Inteligencia de enjambres
|
|
- José Ignacio Mora Toledo
- hace 7 años
- Vistas:
Transcripción
1 Inteligencia de enjambres Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL
2 Autómata de estados finitos Definición A =< X, Y, E, D >
3 Autómata de estados finitos Definición A =< X, Y, E, D > Extensión con funciones de salida y = λ(x, E)
4 Autómata de estados finitos Definición A =< X, Y, E, D > Extensión con funciones de salida y = λ(x, E) Estados, reglas de transición, grafos
5 Autómata de estados finitos Definición A =< X, Y, E, D > Extensión con funciones de salida y = λ(x, E) Estados, reglas de transición, grafos Ejemplos de reglas de transición determinísticas y probabilísticas
6 Autómatas celulares Definición R =< A, T, C >
7 Autómatas celulares Definición R =< A, T, C > Topologías triangular, rectangular, hexagonal,...
8 Autómatas celulares Definición R =< A, T, C > Topologías triangular, rectangular, hexagonal,... Acoplamiento Tipos y tamaños de vecindad Von Neumann, Moore,... Tipos de conexiones isotrópicas, anisotrópicas,...
9 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas
10 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere
11 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere
12 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive
13 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace
14 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace Mirek s Cellebration
15 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace Mirek s Cellebration Crecimiento de plantas, bacterias,...
16 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace Mirek s Cellebration Crecimiento de plantas, bacterias,... Poblaciones colonias de hormigas, enjambre de abejas, modelos presa predador,...
17 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace Mirek s Cellebration Crecimiento de plantas, bacterias,... Poblaciones colonias de hormigas, enjambre de abejas, modelos presa predador,... Tejidos biológicos cardíaco, nervioso,...
18 Autómatas celulares Ejemplos Juego de la vida de Conway reglas básicas Vivo con menos de 2 vivos en el entorno muere Vivo con más de 3 vivos en el entorno muere Vivo con 2 o 3 vivos en el entorno vive Muerto con 3 vivos en el entorno nace Mirek s Cellebration Crecimiento de plantas, bacterias,... Poblaciones colonias de hormigas, enjambre de abejas, modelos presa predador,... Tejidos biológicos cardíaco, nervioso,... Fluidos
19 Inteligencia colectiva Denominaciones y relaciones Computación evolutiva Inteligencia de colonias Inteligencia de enjambres Inteligencia colaborativa Inteligencia social...
20 Inteligencia colectiva Características generales Auto-organización
21 Inteligencia colectiva Características generales Auto-organización Estigmergía colaboración a través del medio físico
22 Inteligencia colectiva Características generales Auto-organización Estigmergía colaboración a través del medio físico Comportamiento emergente inteligencia distribuida, robustez Fuerte interacción local Organización social altamente estructurada Colaboración versus competencia
23 Inteligencia colectiva Características generales Auto-organización Estigmergía colaboración a través del medio físico Comportamiento emergente inteligencia distribuida, robustez Fuerte interacción local Organización social altamente estructurada Colaboración versus competencia Componentes estocásticas Bio-inspiración
24 Inteligencia colectiva Ejemplos Bandadas de pájaros
25 Inteligencia colectiva Ejemplos Bandadas de pájaros Colonias de hormigas
26 Inteligencia colectiva Ejemplos Bandadas de pájaros Colonias de hormigas Paneles/enjambres de abejas
27 Inteligencia colectiva Ejemplos Bandadas de pájaros Colonias de hormigas Paneles/enjambres de abejas Cardúmenes de peces
28 Inteligencia colectiva Ejemplos Bandadas de pájaros Colonias de hormigas Paneles/enjambres de abejas Cardúmenes de peces Rebaños de ovejas o cabras
29 Inteligencia colectiva Ejemplos Bandadas de pájaros Colonias de hormigas Paneles/enjambres de abejas Cardúmenes de peces Rebaños de ovejas o cabras Manadas de predadores
30 Inteligencia colectiva Elementos individuales Boids partículas, objetos, elementos...
31 Inteligencia colectiva Elementos individuales Boids partículas, objetos, elementos... Autómatas redes de autómatas celulares
32 Inteligencia colectiva Elementos individuales Boids partículas, objetos, elementos... Autómatas redes de autómatas celulares Agentes en estructuras de multi-agentes
33 Inteligencia colectiva Algoritmos Colonias de hormigas Enjambre de partículas
34 Inteligencia colectiva Algoritmos Colonias de hormigas Enjambre de partículas Difusión estocástica Formación de ríos Búsqueda gravitacional Sistema inmune artificial Algorítmos meméticos...
