Heurísticas en el recorrido de árboles de soluciones
|
|
- Cristián García Torres
- hace 6 años
- Vistas:
Transcripción
1 Heurísticas en el recorrido de árboles de soluciones. Árboles de soluciones. Repaso de backtracking y branch and bound. Uso de heurísicas en backtracking 4. Uso de heurísticas en branch and bound
2 . Árboles de soluciones Problemas que se resuelven tomando un número de decisiones se pueden representar mediante árboles de soluciones: Algunos nodos representan solución parcial ( internos?) Otros solucines completas ( terminales?) Inicio x x x x x x x x
3 . Árboles de soluciones Cada nivel corresponde a un paso de la decisión Cada arista es una decisión de entre las posibles para ese paso Los nodos se recorren en un orden fijo ( backtracking?) o guiado ( B&B?) x
4 . Árboles de soluciones Tipos comunes de árboles de soluciones: Árboles binarios. Árboles n arios. Árboles permutacionales. Árboles combinatorios....
5 . Árboles de soluciones Árboles binarios: s= (,,..., x n ), con x i {0, } Tipo de problemas: elegir ciertos elementos de entre un conjunto, sin importar el orden de los elementos. Problema de la mochila 0/. Encontrar un subconjunto de {,,, 8,, 7, } que sume exactamente 50.
6 . Árboles de soluciones Árboles k arios: s= (,,..., x n ), con x i {,..,k} Tipo de problemas: varias opciones para cada x i. Problema del cambio de monedas. Problema de las n reinas. Mapeo de procesos a procesadores
7 . Árboles de soluciones Árboles permutacionales: s= (,,..., x n ), con x i {,..,n} y x i x j x Tipo de problemas: los x i no se pueden repetir. Generar todas las permutaciones de (,..., n). Asignar n trabajos a n personas, asignación uno a uno.
8 . Árboles de soluciones Árboles combinatorios: s= (,,..., x m ), con m n, x i {,..,n} y x i < x i x Tipo de problemas: los mismos que con árb. binarios. Binario: (0,, 0,, 0, 0, ) Combinatorio: (, 4, 7)
9 . Árboles de soluciones Cuestiones a resolver en el uso de árboles: Qué tipo de árbol es adecuado para el problema? Cómo es la representación de la solución? Cómo es la tupla solución? Qué indica cada x i y qué valores puede tomar? Cómo generar un recorrido según ese árbol? Generar los hijos de un nodo. HEURÍSTICO? Movimiento por el árbol. HEURÍSTICO? Qué ramas se pueden descartar por no conducir a soluciones del problema? Poda por restricciones del problema. HEURÍSTICO? Poda según el criterio de la función objetivo.
10 . Repaso de Backtracking y Branch and Bound El backtracking (o método de retroceso o vuelta atrás) es una técnica general de resolución de problemas, aplicable en problemas de distintos tipos. El backtracking realiza una búsqueda exhaustiva y sistemática en el espacio de soluciones. Por ello, suele resultar muy ineficiente usar heurísticas para: Guiar la búsqueda, Eliminar nodos en las heurísticas puede participar un método de avance rápido
11 . Repaso de Backtracking y Branch and Bound La ramificación y poda (branch and bound) se suele utilizar en problemas de optimización discreta. Recorre el árbol de soluciones con: Un recorrido sistemático El recorrido no tiene por qué ser necesariamente en profundidad. Tendremos una estrategia de ramificación, guiada por estimaciones del beneficio, que se hacen en cada nodo, utilizando heurística Se usan técnicas de poda para eliminar nodos que no lleven a la solución óptima. La poda se realiza estimando en cada nodo cotas del beneficio que podemos obtener a partir del mismo. Con heurística, que puede incluir avance rápido
12 . Repaso de Backtracking y Branch and Bound Una solución se puede expresar como una tupla: (,,..., x n ), satisfaciendo unas restricciones y tal vez optimizando cierta función objetivo. En cada momento, el algoritmo se encontrará en cierto nivel k, en un nodo, representado con una solución parcial (,..., x k ). Generar un nodo del siguiente nivel consiste en añadir un nuevo elemento a la solución x k+. Se sigue hasta que la solución parcial sea una solución completa del problema, o hasta que no queden más posibilidades por probar.
