Inteligencia de enjambres

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Inteligencia de enjambres"

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 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 detalles

COMPUTACIÓN BIOLÓGICA

COMPUTACIÓN 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 detalles

Computación Evolutiva Algoritmos Genéticos

Computación 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 detalles

Experto en Java: especialidad Inteligencia Artificial

Experto 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 detalles

Universidad 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 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 detalles

Nombre de la Unidad de Aprendizaje. Clave de la UA Modalidad de la UA Tipo de UA Valor de créditos Área de formación

Nombre 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 detalles

Inteligencia Artificial

Inteligencia 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 detalles

Seminario de solución de problemas de Inteligencia Artificial 1 (Algoritmos Evolutivos)

Seminario 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 detalles

ALGORÍTMICA

ALGORÍTMICA 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 detalles

Análisis 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 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 detalles

Ant Colony Optimization

Ant 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 detalles

BIOINFORMÁTICA

BIOINFORMÁTICA 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 detalles

Algoritmos basados en hormigas

Algoritmos 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 detalles

Universidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO

Universidad 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 detalles

Universidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE

Universidad 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 detalles

SIMULADOR 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 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 detalles

Métodos Numéricos y de Simulación

Métodos 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 detalles

Autómatas celulares. Mariano Suárez-Alvarez

Autómatas 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 detalles

Dr. Jorge Alberto Pardo Torres MIS. Homero Alpuín Jiménez. Resumen

Dr. 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 detalles

Experto en Java: especialidad Inteligencia Artificial

Experto 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 detalles

Computación Bio-Inspirada

Computación 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 detalles

Contexto: Era digital y sociedad del conocimiento

Contexto: 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 detalles

¾Qué es Modelado Basado en Agentes?

¾Qué 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 detalles

BIOINFORMÁTICA. Examen Extraordinario Septiembre 2011

BIOINFORMÁTICA. 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 detalles

Clasificación estadística de patrones

Clasificación 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 detalles

Redes 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 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 detalles

BIOINFORMÁTICA

BIOINFORMÁTICA 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 detalles

Redes 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: ) 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 detalles

UC I. Rest. Ciclo Tipo UCR

UC 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 detalles

Autómatas Celulares. Séptima sesión. Hugo Franco, PhD. 28 de febrero de 2011

Autómatas 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 detalles

Modelización de Sistemas Biológicos

Modelización 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 detalles

CURSOS DEL PLAN DE ESTUDIOS DE FÍSICA

CURSOS 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 detalles

AUTÓMATAS CELULARES MULTIESTADO APLICADOS A LA CLASIFICACIÓN CONTEXTUAL ITERATIVA DE IMÁGENES DE SATÉLITE

AUTÓMATAS 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

[ ] 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 detalles

METAHEURÍSTICAS

METAHEURÍSTICAS 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 detalles

III.Otrasdisposicionesyactos

III.Otrasdisposicionesyactos Página5514/Núm.36 BOLETÍNOFICIALDELARIOJA Miércoles,18demarzode2015 III.Otrasdisposicionesyactos UNIVERSIDADINTERNACIONALDELARIOJA Resoluciónde4demarzode2015,delaUniversidadInternacionaldeLaRioja,porlaquesepublica

Más detalles

BIOINFORMÁTICA 2013-2014

BIOINFORMÁTICA 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 detalles

BOLETÍN OFICIAL DE LA RIOJA. III.Otras disposiciones y actos

BOLETÍN 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 detalles

Modelos 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 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 detalles

SISTEMAS MULTIAGENTES EN AUTOMATIZACION INDUSTRIAL INTELIGENTE

SISTEMAS 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 detalles

Datos del proyecto Kepler Herramientas de análisis de resultados Programación... 43

Datos 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 detalles

350 -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 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 detalles

Una Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg.

Una 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 detalles

Aspectos combinatorios en problemas de comunicaciones

Aspectos 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 detalles

Capítulo 8. Árboles. Continuar

Capítulo 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 detalles

Tema 1. Heurísticos en Optimización Combinatorial

Tema 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 detalles

Modelos basados en autómatas

Modelos 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 detalles

Influencia de la moda en dinámica social con interacción global

Influencia 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 detalles

Autómatas Celulares (AC s)

Autómatas 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 detalles

ALGORÍTMICA

ALGORÍTMICA 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 detalles

Particionamiento Numérico CIMPA-UCR. usando Metaheurísticas de Optimización

Particionamiento 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 detalles

Búsqueda de errores en programas usando Java PathFinder y ACOhg

Búsqueda 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 detalles

PLAN DE ESTUDIOS DE LA ESPECIALIDAD DE MATEMÁTICA

PLAN 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.