35 Inteligencia colectiva Algoritmos Colonias de hormigas Enjambre de partículas Difusión estocástica Formación de ríos Búsqueda gravitacional Sistema inmune artificial Algorítmos meméticos... Relacionados algoritmos evolutivos, SOM,...
36 Inteligencia colectiva Principales aplicaciones Optimización aproximación de funciones, entrenamiento, estimación, identificación, planificación,...
37 Inteligencia colectiva Principales aplicaciones Optimización aproximación de funciones, entrenamiento, estimación, identificación, planificación,... Búsqueda, ruteo Agrupamiento no supervisado, clasificación...
38 Colonia de hormigas
39 La inspiración biológica Hay hormigas en la tierra (y humanos) Igual peso total 30 millones por colonia
40 La inspiración biológica Hay hormigas en la tierra (y humanos) Igual peso total 30 millones por colonia Feromonas las búsqueda del camino más corto a la comida
41 La inspiración biológica Hay hormigas en la tierra (y humanos) Igual peso total 30 millones por colonia Feromonas las búsqueda del camino más corto a la comida 1. Comportamiento inicial aleatorio 2. Cuando encuentran una fuente de comida se organizan y comienzan a seguir el mismo camino 2.1 Mecanismo de reclutamiento mayormente por feromonas, liberadas al regresar (algunas las liberan en proporción a la cantidad de alimento encontrado) 2.2 Si otras encuentran feromonas siguen el rastro (con más probabilidad, tratando de alejarse del hormiguero si no llevan comida) 2.3 El camino se refuerza al ser seguido por más y más hormigas
42 La inspiración biológica Hay hormigas en la tierra (y humanos) Igual peso total 30 millones por colonia Feromonas las búsqueda del camino más corto a la comida 1. Comportamiento inicial aleatorio 2. Cuando encuentran una fuente de comida se organizan y comienzan a seguir el mismo camino 2.1 Mecanismo de reclutamiento mayormente por feromonas, liberadas al regresar (algunas las liberan en proporción a la cantidad de alimento encontrado) 2.2 Si otras encuentran feromonas siguen el rastro (con más probabilidad, tratando de alejarse del hormiguero si no llevan comida) 2.3 El camino se refuerza al ser seguido por más y más hormigas Notar Comunicación indirecta Modificación del entorno físico estigmergía
43 Experimento del puente binario
44 Colonia de hormigas Definiciones G = (V, E) grafo con vértices V y matriz de conexiones E σ ij feromonas en la conexión entre i y j k = 1, 2,..., n k hormigas N i nodos disponibles a partir del nodo i x k (t) camino de la hormiga k
45 Algoritmo 1 Colonia de hormigas simple (saco)
46 Algoritmo 2 Sistema de hormigas (AS)
47 Enjambre de partículas
48 La inspiración biológica Bandadas de pájaros Cada individuo vuela/navega el espacio ajustando su posición en base a su experiencia y a la información de los individuos de su entorno
49 La inspiración biológica Bandadas de pájaros Cada individuo vuela/navega el espacio ajustando su posición en base a su experiencia y a la información de los individuos de su entorno Emular el éxito de los vecinos y propio x i (t) posición de la partícula i, en el tiempo t (espacio R N ) v i (t) velocidad de la partícula i, en el tiempo t
50 La inspiración biológica Bandadas de pájaros Cada individuo vuela/navega el espacio ajustando su posición en base a su experiencia y a la información de los individuos de su entorno Emular el éxito de los vecinos y propio x i (t) posición de la partícula i, en el tiempo t (espacio R N ) v i (t) velocidad de la partícula i, en el tiempo t Regla básica x i (t + 1) = x i (t) + v i (t)
51 Enjambre de partículas Definiciones y i mejor posición personal de la partícula i (la mejor que visitó desde t = 0 hasta la actualidad) ŷ i mejor posición visitada por todo el enjambre
52 Algoritmo 3 Enjambre del mejor global (gep)
53 Algoritmo 4 Enjambre del mejor local (lep)
Algoritmos basados en inteligencia de enjambres: Hormigas y Abejas
Algoritmos basados en inteligencia de enjambres: Hormigas y Abejas Miguel Cárdenas Montes - Antonio Gómez Iglesias Centro de Investigaciones Energéticas Medioambientales y Tecnológicas, Madrid, Spain miguel.cardenas@ciemat.es
Más detallesCOMPUTACIÓN BIOLÓGICA
COMPUTACIÓN BIOLÓGICA Pedro Isasi 1 1 Departamento de Informática Universidad Carlos III de Madrid Avda. de la Universidad, 30. 28911 Leganés (Madrid). Spain email: isasi@ia.uc3m.es Presentación Coevolución