13 . Uso de heurísticas en Backtracking Backtracking no recursivo para problema de optimización: Backtracking (var s: TuplaSolución) nivel= ; s= s INICIAL fin= false; voa= 0; SOA = vacía repetir Función heurística, greedy Generar (nivel, s) si Solución (nivel, s) entonces Función a optimizar si mejor(soa,s) entonces SOA=s, voa=valor(soa) finsi finsi Eliminar algunos válidos si Criterio (nivel, s) entonces nivel:= nivel + sino mientras nivel>0 AND NOT MasHermanos (nivel, s) Retroceder (nivel, s) finmientras finsi hasta nivel
14 4. Uso de heurísticas en Branch and Bound Para cada nodo tendremos: Cota superior (CS) y Cota inferior (CI) del beneficio (o coste) que podemos alcanzar a partir de ese nodo. Determinan cuándo se puede realizar una poda. Obtenidas con HEURÍSTICA y pueden eliminar soluciones óptimas. Estimación del beneficio (o coste) que se puede encontrar a partir de ese nodo. Se puede obtener a partir de las cotas: ser la media o una de ellas. Puede ser con HEURÍSTICA y greedy. Ayuda a decidir qué parte del árbol evaluar primero.
15 4. Uso de heurísticas en Branch and Bound Esquema general. Problema de minimización, suponiendo el caso en que existe solución a partir de cualquier nodo. RamificacionYPoda (NodoRaiz: tipo_nodo; var s: tipo_solucion) LNV= {NodoRaiz} C= CS (NodoRaiz) s= Mientras LNV hacer x= Seleccionar (LNV) LNV= LNV {x} Si CI (x) < C Para cada y hijo de x hacer Si y es una solución final mejor que s s= y C= min {C, Coste (y)} en otro caso si y no es solución final y (CI(y) < C) LNV= LNV + {y} C= min {C, CS (y)}
16 Referencias Brassard, Bratley Cormen, Leiserson, Rivest D. Giménez, G. García, J. Cervera, N.Marín: Texto guía de AED, tomo Algoritmos. Ed. Diego Marín. Página de la asignatura de algoritmos Wikipedia, página de Algoritmo
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática. Búsqueda exhaustiva
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática Búsqueda exhaustiva Web asignatura: http://dis.um.es/~domingo/algbio.html E-mail profesor: domingo@um.es Transparencias preparadas
Más detalles1. Método general. 2. Análisis de tiempos de ejecución. 3. Ejemplos de aplicación Problema de las 8 reinas Problema de la mochila 0/1.
Backtracking. Método general. 2. Análisis de tiempos de ejecución. 3. Ejemplos de aplicación. 3.. Problema de las 8 reinas. 3.2. Problema de la mochila 0/. Método general El backtracking (método de retroceso
Más detallesx x 2 s s= (x 1, x 2 ) ... ? (sin explorar) M= (x 1, x 2, x 3, x 4,..., x n ) valor(m) =?
Exploración de grafos Grafos Recorridos sobre grafos Búsqueda primero en profundidad Búsqueda primero en anchura Backtracking ( vuelta atrás ) Descripción general Espacio de soluciones Implementación Ejemplos
Más detallesAproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados
Aproximaciones a problemas NP duros: Algoritmos heurísticos y aproximados Algoritmos aproximados Decimos que H es un algoritmo ε- aproximado para el problema Π si para algún ε > 0 x H (I) - x*(i) ε x*(i)
Más detallesAlgoritmos y Estructuras de Datos II, Grado Ingeniería Informática Examen 10 de septiembre de 2011
Algoritmos y Estructuras de Datos II, Grado Ingeniería Informática Examen 10 de septiembre de 2011 (OJO, se cuentan las soluciones con todo detalle para que se entienda bien, pero en el examen no hace
Más detallesAmpliación de Algoritmos y Estructura de Datos Curso 02/03. Ejercicios
272. En un problema determinado, una solución está dada por una tupla de n elementos (x, x 2,..., x n ). Para cada elemento existen en total m posibles valores. Comparar el número de nodos generados para
Más detallesa) Para calcular los órdenes sólo es necesario contar el número de veces que se pasa por el bucle más interno. El coste sería n
EXAMEN DE ALGORÍTMICA. Segundo Ingeniería Técnica en Informática de Gestión y de Sistemas. Diciembre 2003 1) (3 puntos) El siguiente programa obtiene la subcadena más larga de números iguales dentro de
Más detallesAlgoritmos y Estructuras de Datos Curso 06/07. Ejercicios
9..En un problema de backtracking estamos interesados en almacenar de forma explícita el árbol recorrido por el algoritmo. De cada nodo del árbol sólo necesitamos saber un número, que indica el orden en
Más detallesCAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA
CAPÍTULO 4 PROGRAMACIÓN LINEAL ENTERA Programación Lineal Entera Es una técnica que permite modelar y resolver problemas cuya característica principal es que el conjunto de soluciones factibles es discreto.
