Algoritmos de aproximación
|
|
- Guillermo Soto Rojas
- hace 5 años
- Vistas:
Transcripción
1 Técnicas de diseño de algoritmos Algoritmos de aproximación Dra. Elisa Schaeffer PISIS / FIME / UANL Algoritmos de aproximación p. 1
2 Soluciones no-óptimas En situaciones donde todos los algoritmos conocidos son lentos, vale la pena considerar la posilibidad de usar una solución aproximada, o sea, una solución que tiene un valor de la función objetivo cerca del valor óptimo, pero no necesariamente el óptimo mismo. Depende del área de aplicación sí o no se puede hacer esto eficientemente. En muchos casos es posible llegar a una solución aproximada muy rápidamente mientras encontrar la solución óptima puede ser imposiblemente lento. Algoritmos de aproximación p. 2
3 Determinismo Un algoritmo de aproximación puede ser determinista o no determinista. Si el algoritmo de aproximación no es determinista y ejecuta muy rápidamente, es común ejecutarlo varias veces y elegir el mejor de las soluciones aproximadas así producidas. Algoritmos de aproximación p. 3
4 Factor de aproximación Un algoritmo de aproximación bien diseñado cuenta con un análisis formal que muestra que la diferencia entre su solución y la solución óptima es de un factor constante. Este factor se llama el factor de aproximación. < 1 para maximización > 1 para minimización Depende de la aplicación qué tan cerca debería ser la solución aproximada a la solución óptima. Algoritmos de aproximación p. 4
5 Tasa de aproximación El valor extremo del factor sobre el conjunto de todas las instancias del problema es la tasa o índice de aproximación (inglés: approximation ratio). Un algoritmo de aproximación tiene tasa constante si el valor de la solución encontrada es por máximo un múltiple constante del valor óptimo. Algoritmos de aproximación p. 5
6 Eficiencia También habrá que mostrar formalmente que el algoritmo de aproximación tiene complejidad polinomial. En el caso de algoritmos de aproximación probabilistas, basta con mostrar que sea polinomial con alta probabilidad. Algoritmos de aproximación p. 6
7 Esquemas de aproximación Si existe un método sistemático para aproximar la solución a factores arbitrarios, ese método se llama una esquema de aproximación (de tiempo polinomial) (inglés: (polynomial-time) approximation scheme). Tiempo polinomial: PTAS. Un libro de texto recomendable sobre algoritmos de aproximación es lo de Vazirani. Algoritmos de aproximación p. 7
8 Bin packing El problema de empaquetear a cajas: Dado: un conjunto finito de objetos Φ = {ϕ 1,ϕ 2...,ϕ N }, cada uno con un tamaño definido t(ϕ i ) R. Pregunta: Cómo empaquetear en cajas de tamaño fijo T los objetos así que T máx{t(ϕ i ) ϕ i Φ} y que el número de cajas utilizadas sea mínima. Este problema también es NP-completo. Algoritmos de aproximación p. 8
9 Algoritmo de aproximación 1. Ordenar las cajas en una fila. 2. Procesamos los objetos en orden. 3. Primero intentamos poner el objecto actualmente procesado en la primera caja de la fila. 4. Si cabe, lo ponemos allí, y si no, intentamos en la siguiente caja. 5. Iterando así obtenemos alguna asignación de objetos a cajas. Algoritmos de aproximación p. 9
10 Calidad de la solución Denotamos con OPT(Φ) el número de cajas que contienen por lo menos un objeto en la asignación óptima. Se puede mostrar que el algoritmo de aproximación simple utiliza al máximo 17 OPT(Φ)+2 cajas. 10 Esto significa que nunca alejamos a más de 70 % de la solución óptima. Algoritmos de aproximación p. 10
