Solución 4, como la ecuación del círculo es por lo que Aplicando algoritmo probabilista, el áera A de un cuarto de círculo r=1 A= funcion calculapi(n:entero):real.

Slides:



Advertisements
Presentaciones similares
Diseño y análisis de algoritmos
Advertisements

Guia ejercicios 5: D&AA Universidad Viña del Mar 1) Calcular la factibilidad de resolver el siguiente estado del juego de 15 Resolver el juego usando el.
Sesión 3 Estructuras Repetitivas
Problemas del método de Newton
Clase 2 Tipos de datos Asignación de valores Estructura IF Ejercicios
Búsqueda con retroceso
Investigación Operativa II Dra. Sandra Gutiérrez.
ESTRUCTURAS REPETITIVAS
KRIGING.
INFERENCIA ESTADISTICA
Preguntas tipo test (I)
Estructuras de Control
Estructuras de control
Solución de problemas por búsqueda inteligente
REPRESENTACIÓN GRÁFICA DE ALGORITMOS
Fundamentos de Programación
ESTRUCTURAS REPETITIVAS CICLOS O BUCLES EL MIENTRAS Y EL PARA
Complejidad Problemas NP-Completos
El algoritmo primal-dual
Analisis y Diseño de Algoritmos Tema: Grafos 3ra Parte
Juan José Cortés Orozco. Antonio Muñoz Torres.
Ejercicios de funciones
Programación de Computadores
Programación entera y grafos
Grafos. Un Grafo G es un par de conjuntos (V, E), donde V es un conjunto no vacío de elementos llamados vértices o nodos y E es un conjunto formado por.
Clase 2, Parte 2: Métodos Tradicionales de Optimización y Búesqueda
Coloración de Grafos Planos
Optimización Combinatoria usando Algoritmos Evolucionistas Problemas de Optimización. Idea: Encontrar una solución "factible" y "óptima" de acuerdo a algún.
Resolución de Problemas Método Simplex
Algoritmos numéricos. Método de “aproximación sucesiva”: se genera una hipótesis sobre la respuesta y en cada iteración se utiliza dicha hipóte- sis para.
Single-Source Shortest Paths “Camino más corto desde/hacia una fuente”
Problemas de Decisión y Optimización
Diseño y análisis de algoritmos
Complejidad de los problemas de decisión
Parte I. Estructuras de Datos.
Sesión 6: Campos de Markov
Sesión 5 Sentencias de Selección y repetición Prof:Eridan Otto Programación de Computadores Lenguaje Pascal.
Diseño y análisis de algoritmos
Diseño y análisis de algoritmos
Algoritmos de Búsqueda Simulated Annealing Es un algoritmo de Hill­Climmbing estocástico. Inspirado en el proceso físico (Termodinámica) de enfriamiento.
Diseño y análisis de algoritmos
Teoría – Alejandro Gonzalez
Estructura de Control Repeticiones(Loops) Ejercicios
Agustín J. González ELO320: Estructura de Datos y Algoritmos
Diseño y análisis de algoritmos
Parte I. Estructuras de Datos.
Problemas de grafos y Tratabilidad Computacional1  Reconocimiento (recognition)  Isomorfismo (isomorphism)  Conjunto Independiente Máximo (maximum independent.
Tema 12. Backtracking. 1. Método general.
Parte I. Estructuras de Datos.
Tema 10: Algoritmos voraces
Agustín J. González ELO320: Estructura de Datos y Algoritmos
Diseño y análisis de algoritmos
TEMA 5: El problema del flujo con costo mínimo
Objetivo Mostrar los fundamentos de la programación a través de ejemplos y prácticas utilizadas cotidianamente en el desarrollo de aplicaciones.
Flujo en redes Def: una red N es un grafo orientado conexo que tiene dos nodos distinguidos una fuente s con grado de salida positivo y un sumidero t con.
Arquitectura de computadoras
Investigación Algorítmica
UNIDAD 2 Grafos Árboles abarcadores mínimos Caminos más cortos.
Se pueden incluir comentarios en cualquier parte de un programa pero deben delimitarse con llaves o con paréntesis y asterisco:
Ecuaciones Lineales.
ESTRUCTURAS REPETITIVAS
Actualizado agosto 2010 por Guiomar Mora de Reyes
Ecuaciones y Desigualdades con Valor Absoluto
Clase 106. Sean a, b, r, y s (a>0, b>0) números reales cualesquiera, entonces se cumple: 1 ) a r  a s = a r+s 2 ) a r  b r = (a  b) r 3 ) a r : a s.
Recorridos de grafos M.C. Meliza Contreras González.
Recorridos de grafos Segunda Parte M.C. Meliza Contreras González.
INTRODUCCIÓN A LA PROGRAMACIÓN ORIENTADA A OBJETOS Arreglo.
ESTRUCTURAS SELECTIVAS Elaborado por; Ing. Alberto Pérez.
Algoritmo Genético para la solución del problema SAT René Clemente Juárez Angel Felipe Lara Valladares Junio 2012.
Transcripción de la presentación:

Solución 4, como la ecuación del círculo es por lo que Aplicando algoritmo probabilista, el áera A de un cuarto de círculo r=1 A= funcion calculapi(n:entero):real variables suma,x:real;i:entero inicio suma:=0.0; para i:=1 hasta n hacer x:=uniforme(0,1); suma:=suma+raiz(1-x*x) fin-para devuelve 4*(b-a)*(suma/n) fin Solución 5, si es 0.6 correcto, entonces es correcto. Se quiere un 99.9%, por lo tanto correcto. Basta resolver la ecuación Por lo que con 8 iteraciones se cumple

