DATV: Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem
|
|
- Rikke Kristensen
- 7 år siden
- Visninger:
Transkript
1 DATV: Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2004 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse. Opgave skal afleveres seest 7. december 2004 kl i DIKU s 1. delsadmiistratio. Besvarelse skal udarbejdes i grupper på e til tre deltagere. Læs veligst hele opgaveformulerige igeem ide du går igag. Idledig Et IP-problem ka ofte formuleres på mage måder. Selv om de matematisk set er ækvivalete, ka e stærk formulerig være at foretrække, idet de er tættere på det kovekse hylster ideholdede alle IP-løsiger til problemet [8]. Travelig Salesma Problemet (TSP) er et klassisk, svært optimerigsproblem som vi ku ka løse takket være stærke formuleriger af problemet [2, 3, 4, 5]. Opgaves formål er at eksperimetere med forskellige formuleriger af TSP samt at kostruere e simpel brach-ad-cut algoritme. Travelig Salesma Problemet Lad der være givet e komplet graf G V E hvor hver kat i j E har e tilhørede omkostig c i j. Vi atager at problemet ikke ødvedigvis er symmetrisk, dvs. der ka være situatioer hvor c i j c ji. Travelig Salesma Problemet har til opgave at fide de korteste Hamilto kreds i grafe, dvs. e kreds som besøger alle kuder etop ee gag, og som miimerer de tilhørede omkostig af katere. Lad betege atallet af kuder i V. For at formulere problemet som et IP problem, ka ma idføre beslutigsvariablee x i j 1 hvis kat i j idgår i kredse 0 ellers for i j 1. For at gøre skrivemåde emmere vil vi i det følgede atage at x ii 0 for i 1. 1
2 Idet ma skal akomme til hver kude etop ee gag, og skal forlade hver kude ee gag, vil e aiv formulerig af TSP være miimize subject to i 1 i 1 c i j x i j j 1 x i j 1 j 1 (1) x i j 1 i 1 j 1 x i j 0 1 i j 1 Oveståede begræsiger kaldes assigmet begræsiger. Opgave 1 Vis at e LP-optimal løsig til oveståede problem automatisk er heltallig. Desværre er formulerige (1) ikke tilstrækkelig til at løse TSP, idet e optimal løsig til (1) ka ideholde delture. For at forhidre disse foreslog Datzig, Fulkerso og Johso [1] at ma tilføjer følgede delturbegræsiger i S j V S x i j x ji 2 (2) for alle S V hvor 2 S 2. Disse begræsiger kaldes ofte DFJ-begræsiger. Opgave 2 Bevis at ulighedere (2) elimierer alle delture (også delture der er lægere ed 2), og agiv hvor mage uligheder der vil være. Miller, Tucker og Zemli [6] foreslog e formulerig som forhidrer delture, me som ku er polyomielt stor. Idee er at idføre ogle ye variable u i for hver kude, som agiver rækkefølge af kude i ture. Kude 1 har altid u 1 1 og hvis u i k betyder det at kude i er de k te besøgte kude på ture. Ude tab af geeralitet ka vi sætte u 1 1, og dermed må 2 u i for alle øvrige kuder i V 1. Edvidere skal vi kræve at hvis kat i j beyttes i ture, så skal u j u i 1 (3) for alle i 1 og j 2 hvor i j. Disse begræsiger kaldes MTZ-begræsiger. Opgave 3 Formuler MTZ begræsigere som IP-model. Agiv hvor mage uligheder der vil være. Tilføj e rutie som geererer ulighedere i programmet. Opgave 4 Løs problemet med begge formuleriger (DFJ og MTZ), ved brug af rammeprogrammet beskrevet sidst i opgave. Agiv modelles størrelse (i bytes), samt løsigstid for CPLEX. 2
3 Trods MTZ formuleriges polyomielle størrelse, er der i litterature ikke rapporteret avedelser af dee model som kue løse TSP problemer med mere ed 50 kuder. Dette skyldes at MTZ formulerige er svagere ed DFJ formulerige som vi vil askueliggøre i æste opgave. Opgave 5 Lad C være e kreds i grafe, og S c at begræsigere (2) medfører at V mægde af kuder der idgår i kredse. Vis x i j S c 1 (4) i S c j S c Summer begræsigere (3) formuleret som IP-model over alle kater i j C. Vis at ma dermed får ulighede S x i j c S c (5) 1 i j C Hvilke af ulighedere er stærkest, og hvilke af formulerigere ville ma derfor foretrække? Opgave 6 Fid de edre græseværdi for alle istaser af type ved brug af: assigmet -begræsigere alee assigmet -begræsigere og MTZ-begræsigere Begge relakseriger løses til LP-optimalitet. Rapporter køretid og edre græseværdi for hver istas og for hver af de relakseriger. Vi vil u udvikle e simpel cuttig plae algoritme til at fide e edre græseværdi til TSP. 1 Start med e simpel formulerig, der ku ideholder assigmet -begræsigere 2 repeat 3 Løs modelle til LP-optimalitet med CPLEX 4 Separer de mest overtrådte DFJ-begræsig 5 Såfremt ige DFJ-begræsiger er overtrådt, break 6 Tilføj de separerede ulighed til modelle 7 forever 8 Udskriv de edre græseværdi Opgave 7 Beskriv og implemeter e polyomiel algoritme, som i liie 4 ka separere de mest overtrådte DJF-begræsig (2). Agiv algoritmes køretid i store-o otatio. Opgave 8 For alle istaser af type fid e edre græseværdi ved at bruge oveståede cuttig plae algoritme. Rapporter køretid og edre græseværdi for hver istas. 3
