Asignación de Horarios

Slides:



Advertisements
Presentaciones similares
Inteligencia artificial y sus aplicaciones
Advertisements

ALGORITMOS GENETICOS EVOLUCIÓN DE UNA POBLACIÓN DE
Diseño y análisis de algoritmos
Diseño y análisis de algoritmos
Sistema de Selección de Proyectos de Inversión Inmobiliaria
Algoritmo GENETICO.
Grupo 4 Matías Melgar Pablo Carbonell
“Impulsando la Sociedad
TRABAJO DE TITULO Aplicación de Apoyo a la Gestión de Horarios de Clases del Colegio Piamarta INTEGRANTES : Álvaro Aguilar. Juan Enrique Bello. Claudia.
AGENDA INTRODUCCIÓN. TEORIA Y DESARROLLO DE LA APLICACIÓN.
COMPONENTIZACIÓN DE ALGORITMOS GENETICOS Y SU IMPLEMENTACIÓN EN UNA PLATAFORMA ABIERTA PARA APRENDIZAJE COMPUTACIONAL.
Telekom Solutions.
Investigación Algorítmica
Definición Machine learning traducido al español significa el aprendizaje automático o también aprendizaje de las maquinas. A partir de esto podemos darle.
Metaheurísticas para el Diseño de Redes Multioverlay Robustas
Clase # 8: Análisis Conformacional (II)
UNIVERSIDAD LATINA (UNILA) II.- ANALISIS DE ALGORITMOS
Ajustando el Algoritmo al problema Universidad Nacional Oscar Lozano.
INTELIGENCIA ARTIFICIAL
K-Means Integrantes Natalia Merino (85828) Gastón Sabatelli (85523)
“En lugar de envidiar la naturaleza debemos emularla” Holland
Sistemas Inteligentes Algoritmos Geneticos
Algoritmos Genéticos (AG) Integrantes: Rubén Levineri Miguel Rozas Juan Yañez Faltan autores y bibliografía.
Búsqueda de Aproximaciones: Algoritmos
 La resolución de problemas algorítmicos no solamente implica que los informáticos sepan programar sino necesitan de otras habilidades como tener una.
Alumno: Jorge Ahumada A. Profesor Guía : Nelson Baloian T.
Clases 4 Pruebas de Hipótesis
Capítulo 4 BUSQUEDA INFORMADA.
Introducción al análisis de algoritmos

Diseño y análisis de algoritmos
Parte II. Algorítmica. 3. Algoritmos voraces.
COMPUTACION EVOLUTIVA Introducción. Computación Evolutiva: Computación Evolutiva: Enfoque alternativo para abordar problemas complejos de: Enfoque alternativo.
Scheduling Problem ¿Cuándo y dónde debo hacer cada trabajo ?
Algoritmos de Búsqueda Simulated Annealing Es un algoritmo de Hill­Climmbing estocástico. Inspirado en el proceso físico (Termodinámica) de enfriamiento.
complejidad de un problema.
METODOS DE BUSQUEDA INFORMADOS CAPITULO 5
Algoritmos Geneticos con Redes Neuronales
1 Introducción a la Computación para Biólogos, Bioquímicos, Médicos, etc.
Algoritmos genéticos Introducción Esquema básico Codificación
Sistema De Apoyo A La Asignación De Horarios De Clases Para El Colegio Piamarta UCINFSantiago, 18 de Noviembre 2006 Darío Díaz Videla iii. Teoría Enfoques.
Análisis y Diseño de Algoritmos
Una introducción a la computación evolutiva
AGENDA INTRODUCCIÓN. TEORIA Y DESARROLLO DE LA APLICACIÓN.
“Sistema De Apoyo A La Asignación De Horarios De Clases Para El Colegio PIAMARTA” Integrantes :- Claudia Cornejo. - Álvaro Aguilar. - Juan Enrique Bello.
Trabajo de Graduación “SISTEMA DE PLANEACIÓN AVANZADO (APS) PARA DETERMINAR LA UBICACIÓN ÓPTIMA DE CAPACITORES EN UNA RED DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA.
Propuesta del algoritmo
Presentación de Avances Seminario de Titulo
Mary C. Jarur M. ww.udec.cl/~mjarur
Tema 10: Algoritmos voraces
Incorporando Búsqueda Local a un Algoritmo ACO para el Problema de Scheduling de Tardanza Ponderada Lasso M., de San Pedro M Laboratorio de Tecnologías.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
ALEXANDER PEREZ FREDERICK MEJIA. Son una serie de esquemas de representación del conocimiento, que mediante diversos algoritmos permite resolver ciertos.
Investigación Algorítmica
Optimización Combinatoria y Grafos Búsqueda Tabú
El Poder de la Sonrisa.
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
Presentación de Avances Seminario de Titulo Álvaro Aguilar Claudia Cornejo Juan Bello Sistema De Apoyo A La Asignación De Horarios De Clases Para El Colegio.
Otros Tipos de Ecuaciones
ALGORITMOS GENETICOS.
Escuela de Ciencias Basicas, Tecnología e Ingeniería
Ing. Uziel Quiroz Castañeda Blanca Esthela Carranza Ortega 8º Semestre Junio/2013.
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
Investigación Algorítmica ChasquiSoft. Integrantes Contreras Ames, Roy Carlos Gaspar Calle, Ronald Urlich Ames, Rafael Paredes.
La clase P juega un papel importante en la teoría de la complejidad computacional debido a que: 1. P es invariante para todos los modelos de cómputo que.
1.2 CONCEPTOS Y TÉCNICAS (Estado del Arte)
Problemas P, NP y NP-Completos CLASE P Los algoritmos de complejidad polinómica se dice que son tratables en el sentido de que suelen ser abordables en.
PROBLEMAS ALGORITMICOS.  Los programadores deben ser capaces de diseñar una solución de tal manera que puedan resolver los problemas planteados.  Estos.
Algoritmo Genético para la solución del problema SAT René Clemente Juárez Angel Felipe Lara Valladares Junio 2012.
Transcripción de la presentación:

