Mathematical modeling and simulations of a submerged renewable storage system integrated to a wind farm, chosen based on the geographical and wind conditions at the Baltic Sea, gives insight on the feasibility of the submerged renewable storage and an approximation of the payback period and profits that could be generated. Genetic Algorithms were used to obtain the optimal number of spheres for a certain depth, based on 2 objective functions I.e. Minimum Life Cycle Cost (LCC) and maximum reduction in wind curtailment. The new arrangement concept shows that the Initial Capital Cost (ICC) could be decreased by 25% to 60% depending upon the number of sphere employed. Based on the inputs considered in the study, the results prove that the submerged renewable storage system would be feasible, and the profits ranging from 15 Million Euro to 29 Million Euro can be achieved at the chosen location, towards the Swedish side of the Baltic sea. Although, in a real life scenario it is assumed that only up to half of the profits obtained in the results would be achievable. The results also show that, the Pump/Turbine with a high turbine efficiency and lower pump efficiency, generated better profits, compared to a Pump/Turbine running with a higher pump efficiency and lower turbine efficiency. An attempt to increase the round-trip efficiency by adding a multi stage submersible pump, resulted in additional ICC and LCC, which saw a decrease in profits.

The thesis deals with investment decision making. It starts from the decision making situation about the making of an investment portfolio of the open unit trusts. The whole decision making process is described, namely the methodical approaches used in terms of the portfolio making procedure. Thus, the main part of this paper focuses on a detailed description of an algorithm of the fuzzy weight estimation method, fuzzy multiple criteria evaluation method and fuzzy multiple objective programming method. The methods are proposed on the basis of current concepts; they conclude the new ideas as well. The fuzzy weight estimation method is able to calculate the weights of criteria according to their linguistically expressed importance. The fuzzy multiple criteria evaluation method accepts uncertain input data in the form of the fuzzy numbers. The alternatives are evaluated by the concept of the preference relations. This method provides a division of the alternatives into the effective and ineffective. The fuzzy multiple objective programming method also works with the uncertain elements as fuzzy numbers. To solve the particular mathematical models, the Bellman's optimality approach is applied. The method is proposed in the interactive form. The decision maker can change a current solution by his/her additional (vague) preferences. The proposed concepts form the two-phase decision making procedure that is applied in the practical situation of the portfolio making in the field of the capital market with open unit trusts offered by the Česká spořitelna investment company. Two types of investors are defined, the investment situations are described, and the results are analyzed in detail. The decision making theory, the fuzzy sets theory and the capital market of collective investment, or with unit trusts, are introduced in a necessary scope. The instigation of my dissertation is to solve the real decision making situation. The investment decision making process is described and the methodical approaches are proposed in order to make the portfolio of unit trusts.

面對通訊與資訊科技的大幅進步，通訊網路正在進行一個巨大的變革，要將電信網路與數據網路整合成一個單一的All-IP網路以支援所有網路應用服務。欲達到整合型網路的理想，仍有許多困難尚待克服，而服務品質問題是其中最關鍵的問題之一。因為受限於封包交換網路之原有的特性，All-IP網路有影響服務品質的三項因素：過長的延遲時間、抖動以及封包遺失。首先，我們利用了達成度函數(achievement function)來處理單位的轉換，使得能夠同時考量此三項不同單位的因素。接著，本文中提出一套方法來解決All-IP網路上端對端(end-to-end)的資源配置及路徑規劃問題。在分配資源時，我們企圖提供一種成比例的公平性給各個不同等級。此公平性的精神是要使得所有網路使用者的滿足程度相當，而非各個不同等級的使用者分配到相同的資源。我們將以預算方式控制端對端品質管理以追求使用者之整體最大滿意程度。 本論文的規劃概念是將網路規劃分成兩個階段。第一階段是在一筆給定的總預算底下，以成比例的方式去分配資源給各個不同等級，並建置網路上的頻寬，使各等級能依其需求拿到適當的頻寬，確保滿足程度相當。 接下來第二階段則是在第一部份已完成的規劃基礎下，做路徑規劃，指派新進入的使用者到一條較好的路徑，在滿足此使用者的延遲時間要求下，使此系統的壅塞程度越小越好。路徑規劃的概念為如何挑選最佳網路路徑，以規劃具服務品質之端對端路徑，並可達到資源之最有效利用。網路營運者將可運用此套方法來調校自身所營運的網路以追求使用者最高滿意度。 / We present an approach for the fair resource allocation problem and QoS routing in All-IP networks that offer multiple services to users. The objective of the optimization problem is to determine the amount of required bandwidth for each link and each class to maximize the sum of the users' utility. In this work, we focus on approaches that, while allocating bandwidth, attempt to provide a proportionally fair treatment of all the competing classes. First, we will show that an achievement function can map different criteria subject to various utility onto a normalized scale. It may be interpreted as a measure of QoS (Quality of Service) on All-IP networks. Using the bandwidth allocation model, we can find a Pareto optimal allocation of bandwidth on the network under a limited available budget. This allocation can provide the so-called proportional fairness to every class, that is, this allocation can provide the similar satisfaction to each user. Next, we present a routing scheme under consideration of the delay. Such an optimal path provides the end-to-end QoS guarantees to each user. Finally, a numerical example is given to illustrate how to solve the fair resource allocation problem and how to modify the nonlinear parts.

S tím, jak se neustále vyvíjejí nové technologie pro energeticky náročná průmyslová odvětví, stávající zařízení postupně zaostávají v efektivitě a produktivitě. Tvrdá konkurence na trhu a legislativa v oblasti životního prostředí nutí tato tradiční zařízení k ukončení provozu a k odstavení. Zlepšování procesu a projekty modernizace jsou zásadní v udržování provozních výkonů těchto zařízení. Současné přístupy pro zlepšování procesů jsou hlavně: integrace procesů, optimalizace procesů a intenzifikace procesů. Obecně se v těchto oblastech využívá matematické optimalizace, zkušeností řešitele a provozní heuristiky. Tyto přístupy slouží jako základ pro zlepšování procesů. Avšak, jejich výkon lze dále zlepšit pomocí moderní výpočtové inteligence. Účelem této práce je tudíž aplikace pokročilých technik umělé inteligence a strojového učení za účelem zlepšování procesů v energeticky náročných průmyslových procesech. V této práci je využit přístup, který řeší tento problém simulací průmyslových systémů a přispívá následujícím: (i)Aplikace techniky strojového učení, která zahrnuje jednorázové učení a neuro-evoluci pro modelování a optimalizaci jednotlivých jednotek na základě dat. (ii) Aplikace redukce dimenze (např. Analýza hlavních komponent, autoendkodér) pro vícekriteriální optimalizaci procesu s více jednotkami. (iii) Návrh nového nástroje pro analýzu problematických částí systému za účelem jejich odstranění (bottleneck tree analysis – BOTA). Bylo také navrženo rozšíření nástroje, které umožňuje řešit vícerozměrné problémy pomocí přístupu založeného na datech. (iv) Prokázání účinnosti simulací Monte-Carlo, neuronové sítě a rozhodovacích stromů pro rozhodování při integraci nové technologie procesu do stávajících procesů. (v) Porovnání techniky HTM (Hierarchical Temporal Memory) a duální optimalizace s několika prediktivními nástroji pro podporu managementu provozu v reálném čase. (vi) Implementace umělé neuronové sítě v rámci rozhraní pro konvenční procesní graf (P-graf). (vii) Zdůraznění budoucnosti umělé inteligence a procesního inženýrství v biosystémech prostřednictvím komerčně založeného paradigmatu multi-omics.