4 For at fide e IP-optimal løsig til TSP problemet må oveståede cuttig plae algoritme kombieres med e brach-ad-boud algoritme. De resulterede brach-ad-cut algoritme ka i pricippet kostrueres på to måder: 1 Ma separerer samtlige overtrådte DFJ-begræsiger ide brach-ad-boud algoritme forgreer på e variabel. 2 Brach-ad-boud algoritme løser problemet til IP-optimalitet ide æste DFJ-begræsig separeres. Opgave 9 Løs så store problemer af type som muligt med begge variater af brachad-cut algoritme. Rapporter køretid, atal cuts geereret, og atal brach-ad-boud kuder besøgt. Opgave 10 Diskuter forskelle på de to brach-ad-cut algoritmer, og foreslå forbedriger. Istaser Følgede istaser er (med få udtagelser) hetet fra TSPLIB hjemmeside [9] og koverteret til et format der er emt at idlæse. Alle istaser fides på kursets hjemmeside. 4
5 istas beskrivelse 5 rad5 tilfældigt geererede katvægte 10 rad10 tilfældigt geererede katvægte 8 borholm afstade mellem otte byer på Borholm 14 burma14 14 byer i Burma, geografisk afstad 17 gr17 17 byer i Tysklad 21 gr21 21 byer i Tysklad 24 gr24 24 byer i Tysklad 48 gr48 48 byer i Tysklad 120 gr byer i Tysklad 29 bays29 29 byer i Bayer (street distace) 29 bayg29 29 byer i Bayer (geographic distace) 42 swiss42 42 byer i Schweiz (Fricker) 17 br17 asymmetrisk TSP (Repetto) 34 ftv33 asymmetrisk TSP (Fischetti) 36 ftv35 asymmetrisk TSP (Fischetti) 39 ftv38 asymmetrisk TSP (Fischetti) 45 ftv44 asymmetrisk TSP (Fischetti) 48 ftv47 asymmetrisk TSP (Fischetti) 56 ftv55 asymmetrisk TSP (Fischetti) 71 ftv70 asymmetrisk TSP (Fischetti) 171 ftv170 asymmetrisk TSP (Fischetti) 48 ry48p asymmetrisk TSP (Fischetti) 323 rbg323 Stacker crae applicatio (Ascheuer) 358 rbg358 Stacker crae applicatio (Ascheuer) 403 rbg403 Stacker crae applicatio (Ascheuer) 443 rbg443 Stacker crae applicatio (Ascheuer) 535 si535 TSP (M. Hofmeister) 1032 si1032 TSP (M. Hofmeister) De optimale løsigsværdi er agivet i hovedet af de fleste istaser. De ederste istaser kræver at programmets tabeller udvides. Noter Til opgave beyttes et rammeprogram som er skrevet i C og som varetager kommuikatioe med CPLEX. Da der ku er ogle få CPLEX-liceser til rådighed på DIKU, vil rammeprogrammet højst bruge CPLEX i 60 sekuder, hvorpå licese frigives. CPLEX liceser er tilgægelige på Liux pc er samt SUN maskier. For at beytte CPLEX er det ødvedigt at tilføje følgede liie i si fil.!#"$ %#& #'% ( )*+( %#)#,-%-*%*.-( /1032#(4 eller på de ye maskier: 5
6 !#"$ % )#.%*.-(/%*.-(/ %-*%*#.-(/ 032#(4 Rammeprogrammet fides på kursets hjemmeside samme med e makefil til at oversætte det. Der beyttes et meget simpelt iterface til CPLEX: IP-modelle skrives til e fil hvorpå rammeprogrammet kalder CPLEX med file som iddata. Det ka være hesigtsmæssigt at tilføje sit eget logi-av til dee fil, for at udgå koflikt med adre brugere. Det simple iterface gør det emt at fide fejl i IP-modelle, idet ma ka avede CPLEX iteraktivt med de geererede iput fil: Skriv 1 i kommadoliie, og idlæs datafile med. Såfremt der er sytaxfejl i IP-modelle vil CPLEX rapportere disse. Ellers kaldes og CPLEX vil rapportere om modelle er ubegræset ( ubouded ), har et tomt løsigsrum ( ifeasible ), eller ligede. Bemærk at edb-afdelige er ved at istallere ye førstedelsmaskier, hvilket måske ka give problemer med afviklig af CPLEX på disse. Start derfor på opgave i god tid. E liste over tilgægelige 1-dels maskier ka fås med kommadoe., Litteratur [1] G. B. Datzig, D. R. Fulkerso, ad S. M. Johso, Solutio of a Large-Scale Travelig Salesma Problem, Operatios Research, 2 (1954) [2] bico/, home page of Bill Cook at Rice Uiversity. [3] [4] E. Lawler, J. K. Lestra, A. H. G. Riooy Ka, ad D. B. Shmoys, eds., The Travelig Salesma Problem: A Guided Tour of Combiatorial Optimizatio, Wiley, Chichester, UK, 1985 [5] A. Lagevi, F. Soumis, ad J. Desrosiers, Classificatio of travellig salesma formulatios, Oper. Res. Lett., 9 (1990), pp [6] C. E. Miller, A. W. Tucker, ad R. A. Zemli, Iteger programmig formulatios ad travelig salesma problems, J. ACM, 7 (1960), pp [7] M. Padberg, ad T.-Y. Sug, A aalytical compariso of differet formulatios of the travellig salesma problem, Math. Programmig, 52 (1991), pp [8] L. A. Wolsey, Iteger Programmig, Wiley, Chichester, UK, [9] [10] kevi/dissert/ode11.html 6
Introduktion til optimering og operationsanalyse. Asymmetric Traveling Salesman Problem
Itroduktio til optimerig og operatiosaalyse Asymmetric Travelig Salesma Problem David Pisiger, Efterår 2003 Dette er de ade obligatoriske projektopgave på kurset Itroduktio til optimerig og operatiosaalyse.
