MATROIDES Y EL ALGORITMO VORAZ
|
|
- Aarón Suárez Rodríguez
- hace 5 años
- Vistas:
Transcripción
1 MATROIDES Y EL ALGORITMO VORAZ Natalia Castro - 19 de octubre de 2016 Algoritmos de Aproximación IMERL - Facultad de Ingeniería - UdelaR
2 Edmonds loco-problem Edmonds se enfoca en algoritmos better than finite para problemas finitos, particularmente para loco problems (linear-objective combinatorial problems). Con esto, quiere decir problemas de optimización con una función objetivo lineal c.x sujeta a x H. El conjunto H, es una colección finita de vectores reales, que muchas veces serán a valores enteros o incluso 0-1. Edmonds loco-problem 2
3 Edmonds loco-problem En el 0-1 loco-problem, uno debe elegir un subconjunto de elementos de costo óptimo de un conjunto base E, de manera que el subconjunto elegido pertenezca a H. Edmonds plantea que la clase de locoproblems que le interesa resolver son aquellos que se denominan matroidales. En estos problemas matroidales, el algortimo voraz es un método de resolución simple y eficiente. Edmonds loco-problem 3
4 Algoritmo voraz Sabemos que dado un problema el algoritmo voraz elige en cada paso una solución óptima local. También sabemos que esa estrategia no siempre lleva a encontrar el óptimo global del problema. Es posible en algún contexto saber si utilizar un algoritmo voraz nos permitirá encontrar el óptimo global? Algoritmo voraz 4
5 Matroides y el algoritmo voraz Muchos problemas que pueden ser resueltos correctamente utilizando algoritmos voraces, pueden describirse utilizando Matroides. Los matroides son objetos combinatorios abstractos y fueron descriptos por primera vez en 1935 por H. Whitney como una generalización del concepto de independencia lineal de vectores. Matroides y el algoritmo voraz 5
6 Definición de Matroide Definición Un matroide es un par (E; I) tal que: E es un conjunto finito no vacío I P(E) es una familia no vacía de subconjuntos de E, llamados conjuntos independientes, tal que: (1) Si A I y B A entonces B I (2) Si A I, B I y A > B entonces existe algún e A B tal que B {e} I Definición de matroide 6
7 Elementos maximales en matroides Proposición Todos los subconjuntos independientes maximales de un matroide tienen el mismo cardinal. Notación: Sea M=(E; I) un matroide. Un conjunto independiente maximal se llama base de M y su cardinal se denomina rango, r(m). Un conjunto dependiente miminal se denomina circuito. Elementos maximales en matroides 7
8 Ejemplos de matroides (1) Matroide Lineal Sea A una matriz m x n. Sea E el conjunto de columnas de A. Definimos la familia I como los subconjuntos de columnas de A linealmente independientes. (2) Matroide Uniforme U n,k Sea E un conjunto finito con E =n. Dado k entero, definimos la familia I= {X E: X k}. Ejemplos de matroides 8
9 (3) Matroide Gráfico Ejemplos de matroides Sea G = (V, E) un grafo. Sea E el conjunto de aristas del grafo G y la familia I= {X E: X es un bosque}. Propiedad 1: Propiedad 2: Notar que si X es un bosque, su número de componentes conexas es k(v,x)= V - X. Sean X, Y I, con X > Y k(v,x) < k(v,y). Luego, existe una arista e X Y que conecta dos componentes conexas distintas de Y. Entonces Y {e} es un bosque. Ejemplos de matroides 9
10 (3) Matroide Gráfico Ejemplos de matroides Observación 1: Si G es conexo, las bases de este matroide son árboles recubridores de G. Observación 2: En este matroide los circuitos (dependiente minimal) se corresponden con los ciclos del grafo. Ejemplos de matroides 10
11 Ejemplos de matroides (4) Matroide co-gráfico Sea G = (V, E) un grafo. Sea E el conjunto de aristas del grafo G y la familia I= {X E: el subgrafo (V, E \ X) es conexo}. Propiedad 1: Propiedad 2: Sean X, Y I, con X > Y. Suponemos V =n Como X I (V, E \ X) es conexo E\ X n-1. Como X > Y E \ Y n Existe algún ciclo en (V, E\Y). Como ambos grafos son conexos, existe e X Y (perteneciente a un ciclo) tal que el grafo (V, E \Y {e}) es conexo. Ejemplos de matroides 11
