Pi

Ri ⊆ XX
p =1
mip tzn. < e 1 ,..., e u >∈ R i ⇔ φ( e 1 ,..., e u )

0
R = {<ρ1, Y1,R 1 >,... ... <ρI , YI ,R I > }
Przykład (cd)
Należy zorganizować akademicką sieć bezprzewodową dla
ustalonych stacjonarnych użytkowników wykorzystując
potencjalne miejsca na umieszczenie stacji dostępowych.
Użytkownicy powinni mieć dostęp do sieci za pośrednictwem
dowolnej ze stacji dostępowych. Organizacja sieci polega na
ustaleniu, w których potencjalnie możliwych miejscach należy
rozmieścić stacje dostępowe. Ze względów ekonomicznych
rozmieszczonych stacji dostępowych powinno być jak najmniej.
1. Do rozmieszczenia stacji można wykorzystać tylko potencjalnie
możliwe miejsca:
X ⊆ {1, 2, ... ..., M}
2. Każda stacja dostępowa „obsługuje” tylko rozpatrywanych
użytkowników:

Om ⊆ {1, 2, ... ..., N} (m = 1, M)


3. Wszyscy użytkownicy muszą mieć zagwarantowany dostęp do
sieci:

UO m
= {1, 2, ... ..., N}
m∈ X

4. Liczba rozmieszczonych stacji dostępowych jest równa liczbie


miejsc ich rozmieszczenia:
L= X

5. Należy rozmieścić jak najmniej stacji dostępowych:


L ⎯⎯⎯
X
→ min
Czyli występuje M+4 związków
MODEL MATEMATYCZNY
0 0 0
f : A → ( X ∪ R)
1−1

0
A - zbiór nazw cech i związków

0 0

lub < X ,R >


KLASYFIKACJA MODELI
MATEMATYCZNYCH
modelowanie decyzja skutki

t
dopływ informacji
Podział cech z punktu widzenia ich znajomości przez
decydenta w chwili podejmowania decyzji:
¾ znane rozłączne
¾ nieznane:
o wpływają na nie inni decydenci
o losowe (z ryzykiem) nie
o rozmyte muszą
o niepewność być
o przybliżone roz-
¾ takie, na które decydent ma wpływ: łącz-
o są treścią decyzji (zmienne decyzyjne) ne
o ważne dla celu modelowania (wskaźniki)
o inne

MODELE – kto decyduje


¾ strategiczne (growe) – są inni decydenci
¾ optymalizacyjne – nie występują inni decydenci
MODELE OPTYMALIZACYJNE – co decydent wie
¾ deterministyczne (twarde)
¾ probabilistyczne/losowe/stochastyczne (w warunkach
ryzyka)
¾ rozmyte (rozmytość)
¾ w warunkach niepewności (niepewność)
¾ ze zbiorami przybliżonymi (przybliżoność)
¾ mieszane
MODELE OPTYMALIZACYJNE – właściwości cech
¾ ciągłe
¾ dyskretne
¾ mieszane
¾ czasowe

MODELE OPTYMALIZACYJNE – właściwości związków


¾ liniowe
¾ nieliniowe
¾ wypukłe
¾ kwadratowe
¾ dynamiczne
¾ inne

MODELE OPTYMALIZACYJNE – język modelu


¾ analityczne
¾ graficzne
¾ wariacyjne
¾ teorii sterowania
¾ grafowe
¾ sieciowe
¾ genetyczne
¾ neuronowe
¾ inne

Powyższe klasyfikacje nie stanowią podziałów!


KONSTRUOWANIE ZADANIA
OPTYMALIZACYJNEGO
wszystkie cechy
0
X

X dane
, a X dec , x X wsk , w
dane zmienne decyzyjne wskaźniki
Przykład (cd)
Podział zmiennych na grupy (ZD & W & D)
1. X ZMIENNA DECYZYJNA (zbiór numerów ustalonych miejsc
rozmieszczenia stacji dostępowych)
2. L WSKAŹNIK (liczba rozmieszczonych stacji dostępowych)
3. N DANA (liczba użytkowników)
4. M DANA (liczba potencjalnych miejsc rozmieszczenia stacji
dostępowych)
5. Om DANA (zbiór numerów użytkowników mających dostęp do

sieci za pośrednictwem stacji dostępowej nr m (m = 1, M) )


