Proyecto 2: Resolviendo el 8-Puzzle con A*
|
|
- Diego Henríquez Valdéz
- hace 5 años
- Vistas:
Transcripción
1 Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información CI-2693 Laboratorio de Algoritmos III Trimestre Septiembre-Diciembre de 2008 Proyecto 2: Resolviendo el 8-Puzzle con A* 1. Objetivo El objetivo del proyecto es el de resolver el problema del 8-Puzzle con un algoritmo informado de búsqueda de caminos de costo mínimo, específicamente A* 2. Descripción del problema El problema de 8-Puzzle [7], como lo describe Russel y Norvig [5] consiste, como se muestra la figura 1, en tablero de 3 X 3, el cual contiene 8 bloques cuadrados numerados (del 1 al 8) y un cuadrado vacío (En nuestra representación será numerado con 0). Los cuadrados adyacentes al espacio vacío pueden moverse a ese espacio. El objetivo es alcanzar un estado meta, el cual se puede observar en la tabla derecha de la figura 1. Una fórmulación posible del problema es la siguiente: Estados: Un estado indica la posición de cada uno de los nueve cuadrados dentro del tablero Estado Inicial: Un estado cualquiera Función para obtener sucesores: A partir de un estado se generan los estados válidos que resultan de las cuatros posibles acciones. Las acciones posibles son: mover el cuadrado a la izquierda, derecha, arriba y abajo Costo del camino: Cada movimiento o paso, tiene un costo de uno (1), por lo tanto el camino desde un estado inicial a un estado meta es igual al número de pasos (o movimentos) que se dan para alcanzar el estado meta. Función de prueba de meta: Determina si un estado es el estado meta. En la figura 2, cortesía de Berman y Paul [1], se puede observar la arborescencia obtenida al resolver el 8-Puzzle con el algoritmo de Búsqueda en amplitud. Nuestro objetivo es encontrar el camino más corto, el cual en la figura 2 se muestra resaltado. Note que el grafo para este problema es ímplicito. Es decir, dado un estado inicial se obtienen los estados sucesores con una función. No se guarda todo el grafo, que es todas las posibles combinaciones del tablero, en memoria. 7 8 Figura 1: Ejemplo de Estado Inicial y Estado Final del 8-Puzzle 3. Algoritmos informados de búsqueda de caminos mínimos Se desea que resolver el 8-Puzzle con el algoritmos informado conocido como A* [6]. El algoritmo A* esta descrito en el libro de Meza y Ortega [3]. Tambien se encuentra una buena explicación del algoritmo A* y del 8-Puzzle en libro de Rusell y Norvig [5]. En el libro Artificial Intelligence for Games [2] hay un pseudo código muy ilustrativo del algortimo A*, mostrando sus semajanzas con el algoritmo de Dijkstra y se hace un análisis sobre como implementarlo. Casi todas estas referencias se encuentran en la biblioteca de la universidad, en la sala de lectura hay algunas. También se publicará referencias en la página web del curso en la sección de Bibliografía. Se debe implementar cuatro heurísticas o costos estimados a la meta h(.). 1
2 Figura 2: Arborescencia del 8-Puzzle obtenida con BFS 1. Zero heurística: En esta heurística todo estado da como resultado zero. Es decir, para cualquier estado n, se tiene que h(n) = 0 2. Distancia Manhattan: Es la suma de las distancias, vérticales y horizontales, de cada uno de los bloques, a su posición en el estado meta. 3. Número de cuadros desordenados: Es el número de bloques en posiciones equivocadas, es decir, diferentes a las que corresponden al estado meta. Se puede interpretar que mientras más desordenado esté el tablero, más difícil debe ser ordenarlo. 4. Blanco: Distancia entre la posición en el estado meta del blanco y su posición actual. Por ejemplo, dado los estados inicial y final de la figura 1, se tiene que el cálculo de las heurísticas es como sigue: Zero heurística: 0 Distancia Manhattan: Número de cuadros desordenados: Blanco: 2 Cuadro 7 8 Distancia total = = Detalle importante de optimización Cuadro 7 8 Posiciones total = = 5 Al implementar A* se debe notar que es posible encolar, o colocar en la lista de estados abiertos, el mismo estado o tablero varias veces. Para prevenir la exploración innecesaria de estados, cuando se considere los estados sucesores de un estado actual, se debe evitar encolar o generar un estado que sea igual que el estado antecesor al estado actual. En la figura 3 se muestra un ejemplo de un estado que no debe ser abierto o encoloado 2