Más detallesAlgoritmo de ramificación y acotación
Algoritmo de ramificación y acotación Investigación Operativa Ingeniería Técnica en Informática de Gestión UC3M Curso 08/09 Descripción de los objetivos En esta práctica desarrollaremos el algoritmo de
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Búsqueda Representación Tipos búsquedas: Sin información Con información
Más detallesProblemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Problemas de programación entera: El método Ramifica y Acota Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema La estrategia Divide y vencerás Árboles de enumeración
Más detallesEstratégias generales de análisis y diseño de algorítmos
Estratégias generales de análisis y diseño de algorítmos comp-420 Ayudantes Hugo Eduardo Dueñas heduenas@cimat.mx (ordinaria) Alberto José Ramirez Valadez alberto@cimat.mx (ordinaria) Mandar tareas (programas)
Más detallesPrograma de teoría. Algoritmos y Estructuras de Datos II. 3. Algoritmos voraces. 1. Análisis de algoritmos 2. Divide y vencerás
Programa de teoría Algoritmos y Estructuras de Datos II 1. Análisis de algoritmos 2. Divide y vencerás 3. Algoritmos voraces 4. Programación dinámica 5. Backtracking 6. Ramificación y poda A.E.D. II 1
Más detallesEl problema del agente viajero
CO- (F0) //00 El problema del agente viajero Un vendedor tiene que visitar n + ciudades, cada una exactamente una vez. La distancia entre cada par de ciudades viene dada por d ij (en general d ij d ji
Más detallesInteligencia Artificial I
Ingeniería en Sistemas Computacionales Inteligencia Artificial I Rafael Rivera López Departamento de Sistemas y Computación 1 Ago-Dic 2008 Veracruz, Ver. Unidad IV Técnicas de Búsqueda y Satisfacción de
Más detallesResolución del problema. Problema: Los puntos extremos no tienen por qué ser enteros
Resolución del problema Problema: Los puntos extremos no tienen por qué ser enteros Si fueran enteros no habría problema por qué no obtener la envoltura convexa? demasiado costoso Hay unas formulaciones
Más detallesAlgoritmos heurísticos y aproximados. Clase 6/10/09
Algoritmos heurísticos y aproximados Clase 6/10/09 Algoritmos aproximados y heurísticos para problemas NP-Hard Cómo resolver problemas NP-HARD? No pretendemos encontrar la mejor solución sino una buena
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA
RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA SIMPLEX Y LINEAL ENTERA a Resuelve el siguiente problema con variables continuas positivas utilizando el método simple a partir del vértice
Más detalles3. Técnicas de diseño de algoritmos
3. Técnicas de diseño de algoritmos 1. Métodos Generales de Soluciones de Problemas 2. Técnicas de diseño de algoritmos 1. ecursividad básica 2. Divide y vencerás 3. Backtracking Bibliografía Aho, Hopcroft
Más detallesPARTE II: ALGORÍTMICA
Programa de teoría Parte I. Estructuras de Datos.. Abstracciones y especificaciones.. Conjuntos y diccionarios. 3. Representación de conjuntos mediante árboles.. Grafos. Parte II. Algorítmica.. Análisis
Más detallesInteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad II:Técnicas de Búsqueda. 2.1. Solución de problemas con búsqueda. 2.2. Espacios de estados.
