Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
|
|
- Norma Amaro Gentil
- 7 Há anos
- Visualizações:
Transcrição
1 Motvação nálse e Técncas de lgortmos Jorge Fgueredo Números de Fbonacc Entrada: Um número ntero n. Saída: O número de Fbonacc Fn, defndo da segunte forma: F =, F =, Fn = Fn- + Fn- para n. Solução clássca utlza recursão Programação Dnâmca Fb(n) f n then return n return Fb(n ) + Fb(n - ) Sobre a Solução presentada Sobre a Solução presentada Sabemos provar a corretude do do algortmo. nálse através da daresolução de de uma relação de de recorrênca: T(n) = T(n ) ) + T(n ) ) + c O( n )) Solução nefcente. Qual o motvo da danefcênca? F F F F F F F F F Sobre a Solução presentada Cálculo repetdo, desnecessáro!!! nda Sobre Fbonacc Solução alternatva: Utlzar um array f[, f[,...,..., n] n] para guardar os osvalores calculados. Incalmente, ffcontém apenas símbolos especas.. F F Fb(n) f f[n] then return f[n] f n then return f[n] n return f[n] Fb(n ) + Fb(n - ) F F F F F F F
2 nda Sobre Fbonacc nda Sobre Fbonacc F F nda Sobre Fbonacc nda Sobre Fbonacc F F F F F F nda Sobre Fbonacc nda Sobre Fbonacc F F F F F F F F
3 nda Sobre Fbonacc nda Sobre Fbonacc F F F F F F F F nda Sobre Fbonacc nda Sobre Fbonacc F F F F F F F F nda Sobre Fbonacc nda Sobre Fbonacc F F F F F F F F 5
4 nda Sobre Fbonacc nda Sobre Fbonacc F Uma outra solução alternatva: Elmnar as as chamadas recursvas. Utlzar o array para armazenar dados calculados. Estratéga bottom-up. F F F 5 Fb(n) f[] f[] for to n do f[] f[ ] + f[ - ] return f[n] nálse das Soluções lternatvas É fácl dentfcar que Fb é O(n). Fb é também O(n). Tratar plha de de recursão. bordagem utlzada: Encontrar função recursva aproprada. dconar memorzação para armazenar resultados de de subproblemas. Determnar uma versão bottom-up, teratva. Programação Dnâmca plcado quando recursão produz repetção dos mesmos subproblemas. Proposta: reusar computação. PD = DC + tabela. Versão bottom-up é mas compacta e fácl de de efetuar análse. Estratéga utlzada em problemas de de otmzação. Fb é PROGRMÇÃO DINÂMIC!!!!! Exemplo: Número de Combnações Número de Combnações Entrada: Dos números nteros n e r, em que n ndca o número de elementos dos quas tenho que escolher r. Saída: O número possível de combnações de r tens. lgortmo aseado em Dvsão e Conqusta Para escolher rrtens de de n, n, podemos proceder de de duas formas: Escolher o prmero tem. Depos escolher r- r-tens dos n- n-tens restantes. Não escolher o prmero tem. Escolher, então, rrtens dos n- n- tens restantes. Escolha(r, n) f r = ou n = r then return else return Escolha(r-, n-) + Escolha(r, n-)
5 nálse do lgortmo DeC lgortmo Utlzando Programação Dnâmca análse do do algortmo requer a resolução da da segunte relação de de recorrênca: T(n) =.T(n-) + c. c. T(n) = O( n ). ). Da mesma forma que no no exemplo de de Fbonacc, essa solução faz cálculos repetdos. Solução: Programação Dnâmca. Escolha(r, n) for to n-r do T[, ] for to r do T[, ] for j to r do for j+ to n-r+j do T[, j] T[-, j-] + T[-, j] return T[n, r] Consderações sobre o lgortmo PD Tabela pós o Preenchmento Incal O(n.r) Duas partes: Prmera parte relaconada com o caso base: ncalzação da da tabela. Segunda parte defne como o