Más detallesComputación Evolutiva Algoritmos Genéticos
Computación Evolutiva Algoritmos Genéticos Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Hace 200 años... Inteligencia Computacional - FICH - UNL La idea de que las especies
Más detallesExperto en Java: especialidad Inteligencia Artificial
titulación de formación continua bonificada expedida por el instituto europeo de estudios empresariales Experto en Java: especialidad Inteligencia Artificial duración total: precio: 0 * modalidad: Online
Más detallesUniversidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática
Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática Plan de Estudios 2008 (Modificado: Resolución VD-8687-2011)
Más detallesNombre de la Unidad de Aprendizaje. Clave de la UA Modalidad de la UA Tipo de UA Valor de créditos Área de formación
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Más detallesInteligencia Artificial
Algoritmos genéticos Bases En la naturaleza todos los seres vivos se enfrentan a problemas que deben resolver con éxito, como conseguir más luz solar o conseguir comida. La Computación Evolutiva interpreta
Más detallesSeminario de solución de problemas de Inteligencia Artificial 1 (Algoritmos Evolutivos)
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Más detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesAnálisis de Series de Tiempo de Poblaciones Simuladas a través de Autómatas Celulares
Análisis de Series de Tiempo de Poblaciones Simuladas a través de Autómatas Celulares Graciela Véliz Quintero 1, Guillermo Baquerizo Palma 2 1 Ingeniera en Estadística Informática 2003 2 Director de Tesis.
Más detallesAnt Colony Optimization
Ant Colony Optimization (Optimización Basada en el comportamiento de Colonias de Hormigas) Una Metaheurística Bio inspirada CINVESTAV Ciudad de México - 2012 Dr. Guillermo Leguizamón El enfoque ACO, marco
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesAlgoritmos basados en hormigas
Algoritmos basados en hormigas Inteligencia Artificial Avanzada 1er. Semestre 2008 1 Aspectos Generales La metáfora de los insectos sociales para resolver problemas ha sido un tema importante a partir
Más detallesUniversidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO
Universidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO CODIGO DEL CURSO: CS360 1 Datos Generales FACULTAD : Ingeniería de Producción y Servicios DEPARTAMENTO :Ingeniería de Sistemas e Informática
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN
Más detallesSIMULADOR DE SISTEMAS MULTI-ROBOTS UTILIZANDO MODELOS DE ENJAMBRE PARA LA COORDINACION DE TAREAS
SIMULADOR DE SISTEMAS MULTI-ROBOTS UTILIZANDO MODELOS DE ENJAMBRE PARA LA COORDINACION DE TAREAS Wilson Pérez Angel Gil Yurisan Collado weps84@gmail.com agil@unet.edu.ve yurisan29@gmail.com Laboratorio
Más detallesMétodos Numéricos y de Simulación
Métodos Numéricos y de Simulación TEMA 8 Autómatas Celulares y Fractales Indice Autómatas Celulares Fractales Qué son los Autómatas Celulares? Cellular automata (CA) modelos simples para estudiar el comportamiento
Más detallesAutómatas celulares. Mariano Suárez-Alvarez
Mariano Suárez-Alvarez mariano@dm.uba.ar Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Semana de la Matemática 28 de abril, 2011 El terreno El terreno
Más detallesDr. Jorge Alberto Pardo Torres MIS. Homero Alpuín Jiménez. Resumen
Laboratorio de ingeniería bioinspirada: implementación de un centro de innovación y desarrollo tecnológico en la División Académica de Informática y Sistemas de la UJAT Dr. Jorge Alberto Pardo Torres MIS.
Más detallesExperto en Java: especialidad Inteligencia Artificial
Experto en Java: especialidad Inteligencia Artificial Titulación certificada por EUROINNOVA BUSINESS SCHOOL Experto en Java: especialidad Inteligencia Artificial Experto en Java: especialidad Inteligencia
Más detallesComputación Bio-Inspirada
Computación Bio-Inspirada Ing. Fabio A. González PhD Depto. de Ing. de Sistemas e Industrial Universidad Nacional de Colombia Algunas restricciones de la computación actual: Frágil Garbage In --> Garbage
Más detallesContexto: Era digital y sociedad del conocimiento
Contexto: Era digital y sociedad del conocimiento Autonomía Situada independent research center Xabier Barandiaran http://sindominio.net/autonomia_situada grey-walter@sindominio.net Digital vs. analógico
Más detalles¾Qué es Modelado Basado en Agentes?