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Bin Packing Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Bi Packig Problemet David Pisiger, Projektopgave 2 Dette er de ade obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig og operatiosaalyse.
Læs mereDATV: Introduktion til optimering og operationsanalyse, 2007. Følsomhed af Knapsack Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig
Læs mereKvadratisk 0-1 programmering. David Pisinger
Kvadratisk - programmerig David Pisiger 27-8 MAX-CUT problemet Givet e ikke-orieteret graf G = (V, E) er MAX-CUT problemet defieret som MAX-CUT = {< G > : fid et sit S, T i grafe G som maksimerer atal
Læs mereSprednings problemer. David Pisinger
Spredigs problemer David Pisiger 2001 Idledig Jukfood A/S er e amerikask kæde af familierestaurater der etop er ved at etablere sig i Damark. E massiv reklamekampage med de to slogas vores fritter er de
Læs mereDATV: Introduktion til optimering og operationsanalyse, Følsomhed af Knapsack Problemet
DATV: Itroduktio til optimerig og operatiosaalyse, 2007 Følsomhed af Kapsack Problemet David Pisiger, Projektopgave 1 Dette er de første obligatoriske projektopgave på kurset DATV: Itroduktio til optimerig
Læs mereBranch-and-bound. Indhold. David Pisinger. Videregående algoritmik, DIKU ( )
Brach-ad-boud David Pisiger Videregåede algoritmik, DIK (005-06) 6 Kvalitet af græseværdifuktioe 3 6. Eksempler på domias....................... 3 7 Kritiske og Semikritiske delproblemer 34 8 Kuste at
Læs mereLøsningsforslag til skriftlig eksamen i Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)
Løsigsforslag til skriftlig eksame i Kombiatorik, sadsylighed og radomiserede algoritmer (DM58) Istitut for Matematik & Datalogi Syddask Uiversitet Madag de 3 Jauar 011, kl. 9 13 Alle sædvalige hjælpemidler
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar 2008 1. Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereAnalyse af algoritmer. Algoritmedesign med internetanvendelser ved Keld Helsgaun. Køretid. Algoritmebegrebet D. E. Knuth (1968)
Algoritmedesig med iteretavedelser ved Keld Helsgau Aalyse af algoritmer Iput Algoritme Output E algoritme er e trivis metode til løsig af et problem i edelig tid 1 2 Algoritmebegrebet D. E. Kuth (1968)
Læs mereIntroduktion til uligheder
Itroduktio til uligheder, marts 0, Kirste Rosekilde Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og
Læs mereAnalyse 1, Prøve maj 2009
Aalyse, Prøve 5. maj 009 Alle hevisiger til TL er hevisiger til Kalkulus (006, Tom Lidstrøm). Direkte opgavehevisiger til Kalkulus er agivet med TLO, ellers er alle hevisiger til steder i de overordede
Læs mereElementær Matematik. Polynomier
Elemetær Matematik Polyomier Ole Witt-Hase 2008 Køge Gymasium Idhold 1. Geerelle polyomier...1 2. Divisio med hele tal....1 3. Polyomiers divisio...2 4. Polyomiers rødder....4 5. Bestemmelse af røddere
Læs mereFormelskrivning i Word 2. Sådan kommer du i gang 4. Eksempel med skrivning af brøker 5. Brøker skrevet med småt 6. Hævet og sænket skrift 6
Dee udgave er til geemkig på ettet. Boge ka købes for kr. 5 hos EH-Mat. E y og udvidet udgave med title»symbol- og formelskrivig«er udkommet september 00. Se mere om de her. Idholdsfortegelse Formelskrivig
Læs mereDe reelle tal. Morten Grud Rasmussen 5. november Se Sætning 3.6 og 3.7 for forskellige formuleringer af egenskaben og dens negation.
