W artykule przedstawiony został proces tworzenia przykładowego systemu bankowości internetowej z wykorzystaniem jednej ze zwinnych metodyk zarządzania projektami, a mianowicie metodyki Scrum. Przeprowadzona została analiza potrzeb klienta, na podstawie której określono Wizję produktu, opracowany został Rejestr Produktu oraz zaplanowane Sprinty. Pokazane zostały efekty wykonania prac w kolejnych Sprintach. Wskazano różnice między przyrostowym a kaskadowym podejściem do wytwarzania oprogramowania w kontekście tworzonego systemu.
EN
The paper presents the process of implementing a sample Internet banking system with the usage of one of the agile frameworks, namely Scrum. The Product vision is determined on the basis of the analysis of system requirements, the Product Backlog is created and Sprints are planned. The results of successive Sprints are shown. The differences between the incremental and the waterfall approaches to software development are indicated in the context of the created system.
The paper shows how the Template Method and Strategy design patterns can be used in a program which solves different scheduling problems by means of a metaheuristic algorithm. The benefits offered by these design patterns as well as their drawbacks are discussed. An implementation example in the Python programming language is provided.
Praca dotyczy zastosowania algorytmu optymalizacji rojem cząstek do znajdowania ekstremów globalnych dla wybranych funkcji jedno i wielomodalnych. Na podstawie wyników eksperymentu obliczeniowego wyłoniono warianty ustawień parametrów algorytmu zapewniające jego największą skuteczność.
EN
In this paper, we present the particle swarm optimization algorithm for finding the global extrema of several single and multimodal functions. The values of the algorithm parameters which ensure its best performance are determined on the basis of the computational results.
The paper addresses the problem of scheduling in the two-stage flowshop with parallel unrelated machines and renewable resource constraints. The objective is minimization of makespan. The problem is NP-hard. Fast heuristic algorithms using list scheduling and greedy strategies are proposed. For evaluation of the performance of the algorithms computational experiments are performed on randomly generated test problems, and results are reported.
The paper addresses the problem of scheduling preemptive jobs on parallel unrelated machines in the presence of renewable resource constraints and sequence-dependent setup costs. The objective is to minimize the weighted sum of makespan and setups. The problem is known to be NP-hard. To solve this problem, a heuristic is proposed which uses column generation technique and an ant colony optimization algorithm. The results of a computational experiment indicate that the heuristic is able to produce good results in reasonable computation time.
PL
Artykuł dotyczy zagadnienia szeregowania zadań podzielnych na równoległych dowolnych maszynach z uwzględnieniem ograniczeń na dostępność zasobów odnawialnych oraz kosztów przezbrojeń zależnych od kolejności wykonywania zadań. Celem jest minimalizacja ważonej sumy czasu trwania harmonogramu i przezbrojeń. Zagadnienie należy do klasy problemów NP-trudnych. W celu jego rozwiązania, zaproponowany został algorytm heurystyczny, wykorzystujący technikę generacji kolumn, oraz algorytm mrówkowy. Wyniki eksperymentu obliczeniowego wskazują, że algorytm ten jest zdolny dostarczyć dobrej jakości wyniki w rozsądnym czasie.
Ukryte modele Markowa stanowią narzędzie modelowania statystycznego wykorzystywane do analizy i przewidywania zjawisk o charakterze sekwencji zdarzeń występujących na przykład w rozpoznawaniu mowy i gestów oraz modelowaniu sekwencji biologicznych. Aby ukryty model Markowa mógł z powodzeniem zostać zastosowany w praktyce, konieczne jest określenie jego topologii i wyznaczenie wartości jego parametrów. Istniejące metody klasyczne nie zawsze są zdolne do dostarczenia wystarczająco dobrych modeli. Dlatego też, w ostatnich latach obserwuje się wzrost zainteresowania możliwością stosowania innych technik, zwłaszcza opartych na mechanizmach stochastycznych. W artykule przedstawione są sposoby wykorzystania w procesie budowy ukrytych modeli Markowa metod ewolucyjnych. Przeprowadzona jest również ocena jakości otrzymywanych w ten sposób modeli.
EN
Hidden Markov models (HMMs) are a statistical tool for analyzing and modeling time-series data. They have been successfully used in many areas requiring time-series analysis for example in speech recognition, DNA sequence analysis or forecasts of stock prices. To use a HMM in practice, the topology and the values of its parameters have to be determined. The existing classical methods for HMM training are not always able to provide sufficiently good models. Therefore, in recent years, we observe an increasing interest in developing other methods for HMM training, especially ones involving evolutionary mechanisms. This paper presents how evolutionary methods can be used to build HMMs. The quality of the obtained in this way HMMs is also discussed.
This paper deals with the problem of preemptive scheduling in a two-stage flowshop with parallel unrelated machines and additional renewable resources. The objective is the minimization of makespan. The problem is NP-hard. Heuristic algorithms are proposed which join the linear programming based procedures with metaheuristic algorithms: genetic, simulated annealing and tabu search algorithm. The performance of the proposed algorithms is experimentally evaluated by comparing the solutions with a lower bound on the optimal makespan. Results of a computational experiment show that these algorithms are able to produce good solutions in short computation time and that the metaheuristics significantly improve the results for the most difficult problems.
8
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper considers the problem of preemptive scheduling in a two-stage flowshop with parallel unrelated machines at the first stage and a single machine at the second stage. At the first stage, jobs use some additional renewable resources which are available in limited quantities. The resource requirements are of 0-1 type. The objective is minimization of the makespan. The problem is NP-hard. We develop heuristic algorithms which first solve the problem occurring at stage 1, and then find a final schedule in the flowshop. An extensive computational experiment shows that the proposed heuristic algorithms can be an efficient tool capable of finding good quality solutions.
This paper deals with the problem of minimal makespan scheduling in a two-stage flowshop with parallel unrelated machines and renewable resources at the first stage and a single machine at the second stage. A heuristic for solving this problem is developed which combines a genetic algorithm with a column generation algorithm. The results of a computational experiment show that the proposed heuristic requires almost three times less CPU time than the heuristic with a standard column generation algorithm, while producing the same quality solutions.
Pojęcie algorytmy ewolucyjne obejmuje metodologie inspirowane darwinowską zasadą doboru naturalnego stosowane do rozwiązywania trudnych zagadnień. W artykule przedstawione są podstawowe cztery typy algorytmów ewolucyjnych: algorytmy genetyczne, programowanie genetyczne, strategie ewolucyjne i programowanie ewolucyjne, omówiona jest i zilustrowana przykładem zasada działania algorytmu ewolucyjnego oraz przedstawione są przykłady zastosowań algorytmów ewolucyjnych w praktyce.
EN
The term evolutionary algorithm encompasses methodologies inspired by the principles of genetics and Darwinian natural selection that are used for solving hard problems. In this paper four types of evolutionary algorithms are described: genetic algorithms, evolution strategies, genetic programming and evolutionary programming. An example illustrating how an evolutionary algorithm works is shown. Some real-life applications of evolutionary algorithms are presented.
The paper considers the problem of preemptive scheduling in a two-stage flowshop with parallel unrelated machines at the first stage and a single machinne at the second stage. At the first stage jobs require some amounts of additional renewable resources. The objective is the minimization of the makespan. The problem is NP-hard. A heuristic which combines column generation technique with a genetic algorithm is proposed. Several problems with randomly generated parameters are solved. The results indicate that the heuristic is a promising tool for solving the considered problem.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.