Más detallesC a l ses P P y y NP C a l se P C a l se N P N P [No N n o -De D te t rmin i i n s i ti t c i Polynomial-tim i e]
Análisis y Diseño de Algoritmos Introducción Análisis y Diseño de Algoritmos Concepto de algoritmo Resolución de problemas Clasificación de problemas Algorítmica Análisis de la eficiencia de los algoritmos
Más 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 detallesmáx 5x 1 + 7x 2 s.a 2x 1 + x x 1 + 9x 2 41 x 1 0, x 2 0, enteras, z opt z opt 38
Programación Lineal Entera / Investigación Operativa PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 4. Resuelve el siguiente problema de programación entera por el método Branch and Bound: máx 5x + 7x s.a
Más detallesRAMIFICAR-ACOTAR Y PLANOS DE CORTE
RAMIFICAR-ACOTAR Y PLANOS DE CORTE ELISA SCHAEFFER Programa de Posgrado en Ingeniería de Sistemas (PISIS) elisa@yalma.fime.uanl.mx INVESTIGACIÓN DE OPERACIONES EL MÉTODO RAMIFICAR-ACOTAR (RA) (ingl. Branch
Más detallesTema: Algoritmos Backtracking.
Programación IV. Guía 12 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos Backtracking. Objetivos Específicos Comprender el funcionamiento de un Algoritmo Backtracking.
Más detallesgreedy (adj): avaricioso, voraz, ávido, codicioso, glotón
Algoritmos Greedy Análisis y Diseño de Algoritmos Algoritmos Greedy Características generales Elementos de un algoritmo greedy Esquema de un algoritmo greedy s Almacenamiento óptimo en cintas Problema
Más detallesTema 4y 5. Algoritmos voraces. Algoritmos sobre grafos
Tema 4y 5. Algoritmos voraces. Algoritmos sobre grafos Objetivos: Estudio de la técnica de diseño de algoritmos voraces Estudio de algunos problemas clásicos: Indice: Mochila con fraccionamiento Algoritmos
Más detallesAlgoritmos y Estructuras de Datos II
27 de mayo de 2013 Clase de hoy 1 Repaso Divide y vencerás Algoritmos voraces 2 3 Divide y vencerás Algoritmos voraces Repaso cómo vs. qué 3 partes 1 análisis de algoritmos 2 tipos de datos 3 técnicas
Más detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detallesIV. Métodos de Búsqueda Estudiaremos los métodos de búsqueda para resolver problema de la IA
IV. Métodos de Búsqueda Estudiaremos los métodos de búsqueda para resolver problema de la IA 1 4. Métodos de Búsqueda Tópicos Métodos de búsqueda Árbol de estado Métodos a ciegas Función evaluadora Métodos
Más detallesTeoría de Algoritmos 2 o curso de Ingeniería Informática
Teoría de Algoritmos 2 o curso de Ingeniería Informática José Luis Verdegay Departamento de Ciencias de la Computación e Inteligencia Artificial http://decsai.ugr.es/ verdegay Horarios y duración de la
Más detallesInteligencia Artificial
I.T. en Informática de Sistemas, 3º Curso académico: 2009/2010 Profesores: Sascha Ossowski y Ramón Hermoso 1 Tema 2: Búsqueda Resumen: 2. Búsqueda 2.1. Agentes de resolución de problemas 2.2. Búsqueda
Más detallesFundamentos de Inteligencia Artificial
Fundamentos de Inteligencia Artificial Búsqueda con Adversario Hugo Vega Huerta En esta sección Conoceremos métodos que permiten practicar juegos de tablero. una opción conduce a otra, pero se trata de
Más detallesAlgoritmos de búsqueda exhaustiva
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 31 de enero de 2018 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) Algoritmos de búsqueda exhaustiva 31 de enero de 2018 1 / 22 1 Algoritmos de búsqueda exhaustiva
Más detallesBúsqueda de soluciones
úsqueda de soluciones Diseño de sistemas de búsqueda de soluciones. Espacio de estados. Representación mediante espacio de estados. lgoritmos de búsqueda. Estrategias de búsqueda. úsqueda forward. úsqueda
Más detallesProblema ejemplo. El Arte de la Programación Rápida. Backtracking
El Arte de la Programación Rápida Backtracking Problema ejemplo Vamos a analizar la técnica de backtracking a través de un ejemplo. El problema de las 8 reinas Cómo ubicar 8 reinas en un tablero sin que
Más detallesSatisfacción de restricciones. Representación 1. Algoritmos. Notas. Componentes del estado:
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 detallesBúsqueda en línea y Búsqueda multiagente
Búsqueda en línea y Búsqueda multiagente Ingeniería Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados
Más detallesMetaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III
Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen
Más detallesCapítulo 8. Árboles. Continuar
Capítulo 8. Árboles Continuar Introducción Uno de los problemas principales para el tratamiento de los grafos es que no guardan una estructura establecida y que no respetan reglas, ya que la relación entre
Más 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 detallesPráctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
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 detallesEl método Ramifica y acota (Branch and Bound) (V)
El método Ramifica y acota (Branch and Bound) (V) Así pues, la estructura general de esta técnica consiste en: Un criterio para dividir los subconjuntos candidatos a contener la solución óptima encontrados
Más detallesALGORITMOS DE BÚSQUEDA. Ing. Ronald A. Rentería Ayquipa
ALGORITMOS DE BÚSQUEDA Algoritmos de Búsqueda Tipos Tipos de algoritmos de búsqueda ALGORITMOS DE BÚSQUEDA NO INFORMADA ALGORITMOS DE BÚSQUEDA HEURÍSTICA Búsqueda no informada Introducción Búsqueda no
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 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 detallesContenido PARTE II: ESTRUCTURAS DE DATOS AVANZADAS
Contenido PARTE II: ESTRUCTURAS DE DATOS AVANZADAS TEMA 4. - La Estructura de datos Árbol 4.1. Árboles, definiciones 4.2 Árboles binarios y su representación 4.3 Operaciones básicas de un árbol binario
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 detallesAlgoritmos: Exploración de grafos
Algoritmos: Exploración de grafos Alberto Valderruten LFCIA - Departamento de Computación Facultad de Informática Universidad de A Coruña, España www.lfcia.org/alg www.fi.udc.es Contenido Juegos de estrategia
Más detalles1. Defina el problema de particionamiento. Escriba un ejemplo de este tipo de problema, junto con su formulación general en AMPL.
DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA o. DIPLOMATURA DE ESTADÍSTICA Ampliación de la Investigación Operativa. Curso 00/0 a Prueba de Evaluación Continua. Fecha: 6-6-0. Defina el problema
Más detallesRESOLUCIÓN DE PROBLEMAS, BÚSQUEDA. Ing. Ronald A. Rentería Ayquipa
RESOLUCIÓN DE PROBLEMAS, BÚSQUEDA Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesCAPÍTULO 3. GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica.
CAPÍTULO 3 GRASP (Greedy Randomized Adaptive Search Procedures). Los problemas de optimización surgen de las situaciones de aplicación práctica. Estos problemas se aplican en distintas áreas, tales como:
Más detallesGrafos Eulerianos y Hamiltonianos. Algoritmos y Estructuras de Datos III
Grafos Eulerianos y Hamiltonianos Algoritmos y Estructuras de Datos III Grafos eulerianos Definiciones: Un circuito C en un grafo (o multigrafo) G es un circuito euleriano si C pasa por todos las aristas
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 11 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 11 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Resolución manual de clasificación bayesiana
Más detallesTema 2. Divide y vencerás.
Programa de teoría Parte I. Estructuras de Datos. 1. Abstracciones especificaciones. 2. Conjuntos diccionarios. 3. Representación de conjuntos mediante árboles. 4. Grafos. Parte II. Algorítmica. 1. Análisis
Más detallesApellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
Más detallesEstructura de datos y de la información Boletín de problemas - Tema 10
Estructura de datos y de la información Boletín de problemas - Tema 10 1. En el caso de que sea posible, dar un ejemplo de los siguientes puntos. Si no, explicar por qué no lo es. Considerar un valor genérico
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 3 Programación Entera
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 3 Programación Entera ORGANIZACIÓN DEL TEMA Sesiones: Introducción y formulación Variables binarias Métodos de solución OPTIMIZACIÓN DE MODELOS DISCRETOS
Más detallesIntroducción a Árboles Árboles Binarios
Introducción a Árboles Árboles Binarios Estructuras de Datos Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Introducción a Árboles Estructuras hasta ahora Estructuras
Más detallesAnálisis Post Optimal y Algoritmo de Ramificación y Acotamiento
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Análisis Post Optimal y Algoritmo de Ramificación y Acotamiento Marcel Goic F.