14 de febrero de 2011 Contenido 1 Emergencia de los Modelos Basados en Agentes 2 3 Emergencia de los modelos basados en Agentes Modelos Isomorfos y Homomórcos Modelo Homomórco: caracterizan, de forma cuantitativa,
Más detallesBIOINFORMÁTICA. Examen Extraordinario Septiembre 2011
BIOINFORMÁTICA Examen Extraordinario Septiembre 2011 Considérese el siguiente problema (Optimización de funciones): Se desea encontrar el valor óptimo para la siguiente función donde los valores para cada
Más detallesClasificación estadística de patrones
Clasificación estadística de patrones Clasificador gaussiano César Martínez cmartinez _at_ fich.unl.edu.ar Tópicos Selectos en Aprendizaje Maquinal Doctorado en Ingeniería, FICH-UNL 19 de setiembre de
Más detallesRedes Neuronales. Introducción. José Manuel Quero Reboul Dpto. Ingeniería Electrónica Universidad de Sevilla
Redes Neuronales Introducción José Manuel Quero Reboul Dpto. Ingeniería Electrónica Universidad de Sevilla Indice Motivación Arquitectura Leyes de Aprendizae Aplicaciones DILEMA MEMORIA CALCULO Aritmética
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesRedes Complejas. Inteligencia Colectiva y Sistemas de Recomendación Master Propio en Data Science y Big Data (II Edición: )
Redes Complejas Inteligencia Colectiva y Sistemas de Recomendación Master Propio en Data Science y Big Data (II Edición: 2017-2018) Qué es una red? Conjunto de puntos, algunos de ellos conectados mediante
Más detallesUC I. Rest. Ciclo Tipo UCR
(01) - Primer Semestre Página 1 de 8 1004 CALCULO 10 6 No B OB 0 1006 SISTEMAS DE REPRESENTACION 10 4 No B OB 0 1035 METODOS Y TECNICAS DE INVESTIGACION 3 No B EL 0 1053 INGENIERIA DE SISTEMAS 4 No B OB
Más detallesAutómatas Celulares. Séptima sesión. Hugo Franco, PhD. 28 de febrero de 2011
Modelos de Séptima sesión 28 de febrero de 2011 Primer Corte Máquinas de Estado Finito Modelos de Fecha, hora, lugar Lunes 7 de marzo, 6:30 p.m. (máximo 45 minutos), salón de clase Evaluación Talleres
Más detallesModelización de Sistemas Biológicos
Modelización de Sistemas Biológicos Modelos Computacionales Bioinspirados 1 Contenidos 1. Modelos evolutivos Algoritmos genéticos. Co-evolución. Modelos de colonias y partículas. 2. Artificial Life Juego
Más detallesCURSOS DEL PLAN DE ESTUDIOS DE FÍSICA
CURSOS DEL PLAN DE ESTUDIOS DE FÍSICA Nº CÓDIGO T CURSO Sistema 1 CF001 E TOPICOS ESPECIALES I D 4 3 --- --- 1 --- --- 2 CF002 E TOPICOS ESPECIALES II D 4 3 --- --- 1 --- --- 3 CF003 E TOPICOS ESPECIALES
Más detallesAUTÓMATAS CELULARES MULTIESTADO APLICADOS A LA CLASIFICACIÓN CONTEXTUAL ITERATIVA DE IMÁGENES DE SATÉLITE
1 AUTÓMATAS CELULARES MULTIESTADO APLICADOS A LA CLASIFICACIÓN CONTEXTUAL ITERATIVA DE IMÁGENES DE SATÉLITE - PROYECTO SOLERES - 24 de febrero de 2011 2 INDICE DEL SEMINARIO Autómatas celulares multiestado
Más detalles[ ] introducción. Bioescenarios IV Inteligencia de enjambres: optimización por cúmulos de partículas. resumen
[ ] resumen Conocer técnicas como las de los algoritmos bioinspirados, que han mostrado simplicidad y eficiencia en la solución de problemas complejos, es útil para los Ingenieros de Sistemas. Bioescenarios
Más detallesMETAHEURÍSTICAS
METAHEURÍSTICAS 2017-2018 Tema 1. Introducción a las Metaheurísticas Tema 2. Modelos de Búsqueda: Entornos y Trayectorias vs Poblaciones Tema 3. Metaheurísticas Basadas en Poblaciones Tema 4: Algoritmos
Más detallesIII.Otrasdisposicionesyactos
Página5514/Núm.36 BOLETÍNOFICIALDELARIOJA Miércoles,18demarzode2015 III.Otrasdisposicionesyactos UNIVERSIDADINTERNACIONALDELARIOJA Resoluciónde4demarzode2015,delaUniversidadInternacionaldeLaRioja,porlaquesepublica
Más detallesBIOINFORMÁTICA 2013-2014
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesBOLETÍN OFICIAL DE LA RIOJA. III.Otras disposiciones y actos
Lunes, 28 de mayo de 2018 Página 7215 III.Otras disposiciones y actos UNIVERSIDAD INTERNACIONAL DE LA RIOJA Resolución de 11 de julio de 2016, de la Universidad Internacional de La Rioja, por la que se