(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 detalles

Laboratorio Nacional de Informática Avanzada Centro de Enseñanza LANIA

Laboratorio 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 detalles

CLASIFICACIÓN DE IMÁGENES DE SATÉLITE MEDIANTE AUTÓMATAS CELULARES

CLASIFICACIÓN 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 detalles

Modelización 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 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 detalles

Análisis de algoritmos

Análisis 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 detalles

BIOINFORMÁTICA

BIOINFORMÁTICA 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 detalles

El virus de la gripe. Análisis bioinformático

El 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 detalles

Aulas Pruebas de Evaluación Grados Ingeniería Informática, Ingeniería Informática + ADE y Matemáticas e Informática

Aulas 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 detalles

UNIVERSIDAD CATÓLICA DE SANTA MARÍA

UNIVERSIDAD 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 detalles

Malla de Ingeniería Informática Facultad De Ciencias y Tecnología UMSS Cochabamba

Malla 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

! 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 detalles

INDICE ALFABETICO DE DESCRIPTORES

INDICE 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 detalles

Dinámica de Fluidos Computacional: DFC Discretización temporal. Versión 0.1.0

Dinámica 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 detalles

POSGRADO EN CIENCIAS EXACTAS Y SISTEMAS DE LA INFORMACIÓN PLAN: 2005

POSGRADO 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 detalles

TÉCNICAS 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 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 detalles

Aplicación a la Computación Distribuida

Aplicación 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 detalles

1. GRAFOS : CONCEPTOS BASICOS

1. 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 detalles

Grado en Ingeniería Informática

Grado 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 detalles

CRITERIOS DE SELECCIÓN DE MODELOS

CRITERIOS 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 detalles

FACULTAD DE CIENCIAS MATEMÁTICAS CURSO 2012/13 CALENDARIO DE EXÁMENES DE SEPTIEMBRE 2013 APROBADO EN JUNTA DE FACULTAD DE 17 DE JULIO DE 2012 GRADOS

FACULTAD 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 detalles

UNIVERSIDAD DE CASTILLA-LA MANCHA INGENIERÍA EN INFORMÁTICA TRABAJO DE BIOINFORMÁTICA EL JUEGO DE LA VIDA DE CONWAY

UNIVERSIDAD 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 detalles

Ingeniería 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 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 detalles

Inteligencia Artificial para desarrolladores Conceptos e implementación en C#

Inteligencia 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 detalles

Minería de Datos. Arturo Olvera López

Minería 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 detalles

Inteligencia colectiva.

Inteligencia 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 detalles

Framework basado en Colonias de Hormigas artificiales para la resolución de problemas de optimización

Framework 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 detalles

Universidad Autónoma de Nuevo León

Universidad 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 detalles

Curso de Inteligencia Artificial

Curso 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 detalles

Lección 6 Redes Neuronales Artificiales Curso Básico

Lección 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 detalles

5. PLANIFICACIÓN DE LAS ENSEÑANZAS

5. 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 detalles

Ingeniería de sistemas complejos y logística hospitalaria: modelamiento y simulación de la dinámica de aseo en el Hospital Vista Hermosa I Nivel

Ingeniería 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 detalles

Plan 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 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 detalles

6. CONTRIBUCIÓN A LA FORMACIÓN PROFESIONAL Y FORMACIÓN GENERAL Esta disciplina contribuye al logro de los siguientes resultados de la carrera:

6. 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 detalles

Tema: Aprendizaje Supervisado.

Tema: 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 detalles

Práctica: Codificación y Utilización de Autómatas Celulares

Práctica: 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 detalles

Bases Formales de la Computación: Redes de Bayes (segunda parte)

Bases 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 detalles

ÍNDICE. Índice de figuras Índice de tablas INTRODUCCIÓN OBJETIVOS DEL PROYECTO... 21

ÍNDICE. 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 detalles

Redes neuronales dinámicas

Redes 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 detalles

BOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES

BOLETÍN 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 detalles

Contenido. Capítulo I Sistemas numéricos 2. Capítulo II Métodos de conteo 40

Contenido. 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 detalles

UNIVERSIDAD AUTÓNOMA DE GUERRERO

UNIVERSIDAD 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 detalles

Robótica colectiva. Sirve de algo tener más de un robot? En principio depende de la tarea que queremos realizar:

Robótica 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 detalles

Gráficas. Las relaciones que resultan de estas conexiones nos llevan a preguntas como:

Gráficas. 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