Más detallesProyecto 6. Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial.
Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Funcionamiento: Se realiza un test en cada nodo interno del árbol, a medida que
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 detallesIntroducción a la Computación Evolutiva
Introducción a la Computación Evolutiva Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello
Más detallesFormulando con modelos lineales enteros
Universidad de Chile 19 de marzo de 2012 Contenidos 1 Forma de un problema Lineal Entero 2 Modelando con variables binarias 3 Tipos de Problemas Forma General de un MILP Problema de optimización lineal
Más detallesEjemplo: ubicación de estación de bomberos
15.053 Jueves, 11 de abril Más aplicaciones de la programación entera. Técnicas de plano de corte para obtener mejores cotas. Ejemplo: ubicación de estación de bomberos Considere la ubicación de estaciones
Más detallesRESUMEN DE ALGORITMOS PROBABILÍSTICOS
RESUMEN DE ALGORITMOS PROBABILÍSTICOS En los algoritmos probabilísticos hay ciertas decisiones que se toman al azar bajo condiciones estadísticamente estables como una distribución uniforme. Normalmente
Más detallesBacktracking: Esquema General
Backtracking Idea: Técnica para recorrer sistemáticamente todas las posibles configuraciones de un espacio asociado a soluciones candidatos de un problema computacional. Se puede pensar este espacio tiene
Más detallesAnálisis y Complejidad de Algoritmos. Arboles Binarios. Arturo Díaz Pérez
Análisis y Complejidad de Algoritmos Arboles Binarios Arturo Díaz Pérez Arboles Definiciones Recorridos Arboles Binarios Profundidad y Número de Nodos Arboles-1 Arbol Un árbol es una colección de elementos,
Más detallesBúsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Más detallesSegundo parcial. Martes, 23 de abril de 2003
5.053 Segundo parcial Martes, 3 de abril de 003 Se permite traer una hoja de papel con anotaciones por una cara. Responda a todas las preguntas en los cuadernillos de examen.. Controle el tiempo. Si un
Más detallesESTRUCTURA DE DATOS. ABB Arboles de Búsqueda Binaria
ESTRUCTURA DE DATOS ABB Arboles de Búsqueda Binaria ÁRBOLES BINARIOS Hasta ahora nos hemos dedicado a estudiar TAD que de una u otra forma eran de naturaleza lineal, o unidimensional. En los tipos abstractos
Más detallesEstructura de Datos Árboles Árboles 2-3
Estructura de Datos Árboles 1-2-3 Árboles 2-3 Prof.: Mauricio Solar Prof.: Lorna Figueroa Primer Semestre, 2010 1 Arboles 1-2-3 Árbol n-ario ordenado de orden 3 Cada nodo tiene 1 ó 2 elementos 75 Nodo
Más detallesEstructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Tema 5.1. Árboles. Árboles binarios y generales Prof. Dr. P. Javier Herrera Contenido 1. Introducción 2. Terminología 3. Árboles binarios 4. Árboles generales Tema 5.1.
Más detallesRamificación y poda. Algoritmia básica - Javier Campos (Universidad de Zaragoza)
Ramificación y poda Algoritmia básica - Javier Campos (Universidad de Zaragoza) Ramificación y poda Introducción: (1) Ramificación 3 Un primer ejemplo: El juego del 15 8 Aplicación a problemas de optimización
Más detallesBúsqueda Informada. Heurísticas
Búsqueda Informada Heurísticas Búsqueda informada: heurística Ejemplo de heurística para el problema del viajante de comercio Clasificación de heurísticas Ventajas de las heurísticas Aplicando heurísticas
Más detallesTaller de Backtracking
Taller de Backtracking Laboratorio de Algoritmos y Estructuras de Datos III Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 8 de Abril de 2011 1 / 15 Menú
Más detallesTema: Algoritmos para la ruta más corta en un Grafo.