3 Figura 3: Estado antecesor, Estado Actual y Estado Succesor no permitido 4. Detección de puzzles que no se pueden resolver Desde cualquier tablero inicial no siempre es posible alcanzar el estado meta. El programa debe detectar si un tablero se puede resolver o no. El número de tableros posibles en el 8-Puzzle es igual al número de permutaciones de 9 elementos, es decir, 9! = Se tiene que 8-Puzzle, tiene la propiedad de que está compuesto por 2 grafos desconectados, cada uno conteniendo 9!/2 = estados [4]. Por lo que se hace imperativo tener una forma eficiente de detectar si un estado se puede resolver o no. Para ello se colocará un documento en la pagina web del curso, en la sección Bibliografía, en el cual se presenta un procedimiento para determinar si un tablero se puede resolver o no. 5. Actividad a realizar Debe hacer un programa llamado OchoPuzzle.java que recibe un archivo con la configuración de un tablero inicial. El programa determina si el tablero se puede resolver o no. Si se puede resolver, retorna la solución de 8-Puzzle, que va a consistir en la secuencia de los tableros que componen el camino de costo mínimo, el múmero de movimientos necesarios para alcanzar el estado meta, el número de estados abiertos (o encolados en el proceso) y el tiempo en milisegundos que dura la búsqueda API requerido Su programa puede requerir de varias estructura de datos. Se pide que implemente la siguiente clase que representa a un tablero, con al menos la siguiente especificación public class Tablero { public Tablero(int[][] cuadros) public int zero() public int manhattan() public int desorden() public int blanco() public LinkedList<Tablero> vecinos } // Constructor de un tablero // heurística zero // heurística distancia Manhattan // heurística del número de bloques fuera de lugar // heurística de la posición blanca // Todos los tableros vecinos del tablero actual 6. Entrada / Salida 6.1. Entrada El programa llamando OchoPuzzle.java se ejecutará de la siguiente manera: >java OchoPuzzle <heurística> <entrada> Donde heurística indica la función heurística a utilizar y puede tomar cuatro valores: z: Zero heurística d: Número de cuadros desordenados m: Distancia Manhattan b: Blanco También se tiene que entrada es el nombre del archivo donde se define el tablero, en el cual hay tres filas y tres columnas y en donde el espacio en blanco se denota como cero. 3
4 6.2. Salida Si el tablero no se puede resolver debe indicarlo. En caso de haber solución la salida deberá mostrar los siguientes datos: La secuencia de los tableros que resuelven el puzzle El número de movimientos El número de estados abiertos o encolados El tiempo de ejecución del algoritmo A* en milisegundos 6.3. Ejemplo con tablero sin solución Dado el siguiente archivo de entrada datos.txt Se obtiene la siguiente salida: >java z OchoPuzzle datos.txt El Tablero no tiene solucion 6.4. Ejemplo con tablero con solución Dado el siguiente archivo de entrada datos.txt Se obtiene la siguiente salida: >java m OchoPuzzle datos.txt Numero de movimentos: 4 Numero de estados abiertos: 10 Tiempo: 3 ms 4
5 7. Elementos a incluir en el informe Su informe debe seguir la estructura dada al principio del curso. Dentro de ese mismo formato debe incluir los siguietes puntos: Debe explicar brevemente las estructuras de datos realizadas Explique brevemente como se implementó la clase Tablero.java Realice al menos 5 casos de pruebas relevantes, en los cuales se pueda hacer una comparación de las heurísticas, a través del siguiente cuadro comparativo: Estados Abiertos Tablero Movimientos Zero Desorden Manhattan Blanco Haga un breve analisis del cuadro anterior. Cuál es la mejor heurística? 7.1. Sobre los criterios de corrección Se corregirá la ejecución y la calidad del código. Toda entrega que no pueda ser compilada sin errores tendrá CERO en la parte de ejecución. 