Computación Bio inspirada Tema VIII: Complejidad Computacional en Modelos Celulares
|
|
- Javier Montoya de la Fuente
- hace 5 años
- Vistas:
Transcripción
1 Computación Bio inspirada Tema VIII: Complejidad Computacional en Modelos Celulares Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla marper@us.es Máster Universitario en Lógica, Computación e Inteligencia Artificial Curso
2 Índice del tema VIII Problemas de decisión y lenguajes. Sistemas P reconocedores. Resolubilidad eficiente de problemas mediante sistemas P reconocedores. Limitaciones de los sistemas P reconocedores.
3 Problemas de decisión y lenguajes. Problema de decision: par ordenado (I X, θ X ) I X es un lenguaje sobre un alfabeto finito (cuyos elementos se denominan instancias del problema). θ X es una función total booleana sobre I X. Todo problema de optimización (un valor ha de ser minimizado o maximizado) se puede transformar eficientemente en un problema decisión. Existe una correspondencia natural entre problemas de decisión y languajes. Dado un problema de decisión X = (I X, θ X ), se le asocia un lenguaje L X de la siguiente manera: L X = {w I X : θ X (w) = 1}. Recíprocamente, dado un lenguaje L sobre un alfabeto Γ, se le asocia un problema de decisión como sigue: X L = (I XL, θ XL ), en donde I XL = Γ ; θ XL = {(w, 1) : w L} {(w, 0) : w / L}. Resolubilidad de un problema de decisión versus reconocimiento de un lenguaje. Una máquina de decisión M reconoce un lenguaje L sobre un alfabeto Σ si para cada u Σ se verifica: (a) si u L entonces la máquina para sobre u y devuelve sí; y (b) si u / L entonces la máquina para sobre u y devuelve no. Por ello, para resolver problemas de decisión se consideran sistemas P reconocedores de lenguajes.
4 Sistemas P reconocedores (I) Objetivo: Proporcionar soluciones eficientes de problemas de decisión en el marco de la computación celular con membranas. En particular, de problemas computacionalmente duros (NP-completos). Ahora bien: Los sistemas P son dispositivos no deterministas. Las MTND resuelven problemas NP-completos en tiempo polinomial. Las MTND no son fiables ya que: No capturan el verdadero concepto de algoritmo. El resultado de una ejecución de una MTND puede conducir a error. Conclusión: Las soluciones eficientes que proporcionen los sistemas P deben ofrecer ventajas cualitativas respecto de las ofrecidas por las MTND. Intentaremos que capturen el verdadero concepto de algoritmo: para un dato de entrada, el resultado de cualquier computación debe codificar la respuesta correcta.
5 Sistemas P reconocedores (II) Un sistema P reconocedor es un sistema P tal que: El alfabeto de trabajo tiene dos elementos distinguidos: yes, no. La zona de salida del sistema es el entorno (omitiremos i out). Todas las computaciones paran. Si C es una computación del sistema, entonces o bien un objeto yes o un objeto no (pero no ambos) se envían al entorno y, además, sólo en el último paso de la computación. En un sistema P reconocedor, diremos que Una computación es de aceptación (resp. de rechazo) si el objeto yes (resp., no) aparece en el entorno asociado a la configuración de parada.
6 Codificación polinomial, adecuación y completitud Sea X = (I X, θ X ) un problema de decisión y Π = {Π(n) n N} una familia de sistemas P reconocedores. Codificación polinomial de X en Π: Un par (cod, s) de funciones sobre I X computables en tiempo polinomial tales que para cada u I X : s(u) es un número natural y cod(u) es un multiconjunto de entrada de Π(s(u)). Además, se exige que s 1 (n) sea un conjunto finito para cada n N. Sea (cod, s) una codificación polinomial de X en Π. Π es adecuada respecto de (X, cod, s) si para cada u I X se tiene: Si existe una computación de aceptación de Π(s(u)) + cod(u), entonces θ X (u) = 1. Π es completa respecto de (X, cod, s) si para cada u I X se tiene: Si θ X (u) = 1 entonces cada computación de Π(s(u)) + cod(u) es de aceptación.
