Del A: Diskret optimering og heuristiske metoder Leksjon 3
|
|
- Alexandra Ellingsen
- 5 år siden
- Visninger:
Transkript
1 Del A: Dskret optmerng og heurstske metoder Leksjon 3 Sjefsforsker Ger Hasle SINTEF Anvendt matematkk, Oslo!"# Eksempler på DOP Alternatve formulernger Defnsjon nabolag, -operator Lokalsøk Defnsjon lokalt optmum Eksakt nabolag Prosedyre for lokalsøk Traverserng av nabolagsgraf Kommentarer, ulemper, hovedutfordrng TMA Ger Hasle - Leksjon 3 2
2 $%&'( x, j a hvs by j følger rett etter by = 0 ellers ankomsttd node n j= n = n n mn c x s.a. = j=,j,j,j,j x = =,,n x = j =,,n e a l =,,n ( ) a x a + s + c j,j,j Hvordan gs en problemnstans? Hvordan kan løsnng representeres? Hva er mengden S? Er modellen rktg? Subtur-elmnerng mangler! TMA Ger Hasle - Leksjon 3 3 )% *%+&*,&$-./ */ strategy s Frst Accept or Best Accept current=int_soluton(s) */ ncumbent:=current unødvendg rent LS local_optmum:=false whle not local_optmum do (current,local_optmum):= Search_the_Neghborhood (current,n(current),f,strategy) f local_optmum return current od TMA Ger Hasle - Leksjon 3 4 2
3 &*++-0,*-0$./ best_neghbor:=current for n n Neghbors do f f(n) < f(best_neghbor) then assumng mn f strategy= Frst Accept then return (n,false) else best_neghbor:=n */ strategy s Best Accept f f od return (best_neghbor,best_neghbor=current) */ Returns structure (current,local_optmum) TMA Ger Hasle - Leksjon 3 5 ) Implementer lokalsøk dn favorttomgvelse ntalløsnng operator, nabolag søkestrateg stoppkrterum loggng Ryggsekkproblemet Instanser fns på web-sdene (se neste slde) Foreta ekspermenter! ulke startløsnnger hvor mange lokale optma? kvaltet på lokale optma? TMA Ger Hasle - Leksjon 3 6 3
4 .#2"3 n j= n max v x s.a. x = c x C { 0,} Idaho20 n 20 C 2.5 f* s* (slakk 0.02) v c lokale optma, verd fra () tl 4.976(76) bassengstørrelse, størrelse på nedslagsområde fra tl 464 TMA Ger Hasle - Leksjon 3 7 &4%$2"3 LO Value LO Value Frequency TMA Ger Hasle - Leksjon 3 8 Frequency 4
5 .#2"35 n j= n max v x s.a. x = c x C { 0,} Idaho20ex n 20 C 2.5 f* s* (slakk 0.03) v c lokale optma, verd fra () tl 4.976(288) bassengstørrelse, størrelse på nedslagsområde fra tl 024 TMA Ger Hasle - Leksjon 3 9 &4%2"35 LO Value Frequency TMA Ger Hasle - Leksjon
6 !6# Tlfeldg søk Smulert herdng Terskelakseptanse TMA Ger Hasle - Leksjon 3 78.# n n max v x s.a. j= x = c x C { 0,} Idaho20 n 20 C 2.5 f* s* (slakk 0.06) v c lokale optma, verd fra () tl (76) bassengstørrelse, størrelse på nedslagsområde fra tl 464 TMA Ger Hasle - Leksjon 3 2 6
7 &4% %%0% Kostnad Løsnngsrom TMA Ger Hasle - Leksjon 3 3 9%%% & # % Restart av lokalsøk fra andre løsnnger Tlfeldg valg av neste løsnng Tllate flytt tl dårlgere løsnnger determnstsk probablstsk Mnne hvlke løsnnger er besøkt før? unngå å besøke dem gjen Varere mellom ulke nabolag Endre søkelandskapet TMA Ger Hasle - Leksjon 3 4 7
8 ,:% / søkestrateger for å unnslppe lokale optma ntrodusert tdlg 80-tallet betydelg suksess løsnng av DOP analoger fra fyskk, bolog, menneskelge hjerne, menneskelg problemløsnng mange varanter TMA Ger Hasle - Leksjon Smulated Annealng (SA, smulert herdng) Threshold Acceptng (TA, terskelakseptanse) Genetc Algorthms (GA, genetske algortmer) Memetc Algorthms (MA, memetske algortmer) Evolutonary Algorthms (EA, Evolusjonære algortmer) Dfferental Evoluton (DE, dfferensell evolusjon) Ant Colony Optmzaton (ACO, maurkolonoptmerng) Scatter Search (SS, sprednngssøk) Path Relnkng (PR,?) Tabu Search (TS, tabusøk) Guded Local Search (GLS, styrt lokalsøk) Greedy Randomzed Adaptve Search (GRASP,?) Iterated Local Search (ILS, terert lokalsøk) Varable Neghborhood Descent / Search (VND/VNS, varabelt nabolagsnedstgnng / søk) Neural Networks (NN, nevrale nett) TMA Ger Hasle - Leksjon 3 6 8
9 ;<$!;,% =>%./ En metaheurstkk er en teratv genererngsprosess som styrer en underlggende heurstkk ved å kombnere (på en ntellgent måte) ulke strateger for å utforske og utnytte søkerom (og lærngsstrateger) for å fnne nær-optmale løsnnger på en effektv måte TMA Ger Hasle - Leksjon 3 7 ;<$!;,%:%=>*0/ Løsnngsmetoder som benytter nteraksjon mellom lokale forbedrngsprosedyrer (lokalsøk) og strateger på høyere nvå for å unnslppe lokale optma og sørge for et robust søk et søkerom TMA Ger Hasle - Leksjon 3 8 9
10 ?%%4 %$%4,;&*;/ Procedure Random_Search(f,N,Stop,ntal) begn current:=ncumbent:=ntal; whle not Stop() do begn current:=random_soluton(n(current)) f f(current) < f(ncumbent) then begn ncumbent:=current; end end return ncumbent; end Stoppkrterer? TMA Ger Hasle - Leksjon 3 9?%%4 %$%,; <*;/ Procedure Random_Descent(f,N,Stop,ntal) begn new_soluton:=current:=ncumbent:=ntal whle not Stop() do begn Neghbors:=N(current) whle not Stop() and f(new_soluton) >=f(current) do end begn end new_soluton:=random_soluton(neghbors) current:=new_soluton f f(current) < f(ncumbent) then ncumbent:=current return ncumbent end TMA Ger Hasle - Leksjon
