Aplicación de Algoritmos Genéticos en la Fragmentación Vertical y asignación simultanea en Bases de Datos Distribuidas
|
|
- Vicenta Miguélez Revuelta
- hace 6 años
- Vistas:
Transcripción
1 Aplicación de Algoritmos Genéticos en la Fragmentación Vertical y asignación simultanea en Bases de Datos Distribuidas Rodrigo Peralta González Alumno Ingeniería Civil Informática Universidad Católica del Maule Talca, Chile rodrigoperaltag@gmail.com Resumen. Actualmente se produce que cada vez mas las empresas se encuentran abarcando territorios geográficamente separados por lo cual, estas poseen sucursales en diferentes lugares. Pero estas empresas necesitan compartir la información, es por esto y al actual avance tecnológico que se pueden utilizar y aplicar las bases de datos distribuidas. Para ser diseñadas se necesita tiempo y esfuerzo pues toman un arduo trabajo en la producción de la fragmentación y ubicación de la información. En este trabajo se presenta un Algoritmo Genético para la resolución de dichas tareas, este ataca, simultáneamente, el problema de fragmentar verticalmente y asignar los fragmentos a los sitios de manera óptima. Pues la naturaleza evolutiva del Algoritmo Genético permite resolver en paralelo la fragmentación y la asignación: problemas que guardan una relación no lineal entre ellos. Palabras clave: Bases de Datos, Distribución, Fragmentación, Algoritmos Genéticos, Atributos, Transacción. 1. Introducción En la bases de datos distribuidos, se trata de realizar de manera óptima la fragmentación de los atributos, pues este problema se suma a los ya presentados al realizar una base de datos clásica. Cabe destacar que el propósito de las bases de distribuidas es mejorar el rendimiento global del sistema. El diseño de la distribución, a su vez, está compuesto de la fragmentación (proceso mediante el cual una relación global es descompuesta en fragmentos horizontales y/o verticales) y de la asignación de los
2 fragmentos a los diversos sitios de la red. En este trabajo se presentara una solución a la fragmentación vertical y a la asignación de los fragmentos, cabe decir que la fragmentación vertical atiende al agrupamiento de datos en función de atributos o conjuntos de ellos y la asignación, por su parte, se refiere al problema de ubicar los fragmentos (ya sean verticales u horizontales) de manera que el acceso a la información se haga de la mejor manera posible. Típicamente, los criterios que determinan si la fragmentación y la asignación son óptimas se establecen de manera independiente. Por ello, es frecuente que se trate de optimizar en dos pasos. En el primero se busca la fragmentación más óptima y, en el segundo, se busca ubicar los fragmentos obtenidos en el paso anterior [CERI84] de la mejor manera. El propósito fundamental de realizar la distribución es mejorar el rendimiento global del sistema por lo que tanto la fragmentación como la ubicación de los fragmentos en la red deben estar fuertemente ligados con los requerimientos del sistema mismo. Esto es, las decisiones de qué fragmentos formar y dónde ubicarlos deben ser tomadas de acuerdo con el uso que las diferentes transacciones induzcan en los atributos de la relación, pues de acuerdo a los accesos a estos y las transacciones que se hacen, se debe tomar en cuenta para la distribución y localización de los diferentes atributos [NAVA89]. 2. Desarrollo del Algoritmo Genético Al realizar un algoritmo genético lo primero que se requiere es determinar en qué espacio se encuentran las posibles soluciones al problema que se pretende resolver. Pero el algoritmo opera sobre códigos genéticos, sobre genotipos que se deberán inducir al espacio de soluciones. Es decir, es necesario codificar de alguna manera el dominio del problema para obtener estructuras manejables que puedan ser manipuladas por el Algoritmo Genetico [MUTH83]. Este trabajo presenta un Algoritmo Genético (AG) diseñado para la fragmentación vertical y asignación simultanea en Bases de Datos Distribuidas. En el diseño de este algoritmo se utilizó MATLAB 6.5, además de la selección proporcional [BACK96], el cruzamiento simple y la mutación uniforme [KURI99]. Algunos de los parámetros utilizados son: Probabilidad de cruzamiento=0.85, Probabilidad de mutación=0.005 yy Número de generaciones a ejecutarse = 100. La estructura del AG es la siguiente: 2.1. Representación de las soluciones. Cuando se fragmenta de manera vertical se tienen distintas formas de dividir una relación de m atributos. Cada una de esas opciones tiene que ser representada con una