Solución 6, la diferencia es que el primero puede fallar con cierta probabilidad, sin indicar la falla, mientras que el segundo al fallar, indica que falla. Solución 7, la divisón por 2 debe ser ahora un entero aleatorio Procedure qsort(L,R:index); Var i,j:index;w,x:item; BEGIN i:=L;j:=R; x:= d[uniforme_entero(L,R)] REPEAT WHILE d[i] < x DO i:=i+1; WHILE d[j] > x DO j:=j-1; Solución 8 Implementación Sea G[1..n,1..n] grafo con valor distancia en G[i,j]=G[j,i], 0 en caso G[i,i]. Sea S conjunto de nodos visitados y C conjunto de nodos por visitar Sea d distancia del tour. FUNCION TSP(G[1..n,1..n]):distancia d:=0 S:={1} ; C:={2....n}; v:=1 MIENTRAS NOT S contiene n nodos HACER Elegir aleatoriamente w en C distmin:=G[v,w] c:=w S:=S {c} ; C:=C-{c}; v:=c; d:=d+ distmin; FIN –Mientras d:=d+ G[1,v] //la solución esta asegurada la optimalidad no Retorne distancia

Implementación encriptación Sea mo[1..n] de palabras o strings, mensaje orignal Sea llave.priv archivo con un número aleatorio por palabra (llave simétrica) Sea me[1..n] de palabras o strings, mensaje encriptado FUNCION genllave(ent mo[1..n], sal me[1..n]):archivo de números inicio Variables i,j,r:entero;llave.priv: archivo; abrir(llave.priv,escritura) DESDE i:=1 A n HAHCER r:= uniforme_entero(1,50) escribir(llave.priv,r) DESDE j:=1 A largo(mo[i]) HACER me[i][j]:=ASCCI(mo[i][j])+r FIN-DESDE Retorne llave.priv Fin Implementación desencriptación Sea mo[1..n] de palabras o strings, mensaje orignal Sea llave.priv archivo con un número aleatorio por palabra (llave simétrica) Sea me[1..n] de palabras o strings, mensaje encriptado FUNCION genllave(sal mo[1..n], ent me[1..n],ent llave.priv:archivo) inicio Variables i,j,r:entero; abrir(llave.priv,lectura) DESDE i:=1 A n HAHCER leer(llave.priv,r) DESDE j:=1 A largo(me[i]) HACER mo[i][j]:=ASCCI(me[i][j])-r FIN-DESDE Retorne mo Fin Ejercicio 9, visto en clases. Solución 10:

Implementación verificación TSP Sea sol[1..n+1] los nodos de la solución Sea G[1..n,1..n] grafo con valor distancia en G[i,j]=G[j,i], 0 en caso G[i,i]. Sea S conjunto de nodos visitados Sea d distancia del tour. FUNCION TSP(G[1..n,1..n],d,sol[1..n+1]):boolean Inicio variables dist,i:entero; circuito:boolean dist:=0;i:=1;circuito :=true; S:=sol[i] ; MIENTRAS i <= n and circuito HACER v:=sol[i];w:=sol[i+1] SI sol[i+1] NOT en S or sol[1]=sol[i+1] ENTONCES dist := dist +G[v,w] S:=S + {w} i:=i+1 SINO circuito:=FALSE FIN-SI FIN –Mientras Retorne circuito AND dist <= d Fin La verificación se hace en tiempo polinomial aprox Ejercicio 11, visto en clases. Solución 12:

Implementación verificación Problema SAT, asumiendo FNC Sea sol[1..n] de tipo booleano, dobde cada s[i] corresponde al valor de una variable o literal de sat Sea SAT[1..n,1..k] donde n son las variables y k cláusulas, donde 1 variable normal, 0 variable negada,-1 variable no participa Devuelve verdadero si es satisfacible, para los valores de la solución sol FUNCION AlSAT(SAT[1..n,1..k],r,sol[1..n]):boolean Inicio variables i,j:entero; clausulaOK:boolean clausulaOK :=FALSE; DESDE i = 1 A k HACER clausulaOK :=FALSE DESDE j = 1 A n HACER {para una clausula se revisan todas las posibles variables} clausulaOK :=FALSE SI SAT[i,j]=1 ENTONCES var=sol[j] FIN-SI SI SAT[i,j]=0 ENTONCES var=NOT sol[j] FIN-SI clausulaOK := clausulaOK OR var FIN-DESDE SI NOT clausulaOK ENTONCES i=k+1 FIN-SI FIN-DESDE Retorne clausulaOK Fin La verificación se hace en tiempo polinomial aprox Ejercicio 13 :

Implementación transformación Cricuito Hamiltoniano a TSP Sea H[1..n,1..n] grafo original sin distancias G[i,j]=G[j,i], 0 en caso G[i,i]. 1 en caso de arco Sea G[1..n,1..n] grafo con transformado, con distancias 1 arcos de H y 2 nuevos arcos, en G[i,j]=G[j,i], 0 en caso G[i,i]. Sea S conjunto de nodos visitados Sea d distancia del tour. FUNCION GenTSP(ent H[1..n,1..n],sal G[1..n,1..n]) Inicio variables i,j:entero; DESDE i = 1 A n HACER DESDE j = 1 A n HACER SI i=j ENTONCES G[i,j]=0 SINO SI H[i,j]=1 ENTONCES G[i,j]=H[i,j] SINO G[i,j]=2 FIN-SI FIN-DESDE Retorne G[1..n,1..n] Fin La transformación se hace en tiempo polinomial aprox Ejercicio 14 : Ejercicio 15 : al ser 1.5(10) aproximado, significa r(10)=1.5, F(I)/F*(I)=F(I)/200 <=1.5 Por lo que en el mejor de los casos F(I)=300 Ejercicio 16: absoluto F(I)=5, un problema de minimización F*(I)= 5-2=3 es el óptimo.