12 Ejemplos de matroides (4) Matroide co-gráfico Observación 1: Una base de este matroide es el complemento de un árbol recubridor. Observación 2: Un circuito en este matroide es un conjunto minimal de aristas que desconecta el grafo. Ejemplos de matroides 12
13 Ejemplo que no es un matroide Sea G = (V,E) un grafo. Sea E el conjunto de aristas de G. Definimos: I= {X E: X es un emparejamiento en G} A ={(1,2),(3,4)} I B ={(2,3)} I Sin embargo, no existe elemento e A B tal que B {e} I Ejemplo que no es un matroide 13
14 Optimización en matroides Problema Dado un matroide M=(E; I) y una función de costos c:e R ( 0). Encontrar un conjunto independiente S de costo máximo, c(s)= c(e). e S Observación: Toda solución óptima de este problema será un conjunto independiente maximal, es decir, una base del matroide. Optimización en matroides 14
15 Optimización en matroides Algoritmo Voraz Paso 1: S = Paso 2: Ordenar E = {e 1, e 2,, e n } de forma que: c(e 1 ) c(e 2 ) c(e n ) Paso 3: For i = 1,, n, if S {e i } I, then S = S {e i } Paso 4: Return S Observación: Supongamos que podemos ver si un conjunto es independiente en tiempo f(n). Entonces este algoritmo corre en un tiempo O(n.log(n) + n.f(n)). Optimización en matroides 15
16 Optimización en matroides Teorema Sea M=(E; I) un sistema de independencia. M es un matroide Para cada función de costo c:e R ( 0) el Algoritmo Voraz devuelve un conjunto S I de costo máximo. Optimización en matroides 16
17 Demostración: Matroide Algoritmo Voraz Sea S={s 1, s 2,,s k } el conjunto independiente maximal calculado por el algoritmo voraz, entonces c(s 1 ) c(s 2 ) c(s k ). Por absurdo, supongamos que existe otro conjunto independiente maximal T={t 1, t 2,,t k } con c(t 1 ) c(t 2 ) c(t k ) talque c(t) > c(s). Sea j el primer índice talque c(t j ) > c(sj). Consideremos los conjuntos T j ={t 1, t 2,, t j } y S j-1 ={s 1, s 2,, s j-1 }. Por la propiedad de intercambio de matroides, existe algún elemento t r T j \ S j-1 talque S j-1 {t r } I. Como tenemos c(t r ) c(t j ) > c(sj), t r debería haber sido elegido en lugar de sj. Demostración 17
18 Demostración: Matroide Algoritmo Voraz Por absurdo, supongamos que existen X,Y I con X > Y tales que para todo e X \ Y tenemos que Y {e} I. Sea k = Y. Definimos una función de costo, c:e R ( 0) como sigue: k+2 si e Y c(e) = k+1 si e X \ Y 0 si e E \ (X Y) El algoritmo voraz elegirá todos los elementos de Y, ninguno de X \ Y y luego el resto. El costo será k.(k+2). Sin embargo, elegir X tiene costo por lo menos (k+1).(k+1)=(k+1) 2 > k.(k+2) Demostración 18
19 Resultado De lo anterior concluimos que tenemos de forma inmediata un algoritmo voraz que encontrará el óptimo para cualquier problema que pueda formularse como un matroide. Volviendo a los ejemplos que vimos al principio: Resultado 19
20 Ejemplos de optimización (1) Matroide Lineal Dada una matriz A, hallar el conjunto de vectores de costo máximo que generan el espacio de columnas de A. (2) Matroide Uniforme U n,k Dado un conjunto de n objetos con pesos, hallar los k elementos del conjunto que tienen mayor peso. Ejemplos de optimización 20
21 Ejemplos de optimización (3) Matroide Gráfico Dado un grafo con pesos en sus aristas, calcular su árbol recubridor de peso máximo (Maximum Spanning Tree). Observación: En este contexto el algoritmo voraz es mejor conocido como Algoritmo de Kruskal. Ejemplos de optimización 21
22 Ejemplos de optimización (4) Matroide co-gráfico Dado un grafo con pesos en sus aristas, encontrar el árbol recubridor de costo mínimo. (Minimum Spanning Tree) Ejemplos de optimización 22