11 Mejora Podemos mejorar aún por ordenar los objetos así que intentamos primero el más grande y después el segundo más grande. Para este caso se puede mostrar que llegamos a utilizar al máximo 11 OPT(Φ)+4 cajas, que nos da una distancia 9 máxima de unos 22 % del óptimo. Algoritmos de aproximación p. 11
12 Problema del viajante Una versión los pesos un grafo completo ponderado son distancias entre los vértices d(v, w) que cumplen con la desigualdad de triángulo d(v,u) d(v,w)+d(w,u). También es un problema NP-completo. Algoritmos de aproximación p. 12
13 Algoritmo de aproximación 1. Construye un árbol de expansión mínimo en tiempo O(mlogn). 2. Elige un vértice de inicio cualquiera v. 3. Recorre el árbol con DFS en tiempo O(m+n) e imprime cada vértice a la primera visita (o sea, en preorden). 4. Imprime v en tiempo O(1). Algoritmos de aproximación p. 13
14 Análisis El DFS recorre cada arista del árbol 2 veces; podemos pensar en el recorrido como una ruta larga R que visita cada vértice por lo menos una vez, pero varias vértices más de una vez. Cortamos de la ruta larga R cualquier visita a un vértice que ya ha sido visitado, así logrando el mismo efecto de imprimir los vértices en preorder. Por la desigualdad de triángulo, sabemos que la ruta cortada R no puede ser más cara que la ruta larga R. Algoritmos de aproximación p. 14
15 Óptimos y árboles El costo total de R es dos veces el costo del árbol cubriente mínimo. Para lograr a comparar el resultado con el óptimo, hay que analizar el óptimo en términos de árboles cubrientes. Si eliminamos cualquier arista de la ruta óptima R OPT, obtenemos un árbol cubriente. Algoritmos de aproximación p. 15
16 La tasa El peso de este árbol es por lo menos el mismo que el peso de un árbol cubriente mínimo C. Entonces, si marcamos el costo de la ruta R con c(r), hemos mostrado que necesariamente c(r) c(r ) = 2C 2c(R OPT ). Algoritmos de aproximación p. 16
17 Búsqueda local Cuando hemos obtenido una solución heurística y aproximada de manera cualquiera a un problema de optimización, podemos intentar mejorarla por búsqueda local. Aplicamos operaciones pequeñas y rápidamente realizadas para causar cambios pequeños en la solución así que la solución mantiene factible y puede ser que mejora. Libros buenos de búsqueda local incluyen el libro de de Aarts y Lenstra y el libro de Hoos y Stützle. Algoritmos de aproximación p. 17
18 Un ejemplo: 2-opt Aplicada en el problema del viajante en un grafo ponderado no dirigido G = (V,E). El costo de una arista {v,w} es c(v,w) > 0. Elegimos (al azar) 2 aristas de la ruta R: {s,t} y {u,v}. Algoritmos de aproximación p. 18
19 Notaciones Marcamos el segmento de la ruta entre t y u por A y el otro segmento entre v y s por B así que A = [tr 1 r 2...r k u] B = [vw 1 w 2...w l s] R = [tr 1 r 2...r k uvw 1 w 2...w l st] Algoritmos de aproximación p. 19
20 Candidato a intercambio Si el grafo G también contiene las aristas {v,t} y {s,u}, evaluamos si c(s,t)+c(u,v) > c(s,u)+c(v,t). Si es así, podemos llegar a un costo total menor por reemplazar las aristas originales por las aristas más baratas {v,t} y {s,u}: R = [tr 1 r x 2...r k usw l w l 1...w 2 w 1 vt]. Algoritmos de aproximación p. 20
21 Ilustración Algoritmos de aproximación p. 21
NP-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 detallesAlgoritmos aleatorizados
Técnicas de diseño de algoritmos Algoritmos aleatorizados Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos aleatorizados p. 1 Algoritmos aleatorizados = algoritmos que incorporan
Más detallesAnálisis de Algoritmos Problemas de grafos
Análisis de Algoritmos Problemas de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Problemas de grafos p. 1 INDEPENDENT SET es NP-completo Necesitamos un gadget : el triángulo.
