Národní úložiště šedé literatury Nalezeno 6 záznamů.  Hledání trvalo 0.01 vteřin. 
Convexity in chance constraints programming
Olos, Marek ; Kopa, Miloš (vedoucí práce) ; Adam, Lukáš (oponent)
1 Abstrakt: Táto práca sa zameriava na úlohy stochastického programova- nia s pravdepodobnostnými obmedzeniami. Uvažujeme niekoľko modelov s pravdepodobnostnými obmedzeniami a zameriavame sa na ich vlastnosť kon- vexity. Práca predkladá teóriu α-konkávnych funkcií a mier ako základný ná- stroj na vyšetrovanie konvexity úloh. Dôsledky teórie aplikujeme na praktické vyšetrovanie konvexity prezentovaných modelov najprv pre spojité rozdele- nia náhodných vektorov v daných úlohách, potom pre diskrétne. U spojitých rozdelení charakterizujeme veľkú triedu rozdelení, ktoré spĺňajú postačujúce podmienky pre konvexitu daných modelov a potom prezentujeme riešiace al- goritmy pre tieto modely. U diskrétnych rozdelení taktiež predložíme posta- čujúce podmienky pre konvexitu úlohy. Ukážeme tiež metódy, ktoré sa vedia vysporiadať s nekonvexnosťou úlohy a v krátkosti sa venujeme problémom, ktoré môžu vzniknúť použitím týchto metód.
Convexity in chance constraints programming
Olos, Marek ; Kopa, Miloš (vedoucí práce) ; Adam, Lukáš (oponent)
Tato práce se zaměřuje na úlohy stochastického programování s pravdě- podobnostními omezeními. První kapitola je úvod. Ve druhé kapitole formulujeme několik úloh stochastického programování. Ve třetí kapitole předkládáme teorii α-konkávních funkcí a mír jako základní nástroj pro vyšetřování konvexity úloh a formulujeme postačující podmínky pro konvexitu úloh zavedených v kapitole 2 pro spojité rozdělení náhodných vektorů. Důsledky teorie pak použijeme na charakterizování velké třídy spojitých rozdělení splňujících postačující podmínky pro konvexitu a na dokazování konvexity konkrétních množin. Ve čtvrté kapitole předkládáme postačující podmínky pro konvexitu úloh pro diskrétní rozdělení a v krátkosti se věnujeme metodě p-level eficientní bodů. V páté kapitole řešíme úlohu optimalizace portfolia pomocí Kataokovho modelu. 1
Scenario generation for multidimensional distributions
Olos, Marek ; Dupačová, Jitka (vedoucí práce) ; Kaňková, Vlasta (oponent)
Některé metody pro generování scénářů z mnohorozměrných rozdělení předpokládají znalost generování z jednorozměrných rozdělení. Těm se věnuje kapitola 3. Na konci kapitoly jsou uvedeny odkazy na vhodné algoritmy. Kapitola 4 se věnuje vybraným metodám pro generování scénářů z mnohorozměrných rozdělení. V kap. 4.3 představíme algoritmus pro generování scénářů nevyužívájící žádný předpoklad o rozdělení kromě zadaných prvních čtyř momentů a korelací. Metodu generování scénářů pomocí aproximace mnohorozměrného normálního rozdělení binomickým rozdělením popisujeme v kapitole 4.5. Redukcí dimenze pomocí metody hlavních komponent se zabýváme v kapitole 4.4, algoritmus je uveden pro předpoklad normálního rozdělení. V kapitole 4.6 představíme základy teorie kopulí a metodologii pro generování scénářů pomocí C-vine kopule. V kapitole 5 implementujeme vybrané metody generování scénářů na odhad denních hodnot v riziku pro vybrané indexy a výsledky diskutujeme. Powered by TCPDF (www.tcpdf.org)
Scenario generation for multidimensional distributions
Olos, Marek ; Dupačová, Jitka (vedoucí práce) ; Kaňková, Vlasta (oponent)
Některé metody pro generování scénářů z mnohorozměrných rozdělení předpokládají znalost generování z jednorozměrných rozdělení. Těm se věnuje kapitola 3. Na konci kapitoly jsou uvedeny odkazy na vhodné algoritmy. Kapitola 4 se věnuje vybraným metodám pro generování scénářů z mnohorozměrných rozdělení. V kap. 4.3 představíme algoritmus pro generování scénářů nevyužívájící žádný předpoklad o rozdělení kromě zadaných prvních čtyř momentů a korelací. Metodu generování scénářů pomocí aproximace mnohorozměrného normálního rozdělení binomickým rozdělením popisujeme v kapitole 4.5. Redukcí dimenze pomocí metody hlavních komponent se zabýváme v kapitole 4.4, algoritmus je uveden pro předpoklad normálního rozdělení. V kapitole 4.6 představíme základy teorie kopulí a metodologii pro generování scénářů pomocí C-vine kopule. V kapitole 5 implementujeme vybrané metody generování scénářů na odhad denních hodnot v riziku pro vybrané indexy a výsledky diskutujeme. Powered by TCPDF (www.tcpdf.org)
Convexity in chance constraints programming
Olos, Marek ; Kopa, Miloš (vedoucí práce) ; Adam, Lukáš (oponent)
Tato práce se zaměřuje na úlohy stochastického programování s pravdě- podobnostními omezeními. První kapitola je úvod. Ve druhé kapitole formulujeme několik úloh stochastického programování. Ve třetí kapitole předkládáme teorii α-konkávních funkcí a mír jako základní nástroj pro vyšetřování konvexity úloh a formulujeme postačující podmínky pro konvexitu úloh zavedených v kapitole 2 pro spojité rozdělení náhodných vektorů. Důsledky teorie pak použijeme na charakterizování velké třídy spojitých rozdělení splňujících postačující podmínky pro konvexitu a na dokazování konvexity konkrétních množin. Ve čtvrté kapitole předkládáme postačující podmínky pro konvexitu úloh pro diskrétní rozdělení a v krátkosti se věnujeme metodě p-level eficientní bodů. V páté kapitole řešíme úlohu optimalizace portfolia pomocí Kataokovho modelu. 1
Convexity in chance constraints programming
Olos, Marek ; Kopa, Miloš (vedoucí práce) ; Adam, Lukáš (oponent)
1 Abstrakt: Táto práca sa zameriava na úlohy stochastického programova- nia s pravdepodobnostnými obmedzeniami. Uvažujeme niekoľko modelov s pravdepodobnostnými obmedzeniami a zameriavame sa na ich vlastnosť kon- vexity. Práca predkladá teóriu α-konkávnych funkcií a mier ako základný ná- stroj na vyšetrovanie konvexity úloh. Dôsledky teórie aplikujeme na praktické vyšetrovanie konvexity prezentovaných modelov najprv pre spojité rozdele- nia náhodných vektorov v daných úlohách, potom pre diskrétne. U spojitých rozdelení charakterizujeme veľkú triedu rozdelení, ktoré spĺňajú postačujúce podmienky pre konvexitu daných modelov a potom prezentujeme riešiace al- goritmy pre tieto modely. U diskrétnych rozdelení taktiež predložíme posta- čujúce podmienky pre konvexitu úlohy. Ukážeme tiež metódy, ktoré sa vedia vysporiadať s nekonvexnosťou úlohy a v krátkosti sa venujeme problémom, ktoré môžu vzniknúť použitím týchto metód.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.