De reelle tal Morte Grud Rasmusse 5. ovember 2015 Ordede mægder Defiitio 3.1 (Ordet mægde). pm, ăq kaldes e ordet mægde såfremt: For alle x, y P M gælder etop ét af følgede: x ă y, x y, y ă x @x, y, z
Læs mereMotivation. En tegning
Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget
Læs mereHASTIGHEDSKORT FOR DANMARK VHA. GPS
HASTIGHEDSKORT FOR DANMARK VHA. GPS Ove Aderse xcalibur@cs.aau.dk Istitut for Datalogi Aalborg Uiversitet Harry Lahrma lahrma@pla.aau.dk Trafikforskigsgruppe Aalborg Uiversitet Kristia Torp torp@cs.aau.dk
Læs mereNoter om kombinatorik, Kirsten Rosenkilde, februar Kombinatorik
Noter om ombiatori, Kirste Roseilde, februar 008 Kombiatori Disse oter er e itrodutio til ombiatori og starter helt fra bude, så e del af det idledede er siert edt for dig allerede, me der ommer også hurtigt
Læs mereMatematik A. Højere handelseksamen. Tirsdag den 26. maj 2015 kl hhx151-mat/a
Matematik A Højere hadelseksame hhx151-mat/a-26052015 Tirsdag de 26. maj 2015 kl. 9.00-14.00 Matematik A Prøve består af to delprøver. Delprøve ude hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereDen grådige metode 2
Algoritmedesig 1 De grådige metode De grådige metode Et problem løses ved at foretage e række beslutiger Beslutigere træffes e ad gage i e eller ade rækkefølge Hver beslutig er baseret på et grådighedskriterium
Læs mereMatematikkens mysterier - på et obligatorisk niveau. 7. Ligninger, polynomier og asymptoter
Matematikkes mysterier - på et obligatorisk iveau af Keeth Hase 7. Ligiger, polyomier og asymptoter Hvad er e asymotote? Og hvorda fides de? 7. Ligiger, polyomier og asymptoter Idhold 7.0 Idledig 7.1 Udsag
Læs mereNoter om polynomier, Kirsten Rosenkilde, Marts Polynomier
Noter om polyomier, Kirste Rosekilde, Marts 2006 1 Polyomier Disse oter giver e kort itroduktio til polyomier, og de fleste sætiger æves ude bevis. Udervejs er der forholdsvis emme opgaver, mes der til
Læs merehvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i
Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,
Læs merevejer (med fortegn). Det vil vi illustrere visuelt og geometrisk for (2 2)-matricer og (3 3)-matricer i enote 6.
enote 5 enote 5 Determiater I dee enote ser vi på kvadratiske matricer. Deres type er altså for 2, se enote 4. Det er e fordel, me ikke absolut ødvedigt, at kede determiatbegrebet for (2 2)-matricer på
Læs mereIntroduktion til uligheder
Itroduktio til uligheder Dette er e itroduktio til ogle basale uligheder om det aritmetiske geemsit, det geometriske geemsit, det harmoiske geemsit og det kvadratiske geemsit. Først skal vi ved fælles
Læs mereDefinition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.
Repetitio: Normalfordelige Ladmåliges fejlteori Lektio Trasformatio af stokastiske variable - kkb@math.aau.dk http://people.math.aau.dk/ kkb/udervisig/lf13 Istitut for Matematiske Fag Aalborg Uiversitet
Læs mereSupplerende noter II til MM04
Supplerede oter II til MM4 N.J. Nielse 1 Uiform koverges af følger af fuktioer Vi starter med følgede defiitio: Defiitio 1.1 Lad S være e vilkårlig mægde og (X, d et metrisk rum. E følge (f af fuktioer
Læs mereantal gange krone sker i første n kast = n
1 Uge 15 Teoretisk Statistik, 5. april 004 1. Store tals lov Eksempel: møtkast Koverges i sadsylighed Tchebychevs ulighed Sætig: Store tals lov. De cetrale græseværdisætig 3. Approksimatio af sadsyligheder
Læs mereDagens program. Estimation: Kapitel Eksempler på middelrette og/eller konsistente estimator (de sidste fra sidste forelæsning)
Dages program Estimatio: Kapitel 9.4-9.7 Eksempler på middelrette og/eller kosistete estimator (de sidste fra sidste forelæsig) Ko desiterval for store datasæt kap. 9.4 Ko desiterval for små datasæt kap.
Læs mereNoter om Kombinatorik 2, Kirsten Rosenkilde, februar
Noter om Kombiatori, Kirste Roseilde, februar 008 1 Kombiatori Disse oter itroducerer ogle cetrale metoder som ofte beyttes i ombiatoriopgaver, og ræver et grudlæggede edsab til ombiatori (se fx Kombiatori
Læs mereLys og gitterligningen
Fysik rapport: Lys og gitterligige Forfatter: Bastia Emil Jørgese.z Øvelse blev udført osdag de 25. jauar 202 samme med Lise Kjærgaard Paulse 2 - Bastia Emil Jørgese Fysik rapport (4 elevtimer), februar
Læs mereClaus Munk. kap. 1-3
Claus Muk kap. 1-3 1 Dages forelæsig Grudlæggede itroduktio til obligatioer Betaligsrækker og låeformer Det daske obligatiosmarked Pris og kurs Effektive reter 2 1 Obligatioer Grudlæggede Itro Debitor
Læs mereDagens forelæsning. Claus Munk. kap. 1-3. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro. Obligationer Grundlæggende Intro
Dages forelæsig Grudlæggede itroduktio til obligatioer Claus Muk kap. - 3 Betaligsrækker og låeformer Det daske obligatiosmarked Effektive reter 2 Obligatioer Grudlæggede Itro Obligatioer Grudlæggede Itro
Læs mereGamle eksamensopgaver. Diskret Matematik med Anvendelser (DM72) & Diskrete Strukturer(DM504)
Gamle eksamesopgaver Diskret Matematik med Avedelser (DM72) & Diskrete Strukturer(DM504) Istitut for Matematik& Datalogi Syddask Uiversitet, Odese Alle sædvalige hjælpemidler(lærebøger, otater etc.), samt
Læs mereProjekt 4.8 De reelle tal og 1. hovedsætning om kontinuerte funktioner
Projekter: Kapitel 4 Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Projekt 48 De reelle tal og hovedsætig om kotiuerte fuktioer Kotiuitet og kotiuerte fuktioer Ord som kotiuert og kotiuerlig
Læs mereMatematik A. Studentereksamen. Forberedelsesmateriale. Forsøg med digitale eksamensopgaver med adgang til internettet.