Más detallesAlgoritmos pseudo-polinomiales
Análisis de Algoritmos Algoritmos pseudo-polinomiales Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos pseudo-polinomiales p. 1 HAMILTON PATH es NP-completo La reducción es
Más detallesAnálisis de Algoritmos Teoría de grafos
Análisis de Algoritmos Teoría de grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Teoría de grafos p. 1 Grafos Un grafo G es un par de conjuntos G = (V,E) Teoría de grafos p. 2
Más detallesCOMPUTACIÓN ALEATORIZADA
Conferencia magistral COMPUTACIÓN ALEATORIZADA Probabilidad y algoritmos Dra. Elisa Schaeffer Profesora del Posgrado de Ing. de Sistemas (PISIS) en la Facultad de Ing. Mecánica y Eléctrica (FIME), Coordinador
Más detallesDividir-conquistar y podar-buscar
Técnicas de diseño de algoritmos Dividir-conquistar y podar-buscar Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL DC y PB p. 1 Diseño de algoritmos La meta: encontrar una manera eficiente
Más detallesEstructuras de datos Grafos
Estructuras de datos Grafos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Grafos p. 1 Matriz de adyacencia Un grafo G = (V,E) de n vértices etiquetados 1,2,3,...,n. Grafos p. 2 Matriz
Más detallesAlgoritmos y problemas
Análisis de Algoritmos Algoritmos y problemas Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Algoritmos y problemas p. 1 Problema = un conjunto (posiblemente infinita) de instancias
Más detallesProblemas NP-completos
Análisis de Algoritmos Problemas NP-completos Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Problemas NP-completos p. 1 Problemas NP-completos La clase NP contiene numerosos problemas
Más detallesTema 5: Problemas de Optimización
Modelos de Informática Teórica - Universidad de Granada Contenido Problemas de Optimización Algoritmos ǫ-aproximados Análisis de problemas: cubrimiento por vértices, viajante de comercio, corte máximo,
Más detallesComplejidad amortizada
Análisis de algoritmos Complejidad amortizada Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Complejidad amortizada p. 1 Complejidad amortizada La idea en el análisis de complejidad
Más detalles! Las mismas ideas buenas sirven para desarrollar. ! Por eso es útil estudiar las estratégias clásicas del. Dividir y conquistar Algoritmo euclideano
Diseño de algoritmos Temas integradores Diseño de algoritmos Algoritmos de aproximación, aleatorizados & heurísticos! Las mismas ideas buenas sirven para desarrollar algoritmos eficientes para una gran
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 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 detallesProgramación dinámica p. 1
Técnicas de diseño de algoritmos Programación dinámica Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Programación dinámica p. 1 Programación dinámica En programación dinámica, uno
Más detallesEstructuras de datos Listas y árboles
Estructuras de datos Listas y árboles Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Listas y árboles p. 1 Listas Listas son estructuras un poco más avanzadas que puros arreglos, como
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 detallesEstructuras de datos Árboles B
Estructuras de datos Árboles B Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Árboles B p. 1 Árboles B Árboles B son árboles balanceados que no son binarios. Todos los vértices contienen
Más detallesEscuela de algoritmos de aproximación
Escuela de algoritmos de aproximación Módulo 2: Introducción a los algoritmos de aproximación Francisco Javier Zaragoza Martínez Universidad Autónoma Metropolitana Unidad Azcapotzalco ITAM, 14 de septiembre
Más detallesUniversidad Autónoma de Nuevo León
Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Eficiencia de la Búsqueda Local para Instancias Diferentes del Problema de
Más detalles3-Coloring es NP-Completo
3-Coloring es NP-Completo Lic. Luis Miguel Prado Llanes Posgrado en Ingeniería de Sistemas Universidad Autónoma de Nuevo León 26 de mayo de 2008 Prado Llanes (PISIS) 3-Coloring 26.05.2008 1 / 36 Contenido
Más detallesParte de Algoritmos de la asignatura de Programación Master de Bioinformática. Grafos
Parte de Algoritmos de la asignatura de Programación Master de Bioinformática Grafos Web asignatura: http://dis.um.es/~domingo/algbio.html E-mail profesor: domingo@um.es Transparencias preparadas a partir
Más detallesobtenido de la fusión de dos rutas y la posterior asignación a un vehículo con capacidad disponible.