Más detallesModelos para la predicción del cambio espacial. Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá
Modelos para la predicción del cambio espacial Joaquín Bosque Sendra Depart. De Geografía Universidad de Alcalá Índice de temas SIG y tiempo de calendario Medición del cambio espacial Modelos de análisis
Más detallesSISTEMAS MULTIAGENTES EN AUTOMATIZACION INDUSTRIAL INTELIGENTE
Universidad de Los Andes Facultad de Ingeniería Dpto. de Sistemas de Control Maestría en Ingeniería de Control y Automatización Centro de estudios en Microelectrónica y sistemas Distribuidos Mérida - Venezuela
Más detallesDatos del proyecto Kepler Herramientas de análisis de resultados Programación... 43
Tabla de Contenido 1. Introducción 1 1.1. Hipótesis...................................... 5 1.2. Objetivos..................................... 5 1.2.1. Objetivo General............................. 5
Más detalles350 -M/R Versión 1 2da Prueba Parcial 1/8 SEMANA 48 LAPSO ASIGNATURA: COMPUTACIÓN EVOLUTIVA CÓDIGO: 350
350 -M/R Versión 1 2da Prueba Parcial 1/8 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: COMPUTACIÓN EVOLUTIVA CÓDIGO: 350 MOMENTO: Prueba Segunda
Más detallesUna Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg.
1/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 Una Versión de ACO para s con Grafos de muy Gran Extensión Enrique Alba y Francisco Chicano Puerto de La Cruz, Tenerife, España, 14
Más detallesAspectos combinatorios en problemas de comunicaciones
Aspectos combinatorios en problemas de comunicaciones Oriol Serra Albó Combinatoria, Teoría de Grafos y aplicaciones Dept. Matemàtica aplicada IV Universitat Politècnica de Catalunya Aspectos combinatorios
Más detallesCapítulo 8. Árboles. Continuar
Capítulo 8. Árboles Continuar Introducción Uno de los problemas principales para el tratamiento de los grafos es que no guardan una estructura establecida y que no respetan reglas, ya que la relación entre
Más detallesTema 1. Heurísticos en Optimización Combinatorial
Tema 1. Heurísticos en Optimización Combinatorial p. 1/2 Tema 1. Heurísticos en Optimización Combinatorial Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e
Más detallesModelos basados en autómatas
Organización Modelos basados en autómatas Bioingeniería I FI-UNER Parte I Introducción e historia. Definiciones. Autómatas de estados finitos. Autómatas celulares. Ejemplos, tejido excitable. Parte II
Más detallesInfluencia de la moda en dinámica social con interacción global
Defensa de Tesis de Maestría Influencia de la moda en dinámica social con interacción global Lic. Marino Gavidia Tutor: Dr. Mario Cosenza http://www.cff.ula.ve/caoticos/ Centro de Física Fundamental Área
Más detallesAutómatas Celulares (AC s)
Autómatas Celulares (AC s) Los autómatas celulares son máquinas discretas que pueden realizar cierto tipo de cómputos. Fueron inventados en los 1940 s por John von Neumann. Tienen similitudes muy lejanas
Más detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesParticionamiento Numérico CIMPA-UCR. usando Metaheurísticas de Optimización
Particionamiento Numérico usando Metaheurísticas de Optimización 1 Métodos de vecindarios 1.1 Sobrecalentamiento simulado 1.2 Búsqueda tabú Optimizacion Combinatoria F: S R S: espacio de estados (soluciones
Más detallesBúsqueda de errores en programas usando Java PathFinder y ACOhg
1 / 16 Búsqueda de errores en programas usando Java PathFinder y ACOhg Francisco Chicano y Enrique Alba Motivación Motivación El Software actual es difícil de testar por simple inspección...... y se encuentra
Más detallesPLAN DE ESTUDIOS DE LA ESPECIALIDAD DE MATEMÁTICA
UNIVERSIDAD NACIONAL DE INGENIERÍIA FACULTAD DE CIENCIAS ESCUELA PROFESIONAL DE MATEMÁTICA PLAN DE ESTUDIOS 2011-1 DE LA ESPECIALIDAD DE MATEMÁTICA PRIMER CICLO CC101 Introducción a la Ciencia de la Computación
Más detalles(V2.0) SILABO CS261T.
