Una Versión de ACO para Problemas con Grafos de. muy Gran Extensión. Enrique Alba y Francisco Chicano. Introducción. ACOhg.
|
|
- Cristián Rubio Paz
- hace 7 años
- Vistas:
Transcripción
1 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
2 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 Los ACOs resuelven problemas planteados como búsqueda de caminos mínimos en grafos Existen problemas en los que el grafo subyacente es desconocido y/o muy extenso α β, β γ α γ Los modelos actuales de ACO no se pueden aplicar a dichos problemas En un grafo muy grande, la construcción de una solución completa puede requerir mucha memoria y tiempo En algunos modelos el número de nodos del grafo se usa para inicializar la matriz de feromonas
3 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 Necesitamos un nuevo modelo para abordar estas dificultades: (ACO for Huge Graphs) Feromona k extiende los modelos actuales con nuevas ideas pero mantiene la forma de construir las soluciones y de actualizar la feromona τ ij Heurística η ij j k i l m N i
4 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : Longitud de los Caminos La longitud de los caminos de las hormigas se limita a λ ant Nodo inicial λ ant Qué pasa si? Nodo objetivo Técnica de Expansión: λ ant cambia Tras σ i pasos λ ant = λ ant + δ l
5 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : Longitud de los Caminos La longitud de los caminos de las hormigas se limita a λ ant Nodo inicial λ ant Qué pasa si? Nodo objetivo Dos alternativas Técnica de Expansión: λ ant cambia Tras σ i pasos λ ant = λ ant + δ l
6 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : Longitud de los Caminos La longitud de los caminos de las hormigas se limita a λ ant Nodo inicial λ ant Qué pasa si? Nodo objetivo Dos alternativas Técnica del Misionero: Técnica de cambio Expansión: de los nodos λ ant cambia iniciales de los caminos Tras σ si pasos Segunda λ ant = λ ant etapa + δ l Tercera etapa
7 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : Feromonas El número de rastros de feromona aumenta durante la búsqueda Esto conduce a problemas de memoria Se deben eliminar algunos valores de feromona de la memoria Feromonas Eliminar valores de feromona τ ij por debajo de un umbral τ θ Feromonas Feromonas Pasos En la técnica del misionero, eliminar todos los valores de feromona tras cada etapa Etapa Pasos Pasos
8 8/22 : Función de Fitness La función de fitness debe ser capaz de evaluar soluciones parciales Se penalizan las soluciones parciales y las que contienen ciclos Solución completa Solución parcial sin ciclo Solución parcial con ciclo Penalización total Constante de penalización para soluciones parciales Constante de penalización para soluciones con ciclos Longitud del camino Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007
9 9/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 (I) Objetivo: encontrar errores en programas concurrentes SPIN: se especifica una propiedad usando una fórmula LTL f Programa M Fórmula LTL f s5 s1 s0 s2 s3 s0!p q q s1 s2 p!q s4 s1 s2 s0 s3 Autómata de Büchi producto s5 s7 s6 s4 s8 s9
10 10/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 (I) Objetivo: encontrar errores en programas concurrentes SPIN: se especifica una propiedad usando una fórmula LTL f Programa M Fórmula LTL f s5 s1 s0 s2 s3 s0!p q q s1 s2 p!q s4 s1 s2 s0 s3 Autómata de Büchi producto s5 s7 s6 s4 s8 s9
11 11/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 (I) Objetivo: encontrar errores en programas concurrentes SPIN: se especifica una propiedad usando una fórmula LTL f Programa M Fórmula LTL f s5 s1 s0 s2 s3 s0!p q q s1 s2 p!q s4 s1 s2 s0 s3 Autómata de Büchi producto s5 s7 s6 s4 Usando Nested-DFS s8 s9
12 12/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 (II) Las propiedades de seguridad son aquéllas que pueden expresarse con una fórmula LTL de la forma: f = p donde p es una fórmula pasada (sólo con operadores pasados) Encontrar una traza de error encontrar un estado de aceptación s1 s7 s8 s2 s0 s6 s9 Autómata producto s3 s4 s5 Propiedades de Seguridad Interbloqueos Invariantes Asertos Pueden usarse algoritmos clásicos de exploración de grafos: ej., DFS y BFS
13 13/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 (y III) Número de estados muy grande incluso para pequeños programas s0 s1 s2 s3 s5 Memoria s7 s6 s4 s8 s9 El programa usado en los experimentos modela el problema de los filósofos de Edsger Dijkstra n filósofos 3 n estados 20 filósofos 1039 GB para almacenar los estados