3 cadena de longitud finita sobre algún alfabeto finito [GOLD89], tomando en cuenta las características del problema que se está resolviendo. En este caso los atributos de una relación y el sitio al cual serán asignados éstos deben ser codificados. Para lo cual se utilizo un vector de enteros de longitud igual al numero de atributos y los números que se encuentra en el vector es el fragmento donde esta cada uno de los atributo. Es decir este vector tendrá números de 1 asta N, donde N indica en que fragmento se encuentra el atributo i esimo del vector. De esta manera el vector siguiente representara una posible solución con 10 atributos y una red de 5 sitios. ( ) Esta representación es adecuada para este problema ya que la solución incluye tanto la división de la relación en subrelaciones como su asignación a un sitio de la red simultáneamente. Sitio Atributos en el Fragmento Población inicial. A cada punto se le llama individuo y al conjunto de puntos se le llama población y es necesario crear una población inicial para el arranque del algoritmo genético. En este trabajo la población inicial, esta creada al asar de manera aleatoria, para lo cual se utilizo un conjunto de vectores enteros como los de la sección 2.1, el tamaño de esta es de 100 individuos Función de evaluación. La función objetivo, se define en función de la tarea de optimización que se desea realizar. En este caso, el objetivo de fragmentar y asignar fragmentos es la minimización de los accesos remotos. La función de evaluación propuesta es. EP(i) = E R 2
4 E2 R = Esta calcula el costo de acceder a atributos remotos relevantes y para ello usa la matriz de uso de atributos (MUA)[MUTH93]. Para calcular los costos, se debe analizar cada una de las transacciones, en cada uno de los fragmentos, y se calcula de la siguiente manera Donde q t es la cantidad de acceso a los atributos del fragmento i, R itk es el numero de atributos relevantes de los otros fragmentos que se accedan en la transacción t y n r itk es el numero total de atributos en los fragmentos. Δ indica el mínimo de valor de la transacción. Un ejemplo de esta es la siguiente: Atributos Trans A1 A2 A3 A4 A5 T1 0 q1 0 q1 q1 T2 q2 q2 q2 0 q2 T3 q3 0 0 q3 q3 T4 0 q4 q4 0 0 La función objetivo usada en este algoritmo es: Matriz de uso de Atributos(MUA). fitness(i) = EP(i) Esta matriz utilizada en el desarrollo del algoritmo genético, nos indica las diferentes transacciones que se hacen y el número de acceso a cada uno de los atributos. Pues para poder encontrar la mejor alternativa de fragmentación vertical y asignación de los atributos se debe considerar los accesos a los diferentes atributos de cada uno de los fragmentos. Trans. Atri T T T T T
5 T T T Ejemplo de Solución El algoritmo mostrara como resultado final la posición de los atributos en cada uno de los diferentes fragmentos. Fragmento 1: 2 3 Fragmento 3: 1 Fragmento 4: 5 6 Fragmento 6: 4 Fragmento 7: 7 10 Fragmento 9: Conclusiones Se puede establecer que la naturaleza evolutiva del Algoritmos Genéticos, nos permite atacar varias problemáticas a la vez como es en el caso de este trabajo la fragmentación vertical y la asignación simultanea. Pues además nos permite establecer de mejor manera la estructura de los diferentes problemas, como se da en este caso con un simple vector se puede representar la posible solución. Durante todo este trabajo se hablo lo difícil de realizar la fragmentación vertical y la asignación instantánea, pues el algoritmo genético mostró ser una alternativa factible para aplicarse en la solución de problemas de fragmentación de BDD en los que se considera la fragmentación vertical y la replicación de datos. Además podemos decir que la metodología planteado en este trabajo puede utilizarse en problemas más generales, sin producirse cambios significativos. Por lo estudiado de algoritmos genéticos y por lo general que suelen ser estos. 5. Referencias [BACK96] Back, T. Evolutinary Algorithms in Theory and Practice.Oxford University Press
6 [CERI84] [GOLD89] [KURI99] [MUTH93] [NAVA89] [OZSU97] Ceri Stefano and Giuseppe Pelagatti. Distributed Database, Principles & Systems. McGraw Hill Goldberg, D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison Wesley Kuri, A. A Comprehensive Approach to Genetic Algorithms in Optimization and Learning. Theory and Applications. Vol 1. Foundations. IPN Muthuraj R., S. Chakravarthy, R. Varadajan and S. B. Navathe. A Formal Approach to the Vertical Partitioning Problem in Distributed Database Design. Proceding IEEE, Navathe S. And M. Ra. Vertical Partitioning for Database Design: A Graphical Algorithm. ACM Ozsu Tamer M. And Patrick Valduriez. Principles of Distributed Database Systems. Prentice Hall
FRAGMENTACIÓN VERTICAL Y ASIGNACIÓN SIMULTANEA EN BDD USANDO ALGORITMOS GENÉTICOS.
FRAGMENTACIÓN VERTICAL Y ASIGNACIÓN SIMULTANEA EN BDD USANDO ALGORITMOS GENÉTICOS. Edmundo Taddei Zavala Departamento de Ingeniería Civil y Minas Universidad de Sonora Hermosillo, Sonora, México etaddei@omega.cifus.uson.mx
Más detallesOBJETIVO GENERAL: Al terminar el curso el alumno será capaz de analizar, diseñar e implementar bases de datos distribuidas
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: BASE DE DATOS III ÁREA DEL CONOCIMIENTO: TRATAMIENTO DE LA INFORMACIÓN CLAVE: I6BD3 ETAPA
Más detallesSon una clase particular de los algoritmos evolutivos.
Algoritmos Genéticos (AGs) Los AGs son técnicas de resolución para problemas de Búsqueda Optimización Aprendizaje en máquinas Son una clase particular de los algoritmos evolutivos. Los AGs intentan resolver
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR. Ingeniería Aplicada TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL ASIGNATURA Algoritmo Genéticos ÁREA DE Ingeniería Aplicada CONOCIMIENTO
Más detallesNUEVO METODO DE OPTIMIZACION: BIG BANG BIG CRUNCH
NUEVO METODO DE OPTIMIZACION: BIG BANG BIG CRUNCH OSMAN K. EROL IBRAHIM EKSIN Istanbul Technical University GABRIEL LEIVA FRANCISCO ORTIZ SERGIO FERNANDEZ 1 OBJETIVO DE LA INVESTIGACIÓN Mejorar el criterio
Más detallesALGORITMOS GENÉTICOS
ALGORITMOS GENÉTICOS Autor: Miguel Ángel Muñoz Pérez. Primera versión: Noviembre, 1997. Última modificación: Abril, 2005. ADVERTENCIA Si ya sabes lo que es un algoritmo genético y esperas hallar algo novedoso
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesCarrera: IFM - 0406 3-2-8. Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Bases de datos distribuidas Licenciatura en Informática IFM - 0406 3-2-8 2.- HISTORIA
Más detallesSECRETARÍA DE EDUCACIÓN PÚBLICA SUBSECRETARÍA DE EDUCACIÓN E INVESTIGACIÓN TECNOLÓGICA DIRECCIÓN GENERAL DE INSTITUTOS TECNOLÓGICOS DESCENTRALIZADOS
SECRETARÍA DE EDUCACIÓN PÚBLICA SUBSECRETARÍA DE EDUCACIÓN E INVESTIGACIÓN TECNOLÓGICA DIRECCIÓN GENERAL DE INSTITUTOS TECNOLÓGICOS DESCENTRALIZADOS Nombre de la asignatura: Nivel: Carrera: Modalidad:
Más detallesALGORITMOS GENÉTICOS EN EL CÁLCULO DIFERENCIAL
ALGORITMOS GENÉTICOS EN EL CÁLCULO DIFERENCIAL Palabras claves: optimización, algoritmos genéticos, robustez. Resumen Amador, Niño Jairo* Este documento presenta una introducción a los algoritmos genéticos
Más detallesBases de datos distribuidas Fernando Berzal, berzal@acm.org
Bases de datos distribuidas Fernando Berzal, berzal@acm.org Acceso a los datos Bases de datos relacionales: SQL O/R Mapping Bases de datos distribuidas Bases de datos NoSQL Bases de datos multidimensionales:
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA I. DATOS GENERALES Unidad Académica: Departamento de Suelos Programa Educativo: Ingeniería en Recursos Naturales Renovables Nivel educativo: Licenciatura Eje curricular: Ingeniería
Más detallesCarrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB - 0403 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesMÉTODOS DETERMINÍSTICOS DE OPTIMIZACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN INGENIERÍA CIVIL ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1412 SEMESTRE:
Más detallesDinámica. Carrera: MTM Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos.
.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Dinámica Ingeniería Mecatrónica MTM-0 --.- HISTORIA DEL PROGRAMA Lugar y fecha
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesLIBRO GUIA: INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha. Editorial Pearson Prentice Hall, 2004
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS: ELÉCTRICA, ELECTRÓNICA, FÍSICA Y CIENCIAS DE LA COMPUTACIÓN PROGRAMA INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
Más detalles1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo. Algoritmos genéticos
1. Introducción 2. Esquema básico 3. Codificación 4. Evaluación 5. Selección 6. Operadores 7. Ejemplo Algoritmos genéticos Introducción Propuestos por Holland, mediados 70, computación evolutiva Popularizados
Más detalles2 OBJETIVOS TERMINALES Como resultado de aprender adecuadamente los contenidos del curso el estudiante estará en capacidad de:
MATERIA: Matemáticas para el diseño CÓDIGO: 08287 REQUISITOS: Algebra y funciones (08272) PROGRAMAS: Diseño Industrial, Diseño de Medios Interactivos. PERÍODO ACADÉMICO: 2016-2 INTENSIDAD SEMANAL: 4 Horas
Más detallesAlgoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de
Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos
Más detallesCarrera: ECC
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Análisis Numérico Ingeniería Electrónica ECC-00 --.- HISTORIA DEL PROGRAMA Lugar
Más detallesCaracterización de Imágenes
de Imágenes Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Caracterizar: "determinar los atributos peculiares de alguien o de algo, de modo que claramente
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesIntroducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09
Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesALGORITMOS GENÉTICOS: ALGUNOS RESULTADOS DE CONVERGENCIA
Mosaicos Matemáticos No. 11 Diciembre, 23. Nivel Superior ALGORITMOS GENÉTICOS: ALGUNOS RESULTADOS DE CONVERGENCIA Mario Alberto Villalobos Arias Departamento de Matemáticas Centro de Investigación y de
Más detallesTECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL
1 TECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL TECNOLOGÍA DE LA COMPUTADORA FACILITADOR: PARTICIPANTE: DAVID, CHIRIQUÍ 2015 2 Qué es un programa? Un programa informático es un conjunto
Más detallesCarrera: Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Matemáticas III (Cálculo de varias variables) Todas las Ingenierías ACM - 0405
Más detallesUNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS ASIGNATURA : ELECTIVA I - PROGRAMACION CÓDIGO : 8104661 SEMESTRE : IV CRÉDITOS : 4 FECHA DE
Más detallesNP-Completeness: Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas
Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Complejidad del problema de la Mochila NP-Completeness: (Knapsack problem)
Más detallesCarrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB-0403 4-0-8.- HISTORIA DEL PROGRAMA Lugar
Más detallesSimulación de Sistemas
Programa de la Asignatura: Simulación de Sistemas Código: 771 Carrera: Ingeniería en Computación Plan: 2008 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Cuarto Año Segundo cuatrimestre
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 detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesEstatica. Carrera: CIM 0516
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estatica Ingeniería Civil CIM 0516 3 2 8 2.- HISTORIA DEL PROGRAMA Lugar y fecha
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesEstado 3.2 (coste = 9)
Búsqueda heurística Fernando Berzal, berzal@acm.org Búsqueda heurística Búsqueda primero el mejor p.ej. búsqueda de coste uniforme [UCS] Heurísticas Búsqueda greedy El algoritmo A* Heurísticas admisibles
Más detallesUn Algoritmo Genético para la Optimización de Armaduras Planas.
Un Algoritmo Genético para la Optimización de Armaduras Planas. Edmundo Taddei Zavala 1, Pedro Flores Perez 2 y Angel Kuri Morales 3 Palabras Claves. Optimización combinatoria, métodos heurísticos, algoritmos
Más detallesUNIVERSIDAD NACIONAL DE ITAPUA U.N.I. Creada por Ley Nº:1.009/96 del 03/12/96 Facultad de Ingeniería PROGRAMA DE ESTUDIOS
Materia: Base de Datos Semestre: Cuarto Ciclo: Ingeniería Informática Código: 102 Teóricas: 4 Horas Semanales: Prácticas: - Laboratorio: 2 Horas Semestrales: Teóricas: 68 Pre-Requisitos: Prácticas: - Laboratorio:
Más detallesDiseño Organizacional
Diseño Organizacional DISEÑO ORGANIZACIONAL 1 Lectura No. 7 Nombre: Estructura y Diseño Organizacional Introducción En esta sesión presentaremos los conceptos que definen la estructura y el diseño organizacional.
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: PROGRAMACIÓN ORIENTADA A OBJETOS FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS:
Más detallesCarrera: INB Participantes. Representante de las academias de ingeniería industrial de. Academias Ingeniería Industrial.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones II Ingeniería Industrial INB-0412 4-0-8 2.- HISTORIA
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. ACADEMIAS: INVESTIGACIÓN DE OPERACIONES. COORDINACIÓN: DEPARTAMENTO
Más detallesMinería de datos (Algoritmos evolutivos)
Minería de datos (Algoritmos evolutivos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 23 Extracción de
Más detallesUNIDAD II Metodología de programación paralela. Lic. Jesús Germán Andrés PAUTSCH - FCEQyN - UNaM
UNIDAD II Metodología de programación paralela UNIDAD II: Metodología de programación paralela Metodología de programación paralela Algunos conceptos que nos ayudarán a entender mejor el tema. Modelos
Más detallesTécnicas Cuantitativas Aplicadas a la Administración
Técnicas Cuantitativas Aplicadas a la Administración Nombre de la Materia Técnicas Cuantitativas Aplicadas a la Administración I Departamento Económico Administrativo Academia Economía y métodos cuantitativos
Más detallesALGORITMOS, ESTRUCTURAS Y PROGRAMACION
VICERRECTORADO ACADÉMICO DIRECCIÓN DE GESTIÓN, DESARROLLO E INNOVACIÓN CURRICULAR FACULTAD: INGENIERIA ESCUELAS: COMPUTACION - SISTEMA UNIDAD CURRICULAR: ALGORITMOS, ESTRUCTURAS Y PROGRAMACION FECHA DE
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO DIVISIÓN DE DOCENCIA DIRECCIÓN DE PLANEACIÓN Y DESARROLLO EDUCATIVO PROGRAMA DE ESTUDIO LICENCIATURA EN SISTEMAS COMPUTACIONALES. PROGRAMAS DE ESTUDIO DE LA ASIGNATURA:
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 detalles1. Unidad Académica: Facultad de Ciencias
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESINAL Y VINCULACIÓN UNIVERSITARIA PROGRAMA DE UNIDADES DE APRENDIZAJE POR COMPETENCIAS 1. Unidad
Más detallesCRITERIOS DE EVALUACIÓN Y CALIFICACIÓN EN BACHILLERATO
CRITERIOS DE EVALUACIÓN Y CALIFICACIÓN EN BACHILLERATO CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS APLICADAS A LAS C SOCIALES I 1 Utilizar los números reales para presentar e intercambiar información, controlando
Más detallesHistograma y Grafico de Control
2014 Histograma y Grafico de Control Sustentantes: Sabrina Silvestre 2011-0335 Juan Emmanuel Sierra Santos 2011-0367 Rosa Stefany Flech Mesón 2011-0436 Docente: Ing.MS Eliza N. González Universidad Central
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesCarrera: IAM Participantes. Representantes de las academias de Ingeniería Ambiental. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Balance de materia y energía Ingeniería Ambiental IAM - 0403 3-2-8 2.- HISTORIA
Más detallesFACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS INVESTIGACIÓN DE OPERACIONES. SÍLABO
U N I V E R S I D A D A L A S P E R U A N A S FACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS 1. DATOS GENERALES: INVESTIGACIÓN DE OPERACIONES. SÍLABO CARRERA
Más detallesNombre de la asignatura: Investigación de Operaciones II. Créditos: Aportación al perfil
Nombre de la asignatura: Investigación de Operaciones II Créditos: 2-2-4 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesSECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS
SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS PRESENTACIÓN DE ESTADOS FINANCIEROS Los estados financieros son representaciones estructuradas basados en la situación financiera de la entidad el rendimiento
Más detallesMétodos Numéricos. Carrera: BQM Participantes. Representantes de las academias de Ingeniería Bioquímica. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Métodos Numéricos Ingeniería Bioquímica BQM - 0524 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesUNIVERSIDAD DE SAN C ARLOS DE GUATEMALA FACULTAD DE INGENIER IA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO: SISTEMAS DE BASES DE DATOS 2
UNIVERSIDAD DE SAN C ARLOS DE GUATEMALA FACULTAD DE INGENIER IA ESCUELA DE CIENCIAS Y SISTEMAS PROGRAMA DEL CURSO: SISTEMAS DE BASES DE DATOS 2 CODIGO: 775 CREDITOS: 4 ESCUELA: Ciencias y Sistemas AREA
Más detallesMapeo del Campo Magnético de un Solenoide Finito
Universidad Nacional Autónoma de Honduras Facultad de Ciencias Escuela de Física Mapeo del Campo Magnético de un Solenoide Finito Elaborado por: Roberto Ortiz Introducción Se tiene un Solenoide de N 1
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesUniversidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9
IO04001 Investigación de Operaciones I Tema # 9 Otras aplicaciones del método simplex Objetivos de aprendizaje Al finalizar el tema serás capaz de: Distinguir y aplicar la técnica de la variable artificial.
Más detallesMATEMÁTICAS APLICADAS A LAS CCSS II (2º BACHILLERATO)
MATEMÁTICAS APLICADAS A LAS CCSS II (2º BACHILLERATO) 1.1.1 Contenidos y temporalización. Matemáticas Aplicadas a las Ciencias Sociales II 1.1.1.1 Bloque 1. Álgebra (Total : 40 sesiones) Matrices y determinantes
Más detallesGrafos. Amalia Duch Brown Octubre de 2007
Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido
Más detallesNOMBRE DEL CURSO: CALCULO DIFERENCIAL CÓDIGO UNIDAD ACADÉMICA NIVEL ACADÉMICO CICLOS DE FORMACIÓN FACULTAD INGENIERIA TÉCNICO PROFESIONAL
I. INFORMACIÓN GENERAL NOMBRE DEL CURSO: CALCULO DIFERENCIAL CÓDIGO 190102 UNIDAD ACADÉMICA NIVEL ACADÉMICO CICLOS DE FORMACIÓN FACULTAD INGENIERIA TÉCNICO PROFESIONAL PROGRAMA DEPARTAMENTO CIENCIAS BASICAS
Más detallesMATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO)
MATEMÁTICAS APLICADAS A LAS CCSS I (1º BACHILLERATO) 1.1.1 Contenidos Matemáticas Aplicadas a las Ciencias Sociales I 1.1.1.1 Bloque 1. Aritmética y álgebra (Total: 34 sesiones) Números racionales e irracionales.
Más detallesEstimular el desarrollo de la autonomía y del trabajo cooperativo.
Nombre de la experiencia: La Vuelta al mundo en 80 días Nombre de la/as docente/es: María del Carmen Zufiaurre, Patricia Somale y Mariela Passero Nivel: Primario Grado/año: 6to grado Asignatura/as: Matemática
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesETAPA DE PLANIFICAR. Módulo 1.5 DESARROLLO DE PÁGINAS WEB
ETAPA DE PLANIFICAR Módulo 1.5 DESARROLLO DE PÁGINAS WEB Los estudiantes plantean las alternativas de solución al problema propuesto mediante las técnicas siguientes: lluvia de ideas, diagrama de Ishikawa,
Más detallesCarrera: MTE Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos.
.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Lógica de Programación Ingeniería Mecatrónica MTE-05 --6.- HISTORIA DEL PROGRAMA
Más detallesDESCRIPCIÓN ESPECÍFICA NÚCLEO: Núcleo Sector Comercio y Servicios.
DESCRIPCIÓN ESPECÍFICA NÚCLEO: Núcleo Sector Comercio y Servicios. SUBSECTOR: Informática y Comunicación. Nombre del Módulo: Lógica Computacional Código: CSTI0167 total: 60 horas Objetivo General: Resolver
Más detallesUNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA 1. IDENTIFICACIÓN DIRECCION DE OPERACIONES (NV) Prelación: Departamento: Ingeniería
Más detallesEstatica. Carrera: Participantes Academia de Ing. Civil del ITN. Asignaturas Temas Asignaturas Temas Resistencia de Materiales.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Estatica Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3 2 8 2.- HISTORIA DEL PROGRAMA Lugar y fecha de elaboración
Más detallesNombre de la asignatura: Maquinas Eléctricas. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCC-0207
. - DATOS DE LA ASIGNATURA Nombre de la asignatura: Maquinas Eléctricas Carrera: Ingeniería Mecatrónica Clave de la asignatura: MCC-0207 Horas teoría-horas práctica - créditos: 4-2-0 2. - UBICACIÓN a)
Más detallesTema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
Más detallesCarrera: Ingeniería Naval NAI Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Diseño Básico Estructural del Buque Ingeniería Naval NAI - 0614 2-3-7 2.- HISTORIA
Más detallesGUÍA PARA LA PREPARACIÓN DE PRESUPUESTO DE INGRESOS Y GASTOS
GUÍA PARA LA PREPARACIÓN DE PRESUPUESTO DE INGRESOS Y GASTOS La Ley Núm. 255 de 28 de octubre de 2002 conocida como Ley de Sociedades Cooperativas de Ahorro y Crédito, en su Artículo 5.10, Inciso (a-8)
Más detallesPROGRAMA DE ASIGNATURA CLAVE: 1213 SEMESTRE: 2º ESTÁTICA. HORAS SEMESTRE CARACTER GEOMETRÍA ANALÍTICA.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN INGENIERÍA CIVIL ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1213 SEMESTRE:
Más detallesAntecedentes. Ejemplos de Optimización en Procesos Agrícolas. Planificación v/s Operación. Planificación, Operación y Control en el negocio agrícola
Ejemplos de Optimización en Procesos Agrícolas Pedro Traverso Profesor Asociado Escuela de Administración Pontifica Universidad Católica de Chile Ingeniero Agrónomo PUC MBA, PUC M.Sc. Ingeniería Industrial
Más detalles2.3 Clasificación de modelos matemáticos.
2.3 Clasificación de modelos matemáticos. Qué es un modelo? Un modelo es una representación ideal de un sistema y la forma en que este opera. El objetivo es analizar el comportamiento del sistema o bien
Más detalles1.- DATOS DE LA ASIGNATURA
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Economía de la Energía Eléctrica Ingeniería Eléctrica SEP-1306 3-0 - 3 2.- PRESENTACIÓN Caracterización
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS
1. DATOS INFORMATIVOS: PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS MATERIA: ESTADISTICA II CODIGO: 12820 CARRERA: CIENCIAS QUIMICAS,
Más detallesEL PROBLEMA DE TRANSPORTE
1 EL PROBLEMA DE TRANSPORTE La TÉCNICA DE TRANSPORTE se puede aplicar a todo problema físico compatible con el siguiente esquema: FUENTES DESTINOS TRANSPORTE DE UNIDADES Donde transporte de unidades puede
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: PROGRAMACION I CÓDIGO ASIGNATURA: 1215-208 PRE-REQUISITO: 1215-102 SEMESTRE: II (SEGUNDO) UNIDADES
Más detallesUniversidad Tecnológica Nacional Facultad Regional San Francisco. Ingeniería en Sistemas de Información. Análisis de Sistemas
Universidad Tecnológica Nacional Facultad Regional San Francisco Ingeniería en Sistemas de Información Análisis de Sistemas PLANIFICACIÓN CICLO LECTIVO 2010 ÍNDICE INGENIERÍA EN SISTEMAS DE INFORMACIÓN...
Más detallesEstándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017.
Estándares de evaluación en la materia de MATEMÁTICAS de 1º de ESO. Curso 2016/2017. Bloque 1. Procesos, métodos y actitudes en matemáticas. Los criterios correspondientes a este bloque son los marcador
Más detallesUNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS
UNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE MATEMÁTICAS LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN MATERIA : ESTRUCTURAS DE DATOS NIVEL : TERCER SEMESTRE FECHA DE ELABORACIÓN: Julio 19, 1999. DURACIÓN:
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
PROGRAMA DE ESTUDIO ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES DEPARTAMENTO: CIENCIAS BÁSICAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN
Más detallesCarrera: Participantes
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Matemáticas II (Cálculo Integral) Todas las Ingenierías ACM - 0404 3-2-8 2.- HISTORIA
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesPROBLEMA DE FLUJO DE COSTO MINIMO.
PROBLEMA DE FLUJO DE COSTO MINIMO. EL PROBLEMA DE TRANSPORTE 1. Una empresa energética dispone de tres plantas de generación para satisfacer la demanda eléctrica de cuatro ciudades. Las plantas 1, 2 y
Más detallesAnexo 2. Dificultad y porcentaje de aciertos de habilidades y conocimientos evaluados por el Excale 06 de Matemáticas
Anexo 2 Dificultad y porcentaje de aciertos de habilidades y conocimientos evaluados por el Excale 06 de Matemáticas Anexo 2: Dificultad y porcentaje de aciertos de habilidades y conocimientos evaluados
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 detalles