Matematik A Studetereksame Forsøg med digitale eksamesopgaver med adgag til iterettet Forberedelsesmateriale Vejledede opgave Forår 0 til stx-a-net MATEMATIK Der skal afsættes 6 timer af holdets sædvalige
Læs mereLokalplan-, delområde- og byggefeltregler. Plandata.dk
Lokalpla-, delområde- og byggefeltregler Pladata.dk Eksporteret de 30. april 2018 Idholdsfortegelse 1 Lokalpla... 3 2 Delområder og byggefelt... 9 2 1 Lokalpla plaid Alle Nej Plaid skal altid være udfyldt
Læs mereFUNKTIONER del 1 Funktionsbegrebet Lineære funktioner Eksponentialfunktioner Logaritmefunktioner Rentesregning Indekstal
FUNKTIONER del Fuktiosbegrebet Lieære fuktioer Ekspoetialfuktioer Logaritmefuktioer Retesregig Idekstal -klassere Gammel Hellerup Gymasium November 08 ; Michael Szymaski ; mz@ghg.dk Idholdsfortegelse FUNKTIONSBEGREBET...
Læs mereRenteformlen. Erik Vestergaard
Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard
Læs mereNOTAT Det daglige arbejde med blisterpakninger
Sige Friis Christiase 7. maj 2015 NOTAT Det daglige arbejde med blisterpakiger I paeludersøgelse 55 i DSRs medlemspael blev deltagere stillet e række spørgsmål om deres arbejde med blisterpakiger. Afrapporterige
Læs mereProjekt 1.3 Brydningsloven
Projekt 1.3 Brydigslove Når e bølge, fx e lysbølge, rammer e græseflade mellem to stoffer, vil bølge ormalt blive spaltet i to: Noget af bølge kastes tilbage (spejlig), hvor udfaldsvikle u er de samme
Læs mere9. Binomialfordelingen
9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der
Læs mereMeningsmålinger KLADDE. Thomas Heide-Jørgensen, Rosborg Gymnasium & HF, 2017
Meigsmåliger KLADDE Thomas Heide-Jørgese, Rosborg Gymasium & HF, 2017 Idhold 1 Meigsmåliger 2 1.1 Idledig................................. 2 1.2 Hvorda skal usikkerhede forstås?................... 3 1.3
Læs mereUge 37 opgaver. Opgave 1. Svar : Starter med at definere sup (M) og inf (M) :
Uge 37 opgaver Opgave Svar : a) Starter med at defiere sup (M) og if (M) : Kigge u på side 3 i kompedie og aveder aksiom (.3) Kotiuitetsaksiomet A = x i x 2 < 2 Note til mig selv : Har søgt på ordet (iequalities)
Læs mereCensorvejledning engelsk B, HF 2017-læreplan
Cesorvejledig egelsk B, HF 2017-lærepla December 2018 Lie Flitholm, fagkosulet lie.flitholm@stukuvm.dk 33925383 Idholdsfortegelse Cesorvejledig egelsk B, HF 2017-lærepla... 1 Det skriftlige opgavesæt HF
Læs mereBranchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
Læs mere- et værktøj til fejlrettende QR-koder. Projekt 0.3 Galois-legemerne. Indhold. Hvad er matematik? A, i-bog
Projekt 0.3 Galois-legemere GF é ëp û - et værktøj til fejlrettede QR-koder Idhold De karakteristiske egeskaber ved de tre mest almidelige talsystemer, og... De kommutative, associative og distributive
Læs mereBølgefunktioner Alle partikler, som har en hvilemasse, er kendetegnet ved en kompleks bølgefunktion
Modere Fysik 4 Side af 7 Schrödigerligige Forrige to gage: Idførelse af kvatiserigsbegrebet (for lyseergi og for elektroers eergi) samt partikel-bølge-dualitete, hvilket førte til e helt y teori, kvatemekaikke
Læs mereLængde [cm] Der er frit vandspejle i sandkassen. Herudover er sandkassen åben i højden cm i venstresiden og 0-20 cm i højresiden.
