Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF

Tamanho: px
Começar a partir da página:

Download "Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF"

Transcrição

1 Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF

2 No capítulo anterior... Estratégias de busca auxiliadas por heurísticas (A*, BRPM) Subida de encosta; Algoritmos genéticos; Agentes on-line em ambientes desconhecidos. 2

3 Capítulo 6 Problemas de satisfação de restrições

4 Satisfação de restrições Em certos problemas, os estados e teste de objetivo obedecem a uma representação padrão, estruturada e simples. Nestas situações, podem ser definidos algoritmos de busca que, utilizando a estrutura de estados, utilizam heurísticas generalistas, ao invés de heurísticas específicas para cada problema. A representação padrão do teste de objetivo revela a estrutura do próprio problema, o que nos leva a métodos de decomposição do mesmo. 4

5 Problema de satisfação de restrições Um problema de satisfação de restrições (PSR) é definido por: Um conjunto de variáveis: X1, X2,..., Xn; Um conjunto de restrições: C1, C2,... Cn; Cada variável Xi tem um domínio Di, não-vazio, de valores possíveis; Cada restrição Ci envolve algum subconjunto das variáveis e especifica as combinações de valores permitidas para aquele subconjunto.; 5

6 Problema de satisfação de restrições Um estado do problema é definido por uma atribuição de valores a alguma ou a todas as variáveis {Xi = vi, Xj = vj,...}; Uma atribuição que não viola nenhuma restrição é chamada de atribuição consistente ou válida; Atribuição completa é aquela em que toda variável é mencionada; Finalmente, uma solução para um PSR é uma solução completa que satisfaz todas as restrições. Em alguns casos, um PSR também exige uma solução que maximize uma função objetivo. 6

7 Exemplo PSR Neste capítulo, vamos usar o mapa da Austrália, dividido por seus principais territórios e estados. Em vários PSRs, utilizaremos uma visualização como um grafo de restrições. 7

8 Exemplo PSR O problema consiste em colorir o mapa com as cores vermelho, verde ou azul, de forma que nenhuma região vizinha tenha a mesma cor A representação como um PSR é da seguinte forma: Variáveis : uma para cada região: WA, NT, SA, NSW, V, Q e T Domínio das variáveis: vermelho, verde, azul Restrições: regiões vizinhas tenham cores distintas Na representação por grafo de restrições, os nós correspondem a variáveis e os arcos correspondem a restrições 8

9 Exemplo PSR Esta é a representação de uma possível solução do problema, mas certas dúvidas de como obtivemos esta solução permanecem: 9

10 Exemplo PSR Se uma variável é atribuída a cada passo, o quão profunda é a busca? Qual o número de possíveis atribuições, incluindo as que violam restrições? Qual o tamanho total do espaço de estados? Quais seriam os estados sucessores inválidos da atribuição {WA = vermelho}? Quais seriam os estados sucessores válidos da atribuição {WA = vermelho}? 10

11 Representação PSR A representação PSR segue o mesmo padrão visto anteriormente para a construção de um espaço de estados: Estado inicial: atribuição vazia { }, na qual todas as variáveis são não-atribuídas; Função sucessor: um valor pode ser atribuído a qualquer variável não-atribuída, desde que ela não entre em conflito com variáveis atribuídas anteriormente Teste deobjetivo: A atribuição corrente é completa Custo de caminho: Um custo constante (p. ex., 1) para todo passo 11

12 Representação PSR Toda solução deve ter uma atribuição completa, logo, aparece na profundidade n se existem n variáveis, estabelecendo uma profundidade máxima para a árvore de busca Esta característica torna o algoritmo de busca em profundidade popular para ospsrs Os problemas mais simples de PSR envolvem variáveis discretas e que têm domínios finitos, como a coloração de mapas e o problema das rainhas (as variáveis são as posições de cada rainha nas colunas domínio de 1 a 8) 12

13 Representação PSR Em PSRs de domínios finitos estão os PSRs booleanos Variáveis discretas podem ter domínios infinitos, como o conjunto de inteiros as restrições não podem ser enumeradas através de todas as combinações possíveis, deve ser especificada uma linguagem de restrições Por exemplo, se uma atividade1 demora 5 dias, e deve preceder uma atividade3, deve haver uma regra do tipo atividade1 + 5 atividade3 13

14 Representação PSR Os problemas de restrições com domínios contínuos são muito comuns em aplicações práticas e são estudados no campo da pesquisa operacional A categoria de PSRs de domínios contínuos são os problemas de programação linear 14

15 Restrições PSR As restrições podem ser classificadas como: Unárias: restringe o valor de uma única variável (por exemplo, Queensland pode só aceitar a cor azul), ó que é resolvido fazendo o pré-processamento do domínio da variável, removendo qualquer valor que viole a restrição Binárias: relacionam duas variáveis; por exemplo, cor (Queensland) cor(south Australia) De alta ordem: quando envolvem três ou mais variáveis, por exemplo, problemas criptoaritméticos De preferência: quando certas atribuições têm prioridade sobre outras; p. ex., podemos dizer que vermelho é melhor do que verde no problema de coloração de mapas 15

16 Exemplo restrições PSR Em muitas situações, o uso de variáveis auxiliares pode auxiliar na resolução do problema Em quebra-cabeças criptoaritméticos, cada letra representa um dígito diferente Exemplo: T W O + T W O F O U R Restrições: seis variáveis diferentes (F, T, O, W, U, R) Restrições de adição: O + O = R + 10 * X1 X1 + W + W = U + 10 * X2 X2 + T + T = O + 10 * X3 X3 = F 16

17 Exemplo restrições PSR X1, X2 e X3: variáveis auxiliares, representando o dígito transportado para a coluna seguinte Restrições de alta ordem podem ser representadas através de um hipergrafo de restrições 17

18 Exemplo restrições PSR Uma possível solução: F = 1, pois é o único dígito de dezena possível da soma de dois dígitos Quanto aos outros valores: T = 7; O = 4; R = 8; W = 3; U = 6. Este é um quebra-cabeça criptoaritmético fracamente definido, pois dadas às restrições permite múltiplas respostas. Outros, como S E N D + M O R E = M O N E Y é fortemente definido, com somente uma resposta válida (para casa) 18

19 Busca com retrocesso (backtracking) para PSRs Com a definição apresentada, um PSR pode ser resolvido como um problema de busca, usando-se qualquer dos algoritmos dos capítulos anteriores Suponhamos que seja usada a busca em largura; para um problema de n variáveis com domínio máximo de d (isto é, os valores que cada variável pode assumir), o fator de ramificação é de n*d; no próximo nível será de (n-1)*d, e assim sucessivamente, até gerar uma árvore com n!*d n folhas, sendo que seriam possíveis somente d n atribuições completas!!! 19

20 Busca com retrocesso para PSRs Nossa formulação até agora ignorou um fator importante, comum a todos os PSRs: a comutatividade Dizemos que o problema é comutativo se a ordem de aplicação de qualquer conjunto de ações dado não tem nenhum efeito sobre o resultado Portanto, os algoritmos de busca de PSRs geram sucessores considerando atribuições possíveis apenas para uma única variável em cada nó da árvore de busca Como um exemplo simples, na coloração do mapa da Austrália, poderíamos começar com uma escolha entre WA = vermelho, WA = azul e WA = verde, mas não entre WA = verde e SA = azul 20