7 Resolución de problemas en tiempo polinomial (I) Sea X = (I X, θ X ) un problema de decisión y Π = {Π(n) : n N} una familia de sistemas P reconocedores. X es resoluble en tiempo polinomial por la familia Π (X PMC R) si: Π es polinomialmente uniforme por MT Existe una MTD que trabaja en tiempo polinomial y construye Π(n) a partir de n N. Existe una codificación polinomial (cod, s) de X en Π tal que: Π es polinomialmente acotada: Existe un polinomio p(n) tal que para cada u I X, todas las computaciones de Π(s(u)) + cod(u) paran en, a lo sumo, p( u ) pasos. Π es adecuada y completa respecto a (X, cod, s).
8 Resolución de problemas en tiempo polinomial (II) u I X Answer of the problem cod polynomial encoding s? Π Answer of the P system cod(u) input (s(u)) Clases de complejidad polinomial para sistemas P reconocedores
9 Estabilidad de las clases de complejidad polinomial La clase de complejidad PMC R: Es estable bajo reducibilidad en tiempo polinomial. Si X 1 p X 2 y X 2 PMC R, entonces X 1 PMC R. Es cerrada bajo complementario. Si X PMC R, entonces X PMC R.
10 Eficiencia de clases de sistemas P Una clase R de sistemas P reconocedores es presumiblemente eficiente si y sólo si familias de sistemas de dicha clase pueden resolver problemas NP completos en tiempo polinomial. NP co NP PMC R. Una clase R de sistemas P reconocedores es presumiblemente no eficiente si y sólo si únicamente problemas de la clase P pueden ser resueltos en tiempo polinomial por familias de sistemas de dicha clase. P = PMC R.
11 Sistemas P básicos de transición: limitaciones Sea T la clase de los sistemas P reconocedores básicos de transición. Teorema. P = PMC T. La clase T es presumiblemente no eficiente. Corolario. Son equivalentes: P = NP. Existe, al menos, un problema NP completo que pertenece a PMC T. Todo problema NP completo pertenece a PMC T.
12 Sistemas P con membranas activas: limitaciones Sea AM la clase de los sistemas P reconocedores con membranas activas. Sea N AM la clase de los sistemas P reconocedores con membranas activas que no usan las reglas de división de membranas. Teorema. P = PMC N AM. La clase N AM es presumiblemente no eficiente. Corolario. Son equivalentes: P = NP. Existe, al menos, un problema NP completo que pertenece a PMC N AM. Todo problema NP completo pertenece a PMC N AM. En el tema siguiente veremos que usando sistemas de AM se pueden resolver eficientemente problemas NP completos. Es decir, la clase AM es presumiblemente eficiente.
13 Sistemas P de tejidos: limitaciones Sea T C la clase de los sistemas P reconocedores de tejidos con reglas de comunicación. Sea T DC la clase de los sistemas P reconocedores de tejidos con división celular. Sea T DC(k) la clase de los sistemas P reconocedores de tejidos con división celular y cuyas reglas de comunicación tienen longitud a lo sumo k. Teorema. P = PMC T C = PMC T DC(1). Es decir, las clases T C y T DC(1) son presumiblemente no eficientes. Corolario. Son equivalentes: P = NP. Existe, al menos, un problema NP completo que pertenece a PMC T C. Existe, al menos, un problema NP completo que pertenece a PMC T DC(1). Todo problema NP completo pertenece a PMC T C. Todo problema NP completo pertenece a PMC T DC(1). En el tema siguiente veremos que usando sistemas de T DC se pueden resolver eficientemente problemas NP completos.
Computación Bio inspirada Tema IX: Resolución eficiente de problemas NP-completos en Modelos Celulares
Computación Bio inspirada Tema IX: Resolución eficiente de problemas NP-completos en Modelos Celulares Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto. Ciencias de la Computación
Más detallesComputación Bio inspirada Tema VI: Modelos de Computación Celular con Membranas
Computación Bio inspirada Tema VI: Modelos de Computación Celular con Membranas Mario de J Pérez Jiménez Grupo de Investigación en Computación Natural Dpto Ciencias de la Computación e Inteligencia Artificial
Más detallesCálculos en la Naturaleza viva (I)
Cálculos en la Naturaleza viva (I) Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial ETS Ingeniería Informática, Universidad
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 detallesCLASES DE PROBLEMAS. 1) Introducción 2) Problemas de decisión, Lenguajes, Codificación. y la clase NP-Completa. 6) Otras clases de problemas NP-
CLASES DE PROBLEMAS 1) Introducción 2) Problemas de decisión, Lenguajes, Codificación. y la clase NP-Completa. 6) Otras clases de problemas Computers and Intractability NP- guide to the theory of 1. Introducción:
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 detallesTema I: Introducción. Computación Natural
Tema I: Introducción. Computación Natural Planteamiento y resolución de de problemas. Búsqueda de procedimientos sistemáticos. Resolución mecánica de problemas: Transferencia de conocimiento. Apoyo a la
Más detallesAnálisis y Diseño de Algoritmos
Análisis y Diseño de Algoritmos Teoría NP-Completeness DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problemas de Decisión Teoría de NP-Completeness Diseñada para aplicarse solo a problemas
Más detallesComplejidad Computacional
Complejidad Computacional Clasificación de Problemas Teoría de la Complejidad Estudia la manera de clasificar algoritmos como buenos o malos. Estudia la manera de clasificar problemas de acuerdo a la dificultad
Más detallesMODELOS DE COMPUTACIÓN Y COMPLEJIDAD
MODELOS DE COMPUTACIÓN Y COMPLEJIDAD Grado de Ingeniería Informática. Tecnologías Informáticas Mario de J. Pérez Jiménez Grupo de investigación en Computación Natural Dpto. Ciencias de la Computación e
Más detallesLa Jerarquía Polinomial
La Jerarquía Polinomial IIC3810 IIC3810 La Jerarquía Polinomial 1/18 La noción de oráculo Qué tienen en común los problemas CROM y EQUIV? IIC3810 La Jerarquía Polinomial 2/18 La noción de oráculo Qué tienen
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 detallesMODELOS DE COMPUTACIÓN Y COMPLEJIDAD
MODELOS DE COMPUTACIÓN Y COMPLEJIDAD Grado de Ingeniería Informática. Tecnologías Informáticas Mario de J. Pérez Jiménez Grupo de investigación en Computación Natural Dpto. Ciencias de la Computación e
Más detallesAnálisis y Complejidad de Algoritmos. Completitud NP
Análisis y Complejidad de Algoritmos Completitud NP Arturo Díaz Pérez Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Av. Instituto Politécnico Nacional No. 2508 Col. San Pedro
Más detallesTema IV: NP completitud
Tema IV: NP completitud Definición: Un lenguaje L Σ es NP duro sii para cada L NP se tiene que L p L. Proposición 1: Si L 1 es NP duro y L 1 p L 2, entonces L 2 es NP duro. Definición: Un lenguaje L Σ
Más detalles8. Complejidad Computacional
8. Complejidad Computacional Araceli Sanchis de Miguel Agapito Ledezma Espino José A. Iglesias Mar
Más detallesIntroducción a la indecidibilidad
Introducción a la indecidibilidad José M. empere Departamento de istemas Informáticos y Computación Universidad Politécnica de Valencia Lenguajes y problemas Un problema será considerado cualquier cuestión
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 detallesDepartamento de Tecnologías de la Información. Tema 5. Decidibilidad. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 5 Decidibilidad Ciencias de la Computación e Inteligencia Artificial Índice 5.1 Lenguajes reconocibles y decidibles 5.2 Problemas decidibles sobre lenguajes
Más detallesClases de complejidad computacional: P y NP
1er cuatrimestre 2006 La teoría de Se aplica a problemas de decisión, o sea problemas que tienen como respuesta SI o NO (aunque es sencillo ver que sus implicancias pueden extenderse a problemas de optimización).
Más detallesTema 1: Sintaxis y Semántica de la Lógica Proposicional
Tema 1: Sintaxis y Semántica de la Lógica Proposicional Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2010 11 LC, 2010 11 Lógica Proposicional
Más detallesIntroducción a la complejidad computacional
Introducción a la complejidad computacional definida sobre anillos arbitrarios 18 de junio de 2016 Fuente: http://www.utmmcss.com/ Por qué otro modelo? Continuo vs discreto. Intuición interiorizada del
Más detallesProblemas computacionales, intratabilidad y problemas NP completos. Febrero Facultad de Ingeniería. Universidad del Valle
Complejidad Complejidad, in NP completos Facultad de Ingeniería. Universidad del Valle Febrero 2017 Contenido Complejidad 1 2 3 Complejidad computacional Complejidad Introducción En ciencias de la computación
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 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 detallesPROGRAMACIÓN II GEB 16:28
GEB 1 Temas Problemas demostrablemente irresolubles Problemas resolubles Clase P, NP, NP completa y CO-NP Objetivo Que el estudiante logre entender la clasificación de problemas y su importancia para la
Más detallesUn tercer problema NP-completo: Programación entera
Un tercer problema NP-completo: Programación entera Un problema muy estudiado por su utilidad práctica: PROG-ENT = {(A, b) A x b es un sistema de ecuaciones lineales enteras que tiene solución}. Teorema
Más detallesTema III: Modelos de computación molecular basados en ADN
Tema III: Modelos de computación molecular basados en ADN Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad
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 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 detallesCapítulo V: CONJUNTOS RECURSIVAMENTE ENUMERABLES
Capítulo V: CONJUNTOS RECURSIVAMENTE ENUMERABLES Mario de J. Pérez Jiménez Grupo de investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesIntroducción a la Complejidad Computacional
Introducción a la Complejidad Computacional El análisis sobre decidibilidad que hemos hecho nos permite saber qué podemos hacer y qué no podemos hacer. Pero nada sabemos de qué tan difícil resolver los
Más detallesAlgoritmos y Complejidad
IN47B, Ingeniería de Operaciones Contenidos 1 Introducción 2 Analizando Algoritmos 3 Complejidad 4 N P-completitud Qué es un Algoritmo? Qué es un Algoritmo? Definición Un algoritmo es un conjunto de pasos
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 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 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 detallesMáquinas de Turing. Complexity D.Moshkovitz
Máquinas de Turing 1 Motivación Nuestra meta, en este curso, es analizar problemas y clasificarlos de acuerdo a su complejidad. 2 Motivación Nos hacemos preguntas como: Cuánto tiempo tarda en computarse
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR AREA DE CONOCIMIENTO DE CIENCIAS DEL MAR DEPARTAMENTO DE SISTEMAS COMPUTACIONALES
CLAVE LDC847 NOMBRE TEORÍA DE LA COMPUTACIÓN. ÁREA DE CONOCIMIENTO INTERACCIÓN HOMBRE MÁQUINA. SEMESTRE 8 TEÓRICAS 4 PRÁCTICAS 0 CRÉDITOS 8 CARÁCTER DE LA MATERIA OPTATIVA. Teórica SERIACIÓN LDC740 INTRODUCCIÓN
Más detallesMáquinas de Turing Paraconsistentes
Máquinas de Turing Paraconsistentes Juan Carlos Agudelo Agudelo Grupo de Lógica y Computación Universidad EAFIT 5 de febrero de 2010 Juan C. Agudelo (EAFIT) 5 de febrero de 2010 1 / 27 Contenido 1 Motivaciones
Más detallesTema II: Sistemas celulares con membranas. Modelo básico y variantes
Tema II: Sistemas celulares con membranas. Modelo básico y variantes Célula: unidad fundamental de todo organismo vivo. Estructura compleja y, a la vez, muy organizada. Permite ejecución simultánea de
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesComputabilidad y Lenguajes Formales: Teoría de la Computabilidad: Máquinas de Turing
300CIG007 Computabilidad y Lenguajes Formales: Teoría de la Computabilidad: Máquinas de Turing Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Máquina
Más detallesAutómatas Finitos Deterministicos (DFA)
Autómatas Finitos Deterministicos (DFA) Introducción a la Lógica Fa.M.A.F., Universidad Nacional de Córdoba 22//4 Info útil Bibliografía: Introducción a la teoría de autómatas, lenguajes y computación.
