mirror of
https://github.com/kuhyx/WUT_Computer_Science.git
synced 2026-11-11 16:33:55 +01:00
Krzysztof kuhy Rudnicki
54337a662e
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
91 lines
5.5 KiB
Markdown
91 lines
5.5 KiB
Markdown
# **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 =<br>S1, , S1000 | Zbiór scenariuszy wygenerowanych z rozkładu t-Studenta |
|
||
|
||
### **3.2 Parametry**
|
||
|
||
| Parametr | Opis |
|
||
|----------|-----------------------------------------------------------------------|
|
||
| sppups | Zysk ze sprzedaży jednej sztuki produktu<br>p w scenariuszu<br>s [zł] |
|
||
|
||
### **3.3 Zmienne**
|
||
|
||
| Zmienna | Opis |
|
||
|-------------------------------------------|------------------------------------------------------------------------|
|
||
| = (X<br>· sppups)<br>sps<br>tsp<br>− tstc | Wartość zysku całkowitego dla scenariusza<br>s zysku ze sprzedaży |
|
||
| p∈P | produktów [zł] |
|
||
| devs<br>=<br> ep − sps | Odchylenie zysku w danym scenariuszu [zł]. Jako, że funkcja |
|
||
| | wartości bezwzględnej jest nieliniowa zmienna została poddana |
|
||
| | linearyzacji z użyciem zmiennych<br>ldevs,<br>Ps,<br>Qs |
|
||
| =<br>ldevs<br>ep − sps | Zmienna pomocnicza wykorzystana w linearyzacji odchylenia |
|
||
| | zysku w scenariuszu<br>s |
|
||
| Ps | Zmienna pomocnicza wykorzystana w linearyzacji zmiennejk |
|
||
| | devs |
|
||
| Qs | Zmienna pomocnicza wykorzystana w linearyzacji zmiennej<br>devs |
|
||
| mdev = maxs∈S<br>devs | Maksymalne odchylenie zysu [zł]. Jako, że funkcja max jest nie |
|
||
| | liniowa, zmienna została poddana linearyzacji z użyciem zmien |
|
||
| | nych<br>M,<br>Zs |
|
||
| M | Zmienna<br>pomocnicza<br>wykorzystana<br>w<br>linearyzacji<br>zmiennej |
|
||
| | mdev |
|
||
| Zs | Zmienna<br>pomocnicza<br>binarna<br>wykorzystana<br>w<br>linearyzacji |
|
||
| | zmiennej<br>mdev |
|
||
| r =<br>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,<br>λep |
|
||
| | przyjmie wartość dodatnią, a<br>ujemną.<br>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<sup>r</sup>*
|
||
|
||
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:
|
||
|
||
$$\max \quad v + \varepsilon (oc\_{ep} + oc\_r)$$
|
||
|