11 '0%%%4 # % Mål unnslppe lokale optma unngå løkker Akseptere dårlgere løsnng Tlfeldghet Metaheurstkken Smulert herdng (Smulated Annealng, SA) bruker dsse strategene TMA Ger Hasle - Leksjon 3 2 &%,&%%&/ Insprert av statstsk termodynamkk (nedkjølng av smeltet materale) Brukt optmerng 20 år (Krkpatrck et al 983) Bygget på lokalsøk (varant av Random Search/Random Descent) Enkel å mplementere Mye ltteratur Konvergerer mot globalt optmum under svake antakelser Men som oftest sakte... TMA Ger Hasle - Leksjon 3 22
12 &% Metropols et al (953) algortme for å smulere energendrnger av fysske systemer under nedkjølng Krkpatrck et al (983) foreslo å bruke samme type smulerng tl å søke brukbare løsnnger for DOP TMA Ger Hasle - Leksjon 3 23 &# % Termodynamkk Systemtlstand Energ Tlstandsendrng Temperatur Slutt-tlstand Dskret optmerng Tllatt løsnng Kostnad Flytt tl naboløsnng Kontrollparameter Slutt-løsnng TMA Ger Hasle - Leksjon
13 &%,&/ Kan uttrykkes som strateg for valg nabolag basalt lokalsøk: Procedure Local_Search(Int_Sol,N,f,Strategy,Stop_Crteron) */ Strategy = SA ncumbent:=current:= Int_Sol() Repeat current:=select_sa_neghbor(f,current,n(current),stop_crteron) f f(current)< f(ncumbent) then ncumbent :=current Untl Stop_Crteron() return ncumbent TMA Ger Hasle - Leksjon 3 25?%$%.& Modfsert Random Descent Velger tlfeldg løsnng nabolag Aksepterer denne ubetnget, hvs bedre løsnng enn nåværende med vss, endelg sannsynlghet hvs dårlgere Sannsynlghet styres av kontrollparameter (temperatur) Unngår å stte fast lokalt optmum TMA Ger Hasle - Leksjon
14 ?%$%.& Procedure Select_SA_Neghbor (f,current,neghbors,stop_crteron) */ Strategy s Smulated Annealng begn :=Random_Element(Neghbors) delta := f() - f(current) */ Her er det rom for forbedrng... f delta < 0 or Random(0,) < exp(-delta/t) then return else return current end TMA Ger Hasle - Leksjon 3 27 & %%4 e t Tlfeldg nabolagssøk Lokalsøk (Random Descent) t = t 0 TMA Ger Hasle - Leksjon
15 &# ntell kontrollvarabel t 0 (høy verd) ndre stoppkrterum: et antall terasjoner med samme kontrollvarabel så reduksjon t+ = α( t ) nedkjølngsplan ( coolng schedule ) stoppkrterer f.eks mnmumstemperatur gjentakelse løsnngskvaltet og hastghet avhengg av valg nabolagsstruktur vktg TMA Ger Hasle - Leksjon 3 29 &@. Procedure Smulated_Annealng (f,n,stop_crteron,t0,nrep,alpha) ncumbent:=current:= Fnd_Intal_Soluton() t:=t0 Repeat for := to Nrep do */ Several teratons wth one t value begn current :=Select_SA_Neghbor(f, current,n(sol),ncumbent,t) f f(current) < f(ncumbent) then ncumbent:= current end t:=alpha(t) Untl Stop_Crteron() return ncumbent */ Coolng TMA Ger Hasle - Leksjon
16 &%.& Modell: tlstandsoverganger søkerommet Overgangssannsynlgheter [p j ] mellom løsnnger Kun avhengg av og j: homogen Markovkjede Når alle overgangssannsynlgheter er endelge, vl SA-søket konvergere mot en stasjonær fordelng som er uavhengg av startløsnngen. Når temperaturen går mot null vl denne fordelngen gå mot en unform fordelng over de globale optma. Statstsk garant for at SA fnner globalt optmum I prakss: eksponensell kjøretd for å garantere optmum TMA Ger Hasle - Leksjon 3 3 & heurstsk approksmasjonsalgortme oppførsel sterkt avhengg av nedkjølngsplan teor: ønskelg med eksponenselt antall terasjoner ved hver temperatur prakss: stort antall terasjoner, få temperaturer lte antall terasjoner, mange temperaturer TMA Ger Hasle - Leksjon
17 geometrsk rekke t = at, = 0, +, K a < ( ) antall repetsjoner kan vareres adaptvtet: varabelt antall trekk før temperaturreduksjon ekspermenterng nødvendg TMA Ger Hasle - Leksjon 3 33 &@:%0% Nedkjølngsplan basert på maksmal forskjell mellom løsnnger nabolag antall repetsjoner ved hver temperatur reduksjonsraten Adaptvt antall repetsjoner flere repetsjoner for lavere temperaturer antall aksepterte flytt, men maksmalgrense Svært lave temperaturer er unødvendg Nedkjølngsrate er vktgere enn nedkjølngsmetode TMA Ger Hasle - Leksjon
18 Vktge mål Responstd Kvaltet på løsnng Vktge valg Løsnngsrom hva med kke-tllatte løsnnger? Nabolagsstruktur Kostnadsfunksjon straff for brudd på førnger approksmasjon Ovenstående vktg for alle lokalsøk-baserte metaheurstkker! Nedkjølngsplan TMA Ger Hasle - Leksjon 3 35 &@?%0% Størrelse Varasjon størrelse Topolog Symmetr Sammenheng: Enhver løsnng kan nås fra enhver annen Topograf Spkre Platåer Dype lokale optma Nabolag og kostnadsfunksjon TMA Ger Hasle - Leksjon