restante da da tabela deve ser preenchda. Tabela: T[n, r]. r]. O valor armazenado na na célula T[, j] j] ndca o número possível de de combnações de de escolher jjtens dentre tens. n-r r n resultado Camnhamento e Padrão de Preenchmento Caracterzação de PD n-r r - j- j + Quando a estratéga de de DeC gera um número grande de de problemas dêntcos, recursão se se torna muto caro. Melhor armazenar as as soluções parcas em uma tabela. Como transformar DeC em PD: parte do do algortmo que corresponde a conqusta (recursão) deve ser substtuída por olhada na na tabela. Em vez de de retornar um valor, armazená-lo na na tabela. Caso base para ncar a tabela. Determnar padrão de de preenchmento do do restante da da tabela. n resultado 5
6 Quando plcar Programação Dnâmca plcar em problemas que, em prncípo, parece requerer muto tempo para ser resolvdo (em geral é de de ordem exponencal). Prncpas característcas: Prncípo da daotmaldade (subproblemas ótmos): o valor ótmo global pode ser defndo em termos dos valores ótmos dos subproblemas. Overlap de de Subproblemas: os ossubproblemas não são ndependentes. Exste um overlap entre eles (logo, devem ser construídos bottom-up). Exemplo: Mochla nára Consdere n tens de de tamanhos s,, s,,...,..., s n.. Exste um subconjunto destes tens cuja soma total é exatamente S? S? s s s s s5 s6 s7 S Exemplo: Mochla nára Consdere n tens de de tamanhos s,, s,,...,..., s n.. Exste um subconjunto destes tens cuja soma total é exatamente S? S? s s s s s5 s6 s7 S Exemplo: Mochla nára Podemos generalzar para stuações em que temos tens e o tamanho da da mochla é j. j. Para saber se se retornamos verdadero, temos que nvestgar duas possbldades: O O -ésmo tem é usado para completar o tamanho j. j. O O -ésmo tem não é utlzado para completar o tamanho j. j. jj é alcançado com - - tens. Solução: Utlzar uma tabela T[n, S] S] para armazenar TRUE se se é possível completar exatamente S com n prmeros elementos. T[, j] j] = T[, j j s ] ] ou ou T[-, j] j] lgortmo DeC: Mochla nára lgortmo PD: Mochla nára Mochla(, j) f = then return (j=) else f Mochla(-, j) then return true else f s j then return Mochla(-, j s ) Mochla(n, S) T[, ] = true for j to S do T[, j] false for to n do for j to S do T[, j] T[-, j] f j s then T[, j] T[, j] v T[-, j s ] return T[n, S] 6
7 Programação Dnâmca Maor Subseqüênca Comum (LCS) Mas efcente do do que o método da daforça bruta, quando exste overlap de de subproblemas. Dvsão-e-Conqusta + memóra. Característcas: Subestrutura ótma. Tabela. ottom-up. Maor Subseqüênca Comum X= { C D }, Y= { D C } Maor Subseqüênca comum é: X = C D Y = D C Solução para LCS solução usando PD Solução força bruta: comparar cada subseqüênca de de X com os ossímbolos de de Y. Y. Se Se X X = m, m, Y Y = n: n: m subseqüêncas de de X Solução força bruta é O(n m )) LCS exbe subestrutura ótma: soluções de de subproblemas fazem parte da dasolução fnal. Exste melhor déa? char LCS para prefxos de de X e Y Sejam X,, Y j j prefxos de de X e Y de de tamanhos e jj respectvamente,j] é o tamanho da dalcs de de X e Y j j Logo, LCS de de X e Y va ser guardado em m,n] Como defnr uma solução recursva para,j]? Solução Recursva Solução Recursva, j ] +, j] = max(, j ],, j]) f x[ ] = y[ j], otherwse, j ] +, j] = max(, j ],, j]) f x[ ] = y[ j], otherwse Caso base: = j j = (substrngs vazos de de X e Y) Y) Se Se X e/ou Y são strngs vazos: para todo e j: j:, j] j] =,] = Prmero Caso: x[]=y[j]: mas um símbolo em X e Y confere. Logo, LCS para X e Y j j é gual ao aolcs de de X - - e Y - -,, mas.. 7