23 Conclusiones Podemos decir que los matroides se caracterizan por ser el contexto donde el algoritmo voraz encuentra el óptimo. Los matroides son la estructura subyacente para muchos problemas de optimización combinatoria. El ejemplo más prominente de problema formulado con un matroide es el Optimum Spanning Tree. También algunos problemas de ordenamientos de tareas pueden ser formulados en términos de un matroide. Conclusiones 23
24 Generalizaciones El poder de los matroides es mucho mayor cuando se considera la intersección de familias de conjuntos independientes de dos matroides. ( Combinatorial Optimization, Michel X. Goemans, Massachusetts Institute of Technology, 2011) Limitaciones - Generalizaciones 24
25 Generalizaciones UN MATROIDE OPTIMUM SPANNING TREE ALGORITMO VORAZ INTERSECCION DE DOS MATROIDES BIPARTITE MATCHING ALGORITMO POLINOMIAL (EDMONDS) INTERSECCION DE TRES MATROIDES TRAVELLING SALESMAN PROBLEM NP-HARD ( Combinatorial Optimization, Michel X. Goemans, MIT, 2011) Generalizaciones 25
26 Limitaciones - Generalizaciones A su vez existen muchos tipos de algoritmos que pueden considerarse voraces pero no tienen relación con ninguna estructura matroidal. Un ejemplo es el Algoritmo de Dijkstra para encontrar el camino más corto en un grafo. Se definen estructuras más generales llamadas greedoids. ( Matroids, Will Johnson, Washington University, 2009) Limitaciones - Generalizaciones 26
Nicolás Rivera. 23 de Junio de 2011
Teoría de Matroides. Nicolás Rivera 23 de Junio de 2011 Pontificia Universidad Católica de Chile Índice 1 Introducción: Definiciones y Propiedades básicas Índice 1 Introducción: Definiciones y Propiedades
Más detalles1. Recuerdo del algoritmo de KRUSKAL
MA3705. Algoritmos Combinatoriales. 014. Profesor: José Soto Escriba(s): Manuel Cáceres, Camilo Gómez y Sebastián Muñoz. Fecha: 11 de Agosto 014. Cátedra 5 1. Recuerdo del algoritmo de KRUSKAL La clase
Más detallesAlgunos problemas en la teoría de Matroides
R0 G& M E& Empedrado R1 D& C R1 Instituto de Matemáticas UNAM, sede Oaxaca Seminario de Combinatoria, Departamento de Matemáticas, Facultad de Ciencias, UNAM, 16 de mayo de 2013 R0 G& M E& Empedrado R1
Más detallesApuntes de Teórico de Programación 3. Apuntes de Teórico PROGRAMACIÓN 3. Greedy. Versión 1.1
Apuntes de Teórico PROGRAMACIÓN 3 Greedy Versión 1.1 1 Índice Índice... Introducción... 3 Ejemplo 1 (problema de las monedas)... 3 Ejemplo (problema de la mochila)... 4 Aplicaciones del método Greedy a
Más detallesAlgoritmos de Aproximación
Algoritmos de Aproximación Clase 3 Problema de Steiner y TSP Pablo Romero Lunes 8 de agosto de 2016, Montevideo, Uruguay. Contenidos 1 Cubrimiento de Vértices 2 Agenda 1 Cubrimiento de Vértices 2 Definición
Más detallesAlgoritmos voraces (greedy)
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 21 de marzo de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Algoritmos voraces 21 de marzo de 2018 1 / 45 1 Algoritmos voraces (greedy) Aplicaciones de
Más detallesAnálisis de algoritmos
Tema 10: Algoritmos ávidos M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción Algoritmos ávidos Forma general de un
Más detallesAlgoritmo de Kruskal
Algoritmo de Kruskal Curso de Teoría Algebraica de Grafos Facultad de Ingeniería Universidad de la República 4 de mayo de 202 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un
Más detallesAlgoritmo de Fleury. por. Ramón Espinosa Armenta
Algoritmo de Fleury por Ramón Espinosa Armenta El siguiente algoritmo, debido a Fleury (191), permite construir un circuito Euleriano en un multigrafo Euleriano. Algoritmo Fleury (G) Entrada. Un multigrafo
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesEscuela de algoritmos de aproximación
Escuela de algoritmos de aproximación Módulo 3: Algoritmos de aproximación para problemas de ruteo Francisco Javier Zaragoza Martínez Universidad Autónoma Metropolitana Unidad Azcapotzalco ITAM, de septiembre
Más detallesUn grafo G = (V, E) se dice finito si V es un conjunto finito.