El problema VRP, y por tanto su variante con flota heterogénea, son problemas de optimización combinatoria complejos que caen en la categoría de NP-completo (Choi and Tcha, 2007), lo que significa que
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 detallesMARITZA HERRERA FLOREZ YUDY MARCELA BOLAÑOS RIVERA
ALGORITMOS DE APROXIMACIÓN PARA PROBLEMAS NP DUROS MARITZA HERRERA FLOREZ YUDY MARCELA BOLAÑOS RIVERA UNIVERSIDAD DEL CAUCA FACULTAD DE CIENCIAS NATURALES, EXACTAS Y DE LA EDUCACIÓN DEPARTAMENTO DE MATEMÁTICAS
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 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 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 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 detallesProblema Robusto de Diseño de Red Capacitada Multiproducto
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Programa de Posgrado en Ingeniería de Sistemas VERANO DE INVESTIGACIÓN CIENTIFICA 2004 Problema Robusto de Diseño de Red Capacitada Multiproducto Becario (a): Damaris
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 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 detalles5.6 Árbol generador de un grafo
88 5.6 Árbol generador de un grafo Definición 5.59. Sea G un grafo simple. Un árbol generador de G es un subgrafo de G que es un árbol y contiene todos los vértices de G. Ejemplo 5.60. Un grafo y algunos
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 detallesRepresentación y manipulación de grafos: caminos, expansión, cortes y flujos
Un grafo G es un par de conjuntos G =(V,E) Representación y manipulación de grafos: caminos, expansión, cortes y flujos V = un conjunto de n vértices u, v, w V E = un conjunto de m aristas V = n, E = m
Más detalles! !
Programa semanal 1. Introducción a algoritmos: variables, condiciones y repeticiones; pseudocódigo 2. Matemáticas de algoritmos; lógica computacional 3. Modelos formales de computación: autómatas y máquinas
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 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 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 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 detallesSe puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel?
Se puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel? Y esta otra? Los puentes de Königsberg Königsberg es famosa por ser la ciudad natal de Immanuel
Más detallesSe puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel?
Se puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel? Y esta otra? Los puentes de Königsberg Königsberg es famosa por ser la ciudad natal de Immanuel
Más detallesÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES
ÁRBOLES CRISTIAN ALFREDO MUÑOZ ÁLVAREZ JUAN DAVID LONDOÑO CASTRO JUAN PABLO CHACÓN PEÑA EDUARDO GONZALES ÁRBOL Un árbol es un grafo no dirigido, conexo, sin ciclos (acíclico), y que no contiene aristas
Más detallesIntroducción a la Computación (Matemática)
Introducción a la Computación (Matemática) Heurísticas de Programación Introducción a la Computación Menú del día de hoy Problemas Difíciles P y NP Viajante de Comercio Coloreo Problema de la mochila Ruteo
Más detallesUniversidad de Managua Curso de Programación Lineal
Universidad de Managua Curso de Programación Lineal Profesor: MSc. Julio Rito Vargas Avilés. Objetivos y Temáticas del Curso Estudiantes: Facultad de CE y A Año académico: III Cuatrimestre 2014 ORIENTACIONES
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 detallesNP-Completitud. Agustín J. González ELO320: Estructura de Datos y Algoritmos 1er. Sem ELO320 1
NP-Completitud Agustín J. González ELO320: Estructura de Datos y Algoritmos 1er. Sem. 2002 ELO320 1 Introducción Hasta ahora todos los algoritmos estudiados han sido algoritmos de tiempo polinomial: para
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 detallesAlgoritmos mas complejos. Algoritmos y Estructuras de Datos II (Programación I) Mgter. Vallejos, Oscar A.