14 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : Comparación Comparamos MMAShg con los algoritmos exhaustivos DFS y BFS Programa Aspectos DFS BFS MMAShg Longitud phi8 Mem. (KB) Tiempo (ms) phi12 phi16 phi20 Longitud Mem. (KB) Tiempo (ms) Longitud Mem. (KB) Tiempo (ms) Longitud NO RESUELTOS Mem. (KB) Tiempo (ms) MMAShg es claramente mejor para los programas abordados
15 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : vs. GA GA es la única metaheurística aplicada previamente al problema Usamos phi17 y needham (protocolo Needham-Schroeder) para la comparación (Godefroid & Khurshid, 2002) Los resultados muestran que tiene mayor eficacia y eficiencia que GA (incluso teniendo en cuenta la diferencia entre las máquinas)
16 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 : vs. GA GA es la única metaheurística aplicada previamente al problema Usamos phi17 y needham (protocolo Needham-Schroeder) para la comparación (Godefroid & Khurshid, 2002) 1.36 Los resultados muestran que tiene mayor eficacia y eficiencia que GA (incluso teniendo en cuenta la diferencia entre las máquinas) 1.11 * 4.84
17 17/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 : Influencia de λ ant Analizamos la influencia de λ ant en los resultados La tasa de éxito aumenta con λ ant La longitud media de los contraejemplos crece con λ ant La memoria y el tiempo de cómputo disminuyen con λ ant
18 18/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 : Influencia de λ ant Analizamos la influencia de λ ant en los resultados La tasa de éxito aumenta con λ ant La longitud media de los contraejemplos crece con λ ant La memoria y el tiempo de cómputo disminuyen con λ ant
19 19/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 : Influencia de λ ant Analizamos la influencia de λ ant en los resultados La tasa de éxito aumenta con λ ant La longitud media de los contraejemplos crece con λ ant La memoria y el tiempo de cómputo disminuyen con λ ant
20 20/22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de 2007 : Influencia de λ ant Analizamos la influencia de λ ant en los resultados La tasa de éxito aumenta con λ ant La longitud media de los contraejemplos crece con λ ant La memoria y el tiempo de cómputo disminuyen con λ ant
21 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 Conclusiones es capaz de superar las limitaciones de los modelos actuales de ACO cuando se enfrentan a problemas con grafos subyacentes desconocidos o de gran extensión supera a algoritmos exhaustivos del dominio de la comprobación de modelos Asimismo obtiene mejores resultados que el GA usado en el pasado para este problema Estudiar el modelo en profundidad, explorando todas las alternativas mencionadas Trasladar las ideas usadas en a otras metaheurísticas para extender el conjunto de problemas al que se pueden aplicar Profundizar en el uso de para la aplicación de encontrar errores en programas concurrentes
22 Puerto de La Cruz, Tenerife, España, 14 a 16 de Febrero de /22 Fin Gracias por su atención!!! Preguntas?
Búsqueda de errores en programas usando Java PathFinder y ACOhg
VI Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados (MAEB'09) Búsqueda de errores en programas usando Java PathFinder y ACOhg Francisco Chicano y Enrique Alba Resumen Model
Más detallesAutómatas Deterministas. Ivan Olmos Pineda
Autómatas Deterministas Ivan Olmos Pineda Introducción Los autómatas son una representación formal muy útil, que permite modelar el comportamiento de diferentes dispositivos, máquinas, programas, etc.
Más detallesIntroducción a los códigos compresores
Introducción a los códigos compresores Parte I de la Lección 2, Compresores sin pérdidas, de CTI Ramiro Moreno Chiral Dpt. Matemàtica (UdL) Febrero de 2010 Ramiro Moreno (Matemàtica, UdL) Introducción
Más detallesJUEGOS. Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil
JUEGOS Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil I Oponente: Jugador: intenta mover a un estado que es el peor para Etiquetar cada nivel del espacio de búsqueda
Más detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
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 detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además 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 detallesInteligencia de enjambres
Inteligencia de enjambres Diego Milone Inteligencia Computacional Departamento de Informática FICH-UNL Autómata de estados finitos Definición A =< X, Y, E, D > Autómata de estados finitos Definición A
Más detallesCapítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular.
Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular. 3.1. Introducción El Método de los Elementos de Contorno (MEC) se ha implantado firmemente en numerosos campos de la ingeniería
Más detallesExpresiones Regulares y Derivadas Formales
y Derivadas Formales Las Derivadas Sucesivas. Universidad de Cantabria Esquema 1 2 3 Derivadas Sucesivas Recordemos que los lenguajes de los prefijos dan información sobre los lenguajes. Derivadas Sucesivas
Más detallesTransferencia de conocimiento para el aprendizaje de Redes Bayesianas de Nodos Temporales
Transferencia de conocimiento para el aprendizaje de Redes Bayesianas de Nodos Temporales Lindsey Fiedler Cameras, Dr. L. Enrique Sucar Dr. Eduardo F. Morales INAOE Junio, 2013 Contenido Motivación Aprendizaje
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesAlgoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Más detallesPrimer Parcial de Programación 3 (1/10/2009)
Primer Parcial de Programación (/0/009) Instituto de Computación, Facultad de Ingeniería Este parcial dura horas y contiene carillas. El total de puntos es 0. En los enunciados llamamos C* a la extensión
Más detalles1. Calcular, aplicando mentalmente la definición de raíz (no usar calculadora):
EJERCICIOS de RADICALES º ESO académicas FICHA : Cocepto de raíz -ésima RECORDAR: Defiició de raíz -ésima: Caso particular de simplificació: a x x a x x (Añadir estas fórmulas al formulario, juto co la
Más detallesRectas y Planos en el Espacio
Rectas y Planos en el Espacio Rectas y Planos en el Espacio Verónica Briceño V. septiembre 2012 Verónica Briceño V. () Rectas y Planos en el Espacio septiembre 2012 1 / 20 En esta Presentación... En esta
Más detallesTensores cartesianos.
Tensores cartesianos. Transformación de coordenadas. Consideremos dos sistemas de coordenadas cartesianas ortogonales en el plano, identificados como σ y σ. Supongamos que ambos tienen un origen común,
Más detallesCI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos
Especialización en Creación y Programación de Videojuegos CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos Agenda de hoy Juegos Combinatorios Información en un Juego La suma de un Juego s
Más detallesBúsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Más detallesEl Dr. Enrique Alba Torres, Titular de Universidad del Departamento de Lenguajes y Ciencias de la Computación de la Universidad de Málaga,
TESIS DOCTORAL Metaheurísticas e Ingeniería del Software Autor José Francisco Chicano García Director Dr. Enrique Alba Torres Departamento Lenguajes y Ciencias de la Computación UNIVERSIDAD DE MÁLAGA Julio
Más detallesInversas de las matrices triangulares superiores
Inversas de las matrices triangulares superiores Ejercicios Objetivos. Demostrar que la inversa a una matriz triangular superior también es triangular superior. Requisitos. Algoritmo de inversión de una
Más detallesFÍSICA 4 PRIMER CUATRIMESTRE DE 2015 GUÍA 9: POTENCIALES EN 2-D Y 3-D, MOMENTO ANGULAR, ÁTOMO DE HIDRÓGENO, ESPÍN
FÍSICA 4 PRIMER CUATRIMESTRE DE 2015 GUÍA 9: POTENCIALES EN 2-D Y 3-D, MOMENTO ANGULAR, ÁTOMO DE HIDRÓGENO, ESPÍN 1. Considere el siguiente potencial (pozo infinito): { 0 x a; y b y z c V(x)= sino Escribiendo
Más detalles2 Traslaciones. Unidad 13. Movimientos en el plano. Frisos y mosaicos ESO. Página 172. que transforma H 3 en H 1? a) Son traslaciones H 1, H 2 y H 3.