1 Grafos: Primeras definiciones Definición 1.1 Un grafo G se define como un par (V, E), donde V es un conjunto cuyos elementos son denominados vértices o nodos y E es un subconjunto de pares no ordenados
Más detallesTeoría de Grafos Introducción Grafos isomorfos
Capítulo 1 Teoría de Grafos 1.1. Introducción Definición. Denominaremos pseudomultigrafo a una terna (V,E, γ), donde V y E son conjuntos y γ : E {{u,v}: u,v V }. El conjunto V se denomina conjunto de vértices
Más detallesObjetivos formativos de Matemática Discreta. Tema 1: Conjuntos, aplicaciones y relaciones
Objetivos formativos de Matemática Discreta Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera
Más detallesGrafos. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Grafos 1 / 30
Grafos AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Grafos / 0 Objetivos Al finalizar este tema tendréis que: Conocer la terminología básica de la teoría de grafos. Pasar
Más detallesEstructura de ciclos en MSDs (Minimally Strong Digraphs)
(Minimally Strong Digraphs) 28 de marzo de 2017 Jesús García MSD versus trees 21 de marzo de 2017 Luis M. Pozo 1 MSD Definición Árbol (grafo conexo minimal) Caracterización MSD versus trees Árbol Árbol
Más detallesAlgoritmos de Aproximación para el problema de Corte de Multicaminos (Multiway Cut)
Algoritmos de Aproximación para el problema de Corte de Multicaminos (Multiway Cut) Julián Viera Curso de Algoritmos de Aproximación 2016 Facultad de Ingeniería - IMERL 24 de octubre de 2016 Definición
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 detallesGrafos. Algoritmos y Estructuras de Datos III
Grafos Algoritmos y Estructuras de Datos III Grafos Un grafo G = (V, X ) es un par de conjuntos, donde V es un conjunto de puntos o nodos o vértices y X es un subconjunto del conjunto de pares no ordenados
Más detallesMétodos iterativos para Optimización Combinatorial
Métodos iterativos para Optimización Combinatorial J.A. Soto, Universidad de Chile. Escuela de Primavera 21 23 Oct, 2013 1 of 77 Outline 1 Introducción 2 Preliminares: Programación Lineal 3 Problema de
Más detallesARBOLES GENERADORES. Orlando Arboleda Molina. 16 de septiembre de Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle
ARBOLES GENERADORES Orlando Arboleda Molina Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle 16 de septiembre de 2008 Contenido Árboles generadores Algoritmo búsqueda por profundidad
Más detallesTEMA IV TEORÍA DE GRAFOS
TEMA IV TEORÍA DE GRAFOS Poli Abascal Fuentes TEMA IV Teoría de grafos p. 1/? TEMA IV 4. TEORÍA DE GRAFOS 4.1 GRAFOS 4.1.1 Introducción 4.1.2 Definiciones básicas 4.1.3 Caminos y recorridos 4.1.4 Subgrafos,
Más detallesDiseño Topológico de Redes
Diseño Topológico de Redes Departamento de Investigación Operativa - UDELAR OBLIGATORIO FINAL - Segundo Semestre de 2015 Dr. Ing. Franco Robledo Amoza Fecha de Entrega: 30 de Diciembre de 2015 Ejercicio
Más detallesADA TEMA 6.2 Introducción a la NP completitud
ADA TEMA 6.2 Introducción a la Universitat Politècnica de Catalunya 27 de abril de 2006 1 2 3 4 5 6 1 2 3 4 5 6 Hasta ahora en ADA: Hemos estudiado algoritmos para distintos problemas. Estos algoritmos
Más detallesCurso: Métodos de Monte Carlo Unidad 3, Sesión 7: Problemas de conteo
Curso: Métodos de Monte Carlo Unidad 3, Sesión 7: Problemas de conteo Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay
Más detallesOptimización de Problemas de Producción
Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile Colaboran: Héctor Cancela - Antonio Mauttone - Carlos Testuri Depto. Investigación Operativa. Instituto de Computación. Facultad de
Más detallesMétodo Simplex en Optimización de Problemas de Producción
Método Simplex en Optimización de Problemas de Producción Pedro Piñeyro - Luis Stábile - Fernando Islas - Carlos Testuri Héctor Cancela - Antonio Mauttone Depto. Investigación Operativa. Instituto de Computación.
Más detallesÁrboles. no es un árbol porque no es conexo. Sin embargo, cada componente conexa es un árbol y, este tipo de grafo se llama bosque.