8. Entrega El día jueves de la semana 12, los alumnos de Hilmar Castro entregarán a las 9:30 am en su oficina y los de Guillermo Palma a las 1:30 pm en el Laboratorio E. Se deberá entregar un sobre cerrado debidamente identificado con nombre, carnet y profesor de laboratorio. Dentro del sobre deberán estar incluido: Listados (documentados) de los fuentes del TAD Grafo y la aplicación de prueba Un CD debidamente identificado, libre de virus y defectos físicos cuyos únicos directorios sean bin/ (conteniendo los archivos.class), src/ (conteniendo los archivos.java) doc/ (conteniendo la documentación generada con javadoc). Un informe que describa el proyecto y su implementación. En la página del curso podrá encontrar la información de la estructura y formato del mismo. No se aceptan proyectos que no tengan un respaldo impreso. Referencias [1] K.A. Berman and J. Paul. Fundamentals of Sequential and Parallel Algorithms. PWS Publishing Co. Boston, MA, USA, [2] I. Millington. Artificial Intelligence for Games. Morgan Kaufmann, [3] M. Ortega and O. Meza. Grafos y Algoritmos. Equinoccio, [4] A. Reinefeld. Complete Solution of the Eight-Puzzle and the Benet of Node Ordering in IDA. In Procs. Int. Joint Conf. on AI, Chambery, pages , [5] S. Russel and Norvig. Artificial Intelligence. Prentice-Hall, [6] Varios. A* search algorithm. Website, [7] Varios. Fifteen puzzle. Website,
Resolución de problemas de búsqueda
Resolución de problemas de búsqueda Memoria de Prácticas de Segunda Entrega 26 de noviembre de 2007 Autores: Mariano Cabrero Canosa cicanosa@udc.es Elena Hernández Pereira elena@udc.es Directorio de entrega:
Proyecto 2: recorridos sobre grafos y componentes conexas
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información CI-2693. Laboratorio de Algoritmos y Estructuras III Trimestre Abril-Julio 2015 1. Introducción Proyecto 2: recorridos
UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR
UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR INTEGRANTES: Caricari Cala Aquilardo Villarroel Fernandez Fructuoso DOCENTE: Lic. Garcia
Resolución de problemas de búsqueda
Resolución de problemas de búsqueda Memoria de Prácticas de Primera Entrega 6 de noviembre de 7 Autores: Mariano Cabrero Canosa cicanosa@udc.es Elena Hernández Pereira elena@udc.es Directorio de entrega:
Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur. Proyecto N 1 Cuatro en línea Primer Cuatrimestre de 2009
Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Introducción Lógica para Ciencias de la Computación Proyecto N 1 Cuatro en línea Primer Cuatrimestre de 2009 Cuatro en línea
Algoritmos de búsqueda con espacio de memoria limitado
Algoritmos de búsqueda con espacio de memoria limitado Los métodos de búsqueda por primero el mejor, tales como A, no escalan bien a grandes problemas de búsqueda debido a su consumo de memoria, mientras
Algoritmos para caminos más cortos (2) comp-420
lgoritmos para caminos más cortos (2) comp-420 lgoritmo * escrito totalmente en 1968 por Peter art, Nils Nilsson y ertram Raphael. n 1964 Nils Nilsson inventó un método que utiliza una heurística para
Algoritmos de Búsqueda Informados. Tomas Arredondo Vidal 16/6/2010
Algoritmos de Búsqueda Informados Tomas Arredondo Vidal 16/6/2010 Algoritmos de Búsqueda Informados Contenidos Best-first search Greedy best-first search A * search Heurísticas Búsqueda local Best-first
(b) Cuál es la desventaja principal de una heurística con aprendizaje? es más informada que otra función heurística optimista h 2 *?
UNIVERIDD REY JUN CRLO CURO 0-0 INTELIGENCI RTIFICIL Hoja de Problemas Tema Ejercicio : Conteste a las siguientes preguntas: (a) Cómo funciona una heurística con aprendizaje? olución: Una heurística con
Tema 2: Representación de problemas como espacios de estados
Tema 2: Representación de problemas como espacios de estados José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Estado 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
Análisis de algoritmos
Demostración laboratorio: Martes 14 de Julio de 2015 Entrega vía Web: Domingo 19 de Julio de 2015 Demostración laboratorio y Entrega vía Web (Extraordinario): Martes 21 de Julio de 2015 M. en C. Edgardo
Inteligencia Artificial
Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur 1. Búsqueda en la resolución de problemas. Inteligencia Artificial Trabajo Práctico N 3 Búsqueda Ciega y Heurística Segundo