Unidad 13. Movimientos en el plano. Frisos y mosaicos a las Enseñanzas plicadas 3 Traslaciones Página 17 1. El mosaico de la derecha se llama multihueso. H 1, H, H 3 y H 4 son huesos. Se pueden estudiar
Más detallesProcesadores de Lenguaje
Procesadores de Lenguaje Repaso TALF Cristina Tîrnăucă Dept. Matesco, Universidad de Cantabria Fac. Ciencias Ing. Informática Primavera de 2013 La Jerarquía de Chomsky Cuatro niveles de lenguajes formales
Más detallesEl Autómata con Pila
El Autómata con Pila Una Generalización del Autómata Finito Universidad de Cantabria Esquema 1 2 3 4 Los autómatas son abstracciones de maquinas de calcular, como hemos visto. Los más sencillos no tienen
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesLISTA DE SÍMBOLOS. Capítulo 2 EJEMPLOS Y TEORIA DE LAS VIBRACIONES PARAMÉTRICAS 2.1 Introducción T - Periodo Ω - Frecuencia a- parámetro b- parámetro
LISTA DE SÍMBOLOS Capítulo 2 EJEMPLOS Y TEORIA DE LAS VIBRACIONES PARAMÉTRICAS 2.1 Introducción T - Periodo Ω - Frecuencia a- parámetro b- parámetro 2.1.1 Rigidez Flexiva que Difiere en dos Ejes x- Desplazamiento
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesMetaheurísticas. Seminario 4. Problemas de optimización con técnicas basadas en adaptación social
Metaheurísticas Seminario 4. Problemas de optimización con técnicas basadas en adaptación social 1. Diseño de Componentes para Resolver un Problema con un Algoritmo de Optimización Basada en Colonias de
Más detallesOptimización basada en Colonia de Hormigas
Capítulo 11 Optimización basada en Colonia de Hormigas 11.1 Introducción Optimización de colonia de hormigas (ant colony optimization o ACO) está inspirado en el rastro y seguimiento de feromonas realizado
Más detallesA B MIN C D E F MAX x E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO
E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROBLEMAS. TEMA IV. PROBLEMAS DE JUEGOS.
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 2 CINEMÁTICA DE MANIPULADORES
Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 2 CINEMÁTICA DE MANIPULADORES Secciones 1. Introducción. 2. Coordenadas y Transformaciones Homogéneas. 3. Problema Cinemático Directo. Método de
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 detallesUnidad 4. Autómatas de Pila
Unidad 4. Autómatas de Pila Una de las limitaciones de los AF es que no pueden reconocer el lenguaje {0 n 1 n } debido a que no se puede registrar para todo n con un número finito de estados. Otro lenguaje
Más detallesAutor: Diego Niquefa Solución: Diego Niquefa
Selfies Autor: Diego Niquefa Solución: Diego Niquefa Primero note que en el caso en donde sólo hay una atracción basta hacer un BFS desde la posición de origen de Mario y ver cuál es la ruta mínima para
Más detallesEl TAD Grafo. El TAD Grafo
! Esta representación resulta útil cuando el número de vértices se conoce previamente y permanecerá fijo durante la resolución del problema, pero resulta ineficiente si necesitamos añadir o eliminar vértices
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesGenética de polinomios sobre cuerpos locales
Genética de polinomios sobre cuerpos locales Hayden Stainsby Universitat Autònoma de Barcelona STNB 30 de enero de 2014 Resumen 1 Tipos 2 Tipos sobre (K, v) (K, v) cuerpo valorado discreto, O anillo de
Más detallesDeep Learning y Big Data
y Eduardo Morales, Enrique Sucar INAOE (INAOE) 1 / 40 Contenido 1 2 (INAOE) 2 / 40 El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia ha sido el foco
Más detallesEJERCICIOS del TEMA 3: Lenguajes independientes del contexto
EJERCICIOS del TEMA 3: Lenguajes independientes del contexto Sobre GICs (gramáticas independientes del contexto) 1. Sea G una gramática con las siguientes producciones: S ASB ε A aab ε B bba ba c ) d )
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesAutómatas Mínimos. Encontrar el autómata mínimo. Universidad de Cantabria. Introducción Minimización de Autómatas Deterministas Resultados Algoritmo
Autómatas Mínimos Encontrar el autómata mínimo. Universidad de Cantabria Introducción Dado un lenguaje regular sabemos encontrar un autómata finito. Pero, hay autómatas más sencillos que aceptan el mismo
Más detalles3. Determinantes. Propiedades. Depto. de Álgebra, curso
Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β
Más detallesMáquinas Secuenciales, Autómatas y Lenguajes. Tema 3.1: Autómatas Finitos Deterministas
Tema 3.1: Autómatas Finitos Deterministas Luis Peña luis.pena@urjc.es http://www.ia.urjc.es/cms/es/docencia/ic-msal Sumario Tema 3.1: Autómatas Finitos Deterministas. 1. Concepto de AFD 2. Equivalencia
Más detallesWAN y Enrutamiento WAN
WAN y Enrutamiento WAN El asunto clave que separa a las tecnologías WAN de las LAN es la capacidad de crecimiento, no tanto la distancia entre computadoras Para crecer, la WAN consta de dispositivos electrónicos
Más detallesAplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesAlgoritmos sobre Grafos
Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.
