1 INTELIGENCIA ARTIFICIAL II
Clasificaci ó n de problemas algor í tmicos
3 Complejidad Computacional La teor í a de la complejidad computacional consiste en clasificar los problemas que pueden o no, ser resueltos con una cantidad determinada de recursos. Distinguiremos entre los problemas que puede ser resueltos por alg ú n algoritmo en tiempo polin ó mico y los problemas para los cuales no conocemos ning ú n algoritmo polin ó mico.
4 Problemas P Son todos aquellos problemas que son solubles en tiempo polin ó mico por una m á quina de Turing determinista. A grandes rasgos, P corresponde a la clase de problemas que, de manera realista, son solubles en una computadora. Ejemplos: Multiplicaci ó n matricial. Algoritmo de las Torres de hanoi.
5 Problemas NP Son todos aquellos problemas que son solubles en tiempo polin ó mico por una m á quina de Turing no determinista. Ejemplos: Coloraci ó n de grafos. M é todo de b ú squeda secuencial Problema Clique.
6 Problemas NP-Dif í cil Son todos aquellos problemas que son intratables de manera exacta. Pueden ser evaluados y aproximados con algoritmos heur í sticos. Ejemplo: Problema del agente viajero. Problema de la mochila.
7 Seg ú n el tipo de respuesta Problemas de Decisi ó n: Aquellos que se puede responder con un si o un no, a una determinada pregunta. Problemas de Localizaci ó n: Aquellos en los que se necesita encontrar una estructura que verifique las restricciones de un problema. Problemas de Optimizaci ó n: Aquellos que verifiquen las restricciones de un problema y adem á s optimice un criterio pre-definido.