Sociedad Peruana de Computación Facultad de Computación Programa Profesional de (Ciencia de la Computación) (V2.0) SILABO CS261T. Inteligencia Artificial (Obligatorio) 2010-1 0. DATOS GENERALES 0.1 CARRERA
Más detallesLaboratorio Nacional de Informática Avanzada Centro de Enseñanza LANIA
Laboratorio Nacional de Informática Avanzada Centro de Enseñanza LANIA Optimización de Cadenas de Adición en Criptografía utilizando Programación Evolutiva TESIS Que presenta: Saúl Domínguez Isidro Para
Más detallesCLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE AUTÓMATAS CELULARES
1 CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE AUTÓMATAS CELULARES Antonio Moisés Espínola Pérez - PROYECTO SOLERES - 15 de febrero de 2010 2 INDICE DEL SEMINARIO CLASIFICACION DE IMÁGENES DE SATÉLITE
Más detallesModelización de la dinámica de fluidos con autómatas celulares. Liliana Di Pietro INRA Avignon - France
Modelización de la dinámica de fluidos con autómatas celulares Liliana Di Pietro INRA Avignon - France Plan Introducción a los autómatas celulares Los gases en red: caso particular de autómata celular
Más detallesAnálisis de algoritmos
Tema 14: Algoritmos de aproximación M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Algoritmos de aproximación
Más detallesBIOINFORMÁTICA
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Más detallesEl virus de la gripe. Análisis bioinformático
El virus de la gripe Análisis bioinformático Es una enfermedad respiratoria, de origen vírico y altamente contagiosa. Obliga a hospitalizar a 200.000 personas al año en USA. Está relacionada con 30.000
Más detallesAulas Pruebas de Evaluación Grados Ingeniería Informática, Ingeniería Informática + ADE y Matemáticas e Informática
Miércoles 27 de junio de 2018 105000013 Programación I 1º 9:00 167 105000352 Programación I 1º 9:00 3203 5 105000105 Programación I 1º 9:00 Bloque 3 aula 3202 24 105000141 Geometría Fractal 8º 9:00 0 105000048
Más detallesUNIVERSIDAD CATÓLICA DE SANTA MARÍA
VIGENTE DESDE 9 / // 9 SEMESTRE : ALGEBRA Y GEOMETRIA MATEMATICA BASICA MATEMATICA I MATEMATICA BASICA MATEMATICA CALCULO I MATEMATICA II MATEMATICA II INTRODUCCION A LA PROPEDEUTICA DEL TRABAJO INTELECTUAL
Más detallesMalla de Ingeniería Informática Facultad De Ciencias y Tecnología UMSS Cochabamba
Malla de Ingeniería Informática Facultad De Ciencias y Tecnología UMSS Cochabamba 1 Plan de Estudios: LICENCIATURA EN INGENIERIA INFORMATICA Código: 134111 Materias Obligatorias Nivel Código Materia Sigla
Más detalles! Las mismas ideas buenas sirven para desarrollar. ! Por eso es útil estudiar las estratégias clásicas del. Dividir y conquistar Algoritmo euclideano
Diseño de algoritmos Temas integradores Diseño de algoritmos Algoritmos de aproximación, aleatorizados & heurísticos! Las mismas ideas buenas sirven para desarrollar algoritmos eficientes para una gran
Más detallesINDICE ALFABETICO DE DESCRIPTORES
INDICE ALFABETICO DE DESCRIPTORES AIRE ACONDICIONADO: 12 ALGEBRA DE BOOLE: 37 ALGEBRA LINEAL: 108 ALGORITMOS: 64, 165 ANALISIS COMBINATORIO: 2, 10, 154 ANALISIS DE CONGLOMERADOS: 61 ANALISIS NUMERICO CALCULO
Más detallesDinámica de Fluidos Computacional: DFC Discretización temporal. Versión 0.1.0
Dinámica de Fluidos Computacional: DFC Discretización temporal. Versión 0.1.0 Curso de adaptación al grado en ingeniería aeroespacial para ingenieros técnicos aeronáuticos Adrián Lozano Durán adrian@torroja.dmt.upm.es
Más detallesPOSGRADO EN CIENCIAS EXACTAS Y SISTEMAS DE LA INFORMACIÓN PLAN: 2005
POSGRADO EN CIENCIAS EXACTAS Y SISTEMAS DE LA INFORMACIÓN PLAN: 2005 OBJETIVO GENERAL APOYO PNP DIRECTORIO DE TUTORES Formar recursos humanos de alto nivel en las áreas de Estadística, Matemáticas, Redes
Más detallesTÉCNICAS INTELIGENTES EN BIOINFORMÁTICA. Modelos estocásticos. Algoritmo de Gillespie. Extensiones al marco de los sistemas P
TÉCNICAS INTELIGENTES EN BIOINFORMÁTICA Modelos estocásticos. Algoritmo de Gillespie. Extensiones al marco de los sistemas P Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto.