Más detallesTEMA I.13. Ondas Estacionarias Longitudinales. Dr. Juan Pablo Torres-Papaqui
TEMA I.13 Ondas Estacionarias Longitudinales Dr. Juan Pablo Torres-Papaqui Departamento de Astronomía Universidad de Guanajuato DA-UG (México) papaqui@astro.ugto.mx División de Ciencias Naturales y Exactas,
Más detallesMemoria del Programa Oficial de Postgrado Tecnologías Informáticas
Memoria del Programa Oficial de Postgrado Tecnologías Informáticas Máster en Ingeniería del Software e Inteligencia Artificial 2006/2007 José Manuel García Nieto email: jnieto@lcc.uma.es www.garcianieto.net
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
Más detalles5 Autómatas de pila 5.1 Descripción informal. 5.2 Definiciones
1 Curso Básico de Computación 5 Autómatas de pila 5.1 Descripción informal Un autómata de pila es esencialmente un autómata finito que controla una cinta de entrada provista de una cabeza de lectura y
Más detallesInicio. Cálculos previos GRASP. Resultados. Fin. Figura 5.1: Diagrama de flujo del algoritmo.
5. DISEÑO FUNCIONAL En este apartado vamos a detallar los diagramas funcionales que han constituido la base para la posterior implantación informática de la metaheurística. 5.1. Diseño funcional del algoritmo
Más detallesINTRODUCCIÓN A. Autor: José Antonio Glez. Reboredo
INTRODUCCIÓN A Autor: José Antonio Glez. Reboredo 1. MÉTODOS FORMALES... 3 1.1. INTRODUCCIÓN... 3 1.2. ESPECIFICACIÓN... 4 1.3. VERIFICACIÓN... 5 1.3.1. COMPROBACIÓN DE MODELOS... 5 1.3.2. PRUEBA DE TEOREMAS...
Más detallesSGUICES029MT22-A16V1. SOLUCIONARIO Teorema de Thales y división de segmentos
SGUIS09MT-1V1 SOLUIONRIO Teorema de Thales y división de segmentos 1 TL ORRIÓN GUÍ PRÁTI TORM THLS Y IVISIÓN SGMNTOS Ítem lternativa 1 omprensión 5 7 8 9 10 11 1 1 1 S 15 1 S 17 18 S 19 0 S 1 S S 5 S 1.
Más detallesUNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES
UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES En la Sección anterior se abordó contenidos relacionados con las funciones y gráficas, continuamos aprendiendo más sobre funciones; en la presente unidad abordaremos
Más detallesAutómatas de Pila. Descripciones instantáneas o IDs. El Lenguaje de PDA. Equivalencia entre PDAs y CFGs INAOE (INAOE) 1 / 50
INAOE (INAOE) 1 / 50 Contenido 1 2 3 4 (INAOE) 2 / 50 Pushdown Automata Las gramáticas libres de contexto tienen un tipo de autómata que las define llamado pushdown automata. Un pushdown automata (PDA)
Más detallesMódulo: Modelos de programación para Big Data
Program. paralela/distribuida Módulo: Modelos de programación para Big Data (título original: Entornos de programación paralela basados en modelos/paradigmas) Fernando Pérez Costoya Introducción Big Data
Más detallesKolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona
Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung
Más detallesGuíaDidáctica: Geometría AnalíticaPlana UTPL. La Universidad Católica de Loja MODALIDAD ABIERTA Y A DISTANCIA
MODALIDAD ABIERTA Y A DISTANCIA MODALIDAD ABIERTA Y A DISTANCIA MODALIDAD ABIERTA Y A DISTANCIA MODALIDAD ABIERTA Y A DISTANCIA MODALIDAD ABIERTA Y A DISTANCIA P P 1 0 A P 1 P (x (x 2 ) (0) (1) (x 1 )
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
Más detallesRuta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesGramáticas independientes del contexto AUTÓMATAS Y LENGUAJES FORMALES LENGUAJES INDEPENDIENTES DEL CONTEXTO Y AUTÓMATAS DE PILA. Otras definiciones I
Gramáticas independientes del contexto UTÓMTS Y LENGUJES FORMLES LENGUJES INDEPENDIENTES DEL CONTEXTO Y UTÓMTS DE PIL Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNM E-mail:
Más detallesC a l ses P P y y NP C a l se P C a l se N P N P [No N n o -De D te t rmin i i n s i ti t c i Polynomial-tim i e]
Análisis y Diseño de Algoritmos Introducción Análisis y Diseño de Algoritmos Concepto de algoritmo Resolución de problemas Clasificación de problemas Algorítmica Análisis de la eficiencia de los algoritmos
Más detallesSeries de números complejos
Análisis III B - Turno mañana - Series 1 Series de números complejos 1 Definiciones y propiedades Consideremos una sucesión cualquiera de números complejos (z n ) n1. Para cada n N, sabemos lo que quiere
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesTeorema de Tales. tercero. 60 secundaria