Programación IV. Guía No. 10 1 Facultad: Ingeniería Escuela: Computación Asignatura: Programación IV Tema: Algoritmos para la ruta más corta en un Grafo. Objetivos Específicos Definir el concepto de camino
Más detallesNo se permiten libros ni apuntes. Ejercicio 1 Ejercicio 2 Ejercicio 3 Ejercicio 4 TOTAL NOTA
Junio Duración: h Ejercicio Ejercicio Ejercicio Ejercicio TOTAL NOTA Ejercicio : [ puntos: respuesta acertada = +., respuesta incorrecta =.] Complete las siguientes frases y conteste a cada una con verdadero
Más detallesMétodos Constructivos. Empiezan desde una solución vacía (a veces pequeña)
Métodos Constructivos Empiezan desde una solución vacía (a veces pequeña) En repetidas ocasiones, extienden la solución actual hasta que una solución completa se construye. Utiliza una heurística para
Más detallesProgramación Entera. Nelson Devia C. IN Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile
IN3701 - Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile 2011 Basado en Bertsimas, D., Tsitsiklis, J. (1997) Introduction to Linear Optimization Capítulos 10 y 11
Más detallesALGORITMOS HEURÍSTICOS Y APROXIMADOS. Análisis y diseño de algoritmos II- 2009
ALGORITMOS HEURÍSTICOS Y APROXIMADOS Análisis y diseño de algoritmos II- 2009 Problemas difíciles : Definiciones, ejemplos y propiedades Análisis y diseño de algoritmos II- 2009 Un viaje a Ciencias de
Más detallesProblemas: formulación, ejemplos, representación de soluciones y estructuras de entorno
Problemas: formulación, ejemplos, representación de soluciones y estructuras de entorno Christopher Expósito Izquierdo, J. Marcos Moreno Vega cexposit@ull,es, jmmoreno@ull.es Departamento de Ingeniería
Más detallesProgramación lineal entera
Capítulo 2 Programación lineal entera 2.1. Definición En las últimas décadas, el uso de modelos de programación lineal entera mixta para resolver problemas de Optimización Combinatoria se ha incrementado
Más detallesPráctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms)
PLANIFICACIÓN Y GESTIÓN DE REDES Grado en Ingeniería Telemática Curso 2012-2013 Práctica 2. Algoritmos de búsqueda local (local search algorithms) y algoritmos avariciosos (greedy algorithms) Autor: Pablo
Más detalles(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
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 detallesCiclos y periodos de la regla 169
Mario Martínez Molina Centro de Investigación en Computación Instituto Politécnico Nacional mmartinezb8@sagitario.cic.ipn.mx 25 de agosto de 2. Preliminares Un autómata celular está definido por la 4 -
Más detallesProblema de las N Reinas. Resolución paralela
Problema de las N Reinas Resolución paralela Indice Introducción al problema Representación y Soluciones Resolución secuencial Resolución paralela Conclusiones Bibliografía 2 3 Introducción Introducción
Más detalles12/08/2017 AVL. Especificación sobre árboles AVL. AVL: rotaciones
VL Se dice que un árbol binario está balanceado si y sólo si en cada nodo las alturas de sus 2 subárboles difieren como máximo en 1. Todos los árboles perfectamente balanceados son árboles VL. Especificación
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 detallesResumen de las clases dictadas: Semana 16 al 20 de Noviembre INTRODUCCIÓN
Resumen de las clases dictadas: Semana 16 al 20 de Noviembre 2015 Tema: Algoritmo Minimax 1. INTRODUCCIÓN En este tema se tratará sobre el algoritmo minimax, con el propósito de mostrar implementaciones
Más detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA MÉTODOS DE RESOLUCIÓN Redondeo: DESACONSEJABLE: Por producir malas soluciones Por producir soluciones infactibles Ejemplo PLA Max F(X) = 4x 1 + 3x 2 s.a. 2x 1 + x 2 2 3x 1 +
Más detallesUniversidad Centroccidental "Lisandro Alvarado" Decanato de Ciencias y Tecnología Departamento de
Universidad Centroccidental "Lisandro Alvarado" Decanato de Ciencias y Tecnología Departamento de PROGRAMA INSTRUCCIONAL PROGRAMA: INGENIERÍA EN INFORMATICA DEPARTAMENTO: SISTEMAS ASIGNATURA: PROGRAMACIÓN
Más detalles