Vadtrasportmodel Formål For beregig af vadtrasporte i sadkasse er der lavet e boksmodel. Formålet med boksmodelle er at beskrive vadtrasporte i sadkasse. Herover er formålet at bestemme de hydrauliske
Læs mereog Fermats lille sætning
Projekter: Kaitel 0. Projekt 0. Modulo-regig, restklassegruer og Fermats lille sætig Projekt 0. Modulo-regig, restklassegruere ( { 0 }, ) og Fermats lille sætig Vi aveder moduloregig og restklasser mage
Læs mereAsymptotisk optimalitet af MLE
Kapitel 4 Asymptotisk optimalitet af MLE Lad Y 1, Y 2,... være uafhægige, idetisk fordelte variable med værdier i et rum (Y,K). Vi har givet e model (ν θ ) θ Θ for fordelige af Y 1 (og dermed også for
Læs mereSandsynlighedsteori 1.2 og 2 Uge 5.
Istitut for Matematiske Fag Aarhus Uiversitet De 27. jauar 25. Sadsylighedsteori.2 og 2 Uge 5. Forelæsiger: Geemgage af emere karakteristiske fuktioer og Mometproblemet afsluttes, og vi starter på afsittet
Læs mereHvis man vil lægge 15% til 600, så kan det gøres ved at udregne, hvor meget 15% af 600 er lig med og lægge det til det oprindelige beløb:
0BRetesegig BTæk i femskivigsfaktoe! I dette tillæg skal vi se, at begebet femskivigsfaktoe e yttigt til at fostå og løse foskellige poblemstillige idefo pocet- og etesegig. 3B. Lægge pocet til elle tække
Læs mereVideregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005
Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION
Læs mereUndersøgelse af numeriske modeller
Udersøgelse af umeriske modeller Formål E del af målsætige med dette delprojekt er at give kedskab til de begræsiger, fejl og usikkerheder, som optræder ved modellerig. I de forbidelse er følgede udersøgelse
Læs mereOm Følger og Rækker. Nyttige Grænseværdier. Nyttige Rækker. Carsten Lunde Petersen. lim. lim = 0. lim (1 + x n n )n = e x. n n n.
IMFUFA Carste Lude Peterse Om Følger og Ræer Nyttige Græseværdier lim = 1 lim! = x = 0! lim lim (1 + x ) = e x! lim = e 1 Nyttige Ræer 1 p < p > 1 1 log p ( + 1) < p > 1 x = = x 1 x for x < 1 og Z, diverget
Læs mereTalfølger og -rækker
Da Beltoft og Klaus Thomse Aarhus Uiversitet 2009 Talfølger og -rækker Itroduktio til Matematisk Aalyse Zeos paradoks om Achilleus og skildpadde Achilleus løber om kap med e skildpadde. Achilleus løber
Læs mereProjekt 9.1 Regneregler for stokastiske variable middelværdi, varians og spredning
Hvad er matematik? Projekter: Kaitel 9 Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Projekt 9 Regeregler for stokastiske variable middelværdi, varias og sredig Sætig : Regeregler
Læs mereMikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007
Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M
Læs mereTermodynamik. Indhold. Termodynamik. Første og anden hovedsætning 1/18
ermodyamik. Første og ade hovedsætig /8 ermodyamik Idhold. Isoterme og adiabatiske tilstadsædriger for gasser...3 3. ermodyamikkes. hovedsætig....5 4. Reversibilitet...6 5. Reversibel maskie og maksimalt
Læs mere1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2
Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval
Læs merePrisfastsættelse af digitale goder - Microsoft
Iteretøkoomi: risfastsættelse af digitale goder Afleveret d. 9 maj 003 Af Julie ech og Malee Aja org risfastsættelse af digitale goder - Microsoft Af Julie ech og Malee Aja org.0.0 DIGITALE GODER....0.0
Læs mereDK / -- MAG SYSTEM. Gulvrengøring
DK / -- MAG SYSTEM Gulvregørig Mag System Kocept 2 www.vermop.com Di fordel Mag System Iovativt og ekeltståede Mag System fra VERMOP står for e helt y måde at fiskere vaskbetræk på fremførere (eller skaftet)
Læs mereProjekt 3.2 Anlægsøkonomien i Storebæltsforbindelsen. Indhold. Hvad er matematik? 1 ISBN
Projekt 3.2 Alægsøkoomie i Storebæltsforbidelse Dette projekt hadler, hvorda økoomie var skruet samme, da ma byggede storebæltsforbidelse. Store alægsprojekter er æste altid helt eller delvist låefiasieret.
Læs mereCykelfysik. Om udveksling og kraftoverførsel
Cykelfysik 1/7 Cykelfysik Om udvekslig og kaftoveføsel Idhold 2. Kaftoveføsel og abejde...2 3. Abejde ved cykelkøsel...4 4. Regeeksemple fo e acecykel...5 5. Det e hådt at køe op ad bakke...6 6. Simple
Læs mereBjørn Grøn. Analysens grundlag
Bjør Grø Aalyses grudlag Aalyses grudlag Side af 4 Idholdsfortegelse Kotiuerte og differetiable fuktioer 3 Differetial- og itegralregiges udviklig 5 3 Hovedsætiger om differetiable fuktioer 8 Opgaver til
Læs mereUdtrykkelige mængder og Cantorrækker
Udtrykkelige mægder og Catorrækker Expressible sets ad Cator series Matematisk speciale Simo Bruo Aderse 20303870 Vejleder: Simo Kristese Istitut for Matematik Aarhus Uiversitet 208 Abstract This thesis
Læs mereBachelorprojekt for BSc-graden i matematik
D E T N A T U R V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T Bachelorprojekt for BSc-grade i matematik Mikkel Abrahamse & Sue Precht Reeh Ekstremal grafteori Vejleder:
Læs mereEstimation ved momentmetoden. Estimation af middelværdiparameter
Statistik og Sadsylighedsregig 1 STAT kapitel 4.2 4.3 Susae Ditlevse Istitut for Matematiske Fag Email: susae@math.ku.dk http://math.ku.dk/ susae Estimatio ved mometmetode Idimellem ka det være svært (eller
Læs mereForslag til besvarelser af opgaver m.m. i ε-bogen, Matematik for lærerstuderende
Forslag til besvarelser af opgaver m.m. i ε-boge, Matematik for lærerstuderede Dette er førsteudgave af opgavebesvarelser udarbejdet i sommere 008. Dokumetet ideholder forslag til besvarelser af de fleste
Læs merecos(t), v(t) = , w(t) = e t, z(t) = e t.