Práctica 3. Búsqueda
Práctica 3 Búsqueda Vamos a continuar viendo algoritmos de búsqueda en grafos. En esta práctica nos centraremos en algoritmos de búsqueda informada. 1 Heurístico Ya hemos visto en teoría que este tipo
Tema 4: Resolución de problemas de espacios de estados
Programación lógica Curso 2004 05 Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Jose-Antonio.Alonso@cs.us.es http://www.cs.us.es/ jalonso Dpto. de Ciencias de la Computación
Programación lógica ( )
1 / 48 Programación lógica (2008 09) Tema 4: Resolución de problemas de espacios de estados José A. Alonso Jiménez Grupo de Lógica Computacional Departamento de Ciencias de la Computación e I.A. Universidad
INTELIGENCIA ARTIFICIAL Puzzle 3 x 3 con 3 Heurísticas
INTELIGENCIA ARTIFICIAL Puzzle x con Heurísticas El juego del puzzle se representa, sobre un tablero de x casillas. 8 de las casillas contienen una pieza o ficha que se puede deslizar a lo largo del tablero
Proyecto: El Problema de las 8 Torres
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información CI-2125 Computación I Sep-Dic 2003 Introducción: Proyecto: El Problema de las 8 Torres El problema de colocar 8 reinas
Búsqueda en espacio de estados
Búsqueda en espacio de estados Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Abstracción Problema Representación como espacio de estados Implementación del
Tema 1: Representación de problemas como espacio de estados
Tema 1: Representación de problemas como espacio de estados José A. Alonso Jiménez Carmen Graciani Díaz Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. Ciencias de la Computación e Inteligencia
Proyecto I (15%) Simulación del Juego Solitario
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información Algoritmos y Estructuras II (CI2616) Enero-Abril 2003 Proyecto I (15%) Simulación del Juego Solitario El proyecto se
SEGUNDA PRÁCTICA. Programación Curso Ingeniería en Informática Universidad Carlos III de Madrid
SEGUNDA PRÁCTICA Programación Curso 2006-2007 Ingeniería en Informática Universidad Carlos III de Madrid 1. Instrucciones generales Durante este curso se deberán realizar tres prácticas, cuyas fechas de
Tema 3: Técnicas básicas de búsqueda para la resolución de problemas
Tema 3: Técnicas básicas de búsqueda para la resolución de problemas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-3815
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información Organización del Computador CI-385 Proyecto Objetivos Generales: realizar un programa en lenguaje de bajo nivel del
UNIVERSIDAD SIMÓN BOLÍVAR Vicerrectorado Académico
UNIVERSIDAD SIMÓN BOLÍVAR Vicerrectorado Académico 1.Departamento: COMPUTACIÓN Y TECNOLOGÍA DE LA INFORMACIÓN 2. Asignatura: Programa de Algoritmos y Estructuras I 3. Código de la asignatura: CI 2611 No.
GUÍA DOCENTE Sistemas Inteligentes
GUÍA DOCENTE 2016-2017 Sistemas Inteligentes 1. Denominación de la asignatura: Sistemas Inteligentes Titulación Grado de Ingeniería en Informática Código 6365 2. Materia o módulo a la que pertenece la
Tema 4: Búsqueda informada mediante técnicas heurísticas
Tema 4: Búsqueda informada mediante técnicas heurísticas José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos 1 Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Resolviendo Modelos de Mapas
Resolviendo Modelos de Mapas SMMC Prof. Teddy Alfaro Resolviendo Mapas o Grafos Entre las técnicas completas más utilizadas para resolver la ruta más corta se encuentran BFS Backtracking Dijkstra A* Uso
Agentes que resuelven problemas
Agentes que resuelven problemas 1. Formulación de meta (decidir que estados son objetivo) y del problema (decidir que acciones y estados se van a considerar) 2. Buscar una solución (examinar posibles acciones
LENGUAJES DE PROGRAMACIÓN. Trabajo Práctico - Septiembre de 2017
Trabajo Práctico - Septiembre de 2017 INSTRUCCIONES El trabajo práctico debe realizarse de manera individual. No debe realizarse en grupo. Se penalizará cualquier uso compartido de las soluciones propuestas
CC3001 Algoritmos y Estructuras de Datos Tarea 1: Algoritmos simples de ordenación