21 Busca com retrocesso para PSRs A expressão busca com retrocesso é utilizada para indicar uma busca em profundidade que escolhe valores para uma variável de cada vez e que efetua o retrocesso quando uma variável não tem valores válidos restantes a serem atribuídos O algoritmo, além de usar o método de geração de um sucessor incremental de cada vez, ele estende a atribuição corrente para gerar um sucessor, ao invés de copiá-lo 21

22 Algoritmo simples com retrocesso para o PSR função PESQUISA-COM-RETROCESSO(psr) retorna uma solução ou falha retornar RETROCESSO-RECURSIVO({ }, psr); função RETROCESSO-RECURSIVO(atribuiçao, psr) retorna uma solução ou falha se atribuição é completa então retornar atribuição var SELECIONAR-VARIÁVEL-NÃO-ATRIBUÍDA(VARIÁVEIS[psr], atribuição, psr) para cada valor em VALORES-DE-ORDEM-NO-DOMÍNIO(var, atribuição, psr) faça se valor é consistente com a atribuição de acordo com RESTRIÇÕES[psr] então adicionar {var = valor} a atribuição resultado RETROCESSO-RECURSIVO(atribuição, psr) seresultado falha então retornar resultado remover { var = valor} da atribuição retornar falha 22

23 Exemplo de retrocesso 23

24 Exemplo de retrocesso Neste ponto, o algoritmo retrocede até um nó com estados inexplorados 24

25 Busca com retrocesso para PSRs - A ordem de nomeação é fixa (ordem de colorização entre cidades e a ordem de aplicação das cores); - Verifica a violação de restrições antes de expandir um estado 25

26 Busca com retrocesso para PSRs Em capítulos anteriores, utilizamos heurísticas específicas de cada domínio, derivadas de nosso conhecimento do problema, para corrigir o fraco desempenho de algoritmos de busca sem informação Busca com retrocesso é o método sem informação adicional básico para resolver PSRs, pode resolver o problema das n-rainhas para n 15 Em PSRs, podemos resolver problemas de maneira eficiente sem tal conhecimento específico, utilizando métodos generalistas para resolver as questões a seguir: 26

27 Busca com retrocesso para PSRs 1. Que variável deve ser atribuída em seguida, e em que ordem seus valores devem ser experimentados? 2. Quais são as implicações das atribuições de variáveis atuais para as outras variáveis não-atribuídas 3. Quando um caminho falha (é alcançado um estado em que uma variável não tem nenhum valor válido), a busca pode evitar repetir esta falha em caminhos subsequentes? 27

28 Ordenação de variáveis e valores Se não usado um método que estabeleça um critério para a ordem de seleção de variáveis não-atribuídas, raramente o resultado será o mais eficiente Por exemplo, se o mapa da Austrália começar a ser colorido com WA = vermelho, e em seguida NT = verde, obrigatoriamente SA será azul. Depois disso, as escolhas para Q, NSW e V são todas forçadas Esta idéia de escolher a variável com o menor número de valores válidos é chamada heurística de valores restantes mínimos (VRM) 28

29 Ordenação de variáveis e valores Este método também é conhecido como heurística de variável mais restrita ou de primeira falha, pois ele escolhe uma variável que tem a maior probabilidade de provocar uma falha em breve, podando assim a árvore de busca Se houver uma variável X com zero valores válidos restantes, a heurística VRM selecionará X e a falha será detectada de imediato, evitando buscas inúteis por outras variáveis que sempre retornarão falhas quando X for finalmente selecionada 29

30 Ordenação de variáveis e valores A heurística VRM não auxilia na escolha da primeira região a colorir a Austrália, porque inicialmente toda região tem três cores válidas Em uma situação como esta, a heurística de grau se mostra mais indicada. Ela tenta reduzir o número de ramificações em escolhas futuras selecionando a variável envolvida no maior número de restrições sobre outras variáveis não-atribuídas A heurística VRM normalmente é um guia mais poderoso, mas a heurística de grau é mais útil como critério de desempate 30

31 Ordenação de variáveis e valores SA é a variável com grau mais alto, 5. As demais variáveis tem grau 2 ou 3, com exceção de T, que tem grau Uma vez escolhida SA, a aplicação da heurística de grau resolve o problema sem quaisquer etapas desnecessárias, podendo chegar a uma solução sem retrocesso 31

32 Ordenação de variáveis e valores Uma vez que uma variável foi selecionada, o algoritmo deve decidir que ordem seu valores devem ser examinados A heurística VMR prefere o valor que elimina o menor número possível de escolhas para as variáveis vizinhas no grafo de restrições Por exemplo, suponha que já tenha sido feito a atribuição parcial WA = vermelho e NT = verde, e que a próxima escolha seja a de Q Azul seria uma má escolha, pois elimina o último valor válido para SA, vizinho de Q. De forma geral, a heurística tenta deixar a máxima flexibilidade para atribuições de variáveis subsequentes 32

33 Propagando informações por meio de restrições Uma maneira de utilizar melhor as restrições durante a busca é chamada de verificação prévia Sempre que uma variável X é atribuída, o processo de verificação prévia examina cada variável não-atribuída Y que está conectada por uma restrição a X e exclui do domínio de Y qualquer valor que esteja inconsistente com o valor escolhido para X O exemplo a seguir mostra a coloração do mapa da Austrália com verificação prévia 33

34 Propagando informações por meio de restrições Observe que após atribuir WA = vermelho e Q = verde, os domínios NT e SA são reduzidos a um único valor. Foram eliminada por completo as ramificações nestas variáveis pela propagação de informações a partir de WA e Q E depois que V = azul, o domínio de SA ficou vazio. O Algoritmo de verificação prévia detectou que a atribuição parcial é inconsistente com as restrições do problema, e o algoritmo regressará imediatamente 34

35 Propagação de restrições A verificação prévia auxilia na detecção de inconsistências, mas não garante a detecção de todas as possíveis ocorrências, pois não realiza o exame a uma distância suficientemente longa à frente A propagação de restrições garante que ocorra a propagação das implicações de uma restrição sobre uma variável para outras variáveis No exemplo anterior, é preciso fazer a propagação a partir de WA e Q sobre NT e SA, seguido da restrição entre os dois últimos para detectar inconsistências 35

36 Propagação de restrições Propagando WA = vermelho e Q = verde, restringe NT e SA ao azul, o que não é válido, pois NT e SA são adjacentes 36

37 Propagação de restrições A propagação de restrições pode ser feita através da idéia de consistência do arco Arco é um arco orientado no grafo de restrições, por exemplo, entre SA e NSW. Dados os domínios atuais, o arco é consistente se, valor x de SA, algum valor y de NWS consistente com x 37

