mirror of https://github.com/kuhyx/WUT_Computer_Science.git synced 2026-11-10 20:47:09 +01:00

Krzysztof kuhy Rudnicki 54337a662e Organise markdown into the four namespaces and add CLAUDE.md

Five files were outside README / CLAUDE* / DOCS* / TODO*, and two were over
the 250-line cap. Both gates now pass repo-wide.

Renames: the two lowercase readme.md files, and three documents into DOCS-*.
The AIS requirements doc split at its own boundary into functional (101) and
non-functional (174). The WDWR report split into six numbered sections behind
an index that keeps the original filename, 38-235 lines each; 753 lines of
body plus the 18-line header account for all 771 original lines, so nothing
was dropped.

That WDWR file needed checking before splitting: it sits next to main.tex and
main.pdf and looked like a conversion of them. It is not -- main.tex is
project 25406 and the markdown is project 18402, a different document. So it
is authored content and the split is real work, not churn on a build artifact.

Filled the three empty READMEs and replaced ECOTE's, which was a stale copy of
the root README still claiming the group projects were excluded -- they were
merged in by subtree some time ago.

EOPSY/lab1 turned out not to be the code-free directory the survey suggested:
it has modify.sh and modify_examples.sh. The oddly-named empty files beside
them are the exercise's OUTPUT, committed so the before/after state is
visible, and its README now says so rather than leaving them looking like junk.

CLAUDE.md follows the testsAndMisc structure. Writing it caught a nice one:
the md-naming marker is a biconditional, so quoting the literal removal string
in a non-TODO file fails the gate. The gate was right; the text is rephrased.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_0172dj34FDpao6wsix8ZuCzE

2026-08-28 17:41:11 +02:00

5.5 KiB

Raw Blame History

3 Dwukryterialny model zysku i ryzyka z wartoscią oczekiwaną jako miarą zysku i odchyleniem maksymalnym jako miarą ryzyka

Model ten został zrealizowany jako rozszerzenie modelu jednokryterialnego o dodatkowe zbiory, parametry, zmienne, ograniczenia i nową funkcję celu.

3.1 Zbiory indeksowe

Zbiór	Opis
S = S1, , S1000	Zbiór scenariuszy wygenerowanych z rozkładu t-Studenta

3.2 Parametry

Parametr	Opis
sppups	Zysk ze sprzedaży jednej sztuki produktu p w scenariuszu s [zł]

3.3 Zmienne

Zmienna	Opis
= (X · sppups) sps tsp − tstc	Wartość zysku całkowitego dla scenariusza s zysku ze sprzedaży
p∈P	produktów [zł]
devs = ep − sps	Odchylenie zysku w danym scenariuszu [zł]. Jako, że funkcja
	wartości bezwzględnej jest nieliniowa zmienna została poddana
	linearyzacji z użyciem zmiennych ldevs, Ps, Qs
= ldevs ep − sps	Zmienna pomocnicza wykorzystana w linearyzacji odchylenia
	zysku w scenariuszu s
Ps	Zmienna pomocnicza wykorzystana w linearyzacji zmiennejk
	devs
Qs	Zmienna pomocnicza wykorzystana w linearyzacji zmiennej devs
mdev = maxs∈S devs	Maksymalne odchylenie zysu [zł]. Jako, że funkcja max jest nie
	liniowa, zmienna została poddana linearyzacji z użyciem zmien
	nych M, Zs
M	Zmienna pomocnicza wykorzystana w linearyzacji zmiennej
	mdev
Zs	Zmienna pomocnicza binarna wykorzystana w linearyzacji
	zmiennej mdev
r = mdev	Miara ryzyka, równa maksymalnemu odchyleniu zysku

3.4 Ograniczenia

Ograniczenie związane z linearyzacją zmiennej devs:

lde v\_{s1} - lde v\_{s2} + P\_{s1} - Q\_{s2} = 0, \quad \forall s\_1, s\_2 \in S

Ograniczenie związane z linearyzację zmiennej mdev:

mdev \geqslant dev\_s, \quad \forall s \in S

mdev \leqslant dev\_s + M(1 - Z\_s), \quad \forall s \in S

\sum\_{s \in S} Z\_s = 1

3.5 Metoda punktu odniesienia

Jako model preferencji dla modelu dwukryterialnego została wybrana metoda punktu odniesienia. Wprowadza ona zestaw dodatkowych parametrów i zmiennych:

Parametr	Opis
aspep	Poziom aspiracji oczekiwanego zysku
aspr	Poziom aspiracji ryzyka
λep, λr	Współczynniki normalizujące, odpowiednio dla zysku i ryzyka. Ze względu na ogól
	ne sformułowanie metody punktu odniesienia jako problemu maksymalizacji, λep
	przyjmie wartość dodatnią, a ujemną. λr
β	Współczynnik pomniejszający wartość ocen wykraczających powyżej poziomu aspi
	racji
ε	Współczynnik składnika regularyzacyjnego
Zmienne	Opis
ocep, ocr	Wartości indywidualnych funkcji osiągnięć dla zysku i ryzyka
v	Zmienna pomocnicza metody punktu odniesienia

Ograniczenia zmiennej v przez wartości indywidualnych funkcji osiągnięć:

v 6 ocep oraz v 6 oc^r

Ograniczenia indywidualnych funkcji osiągnięć:

oc\_r \leqslant \lambda\_r (r - asp\_r)

oc\_r \leqslant \beta \lambda\_r (r - asp\_r)

oc\_{ep} \leqslant \lambda\_p (ep - asp\_{ep})

oc\_{ep} \leqslant \beta \lambda\_p (ep - asp\_{ep})

Funkcja celu metody punktu odniesienia w postaci dla programowania liniowego:

\max \quad v + \varepsilon (oc\_{ep} + oc\_r)

5.5 KiB Raw Blame History Unescape Escape