CC3001 Algoritmos y Estructuras de Datos Tarea 1: Algoritmos simples de ordenación Profs. Nelson Baloian, Benjamin Bustos, José A. Pino 4 de agosto de 2009 Fecha de entrega: 18 de agosto de 2009 a las
310. T. P. Versión 1 Trabajo Práctico 1/5 Lapso
310. T. P. Versión 1 Trabajo Práctico 1/5 UNIVERSIDAD NACIONAL ABIERTA ÁREA DE INGENIERÍA CARRERA INGENIERÍA DE SISTEMAS TRABAJO PRÁCTICO: ASIGNATURA: OPTIMIZACIÓN NO LINEAL CÓDIGO: 310 FECHA DE ENTREGA
Solución de Problemas Mediante Búsqueda (1) Carlos Hurtado L. Depto de Ciencias de la Computación, Universidad de Chile
Solución de Problemas Mediante Búsqueda (1) Carlos Hurtado L. Depto de Ciencias de la Computación, Universidad de Chile Contenido Solución de problemas mediante búsqueda Modelación de problemas como búsquedas
Resolviendo Problemas Buscando Soluciones. Tomás Arredondo Vidal 16/6/2010
Resolviendo Problemas Buscando Soluciones Tomás Arredondo Vidal 16/6/2010 Resolviendo Problemas Buscando Soluciones Contenidos Agentes que resuelven problemas Tipos de problemas Formulación de problemas
Proyecto de Inteligencia Artificial
Proyecto de Inteligencia Artificial Elizabeth Montero Jorge Guerrero Pablo Garrido Sergio Rojas 27 de abril de 2007 I 1 2 3 Entrega 1 Entrega 2 Presentación Consideraciones 4 5 6 I Global Vivenciar un
Examen escrito de Programación 1
Examen escrito de Programación 1 Escuela de Ingeniería y Arquitectura Departamento de Informática e Ingeniería de Sistemas 31 de agosto de 2012 Disponer sobre la mesa en lugar visible un documento de identificación
Informe Académico - DACE
Universidad Simón Bolivar Departamento de Computación y TI CI-2125: Computación 1 Enero-Marzo 2008 Informe Académico - DACE 1. Qué es un Informe Académico? Un infome académico es un documento oficial emitido
Examen de Programación (Grados en Física y Matemáticas)
Examen de Programación (Grados en Física y Matemáticas) Junio 2012 Primera parte (5 puntos, 50% nota del examen) 1) Escribir en Java el método posicion(), que retorna el valor correspondiente a la expresión
Búsqueda en espacio de estados
Búsqueda en espacio de estados Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Inteligencia Artificial CCIA, US Búsqueda en espacio de estados IA 1 / 35 Metodología
Apellidos:... Nombre:... Ejercicio 1 (Cuestiones) [2 puntos] Responder a las siguientes cuestiones de manera clara y concisa:
Inteligencia Artificial I (5 Febrero 2008) Apellidos:... Nombre:... Ejercicio 1 (Cuestiones) [2 puntos] Responder a las siguientes cuestiones de manera clara y concisa: 1. Consideremos el siguiente puzle:
AUDITORÍA ADMINISTRATIVA
1 Sesión No. 7 Nombre: Metodología de la Auditoria Administrativa. Parte 3. Objetivo: El estudiante reconoce el informe; contenido, lineamientos generales, tipos de informe, propuestas y presentación del
Tema 3: Técnicas básicas de
Inteligencia Artificial Curso 999 2000 Tema 3: Técnicas básicas de búsqueda José A. Alonso Jiménez Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de
Inteligencia Computacional
Inteligencia Computacional Búsqueda: sin información otros algoritmos, con información http://blancavg.com/tc3023/ Blanca A. Vargas Govea * blanca.vg@gmail.com * Agosto 17, 2012 B D A A C E B I I F C G
EJEMPLO DE PARTIDA. Pongo en la casilla: 4 El tablero queda como: X
El objetivo de este ejercicio es crear un programa que juegue a tres en raya contra un oponente humano. Tras cada movimiento el programa debe mostrar el tablero y permitir mover al humano. El programa
ESTRUCTURAS DE DATOS Y ALGORITMOS
ESTRUCTURAS DE DATOS Y ALGORITMOS CURSO 2009 PRÁCTICO 8 Nota: al igual que en los prácticos 6 y 7, en los problemas que siguen se usarán los tipos lista y árbol binario, como tipos abstractos, cada uno
Hoja de Ejercicios. Temas 1 y 2
Hoja de Ejercicios Temas 1 y 2 Ejercicio 1: Complete las siguientes frases con las alternativas especificadas. Si existen varias alternativas verdaderas, márquelas todas. 1.1. Cuál(es) de las siguientes
INTELIGENCIA ARTIFICIAL Puzzle 3 x 3 Hill Climbing
INTELIGENCIA ARTIFICIAL Puzzle 3 x 3 Hill Climbing El juego del puzzle se representa, sobre un tablero de 3x3 casillas. 8 de las casillas contienen una pieza o ficha que se puede deslizar a lo largo del
INTELIGECIA EN REDES DE COMUNICACIONES 5º ING TELECOMUNICACIÓN TRABAJO FINAL DE LA ASIGNATURA EL SOLITARIO AUTORES