Ejemplos Árboles Un grafo sin lazos, es un árbol si es conexo y no contiene ciclos. Tenemos que: es un árbol. no es un árbol porque contiene un ciclo. no es un árbol porque no es conexo. Sin embargo, cada
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesDigrafos fuertemente conexos minimales (MSD) vs árboles
Digrafos fuertemente conexos minimales (MSD) vs árboles 21 de marzo de 2017 Digrafos fuertemente conexos minimales (MSD) 21vsde árboles marzo de 2017 1 / 26 Preliminares Deniciones(I): Grafo, digrafo,
Más detallesClausuras. , se define la clausura algebráica de A como
Mónica Ribero - 201126017 Rafael Mantilla - 201124446 Andrés Rodríguez - 201123795 Matías Ruíz - 201126728 Conferencista: Alf Onshuus NIño Clausuras Introducción En este trabajo hablaremos, con intención
Más detallesColoreo de vértices Definiciones: Coloreo de Grafos. Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g).
Coloreo de vértices Definiciones: Coloreo de Grafos Algoritmos y Estructuras de Datos III Un coloreo (válido) de los vértices de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u,
Más detalles3.0.-ARBOLES ABARCADORES Y COMPONENTES CONEXOS CONCEPTO DE ARBOL ABARCADOR Y SU RELACION CON LOS RECORRIDOS.
3.0.-ARBOLES ABARCADORES Y COMPONENTES CONEXOS 3.1.- CONCEPTO DE ARBOL ABARCADOR Y SU RELACION CON LOS RECORRIDOS. 3.2.- BOSQUES Y COMPONENTES CONEXOS. NEXON LENIN CEFERINO POMPOSO Los árboles son particularmente
Más detallesAlgoritmos y Estructuras de Datos III
Árboles Algoritmos y Estructuras de Datos III Árboles Definición: Un árbol es un grafo conexo sin circuitos simples. Árboles Teorema: Dado un grafo G = (V, X ) son equivalentes: 1. G es un árbol. 2. G
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesThe Traveling Salesperson Problem. D.Moshkovitz Complexity
The Traveling Salesperson Problem 1 La misión: La vuelta al mundo 2 El problema: El dinero que cuesta 1795$ 3 Introducción Objetivos: Estudiar el problema Traveling Salesperson Problem (TSP). Resumen:
Más detallesUn procedimiento de difusión de la información
Un procedimiento de difusión de la información M. Amblàs, E. Bendito, A. Carmona, A.M. Encinas, J. Joan y M. Mitjana Resumen En este trabajo presentamos un procedimiento de diseminación de la información
Más detalles4. Complejidad computacional
Fundamentos de Programación Entera 4. Complejidad computacional Carlos Testuri Germán Ferrari Departamento de Investigación Operativa Instituto de Computación Facultad de Ingeniería Universidad de la República
Más detallesEn la fig. 1 se representa el grafo, G=(V,A) donde: V = {1, 2, 3, 4, 5, 6} A = { {1,2}, {1,3}, {1,5}, {3}, {3,4}, {4,5}, {5,6} }
Unidad 1 Parte 1 - Teoría de Grafos Introducción En este capítulo veremos la noción matemática de grafo y propiedades de los mismos. En capítulos subsiguientes veremos las estructuras de datos utilizadas
Más detallesAlgebra Matricial y Teoría de Grafos
Algebra Matricial y Teoría de Grafos Unidad 3: Nociones de teoría de grafos Luis M. Torres Escuela Politécnica del Litoral Quito, Enero 2008 Maestría en Control de Operaciones y Gestión Logística p.1 Contenido
Más detallesCaminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007
Caminos y Flujos optimales Introducción a la Investigación de Operaciones 2007 Contenido Definiciones básicas. Conexidad. Clausura transitiva. Esqueletos y caminos optimales. Redes. Flujos. Algoritmo de
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesSílabo de Matemática Discreta
Sílabo de Matemática Discreta I. Datos generales Código ASUC 00562 Carácter Obligatorio Créditos 4 Periodo académico 2017 Prerrequisito Ninguno Horas Teóricas 2 Prácticas 4 II. Sumilla de la asignatura
Más detallesTeoría de Grafos. Herramientas de programación para procesamiento de señales
Teoría de Grafos Herramientas de programación para procesamiento de señales Indice Nociones básicas: Definiciones Ejemplos Propiedades Nociones avanzadas: Grafos planares Árboles Representación en computadora
Más detallesColoreo de Grafos. Algoritmos y Estructuras de Datos III
Coloreo de Grafos Algoritmos y Estructuras de Datos III Coloreo de nodos Definiciones: Un coloreo (válido) de los nodos de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u, v) E.