Algoritmos mas complejos Divide y Vencerás Técnica empleada en cosas dispares. También en el diseño de algoritmos. (ordenación: Quicksort; Mergesort). Consiste básicamente en dividir un problema original
Más detallesINAPROXIMABILIDAD. Curso: Algoritmos de aproximación Docente: Pablo Romero Estudiante: Daniel La Buonora Octubre de 2016
INAPROXIMABILIDAD Curso: Algoritmos de aproximación Docente: Pablo Romero Estudiante: Daniel La Buonora Octubre de 2016 Plan de la presentación - Definición de inaproximabilidad - Ejemplo con el problema
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 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 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 detallesModelos de transporte: Problema del vendedor viajero. M. En C. Eduardo Bustos Farías
Modelos de transporte: Problema del vendedor viajero M. En C. Eduardo Bustos Farías as Variantes al problema de transporte Oferta no igual a la demanda total: Se agrega una columna de holgura en la tabla
Más detallesAlgoritmos de Aproximación
Algoritmos de Aproximación M. Andrea Rodríguez-Tastets Ayudante: Erick Elejalde Universidad de Concepción,Chile www.inf.udec.cl\ andrea andrea@udec.cl I Semestre - 2014 Introducción La mayoría de los algoritmos
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 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 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 detallesALGORÍTMICA
ALGORÍTMICA 2012-2013 Parte I. Introducción a las Metaheurísticas Tema 1. Metaheurísticas: Introducción y Clasificación Parte II. Métodos Basados en Trayectorias y Entornos Tema 2. Algoritmos de Búsqueda
Más detallesHeurísticas y Metaheurísticas
Heurísticas y Metaheurísticas Laboratorio de Algoritmos y Estructuras de Datos III 2 do Cuatrimestre de 2013 Laboratorio de Algo III DC - FCEyN - UBA 2 do Cuatrimestre de 2013 1 / 24 Menú del día 1 Problemas
Más detallesTablas de dispersión
Estructuras de datos Tablas de dispersión Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Tablas de dispersión y conjuntos p. 1 Tablas de dispersión dinámicas Una tabla de dispersión
Más detallesClases de complejidad
Análisis de Algoritmos Clases de complejidad Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Clases de complejidad p. 1 Clase de complejidad Los requisitos para definir una clase: fijar
Más detallesLAS CIENCIAS DE LA PLANIFICACIÓN
LAS CIENCIAS DE LA PLANIFICACIÓN 5. EL PROBLEMA DEL VIAJANTE (PV) (The Traveling Salesman Problem TSP) Un problema como el de las vacaciones, pero vital para las empresas, es el problema del viajante (PV):
Más detallesAlgoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Más 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 detallesRecorridos de Gráficas. comp-420
Recorridos de Gráficas comp-420 Algoritmos de búsqueda en gráficas Una de las operaciones más frecuentes en una gráfica es la de visitar sus vértices uno por uno o en un orden deseado. Este procedimiento
Más detallesMotivación: Problemas de optimización
Motivación: Problemas de optimización Un tour π en un grafo G es una secuencia de arcos (a 1,a 2 ),..., (a k 1,a k ), (a k,a 1 ) en G tal que: a i a j para cada i j, {a 1,...,a k } es el conjunto de nodos
Más detallesModelos de Informática TeóricaCapítulo 4 - demostración de NP-completitud p.1/68
Modelos de Informática Teórica Capítulo 4 - demostración de NP-completitud Serafín Moral Callejón Departamento de Ciencias de la Computación Universidad de Granada Modelos de Informática TeóricaCapítulo
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 detallesAlgorítmica y Lenguajes de Programación. Complejidad computacional
Algorítmica y Lenguajes de Programación Complejidad computacional Complejidad computacional. Introducción La complejidad computacional estudia la dificultad inherente de problemas de importancia teórica
Más detallesClasificación de Sistemas. Clasificación de Sistemas. Clasificación de Sistemas. Clasificación de Sistemas
Clasificación de Sistemas Clasificación de Sistemas Simples, complicados o complejos Deterministas o probabilistas Centralizados o distribuidos Reactivos o proactivos Rígidos o adaptativos Simples, complicados
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 detallesAlgoritmos de Aproximación
Algoritmos de Aproximación Es bueno estar cerca? Complexity 1 Motivación Hemos visto muchos problemas NP-Completos Se conjetura que no hay algoritmos polinómicos para ninguno de ellos Complexity 2 Motivación
Más detallesUso de grafos para localizar el sanitario más cercano desde un punto de FIME mediante el Algoritmo de Dijkstra
Uso de grafos para localizar el sanitario más cercano desde un punto de FIME mediante el Algoritmo de Dijkstra Un grafo es un grupo de vértices (nodos) que está unido por un conjunto de líneas (aristas).
