Algoritmos Voraces.

Slides:



Advertisements
Presentaciones similares
Representación del conocimiento
Advertisements

IDENTIFICACIÓN Y SELECCION DE ALTERNATIVAS
Diseño y análisis de algoritmos
Planificación de Monoprocesadores
OPTIMIZACIÓN Simulación computacional permite adecuada optimización energética de edificios.
Algoritmo GENETICO.
Búsqueda con retroceso
PRESENTACIÓN DEL PROYECTO EVALUACIÓN PARTICIPATIVA PARA EL DESARROLLO ECONÓMICO LOCAL (EPADEL) PRESENTACIÓN DEL PROYECTO EVALUACIÓN PARTICIPATIVA PARA.
“8 Principios de la Gestión Administrativa”
COMPONENTIZACIÓN DE ALGORITMOS GENETICOS Y SU IMPLEMENTACIÓN EN UNA PLATAFORMA ABIERTA PARA APRENDIZAJE COMPUTACIONAL.
Telekom Solutions.
Investigación Algorítmica
UNIVERSIDAD LATINA (UNILA) IV. IMPLANTACION DE ALGORITMOS.
Métodos Programación dinámica Función Costo Ponderación
Búsqueda Informada Heurísticas.
Inteligencia Artificial Búsqueda informada y exploración
Metaheurística ACO Aplicada a Problemas de Planificación en Entornos Dinámicos de San Pedro M., Pandolfi D., Lasso M., Villagra A. Laboratorio de Tecnologías.
Algoritmos Genéticos (AG) Integrantes: Rubén Levineri Miguel Rozas Juan Yañez Faltan autores y bibliografía.
El algoritmo primal-dual
Propuesta del algoritmo
Antonio H. Escobar Zuluaga Universidad Tecnológica de Pereira - Colombia 2014 Introducción a la Optimización matemática Antonio H. Escobar Zuluaga Universidad.
Trabajo presentado por: LUIS FERNANDO OBANDO ING
Capítulo 4 BUSQUEDA INFORMADA.
PROGRAMACION DINAMICA
Ing. Fabián Ruano.  Definición  Diferencias con BD Centralizadas.
Optimización, Búsqueda Heurística
Problemas de Decisión y Optimización

M.S.C. Ivette Hernández Dávila
Diseño y análisis de algoritmos

S.S.D. Toma de Decisiones “ Identificación y elección de un curso de acción entre alternativas, para tratar un problema concreto o aprovechar una oportunidad.
(Organización y Manejo de Archivos)
Parte II. Algorítmica. 3. Algoritmos voraces.
A. Villagra, D. Pandolfi LabTEm: Laboratorio de Tecnologías Emergentes Universidad Nacional de la Patagonia Austral Unidad Académica Caleta Olivia G. Leguizamón.
SISTEMA DE INFORMACION GERENCIAL
Diseño y análisis de algoritmos
Redes Asociativas.
Planificación y Gestión de procesos
Programación Lineal Entera Antonio H. Escobar Z Universidad Tecnológica de Pereira – Colombia Posgrado en Ingeniería Maestría en Ingeniería Eléctrica.
Experimentación Numérica
Métodos de Análisis Ingenieril
Parte I. Estructuras de Datos.
Una introducción a la computación evolutiva
Propuesta del algoritmo
Métodos de diseño de Algoritmos
1 Problemas de decisión Tipo particular de problemas de optimización Sistemas que evolucionan con el tiempo Se toman decisiones en momentos sucesivos de.
Parte I. Estructuras de Datos.
Tema 10: Algoritmos voraces
 En el siguiente trabajo se explicará cuales son los fundamentos de la planeación, la toma de decisiones.  La toma de decisiones es un paso fundamental.
Incorporando Búsqueda Local a un Algoritmo ACO para el Problema de Scheduling de Tardanza Ponderada Lasso M., de San Pedro M Laboratorio de Tecnologías.
Una Estructura en Cascada para Prediccion Lineal Adaptiva Presentado por: Guillermo Dalla Vecchia ) Martes 14 de Setiembre, 2003.
L. E. Sucar / Alberto Reyes
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
OPTIMIZACIÓN Simulación computacional permite adecuada optimización energética de edificios.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
I-4-1 Ambito del proyecto Es la primera actividad de la planificación del proyecto. La especificación del ámbito del software debe estar delimitada. El.
ALGORITMO QUE ES ??.
MADRID, DE MAYO DE 2012 Ref: DPI / Motivación 1 Tener un modelo operativo del entorno es esencial para el funcionamiento de un robot móvil.
POLÍTICAS TURÍSTICAS Y DESARROLLO REGIONAL. PLANEACIÓN Involucra la necesidad de cambiar la situación actual por otra supuestamente mejor, y para ello.
INVESTIGACION OPERATIVA
Programa Prometeo – Escuela Superior Politécnica de Chimborazo 1 Máster Universitario en Informática Interactiva y Multimedia Ángel Velázquez Sesión 5:
Introducción a los TADs
Heurística. Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de abstacción dado, como procesos computacionales de algún.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a través de ecuaciones.
Programación I Prof. Carolina Cols. Algoritmo es una lista bien definida, ordenada y finita de operaciones que permite hallar la solución a un problema.
PROCESO ADMINISTRATIVO
Algoritmos voraces Códigos de Huffman. Descripción del problema Tenemos un archivo de entrada. Asumiremos que el archivo está compuesto de bytes (enteros.
Transcripción de la presentación:

Algoritmos Voraces

Algoritmos Voraces Descripción Normalmente usados en problemas de optimización. Conjunto de algoritmos que toman decisiones basándose en la información disponible inmediatamente. Sin tener en cuenta los efectos de las decisiones en el futuro. Dado un conjunto de elementos de entrada se van seleccionando o desechando estos para formar un conjunto de elementos que cumplan con la restricciones. Un algoritmo voraz no encuentra siempre una solución optima, pero muchas veces la logra.

Algoritmos Voraces Forma General Forma Adaptada

Algoritmos Voraces Aplicaciones Búsqueda de caminos mínimos sobre grafos. Códigos de Huffman. Problema de selección de actividades. Problema de la minimización de tiempos de espera. Problema del viajante de comercio.

Algoritmos Voraces Ventajas Desventajas Rapidez en hallar una solución, cuando la encuentran. Algoritmos Voraces Ventajas El algoritmo voraz arroja soluciones que están muy cerca de las soluciones exactas. Rapidez en hallar una solución, cuando la encuentran. Moderado costo computacional. De implementación sencilla. Desventajas El enfoque que aplican es muy corto y toma decisiones basándose en la información que tienen disponible de modo inmediato, sin tener en cuenta los efectos que estas decisiones puedan tener en el futuro. Se estancan en óptimos locales de las funciones que pretenden optimizar y quizá no analizan vecindades más allá del criterio, por lo que pueden estar dejando de considerar al óptimo global