Más detallesTemas de representabilidad de matroides sobre campos finitos e infinitos. Wilson Pico Sánchez Código:
Temas de representabilidad de matroides sobre campos finitos e infinitos Wilson Pico Sánchez Código: 830217 Universidad Nacional de Colombia Facultad de Ciencias Departamento de Matemáticas Bogotá, D.C.
Más detallesIntroducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Conceptos Simples, Problemas Difíciles Héctor Ramírez C. 1 1 Departamento de Ingeniería Matemática Universidad de Chile Curso MA3701: Optimización Héctor Ramírez C. (U.
Más detallesAlgoritmos y Estructuras de Datos III
Árboles Algoritmos y Estructuras de Datos III Árboles Definición: Un árbol es un grafo conexo sin circuitos simples. Árboles Teorema: Dado un grafo G = (V, X ) son equivalentes: 1. G es un árbol. 2. G
Más detallesCapítulo 5 Introducción a la teoría de grafos
Capítulo 5 Introducción a la teoría de grafos 5.1. Terminología básica y tipos de grafos Una primera aproximación a la teoría de grafos la tenemos cuando observamos un mapa de carreteras: ciudades (vértices)
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
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 detallesAlgoritmos de Planos de Corte
Algoritmos de Planos de Corte Problema: max {cx / x X} con X = {x / Ax b, x Z n + } Proposición: conv (X) es un poliedro que puede entonces escribirse como conv (X) = {x / Ax b, x 0} Lo mismo ocurre para
Más detallesMétodos combinatorios en teoría de juegos
Métodos combinatorios en teoría de juegos Introducción Juegos simples Juegos de votación Los valores de Shapley y Myerson Geometrías convexas Valores y potencial de juegos restringidos Juegos en estructuras
Más detallesEspacios vectoriales
Espacios vectoriales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Concepto de espacio vectorial y propiedades 1.1 Definición Se llama espacio vectorial sobre K (IR o C a toda terna
Más detallesAlgoritmos Voraces. Diseño y Análisis de Algoritmos
Algoritmos Voraces Diseño y Análisis de Algoritmos Contenidos Contenidos 1 Introducción 2 Ejemplos básicos 3 Cambio de monedas 4 Problema de la mochila 5 Problemas de planificación de tareas 6 Patrones
Más detallesA5 Introducción a la optimización en redes
48 Materials David Pujolar Morales A5 Introducción a la optimización en redes Definición 1. Grafo finito. Sea un V un conjunto no vacío con un número finito de elementos y E una familia finita de pares
Más detalles6 Vectores. Dependencia e independencia lineal.
6 Vectores. Dependencia e independencia lineal. Introducción Hay fenómenos reales que se pueden representar adecuadamente mediante un número con su adecuada unidad de medida. Sin embargo para representar
Más detallesAlgebra lineal y conjuntos convexos 1
Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada
Más detallesConjuntos Parcialmente Ordenados y Reticulados. Matemática Discreta. Agustín G. Bonifacio UNSL. Conjuntos Parcialmente Ordenados y Reticulados
y UNSL y y y Capítulo 4 del libro de B. Kolman, R. Busby y S. Ross. Definición Una relación R sobre un conjunto X es un orden orden parcial si es reflexiva, antisimétrica y transitiva. El conjunto A con
Más detalles5.4 Caminos mínimos: Algoritmo de Dijkstra
81 5.4 Caminos mínimos: Algoritmo de Dijkstra Al observar nuestro mapa de carreteras se pueden considerar las distancias en km que hay entre las ciudades, a cada arista se le asigna el valor correspondiente
Más detallesComplejidad Computacional