Aalyse Øvelser Rasmus Sylvester Bryder. og. oktober 3 Bevis for Cotiuity lemma Theorem. Geemgås af Michael Staal-Olse. Bevis for Lemma.8 Dee har vi faktisk allerede vist; se Opgave 9.5 fra Uge. Det er
Læs mereBaggrundsnote til sandsynlighedsregning
Baggrudsote til sadsylighedsregig Kombiatorik. Multiplikatiospricippet E mægde beståede af forskellige elemeter kaldes her e -mægde. Elemetere i e m-mægde og elemetere i e -mægde ka parres på i alt m forskellige
Læs mereTankegangskompetence. Kapitel 9 Algebraiske strukturer i skolen 353
Takegagskompetece Hesigte med de følgede afsit er først og fremmest at skabe klarhed over de mere avacerede regeregler i skole og give resultatet i de almee form, der er karakteristisk for algebra. Vi
Læs mereProjekt 9.10 St. Petersborg paradokset
Hvad er matematik? ISBN 978877066879 Projekt 9.0 St. Petersborg paradokset. De store tals lov & viderchacer I grudboges kapitel 9 omtales de store tals lov, som ka formuleres således: Hvis e spiller i
Læs mereTIMEGLASSETS FASER: Introen er et foto og nogle spørgsmål til hele kapitlet. Meningen med introen er, at du og
TIMEGLASSETS FASER: INTRO Itroe er et foto og ogle spørgsmål til hele kapitlet. Meige med itroe er, at du og di klasse skal få e ide om, hvad kapitlet hadler om, og hvad I skal lære. Prøv at svare på spørgsmålee
Læs mereEt træ med x blade.. h lg(x) DVS. decision-træet vil en maks højde på lg n! blade. lg(n!) >= n*lg(n) -1.5n = Ө(n*lg(n))
DM19 1. Iformatio-theoretic lower bouds kap. 8 + oter. Ma ka begræse de teoretiske græse for atallet af sammeligiger der er påkrævet for at sortere e liste af tal. Dette gøres ved at repræsetere sorterig-algoritme
Læs mereIntroduktion. Ide, mål og formål
Itroduktio Dette er e itroduktio til forskigs- og udvikligsprojektet Udviklig af e eksemplarisk participatorisk model for implemeterig af redskaber til opsporig og tidlig idsats i relatio til potetielt
Læs mereBilag 5: DEA-modellen Bilaget indeholder en teknisk beskrivelse af DEA-modellen
Bilag 5: DEA-odelle Bilaget ideholder e teis besrivelse af DEA-odelle FRSYNINGSSERETARIATET FEBRUAR 2013 INDLEDNING... 3 INPUTSTYRET DEA-MDEL... 3 UTPUTSTYRET DEA-MDEL... 7 SALAAFAST... 12 2 Idledig Data
Læs mereSandsynlighedsregning
Sadsylighedsregig E ote om sadsylighedsregig. Via basal sadsylighedsregig gøres læsere klar til forstå biomialfordelige. Herik S. Hase, Sct. Kud Versio 5.0 Opgaver til hæftet ka hetes her. PDF Facit til
Læs mereEGA Vejledning om EGA og monotont arbejde
EGA og mootot arbejde 04/09/02 14:27 Side 1 Orgaisatioer repræseteret i Idustries Brachearbejdsmiljøråd: Arbejdstagerside: Arbejdsgiverside: Dask Metal Specialarbejderforbudet Kvideligt Arbejderforbud
Læs mereAnalyse 1, Prøve maj Lemma 2. Enhver konstant funktion f : R R, hvor f(x) = a, a R, er kontinuert.