19 &# A Tlfeldg valg av nabo reduksjon av nabolag Evaluerng av objektv dfferanse uten full beregnng approksmasjon Akseptansebeslutnng forenklnger TMA Ger Hasle - Leksjon 3 37 B%&.&' Søkerom (n-)!/2 Nabolag: 2-opt n(n-)/2 Sammenhengende Enkel representasjon av flytt Naturlg kostnadsfunksjon Dfferanse (delta-verd) enkel å beregne Generalserng: k-opt TMA Ger Hasle - Leksjon
20 Testproblemer Testbenk Vsualserng av løsnng Verder på kostnad / straff temperatur antall / andel aksepterte flytt terasjon / CPU Sammenheng med SA-parametre Fare for overtlpasnng Gjelder kke bare SA TMA Ger Hasle - Leksjon 3 39 &@ $!% Probablstsk Endret akseptansesannsynlghet Forenklet kostnadsfunksjon Approksmasjon av eksponensalfunksjon / tabell Få temperaturer Omstart Determnstsk Terskelakseptanse (Threshold Acceptng, TA) Record-to-Record Travel Nedkjølngsplan Omstart TMA Ger Hasle - Leksjon
21 ?%$%. # %**,/ Procedure Select_TA_Neghbor (f,current,neghbors,ncumbent,theta) */ Strategy s Threshold Acceptng begn :=Random_Element(Neghbors) delta := f() - f(current) */ SA: f delta < 0 or Random(0,) < exp(-delta/t) f delta < theta */ Postve Threshold w.r.t. current then return end TMA Ger Hasle - Leksjon 3 4?%$%. # *##*% Procedure Select_RRT_Neghbor (f,current,neghbors,ncumbent,theta2) */ Strategy s Record-to-Record Travel begn :=Random_Element(Neghbors) */ SA, TA: delta := f() - f(current) */ SA: f delta < 0 or Random(0,) < exp(-delta/t) f f() < theta2*f(ncumbent) */ theta2 > then return end TMA Ger Hasle - Leksjon
22 e t Tlfeldg nabolagssøk Lokalsøk (Random Descent) t = t 0 Remeder: godt valg av starttemperatur godt stoppkrterum hurtgere nedkjølng først og sst testkjørng TMA Ger Hasle - Leksjon 3 43 &@?%$%. Standard: Tlfeldg flytt nabolag Problematsk rundt lokale optma Remede: Syklsk valg av nabo Standard: Lav akseptanserate ved lave temperaturer mye unødg beregnng mulge remeder: Akseptansesannsynlghet Valg av nabo basert på veet treknng Determnstsk akseptanse Vanlg lokalsøk TMA Ger Hasle - Leksjon
23 >0! Preprosseserng god startløsnng Standard lokalsøk underves hvert aksepterte flytt hver forbedrende flytt SA konstruksjonsheurstkker TMA Ger Hasle - Leksjon 3 45 &# Insprert av statstsk mekankk - nedkjølng Metaheurstkk lokalsøk tlfeldg nedstgnng tlfeldghet for å unngå lokalt optmum Enkel og robust metode, raskt å komme gang Bevs for konvergens tl globalt optmum verre enn komplett søk I prakss: beregnngskrevende fnjusterng kan g gode resultater god der det er vanskelg å lage robuste heurstkker som baseres på problemstruktur TMA Ger Hasle - Leksjon
24 !6# Lokalsøk hovedutfordrng Mulge strateger for å unnslppe lokale optma Defnsjon metaheurstkk Tlfeldg lokalsøk Smulert herdng (Smulated Annealng, SA) Terskelakseptanse (Threshold Acceptng, TA) Record-to-Record Travel (?, RRT) TMA Ger Hasle - Leksjon 3 47!# Tabusøk TMA Ger Hasle - Leksjon
25 Del A: Dskret optmerng og heurstske metoder Leksjon 3 Sjefsforsker Ger Hasle SINTEF Anvendt matematkk, Oslo 25
INF-MAT 5380 - Geir Hasle - Leksjon 3 2
Leksjon 3 !"#$ Eksempler på DOP Alternative representasjoner Definisjon nabolag, -operator Lokalsøk Definisjon lokalt optimum Eksakt nabolag Prosedyre for lokalsøk Traversering av nabolagsgraf Kommentarer,
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 3 Leksjon 2 - Oppsummering Eksempler på DOP Alternative formuleringer Definisjon nabolag, -operator Lokalsøk Definisjon lokalt
DetaljerDel A: Diskret optimering og heuristiske metoder Leksjon 2
Del A: Dskret optmerg og heurstske metoder Leksjo 2 Sjefsforsker Ger Hasle SINTEF Avedt matematkk, Oslo! Kursformasjo Motvasjo Operasjosaalyse Kustg tellges Optmergsproblemer (dskrete) Matematsk program
DetaljerSimpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering
Lekson 3 Smpleksmetoden generell metode for å løse LP utgangspunkt: LP på standardform Intell basstabell Fase I for å skaffe ntell, brukbar løsnng løse helpeproblem hvs optmale løsnng gr brukbar løsnng
DetaljerMoD233 - Geir Hasle - Leksjon 10 2
Leksjon 10 Anvendelser nettverksflyt Transportproblemet Htchcock-problemet Tlordnngsproblemet Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt
Detaljer(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:
A-besvarelse ECON2130- Statstkk 1 vår 2009 Oppgave 1 A) () Antall kke-ordnede utvalg: () P(Arne nummer 1) = () Når 5 er bltt trukket ut, er det tre gjen som kan blr trukket ut tl den sste plassen, altså:
DetaljerTMA4265 Stokastiske prosesser
orges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA4265 Stokastske prosesser Våren 2004 Løsnngsforslag - Øvng 6 Oppgaver fra læreboka 4.56 X n Antallet hvte baller urna Trekk tlf.
DetaljerAppendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:
Appendks 1: Organserng av Rksdagsdata SPSS Sannerstedt- og Sjölns data er klargjort for logtanalyse SPSS flen på følgende måte: Enhet År SKJEBNE BASIS ANTALL FARGE 1 1972 1 0 47 1 0 2 1972 1 0 47 1 0 67
DetaljerKorteste-vei problemet Nettverksflyt med øvre begrensninger Maksimum-flyt problemet Teorem: Maksimum-flyt Minimum-kutt
Lekson 11 Korteste-ve problemet Nettverksflyt med øvre begrensnnger Maksmum-flyt problemet Teorem: Maksmum-flyt Mnmum-kutt MoD233 - Ger Hasle - Lekson 11 2 Heltallsprogrammerng Tdsplanleggng (skedulerng,
DetaljerDel A: Diskret optimering og heuristiske metoder Leksjon 7
Del A: Diskret optimering og heuristiske metoder Leksjon 7 Sjefsforsker Geir Hasle SINTEF Anvendt matematikk, Oslo! Viktige karakteristika populasjon av løsninger domeneuavhengighet enkoding mangel på
DetaljerSIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 6 Faglg kontakt under eksamen: Bo Lndqvst 73 59 35 20 EKSAMEN I FAG SIF5072 STOKASTISKE PROSESSER Mandag 13. august 2001 Td:
DetaljerHybrid med lokalsøk: Memetic algorithms
Leksjon 7 ! Viktige karakteristika populasjon av løsninger domeneuavhengighet enkoding mangel på utnyttelse av struktur iboende parallellitet skjema, vokabular robusthet gode mekanismer for intensifisering
Detaljer!"!#$ INF-MAT Geir Hasle - Leksjon 2 2
Leksjon 2 !"!#$ Kursinformasjon Motivasjon Operasjonsanalyse Kunstig intelligens Optimeringsproblemer (diskrete) Matematisk program COP Definisjon DOP Anvendelser Kompleksitetsteori Eksakte metoder, approksimasjonsmetoder
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 7 GA - Oppsummering Viktige karakteristika populasjon av løsninger domeneuavhengighet enkoding mangel på utnyttelse av struktur
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 2 Leksjon 1: Oppsummering Kursinformasjon Motivasjon Operasjonsanalyse Kunstig intelligens Optimeringsproblemer (diskrete) Matematisk
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Hvlke problemer? Metoden ble formalsert av Rchard Bellmann (RAND Corporaton) på -tallet. Har ngen tng med programmerng å gøre. Dynamsk er et ord som kan aldr brukes negatvt. Skal v
DetaljerIllustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).
Econ 2130 HG mars 2012 Supplement tl forelesnngen 19. mars Illustrasjon av regel 5.19 om sentralgrenseteoremet og ltt om heltallskorreksjon (som eksempel 5.18). Regel 5.19 ser at summer, Y = X1+ X2 + +
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 5 Leksjon 4 - Oversikt Tabusøk INF-MAT 5380 - Geir Hasle - Leksjon 5 2 Tabusøk - Sammendrag Inspirert fra matematisk optimering
DetaljerDynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet
Dynamsk programmerng Metoden ble formalsert av Rchard Bellmann (RAND Corporaton på -tallet. Programmerng betydnngen planlegge, ta beslutnnger. (Har kke noe med kode eller å skrve kode å gøre. Dynamsk for
DetaljerIT1105 Algoritmer og datastrukturer
Løsnngsforslag, Eksamen IT1105 Algortmer og datastrukturer 1 jun 2004 0900-1300 Tllatte hjelpemdler: Godkjent kalkulator og matematsk formelsamlng Skrv svarene på oppgavearket Skrv studentnummer på alle
DetaljerDel A: Diskret optimering og heuristiske metoder Leksjon 4. Sjefsforsker Geir Hasle SINTEF Anvendt matematikk, Oslo
Del A: Diskret optimering og heuristiske metoder Leksjon 4 Sjefsforsker Geir Hasle SINTEF Anvendt matematikk, Oslo!"# Tilfeldig søk Simulert herding Terskelakseptanse Record-to-Record-Travel TMA 4198 -
DetaljerAuksjoner og miljø: Privat informasjon og kollektive goder. Eirik Romstad Handelshøyskolen Norges miljø- og biovitenskapelige universitet
Auksjoner og mljø: Prvat nformasjon og kollektve goder Erk Romstad Handelshøyskolen Auksjoner for endra forvaltnng Habtatvern for bologsk mangfold Styresmaktene lyser ut spesfserte forvaltnngskontrakter
DetaljerForelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011
Løsnnger lle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Hypotesetestng testng av enkelthypoteser Oppgave 1.* Når v tester enkelthypoteser ved hjelp
DetaljerMål. MoD233 - Geir Hasle - Repetisjon 2
Repetson Mål teoretsk forståelse, grunnleggende optmerng løsnngsmetoder LP og utvdelser algortmsk forståelse anvendelser LP og utvdelser modellerng og løsnng v.h.a. verktøy Innhold og forelesnngsplan Eksempler
DetaljerTMA4240/4245 Statistikk Eksamen august 2016
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA44/445 Statstkk Eksamen august 6 Løsnngssksse Oppgave a) Ved kast av to ternnger er det 36 mulge utfall: (, ),..., (6, 6). La Y
DetaljerAdaptivt lokalsøk for boolske optimeringsproblemer
Adaptvt lokalsøk for boolske optmerngsproblemer Lars Magnus Hvattum Høgskolen Molde Lars.M.Hvattum@hmolde.no Arne Løkketangen Høgskolen Molde Arne.Lokketangen@hmolde.no Fred Glover Leeds School of Busness,
DetaljerX ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : Eksamensdag: 7. jun 2013. Td for eksamen: 14.30 18.30. Oppgavesettet er på 8 sder. Vedlegg: Tllatte hjelpemdler: STK2120 LØSNINGSFORSLAG
DetaljerTMA4300 Mod. stat. metoder
TMA4300 Mod stat metoder Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag Løsnngsforslag - Eksamen jun 2007 Oppgave Pseudokode for å evaluere θ: Generer uavhengge realsasjoner x,,x
DetaljerMA1301 Tallteori Høsten 2014
MA1301 Tallteor Høsten 014 Rchard Wllamson 3. desember 014 Innhold Forord 1 Induksjon og rekursjon 7 1.1 Naturlge tall og heltall............................ 7 1. Bevs.......................................