Asignación de Horarios Problema común a las instituciones educacionales. Gran cantidad de soluciones posibles. Diferente grado de optimización de cada una. Gran cantidad de recursos ocupados en la solución. Gran cantidad de combinaciones

Np-Completo Algoritmos que tienen como máximo una complejidad o coste computacional polinómico, es decir, la relación entre el tamaño del problema y su tiempo de ejecución es polinómica. Son agrupados en el conjunto P. Los problemas con coste factorial o combinatorio están agrupados en NP. Problemas NP no tienen una solución práctica, es decir, no se puede resolverlos en un tiempo razonable.

Heurística Heurística es la capacidad de un sistema para realizar de forma inmediata innovaciones positivas para sus fines. Favorece el tiempo de proceso en desmedro de la precisión de los resultados. Es un enfoque para abordar problemas NP.

Algoritmo Genético Pertenece al enfoque Heurístico para afrontar el problema de asignación de horarios. Se inspiran en la evolución biológica y su base genético-molecular. es un método de búsqueda dirigida basada en probabilidad. Converge en probabilidad al óptimo. Al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1.

Funcionamiento Inicializar aleatoriamente una población de soluciones a un problema, representadas por una estructura de datos adecuada. Evaluar cada una de las soluciones, y asignarle una puntuación según lo bien que lo hayan hecho. Mutar y Cruzar las diferentes soluciones de esa parte escogida, para reconstruir la población. Repetir un número determinado de veces, o hasta que se haya encontrado la solución deseada Escoger de la población la parte que tenga una puntuación mayor. Iniciar Población Evaluar y asignar puntaje Escoger Mejores Puntajes Mutar y Cruzar Repetir

Pre-kinder A … Pre-kinder F Distribución de Datos Ciclo 1 Ciclo 3 Ciclo 2 Ciclos Niv1 Niv2 Niv3 Niv4 Niv5 Niv6 Niv7 Niv8 Niv9 Niv10 Niv11 Niv12 Niv13 Niv14 Nivel Pre-kinder A … Pre-kinder F Kinder A … Kinder I 1A … 1J 2A … 2K 3A … 3K 4A … 4K 5A … 5K 6A .. 6L 7A … 7K 8A .. 8 J 1A .. 1J 2A … 2J 3A … 3J 4A … 4J Cursos Colegio

Ejemplo Aquí una animación

Ejemplo Aquí una animación

Ejemplo Aquí una animación

Ejemplo Aquí una animación

Ejemplo Aquí una animación

Modelo de la Aplicación GenHor Base de Datos Algoritmo Genético Informes Gestión de Datos

Modelo Lógico

Ejemplo real