8 Solução Recursva O lgortmo, j ] + f x[ ] = y[ j],, j] = max(, j ],, j]) otherwse Segundo caso: x[] y[j] Se Se os ossímbolos não casam, não podemos melhorar a nossa resposta: (.e. max(lcs(x,, Y j- j- )) e LCS(X - -,Y,Y j )). j )). Por que não repetr LCS(X -, Y j- )? LCS(X, Y) m length(x) n length(y) for to m do, ] for j to n do, j] for to m do for j to n do f (X == Y j ) then, j] -, j-] + else, j] max(-, j],, j-]) return m, n] Exemplo Consdere: X = C Y = DC Determne o tamanho da LCS de X e Y. Exemplo j 5 Yj D C C X = C; m = X = Y = DC; n = Y = 5 C DC Exemplo: caso base Exemplo: prmero valor j 5 Yj D C C for = to m,] = for j = to n,j] = C DC j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC 8
9 j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C j 5 Yj D C C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C j 5 Yj D C C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC 9
10 j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C C j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC j 5 Yj D C C f ( X == Y j ),j] = -,j-] + else,j] = max( -,j],,j-] ) C DC
11 nálse do lgortmo LCS Como encontrar a LCS Qual o tempo de de execução? O(m*n) cada,j] é calculado em tempo constante, e exstem m*n células Mesmo esquema usado nos problemas da damochla e dstânca de de edção mínma Cada,j] depende de de -,j],,j-] e -, j-]. Podemos dentfcar como cada,j] fo foobtdo: Por exemplo,,j] = -,j-] + = += Voltando ao nosso exemplo Sabemos que:, j ] +, j] = max(, j ],, j]) f x[ ] = y[ j], otherwse Começar de m,n] e retornar Sempre que,j] = -, j-]+, guardar x[] (x[] faz parte da LCS) Se = or j= (retorno chega ao fm) saída é o conjunto de símbolos guardados em ordem nversa j 5 Yj D C C Problema: Multplcação de Cadea de Matrzes j 5 Yj D C C Seja a seqüênca (cadea) <,,,, n > de de n matrzes. Computar o produto n de de forma a mnmzar o número de de multplcações Duas matrzes e podem ser multplcadas se se forem compatíves Número de de colunas de de = Número de de lnhas de de (p*q) * (q*r) C(p*r) O número de de multplcações é p*q*r LCS (ordem nversa): C
12 Exemplo: <,,,, > (,, 5, 5, 5) (( ) ) )) **5 + *5*5 = = 75 ( ( ( )) )) *5*5 + **5 = = 75 Seja de de dmensão p - - *p *p Encontrar forma de de defnr parênteses para mnmzar o número de de multplcações. Quantas formas dferentes? Ω( n ). ). Impratcável verfcar todas as possbldades Multplcação de Duas Matrzes Qual a Idéa? Multplca-Matrzes(, ) f colunas[] Lnhas [] then ERRO else for to Lnhas[] do for j to Colunas[] do C[, j] for k to Colunas[] do, j], j] + [,k].