INTELIGECIA EN REDES DE COMUNICACIONES 5º ING TELECOMUNICACIÓN 2006-2007 TRABAJO FINAL DE LA ASIGNATURA EL SOLITARIO AUTORES DANIEL F. TAVEIRA MONTEIRO RODRIGO GÓMEZ RODRIGUEZ DAVID TOLEDO NAVARRO 1. Índice
DOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas)
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: DES: Ingeniería Programa(s) Educativo(s): Ingeniería en Ciencias de la Computación Tipo de materia: Obligatoria Clave de la materia: CI676 Semestre: 6 Área en plan
PRINCIPIOS FUNDAMENTALES DE MEDICIONES ELÉCTRICAS INSTRUMENTOS DE MEDICION PARA CORRIENTE DIRECTA (DC)
UNIVERSIDAD SIMON BOLIVAR DEPARTAMENTO DE ELECTRÓNICA Y CIRCUITOS LABORATORIO DE MEDICIONES ELÉCTRICAS EC 1281 PRACTICA Nº 2 PRINCIPIOS FUNDAMENTALES DE MEDICIONES ELÉCTRICAS INSTRUMENTOS DE MEDICION PARA
BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD CIENCIAS DE LA COMPUTACION
BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD CIENCIAS DE LA COMPUTACION PROGRAMA DE LA MATERIA CORRESPONDIENTE A LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN. Coordinación: NOMBRE DE LA MATERIA:
INTELIGENCIA ARTIFICIAL II
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SÉPTIMO PERIODO ABR. /SEP.-2015 INTELIGENCIA ARTIFICIAL II TEMA: RESUMEN#4: FUNCIONES HEURÍSTICAS AUTORA:
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA FACULTAD DE INGENIERIA EN INFORMATICA Y SISTEMAS
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA FACULTAD DE INGENIERIA EN INFORMATICA Y SISTEMAS INFORME FINAL DE PRÁCTICAS PRE PROFESIONALES [Titulo de las PPP] Presentado por: [nombres y apellidos completos
Matemáticas Discretas TC1003
Matemáticas Discretas TC13 Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas ITESM Matrices: Conceptos y Operaciones Básicas Matemáticas Discretas - p. 1/25 Una matriz A m n es un arreglo
FECHA DE DEVOLUCIÓN DEL INFORME POR EL ESTUDIANTE: Adjunto a la Segunda Prueba Integral UTILICE ESTA MISMA PÁGINA COMO CARÁTULA DE SU TAREA O TRABAJO
324 T. P. Lapso 2012/1 1/8 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA TRABAJO PRÁCTICO: ASIGNATURA: COMPUTACIÓN II CÓDIGO: 324 FECHA DE ENTREGA DE LAS ESPECIFICACIONES AL ESTUDIANTE:
INTRODUCCIÓN AL EMU8086.
Microprocesadores. Guía 1 1 Facultad: Ingeniería. Escuela: Electrónica. Asignatura: Microprocesadores. Lugar de ejecución: Microprocesadores (Edificio 3, 2da planta). INTRODUCCIÓN AL EMU8086. Objetivos
Universidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO
Universidad Nacional de San Agustín VICE RECTORADO ACADÉMICO SILABO CODIGO DEL CURSO: CS360 1 Datos Generales FACULTAD : Ingeniería de Producción y Servicios DEPARTAMENTO :Ingeniería de Sistemas e Informática
Manual del Usuario para el programa de reconocimiento de caracteres.
Manual del Usuario para el programa de reconocimiento de caracteres. Instalación. El software no tiene programa de instalación, solo es necesario copiar el ejecutable al directorio donde usted desee. Y
Algoritmos y Estructuras de Datos Curso 04/05. Ejercicios
35. Sean A= {1, 2, 3, 7, 8} y B= {3, 4, 5, 7, 9}, mostrar la ejecución y los resultados de las siguientes operaciones, suponiendo una representación con arrays de booleanos y con listas de elementos (ordenadas
Guía para la documentación de proyectos de software
Estructura y contenido Guía para la documentación de proyectos de software Organización de Computadoras Universidad Nacional del Sur 2017 1. Definiciones y especificación de requerimientos Los requerimientos/requisitos
Tema: Búsqueda a Ciegas (No Informada).
Sistemas Expertos e Inteligencia Artificial. Guía No. 4 1 Tema: Búsqueda a Ciegas (No Informada). Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Objetivos
Inteligencia Artificial Clase #3 Agente Solucionador de Problemas. Dr. Wladimir Rodríguez Postgrado en Computación
Clase #3 Agente Solucionador de Problemas Postgrado en Computación wladimir@ula.ve Agenda Agente Solucionador de Tareas Formulación de los Problemas Espacio de Estados Problemas de Búsqueda Búsqueda en
A B MIN C D E F MAX x E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO
E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROBLEMAS. TEMA IV. PROBLEMAS DE JUEGOS.