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 4 Leksjon 3 - Oversikt Tilfeldig søk Simulert størkning Terskelakseptanse INF-MAT 5380 - Geir Hasle - Leksjon 4 2 SA - Oppsummering
DetaljerINF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 8 Diskrete optimeringsproblemer (DOP) Finnes overalt operasjonsanalyse kunstig intelligens mønstergjenkjenning geometri økonomi
DetaljerC(s) + 2 H 2 (g) CH 4 (g) f H m = -74,85 kj/mol ( angir standardtilstand, m angir molar størrelse)
Fyskk / ermodynamkk Våren 2001 5. ermokjem 5.1. ermokjem I termokjemen ser v på de energendrnger som fnner sted kjemske reaksjoner. Hver reaktant og hvert produkt som nngår en kjemsk reaksjon kan beskrves
DetaljerOppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011
Forelesnng 3 MET359 Økonometr ved Davd Kreberg Vår 0 Oppgaver Alle oppgaver er merket ut fra vanskelghetsgrad på følgende måte: * Enkel ** Mddels vanskelg *** Vanskelg Multple regresjon Oppgave.* Ta utgangspunkt
DetaljerAlternerende rekker og absolutt konvergens
Alternerende rekker og absolutt konvergens Forelest: 0. Sept, 2004 Sst forelesnng så v på rekker der alle termene var postve. Mange av de kraftgste metodene er utvklet for akkurat den typen rekker. I denne
DetaljerForelesning 17 torsdag den 16. oktober
Forelesnng 17 torsdag den 16. oktober 4.12 Orden modulo et prmtall Defnsjon 4.12.1. La p være et prmtall. La x være et heltall slk at det kke er sant at x 0 Et naturlg tall t er ordenen tl a modulo p dersom
DetaljerEKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00
Norges teknsk naturvtenskapelge unverstet Insttutt for matematske fag Sde 1 av 9 Faglg kontakt under eksamen: Enar Rønqust, tlf. 73 59 35 47 EKSAMEN I FAG SIF5040 NUMERISKE METODER Trsdag 15. ma 2001 Td:
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON30: EKSAMEN 05 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.
ECON: EKSAMEN 6 VÅR - UTSATT PRØVE TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt
Detaljer4 Energibalanse. TKT4124 Mekanikk 3, høst Energibalanse
4 Energbalanse Innhold: Potensell energ Konservatve krefter Konserverng av energ Vrtuelt arbed for deformerbare legemer Vrtuelle forskvnngers prnspp Vrtuelle krefters prnspp Ltteratur: Irgens, Fasthetslære,
DetaljerDe normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.
STK H-26 Løsnngsforslag Alle deloppgaver teller lkt vurderngen av besvarelsen. Oppgave I et tlfeldg utvalg på normalvektge personer, og overvektge personer, måles konsentrasjonen av 2 ulke protener blodet.
DetaljerEKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001 KL LØSNINGSFORSLAG
Sde 1 av 5 NTNU Norges teknsk-naturvtenskapelge unverstet Fakultet for fyskk, nformatkk og matematkk Insttutt for datateknkk og nformasjonsvtenskap EKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001
DetaljerTilfeldig søk Simulert størkning Terskelakseptanseteknikker. INF-MAT Geir Hasle - Leksjon 4 2
Leksjon 4 !!"# Tilfeldig søk Simulert størkning Terskelakseptanseteknikker INF-MAT 5380 - Geir Hasle - Leksjon 4 2 $!"% Inspirert av statistisk mekanikk - nedkjøling Metaheuristikk lokalsøk tilfeldig nedstigning
DetaljerTillegg 7 7. Innledning til FY2045/TFY4250
FY1006/TFY4215 Tllegg 7 1 Dette notatet repeterer noen punkter fra Tllegg 2, og dekker detalj målng av degenererte egenverder samt mpulsrepresentasjonen av kvantemekankk. Tllegg 7 7. Innlednng tl FY2045/TFY4250
DetaljerStatistikk og økonomi, våren 2017
Statstkk og økonom, våren 7 Oblgatorsk oppgave Løsnngsforslag Oppgave Anta at forbruket av ntrogen norsk landbruk årene 987 99 var følgende målt tonn: 987: 9 87 988: 8 989: 8 99: 8 99: 79 99: 87 99: 9
DetaljerOversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt
Overskt. forelesnng ECON40 Statstkk og økonometr Arld Aakvk, professor Insttutt for økonom Hva er statstkk og økonometr? Hvorfor studerer v fagområdet? Statstkk Metoder, teknkker og verktøy tl å produsere
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,)
DetaljerGeometriske operasjoner
Geometrske operasjoner INF 23 27.2.27 Kap. 9 (samt 5.5.2) Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl
DetaljerBruk av tabusøk og critical event memory på set partitioning-problemet
Bruk av tabusøk og crtcal event memory på set parttonng-problemet Chrstan Magnus Berg Insttutt for Informatkk, Unverstetet Bergen chrsta@.ub.no Arne Løkketangen Insttutt for Informatkk, Høgskolen Molde
DetaljerLøsningsforslag øving 10 TMA4110 høsten 2018
Løsnngsforslag øvng TMA4 høsten 8 [ + + Projeksjonen av u på v er: u v v u v v v + ( 5) [ + u v v u [ 8/5 6/5 For å fnne ut om en matrse P representerer en projeksjon, må v sjekke om P P a) b) c) [ d)
DetaljerHva er afasi? Afasi. Hva nå? Andre følger av hjerneskade. Noen typer afasi
Hva er afas? Afas er en språkforstyrrelse som følge av skade hjernen. Afas kommer som oftest som et resultat av hjerneslag. Hvert år rammes en betydelg andel av Norges befolknng av hjerneslag. Mange av
DetaljerHvordan får man data og modell til å passe sammen?