Teorema de Tales 60 secundaria 9 D A B Una aplicación de Teoremas de Tales C Existen dos teoremas en relación a la geometría clásica que reciben el nombre de Teorema de Tales, ambos atribuidos al matemático
Más detallesSolución a Problemas de tipo Dirichlet usando Análisis
Solución a Problemas de tipo Dirichlet usando Análisis Armónico Marysol Navarro Burruel UNISON 17 Abril, 2013 Marysol Navarro Burruel (UNISON) Análisis Armónico y problemas de tipo Dirichlet 17 Abril,
Más detallesROS: Servicio de Optimización en Internet
1/20 : Servicio de Optimización en Internet Enrique Alba, José Nieto y Francisco Chicano 2/20 Optimización Combinatoria Un problema de optimización combinatoria está formado por: Variables: x 1, x 2,...,
Más detallesUNIDAD 6: SISTEMAS DE ECUACIONES
UNIDAD 6: SISTEMAS DE ECUACIONES Continuamos con el estudio de la asignatura; ya hemos abordado cinco capítulos del programa de estudio: Los números reales, ecuaciones, desigualdades y algunas de las funciones
Más detallesComplejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
Más detalles2.3 Velocidad de fase y grupo
2.3 Velocidad de fase y grupo La velocidad c en las secciones anteriores es la velocidad de fase de las ondas superficiales (c = ω/k). Es la velocidad con que una fase se propaga. En general, las velocidades
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesModelos de Redes: Problemas de la Ruta más m s corta. M. En C. Eduardo Bustos Farías
Modelos de Redes: Problemas de la Ruta más m s corta M. En C. Eduardo Bustos Farías as Problemas de la Ruta más m s corta 2 Problemas de la Ruta más m s corta Se trata de encontrar la ruta de menor distancia,
Más detallesMATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1. Transformaciones conformes
MATEMATICAS ESPECIALES I PRACTICA 7 CLASE 1 Transformaciones conformes 1 Determinar donde son conformes las siguientes transformaciones: (a) w() = 2 + 2 (b) w() = 1 + i (c) w() = + 1 (d) w() = En cada
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesEl juego de caracteres de LATEX.
Capítulo 3 El juego de caracteres de LATEX. 3.1. Algunos caracteres especiales. En L A TEX hay algunos caracteres que están reservados para algunas funciones especiales y que, por tanto, no aparecerán
Más detallesCapítulo 4. Lógica matemática. Continuar
Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además
Más detallesEl Autómata con Pila: Transiciones
El Autómata con Pila: Transiciones El Espacio de Configuraciones Universidad de Cantabria Esquema Introducción 1 Introducción 2 3 Transiciones Necesitamos ahora definir, paso por paso, como se comporta
Más detalles2.3 Análisis de alternativas e identificación de soluciones
2.3 Análisis de alternativas e identificación de soluciones Análisis de alternativas y solución de proyectos Correspondería, fundamentalmente, a la etapa 2: 2. Identificar y definir la mejor solución para
Más detallesTeoría de Lenguajes. Clase Teórica 7 Autómatas de Pila y Lenguajes Independientes del Contexto Primer cuartimestre 2014
Teoría de Lenguajes Clase Teórica 7 Autómatas de Pila y Lenguajes Independientes del Contexto Primer cuartimestre 2014 aterial compilado por el Profesor Julio Jacobo, a lo largo de distintas ediciones
Más detallesMODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular.
MODELOS DE COMPUTACION I Preguntas Tipo Test Indicar si son verdaderas o falsas las siguientes afirmaciones: 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. 2.
Más detallesEconometria de Datos en Paneles
Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )
Más detallesCapítulo 24. Emisión y absorción de la luz. Láser
Capítulo 24 Emisión y absorción de la luz. Láser 1 Absorción y emisión La frecuencia luminosa depende de los niveles atómicos entre los que se produce la transición electrónica a través de: hν = E f E
Más detallesEstadística Espacial en Ecología del Paisaje
Estadística Espacial en Ecología del Paisaje Introducción H. Jaime Hernández P. Facultad de Ciencias Forestales U. de Chile Tipos de datos en análisis espacial Patrones espaciales puntuales Muestras geoestadísticas
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTema 5: Elementos de geometría diferencial
Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.
Más detalles