NÚMEROS UTILIZADOS EN ELECTRÓNICA DIGITAL
UNIVERSIDAD DON BOSCO FACULTAD DE ESTUDIOS TECNOLÓGICOS COORDINACION DE COMPUTACION GUIA DE LABORATORIO #1 CICLO: 01/ 2016 Nombre de la Practica: Lugar de Ejecución: Tiempo Estimado: MATERIA: Sistemas
Semana 4: Métodos de Búsqueda No informados. Prof. Oscar Benito Pacheco.
Semana 4: Métodos de Búsqueda No informados Prof. Oscar Benito Pacheco. Estrategias de Búsqueda Búsqueda No Informada Búsqueda Informada (Ciega) (Heurística) 1. Búsqueda preferente por amplitud 2. Búsqueda
Pozos Parra Fecha de elaboración: 28 de mayo de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Sistemas Computacionales Integral Profesional Laboratorio de inteligencia artificial Horas teóricas: 2 Horas prácticas: 2 Total
PRACTICA Nº 3 DIODO ZENER, RECTIFICADOR DE ONDA COMPLETA Y REGULADOR CON ZENER
UNIVERSIDAD SIMON BOLIVAR DPTO. ELECTRONICA Y CIRCUITOS CIRCUITOS ELECTRONICOS I EC1177 PRACTICA Nº 3 DIODO ZENER, RECTIFICADOR DE ONDA COMPLETA Y REGULADOR CON ZENER OBJETIVO Familiarizar al estudiante
ALGORITMOS 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
Simplificación y minimización por adyacencias
Simplificación y minimización por adyacencias Resumen La simplificación y minimización por adyacencias utiliza los teoremas de complementos y de asociación del algebra booleana, aunada a la disposición
Informe y Presentación de Proyectos v 3
Informe y Presentación de Proyectos v 3 Informe Final: El Informe debe incluir: Objetivo del proyecto Tendrá que definir los objetivos, alcances, y limitaciones del proyecto. Diagrama de bloques Se implementará
Estructuras de Datos y Algoritmos
Estructuras de Datos y Algoritmos Práctico 3: Grafos (Finalización: 06/09) Ing. en Computación - Ing. en Informática - Prof. en Computación Año 2018 Ejercicio 1: Dado el siguiente p-digrafo: 5 b 6 d 11
Práctica 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
UNIVERSIDAD DON BOSCO TECNICO EN INGENIERIA EN COMPUTACION
UNIVERSIDAD DON BOSCO TECNICO EN INGENIERIA EN COMPUTACION CICLO 1/ 2019 Nombre de la Practica: Lugar de Ejecución: Tiempo Estimado: MATERIA: GUIA DE LABORATORIO #1 Sistemas Numéricos Centro de Computo
PRINCIPIOS FUNDAMENTALES DE MEDICIONES ELÉCTRICAS INSTRUMENTOS DE MEDICION PARA CORRIENTE DIRECTA (DC)
UNIVERSIDAD SIMON BOLIVAR DEPARTAMENTO DE ELECTRÓNICA Y CIRCUITOS LABORATORIO DE MEDICIONES ELÉCTRICAS EC 2286 PRACTICA Nº 2 PRINCIPIOS FUNDAMENTALES DE MEDICIONES ELÉCTRICAS INSTRUMENTOS DE MEDICION PARA
Apellidos:... Nombre:...