[k,j] return C Notação:..j..j = resultado da da avalação de de + + j j ( ( j) j) Qualquer forma de de colocar parênteses em + + j j deve dvdr a cadea entre kk e k+ k+,, para algum ntero k, k, k < jj Custo = custo de de computar..k..k + custo de de computar k+..j k+..j + custo de de multplcar..k..k e k+..j k+..j sub-cadea + + kk deve ter ter parentzação ótma sub-cadea k+ k+ + + j j deve ter ter parentzação ótma Subestrutura Ótma Mínmo Custo_..6 + Custo_ p p 6 p 9 Suponha (( )( (( 5 ) 6 ))) (( 7 8 ) 9 ) Éótma então ( ) ( (( 5 ) 6 )) Deve ser ótma para 5 6 Solução Sub-problema: determnar o custo mínmo de de + + j j ( ( j j n) n) m[..j] = número mínmo de de multplcações para calcular a matrz..j..j s[, j] j] = k, k, em que m[, j] j] = m[, k] k] + m[k+, j] j] + p - - p kk p j j senão, se ( ( )) (( 5 ) 6 ) É ótma para 5 6 então (( ( )) (( 5 ) 6 )) (( 7 8 ) 9 ) Sera melhor do que (( )( (( 5 ) 6 ))) (( 7 8 ) 9 ), m [, j ] = mn k < j { m [, k ] + m [ k +, j ] + p se = j p p se < j k j
13 resposta está em m[, n]. n]. Necessdade de de Programação Dnâmca: overlap de de problemas. Caso base: m[, ] ] =.. Calcular prmero m[, +], depos m[, +], Camnhamento por dagonal. O(n ), Ω (n ) Θ(n ) runnng tme Θ(n ) space 5*5*5= 65 l = l = **5= 5 Colocando os Parêntess s[, j] j] armazena o valor de de k ótmo para + + j, j, dvdndo a matrz em kk e k+ k+..n..n..s[..n]..s[..n] s[..n]+..n s[..n]+..n..s[..n]..s[..n]..s[,..s[, s[..n]] s[..n]] s[, s[, s[..n]]+..s[..n] s[..n]]+..s[..n] m[,5] = mn m[,]+m[5,5] + 5** = = 75 m[,]+m[,5] + 5*5* = = 5
Probabilidade: Diagramas de Árvore
Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal
Leia maisDeterminantes. De nição de determinante de uma matriz quadrada. Determinantes - ALGA - 2004/05 15
Determnantes - ALGA - 004/05 15 Permutações Determnantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetções ou omssões
Leia maisAnálise e Técnicas de Algoritmos divisão. divisão. combina. combina. Análise e Técnicas de Algoritmos
genda nálise e Técnicas de lgoritmos Conceitos ásicos Template Genérico Exemplos Jorge Figueiredo Divisão e Conquista Motivação Pegar um problema de de entrada grande. Quebrar a entrada em pedaços menores
Leia maisEm muitas aplicações, estamos interessados em subgrafos especiais de um determinado grafo.
.4 Árvores Geradoras Em mutas aplcações estamos nteressados em subgrafos especas de um determnado grafo. Defnção Árvore Geradora - uma árvore T é chamada de árvore geradora de um grafo G se T é um subgrafo
Leia maisProgramação de Computadores II TCC 00.174/Turma A 1
Programação de Computadores II TCC 00.174/Turma A 1 Professor Leandro A. F. Fernandes http://www.c.uff.br/~laffernandes Conteúdo: Introdução ao Java (exercícos) Materal elaborado pelos profs. Anselmo Montenegro
Leia maisFlambagem. Cálculo da carga crítica via MDF
Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca
Leia maisAnálise dos resíduos e Outlier, Alavancagem e Influência
Análse dos resíduos e Outler, Alavancagem e Influênca Dagnóstco na análse de regressão Usadas para detectar problemas com o ajuste do modelo de regressão. Presença de observações mal ajustadas (pontos
Leia maisMÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
Leia mais3.3 Ordenação por Heap (Heapsort)
3.3 Ordenação por Heap (Heapsort) Heap descendente (max heap ou arvore descendente parcalmente ordenada) de tamanho n é um array que pode ser vsto como uma arvore bnára quase completa de n nós tal que
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisA esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.
Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela
Leia maisANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ
ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco
Leia maisCritérios de divisibilidade em bases numéricas genéricas
Crtéros de dvsbldade em bases numércas genércas Clezo A. Braga 1 Jhon Marcelo Zn 1 Colegado do Curso de Matemátca - Centro de Cêncas Exatas e Tecnológcas da Unversdade Estadual do Oeste do Paraná Caxa
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisSubsequência comum mais longa Em inglês, Longest Common Subsequence (LCS)
Programação Dinâmica Subsequência comum mais longa Em inglês, Longest Common Subsequence (LCS) Fernando Lobo Algoritmos e Estrutura de Dados II 1 / 23 Longest Common Subsequence (LCS) Dadas duas sequências,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisUma construção de códigos BCH
Uma construção de códgos BCH Antono Aparecdo de Andrade, Tarq Shah e Attq Qamar Resumo Um códgo BCH C (respectvamente, um códgo BCH C ) de comprmento n sobre o anel local Z p k (respectvamente, sobre o
Leia mais22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos
Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,
Leia maisJorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE VISEU
INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU Departamento Matemática Disciplina Matemática I Curso Gestão de Empresas Ano 1 o Ano Lectivo 2007/2008 Semestre 1 o Apontamentos Teóricos:
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisComprimento de Arco. Comprimento de Arco
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprmento de Arco
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
Leia maisMétodo Simplex Revisado
Método Simplex Revisado Prof. Fernando Augusto Silva Marins Departamento de Produção Faculdade de Engenharia Campus de Guaratinguetá UNESP www.feg.unesp.br/~fmarins fmarins@feg.unesp.br Introdução Método
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisO que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Leia maisLista de Matemática ITA 2012 Números Complexos
Prof Alex Perera Beerra Lsta de Matemátca ITA 0 Números Complexos 0 - (UFPE/0) A representação geométrca dos números complexos que satsfaem a gualdade = formam uma crcunferênca com rao r e centro no ponto
Leia maisMedidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia mais1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.
Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma
Leia maisProgramação Dinâmica. Aplicação directa - Fibonacci
Programação Dinâmica Divisão e conquista: problema é partido em subproblemas que se resolvem separadamente; solução obtida por combinação das soluções Programação dinâmica: resolvem-se os problemas de
Leia maisCÁLCULO DA DIRECTRIZ
CÁCUO DA DIRECTRIZ I - Elementos de defnção da polgonal de apoo: - Coordenadas dos vértces da polgonal (M, P ); - Dstânca entre vértces da polgonal ( d); - Rumos dos alnhamentos (ângulo que fazem com a
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia maisTeoremas de Otimização com Restrições de Desigualdade
Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera
Leia maisConceitos básicos de transferência de Calor:
Condução - Le de ourer Concetos báscos de transferênca de Calor: órmula geral para 3 dmensões: ρc = λ t x + λ x y + λ y z p x y z z com ρ - densdade (Kg/m³). λ - condutvdade térmca na drecção (x, y ou
Leia maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ BLBI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m x n é qualquer conunto de m. n elementos dspostos
Leia maisSistemas de equações lineares
Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes
Leia maisAnálise e Projeto de Algoritmos
Análise e Projeto de Algoritmos Prof. Eduardo Barrére www.ufjf.br/pgcc www.dcc.ufjf.br eduardo.barrere@ice.ufjf.br www.barrere.ufjf.br Solução de recorrências Para analisar o consumo de tempo de um algoritmo
Leia maisAula 8 Variações da Eliminação de Gauss/Fatoração LU.
Aula 8 Variações da Eliminação de Gauss/Fatoração LU. MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisÍndice. Exemplo de minimização de estados mais complexo. estados
Sumáro Método da tabela de mplcações para mnmzar estados. Atrbução de códgos aos estados: métodos baseados em heurístcas. Índce Exemplo de mnmzação de estados mas complexo Método da tabela de mplcações
Leia maisCoordenação de Semáforos
Paragem dos Veículos Veículos "Lbertados" Paragem dos Veículos Veículos "Lbertados" "Agrupamento " Pelotões "Agrupamento " Pelotões C O O R D E N A Ç Ã O Onda Verde... IST/ Lcencaturas em Engª Cvl & Terrtóro
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisSÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.