Hvordan får man data og modell tl å passe sammen? Ekstremverd-analyse Målet er å estmere T-års-ekstremen (flommen). T-års-ekstremen er slk at etter T år vl det forventnng være én overskrdelse av T-års-ekstremen.
DetaljerSorterings- Algoritmer
Hva er sorterng? Sorterngs- Algortmer Algortmer og Datastrukturer Input: en sekvens av N nummer Output: reorganserng nput-sekvensen slk at: a < a < a... < a n- < a n V søker algortmer som gjør dette på
DetaljerEksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS
Sde 1 av 5 NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET Fakultet for bygg- og mljøteknkk INSTITUTT FOR SAMFERDSELSTEKNIKK Faglg kontakt under eksamen: Navn Arvd Aakre Telefon 73 59 46 64 (drekte) / 73
DetaljerTMA4240 Statistikk H2010
TMA440 Statstkk H00 Statstsk nferens: 9.6: Predksjonsntervall 9.8: To utvalg, dfferanse µ µ Mette Langaas Foreleses mandag 8.oktober, 00 Predksjonsntervall for fremtdg observasjon, normalfordelng For en
DetaljerAnvendelser. Kapittel 12. Minste kvadraters metode
Kapttel Anvendelser I dette kaptlet skal v se på forskjellge anvendelser av teknkke v har utvklet løpet av de sste ukene Avsnttene og eksemplene v skal se på er derfor forholdsvs uavhengge Mnste kvadraters
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer
Forelesnng nr.3 INF 4 Elektronske systemer 009 04 Parallelle og parallell-serelle kretser Krchhoffs strømlov 30.0.04 INF 4 Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt
Detaljeri kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2
Repetsjon 4 (16.09.06) Regler for oksdasjonstall 1. Oksdasjonstall for alle fre element er 0 (O, N, C 60 ). Oksdasjonstall for enkle monoatomske on er lk ladnngen tl onet (Na + : +1, Cl - : -1, Mg + :
DetaljerLøsningskisse for oppgaver til uke 15 ( april)
HG Aprl 01 Løsnngsksse for oppgaver tl uke 15 (10.-13. aprl) Innledende merknad. Flere oppgaver denne uka er øvelser bruk av den vktge regel 5.0, som er sentral dette kurset, og som det forventes at studentene
DetaljerAutomatisk koplingspåsats Komfort Bruksanvisning
Bruksanvsnng System 2000 Art. Nr.: 0661 xx /0671 xx Innholdsfortegnelse 1. rmasjon om farer 2. Funksjon 2.1. Funksjonsprnspp 2.2. Regstrerngsområde versjon med 1,10 m lnse 2.3. Regstrerngsområde versjon
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Deleksamen MAT-INF Modellerng og beregnnger. Eksamensdag: Onsdag 7. oktober 29. Td for eksamen: 5: 7:. Oppgavesettet er på 6 sder. Vedlegg:
DetaljerVeiledning til obligatorisk oppgave i ECON 3610/4610 høsten N. Vi skal bestemme den fordeling av denne gitte arbeidsstyrken som
Jon sle; oktober 07 Ogave a. elednng tl oblgatorsk ogave ECO 60/60 høsten 07 har nå at samlet arbedskraftmengde er gtt lk, slk at ressurskravet er. skal bestemme den fordelng av denne gtte arbedsstyrken
DetaljerEn teoretisk studie av tv-markedets effisiens
NORGES HANDELSHØYSKOLE Bergen, våren 007 Utrednng fordypnng: Økonomsk analyse Veleder: Hans Jarle Knd En teoretsk stude av tv-markedets effsens av Odd Hennng Aure og Harald Nygård Bergh Denne utrednngen
Detaljeri B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2
Lekso 4 ( k ) a ( k ) I ( k ) U ( k) B maksmal ( k ) b Sste spesaltlfelle - valg av utgåede Degeerert basstabell, degeererert pvoterg Degeerert pvoterg ka g syklsk pvoterg Eeste tlfelle der Smpleksmetode
DetaljerNA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer
Sde: av 7 orsk akkredterng Dok.d.: VII..5 A Dok. 5: Angvelse av måleuskkerhet ved kalbrernger Utarbedet av: Saeed Behdad Godkjent av: ICL Versjon:.00 Mandatory/Krav Gjelder fra: 09.05.008 Sdenr: av 7 A
DetaljerTerrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER
Terrasser TRAPPER OG REKKVERK LAG DIN EGEN UTEPLASS! VÅRE PRODUKTER HAR LANG LEVETID OG DU VIL HA GLEDE I DET DU HAR BYGGET I MANGE ÅR FREMOVER Malmfuru terrasse Malmfuru er den mest mljøvennlge terrassen
DetaljerÅrsplan: Matematikk 4.trinn Uke Tema
Årsplan: Matematkk 4.trnn Uke 33 34 35 36 37 38 39 Repetsjon Kap1. Koordnatsystemet Les av, plassere og beskrve possjoner rutenett, på kart og koordnatsystem, både med og uten verktøy. Samle, sortere,
DetaljerForelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov
Forelesnng nr.3 INF 4 Elektronske systemer Parallelle og parallell-serelle kretser Krchhoffs strømlov Dagens temaer Parallelle kretser Kretser med parallelle og serelle ster Effekt parallelle kretser Krchhoffs
DetaljerMasteroppgave i statistikk. GAMLSS-modeller i bilforsikring. Hallvard Røyrane-Løtvedt Kandidatnr. 160657
Masteroppgave statstkk GAMLSS-modeller blforskrng Hallvard Røyrane-Løtvedt Kanddatnr. 160657 UNIVERSITETET I BERGEN MATEMATISK INSTITUTT Veleder: Hans Julus Skaug 1. Jun 2012 1 GAMLSS-modeller blforskrng
DetaljerSparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.