Czyli: a =< N, M, O1, O2 , ... ..., OM >
x =< X > ??? pomija się
w =< L > ??? pomija się
0
związki R E a : W ( a ) → {0 , 1}
funkcja oceny osiągnięcia
celu

{Ω(a)} a∈ A
{{W(a,x)} x ∈Ω (a) } a∈ A

zbiór możliwych zbiór dopuszczalnych zbiór przewidywanych


wartości danych wartości zmiennych wartości wskaźników
(tylko D) decyzyjnych (tylko ZD+ew.D) (W+ZD+ew.D)
gdzie: W ( a) = {y ∈ W ( a, x ) : x ∈ Ω( a)}
Przykład (cd)
1. X ⊆ {1, 2, ... ..., M} D+ZD

2. Om ⊆ {1, 2, ... ..., N} (m = 1, M) D

3. UO m
= {1, 2, ... ..., N} D+ZD
m∈ X

4. L = X ZD+W

5. L ⎯⎯⎯
X
→ min ZD+W
Czyli:
M
A = {< N,M, {Om}m=1 >∈ P2 × (2P \ {Φ})M : ∀m = 1,M: Om ⊆ {1, 2,... ...,N} >}
Ω (a) = {X ∈ 2P : X ⊆ {1, 2, ... ..., M} ∧ UO m
= {1, 2, ... ..., N}}
m∈ X

W(a, X) = {L ∈ :L = X}
⎧ 1 gdy L* =

E a (L ) = ⎨
* min
X ∈Ω (a)
W(a, X) = min L(X)
X ∈Ω (a) gdzie: a ∈ A
⎪⎩0 w p.p.
ANALIZA POZIOMU INFORMACYJNEGO

xi - dana (cecha niebędąca zmienną decyzyjną ani wskaźnikiem)

Xi - zbiór możliwych (fizycznie) wartości danej xi


W chwili podejmowania decyzji decydent o danej
x i będzie mógł powiedzieć, że zna:
¾ jej wartość
¾ rozkład prawdopodobieństwa jej wartości
¾ stopień przynależności jej wartości do zbioru Xi
¾ tylko taki zbiórYi , dla którego x i ∈ Yi ⊂ X i
¾ tylko przybliżenie zbioru Yi

x - zmienna decyzyjna (cecha stanowiąca treść decyzji,


decydent bezpośrednio ustala jej wartość)
Nie można mówić o znajomości wartości zmiennej
decyzyjnej w chwili podejmowania decyzji, gdyż jest to
treścią podejmowanej decyzji

Niech x ∈ Ω (a) - zbiór decyzji „twardych”


Możliwe przypadki:
¾ x jest decyzją dopuszczalną
¾ x jest decyzją dopuszczalną z pewnym znanym
rozkładem prawdopodobieństwa
¾ x jest decyzją dopuszczalną tylko w znanym stopniu
¾ x jest nieznanym elementem znanego podzbioru
zbioru Ω (a)
¾ zbiór Ω(a) jest znany w sposób przybliżony
w - wskaźnik (decydentowi zależy na wartości tej cechy i ma na nią
wpływ pośredni poprzez podjętą decyzję)
Nie można mówić o znajomości wartości wskaźnika
w chwili podejmowania decyzji, gdyż jest to skutek
podejmowanej decyzji

W (a, x ) - zbiór wartości wskaźników

Możliwe przypadki:
¾ zbiór W (a, x ) jest znany w chwili podejmowania
decyzji i zawiera wyłącznie jedną liczbę lub wektor
liczbowy
¾ w zbiorze W (a, x ) występują znane rozkłady
zmiennych losowych
¾ w zbiorze W (a, x ) występują znane funkcje
przynależności zmiennych rozmytych
¾ w zbiorze W (a, x ) występują znane zbiory liczbowe
¾ w zbiorze W (a, x ) występują zbiory liczbowe znane
w sposób przybliżony
Ω (a)

decyzje

A W (a, x )