Más detallesOptimización en redes sensoras
Optimización en redes sensoras Conceptos y fundamentos Dra. Elisa Schaeffer FIME/CIIDIT UANL Con qué les quito el tiempo hoy Sensores, nodos y redes Teoría de grafos Modelado matemático Programación lineal
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 detalles3.1 Descripción del problema del Agente Viajero (PAV).
CAPÍTULO 3 Problema del Agente Viajero. Optimización es uno de los temas con mayor debate dentro del área de cómputo. En este campo, el Problema del Agente Viajero (PAV) es uno de los problemas de optimización
Más detallesMATROIDES Y EL ALGORITMO VORAZ
MATROIDES Y EL ALGORITMO VORAZ Natalia Castro - 19 de octubre de 2016 Algoritmos de Aproximación IMERL - Facultad de Ingeniería - UdelaR Edmonds loco-problem Edmonds se enfoca en algoritmos better than
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 detalles1. Inducción Inducción básica. Universidad de la República Cálculo 1 Facultad de Ingeniería - IMERL Primer semestre 2017
Universidad de la República Cálculo 1 Facultad de Ingeniería - IMERL Primer semestre 017 Práctico 1 - Inducción y Número Real 1. Inducción 1.1. Inducción básica 1. Demostrar las siguientes afirmaciones
Más detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesAlgoritmos Heurísticos en Optimización Combinatoria
Algoritmos Heurísticos en Optimización Combinatoria Rafael Martí Departamento de Estadística e Investigación Operativa Universitat de València Algoritmos Heurísticos Introducción Problemas Combinatorios
Más detallesGrafos. Amalia Duch Brown Octubre de 2007
Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido
Más 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 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 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 detallesInvestigación de Operaciones en Acción: Heurísticas para la Solución del TSP
Investigación de Operaciones en Acción: Heurísticas para la Solución del TSP Roger Z. Ríos Mercado Programa de Posgrado en Ingeniería de Sistemas Universidad Autónoma de Nuevo León José Luis González Velarde
Más detallesEl TAD Grafo. El TAD Grafo
! Esta representación resulta útil cuando el número de vértices se conoce previamente y permanecerá fijo durante la resolución del problema, pero resulta ineficiente si necesitamos añadir o eliminar vértices
Más detallesUnidad 2: Problemas de camino mínimo
Representación Recorrido de grafos Camino mínimo Unidad 2: Problemas de camino mínimo Representación Matriz de adyacencia Matriz de incidencia Listas de vecinos Recorrido de grafos Estructuras de datos
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 detallesProblemas de decisión y su complejidad computacional
Problema de decisión Problemas de decisión y su complejidad computacional! Los problemas que tienen dos respuestas posibles! Sí o no! Verdad o falso! Posible o imposible Instancia! Existe o no existe!
Más detallesTema 1. Heurísticos en Optimización Combinatorial
Tema 1. Heurísticos en Optimización Combinatorial p. 1/2 Tema 1. Heurísticos en Optimización Combinatorial Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e
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 Clases de complejidad
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 Clases de complejidad
Más detallesAnálisis de algoritmos
Tema 13: Completitud NP M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Introducción P y NP La clase P (Polinómicamente acotado)
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Estudiantes: FAREM-Carazo Unidad II Modelos de Programación Lineal
Más detalles1. Caminos Mínimos en un Grafo sin Pesos 2. Caminos Mínmos en un Grafo ponderado. 1. Algoritmo de Dijkstra
Tema - Soluciones Greedy para Problemas de Optimización sobre un Grafo Tema - Soluciones Greedy para Problemas de Optimización sobre un Grafo Germán Moltó Escuela Técnica Superior de Ingeniería Informática
Más detallesEL PROBLEMA DE TRANSPORTE
1 EL PROBLEMA DE TRANSPORTE La TÉCNICA DE TRANSPORTE se puede aplicar a todo problema físico compatible con el siguiente esquema: FUENTES DESTINOS TRANSPORTE DE UNIDADES Donde transporte de unidades puede
Más detallesComplejidad Computacional
Análisis y Complejidad de Algoritmos Complejidad Computacional Arturo Díaz Pérez Lenguajes formales Gramáticas formales Jerarquía de Chomski Teoría de la complejidad Una desigualdad computacional Computabilidad
Más detalles