Más detallesAplicación a la Computación Distribuida
Métodos de Optimización Multiobjetivo. Aplicación a la Computación Distribuida Dr. Miguel Ángel Vega Rodríguez Grupo de Investigación ARCO (http://arco.unex.es) Universidad de Extremadura 0. Índice de
Más detalles1. GRAFOS : CONCEPTOS BASICOS
1. GRAFOS : CONCEPTOS BASICOS Sea V un conjunto finito no vacio y sea E V x V. El par (V, E) es un grafo no dirigido, donde V es un conjunto de vértices o nodos y E es un conjunto de aristas. Denotaremos
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesFACULTAD DE CIENCIAS MATEMÁTICAS CURSO 2012/13 CALENDARIO DE EXÁMENES DE SEPTIEMBRE 2013 APROBADO EN JUNTA DE FACULTAD DE 17 DE JULIO DE 2012 GRADOS
GRADOS EN MATEMÁTICAS, INGENIERÍA MATEMÁTICA y MATEMÁTICAS Y ESTADÍSTICA PRIMER CURSO ÁLGEBRA LINEAL ANÁLISIS DE VARIABLE REAL ELEMENTOS DE MATEMATICAS Y APLICACIONES INFORMÁTICA B03 ÁLGEBRA LINEAL ANÁLISIS
Más detallesUNIVERSIDAD DE CASTILLA-LA MANCHA INGENIERÍA EN INFORMÁTICA TRABAJO DE BIOINFORMÁTICA EL JUEGO DE LA VIDA DE CONWAY
UNIVERSIDAD DE CASTILLA-LA MANCHA ESCUELA SUPERIOR DE INGENIERÍA INFORMÁTICA INGENIERÍA EN INFORMÁTICA TRABAJO DE BIOINFORMÁTICA EL JUEGO DE LA VIDA DE CONWAY Juan Ignacio Del Castillo Waters y Gonzalo
Más detallesIngeniería en Sistemas Computacionales. Inteligencia Artificial. Ing. Bruno López Takeyas. Algoritmo Hill Climbing
Ingeniería en Sistemas Computacionales Inteligencia Artificial Ing. Bruno López Takeyas Algoritmo Hill Climbing Alumnos Ylliana Samantha Anderson Benavides 01100161 Pablo Saúl Hernández Ribota 01100230
Más detallesInteligencia Artificial para desarrolladores Conceptos e implementación en C#
Introducción 1. Estructura del capítulo 19 2. Definir la inteligencia 19 3. La inteligencia de los seres vivos 22 4. La inteligencia artificial 24 5. Dominios de aplicación 26 6. Resumen 28 Sistemas expertos
Más detallesMinería de Datos. Arturo Olvera López
Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Minería de Datos Arturo Olvera López aolvera@cs.buap.mx 1 1 Data Warehouse and OLAP 66 Data Warehouse 67 OLTP, OLAP 68 Data
Más detallesInteligencia colectiva.
Métodos evolutivos.. A. Jiménez, A. Murillo, E. Piza, M. Villalobos, J. Trejos. April 27, 2010 Descripción Métodos evolutivos 1 Métodos evolutivos Algoritmos genéticos 2 Colonias de hormigas Problema de
Más detallesFramework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización
Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Laboratorio de Inteligencia Artificial Framework basado en Colonias de Hormigas artificiales para la resolución de problemas
Más detallesUniversidad Autónoma de Nuevo León
Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Eficiencia de la Búsqueda Local para Instancias Diferentes del Problema de
Más detallesCurso de Inteligencia Artificial
Curso de Inteligencia Artificial Modelos Ocultos de Markov Gibran Fuentes Pineda IIMAS, UNAM Redes Bayesianas Representación gráfica de relaciones probabilísticas Relaciones causales entre variables aleatorias
Más detallesLección 6 Redes Neuronales Artificiales Curso Básico
Lección 6 Redes Neuronales Artificiales Curso Básico Curso Aproximación al estudio de célula mínima desde la Biología de Sistemas Montevideo 6-10 diciembre 2010 Federico Morán Departamento de Bioqímica
Más detalles5. PLANIFICACIÓN DE LAS ENSEÑANZAS
5. PLANIFICACIÓN DE LAS ENSEÑANZAS 5.1. Descripción del Plan de Estudios I. Estructura del Plan de Estudios Módulo Materia Asignatura ECTS Carácter MÉTODOS NUMÉRICOS 6 OBLIGATORIA ECUACIONES FUNDAMENTOS
Más detallesIngeniería de sistemas complejos y logística hospitalaria: modelamiento y simulación de la dinámica de aseo en el Hospital Vista Hermosa I Nivel
DOCUMENTOS DE INVESTIGACIÓN Facultad de Administración No. 143, ISSN: 0124-8219 Febrero de 2013 Ingeniería de sistemas complejos y logística hospitalaria: modelamiento y simulación de la dinámica de aseo
Más detallesPlan de Estudio. Ingeniería Estadística Departamento de Matemática / Facultad de Ciencias. Descripción de Asignaturas Obligatorias.