dane wskaźniki
Przykład (cd)
1. Czy decydent w chwili podejmowania decyzji będzie znał
wartość N? (pytanie do przyszłego... decydenta!) TAK
2. Czy decydent w chwili podejmowania decyzji będzie znał
wartość M? TAK
3. Czy decydent w chwili podejmowania decyzji będzie znał
zbiory O1, O2 , ... ..., OM ? NIE
4. A co decydent będzie wiedział o tych zbiorach? Odp.: Dla
każdego potencjalnego miejsca rozmieszczenia stacji
dostępowej będzie wiadomo, którzy użytkownicy na pewno
będą mieli dostęp, a którzy mogą mieć dostęp przy
sprzyjających warunkach propagacji.
Wniosek: Nie jest precyzyjnie znany zbiór
Ω (a) = {X ∈ 2 P : X ⊆ {1, 2, ... ..., M} ∧ UO m
= {1, 2, ... ..., N}}
m∈ X
a tym samym nie wiadomo co oznacza zapis:
⎧ 1 gdy L* =

E a (L ) = ⎨
* min
X ∈Ω (a)
W(a, X) = min L(X)
X ∈Ω (a)

⎪⎩0 w p.p.
W konsekwencji należy uszczegółowić cel modelowania, który
brzmiał:
Opracowanie metody wyznaczania najbardziej ekonomicznej
organizacji sieci, tzn. takiej, przy której zapewnia się dostęp
wszystkich użytkowników do sieci z wykorzystaniem minimalnej
liczby stacji dostępowych.
Nowy cel można przykładowo sformułować następująco:
Opracowanie metody wyznaczania najbardziej ekonomicznej
organizacji sieci, tzn. takiej, przy której zapewnia się dostęp 80%
użytkowników do sieci i umożliwia, w sprzyjających warunkach,
dostęp wszystkim użytkowników, z wykorzystaniem minimalnej
liczby stacji dostępowych.
Wtedy:

1. Zamiast cech Om (m = 1, M) występują cechy Om , Om (m = 1, M)


oznaczające odpowiednio zbiory numerów tych użytkowników,
którzy mają zagwarantowany dostęp ze stacji dostępowej
umieszczonej w miejscu nr m , oraz tych użytkowników, którzy
mogą mieć dostęp do sieci prze tę stację.
2. Ω (a) = {X ∈ 2P : X ⊆ {1, 2, ... ..., M} ∧
4N
∧ U Om ≥ ∧ UO m = {1, 2, ... ..., N}}
m∈ X 5 m∈ X

3. Ponadto dochodzą oczywiste związki między nowymi danymi:

Om ⊆ Om (m = 1, M)
SFORMUŁOWANIE ZADANIA
OPTYMALIZACYJNEGO
Dla danycha∈A
wyznaczyć takie x ∈ Ω( a) ,
*

aby ∀y ∈ W(a, x * ) : E a (y) = 1

Ω( a) - zbiór rozwiązań (dopuszczalnych)


x * - rozwiązanie optymalne

Przykład (cd)
M M
Dla danych a ∈ A = {< N,M, {Om}m=1, {Om}m=1 >∈ P2 × (2P \ {Φ})2M :
∀m = 1,M: Om ⊆ Om ⊆ {1, 2,... ...,N} >}

wyznaczyć takie X * ∈ Ω (a) ,


aby E a (L(X * )) = 1
gdzie: Ω(a) = {X ∈ 2P : X ⊆ {1, 2, ... ..., M} ∧
4N
∧ U Om ≥ ∧ U Om = {1, 2, ... ..., N}}
m∈ X 5 m∈ X

*
⎧ 1 gdy L(X * ) =

E a (L(X )) = ⎨
min
X ∈Ω (a)
L(X)

⎪⎩0 w p.p.
L(X) = X

Jest to zadanie odwołujące się do tzw. teorii zbiorów


przybliżonych
PROBLEMY:
¾ pusty zbiór rozwiązań
¾ zapewnienie istnienia x dla każdego a∈A
*

¾ wieloelementowy zbiór W ( a, x )
¾ elementy zbioru W ( a, x ) nie są uporządkowane
¾ ograniczenia rachunkowe (czas obliczeń, wielkość
pamięci)
¾ brak metod rozwiązywania
¾ koszt uzyskania rozwiązania
¾ inne

You might also like