Más detallesAutómatas Finitos Deterministicos (DFA)
Autómatas Finitos Deterministicos (DFA) Introducción a la Lógica y la Computación Fa.M.A.F., Universidad Nacional de Córdoba 26/0/6 Info útil Bibliografía: Introducción a la teoría de autómatas, lenguajes
Más detallesReducibilidad. Se dice que f es computable si existe una MT que la computa y que siempre se detiene. f(w)
Reducibilidad Def: Sean L 1, L 2 Σ se dirá que L 1 se reduce a L 2 (L 1 α L 2 ) si existe una función total computable (o recursiva) f: Σ Σ tal que Σ, L 1 f() L 2 Σ Σ L 1 L 1 f() f( ) Se dice que f es
Más detallesComputabilidad y Lenguajes Formales: Teoría de la Computabilidad: Reducibilidad
300CIG007 Computabilidad y Lenguajes Formales: Teoría de la Computabilidad: Reducibilidad Pontificia niversidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Reducibilidad
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 detallesBases biológicas, lingüísticas, lógicas y computacionales para la conceptualización de la mente
Bases biológicas, lingüísticas, lógicas y computacionales para la conceptualización de la mente LLIC-S-2004-01 Ángel Nepomuceno Fernández, Francisco José Salguero Lamillar y Fernando Soler Toscano (editores)
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 detallesTema 5: Programas Universales
Tema 5: Programas Universales Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2006 07 LC, 2006 07 Programas universales 5.1 Procedimientos
Más detallesComputación Bio inspirada Tema III: Estructura del ADN. Los experimentos de Adleman y de Lipton
Computación Bio inspirada Tema III: Estructura del ADN. Los experimentos de Adleman y de Lipton Mario de J. Pérez Jiménez Grupo de Investigación en Computación Natural Dpto. Ciencias de la Computación
Más detallesDATOS DE IDENTIFICACIÓN DEL CURSO
DATOS DE IDENTIFICACIÓN DEL CURSO DEPARTAMENTO: Ciencias Computacionales ACADEMIA A LA QUE PERTENECE: Estructuras y Algoritmos NOMBRE DE LA MATERIA: Teoría de la Computación CLAVE DE LA MATERIA: CC209
Más detallesLa lógica de segundo orden: Sintaxis
La lógica de segundo orden: Sintaxis Dado: Vocabulario L Definición La lógica de segundo orden (LSO) sobre L es definida como la extensión de LPO que incluye las siguientes reglas: Si t 1,..., t k son
Más detallesModelos de Computación y Complejidad PRELIMINARES
Modelos de Computación y Complejidad Grado en Ingeniería Informática. Tecnologías Informáticas PRELIMINARES Mario de J. Pérez Jiménez Dpto. Ciencias de la Computación e Inteligencia Artificial E.T.S. Ingeniería
Más detallesLógica modal computacional
Lógica modal computacional Decidibilidad y complejidad Daniel Gorín y Sergio Mera 1er cuatrimestre de 2010 Cómputos determinísticos Programa Usaremos un modelo de cómputo imperativo (RAM) Podríamos haber
Más detallesTeoría Matemática de la Computación Segundo Problemario Prof. Miguel A. Pizaña 13 de julio de 2016
Teoría Matemática de la Computación Segundo Problemario Prof. Miguel A. Pizaña 13 de julio de 2016 I Máquinas de Turing. 1. Qué es un a Máquina de Turing? Cómo se define? Cómo se llaman las teorías que
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 detallesAutómatas Finitos Deterministicos (DFA) Introducción a la Complejidad Computacional FFHA, Universidad Nacional de San Juan
Autómatas Finitos Deterministicos (DFA) Introducción a la Complejidad Computacional FFHA, Universidad Nacional de San Juan 206 Info útil Bibliografía: Introducción a la teoría de autómatas, lenguajes y
Más detallesTema 4: (Tecnologías Informáticas) Curso Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla
Tema 4: Proposicional Dpto. Ciencias de la Computación Inteligencia Artificial Universidad de Sevilla Lógica Informática (Tecnologías Informáticas) Curso 2015 16 Contenido Los tableros semánticos proporcionan
Más detallesTema 5: Funciones recursivas
Tema 5: Funciones recursivas Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2005 06 LC, 2005 06 Funciones Recursivas 5.1 Procedimientos
Más detallesCiencias de la Computación I
Ciencias de la Computación I Nociones básicas de Computabilidad Problemas y Lenguajes Un problema se describe con un lenguaje Cuanto más formal el lenguaje, más precisa la formulación del problema Los
Más detallesTexto: Hopcroft, J. E., Motwani, R., Ullman, J.D., Introduction to Automata Theory, Languajes, and Computation. 3rd Edition. Addison Wesley, 2007.
Universidad de Puerto Rico Recinto de Mayagüez Facultad de Artes y Ciencias DEPARTAMENTO DE CIENCIAS MATEMÁTICAS Programa de Autómata y Lenguajes Formales Curso: Autómata y Lenguajes Formales Codificación:
Más detallesIndice COMPUTABILIDAD Y COMPLEJIDAD. Introducción. Introducción
COMPUTABILIDAD Y COMPLEJIDAD Belén Pérez Lancho Dpto. Informática y Automática 12-Enero-2006 Computabilidad Introducción Modelos de computación Máquinas de Turing Funciones Recursivas Parciales Conclusiones
Más detallesModelos Avanzados de Computación
UNIVERSIDAD DE GRANADA Departamento de Ciencias de la Computación e Inteligencia Artificial Modelos Avanzados de Computación Práctica 2 Máquinas de Turing Curso 2014-2015 Doble Grado en Ingeniería Informática
Más detallesMáquinas de Turing. Definición 2
Definición 1 La Máquina de Turing (MT) es el modelo de autómata com máxima capacidad computacional: la unidad de control puede desplazarse a izquierda o derecha y sobreescribir símbolos en la cinta de
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesTema 5: Procedimientos para obtener funciones computables
Tema 5: Procedimientos para obtener funciones computables Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2010 11 LC, 2010 11 Procedimientos
Más detallesModelos de Computación y Complejidad. Tema VIII: Modelos de Computación no convencionales
Modelos de Computación y Complejidad Grado en Ingeniería Informática. Tecnologías Informáticas Tema VIII: Modelos de Computación no convencionales Mario de J. Pérez Jiménez Dpto. Ciencias de la Computación
Más detallesMatemática computable
Conjuntos computables - Combinatoria - Álgebra Antonio Montalbán. U. de Chicago Coloquio Uruguayo de Matemática. Diciembre, 2009 Conjuntos computables - Combinatoria - Álgebra 1 Conjuntos computables 2
Más detallesQué sabemos sobre RP co-rp?
Qué sabemos sobre RP co-rp? Tenemos que PTIME RP co-rp Podemos demostrar que PTIME = RP co-rp? IIC3810 Complejidad probabiĺıstica 38 / 44 Qué sabemos sobre RP co-rp? Tenemos que PTIME RP co-rp Podemos
Más detallescomo les va con las practicas?
como les va con las practicas? Problemas NP-completos y Estructuras de datos básicas (representación de datos) mat-151 1 Una maquina de Turing Aceptation state Una maquina de Turing Maquina de Turing Determinística,
Más detallesFundamentos de Ciencias de la Computación
Fundamentos de Ciencias de la Computación Clase 16: Problema de Primer Cuatrimestre de 2005 Departamento de Cs. e Ing. de la Computación Universidad Nacional del Sur Bahía Blanca, Argentina Un problema
Más detallesIntroducción a las Ciencias de la Computación
Introducción a las Ciencias de la Computación Colaboratorio de Computación Avanzada (CNCA) 2015 1 / 22 Contenidos 1 Computación e Informática Caracterización Áreas relacionadas 2 Antecedentes Orígenes
Más detallesComputabilidad y Lenguajes Formales: Teoría de la Computabilidad: Decidibilidad
300CIG007 Computabilidad y Lenguajes Formales: Teoría de la Computabilidad: Decidibilidad Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Lo indecidible
Más detallesOPTIMIZACIÓN EN GRAFOS Y EL PROBLEMA P=NP
OPTIMIZACIÓN EN GRAFOS Y EL PROBLEMA P=NP David Pérez-García Universidad Complutense de Madrid EL PROBLEMA P=NP P VS. NP 1. Es uno de los problemas del milenio. Un millón de dólares. 2. La clase P es la
Más detallesLa mitosis celular: una sorprendente frontera de la eficiencia
14 La mitosis celular: una sorprendente frontera de la eficiencia Mario de J. Pérez Jiménez Resumen. En este trabajo se presenta una frontera entre la eficiencia e ineficiencia de problemas abstractos
Más detallesVariantes del problema de coloreo de grafos
Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 4 de diciembre de 005 Qué es un grafo? Un grafo está formado por un conjunto de vértices y un conjunto de
Más detallesMáquinas de Turing, programas y tesis de Turing-Church
Máquinas de Turing, programas y tesis de Turing-Church Elvira Mayordomo, Universidad de Zaragoza Ilustraciones: Costas Busch, Rensselaer Polytechnic Institute 1 Máquinas de Turing 2 La jerarquía de lenguajes
Más detallesTraductores Push Down
Push Down Extensión de Autómatas Universidad de Cantabria Outline El Problema 1 El Problema 2 3 El Problema Hemos estudiado anteriormente los autómatas con pila y hemos visto su relación con los lenguajes
Más detallesDepartamento de Tecnologías de la Información. Tema 4. Máquinas de Turing. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 4 Máquinas de Turing Ciencias de la Computación e Inteligencia Artificial Índice 4.1 Límites de los autómatas 4.2 Definición de Máquina de Turing 4.3
Más detallesHacia las Gramáticas Propias II
Hacia las Hacia las II Gramáticas sin Ciclos Universidad de Cantabria Outline Hacia las 1 Hacia las 2 3 Definición Hacia las Definición Diremos que una gramática libre de contexto G := (V, Σ, Q 0, P) es
Más detallesPROYECTO DOCENTE ASIGNATURA: "Computabilidad y Complejidad"
PROYECTO DOCENTE ASIGNATURA: "Computabilidad y Complejidad" Grupo: Grupo de CLASES TEORICAS de COMPUTABILIDAD Y COMP.(86578) Titulacion: INGENIERO EN INFORMÁTICA ( Plan 97 ) Curso: 211-212 DATOS BÁSICOS
Más detallesProblemas computacionales, intratabilidad y problemas NP completos. 26 de agosto de Facultad de Ingeniería. Universidad del Valle
Complejidad Complejidad, in NP completos Facultad de Ingeniería. Universidad del Valle 26 de agosto de 2014 Contenido Complejidad 1 2 3 Complejidad computacional Complejidad Notación De acuerdo a la complejidad
Más detallesTeoría Matemática de la Computación Primer Problemario Prof. Miguel A. Pizaña 22 de Febrero de 2007
Teoría Matemática de la Computación Primer Problemario Prof. Miguel A. Pizaña 22 de Febrero de 2007 I Tareas 1. Dudar de todo, al menos una vez en la vida. 2. Qué emociones le produce el teorema de Cantor,
Más detallesORGANIZACIÓN DOCENTE del curso Teoría de Autómatas y Lenguajes Formales. Ayudante LSI. Prac. Problemas (2) Prac. Problemas. Prac.
ORGANIZACIÓN DOCENTE del curso 2008-09 1. DATOS GENERALES DE LA ASIGNATURA NOMBRE Teoría de Autómatas y Lenguajes Formales PÁGINA WEB CÓDIGO 5410 DEPARTAMENTO Matemáticas, Estadística y Computación PLAN
Más detallesGUÍA DOCENTE DE COMPLEJIDAD Y COMPUTACIÓN
GUÍA DOCENTE DE COMPLEJIDAD Y COMPUTACIÓN La presente guía docente corresponde a la asignatura Complejidad y Computación (CyC), aprobada para el curso lectivo 2017-2018 en Junta de Centro y publicada en
Más detallesMáquinas de Turing Definición y descripción
Capítulo 12 Máquinas de Turing 12.1. Definición y descripción Definición 1 Se llama máquina de Turing a toda séptupla M = (Γ,Σ,,Q,q 0,f,F), donde: Γ es el alfabeto de símbolos de la cinta. Σ Γ es el alfabeto
Más detallesDepartamento de Tecnologías de la Información. Tema 3. Autómatas finitos y autómatas de pila. Ciencias de la Computación e Inteligencia Artificial
Departamento de Tecnologías de la Información Tema 3 Autómatas finitos Ciencias de la Computación e Inteligencia Artificial Índice 3.1 Funciones sobre conjuntos infinitos numerables 3.2 Autómatas finitos
Más detallesEl Autómata con Pila
El Autómata con Pila Una Generalización del Autómata Finito Universidad de Cantabria Esquema 1 2 3 4 Los autómatas son abstracciones de maquinas de calcular, como hemos visto. Los más sencillos no tienen
Más detalles5. Propiedades de los Lenguajes Recursivamente Enumerables y de los Lenguajes Recursivos.
5. Propiedades de los Lenguajes Recursivamente Enumerables y de los Lenguajes Recursivos. 5.1 Esquemas de representación de áquinas de Turing. 5.2 Propiedades de cierre. 5.3 Codificación de áquinas de
Más detallesCLASIFICACIÓN DE PROBLEMAS
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO Facultad de Ciencias Exactas y Tecnologías Licenciatura en Sistemas de Información 2009 CLASIFICACIÓN DE PROBLEMAS 1 CLASES DE PROBLEMAS Uno de los resultados
Más detallesAUTÓMATAS DE ESTADO FINITO
AUTÓMATAS DE ESTADO FINITO Orlando Arboleda Molina Escuela de Ingeniería de Sistemas y Computación de La Universidad del Valle 12 de octubre de 2008 Contenido Autómatas de estado finito Concatenación de
Más detallesCapítulo IV: FUNCIONES RECURSIVAS
Capítulo IV: FUNCIONES RECURSIVAS IV.2: FUNCIONES PRIMITIVAS RECURSIVAS Mario de J. Pérez Jiménez Grupo de investigación en Computación Natural Dpto. Ciencias de la Computación e Inteligencia Artificial
Más detallesPROGRAMA DE CURSO. Horas de Trabajo Personal Horas de Cátedra. Resultados de Aprendizaje
Código Nombre CC3102 Teoría de la Computación Nombre en Inglés Theory of Computation SCT es Docentes PROGRAMA DE CURSO Horas de Cátedra Horas Docencia Auxiliar Horas de Trabajo Personal 6 10 3 1.5 5.5
Más detallesCurso: Teoría de la Computación. Unidad 2, Sesión 7: Complejidad computacional
Curso: Teoría de la Computación. Unidad 2, Sesión 7: Complejidad computacional Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay dictado semestre 2-2009
Más detalles