Complejidad Computacional MLG521 Cristobal Rojas Pamela Alvarez Departamento de Ciencias de de la Ingeniería Departamento de Ingeniería Matemática Universidad Andrés Bello MLG521 Cómo medir la dificultad
Más detallesÁrboles: Árbol Abarcador Minimal CSI / ITESM
Árboles: Árbol Abarcador Minimal CSI / ITESM Árboles:Árbol Abarcador Minimal p.1/5 Árboles Abarcador (Spanning Tree): Definición Un árbol abarcador para un grafo G es un subgrafo de G que contien todos
Más detallesIntroducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Programa Introducción a la teoría de grafos Problemas de camino mínimo Problemas de flujo máximo Programación lineal
Más detallesGrado en Ciencias Ambientales. Matemáticas. Curso 11/12
Grado en Ciencias Ambientales. Matemáticas. Curso 11/12 Problemas Tema 1. Espacios Vectoriales. 1 Repaso de Estructuras Algebraicas 1.1. Construye explícitamente el conjunto A B, siendo A = {1, 2, 3},
Más detallesClase de Álgebra Lineal
Clase de Álgebra Lineal M.Sc. Carlos Mario De Oro Facultad de Ciencias Básicas Departamento de matemáticas 04.2017 Page 1 Espacios vectoriales Definicion. Espacio Vectorial (E.V.) Un V espacio vectorial
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 detallesEspacios vectoriales
CAPíTULO 2 Espacios vectoriales 1. Definición de espacio vectorial Es frecuente representar ciertas magnitudes físicas (velocidad, fuerza,...) mediante segmentos orientados o vectores. Dados dos de tales
Más detallesPlanaridad. Algoritmos y Estructuras de Datos III
Planaridad Algoritmos y Estructuras de Datos III Grafos planares Definiciones: Una representación planar de un grafo G es un conjunto de puntos en el plano que se corresponden con los nodos de G unidos
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 detallesRelación 1. Espacios vectoriales
MATEMÁTICAS PARA LA EMPRESA Curso 2007/08 Relación 1. Espacios vectoriales 1. (a) En IR 2 se consideran las operaciones habituales: (x, y) + (x, y ) = (x + x, y + y ) λ(x, y) = (λx, λy) Demuestra que IR
Más detallesPROGRAMA DE CURSO. Electivo para Especialidad Valido Malla versión 3 y versión 4 Programación Lineal Mixta: Teoría y Laboratorio MA4702 o Autor
PROGRAMA DE CURSO Código Nombre MA6150 Algoritmos de Aproximación Nombre en Inglés Advanced Algorithms SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal 6 10 3.0
Más detallesIN34A - Optimización
IN34A - Optimización Complejidad Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 33 Contenidos Problemas y Procedimientos de solución Problemas de optimización v/s problemas de decisión Métodos,
Más detallesTIPOS ABSTRACTOS DE DATOS EN HASKELL
TIPOS ABSTRACTOS DE DATOS EN HASKELL ÍNDICE GENERAL 1. Introducción a Haskell 2. Tipos abstractos de datos en Haskell 3. TAD Grafo 4. TAD Montículos 5. Bibliografía INTRODUCCIÓN A HASKELL 1. Introducción
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesOptimización combinatoria Flujo en redes. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Optimización combinatoria Flujo en redes Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Optimización combinatoria: definición y formulación de PE El problema
Más detallesMáquinas de Turing no-determinísticas (MTND)
Máquinas de Turing no-determinísticas (MTND) Una MTND tiene los mismos componentes que vimos para una MTD, con la siguiente excepción. Un programa en una MTND es una tabla que mapea un par (q i, t i )
Más detallesLas variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.
Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Técnicas combinatorias en optimización y juegos. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Técnicas combinatorias en optimización y juegos CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_10MI_105000345_1S_2016-17 Datos Descriptivos Nombre
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra
PROGRAMA DE CURSO Código Nombre MA4701 OPTIMIZACIÓN COMBINATORIAL Nombre en Inglés COMBINATORIAL OPTIMIZATION SCT Unidades Docentes Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA Pablo Torres Facultad de Ciencias Exactas, Ingeniera y Agrimensura - Universidad Nacional de Rosario Unidad 2: Probabilidad INTRODUCCIÓN Al lanzar un dado muchas veces veremos
Más detallesEjercicio 3.1 Estudiar si son subespacios vectoriales los siguientes subconjuntos de los espacios R n indicados:
10 Departamento de Álgebra. Universidad de Sevilla Tema 3. Sección 1. Variedades lineales. Definición. Ejercicio 3.1 Estudiar si son subespacios vectoriales los siguientes subconjuntos de los espacios
Más detallesColoreo de vértices. Coloreo de Grafos. Cota superior para χ(g) Algoritmos y Estructuras de Datos III. Definiciones:
Coloreo de vértices Definiciones: Coloreo de Grafos Algoritmos y Estructuras de Datos III Un coloreo de los vértices de un grafo G = (V, E) es una asignación f : V C, tal que f (v) f (u) (u, v) E. Para
Más detallesRelaciones Binarias. Matemática Discreta. Agustín G. Bonifacio UNSL. Relaciones Binarias
UNSL Relaciones Binarias Relaciones Binarias (Sección 3.1 del libro) Definición Una relación (binaria) R de un conjunto X a un conjunto Y es un subconjunto del producto cartesiano X Y. Si (x,y) R, escribimos
Más detallesMatemáticas discretas II
Matemáticas discretas II (Teoría de gráficas) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 15-P Sergio Luis Pérez (UAM CUAJIMALPA) Curso de matemáticas discretas II 1 / 44 Conceptos
Más detallesCOMPLEMENTO DEL TEÓRICO
ÁLGEBRA I PRIMER CUATRIMESTRE - AÑO 2016 COMPLEMENTO DEL TEÓRICO El material de estas notas fue dictado en las clases teóricas pero no se encuentra en el texto que seguimos en las mismas ( Álgebra I -
Más detallesTema 4: Espacios vectoriales
Tema 4: Espacios vectoriales Curso 2016/2017 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (4th ed). Chapter 4,6. 2 Índice de contenidos Espacio
Más detalles2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012
2. Problemas. Espacios Vectoriales. Álgebra Lineal- Propedéutico Mayo de 2012 1. En R 2 se define la suma: (a 1, b 1 ) + (a 2, b 2 ) = (a 1 + a 2, b 1 + b 2 ) y el producto por un escalar: λ(a, b) = (0,
Más detallesÁrboles de Expansión Mínima. Matemática Discreta. Agustín G. Bonifacio UNSL
UNSL Árboles Definiciones y Ejemplos Caracterización Un árbol T es un grafo simple que satisface lo siguiente: si v y w son vértices en T, entonces existe una trayectoria simple única de v a w. Un árbol
Más detallesEspacios Vectoriales
Leandro Marín Octubre 2010 Índice Definición y Ejemplos Paramétricas vs. Impĺıcitas Bases y Coordenadas Para definir un espacio vectorial tenemos que empezar determinando un cuerpo sobre el que esté definido
Más detallesRango de una matriz. Jana Rodriguez Hertz GAL 1. 2 de abril de 2013 IMERL
Rango de una matriz Jana Rodriguez Hertz GAL IMERL 2 de abril de 203 rango rango recordemos: rango si A = {A, A 2,..., A n } conjunto de vectores de K n llamamos rango(a) a la máxima cantidad de vectores
Más detallesTEOREMA DE HALL Y SUS EQUIVALENCIAS
TEOREMA DE HALL Y SUS EQUIVALENCIAS Edwin Alfredo Carranza Vargas Profesor Universidad Pedagógica Nacional Bogotá D.C, Colombia Resumen En este artículo se muestra un resultado, fruto de una investigación
Más detallesDificultad [2] Solución 1. Sean A y B disjuntos y cerrados. Entonces A = adh(a) y B = adh(b), y por tanto, A adh(b) = adh(a) B = A B =.
5.1 Sea (E, d) un espació métrico y A y B subconjuntos de E. Demuéstrese que 1. si A y B son disjuntos y ambos cerrados, entonces están separados. 2. si A y B son disjuntos y ambos abiertos, entonces están
Más detallesConceptos básicos de paralelismo
Capítulo 2 Conceptos básicos de paralelismo 2.1. Introducción En este capítulo introduciremos algunos conceptos del paralelismo que se requeriran en la posterior discusión. Particularmente relevantes para
Más detallesGeometría y Poliedros
IN3701, Optimización 3 de agosto de 2009 Contenidos 1 Definiciones Básicas Definición 2.1 S R n es un poliedro si S = {x R n : Ax b} para algún A R m n, b R m. Definición 2.2 S R n es acotado si existe
Más detallesMatriz asociada a una transformación lineal respecto a un par de bases
Matriz asociada a una transformación lineal respecto a un par de bases Ejercicios Objetivos Comprender cómo se describe una transformación lineal (que actúa en espacios vectoriales de dimensiones finitas)
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesMatemáticas Discretas Relaciones y funciones
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas y funciones Cursos Propedéuticos 2010 Ciencias Computacionales INAOE y funciones Propiedades de relaciones Clases de equivalencia
Más detalles