38 Propagação de restrições Na terceira linha do exemplo anterior, os domínios de SA e NSW são {azul} e {vermelho, azul}, respectivamente No caso de SA = azul, existe uma atribuição consistente para NSW, que é NSW = vermelho, logo o arco de SA ate NSW é consistente Observe que o arco em sentido contrário não é consistente, pois para a atribuição NSW = azul, não existe nenhuma outra atribuição consistente para SA 38

39 Propagação de restrições O arco de NSW a SA não está consistente porque NSW (azul) não permite SA (azul) Pode-se tornar o arco consistente eliminando-se o valor azul do domínio de NWS 39

40 Propagação de restrições Observe que também podemos aplicar a consistência de arco de SA até NT, na mesma fase do processo de busca O resultado é que azul deve ser eliminado do domínio de SA, o que deixa o domínio vazio; a consistência de arco detectou uma inconsistência não detectada por verificação prévia 40

41 Propagação de restrições Sempre que um domínio perde um valor, seus vizinhos devem ser checados por possíveis inconsistências No exemplo, SA ficou sem elementos do seu domínio, forçando o algoritmo a um retrocesso A verificação de consistência de arcos pode ser aplicada como uma etapa de pré-processamento antes do início do processo de busca, ou como uma etapa de propagação depois de cada atribuição Em qualquer caso, o processo deve ser aplicado repetidamente até não restar mais nenhuma inconsistência, pois sempre que um valor é excluído, pode surgir uma nova inconsistência em arcos que apontam para esta variável 41

42 Propagação de restrições Para verificação de consistência de arcos, é utilizado o algoritmo CA-3, que utiliza uma fila para controlar os arcos cuja consistência precisa ser verificada A fila contém inicialmente todos os pares de arcos entre cada variável e seus vizinhos; Cada arco (Xi, Xj) é retirado da fila e verificado; Se houverem valores a serem eliminados do domínio de Xi, todo arco (Xk, Xi) que apontar para Xi é reinserido na fila para verificação; Cada arco pode ser reinserido na fila d vezes, pois Xi tem no máximo d valores a serem excluídos; a verificação da consistência de um arco é O(n 2 ) 42

43 Algoritmo CA-3 função CA-3(psr) retorna o PSR, possivelmente com domínios reduzidos entradas: psr, um PSR binário com variáveis {X1, X2,..., Xn} variáveis locais: fila, uma fila de arcos, inicialmente com todos os arcos do psr enquanto fila é não-vazia faça (Xi, Xj) REMOVE-PRIMEIRO(fila) se REMOVER-VALORES-INCONSISTENTES (Xi, Xj) então para cada Xk em vizinhos[xi] faça adicionar(xk, Xi) a fila 43

44 Algoritmo CA-3 função REMOVER-VALORES-INCONSISTENTES(Xi, Xj) retorna verdadeiro se removermos um valor removido falso para cada x em DOMÍNIO[Xi] faça se nenhum valor y em DOMÍNIO[Xj] permitir que (x, y) satisfaça à restrição entre Xi e Xj então eliminar x de DOMÍNIO[Xi]; removido verdadeiro retornar removido 44

45 Busca local para problemas de satisfação de restrições Algoritmos de busca local se mostram eficientes para PSRs. Utilizam uma formulação de estados completos: o estado inicial atribui um valor a cada variável e a função sucessor funciona alterando o valor de uma variável de cada vez Na escolha de um novo valor para uma variável, a heurística mais óbvia é selecionar o valor que resulta no menor número de conflitos com outras variáveis heurística de conflitos mínimos 45

46 Busca local para problemas de satisfação de restrições função CONFLITOS-MÍNIMOS (psr, max_etapas) retorna uma solução ou falha entradas: psr, um problema de satisfação de restrições max_etapas, o número de etapas permitidas antes de desistir corrente uma atribuição inicial completa para psr para i = 1 até max_etapas faça se corrente é uma solução para psr então retornar corrente var uma variável em conflito escolhida ao acaso a partir de VARIÁVEIS[psr] valor o valor v para var que minimiza CONFLITOS(var, v, corrente, psr) definir var = valor em corrente retornar falha 46

47 Busca local para problemas de satisfação de restrições A heurística de conflitos mínimos é bastante eficiente, em especial quando recebe um estado inicial razoável. para o problema das n rainhas, se não for levado em conta o posicionamento inicial das peças, o tempo de execução de conflitos mínimos é, aproximadamente, independente do tamanho do problema. Mesmo com milhares de rainhas, o problema é resolvido, em média, em até 50 etapas. Isto ocorre devido a natureza do problema, considerado fácil para a busca local, porque as soluções estão densamente distribuídas ao longo do espaço de estados 47

48 Resolução do 8 rainhas usando conflitos mínimos Em caso de empate, a escolha é feita aleatoriamente 48

49 Busca local para problemas de satisfação de restrições Em uma aplicação prática complexa, o tempo de programação do telescópio Hubble para uma semana de observação, foi reduzido de três semanas para cerca de 10 minutos! Outra vantagem da busca local é a possibilidade de utilizá-la em uma configuração on-line quando o problema se altera, como a atribuição de escalas de dezenas de milhares de pessoas para a tripulação de bordo de milhares de vôos 49

50 Estrutura de problemas Muitos problemas podem ser resolvidos com maior facilidade se forem decompostos em subproblemas, mais fáceis de resolver. Por exemplo, no mapa da Austrália, a Tasmânia não está ligada ao continente, logo, escolher sua coloração e a coloração dos demais estados do continente são subproblemas independentes A independência pode ser verificada simplesmente procurando por componentes conectados do grafo de restrições, e cada componente corresponde a um subproblema PSRi (PSR independente) 50

51 Estrutura de problemas Na maior parte dos casos, os subproblemas de um PSR estão conectados. Nos casos mais simples, o grafo de restrições forma uma árvore, onde duas variáveis quaisquer estão conectadas por, no máximo, um caminho Lema: qualquer PRS estruturado em árvore pode ser resolvido em tempo linear em relação ao número de variáveis 51

52 Estrutura de problemas Um grafo de restrições (esq.) e sua representação como uma ordenação linear, sendo A a raiz (dir.) 52

53 Estrutura de problemas Etapas do algoritmo: 1 - escolha qualquer variável como a raiz da árvores e ordene as variáveis da raiz até as folhas de modo que o pai de todo nó na árvore o anteceda na ordenação. Identifique as variáveis X1,... Xn em ordem. Agora, toda variável com exceção da raiz tem exatamente uma variável pai 2 - para j de n até 2, aplique a consistência de arco ao arco (Xi, Xj), onde Xi é o pai de Xj, removendo valores de DOMÍNIO[Xi] conforme necessário 3 - para j de 1 até n, atribua qualquer valor a Xj consistente com o valor atribuído a Xi, onde Xi é o pai de Xj. 53

54 Estrutura de problemas Como este algoritmo é eficiente para árvores, é necessário considerar se grafos de restrições mais gerais podem ser reduzidos a árvores de alguma forma. As alternativas são: remoção de nós condensação de nós 54