I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisExercícios: Recursão
UNIVERSIDADE FEDERAL DE UBERLÂNDIA Lista de exercícios de programação em linguagem C Exercícios: Recursão 1) Faça uma função recursiva que calcule e retorne o fatorial de um número inteiro N. 2) Faça uma
Leia maisMétodos de Ordenação Parte 1
Métodos de Ordenação Parte 1 SCC-214 Proeto de Algortmos Prof. Thago A. S. Pardo Baseado no materal do Prof. Rudne Goularte O Problema da Ordenação Ordenação (ou classfcação) é largamente utlzada Lstas
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisExercícios de Fixação Aulas 05 e 06
Disciplina: TCC-0.0 Prog. de Computadores III Professor: Leandro Augusto Frata Fernandes Turma: E- Data: / / Exercícios de Fixação Aulas 0 e 0. Construa um algoritmo (pseudocódigo e fluxograma) que determine
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisTipos de problemas de programação inteira (PI) Programação Inteira. Abordagem para solução de problemas de PI. Programação inteira
Tipos de problemas de programação inteira (PI) Programação Inteira Pesquisa Operacional I Flávio Fogliatto Puros - todas as variáveis de decisão são inteiras Mistos - algumas variáveis de decisão são inteiras
Leia maisVariáveis indexadas, somatórios e produtórios
1 Computação MIEC - FEUP complado por Ana Mara Faustno Varáves ndexadas, somatóros e produtóros Varáves ndexadas Quando se pretende estudar váras característcas de um conjunto de ndvíduos convém armazenar
Leia maisMatrizes. matriz de 2 linhas e 2 colunas. matriz de 3 linhas e 3 colunas. matriz de 3 linhas e 1 coluna. matriz de 1 linha e 4 colunas.
Definição Uma matriz do tipo m n (lê-se m por n), com m e n, sendo m e n números inteiros, é uma tabela formada por m n elementos dispostos em m linhas e n colunas. Estes elementos podem estar entre parênteses
Leia maisProgramação Linear - Parte 4
Mestrado em Modelagem e Otimização - CAC/UFG Programação Linear - Parte 4 Profs. Thiago Alves de Queiroz Muris Lage Júnior 1/2014 Thiago Queiroz (DM) Parte 4 1/2014 1 / 18 Solução Inicial O método simplex
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisAlgoritmos e Estruturas de Dados I. Recursividade. Pedro O.S. Vaz de Melo
Algoritmos e Estruturas de Dados I Recursividade Pedro O.S. Vaz de Melo Problema Implemente uma função que classifique os elementos de um vetor em ordem crescente usando o algoritmo quicksort: 1. Seja
Leia maisFernando Lobo. Algoritmos e Estrutura de Dados. Outra técnica de concepção de algoritmos, tal como Divisão e Conquista.
Programação Dinâmica Fernando Lobo Algoritmos e Estrutura de Dados 1 / 56 Programação Dinâmica Outra técnica de concepção de algoritmos, tal como Divisão e Conquista. O termo Programação Dinâmica é um
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisControle Estatístico de Qualidade. Capítulo 8 (montgomery)
Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisAula 01 Introdução Custo de um algoritmo, Funções de complexidad e Recursão
MC3305 Algoritmos e Estruturas de Dados II Aula 01 Introdução Custo de um algoritmo, Funções de complexidad e Recursão Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 2Q-2015 1 Custo de um algoritmo
Leia maisConjuntos Finitos e Infinitos
Conjuntos Finitos e Infinitos p. 1/1 Conjuntos Finitos e Infinitos Gláucio Terra glaucio@ime.usp.br Departamento de Matemática IME - USP Axiomas de Peano Conjuntos Finitos e Infinitos p. 2/1 Conjuntos
Leia maisMétodos de Ordenação Parte 1
Métodos de Ordenação Parte 1 Introdução à Cênca da Computação II Prof. Dego Raphael Amanco Baseado no materal dos Profs. Rudne Goularte e Thago A. S. Pardo O Problema da Ordenação Ordenação (ou classfcação)
Leia maisAnálise Complexa Resolução de alguns exercícios do capítulo 1
Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisb. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.
Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo
Leia maisQuantização Preditiva Codificada em Treliça com Preservação de Bordas
Quantzação Predtva Codfcada em Trelça com Preservação de Bordas Marcus Vncus Fonseca de Araújo Slva e Abraham Alcam CETUC/PUC-Ro, 2245-900 Ro de Janero RJ, Brazl Emals: marcusvfs@telemar-rj.com.br e alcam@cetuc.puc-ro.br
Leia maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ LI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m n é qualquer conunto de m. n elementos dspostos
Leia mais2.7. Problema de Herinelto Casimiro: criterio de verifica^iio do produto da multiplica^so de duas matrizes quadradas nao usando a matriz inversa
2.7. Problema de Hernelto Casmro: crtero de verfca^o do produto da multplca^so de duas matrzes quadradas nao usando a matrz nversa Um dos teoremas da artnretca relaconada com a multplcagso de dos numeros
Leia mais2 Casamento Inexato, Alinhamento de Sequências e Programação DRAFT
Biologia Computacional - 2004/2 09/11/04 Aula 1: Casamento Inexato, Alinhamento de Sequências e Programação Dinâmica Instrutor: Berilhes Borges Garcia Escriba: André C. M. Costa DRAFT 1 Pesquisando Banco
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisOrientação a Objetos
Orientação a Objetos 1. Manipulando Atributos Podemos alterar ou acessar os valores guardados nos atributos de um objeto se tivermos a referência a esse objeto. Os atributos são acessados pelo nome. No
Leia maisTeoria dos Grafos. Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada. antunes@ibilce.unesp.br, socorro@ibilce.unesp.
Teoria dos Grafos Valeriano A. de Oliveira Socorro Rangel Departamento de Matemática Aplicada antunes@ibilce.unesp.br, socorro@ibilce.unesp.br Grafos e Algoritmos Preparado a partir do texto: Rangel, Socorro.
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCiclo com Contador : instrução for. for de variável := expressão to. expressão do instrução
Métodos de Programação I 2. 27 Ciclo com Contador : instrução for identificador downto for de variável := expressão to expressão do instrução UMA INSTRUÇÃO (SIMPLES OU COMPOSTA) Neste caso o ciclo é repetido
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisCURSO DE MATEMÁTICA BÁSICA PROGRAMA DE EDUCAÇÃO TUTORIAL CENTRO DE ENGENHARIA DA MOBILIDADE
CURSO DE MATEMÁTICA BÁSICA Fatoração Equação do 1º Grau Equação do 2º Grau Aula 02: Fatoração Fatorar é transformar uma soma em um produto. Fator comum: Agrupamentos: Fatoração Quadrado Perfeito Fatoração
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisAnterior Sumário Próximo MATRIZES, DETERMINANTES E SISTEMAS
Anterior Sumário Próximo MATRIZES, DETERMINANTES E SISTEMAS Clicando em, o usuário é conduzido para uma tela onde os conteúdos estão separados por blocos, que são acessados a medida que clicamos em cada
Leia mais21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU
1 21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1. O gráfico do trinômio y = ax 2 + bx + c. Qual a afirmativa errada? a) se a > 0 a parábola possui concavidade para cima b) se b 2 4ac > 0 o trinômio possui duas
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia mais=...= 1,0 = 1,00 = 1,000...
OPERAÇÕES COM NÚMEROS DECIMAIS EXATOS Os números decimais exatos correspondem a frações decimais. Por exemplo, o número 1,27 corresponde à fração127/100. 127 = 1,27 100 onde 1 representa a parte inteira
Leia maisProgramação 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 maisLista de Exercícios 5: Soluções Teoria dos Conjuntos
UFMG/ICEx/DCC DCC Matemática Discreta Lista de Exercícios 5: Soluções Teoria dos Conjuntos Ciências Exatas & Engenharias 2 o Semestre de 206. Escreva uma negação para a seguinte afirmação: conjuntos A,
Leia maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisINTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs
INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço
Leia maisIntrodução a Funções
Introdução a Funções Funções Matemáticas função é uma relação de um ou vários valores de argumentos de entrada em um ÚNICO resultado de saída. y z Fig I f(x) = x 2 x = 2 f(x) = 4 x z = f(x,y) = x 2 +y
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia maisMatemática Básica Intervalos
Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade 1 Introdução Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro
Leia maisEXERCÍCIOS PREPARATÓRIOS PARA AS DISCIPLINAS INTRODUTÓRIAS DA MATEMÁTICA
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIÊNCIAS E TECNOLOGIA UNIDADE ACADÊMICA DE MATEMÁTICA PROGRAMA DE EDUCAÇÃO TUTORIAL TUTOR: Prof. Dr. Daniel Cordeiro de Morais Filho BOLSISTA: Tiago Alves
Leia mais