Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Przemysław, Szufel" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
O estymacji preferencji w sztucznych sieciach społecznych
Preference elicitation in synthetic social networks
Autorzy:
Czupryna, Marcin
Przemysław, Szufel
Bogumił, Kamiński
Anna, Wiertlewska
Powiązania:
https://bibliotekanauki.pl/articles/955267.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet w Białymstoku. Wydawnictwo Uniwersytetu w Białymstoku
Tematy:
dynamika preferencji
modelowanie sieci społecznych
symulacje wieloagentowe
preference dynamics
social network modelling
agend-based simulation
Opis:
W artykule rozważano scenariusz, w którym administracja publiczna wykorzystuje internetową platformę społecznościową do komunikacji z obywatelami i uzyskiwania informacji o ich preferencjach. Z platformy tej korzysta tylko część całej populacji (subpopulacja), co powoduje, że preferencje obserwowane na platformie mogą być niereprezentatywne dla całego społeczeństwa. W niniejszym opracowaniu uwzględniono dwa problemy związane z brakiem reprezentatywności preferencji, tj.: (1) odmienną strukturę demograficzną populacji i subpopulacji oraz (2) różnice w procesie dynamiki preferencji w całej populacji i subpopulacji wyrażającej swoje opinie na platformie społecznościowej. Dane wykorzystane w analizie obejmują informacje o aktywności użytkowników na platformie społecznościowej, ich dane socjodemograficzne oraz dane o populacji pochodzące ze spisu powszechnego. W celu badania dynamiki preferencji skonstruowano wieloagentowy model symulacyjny, w którym sieć społeczną przedstawiono za pomocą nieskierowanego grafu, gdzie węzły reprezentują obywateli, a łuki ich relacje społeczne. W procesie analizy najpierw jest generowana sztuczna populacja i na niej jest symulowana dynamika preferencji. Następnie losowo, metodą kuli śnieżnej (ang. snowballsampling) są wybierane różne niereprezentatywne subpopulacje, na których są testowane algorytmy uogólniania preferencji przez odtwarzanie dynamiki całej populacji. Miarą jakości modelu jest zgodność preferencji między subpopulacją a całą populacją. Rezultaty przeprowadzonych symulacji wskazały na skuteczność zastosowanej metody: wraz z kolejnymi krokami symulacji wzrasta zgodność między populacją rzeczywistą a syntetyczną. Okazało się również, że najistotniejszymi determinantami błędów uogólniania preferencji są model dyfuzji preferencji oraz waga opinii własnej agenta.
The paper considers a scenario in which public administration (PA) uses an online social platform to collect information on citizens' preferences. However, the opinions of the sub-population that uses the online platform might be not representative. The author develops a method for generalization of the dynamics of the preferences observed on the social platform onto the entire population. The available data include information collected by the PA from the online platform (assuming that it is run and administered by the PA) and census data regarding the population. Hence, the PA has access to basic personal data of platform users (e.g. gender and age), position in the online social network, and opinions revealed on the platform. The online users' data can be analyzed along with the aggregated census data on the entire population. The author has implemented a multi-agent simulation model that takes into account the distribution of personal attributes, social network data, and opinion diffusion dynamics. The analysis involves showing how different algorithms enable generalization of preferences collected by the online platform to the entire population. The results of the analysis prove that the proposed method is efficient in the preference elicitation process – with each simulation step, the preference congruence level between real and synthetic populations increases. The main determinants of preference elicitation errors include the preference diffusion model and the weight of the agents’ own opinions.
Źródło:
Optimum. Economic Studies; 2017, 3(87); 31-47
1506-7637
Pojawia się w:
Optimum. Economic Studies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On planning production and distribution with disrupted supply chains
Autorzy:
Szufel, Przemysław
Powiązania:
https://bibliotekanauki.pl/articles/2139334.pdf
Data publikacji:
2022-10-31
Wydawca:
Główny Urząd Statystyczny
Tematy:
production
optimisation techniques
simulation modelling
programming models
transportation economics
Opis:
This paper presents a model for short-term time-horizon production and distribution planning of a manufacturing company located in the middle of a supply chain. The model focuses on an unbalanced market with broken supply chains. This reflects the state of the current post-COVID-19 economy, which is additionally struggling with even more uncertainty and disruptions due to the Russian aggression against Ukraine. The manufacturer, operating on the post-pandemic and post-war market, on the one hand observes a soaring demand for its products, and on the other faces uncertainty regarding the availability of components (parts) used in the manufacturing process. The goal of the company is to maximise profits despite the uncertain availability of intermediate products. In the short term, the company cannot simply raise prices, as it is bound by long-term contracts with its business partners. The company also has to maintain a good relationship with its customers, i.e. businesses further in the supply chain, by proportionally dividing its insufficient production and trying to match production planning with the observed demand. The post-COVID-19 production-planning problem has been addressed with a robust mixed integer optimisation model along with a dedicated heuristic, which makes it possible to find approximate solutions in a large-scale real-world setting.
Źródło:
Przegląd Statystyczny; 2022, 69, 2; 20-36
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies