Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

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

Download "Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani"

Transcripción

1 Restricciones Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1

2 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda 2.1. Búsqueda en espacios de estados 2.2 Búsqueda no-informada 2.3. Búsqueda heurística 2.4. Búsqueda multiagente 2.5. Búsqueda con espacios estructurados Planificación Satisfacción de Restricciones 2

3 Problemas de Satisfacción de Restricciones Estructura de estados: Un estado está compuesto por un conjunto de n variables que pueden tomar diferentes valores Un estado es un estado meta si los valores que tienen sus variables cumplen una serie de restricciones Definición: Un problema de satisfacción de restricciones (Constraint Satisfaction Problem, CSP) es una tripleta (X, D, R) X {x 1,, x n } es un conjunto de variables D: X V es una función total que asigna un dominio (conjunto de valores de V i ) a cada variable. Frecuentemente se escribe D i en vez de D(x i ) para refirse al dominio de la variable x i R {R 1,, R k } es un conjunto de restricciones tal que cada R i es un predicado sobre un subconjunto de las variables de X. Formalmente: R i (x 1,, x l ) D 1 D l 3

4 Ejemplo: n-reinas Problema de los n reinas: Posicionar n reinas en un tablero n n, tal que ninguna de ellas está amenazada por otra 4-reinas como CSP: X {x 1,, x 4 } (número de las filas) D {D 1,, D 4} siendo D i {1,3,4} (nº de las columnas) R {R 1 } siendo R 1 (x 1, x 2,x 3,x 4 ) {(4,1,3),(3,1,4,2)} Ejemplo: 4 reinas X 1 X 2 X 3 X 4 Nótese: Normalmente R es un cjto de restricciones binarias (involucrando sólo 2 variables) En el ejemplo: R {R 1,, R 6 } refiriendose cada R i a la amenaza entre dos filas Ejemplo: R 2 expresa que no debe haber amaneza entre reinas en las filas 1 y 3 R 2 (x 1,x 3 ) {(1,2),(1,4),(1),(3),(3,2),(3,4),(4,1),(4,3)} Cualquier CSP puede expresarse sobre la base de restricciones binarias 4

5 CSP como grafo Los CSPs de restricciones binarias se suelen representar como grafos Cada variable x i del CSP es representada por un nodo Cada restricción binaria R i (x j,x k ) se representa por un arco ente los nodos x j y x k Ejemplo: grafo correspondiente al problema de las 4-reinas x 1 R 1 R 2 x 2 x 3 R 4 R 3 Restricción R 2 : no debe haber amenaza entre reinas en las filas 1 y 3 R 5 R 6 x 4 CSPs con restricciones n-arias se pueden representar mediante hipergrafos 5

6 Problemas de Satisfacción de Restricciones Solución a un CSP Una asignación es una función parcial σ : X D(X) Habitualmente se escribe x 1 v a por σ(x 1 ) v a y se describe una asignación de forma extensiva, es decir σ {x 1 v a, x 3 v b, x 7 v c, } Una asignación es completa si está definida para todas las variables X del CSP Una asignación σ cumple con una restricción R i sii (σ(x 1 ),, σ(x l )) R i (x 1,, x l ) Una asignación completa σ es una solución si cumple todas las restricciones en R i R Ejemplos para el caso de las 4 reinas σ {x 1 2, x 2 4, x 3 3 } es una asignación parcial que cumple R 2 σ {x 1 1, x 2 2, x 3 3, x 4 4 } es una asignación total que no cumple R 2 σ {x 1 2, x 2 4, x 3 1, x 4 3 } es una solución al problema de las 4 reinas 6

7 Solución con métodos de búsqueda Búsqueda con asignaciones completas Estado: asignación completa (valores para todas las variables) Operador: modificar el valor de una variable en la asignación Meta?: asignación que cumple todas las restricciones Coste: cero (la longitud de un camino hasta un nodo meta es irrelevante) Heurística del conflicto mínimo: Preferir los sucesores que violen el mínimo número de restricciones 4-reinas: n de amenazas entre pares de reinas

8 Solución con métodos de búsqueda Problema: Cada nodo tiene n d sucesores, i.e. el árbol de búsqueda tendría (n d) n nodos Pero sólo hay d n posibles asignaciones Equivalencia de caminos por conmutatividad: El orden en el que se asignan valores a las variables es irrelevante Búsqueda con asignaciones parciales Estado: asignación parcial (valores asignados a algunas variables) Operador: elegir un valor para una variable no asignada (sólo en estados que cumplen R) Meta?: solución (asignación completa que cumple todas las restricciones) Posibles heurísticas: Elegir variables: Preferir la variable de mínimos valores restantes Elegir variables: Preferir la variable involucrada en el mayor número de restricciones (grado heurístico), intentando reducir el factor de ramificación sobre futuras opciones Elegir valores: Preferir el valor menos restringido, que excluye el menor número de restricciones en las variables vecinas 8

9 Satisfacción de restricciones con vuelta atrás cronológica Algoritmo: Vuelta atrás cronológica (cronological backtracking) Búsqueda en profundidad en el espacio de asignaciones parciales Ejemplo: 4-reinas {} {x 1 1} {x 1 2} {x 1 3} {x 1 4} {x 1 1, {x 1 1, {x 1 1, {x 1 1, {x 1 {x 1 {x 1 {x 1 x 2 1} x 2 2} x 2 3} x 2 4} x 2 1} x 2 2} x 2 3} x 2 4} {x 1 1, x 2 3, x 3 1} {x 1 1, {x 1 1, x 2 3, x 2 3, x 3 2} x 3 3} {x 1 1, x 2 3, x 3 4} {x 1 1, {x 1 1, {x 1 1, {x 1 1, x 2 4, x 3 1} x 2 4, x 3 2} x 2 4, x 3 3} x 2 4, x 3 4} {x 1 x 2 4, x 3 1} {x 1 x 2 4, x 3 2} {x 1 x 2 4, x 3 3} {x 1 x 2 4, x 3 4} {x 1 1, x 2 4, x 3 2, x 4 1 } {x 1 1, x 2 4, x 3 2, x 4 2 } {x 1 1, {x 1 1, x 2 4, x 2 4, x 3 2, x 3 2, x 4 3 } x 4 4 } {x 1 x 2 4, x 3 1, x 4 1 } {x 1 x 2 4, x 3 1, x 4 2 } {x 1 x 2 4, x 3 1, x 4 3 } {x 1 x 2 4, x 3 1, x 4 4 } 9

10 Satisfacción de restricciones con vuelta atrás cronológica Función vuelta-atrás-cronológica(csp, σ) devuelve σ' / fallo Si σ n entonces % la asignación es completa (i.e. una solución) devolver(σ) x i elegir-variable-no-asignada(x, σ) % orden de elección no afecta la completitud dominio D Xi Mientras dominio {} hacer v elegir-valor(dominio) σ' σ {x i v} % en el dominio quedan valores por probar % generar nueva asignación parcial Si σ' R entonces % la nueva asignación parcial es consistente resultado vuelta-atrás-cronológica(csp, σ') % completarla Si resultado fallo entonces devolver(resultado) dominio dominio \ {v} Fin {Mientras} devolver(fallo) Fin {vuelta-atrás-cronológica} 10

11 Propagación de restricciones: Propagación de restricciones Idea: usar el conjunto de restricciones para reducir el espacio de búsqueda Método: propagar valores a través de las restricciones que afectan a sus variables, intentando eliminar de los dominios los valores que no podrán formar parte de una solución Ejemplo de las 4 reinas: Si {x 1 1} se puede eliminar 1 y 2 de D 2, i.e D 2 {3,4} (debido a R 1 (x 1,x 2 )) eliminar 1 y 3 de D 3, i.e D 3 {4} (debido a R 2 (x 1,x 3 ) ) eliminar 1 y 4 de D 4, i.e D 4 {3} (debido a R 3 (x 1,x 4 )) X 1 X 2 X 3 X Aplicación: a) Antes de la búsqueda, para reducir la cardinalidad de los dominios b) Intercalado con la búsqueda: filtrar dominios sobre la base de una asignación parcial 11

12 Propagación de restricciones: comprobación hacia adelante Búsqueda con vuelta atrás cronológica con comprobación hacia delante (forward checking): Filtrar dominios después de cada ampliación de la asignación parcial σ: Para todas las restricciones binarias R k que involucran una variable x i asignada en σ y otra x j no asignada en σ Para todo valor v de D j : Si (σ(x i ), v) viola R k (x i, x j ) entonces eliminar v de D j Marcha atrás si algún dominio se queda sin valores {} D 2 {3,4} D 3 {4} D 4 {3} D 2 {4} D 3 {1,3} D 4 {1,3,4} {x 1 1} {x 1 2} {x 1 3} {x 1 4} D 3 {} D 4 {2} {x 1 1, x 2 3} {x 1 1, x 2 4} D 3 {2} D 4 {3} D 3 {1} D 4 {1,3} {x 1 x 2 4} {x 1 1, x 2 4, x 3 2} D 4 {} D 4 {3} {x 1 x 2 4, x 3 1} {x 1 x 2 4, x 3 1, x 4 3 } 12

13 Transitividad de Restricciones {} D 2 {3,4} D 3 {4} D 4 {3} D 3 {} D 4 {2} {x 1 1, x 2 3} {x 1 1, x 2 4} D 3 {2} D 4 {3} X 1 D 2 {4} D 3 {1,3} D 4 {1,3,4} {x 1 1} X 2 {x 1 2} {x 1 3} {x 1 4} X 3 X D 3 {1} D 4 {1,3} {x 1 x 2 4} No se ha tomado en cuenta R' 6 (x 3,x 4 ), porque ni x 3 ni x 4 tienen valores asignados en {x 1 1, x 2 4} Se habría detectado que un dominio se queda sin valores Y, por tanto, que no se puede ampliar la asignación para que forme una solución {x 1 1, x 2 4, x 3 2} D 4 {} D 4 {3} {x 1 x 2 4, x 3 1} {x 1 x 2 4, x 3 1, x 4 3 } Debería tomarse en cuenta la transitividad de las restricciones 13

14 Consistencia de arco Definición.: Un CSP es arco consistente si para todo par de dominios D y y D z, y z, se cumple que Ejemplo: vi Dy v j Dz i, ( y v z v ) cumple R El CSP de las cuatro reinas con D 1 {1}, D 2 {3,4}, D 3 {4}, X 1 y D 4 {3} no es arco consistente porque (entre otros) X 2 Para x 3 2 no existe v D 4 tal que (v) R 7 (x 3,x 4 )) X Para x 3 4 no existe v D 2 tal que (4,v ) R 4 (x 3,x 2 )) 3 X Por tanto, para alcanzar arco consistencia, D 3 tendría que quedarse vacío Propagación de restricciones para establecer consistencia de arco: Al eliminar un valor de un dominio D i involucrado en una restricción R y (x i,x j ), se puede estropear la condición de arco consistencia de otra restricción R z (x i,x k ) Puede ser necesario propagar valores varias veces por la misma restricción j 14

15 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} x B D B 3, 4, 5 {(A,C) : A > C} {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } x c D C 1, 3 15

16 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} R 1 x B D B 3, 4, 5 {(A,C) : A > C} {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } x c D C 1, 3 16

17 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} x B D B 3, 4, 5 {(A,C) : A > C} R 2 {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } x c D C 1, 3 17

18 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} x B D B 3, 4, 5 {(A,C) : A > C} R 3 {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } x c D C 1, 3 18

19 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} R 1 x B D B 3, 4, 5 {(A,C) : A > C} {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } x c D C 1, 3 19

20 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} R 1 OK x B D B 3, 4, 5 {(A,C) : A > C} R 3 OK x c D C R 2 OK 1, 3 {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), } El CSP con D A {3,4}, D B {4,5} y D C {3} es arco consistente 20

21 Algoritmo de arco consistencia Función consistencia-de-arcos(csp) devuelve CSP % con dominios reducidos abierta R % inicialmente todas las restricciones binarias dirigidas Mientras vacio?(abierta) hacer R y (x i, x j ) primero(abierta) Si borrar-valores-inconsistentes(r y (x i, x j )) entonces Para cada x k vecinos(x i ) hacer abierta abierta {R z (x k, x i ) } Fin {consistencia-de-arcos} Función borrar-valores-inconsistentes(r y (x i, x j )) devuelve si / no borrado no % variable booleana iniciar con false Para cada v D i hacer % borrar valores inconsistentes (sólo de D i ) Si v D j tal que (v,v ) R y (x i, x j ) entonces D i D i \ {v} borrado si Devolver (borrado) Fin {borrar-valores-inconsistentes} 21

22 Algoritmo de arco consistencia D A 3, 4, 5 x A {(A,B) : A B-1} R 1 x B D B 3, 4, 5 abierta R 1 (x A, x B ) R 1 (x B, x A ) R 2 (x B, x C ) R 2 (x C, x B ) R 3 (x A, x C ) R 3 (x C, x A ) R 1 (x A, x B ) {(A,C) : A > C} R 3 x c D C R 2 1, 3 {(B,C) : C (B+1) div 2} {,(1),(3,2),(4,2),(5,2), }... 22

23 Algoritmo de arco consistencia Resultado: El algoritmo de consistencia de arco reduce un CSP en un CSP equivalente (es decir: con las mismas soluciones) Si al aplicar el algoritmo el dominio de una variable se queda vacío, el CSP es inconsistente (es decir: no tiene solución) Complejidad: Un CSP binario tiene como mucho n 2 arcos Cada arco puede insertarse en abierta a lo sumo d veces El borrado de valores inconsistentes se realiza en O(d 2 ) pasos Por tanto, la complejidad en tiempo en el peor caso es O(n 2 d 3 ) Análisis: No se puede garantizar que el algoritmo detecta cualquier CSP inconsistente Aún así, por lo general la generación de arco-consistencia merece la pena 23

24 Algoritmo MAC Algoritmo: Mantenimiento de consistencia de arcos Inglés: Maintaining Arc Consistency (MAC) Intercalar satisfacción y propagación de restricciones Realizar búsqueda con vuelta atrás cronológico Después de aumentar una asignación, construir un CSP equivalente que sea arco-consistente MAC es de los algoritmos básicos más conocidos para CSPs 24

25 Algoritmo MAC Función MAC(CSP, σ) devuelve σ' / fallo Si σ n entonces % la asignación es completa (i.e. una solución) devolver(σ) x i elegir-variable-no-asignada(x, σ) % orden de elección no afecta la completitud dominio D Xi Mientras dominio {} hacer v elegir-valor(dominio) σ' σ {x i v} % en el dominio quedan valores por probar % generar nueva asignación parcial Si σ' R entonces % la nueva asignación parcial es consistente CSP' consistencia-de-arcos(σ'(csp)) resultado MAC(CSP', σ') % completarla Si resultado fallo entonces devolver(resultado) dominio dominio \ {v} Fin {Mientras} devolver(fallo) Fin {vuelta-atrás-cronológica} 25

26 Algoritmo MAC {} D 2 {4} D 3 {2} D 4 {} D 2 {4} D 3 {1} D 4 {3} {x 1 1} {x 1 2} {x 1 3} {x 1 4} D 3 {1} D 4 {3} {x 1 x 2 4} D 4 {3} {x 1 x 2 4, x 3 1} {x 1 x 2 4, x 3 1, x 4 3 } 26

27 CSPs avanzados Temas avanzados: Algoritmos de satisfacción y propagación más sofisticados Heurísticas de selección de variables y/o valores Estructuración de CSPs CSPs con dominios continuos Preferencias sobre soluciones (COPs) Satisfacción de restricciones distribuida (DCSP) Relajación de restricciones... 27

28 Ejercicio 7.1 Problemas de satisfacción de restricciones (CSP) Se trata de colorar el mapa de los estados de Australia con tres colores, (rojo, verde, y amarillo) de tal modo que ningún par de estados adyacentes tengan el mismo color a) Modelice el problema como CSP b) Dé una solución al CSP 28

29 Ejercicio 7.2 Consistencia de Arcos: Contemple el grafo de la derecha que representa la estructura de un CSP: El dominio de cada variable x i es rojo, verde, y amarillo (D i {r, v, a}) salvo para las variables NT y SA, donde D NT {r} y D SA {r,v} Cada restricción binaria expresa desigualdad ( ) {( ) } Rk xi, x j v, v Di D j v v Aplique el algoritmo anterior para generar un CSP equivalente que sea arco-consistente 29

Hoja de Problemas Tema 6 Búsqueda con estados estructurados: Restricciones

Hoja de Problemas Tema 6 Búsqueda con estados estructurados: Restricciones Ejercicio 1: 1.1. Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces (a) (b) (c) (d) (e) Un estado siempre asigna un valor a todas las variables

Más detalles

Tema 3: Problemas de Satisfacción de Restricciones

Tema 3: Problemas de Satisfacción de Restricciones Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para

Más detalles

Problemas de satisfacción de restricciones.

Problemas de satisfacción de restricciones. Problemas de satisfacción de restricciones. In whitch we see how treating states as more than just little black boxes leads to the invention of a range of powerful new search methods and a deeper understanding

Más detalles

Satisfacción de Restricciones

Satisfacción de Restricciones Satisfacción de Restricciones Introducción Componentes del estado: Variables Dominios (valores posibles para las variables) Restricciones binarias entre las variables Objetivo: Encontrar un estado que

Más detalles

Problemas de Satisfacción de Restricciones

Problemas de Satisfacción de Restricciones Problemas de Satisfacción de estricciones José Luis uiz eina José Antonio Alonso Jiménez Franciso J. Martín Mateos María José Hidalgo Doblado Dpto. Ciencias de la Computación e Inteligencia Artificial

Más detalles

Tema 5: Problemas de satisfacción de restricciones

Tema 5: Problemas de satisfacción de restricciones Tema 5: Problemas de satisfacción de restricciones José Luis uiz eina José Antonio Alonso Franciso J. Martín Mateos María José Hidalgo Departamento de Ciencias de la Computación e Inteligencia Artificial

Más detalles

Razonamiento. con. Restricciones. Esquema Global. Tutorial IBERAMIA 2002. 1. Introducción - Definiciones - Ejemplos

Razonamiento. con. Restricciones. Esquema Global. Tutorial IBERAMIA 2002. 1. Introducción - Definiciones - Ejemplos Esquema Global Razonamiento con Restricciones Tutorial IBERAMIA 2002 Javier Larrosa Dep. LSI, UPC, Barcelona Pedro Meseguer IIIA, CSIC, Bellaterra 1. Introducción - Definiciones - Ejemplos 2. Métodos de

Más detalles

Algoritmos para CSP 1

Algoritmos para CSP 1 Algoritmos para CSP 1 1. Técnicas de Consistencia, o Inferenciales I. Inferencia, o consistencia completa Proceso que permite la síntesis de todas las restricciones de un problema en una única restricción

Más detalles

Razonamiento. con. Restricciones. Esquema Global. Tutorial CAEPIA 2003. 1. Introducción - Definiciones - Ejemplos

Razonamiento. con. Restricciones. Esquema Global. Tutorial CAEPIA 2003. 1. Introducción - Definiciones - Ejemplos Esquema Global Razonamiento con Restricciones Tutorial CAEPIA 2003 Javier Larrosa Dep. LSI, UPC, Barcelona Pedro Meseguer IIIA, CSIC, Bellaterra 1. Introducción - Definiciones - Ejemplos 2. Métodos de

Más detalles

Problemas de satisfacción de restricciones. Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana

Problemas de satisfacción de restricciones. Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana Problemas de satisfacción de restricciones Javier Ramírez Rodríguez Departamento de Sistemas Universidad Autónoma Metropolitana La programación con restricciones (PR) ha generado gran expectación entre

Más detalles

Planificación. Inteligencia Artificial. Ingeniería Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Planificación. Inteligencia Artificial. Ingeniería Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Planificación Ingeniería Informática, 4º urso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: gentes basados en úsqueda Resumen: 2. gentes basados en búsqueda 2.1. úsqueda en

Más detalles

Programación con Restricciones Constraint Programming

Programación con Restricciones Constraint Programming Programación con Restricciones Constraint Programming Introducción basada en Roman Barták: Guide to Constraint Programming http://kti.ms.mff.cuni.cz/~bartak/constraints/index.html Constraint Programming

Más detalles

DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I

DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I 1INSTITUTO TECNOLÓGICO DE CIUDAD MADERO DEPARTAMENTO DE INGENIERÍA EN SISTEMAS Y COMPUTACIÓN OPCIÓN I TESIS: Desarrollo de Algoritmos de Retroceso Aplicados a la solución del Problema del Diseño de la

Más detalles

III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3.

III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3. III. BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS. III.3. Búsquedas con retroceso. III.3.1. Búsquedas con retroceso a ciegas. III.3.1.1. Procedimientos con retroceso. La búsqueda con retroceso, o backtracking, es

Más detalles

El proyecto realizado consiste en un resolutor de sudokus mediante CSP.

El proyecto realizado consiste en un resolutor de sudokus mediante CSP. Introducción El proyecto realizado consiste en un resolutor de sudokus mediante CSP. El problema del sudoku fue inventado por Howard Garns en 1979 y se volvió muy popular en Japón en 1986. En España ha

Más detalles

Inteligencia Artificial. Visiones: Árboles de Búsqueda Técnicas Look-Back Técnicas Look-Ahead. Elizabeth Montero Ureta.

Inteligencia Artificial. Visiones: Árboles de Búsqueda Técnicas Look-Back Técnicas Look-Ahead. Elizabeth Montero Ureta. Inteligencia Artificial Elizabeth Montero Ureta Departamento de Informática Universidad Técnica Federico Santa María Campus Santiago 1 1er Semestre 2009 1/18 2/18 Visiones: Tiene una solución? Encontrar

Más detalles

Apuntes de Grafos. 1. Definiciones

Apuntes de Grafos. 1. Definiciones Apuntes de Grafos Un grafo es una entidad matemática introducida por Euler en 736 para representar entidades (vértices) que pueden relacionarse libremente entre sí, mediante el concepto de arista Se puede

Más detalles

Resolución de problemas

Resolución de problemas Inteligencia en Redes de Comunicaciones Resolución de problemas Julio Villena Román jvillena@it.uc3m.es El problema de resolver problemas La resolución de problemas es uno de los procesos básicos de razonamiento

Más detalles

Búsqueda heurística Prof. Constantino Malagón

Búsqueda heurística Prof. Constantino Malagón Búsqueda heurística Prof. Constantino Malagón Area de Computación e Inteligencia Artificial 1 Búsqueda heurística Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de

Más detalles

Ingeniería en Informática

Ingeniería en Informática Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se

Más detalles

Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial ISSN: 1137-3601 revista@aepia.org

Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial ISSN: 1137-3601 revista@aepia.org Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial ISSN: 1137-3601 revista@aepia.org Asociación Española para la Inteligencia Artificial España Barber, Federico; Salido, Miguel

Más detalles

Ampliación de Inteligencia Artificial (Curso 2014 15) Grado en Ingeniería Informática - Tecnologías Informáticas

Ampliación de Inteligencia Artificial (Curso 2014 15) Grado en Ingeniería Informática - Tecnologías Informáticas Ampliación de Inteligencia Artificial (Curso 2014 15) Grado en Ingeniería Informática - Tecnologías Informáticas Tema 2: Problemas de satisfacción de restricciones 1. Describir en pseudocódigo un algoritmo

Más detalles

Apuntes de Matemática Discreta 6. Relaciones

Apuntes de Matemática Discreta 6. Relaciones Apuntes de Matemática Discreta 6. Relaciones Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 6 Relaciones Contenido 6.1 Generalidades.....................................

Más detalles

Inteligencia Artificial Problemas de satisfacción de restricciones

Inteligencia Artificial Problemas de satisfacción de restricciones Inteligencia Artificial Problemas de satisfacción de restricciones Primavera 2007 profesor: Luigi Ceccaroni Problemas de satisfacción de restricciones (PSRs) Componentes del estado = grafo de restricciones:

Más detalles

Capítulo 12: Indexación y asociación

Capítulo 12: Indexación y asociación Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

Estructuras de Datos. Montículos. Montículos. Montículos. Tema 3. Montículos. Definiciones básicas: Definiciones básicas:

Estructuras de Datos. Montículos. Montículos. Montículos. Tema 3. Montículos. Definiciones básicas: Definiciones básicas: Estructuras de Datos Tema. 1. Definiciones básicas 2. Implementación. Operaciones con montículos 4. Definiciones básicas: En un árbol binario completo todos los niveles del árbol (excepto tal vez el último)

Más detalles

Estructuras de datos: Árboles binarios de

Estructuras de datos: Árboles binarios de Estructuras de datos: Árboles binarios de búsqueda, Dep. de Computación - Fac. de Informática Universidad de A Coruña Santiago Jorge santiago.jorge@udc.es Árboles binarios de búsqueda, Table of Contents

Más detalles

Resolución de Problemas

Resolución de Problemas Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver

Más detalles

RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES

RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES RAZONAMIENTO BASADO EN MODELOS: RAZONAMIENTO CUALITATIVO RAZONAMIENTO CUALITATIVO BASADO EN RESTRICCIONES 1 CONTENIDOS Introducción al modelado basado en restricciones La variable cualitativa y su representación

Más detalles

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por.

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por. 2. Nociones sobre Teoría de Conjuntos y Lógica Para llevar a cabo nuestro propósito de especificar formalmente los problemas y demostrar rigurosamente la correctitud de nuestro programas, introduciremos

Más detalles

Arboles Binarios de Búsqueda

Arboles Binarios de Búsqueda Arboles Binarios de Búsqueda Algoritmos y Estructuras de Datos Departamento de Electricidad y Electrónica (UPV/EHU) Arboles Binarios de Búsqueda p.1/52 Arboles Binarios Arbol binario: árbol ordenado de

Más detalles

Restricciones sobre dominios finitos con Gprolog

Restricciones sobre dominios finitos con Gprolog Autores: Rubén García Portal Nikolai Smirnov Restricciones sobre dominios finitos con Gprolog Introducción. Este documento explicará brevemente las funciones que se utilizan en Gprolog para resolución

Más detalles

Daniel de la Casa Riballo M.ª del Rocío Casco Muga

Daniel de la Casa Riballo M.ª del Rocío Casco Muga Daniel de la Casa Riballo M.ª del Rocío Casco Muga Tablero de RxC casillas. Versión clásica: 9x9. Reglas: Introducción de números del 1 al 9. No se pueden repetir los números ni por filas, ni por columnas

Más detalles

Curso 2012-2013 15/10/12. Inteligencia Artificial (30223) Lección 5. Juegos. Índice. Juegos. Los juegos son una forma de entorno multiagente

Curso 2012-2013 15/10/12. Inteligencia Artificial (30223) Lección 5. Juegos. Índice. Juegos. Los juegos son una forma de entorno multiagente Inteligencia Artificial (30223) Lección 5. Juegos Curso 2012-2013 José Ángel Bañares 15/10/2013. Dpto. Informática e Ingeniería de Sistemas. Índice Juegos Decisiones optimas Poda α-β Juegos con información

Más detalles

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que

Más detalles

Guía de Modelo Relacional y Conversión de Entidad-Relación a Relacional

Guía de Modelo Relacional y Conversión de Entidad-Relación a Relacional Guía de Modelo Relacional y Conversión de Entidad-Relación a Relacional Prof. Claudio Gutiérrez, Aux. Mauricio Monsalve Primavera de 2007 1. Problemas conceptuales 1. Qué es una relación? Qué es un esquema

Más detalles

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración 5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una

Más detalles

2 Métodos combinatorios

2 Métodos combinatorios 2 Métodos combinatorios Las pruebas pueden aplicarse de muchas maneras, es decir, existen diferentes formas de preparar casos de prueba. En este capítulo se presentan dos formas de prueba muy fáciles de

Más detalles

3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS

3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS TEMA 12: MODELADO CON VARIABLES BINARIAS 1.- MOTIVACIÓN 2.- INTRODUCCIÓN 3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS 5.- MODELADO

Más detalles

Razonamiento con restricciones. Pedro Meseguer IIIA CSIC Bellaterra

Razonamiento con restricciones. Pedro Meseguer IIIA CSIC Bellaterra Razonamiento con restricciones Pedro Meseguer IIIA CSIC Bellaterra Un poco de historia:" comienzos" mejoras algorítmicas" extensiones" CSP, ejemplos, aplicaciones" Sumario! Algoritmos de resolución: búsqueda

Más detalles

Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us.

Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us. Algoritmos de planificación basados en restricciones para la sustitución de componentes defectuosos Irene Barba Rodríguez, 48861238S irenebr@us.es Supervised by Prof. Dr. Carmelo del Valle Sevillano Thesis

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007 Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el

Más detalles

1 Agencia de viajes: enunciado

1 Agencia de viajes: enunciado 1 AGENCIA DE VIAJES: ENUNCIADO 1 1 Agencia de viajes: enunciado Una agencia de viajes mantiene una base de datos con exactamente N clientes y M destinos turísticos. En una situación real, estos valores

Más detalles

SEGURIDAD Y PROTECCION DE FICHEROS

SEGURIDAD Y PROTECCION DE FICHEROS SEGURIDAD Y PROTECCION DE FICHEROS INTEGRIDAD DEL SISTEMA DE ARCHIVOS ATAQUES AL SISTEMA PRINCIPIOS DE DISEÑO DE SISTEMAS SEGUROS IDENTIFICACIÓN DE USUARIOS MECANISMOS DE PROTECCIÓN Y CONTROL INTEGRIDAD

Más detalles

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos

Más detalles

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos

Más detalles

TEMA II: ÁLGEBRA DE CONMUTACIÓN

TEMA II: ÁLGEBRA DE CONMUTACIÓN TEMA II: ÁLGEBRA DE CONMUTACIÓN En este capítulo veremos los métodos matemáticos que se disponen para las operaciones relacionadas con los circuitos digitales, así como las funciones más básicas de la

Más detalles

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos.

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos. 28/04/2012 La teoría de la normalización va perdiendo peso con el paso de los años como herramienta de diseño de bases de datos relacionales en favor de modelos de datos más ricos en su representación,

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

CATÁLOGO DE INFERENCIAS

CATÁLOGO DE INFERENCIAS Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

árbol como un conjunto de nodos y líneas

árbol como un conjunto de nodos y líneas ÁRBOLES CAPÍTULO 6 ÁRBOLES Desde el punto de vista conceptual, un árbol es un objeto que comienza con una raíz (root) y se extiende en varias ramificaciones o líneas (edges), cada una de las cuales puede

Más detalles

Convivencia. Gestión del Sistema de Archivos

Convivencia. Gestión del Sistema de Archivos Convivencia Gestión del Sistema de Archivos Dra. Carolina Carolina Mañoso Mañoso Dpto. Dpto. Imformática Informática y y Automática.UNED Introducción Se necesitan tres condiciones para el almacenamiento

Más detalles

SEMINARIO DE ESPECIFICACIONES ALGEBRAICAS

SEMINARIO DE ESPECIFICACIONES ALGEBRAICAS Algoritmos y Estructuras de Datos Ingeniería en Informática, Curso 2º, Año 2004/2005 SEMINARIO DE ESPECIFICACIONES ALGEBRAICAS Contenidos: 1. Descripción general de Maude 2. Comandos básicos 3. Formato

Más detalles

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006 ARBOLES ESTRUCTURAS DE DATOS 2006 DEFINICION Un árbol (tree) es un conjunto finito de nodos. Es una estructura jerárquica aplicable sobre una colección de elementos u objetos llamados nodos; uno de los

Más detalles

Aplicación 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 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 detalles

Sistemas Distribuidos Junio 2008

Sistemas Distribuidos Junio 2008 Sistemas Distribuidos Junio 2008 Nombre: Ejercicio 1 [1 punto] Señala si cada una de las siguientes afirmaciones es cierta [C] o falsa [F] y explícalo. 1 [ ] Un servicio de FTP proporciona transparencia

Más detalles

Tipos Abstractos de Datos

Tipos Abstractos de Datos Objetivos Repasar los conceptos de abstracción de datos y (TAD) Diferenciar adecuadamente los conceptos de especificación e implementación de TAD Presentar la especificación algebraica como método formal

Más detalles

PREPROCESADO DE DATOS PARA MINERIA DE DATOS

PREPROCESADO DE DATOS PARA MINERIA DE DATOS Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado

Más detalles

Tema 3. El modelo Relacional

Tema 3. El modelo Relacional Tema 3. El modelo Relacional Juan Ignacio Rodríguez de León Resumen Presenta el modelo entidad-relación. Visión de alto nivel de las cuestiones referentes a diseño de bases de datos y los problemas encontrados

Más detalles

Métodos de la Minería de Datos

Métodos de la Minería de Datos This is page i Printer: Opaue this Métodos de la Minería de Datos Dr. Oldemar Rodríguez Rojas de noviembre de 2005 ii Contents This is page iii Printer: Opaue this iv This is page v Printer: Opaue this

Más detalles

Búsqueda Heurística IV

Búsqueda Heurística IV Búsqueda Heurística IV Pedro Meseguer IIIA-CSIC Bellaterra, Spain pedro@iiia.csic.es 2 jugadores Búsqueda para juegos Perfecta información: cada jugador conoce toda la información del contrario no hay

Más detalles

Fundamentos de Informática - Ms. Excel (3) 2011

Fundamentos de Informática - Ms. Excel (3) 2011 Tabla de contenidos Resolución de sistemas de ecuaciones usando Ms. Excel... Introducción... Ecuación de una incógnita... 3 Método gráfico... 3 Herramienta Buscar objetivo... 4 Herramienta Solver... 8

Más detalles

Apuntes de Matemática Discreta 7. Relaciones de Orden

Apuntes de Matemática Discreta 7. Relaciones de Orden Apuntes de Matemática Discreta 7. Relaciones de Orden Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 7 Relaciones de Orden Contenido

Más detalles

4 Integridad de datos relacional: llaves candidatas y temas relacionados.

4 Integridad de datos relacional: llaves candidatas y temas relacionados. 4 Integridad de datos relacional: llaves candidatas y temas relacionados. 4.1 Introducción. 4.2 Llaves candidatas. 4.3 Llaves primarias y llaves alternas. 4.4 Llaves foráneas. 4.5 Reglas de llaves foráneas.

Más detalles

Análisis amortizado El plan:

Análisis amortizado El plan: Análisis amortizado El plan: Conceptos básicos: Método agregado Método contable Método potencial Primer ejemplo: análisis de tablas hash dinámicas Montículos agregables (binomiales y de Fibonacci) Estructuras

Más detalles

ILOG SOLVER. Problemas de dominios finitos

ILOG SOLVER. Problemas de dominios finitos ILOG SOLVER Problemas de dominios finitos Cambio de mentalidad Dominio de las Variables de decisión. Las ecuaciones a las que podemos hacer frente. Problemas de satisfacción de restricciones. Procedimientos

Más detalles

PROGRAMACIÓN CON RESTRICCIONES PARA EL TRATAMIENTO DE INCERTIDUMBRE EN CSP NUMÉRICOS

PROGRAMACIÓN CON RESTRICCIONES PARA EL TRATAMIENTO DE INCERTIDUMBRE EN CSP NUMÉRICOS Universidad Técnica Federico Santa María Departamento de Informática Valparaíso Chile PROGRAMACIÓN CON RESTRICCIONES PARA EL TRATAMIENTO DE INCERTIDUMBRE EN CSP NUMÉRICOS Tesis presentada como requerimiento

Más detalles

Patrones para persistencia (I) Ingeniería del Software II

Patrones para persistencia (I) Ingeniería del Software II Patrones para persistencia (I) Ingeniería del Software II 1 Patrones para la construcción del esquema relacional En todos los ejemplos realizaremos transformaciones del siguiente diagrama de clases: Figura

Más detalles

TAD Lineales: Pila, Cola y Lista

TAD Lineales: Pila, Cola y Lista TAD Lineales: Pila, Cola y Lista Objetivos! Dar a conocer los TAD lineales pila, cola y lista! Presentar la especificación de cada uno de los TAD! Discutir implementaciones alternativas para cada uno de

Más detalles

RELACIÓN DE PROBLEMAS Nº 2 CONJUNTOS Y APLICACIONES

RELACIÓN DE PROBLEMAS Nº 2 CONJUNTOS Y APLICACIONES UNIVERSIDAD DE JAÉN ESCUELA POLITÉCNICA SUPERIOR Dpto. de Matemáticas (Área de Álgebra) 1. Sean X e Y conjuntos. Demostrar: a) X = X Y Y X. b) X = X Y X Y. RELACIÓN DE PROBLEMAS Nº 2 CONJUNTOS Y APLICACIONES

Más detalles

Apuntes de Matemática Discreta 11. Teorema Fundamental de la Aritmética

Apuntes de Matemática Discreta 11. Teorema Fundamental de la Aritmética Apuntes de Matemática Discreta 11. Teorema Fundamental de la Aritmética Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 11 Teorema Fundamental

Más detalles

Tema 6. Transacciones y seguridad

Tema 6. Transacciones y seguridad Tema 6. Transacciones y seguridad Las aplicaciones de bases de datos a gran escala, con bases de datos de gran tamaño y con cientos de usuarios concurrentes, como los sistemas de reservas, los bancos,

Más detalles

No se permiten libros ni apuntes ni calculadora

No se permiten libros ni apuntes ni calculadora Ejercicio : [ puntos: respuesta acertada = +, respuesta incorrecta = ] Complete las frases que se muestran a continuación con las alternativas especificadas. En la siguiente tabla, indique "V" o "F" para

Más detalles

Sistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico

Sistemas de ayuda a la decisión Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Tema 5. Análisis de Sensibilidad Análisis Cualitivo y Análisis Paramétrico Indice 1) Motivavión, Identifición y Estructuración del problema 2) Análisis Paramétrico: Medidas basadas en distancias de umbral

Más detalles

Representación basada en Restricciones

Representación basada en Restricciones Representación basada en Restricciones Asunción Gómez-Pérez asun@fi.upm.es Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660

Más detalles

Métodos Heurísticos en Inteligencia Artificial

Métodos Heurísticos en Inteligencia Artificial Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de

Más detalles

3. Consideremos el puzzle-8 descrito en clase y sea el estado objetivo, como de costumbre,

3. Consideremos el puzzle-8 descrito en clase y sea el estado objetivo, como de costumbre, E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL. UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROLEMAS. ÚSQUEDAS CON ÁROL.. Un móvil puede situarse en los nodos

Más detalles

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN

&$3Ì78/2 $/*25,7026 (92/87,926 $9$1=$'26 3$5$ 763 6.1. INTRODUCCIÓN &$3Ì78/2 6.1. INTRODUCCIÓN Los primeros avances para solucionar el TSP, por medio de Algoritmos Evolutivos han sido introducidos por Goldberg y Lingle en [68] y Grefenstette en [72]. En éste área muchos

Más detalles

Universidad de Zaragoza Manual de Usuario EXPEDIENTES-Sigm@

Universidad de Zaragoza Manual de Usuario EXPEDIENTES-Sigm@ Universidad de Zaragoza Manual de Usuario EXPEDIENTES-Sigm@ Unidad Sigma/Vicegerencia Académica MANUAL DE USUARIO EXPEDIENTES SIGM@... 1 1. ÍNDICE... 2 2. ENTRADA EN LA APLICACIÓN... 3 3. CONSULTA DE EXPEDIENTES...4

Más detalles

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información

Más detalles

Alineamiento. Cognitens-WLS400M

Alineamiento. Cognitens-WLS400M Alineamiento Objetivos Lograr entender el procedimiento de alineación. Entender el razón del alineamiento en el proceso de medición. Revisar y practicar los diferentes tipos de alineamiento. Familiarizarse

Más detalles

Operaciones Morfológicas en Imágenes Binarias

Operaciones Morfológicas en Imágenes Binarias Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los

Más detalles

MANUAL DE LA APLICACIÓN DE GESTIÓN DE CRIONIZADOS

MANUAL DE LA APLICACIÓN DE GESTIÓN DE CRIONIZADOS MANUAL DE LA APLICACIÓN DE GESTIÓN DE CRIONIZADOS NEVERO 1.3 Acceso a la aplicación 1 Mantenimiento de Administradores 2 Alta Modificación: 2 Baja: 2 Mantenimiento de Tanques 3 Modificación: 3 Baja: 3

Más detalles

Casos prácticos. Preparado para INACAP. Módulo Egresados. Microsoft Dynamics Partner of the Year for Latin America WINNER 2012

Casos prácticos. Preparado para INACAP. Módulo Egresados. Microsoft Dynamics Partner of the Year for Latin America WINNER 2012 Casos prácticos Preparado para INACAP Módulo Egresados CMetrix Business Solutions S.A. Gertrudis Echeñique 30, Oficina 43 Las Condes, Santiago - Chile Teléfono: (56-2) 889 9100 / Fax: (56-2) 889 9112 www.cmetrix.cl

Más detalles

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33 Introducción Búsqueda Local A veces el camino para llegar a la solución no nos importa, buscamos en el espacio de soluciones Queremos la mejor de entre las soluciones posibles alcanzable en un tiempo razonable

Más detalles

Álgebras de Boole. Juan Medina Molina. 25 de noviembre de 2003

Álgebras de Boole. Juan Medina Molina. 25 de noviembre de 2003 Álgebras de Boole Juan Medina Molina 25 de noviembre de 2003 Introducción Abordamos en este tema el estudio de las álgebras de Boole. Este tema tiene una aplicación directa a la electrónica digital ya

Más detalles

Registro (record): es la unidad básica de acceso y manipulación de la base de datos.

Registro (record): es la unidad básica de acceso y manipulación de la base de datos. UNIDAD II 1. Modelos de Bases de Datos. Modelo de Red. Representan las entidades en forma de nodos de un grafo y las asociaciones o interrelaciones entre estas, mediante los arcos que unen a dichos nodos.

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

Propagación de Restricciones. Iván André Tamayo García Maestría en Ingeniería de Sistemas EISC Universidad del Valle

Propagación de Restricciones. Iván André Tamayo García Maestría en Ingeniería de Sistemas EISC Universidad del Valle Propagación de Restricciones Iván André Tamayo García Maestría en Ingeniería de Sistemas EISC Universidad del Valle Agenda Speeding up Constraint Propagation Definiciones y preliminares Solver e Incremental

Más detalles

Conocimientos Estratégicos y de Control

Conocimientos Estratégicos y de Control 1 Conocimientos Estratégicos y de Control J.A. Bañares Bañares Departamento de Informática e Ingeniería de Sistemas C.P.S. Universidad de Zaragoza Copyright 1999 JoséAngel Bañares Última revisión: Octubre,

Más detalles

Introducción a la Computación TFA

Introducción a la Computación TFA Introducción a la Computación TFA Departamento de Informática Facultad de Ciencias Físico, Matemáticas y Naturales- UNSL Lenguaje de Diseño de Algoritmos Estructura de Control Condicional Simple y Múltiple

Más detalles

Weitzenfeld: Capítulo 6 1

Weitzenfeld: Capítulo 6 1 Weitzenfeld: Capítulo 6 Las descripciones de los casos de uso representan todas las posibles interacciones de los actores con el sistema para los eventos enviados o recibidos por los actores. En esta etapa

Más detalles

1. Trace la curva definida por las ecuaciones paramétricas y elimine el parámetro para deducir la ecuación cartesiana de la curva:

1. Trace la curva definida por las ecuaciones paramétricas y elimine el parámetro para deducir la ecuación cartesiana de la curva: 1. Trace la curva definida por las ecuaciones paramétricas y elimine el parámetro para deducir la ecuación cartesiana de la curva: a) x = senθ, y = cosθ, 0 θ π t b), t x = e y = e + 1 c) x = senθ, y =

Más detalles

Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN

Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN TÉCNICAS DE PRUEBA DEL SOFTWARE Introducción Aspectos psicológicos de las pruebas Flujo de información de la prueba

Más detalles

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Especificación algebraica ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Un tipo abstracto de datos se determina por las operaciones asociadas, incluyendo constantes que se consideran como operaciones sin

Más detalles

Ejemplos de TAD (tipos simples)

Ejemplos de TAD (tipos simples) ESPECIFICACIÓN BOOLEANOS TAD booleano Ejemplos de TAD (tipos simples) T : booleano { valor cierto } F : booleano { valor falso } : booleano booleano : booleano, booleano booleano : booleano, booleano booleano

Más detalles

Tema 6. Restricciones a la Base de Datos: Integridad y seguridad

Tema 6. Restricciones a la Base de Datos: Integridad y seguridad Tema 6. Restricciones a la Base de Datos: Integridad y seguridad Juan Ignacio Rodríguez de León Resumen Las restricciones desde el punto de vista de integridad de bases de datos. se presentan dependencias

Más detalles