Apellidos:....................................... Nombre:........................................ Introducción a la Inteligencia Artificial 1 er Parcial de Teoría 12 Noviembre 2004 Ejercicio 1: Responder
Practica 01: Evaluación de expresiones infijas
M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom Estructuras de datos (Prof. Edgardo A. Franco) 1 Contenido Definición del problema Actividades
Estructuras de Datos. Practica 06: Codificación de Huffman
M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definición del problema Algoritmo de Huffman Pasos del código de Huffman Actividades
Inteligencia Artificial
Inteligencia Artificial Grupo PLG Universidad Carlos III de Madrid IA. 2008 Grupo PLG (UC3M) Inteligencia Artificial Inteligencia Artificial 1 / 70 Indice 1 Introducción 2 Búsqueda sin información Búsqueda
LENGUAJES DE PROGRAMACIÓN. Trabajo Práctico - Septiembre de 2012
Trabajo Práctico - Septiembre de 2012 INSTRUCCIONES El trabajo práctico debe realizarse de manera individual. No debe realizarse en grupo. Se penalizará cualquier uso compartido de las soluciones propuestas
Clases a Implementar (Paquete xklotski): 1. Clase XKlotskiException: package xklotski;
Profesores: Jorge Escalona / Tobías Bolívar Página 1 de 5 Estructura de Datos Proyecto Final (25%) Introducción: Klotski es un juego rompecabezas para un sólo jugador. El juego se compone de un tablero
Programación Estructurada
Programación Estructurada PROGRAMACIÓN ESTRUCTURADA 1 Sesión No. 2 Nombre: El lenguaje de programación C Contextualización Una constante en todos los lenguajes de programación (viejos y nuevos) es la implementación
PROGRAMACION I ( ) PROYECTO JUEGO
PROGRAMACION I (0416202) PROYECTO JUEGO Desarrollar el juego llamado Tower Defense, que puede conseguir en el siguiente enlace http://www.minijuegos.com/juegos/jugar.php?id=5791 Valor: 35 Pts. Donde: 5
B s ú que u da p rim i ero o e n n p rof o u f n u d n id i ad: E tr t ate t gia i L I L FO B s ú que u da p rim i ero o e n n a nc n h c u h r u a:
Búsqueda sin información Fernando Berzal, berzal@acm.org Búsqueda sin información Recorridos sobre grafos Búsqueda en anchura (BFS) Búsqueda en profundidad (DFS) Descenso iterativo (IDS) [ vuelta atrás
Inteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Dr. Jesús Antonio González Bernal Contenido Estructura General de un PSA (Problem Solving Agent) Formulación de un PSA Algoritmos de Búsqueda de Sl Soluciones Aplicaciones
Análisis Costo-Beneficio
Análisis Costo-Beneficio 1 I. Resumen Ejecutivo Nombre del PPI En esta sección, deben llenarse los campos de la tabla que se muestran a continuación, a manera de resumen de las secciones que componen el
Practica 02: Simulaciones con el TAD Cola
M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom Estructuras de datos (Prof. Edgardo A. Franco) 1 Contenido Definición del problema Simulación
Análisis Costo-Beneficio
Análisis Costo-Beneficio 1 Nombre de la Obra I. Resumen Ejecutivo En esta sección, deben llenarse los campos de la tabla que se muestran a continuación, a manera de resumen de las secciones que componen
Algoritmos y Estructuras de Datos Ingeniería en Informática
2.1.Sean A= {1, 2, 3, 7, 8} y B= {3, 4, 5, 7, 9}, mostrar la ejecución y los resultados de las siguientes operaciones, suponiendo una representación con arrays de booleanos y con listas de elementos (ordenadas
PRÁCTICA 4: LA TRANSFORMADA RÁPIDA DE FOURIER (FFT)
PRÁCTICA 4: LA TRANSFORMADA RÁPIDA DE FOURIER (FFT) Objetivo Específico El alumno implementará un algoritmo de la Transformada Rápida de Fourier y comparará su rapidez contra el cálculo por fórmula de
4.3. Subespacios vectoriales
4.3 Subespacios vectoriales Concepto de subespacio vectorial Un subconjunto H de un espacio vectorial V es un subespacio vectorial de V si, con las operaciones de V de suma de vectores y multiplicación
Tareas de matrices especiales
Tareas de matrices especiales Objetivos. Estudiar una clase especial de matrices. Para matrices de esta clase realizar un algoritmo rápido de multiplicación por vectores. Aplicar este algoritmo para resolver
Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Algoritmia y Programación
Facultad de Ingeniería Escuela de Ingeniería de Sistemas y Computación Algoritmia y Programación NORMAS PARA LA ENTREGA DE LOS LABORATORIOS Coloque el nombre de los integrantes del grupo (grupos de hasta
Tema: Análisis de código intermedio
Compiladores. Guía 8 1 Facultad: Ingeniería Escuela: Computación Asignatura: Compiladores Tema: Análisis de código intermedio Contenido En esta guía se abordarán los conceptos pertenecientes al componente
PRACTICA Nº 2 TIPOS Y METODOS DE MEDICION. INSTRUMENTOS DE LABORATORIO PARA MEDICIONES DC
UNIVERSIDAD SIMON BOLIVAR DPTO. ELECTRONICA Y CIRCUITOS LAB. MEDICIONES ELECTRICAS EC1281 PRACTICA Nº 2 TIPOS Y METODOS DE MEDICION. INSTRUMENTOS DE LABORATORIO PARA MEDICIONES DC OBJETIVO Familiarizar
Teoría 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