Alyse, Prøve. mj 9 Alle hevisiger til TL er hevisiger til Klkulus 6, Tom Lidstrøm. Direkte opgvehevisiger til Klkulus er givet med TLO, ellers er lle hevisiger til steder i de overordede fsit. Hevises
Læs mereVejledende besvarelser til opgaver i kapitel 15
Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry
Læs mereDen flerdimensionale normalfordeling
De flerdimesioale ormalfordelig Stokastiske vektorer Ved e stokastisk vektor skal vi forstå e vektor, hvor de ekelte kompoeter er sædvalige stokastiske variable. For de stokastiske vektor Y = Y,..., Y
Læs mereMAG SYSTEM. Gulvrengøring
DK MAG SYSTEM Gulvregørig Mag system Kocept E fremfører for alt. Det er helt yt: Ved Mag-systemet passer e fremfører til alle moptyper. Således ka de optimale arbejdsbredde, tekstilkvalitet og regørigsmetode
Læs mereSituationen er illustreret på figuren nedenfor. Her er også afsat nogle eksempler: Punktet på α giver anledning til punktet Q
3, 45926535 8979323846 2643383279 50288497 693993750 5820974944 592307864 0628620899 8628034825 34270679 82480865 3282306647 0938446095 505822372 535940828 4874502 84027093 85205559 6446229489 549303896
Læs mereBekendtgørelse om takstændringer i offentlig servicetrafik i trafikselskaber og hos jernbanevirksomheder m.v. (takststigningsloftet)
Oversigt (idholdsfortegelse) Bilag 1 Bilag 2 Bilag 3 De fulde tekst Bekedtgørelse om takstædriger i offetlig servicetrafik i trafikselskaber og hos jerbaevirksomheder m.v. (takststigigsloftet) I medfør
Læs mereIntroduktion til Optimering. DIKU, 4 timers skriftlig eksamen, 13. april 2007
Itroduktio til Optimerig DIKU, 4 timers skriftlig eksame, 13. april 2007 Ket Aderse, David Pisiger Alle hjælpemidler må beyttes dog ikke lommereger eller computer. Besvarelse ka udarbejdes med blyat eller
Læs mereSymmetrisk Traveling Salesman Problemet
Symmetrisk Traveling Salesman Problemet Videregående Algoritmik, Blok 2 2008/2009, Projektopgave 2 Bjørn Petersen 9. december 2008 Dette er den anden af to projektopgaver på kurset Videregående Algoritmik,
Læs mereVejledning til at udfylde skema: Ændring i budgettet: Beskrivelsen fra budgetændringen. Her tilføjes SBSYS sagsnummer.
Sagsr. 00.01.00-A00-63-14 Dato 9-6-2015 Sagsbehadler Aette Wedt Opfølgig på budget 2015 Sudheds- og psykiatriudvalget Nedeståede oversigt viser de pukter på Sudheds- og psykiatriudvalget, som der formelt
Læs merex-klasserne Gammel Hellerup Gymnasium
SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasium Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 SANDSYNLIGHEDSFELT... 3 DE STORE TALS LOV... 4 Sadsyligheder og frekveser:... 4 STOKASTISK
Læs mere29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.
Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer
Læs mereBilag 17, PIE tillæg - Særlige krav til revision af PIE virksomheder
Bilag 17, PIE læg - Særlige krav revisio af PIE virksomheder A. Revisiospåtegig 1. Er det i revisiospåtegige agivet, af hvem der er udpeget som revisor? Edvidere hvorår og hvor læge de har være udpeget?
Læs mereDe Platoniske legemer De fem regulære polyeder
De Platoiske legemer De fem regulære polyeder Ole Witt-Hase jauar 7 Idhold. Polygoer.... Nogle topologiske betragtiger.... Eulers polyedersætig.... Typer af et på e kugleflade.... Toplasvikle i e regulær
Læs mereStatistik Lektion 8. Parrede test Test for forskel i andele Test for ens varians Gensyn med flyskræk!
Statistik Lektio 8 Parrede test Test for forskel i adele Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og kviders
Læs mereTest i to populationer. Hypotesetest for parrede observationer Test for ens varians Gensyn med flyskræk!
Test i to populatioer Hypotesetest for parrede observatioer Test for es varias Gesy med flyskræk! Afhægige og uafhægige stikprøver Ved e uafhægig stikprøve udtages e stikprøve fra hver gruppe.. Mæd og
Læs mereGeorg Mohr Konkurrencen Noter om uligheder. Søren Galatius Smith
Georg Mohr Kokurrece Noter om uligheder Søre Galatius Smith. juli 2000 Resumé Kapitel geemgår visse metoder fra gymasiepesum, som ka bruges til at løse ulighedsopgaver, og ideholder ikke egetligt yt stof.
Læs mereog Fermats lille Projekt 0.4 Modulo-regning, restklassegrupperne sætning ..., 44, 20,4,28,52,... Hvad er matematik? 3 ISBN
Projekt 0.4 Modulo-regig, restklassegruppere sætig ( p 0, ) og Fermats lille Vi aveder moduloregig og restklasser mage gage om dage, emlig år vi taler om tid, om hvad klokke er, om hvor lag tid der er
Læs mere6 Populære fordelinger
6 Populære fordeliger I apitel 4 itroducerede vi stoastise variabler so e åde at repræsetere udfald af et esperiet på. De stoastise variabler ue være både disrete (fx terigslag) og otiuerte (fx vareægder).
Læs mereBlisterpakninger i det daglige arbejde
Bettia Carlse Marts 2013 Blisterpakiger i det daglige arbejde I paeludersøgelse 35 1 har 1.708 beskæftigede sygeplejersker besvaret e række spørgsmål om (hådterige af) blisterpakiger i det daglige arbejde.
Læs mereBranchevejledning. ulykker indenfor. godschauffør. området. Branchearbejdsmiljørådet for transport og engros
Brachevejledig ulykker idefor godschauffør området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse
Læs mere