55 Estrutura de problemas Na remoção de nós, é necessária a atribuição de valores a algumas variáveis, de modo que as variáveis restantes, sem valores, formem uma árvore. No nosso exemplo, isto pode ser feito removendo SA do grafo (isto é, atribuindo uma cor ao nó e excluindo dos domínios das outras variáveis quaisquer cores inconsistentes com a atribuído para SA), tornando-o uma árvore. Depois disso, qualquer solução para o PSR depois que SA e suas restrições forem removidas será consistente com o valor escolhido para SA, e podemos resolver a árvore restante com o algoritmo apresentado anteriormente. 55

56 Estrutura de problemas O grafo original e a árvore gerada após a remoção de SA 56

57 Estrutura de problemas O que pode ocorrer, tanto para o problema de coloração de mapas quanto para outros problemas que se encaixem no caso geral, é que o valor escolhido para SA esteja errado, isto é, não permita a atribuição de um conjunto de valores para as variáveis que leve a uma solução para o problema. Neste caso, é necessário tentar cada um dos valores possíveis, e o algoritmo fica da seguinte forma: 57

58 Estrutura de problemas 1 - escolha um subconjunto S de VARIÁVEIS[psr] tal que o grafo de restrições se torne uma árvore depois da remoção de S. S é chamado conjunto de corte de ciclo 2 - para cada atribuição possível às variáveis de S que satisfaça todas as restrições sobre S: remova dos domínios das variáveis restantes quaisquer valores que sejam inconsistentes com a atribuição para S se o PSR restante tiver uma solução, retorne-a juntamente com a atribuição para S. 58

59 Estrutura de problemas Encontrar o menor conjunto de corte de ciclo é um problema NP-difícil; para contornar esta dificuldade, são utilizados algoritmos de aproximação, como o de decomposição em árvore Pertencente a categoria dos algoritmos baseados em dividir para conquistar, uma decomposição em árvore deve satisfazer os seguintes requisitos: 59

60 Decomposição em árvore - toda variável no problema original aparece em pelo menos um dos subproblemas; - se duas variáveis estiverem conectadas por uma restrição no problema original, elas deverão aparecer juntas (e juntamente com a restrição) em pelo menos um dos subproblemas - se uma variável aparecer em dois subproblemas na árvore, ela deverá aparecer em todo subproblema ao longo do caminho que conecta estes dois subproblemas 60

61 Decomposição em árvore As duas primeiras condições garantem que todas as variáveis e restrições estarão representadas nas decomposição A terceira condição serve para garantir que qualquer variável deve ter o mesmo valor em todo subproblema em que aparece Na coloração do mapa da Austrália, SA aparece em todos os quatro subproblemas conectados apresentados a seguir: 61

62 Decomposição de grafo de restrições em árvore Cada subproblema é resolvido independentemente; se qualquer um não tiver solução, saberemos que o problema inteiro não tem solução 62

63 Decomposição de grafo de restrições em árvore Se for possível resolver todos os subproblemas, tenta-se construir uma solução global. Para isso, cada subproblema é visto como uma "megavariável", cujo domínio é o conjunto de todas as soluções para o subproblema Por exemplo, o subproblema com NT, SA e WA tem seis soluções possíveis. Em seguida, são resolvidas as restrições que conectam os subproblemas com a utilização do algoritmo eficiente para árvores visto anteriormente - as restrições entre subproblemas exigem que as soluções de subproblemas concordem sobre suas variáveis compartilhadas 63

64 Decomposição de grafo de restrições em árvore Por exemplo, para a solução {WA=vermelho, SA=azul, NT=verde}, a única solução válida para o próximo subproblema é {SA=Azul, NT=verde, Q=vermelho} 64

IA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA: Problemas de Satisfação de Restrições. Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA: Problemas de Satisfação de Restrições Prof. Msc. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Introdução Um PSR é definido por um conjunto de variáveis X 1, X 2,..., X n, e por um conjunto de restrições,

Leia mais

Problemas de Satisfação de Restrições

Problemas de Satisfação de Restrições Computação Inteligente Problemas de Satisfação de Restrições Lucas Augusto Carvalho Mestrado em Ciência da Computação 2011.1 DCOMP - Universidade Federal de Sergipe 1 Conteúdo Problemas de Satisfação de

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br Laboratório de Pesquisa e Desenvolvimento Universidade Federal de Alfenas versão

Leia mais

Satisfação de Restrições. Capítulo 5 (disponível online)

Satisfação de Restrições. Capítulo 5 (disponível online) Satisfação de Restrições Capítulo 5 (disponível online) Sumário Problemas de Satisfação de Restrições (CSPs) Procura com Retrocesso para CSPs Procura Local para CSPs Estrutura dos CSPs Problemas de Satisfação

Leia mais

Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com

Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com Solução de problemas por meio de busca (com Python) Luis Martí DEE/PUC-Rio http://lmarti.com Python e AI (Re)-introdução ao Python. Problemas de busca e principais abordagens. Exemplos em Python Por que

Leia mais

Problemas de Satisfação de Restrições

Problemas de Satisfação de Restrições Problemas de Satisfação de Restrições Texto base: Stuart Russel e Peter Norving - Inteligência Artificial David Poole, Alan Mackworth e Randy Goebel - Computational Intelligence A logical approach junho/2007

Leia mais

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Parte 2. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.

Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Parte 2. Prof. Humberto Brandão humberto@bcc.unifal-mg.edu. Projeto e Análise de Algoritmos Projeto de Algoritmos Tentativa e Erro Parte 2 Prof. Humberto Brandão humberto@bcc.unifal-mg.edu.br versão da aula: 0.3 Última aula teórica Algoritmo de Tentativa e Erro:

Leia mais

7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear.

7 - Análise de redes Pesquisa Operacional CAPÍTULO 7 ANÁLISE DE REDES. 4 c. Figura 7.1 - Exemplo de um grafo linear. CAPÍTULO 7 7 ANÁLISE DE REDES 7.1 Conceitos Básicos em Teoria dos Grafos Diversos problemas de programação linear, inclusive os problemas de transporte, podem ser modelados como problemas de fluxo de redes.

Leia mais

BC-0506: Comunicação e Redes Algoritmos em Grafos

BC-0506: Comunicação e Redes Algoritmos em Grafos BC-0506: Comunicação e Redes Algoritmos em Grafos Santo André, 2Q2011 1 Parte 1: Algoritmos de Busca Rediscutindo: Representações em Grafos Matriz de Adjacências Matriz de Incidências Lista de Adjacências

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 11 Problemas com Satisfação de Vínculos 1 Constraint Satisfaction Problems (CSP) Conceitos básicos Busca cega simples e refinada Busca heurística

Leia mais

Inteligência Artificial. Metodologias de Busca

Inteligência Artificial. Metodologias de Busca Inteligência Artificial Metodologias de Busca 1 Solução de problemas como Busca Um problema pode ser considerado como um objetivo Um conjunto de ações podem ser praticadas para alcançar esse objetivo Ao

Leia mais

ANEXO. Manual do utilizador

ANEXO. Manual do utilizador ANEXO Manual do utilizador A PARTE 1 Menu Principal A janela principal da aplicação é composta por uma zona destinada a mostrar a informação analítica (rodapé) e pelo Menu Principal, o qual contém opções

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Teoria das Probabilidades Qual a probabilidade de eu passar no vestibular? Leandro Augusto Ferreira Centro de Divulgação Científica e Cultural Universidade de São Paulo São Carlos - Abril / 2009 Sumário

Leia mais

COS767 - Modelagem e Análise Aula 2 - Simulação. Algoritmo para simular uma fila Medidas de interesse

COS767 - Modelagem e Análise Aula 2 - Simulação. Algoritmo para simular uma fila Medidas de interesse COS767 - Modelagem e Análise Aula 2 - Simulação Algoritmo para simular uma fila Medidas de interesse Simulação O que é uma simulação? realização da evolução de um sistema estocástico no tempo Como caracterizar

Leia mais

Karine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta

Karine Nayara F. Valle. Métodos Numéricos de Euler e Runge-Kutta Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Professor Orientador: Alberto Berly Sarmiento Vera Belo Horizonte 2012 Karine Nayara F. Valle Métodos Numéricos de Euler e Runge-Kutta Monografia

Leia mais

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias

Leia mais

Trabalho Computacional

Trabalho Computacional Universidade Federal do Espírito Santo Departamento de Informática Profª Claudia Boeres Teoria dos Grafos - 2014/2 Trabalho Computacional 1. Objetivo Estudo e implementação de algoritmos para resolução

Leia mais

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Inteligência Artificial (SI 214) Aula 5 Problemas de Satisfação de Restrições

Inteligência Artificial (SI 214) Aula 5 Problemas de Satisfação de Restrições Inteligência Artificial (SI 214) Aula 5 Problemas de Satisfação de Restrições Prof. Josenildo Silva jcsilva@ifma.edu.br 2012 2012 Josenildo Silva (jcsilva@ifma.edu.br) Este material é derivado dos slides

Leia mais

Resolução de Problemas Com Procura. Capítulo 3

Resolução de Problemas Com Procura. Capítulo 3 Resolução de Problemas Com Procura Capítulo 3 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados

Leia mais

Representação de números em máquinas

Representação de números em máquinas Capítulo 1 Representação de números em máquinas 1.1. Sistema de numeração Um sistema de numeração é formado por uma coleção de símbolos e regras para representar conjuntos de números de maneira consistente.

Leia mais

CAPÍTULO 8. CONTROLE DE CONCORRÊNCIA

CAPÍTULO 8. CONTROLE DE CONCORRÊNCIA CAPÍTULO 8. CONTROLE DE CONCORRÊNCIA Este capítulo discute em detalhe o problema de controle de concorrência em bancos de dados distribuídos. Inicialmente, para motivar a discussão, são listados vários

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

CAPÍTULO 2. Grafos e Redes

CAPÍTULO 2. Grafos e Redes CAPÍTULO 2 1. Introdução Um grafo é uma representação visual de um determinado conjunto de dados e da ligação existente entre alguns dos elementos desse conjunto. Desta forma, em muitos dos problemas que

Leia mais

QUESTÕES COMENTADAS E RESOLVIDAS

QUESTÕES COMENTADAS E RESOLVIDAS LENIMAR NUNES DE ANDRADE INTRODUÇÃO À ÁLGEBRA: QUESTÕES COMENTADAS E RESOLVIDAS 1 a edição ISBN 978-85-917238-0-5 João Pessoa Edição do Autor 2014 Prefácio Este texto foi elaborado para a disciplina Introdução

Leia mais

Prof. Vitório Bruno Mazzola INE/CTC/UFSC 1. INTRODUÇÃO

Prof. Vitório Bruno Mazzola INE/CTC/UFSC 1. INTRODUÇÃO Capítulo 6 ENGENHARIA DE SOFTWARE CONCEITOS BÁSICOS Prof. Vitório Bruno Mazzola INE/CTC/UFSC 1. INTRODUÇÃO Nos anos 40, quando se iniciou a evolução dos sistemas computadorizados, grande parte dos esforços,

Leia mais

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO

PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO PROBLEMA DE TRANSPORTE: MODELO E MÉTODO DE SOLUÇÃO Luciano Pereira Magalhães - 8º - noite lpmag@hotmail.com Orientador: Prof Gustavo Campos Menezes Banca Examinadora: Prof Reinaldo Sá Fortes, Prof Eduardo

Leia mais

INSTITUTO TECNOLÓGICO

INSTITUTO TECNOLÓGICO PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA

Leia mais

Bacharelado em Ciência da Computação Matemática Discreta

Bacharelado em Ciência da Computação Matemática Discreta Bacharelado em Ciência da Computação Matemática Discreta Prof. Diego Mello da Silva Instituto Federal de Minas Gerais - Campus Formiga 19 de fevereiro de 2013 diego.silva@ifmg.edu.br (IFMG) Matemática

Leia mais

Satisfação de Restrições. Capítulo 5 (disponível online)

Satisfação de Restrições. Capítulo 5 (disponível online) Satisfação de Restrições Capítulo 5 (disponível online) Sumário Problemas de Satisfação de Restrições (CSPs, do Inglês Constraint Satisfaction Problems ) Procura com Retrocesso para CSPs Procura Local

Leia mais

01/05/2016. Danillo Tourinho Sancho da Silva, MSc ROTEIRIZAÇÃO TEORIA DOS GRAFOS MOTIVAÇÃO

01/05/2016. Danillo Tourinho Sancho da Silva, MSc ROTEIRIZAÇÃO TEORIA DOS GRAFOS MOTIVAÇÃO ROTEIRIZAÇÃO Danillo Tourinho Sancho da Silva, MSc TEORIA DOS GRAFOS MOTIVAÇÃO 1 MOTIVAÇÃO Por que estudar grafos? Importante ferramenta matemática com aplicação em diversas áreas do conhecimento Utilizados

Leia mais

1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.

1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito. 1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade

Leia mais

Medindo a Produtividade do Desenvolvimento de Aplicativos

Medindo a Produtividade do Desenvolvimento de Aplicativos Medindo a Produtividade do Desenvolvimento de Aplicativos Por Allan J. Albrecht Proc. Joint SHARE/GUIDE/IBM Application Development Symposium (October, 1979), 83-92 IBM Corporation, White Plains, New York

Leia mais

Probabilidade - aula I

Probabilidade - aula I e 27 de Fevereiro de 2015 e e Experimentos Aleatórios e Objetivos Ao final deste capítulo você deve ser capaz de: Entender e descrever espaços amostrais e eventos para experimentos aleatórios. Interpretar

Leia mais

Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB

Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas ICEB PROBLEMA DE PROGRAMAÇÃO DE VEÍCULOS 1 (Vehicle Scheduling Problem) Cássio Roberto de Araújo cassio@em.ufop.br Elva

Leia mais

4 Estudo de caso: Problema de seqüenciamento de carros

4 Estudo de caso: Problema de seqüenciamento de carros 4 Estudo de caso: Problema de seqüenciamento de carros O problema de seqüenciamento de carros em linhas de produção das indústrias automobilísticas é um tipo particular de problema de escalonamento que

Leia mais

2 Pesquisa Bibliográfica

2 Pesquisa Bibliográfica 2 Pesquisa Bibliográfica As estratégias para detecção de conteúdo relevante podem ser divididas em duas abordagens: orientada a site e orientada a página. A primeira técnica utiliza várias páginas de um

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA

INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA INE5403 FUNDAMENTOS DE MATEMÁTICA DISCRETA PARA A COMPUTAÇÃO PROF. DANIEL S. FREITAS UFSC - CTC - INE Prof. Daniel S. Freitas - UFSC/CTC/INE/2007 p.1/59 2 - FUNDAMENTOS 2.1) Teoria dos Conjuntos 2.2) Números

Leia mais

Processos de gerenciamento de projetos em um projeto

Processos de gerenciamento de projetos em um projeto Processos de gerenciamento de projetos em um projeto O gerenciamento de projetos é a aplicação de conhecimentos, habilidades, ferramentas e técnicas às atividades do projeto a fim de cumprir seus requisitos.

Leia mais

Problema de Otimização Combinatória

Problema de Otimização Combinatória Problema de Otimização Combinatória Otimização é o processo de encontrar e comparar soluções factíveis até que nenhuma solução melhor possa ser encontrada. Essas soluções são ditas boas ou ruins em termos

Leia mais

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3

Resolução de problemas por meio de busca. Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reagvos não funcionam em ambientes para quais o número de regras condição-

Leia mais

Exercícios Teóricos Resolvidos

Exercícios Teóricos Resolvidos Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar

Leia mais

6. Programação Inteira

6. Programação Inteira Pesquisa Operacional II 6. Programação Inteira Faculdade de Engenharia Eng. Celso Daniel Engenharia de Produção Programação Inteira São problemas de programação matemática em que a função objetivo, bem

Leia mais

1. Arquivos Seqüenciais

1. Arquivos Seqüenciais 1. Arquivos Seqüenciais 1.1. Introdução Historicamente, os arquivos seqüências são associados as fitas magnéticas devido a natureza seqüencial deste meio de gravação. Mas os arquivos seqüências são também

Leia mais

PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELA DE TEMPO

PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELA DE TEMPO PROBLEMA DE ROTEAMENTO DE VEÍCULOS COM JANELA DE TEMPO UNIFAL - MG UFMG Edgar Fonseca FRANCO Jr. (Orientado) Flávio Alves de CARVALHO (Orientado) Humberto C. B. de OLIVEIRA (Orientador) Humberto C. B.

Leia mais

Aula 1: Introdução à Probabilidade

Aula 1: Introdução à Probabilidade Aula 1: Introdução à Probabilidade Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 07 de Março de 2012 Experimento Aleatório Um experimento é qualquer processo

Leia mais

Jogos vs. Problemas de Procura

Jogos vs. Problemas de Procura Jogos Capítulo 6 Jogos vs. Problemas de Procura Adversário imprevisível" necessidade de tomar em consideração todas os movimentos que podem ser tomados pelo adversário Pontuação com sinais opostos O que

Leia mais

Relatórios. Manual. Pergamum

Relatórios. Manual. Pergamum Relatórios Manual Pergamum Manual PER-MAN-005 Estatísticas Circulação de Materiais - Geral Sumário 1. APRESENTAÇÃO... 1-4 1.1 PESQUISANDO ESTATÍSITICAS E RELATÓRIOS... 1-10 1.2 UTILIZANDO O MÓDULO RELATÓRIOS...

Leia mais

MD Sequências e Indução Matemática 1

MD Sequências e Indução Matemática 1 Sequências Indução Matemática Renato Martins Assunção assuncao@dcc.ufmg.br Antonio Alfredo Ferreira Loureiro loureiro@dcc.ufmg.br MD Sequências e Indução Matemática 1 Introdução Uma das tarefas mais importantes

Leia mais

Engenharia de Software

Engenharia de Software Engenharia de Software 2.1 Capítulo 2 QUALIDADE DE SOFTWARE 1. INTRODUÇÃO Como foi mencionado no capítulo anterior, o papel da Engenharia de Software é, principalmente, fornecer métodos e ferramentas para

Leia mais

3 Configuração Colaborativa de Linha de Produtos de Software

3 Configuração Colaborativa de Linha de Produtos de Software 3 Configuração Colaborativa de Linha de Produtos de Software Tendo em vista os problemas e limitações apresentados na Seção 1.1 e Seção 2.2, propomos uma nova forma de abordar a configuração colaborativa

Leia mais

CAPÍTULO I - ELEMENTOS DE PROBABILIDADE

CAPÍTULO I - ELEMENTOS DE PROBABILIDADE CAPÍTULO I - ELEMENTOS DE PROBABILIDADE 1.1 INTRODUÇÃO Em geral, um experimento ao ser observado e repetido sob um mesmo conjunto especificado de condições, conduz invariavelmente ao mesmo resultado. São

Leia mais

COBERTURA EM UMA REDE DE SENSORES SEM FIO

COBERTURA EM UMA REDE DE SENSORES SEM FIO COBERTURA EM UMA REDE DE SENSORES SEM FIO Vivian Lúcia Bittencourt Drumond Universidade Presidente Antônio Carlos Rodovia MG 368 KM 12 Colônia Rodrigo Silva Barbacena Minas Gerais Brasil viviandrumond@yahoo.com.br

Leia mais

UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM

UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Unidade 2 Distribuições de Frequências e Representação Gráfica UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Calcular

Leia mais

M-MACBETH. M-MACBETH Versão 3.0.0 (beta) Manual do usuário

M-MACBETH. M-MACBETH Versão 3.0.0 (beta) Manual do usuário M-MACBETH M-MACBETH Versão 3.0.0 (beta) Manual do usuário Janeiro 2015 www.m-macbeth.com M-MACBETH permite avaliar opções comparando-as qualitativamente em termos das suas diferenças de atratividade em

Leia mais

Programação Dinâmica. Programa do PA. Técnicas Avançadas de Projeto. Aulas Anteriores. Introdução. Plano de Aula. Técnicas de Projeto de Algoritmos

Programação Dinâmica. Programa do PA. Técnicas Avançadas de Projeto. Aulas Anteriores. Introdução. Plano de Aula. Técnicas de Projeto de Algoritmos Programação Dinâmica Técnicas de Projeto de Algoritmos Aula 13 Alessandro L. Koerich Pontifícia Universidade Católica do Paraná (PUCPR) Ciência da Computação 7 o Período Engenharia de Computação 5 o Período

Leia mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos

Leia mais

Trabalho 7 Fila de prioridade usando heap para simulação de atendimento

Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Trabalho 7 Fila de prioridade usando heap para simulação de atendimento Data: 21/10/2013 até meia-noite Dúvidas até: 09/10/2013 Faq disponível em: http://www2.icmc.usp.br/~mello/trabalho07.html A estrutura

Leia mais

Uma visão mais clara da UML Sumário

Uma visão mais clara da UML Sumário Uma visão mais clara da UML Sumário 1 Método...2 2 Análise de requisitos...2 2.1 Diagramas de Casos de Uso...3 2.1.1 Ator...3 2.1.2 Casos de Uso (Use Case)...4 2.1.3 Cenário...4 2.1.4 Relacionamentos...6

Leia mais

A TEORIA DOS GRAFOS NA ANÁLISE DO FLUXOGRAMA DO CURSO DE ENGENHARIA DE PRODUÇÃO DA UFF

A TEORIA DOS GRAFOS NA ANÁLISE DO FLUXOGRAMA DO CURSO DE ENGENHARIA DE PRODUÇÃO DA UFF RELATÓRIOS DE PESQUISA EM ENGENHARIA DE PRODUÇÃO, v.13, Série B. n.3, p. 20-33. A TEORIA DOS GRAFOS NA ANÁLISE DO FLUXOGRAMA DO CURSO DE ENGENHARIA DE PRODUÇÃO DA UFF Pedro Henrique Drummond Pecly Universidade

Leia mais

Estruturas de Dados Árvores

Estruturas de Dados Árvores Estruturas de Dados Árvores Prof. Eduardo Alchieri Árvores (introdução) Importância de estruturas unidimensionais ou lineares (vetores e listas) é inegável Porém, estas estruturas não são adequadas para

Leia mais

ASSEMBLÉIA LEGISLATIVA DA BAHIA

ASSEMBLÉIA LEGISLATIVA DA BAHIA CALC para Windows OpenOffice.org 3.0: Manual do usuário A sua Planilha de Cálculos SUMÁRIO Introdução...3 Apresentando o OpenOffice.org Calc 3.0...4 Iniciando o Calc 3.0...4 Componentes Básicos da janela

Leia mais

Algoritmos e Estruturas de Dados I 01/2013. Estruturas Condicionais e de Repetição (parte 2) Pedro O.S. Vaz de Melo

Algoritmos e Estruturas de Dados I 01/2013. Estruturas Condicionais e de Repetição (parte 2) Pedro O.S. Vaz de Melo Algoritmos e Estruturas de Dados I 01/2013 Estruturas Condicionais e de Repetição (parte 2) Pedro O.S. Vaz de Melo Problema 1 Suponha que soma (+) e subtração (-) são as únicas operações disponíveis em

Leia mais

Respostas dos Exercícios Cap. 2 Russell & Norvig

Respostas dos Exercícios Cap. 2 Russell & Norvig Respostas dos Exercícios Cap. 2 Russell & Norvig 1. (2.2) Uma medida de desempenho e utilizada por um observador externo para avaliar o sucesso de um agente. Uma função de utilidade e utilizada por um

Leia mais

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados

Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados GA em Otimização Combinatorial Problemas onde a busca da solução depende da avaliação de diversas combinações (ORDEM) dos elementos considerados Problem a do Caixeiro Viajante Problem as de Planejamento

Leia mais

Algoritmos e Estruturas de Dados 2

Algoritmos e Estruturas de Dados 2 Algoritmos e Estruturas de Dados 2 Unidade 1: Árvores binárias Rafael Beserra Gomes Universidade Federal do Rio Grande do Norte Material compilado em 21 de fevereiro de 201. Licença desta apresentação:

Leia mais

Programação Inteira. Fernando Nogueira Programação Inteira 1

Programação Inteira. Fernando Nogueira Programação Inteira 1 Programação Inteira Fernando Nogueira Programação Inteira A Programação Inteira pode ser entendida como uma caso específico da Programação Linear, onde as variáveis devem ser inteiras (ou ao menos, parte

Leia mais

Resolução de Problemas

Resolução de Problemas Resolução de Problemas Aula 2 - Inteligência Artificial Resolução de Problemas (Introdução) A resolução de um problema é composta por três passos: Definir o problema com precisão. (situações inicial e

Leia mais

Existe, mas não sei exibir!

Existe, mas não sei exibir! Existe, mas não sei exibir! Você já teve aquela sensação do tipo ei, isso deve existir, mas não sei exibir um exemplo quando resolvia algum problema? O fato é que alguns problemas existenciais são resolvidos

Leia mais

Inteligência Artificial IA III. PROVA AUTOMÁTICA DE TEOREMAS

Inteligência Artificial IA III. PROVA AUTOMÁTICA DE TEOREMAS Inteligência Artificial IA Prof. João Luís Garcia Rosa III. PROVA AUTOMÁTICA DE TEOREMAS Parte 2 2004 Cláusulas e resolventes!" # $% # IA-2004-III2 slide 2 1 O Sistema Formal da Resolução Uma renomeação

Leia mais

Estatística no EXCEL

Estatística no EXCEL Estatística no EXCEL Prof. Ms. Osorio Moreira Couto Junior 1. Ferramentas... 2 2. Planilha de dados... 3 2.1. Introdução... 3 2.2. Formatação de células... 4 2.3. Inserir ou Excluir Linhas e Colunas...

Leia mais

PROBABILIDADE Prof. Adriano Mendonça Souza, Dr.

PROBABILIDADE Prof. Adriano Mendonça Souza, Dr. PROBABILIDADE Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM - O intelecto faz pouco na estrada que leva à descoberta, acontece um salto na consciência, chameo de

Leia mais

4 Metodologia. 4.1. Tipo de pesquisa

4 Metodologia. 4.1. Tipo de pesquisa 4 Metodologia Este capítulo descreve a metodologia adotada na execução do trabalho de pesquisa: definição da variável alvo, delimitação da população, processo de seleção da amostra, técnicas e procedimentos

Leia mais

Árvore B UNITINS ANÁLISE E DESENVOLVIMENTO DE SISTEMAS 3º PERÍODO 43

Árvore B UNITINS ANÁLISE E DESENVOLVIMENTO DE SISTEMAS 3º PERÍODO 43 AULA A 3 ESTRUTURA RA DE DADOS Árvore B Esperamos que, ao final desta aula, você seja capaz de: identificar as vantagens da árvore B em relação às árvores binária de busca e AVL; conhecer as funções de

Leia mais

Como foi visto no tópico anterior, existem duas formas básicas para representar uma função lógica qualquer:

Como foi visto no tópico anterior, existem duas formas básicas para representar uma função lógica qualquer: ELETRÔNI IGITl I FUNÇÕES LÓGIS Formas de representação de uma função lógica omo foi visto no tópico anterior, existem duas formas básicas para representar uma função lógica qualquer: Soma de Produtos Produtos

Leia mais

UM TEOREMA QUE PODE SER USADO NA

UM TEOREMA QUE PODE SER USADO NA UM TEOREMA QUE PODE SER USADO NA PERCOLAÇÃO Hemílio Fernandes Campos Coêlho Andrei Toom PIBIC-UFPE-CNPq A percolação é uma parte importante da teoria da probabilidade moderna que tem atraído muita atenção

Leia mais

3 Estratégia para o enriquecimento de informações

3 Estratégia para o enriquecimento de informações 34 3 Estratégia para o enriquecimento de informações Podemos resumir o processo de enriquecimento de informações em duas grandes etapas, a saber, busca e incorporação de dados, como ilustrado na Figura

Leia mais

Resolução da lista de exercícios de casos de uso

Resolução da lista de exercícios de casos de uso Resolução da lista de exercícios de casos de uso 1. Explique quando são criados e utilizados os diagramas de casos de uso no processo de desenvolvimento incremental e iterativo. Na fase de concepção se

Leia mais

Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4

Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4 Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4 1 MS-Excel Aplicando funções às suas fórmulas de Excel (continuação) Serão vistas, nesta aula as funções de busca e referência

Leia mais

Bem-vindo ao tópico sobre administração de listas de preços.

Bem-vindo ao tópico sobre administração de listas de preços. Bem-vindo ao tópico sobre administração de listas de preços. Nesse tópico, você aprenderá a administrar listas de preços no SAP Business One. Sua empresa atualiza múltiplas listas de preços para fornecer

Leia mais

8 O Método de Alocação de Shapley

8 O Método de Alocação de Shapley 8 O Método de Alocação de Shapley Este capítulo é dividido em duas partes. A primeira apresenta o método de benefícios incrementais à medida que os agentes vão entrando na coalizão, ou seja, atribui a

Leia mais

MANUAL OPERACIONAL Sistema de Cadastro Único 7

MANUAL OPERACIONAL Sistema de Cadastro Único 7 MANUAL OPERACIONAL Sistema de Cadastro Único 7 Versão Preliminar 1 SUMÁRIO 1. INTRODUÇÃO...4 1.1 Apresentação...4 1.2 Organização e uso do manual...4 1.3 Dúvidas e canais de atendimento...4 2 VISÃO GERAL

Leia mais

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma:

Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: Sistemas Lineares Um sistema de equações lineares (sistema linear) é um conjunto finito de equações lineares da forma: s: 2 3 6 a) 5 2 3 7 b) 9 2 3 Resolução de sistemas lineares Metodo da adição 4 100

Leia mais

um jogo de Steve Finn

um jogo de Steve Finn um jogo de Steve Finn arte por Rafaella Ryon - projeto gráfico de Filipe Cunha Em Gunrunners, os jogadores agem como uma agência internacional de polícia em perseguição ao Mercador da Morte, o infame traficante

Leia mais

Gerenciamento de memória

Gerenciamento de memória Na memória principal ficam todos os programas e os dados que serão executados pelo processador. Possui menor capacidade e custo maior. S.O buscam minimizar a ocupação da memória e otimizar sua utilização.

Leia mais

Universidade Federal do Vale do São Francisco Inteligência Artificial

Universidade Federal do Vale do São Francisco Inteligência Artificial Universidade Federal do Vale do São Francisco Inteligência Artificial Professor: Marcelo Santos Linder E-mail: marcelo.linder@univasf.edu.br Página: www.univasf.edu.br/~marcelo.linder Ementa Introdução

Leia mais

CA Clarity PPM. Guia do Usuário de Gestão de Demanda. Release 14.2.00

CA Clarity PPM. Guia do Usuário de Gestão de Demanda. Release 14.2.00 CA Clarity PPM Guia do Usuário de Gestão de Demanda Release 14.2.00 A presente documentação, que inclui os sistemas de ajuda incorporados e os materiais distribuídos eletronicamente (doravante denominada

Leia mais

Aula 2 - Cálculo Numérico

Aula 2 - Cálculo Numérico Aula 2 - Cálculo Numérico Erros Prof. Phelipe Fabres Anhanguera Prof. Phelipe Fabres (Anhanguera) Aula 2 - Cálculo Numérico 1 / 41 Sumário Sumário 1 Sumário 2 Erros Modelagem Truncamento Representação

Leia mais

Unioeste - Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Informática Estudo de Requisitos CASCAVEL 2009

Unioeste - Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Informática Estudo de Requisitos CASCAVEL 2009 Unioeste - Universidade Estadual do Oeste do Paraná CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS Colegiado de Informática Curso de Bacharelado em Informática Estudo de Requisitos Alunos: Professor: Disciplina:

Leia mais

1 Fluxo de trabalho de desenho de quadros estruturais

1 Fluxo de trabalho de desenho de quadros estruturais Lição 1 Fluxo de trabalho de desenho de quadros estruturais Visão geral do fluxo de trabalho de desenho de quadro estrutural Você pode criar segmentos de caminho e quadros estruturais usando o aplicativo

Leia mais

Aula 21: Roteamento em Redes de Dados

Aula 21: Roteamento em Redes de Dados Aula : Roteamento em Redes de Dados Slide Redes de Pacotes Comutados Mensagens dividas em Pacotes que são roteados ao seu destino PC PC PC Rede de Pacotes PC PC PC PC Buffer Pacote Comutado Slide Roteamento

Leia mais

ANALISE COMBINATORIA Um pouco de probabilidade

ANALISE COMBINATORIA Um pouco de probabilidade ANALISE COMBINATORIA Um pouco de probabilidade Programa Pró-Ciência Fapesp/IME-USP-setembro de 1999 Antônio L. Pereira -IME USP (s. 234A) tel 818 6214 email:alpereir@ime.usp.br 1 Um carro e dois bodes

Leia mais

Capítulo 7. Topologia Digital. 7.1 Conexidade

Capítulo 7. Topologia Digital. 7.1 Conexidade Capítulo 7 Topologia Digital A Topologia Digital estuda a aplicação das noções definidas em Topologia sobre imagens binárias. Neste capítulo vamos introduzir algumas noções básicas de Topologia Digital,

Leia mais

OFICINA DE JOGOS APOSTILA DO PROFESSOR

OFICINA DE JOGOS APOSTILA DO PROFESSOR OFICINA DE JOGOS APOSTILA DO PROFESSOR APRESENTAÇÃO Olá professor, Essa apostila apresenta jogos matemáticos que foram doados a uma escola de Blumenau como parte de uma ação do Movimento Nós Podemos Blumenau.

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

LINGUAGEM SQL PARA CONSULTAS EM MICROSOFT ACCESS

LINGUAGEM SQL PARA CONSULTAS EM MICROSOFT ACCESS LINGUAGEM SQL PARA CSULTAS EM MICROSOFT ACCESS Objetivos: Neste tutorial serão apresentados os principais elementos da linguagem SQL (Structured Query Language). Serão apresentados diversos exemplos práticos

Leia mais

Prof. Bruno Holanda - Semana Oĺımpica 2011 - Nível 1. Teoria dos Grafos

Prof. Bruno Holanda - Semana Oĺımpica 2011 - Nível 1. Teoria dos Grafos Prof. Bruno Holanda - Semana Oĺımpica 0 - Nível Teoria dos Grafos O que é um grafo? Se você nunca ouviu falar nisso antes, esta é certamente uma pergunta que você deve estar se fazendo. Vamos tentar matar

Leia mais

Faculdade de Computação

Faculdade de Computação UNIVERSIDADE FEDERAL DE UBERLÂNDIA Faculdade de Computação Disciplina : Teoria da Computação Professora : Sandra Aparecida de Amo Lista de Exercícios n o 2 Exercícios sobre Modelos de Máquinas de Turing

Leia mais