Plan de Estudio Ingeniería Estadística Departamento de Matemática / Facultad de Ciencias Descripción de s Obligatorias I Semestre Código 220016 CÁLCULO I Descripción En esta asignatura se presentan los
Más detalles6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera:
Universidad Católica San Pablo Facultad de Ingeniería y Computación Programa Profesional de Ciencia de la Computación SILABO CS360. Computación Bioinspirada (Electivo) 2012-2 1. DATOS GENERALES 1.1 CARRERA
Más detallesTema: Aprendizaje Supervisado.
Sistemas Expertos e Inteligencia Artificial. Guía No. 9 1 Tema: Aprendizaje Supervisado. Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Objetivos Específicos
Más detallesPráctica: Codificación y Utilización de Autómatas Celulares
Ingeniería Informática Bioinformática Curso 07-08 Práctica: Codificación y Utilización de Autómatas Celulares Los autómatas celulares (ACs) fueron concebidos a finales de los años 40 por Stanislaw Ulam
Más detallesBases Formales de la Computación: Redes de Bayes (segunda parte)
Bases Formales de la Computación: Redes de Bayes (segunda parte) Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Razonamiento en Redes de Bayes
Más detallesÍNDICE. Índice de figuras Índice de tablas INTRODUCCIÓN OBJETIVOS DEL PROYECTO... 21
Índice ÍNDICE Índice de figuras... 9 Índice de tablas... 13 1. INTRODUCCIÓN... 15 2. OBJETIVOS DEL PROYECTO... 21 3. EVOLUCIÓN DE LA METODOLOGÍA DE DISEÑO Y DE LA TECNOLOGÍA... 29 3.1 Evolución de la tecnología...
Más detallesRedes neuronales dinámicas
Redes neuronales dinámicas Diego Milone y Leonardo Rufiner Inteligencia Computacional Departamento de Informática FICH-UNL Organización Introducción: 3 dinámicas simples Clasificación Redes de Hopfield
Más detallesBOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES
Núm. 163 Lunes 9 de julio de 2012 Sec. III. Pág. 49582 III. OTRAS DISPOSICIONES UNIVERSIDADES 9198 Resolución de 25 de junio de 2012, de la Universidad Camilo José Cela, por la que se publica el plan de
Más detallesContenido. Capítulo I Sistemas numéricos 2. Capítulo II Métodos de conteo 40
CONTENIDO v Contenido Contenido de la página Web de apoyo... xi Página Web de apoyo... xvii Prefacio... xix Capítulo I Sistemas numéricos 2 1.1 Introducción... 4 1.2 Sistema decimal... 5 1.3 Sistemas binario,
Más detallesUNIVERSIDAD AUTÓNOMA DE GUERRERO
UNIDAD ACADEMICA: MATEMÁTICAS CARRERA:. TIPO DE EDUCACION: MEDIA SUPERIOR: SUPERIOR TÉCNICO: LICENCIATURA: X POSGRADO: CARGA ACADÉMICA: ASIGNATURAS: 48 SEMESTRES: MÍNIMO 8 MÁXIMO 10 (SEMESTRE 16 SEMANAS
Más detallesRobótica colectiva. Sirve de algo tener más de un robot? En principio depende de la tarea que queremos realizar:
Robótica colectiva Robótica colectiva Sirve de algo tener más de un robot? En principio depende de la tarea que queremos realizar: - Tareas inherentemente individuales - Llevar un mensaje de un lugar a
Más detallesGráficas. Las relaciones que resultan de estas conexiones nos llevan a preguntas como:
GRÁFICAS Gráficas Muchas aplicaciones computacionales involucran no solo un conjunto de elementos sino también conexiones entre pares de elementos. Las relaciones que resultan de estas conexiones nos llevan
Más detalles