ECON 0 Forbruker, bedrft og marked Forelesnngsnotater 09.0.07 Nls-Henrk von der Fehr FORBRUK OG SPARING Innlednng I denne delen skal v anvende det generelle modellapparatet for konsumentens tlpasnng tl
DetaljerFast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid
Makroøkonom Publserngsoppgave Uke 48 November 29. 2009, Rev - Jan Erk Skog Fast valutakurs, selvstendg rentepoltkk og fre kaptalbevegelser er kke forenlg på samme td I utsagnet Fast valutakurs, selvstendg
DetaljerMedarbeiderundersøkelsen 2009
- 1 - Medarbederundersøkelsen 2009 Rapporten er utarbedet av B2S AS - 2 - Innholdsfortegnelse Forsde 1 Innholdsfortegnelse 2 Indeksoverskt 3 Multvarate analyser Regresjonsanalyse 5 Regresjonsmodell 6 Resultater
DetaljerMarginaltapet behov for endring? Endre Bjørndal, Mette Bjørndal Energi Norge, 19. mai 2010
Margnaltapet behov for endrng? Endre Bjørndal, Mette Bjørndal Energ Norge, 19. ma 2010 Overskt Teor Optmale nodeprser Margnaltapstarff Norge Ex ante tarff Margnaltapssatser Avregnngsprs Margnaltapstarff
DetaljerØVINGER 2017 Løsninger til oppgaver
ØVINGER 017 Løsnnger tl oppgaver Øvng 1 7.1. Med utgangspunkt de n 5 observasjonsparene (x 1, y 1 ), (x, y ),..., (x 5, y 5 ) beregner v først mddelverdene x 1 5 Estmert kovarans blr x 3. ȳ 1 5 s XY 1
DetaljerNÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL
NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL Norman & Orvedal, kap. 1-5 Bævre & Vsle Generell lkevekt En lten, åpen økonom Nærngsstruktur Skjermet versus konkurranseutsatt vrksomhet Handel og komparatve fortrnn
DetaljerDynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer
ynask prograerng Metoden ble foralsert av Rchard Bellann (RAN Corporaton på -tallet. Prograerng betydnngen planlegge, ta beslutnnger. (Har kke noe ed kode eller å skrve kode å gøre. ynask for å ndkere
DetaljerUNIVERSITETET I OSLO ØKONOMISK INSTITUTT
Utsatt eksamen : ECON130 Statstkk 1 UNIVERSITETET I OSLO ØKONOMISK INSTITUTT Eksamensdag: 15.0.015 Sensur kunngjøres senest: 0.07.015 Td for eksamen: kl. 09:00 1:00 Oppgavesettet er på 4 sder Tllatte hjelpemdler:
DetaljerStyrt lokalsøk (Guided Local Search, GLS)
Del A: Diskret optimering og heuristiske metoder Leksjon 6 Sjefsforsker Geir Hasle SINTEF Anvendt matematikk, Oslo!"# Styrt lokalsøk (Guided Local Search, GLS) TMA 4198 - Geir Hasle - Leksjon 6 2 1 $ %&'%($
DetaljerStyrt lokalsøk (Guided Local Search, GLS)
Leksjon 6 !!"# Styrt lokalsøk (Guided Local Search, GLS) Martin Stølevik, SINTEF INF-MAT 5380 - Geir Hasle - Leksjon 6 2 $!%&!'%!($')! *+ GENET (neural network) Prosjekt for løsing av Constraint Satisfaction
DetaljerFleksibelt arbeidsliv. Befolkningsundersøkelse utført for Manpower September 2015
Fleksbelt arbedslv Befolknngsundersøkelse utført for Manpower September 015 Antall dager med hjemmekontor Spørsmål: Omtrent hvor mange dager jobber du hjemmefra løpet av en gjennomsnttsmåned (n=63) Prosent
DetaljerDel A: Diskret optimering og heuristiske metoder Leksjon 8
Del A: Dskret optmerg og heurstske metoder Lekso 8 Sefsforsker Ger Hasle SINTEF Avedt matematkk, Oslo!"# Kategorserg av metaheurstkker Kostruktve heurstkker Mult-start baserte metaheurstkker Tlfeldg Restart
DetaljerAlvdal Royal kledning
Klednng STORT UTVALG AV KLEDNINGSPRODUKTER UNIK BEHANDLING AV HVERT PROSJEKT FOKUS PÅ MILJØVENNLIGE LØSNINGER Alvdal Royal klednng Vår bestselger når det gjelder kvaltet, levetd og prs. Lang levetd Begrenset
DetaljerDårligere enn svenskene?
Økonomske analyser 2/2001 Dårlgere enn svenskene? Dårlgere enn svenskene? En sammenlgnng av produktvtetsveksten norsk og svensk ndustr * "Productvty sn t everythng, but n the long run t s almost everythng."
DetaljerNA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer
Sde: av 7 NA Dok. 5 Angvelse av måleuskkerhet ved kalbrernger Dokument kategor: Krav Fagområde: Kalbrerngslaboratorer Dette dokumentet er en oversettelse av EA-4/0 European Cooperaton for Accrédtaton of
DetaljerAmbulanseflystruktur og operativ/teknisk kravspesifikasjon. Høringsuttalelser (ajour 26.01.2007) Kommentarer beredskap
Ambulanseflystruktur og operatv/teknsk kravspesfkasjon. Hørngsuttalelser (ajour 26.01.2007) Hørngsnstans Kommentar basestruktur Kommentarer beredskap Kommentarer tlbudsdok/ kravspek Andre kommentarer RHF:
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematsk-naturvtenskapelge fakultet Eksamen : STK1000 Innførng anvendt statstkk Eksamensdag: Trsdag 12. desember 2017 Td for eksamen: 14.30 18.30 Oppgavesettet er på 5 sder Tllatte
DetaljerAt energi ikke kan gå tapt, må bety at den er bevart. Derav betegnelsen bevaringslov.
Sde av 7 LØSNINGSFORSLAG TIL EKSAMEN 007 SMN69 VARMELÆRE DATO: 7. OKTOBER 007 TID: KL. 09.00 -.00 OPPGAVE (0%) a) Termodynamkkens. hovedsats. hovedsetnng: Energ kan verken oppstå eller forsvnne, bare omdannes
DetaljerINF-MAT-5380
INF-MAT-5380 http://www.uio.no/studier/emner/matnat/ifi/inf-mat5380/ Leksjon 6 Leksjon 5 - Oversikt Styrt lokalsøk (Guided Local Search, GLS) INF-MAT 5380 - Geir Hasle - Leksjon 6 2 Guided Local Search
DetaljerTMA4265 Stokastiske prosesser
Norges teknsk-naturvtenskapelge unverstet Insttutt for matematske fag TMA65 Stokastske prosesser Våren Løsnngsforslag - Øvng Oppgaver fra læreboka.6 P er dobbelt stokastsk P j j La en slk kjede være rredusbel,
DetaljerDEN NORSKE AKTUARFORENING
DEN NORSKE AKTUARFORENING _ MCft% Fnansdepartementet Postboks 8008 Dep 0030 OSLO Dato: 03.04.2009 Deres ref: 08/654 FM TME Horngsuttalelse NOU 2008:20 om skadeforskrngsselskapenes vrksomhet. Den Norske
DetaljerNorske CO 2 -avgifter - differensiert eller uniform skatt?
Norske CO 2 -avgfter - dfferensert eller unform skatt? av Sven Egl Ueland Masteroppgave Masteroppgaven er levert for å fullføre graden Master samfunnsøkonom Unverstetet Bergen, Insttutt for økonom Oktober
DetaljerSTK desember 2007
Løsnngsfrslag tl eksamen STK0 5. desember 2007 Oppgave a V antar at slaktevektene tl kalkunene fra Vrgna er bserverte verder av stkastske varabler X, X 2, X, X 4 sm er uavhengge g Nµ, σ 2 -frdelte, g at
DetaljerAnalyse av strukturerte spareprodukt
NORGES HANDELSHØYSKOLE Bergen, Høst 2007 Analyse av strukturerte spareprodukt Et Knderegg for banknærngen? av Ger Magne Bøe Veleder: Professor Petter Bjerksund Utrednng fordypnngs-/spesalområdet: Fnansell
Detaljer2006/27 Notater 2006 Om samordning av utvalg ved bruk av PRN-tall
2006/27 Notater 2006 Johan Heldal og Audun Rust Notater Om samordnng av utvalg ved bruk av PRN-tall Seksjon for statstske metoder og standarder Forord Dette notatet beskrver hvordan permanente tlfeldge
DetaljerEKSAMEN Løsningsforslag
. desember 6 EKSAMEN Løsnngsorslag Emnekode: ITD Emnenavn: Matematkk ørste deleksamen Dato:. desember 6 Hjelpemdler: - To A-ark med valgrtt nnold på begge sder. - Formelete. - Kalkulator som deles ut samtdg
Detaljer- 1 - Total Arbeidsmiljøundersøkelse blant Vitales konsulenter
- 1 - Arbedsmljøundersøkelse blant Vtales konsulenter Gjennomført mars 2016 - 2 - Innholdsfortegnelse Forsden 1 Innholdsfortegnelse 2 Indeksoverskt 3 Jobbtlfredshet 4 Kompetanse og opplærng 5 Samarbed
DetaljerStudieprogramundersøkelsen 2013
1 Studeprogramundersøkelsen 2013 Alle studer skal henhold tl høgskolens kvaltetssystem være gjenstand for studentevaluerng mnst hvert tredje år. Alle studentene på studene under er oppfordret tl å delta
DetaljerFelles akuttilbud barnevern og psykiatri. Et prosjekt for bedre samhandling og samarbeid rundt utsatte barn og unge i Nord-Trøndelag
Felles akuttlbud barnevern og psykatr Et prosjekt for bedre samhandlng og samarbed rundt utsatte barn og unge Nord-Trøndelag Sde 1 Senorrådgver Kjell M. Dahl / 25.02.2011 Ansvarsfordelng stat/kommune 1.
DetaljerTALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.
ECON13: EKSAMEN 14V TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller lkt uansett varasjon vanskelghetsgrad. Svarene er gtt >. Oppgave 1 Innlednng. Rulett splles på en rekke kasnoer
DetaljerTema for forelesningen var Carnot-sykel (Carnot-maskin) og entropibegrepet.
FORELESNING I ERMOYNMIKK ONSG 29.03.00 ema for forelesnngen var arnot-sykel (arnot-maskn) og entropbegrepet. En arnot-maskn produserer arbed ved at varme overføres fra et sted med en øy temperatur ( )
DetaljerInvestering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet
Investerng under uskkerhet Rsko og avkastnng Høy rsko Lav rsko Presserng av rskobegreet Realnvesterng Fnansnvesterng Rsko for enkeltaksjer og ortefølje-sammenheng Fnansnvesterng Realnvesterng John-Erk
Detaljer