Resolução de Problemas Com Procura. Capítulo 3

Tamanho: px
Começar a partir da página:

Download "Resolução de Problemas Com Procura. Capítulo 3"

Transcrição

1 Resolução de Problemas Com Procura Capítulo 3

2 Sumário Agentes que resolvem problemas Tipos de problemas Formulação de problemas Exemplos de problemas Algoritmos de procura básicos Eliminação de estados repetidos Procura com informação parcial

3 Exemplo: Roménia Férias na Roménia; actualmente em Arad Voo parte amanhã de Bucareste Formulação do objectivo: Estar em Bucareste Formulação do problema: Estados: várias cidades Acções: conduzir entre cidades Encontrar solução: Sequência de cidades E.g., Arad, Sibiu, Fagaras, Bucareste

4 Roménia: Arad

5 Roménia: Bucareste

6 Exemplo: Roménia

7 Exemplo: Roménia

8 Exemplo: Roménia Inexistência de mapa Escolhas aleatórias Existência de mapa Possibilidade de considerar sequência de estados Uma vez encontrada uma solução, basta executar uma sequência de acções para atingir o objectivo Procura = encontrar uma solução Execução = sequência de acções que permitem alcançar o objectivo Agente = Formular + Procurar + Executar

9 Agentes que resolvem problemas Função AgenteResolveProblemas (percep) devolve acção Argumento: percep, uma percepção Estático: seq, sequência de acções inicialmente vazia estado, descrição do estado actual obj, objectivo inicialmente vazio prob, formulação do problema estado ActualizaEstado(estado,percep) se seq vazia então obj FormulaObjectivo(estado) prob FormulaProblema(estado,obj) seq Procura(prob) acção FIRST(seq) seq REST(seq) devolve acção

10 Tipo de ambiente/problema Estático (vs. dinâmico) Ambiente não é alterado enquanto agente efectua formulação e resolução do problema Observável (vs. parcialmente observável) Sensores dão acesso ao estado completo do ambiente Discreto (vs. contínuo) Número limitado de percepções e acções distintas claramente definidas Determinístico (vs. estocástico) Estado seguinte é determinado em função do estado actual e da acção executada pelo agente; fase de execução independente das percepções!

11 Formulação do Problema (1/2) Estado inicial em que se encontra o agente Em(Arad) Descrição das acções possíveis Função sucessor-fn: estado <acção,sucessor>* sucessor-fn(em(arad)) = {<Ir(Sibiu),Em(Sibiu)>, <Ir(Timisoara),Em(Timisoara)>, <Ir(Zerind),Em(Zerind)>} Estado inicial e sucessor-fn definem implicitamente o espaço de estados do problema (mapa pode ser interpretado como espaço de estados) Um caminho num espaço de estados é uma sequência de estados resultantes de uma sequência de acções

12 Formulação do Problema (2/2) Teste objectivo que determina se um estado é um estado objectivo Os estados objectivo podem ser explícitos (Em(Bucareste)) ou implícitos (checkmate) Função de custo que atribui um custo numérico a cada caminho Escolhida em função do desempenho pretendido para o agente (rapidez km) Formulação do Problema = estado inicial + acções/ sucessor-fn + teste objectivo + função de custo Solução = sequência de acções que permitem ir desde o estado inicial até um estado objectivo

13 Mundo do aspirador: estados

14 Espaço de Estados: grafo estados? sujidade e localização do robot acções? Esquerda, Direita, Aspirar teste objectivo? não haver sujidade em nenhuma posição função de custo? 1 por acção

15 Exemplo: 8-puzzle estados? Localização das peças acções? Mover espaço esq, dir, cima, baixo teste objectivo? = estado objectivo (dado) função de custo? 1 por movimento [Nota: solução óptima para a família n-puzzle é NP-difícil]

16 Exemplo: montagem estados?: coordenadas das posições chave do robot e do objecto a ser montado acções?: movimentos do robot teste objectivo?: montagem completa função de custo?: tempo de execução

17 Exercício: 8-rainhas Colocar 8 rainhas num tabuleiro 8x8 tal que nenhuma rainha ataca outra rainha (uma rainha ataca outra rainha se estiver na mesma linha, na mesma coluna ou na mesma diagonal)

18 Solução: 8-rainhas Estados: qualquer tabuleiro de 8x8 com 8 rainhas Acções: movimentar uma rainha para uma posição vazia Teste objectivo: 8 rainhas no tabuleiro, nenhuma atacada Função de custo: 1 por movimento

19 Árvores de Procura (1/2) Algoritmo: Simulação da expansão do espaço de procura a partir da geração dos sucessores dos estados já gerados (expansão de estados) Vs. espaço de estados O mesmo estado pode estar em nós diferentes Caminho bem definido

20 Árvores de Procura (2/2) Função ArvoreDeProcura (problema, estratégia) devolve solução ou nãohásolução InicializaArvoreDeProcuraComEstadoInicial(problema) loop se não há candidatos para expansão então devolve nãohásolução EscolheNóFolhaDaArvoreParaExpansao(estratégia) se o nó contém um estado objectivo então devolve solução senão expande o nó e adiciona novos nós à árvore de procura

21 Exemplo: Roménia

22 Árvore de Procura: exemplo Estado inicial Espaço de estados

23 Árvore de Procura: exemplo Existe um único nó folha que pode ser expandido: Arad Nós resultantes da expansão do nó Arad: Sibiu, Timisoara, Zerind

24 Árvore de Procura: exemplo Existem três nós folha que podem ser expandidos: Sibiu, Timisoara, Zerind Nó Sibiu é escolhido pela estratégia de procura como o próximo nó a ser expandido Nós resultantes da expansão do nó Sibiu são adicionados ao conjunto de nós folha

25 Implementação: estados vs. nós Um estado é a representação de uma configuração física Um nó é uma estrutura de dados que constitui parte de uma árvore de procura e que inclui estado, nó pai, acção, custo do caminho g(x), profundidade A função Expande cria novos nós, preenche os vários campos da estrutura nó e usa a função successor-fn do problema para criar os estados correspondentes.

26 Implementação (1/4) Considerem-se definidos os seguintes campos para o tipo NÓ: Estado PaiNó Acção CustoCaminho Profundidade

27 Implementação (2/4) Considerem-se definidas as seguintes funções para o tipo FILA: CriaFila(elemento, ) Vazia?(fila) RemovePrimeiro(fila) Insere(elemento,fila) InsereTodos(elementos,fila)

28 Implementação (3/4) Função ArvoreDeProcura (problema, filafolhas) devolve solução ou nãohásolução filafolhas Insere(CriaNó(EstadoInicial[problema]),filafolhas) loop se Vazia?(filafolhas) então devolve nãohásolução nó RemovePrimeiro(filafolhas) se TesteObjectivo[problema](nó) então devolve solução(nó) filafolhas InsereTodos(Expande(nó,problema),filafolhas)

29 Implementação (4/4) Função Expande (nó, problema) devolve sucessores (conjunto de nós) sucessores conjunto vazio paracada <acção,resultado> em sucessor-fn[problema](estado(nó)) s novo Nó Estado(s) resultado PaiNó(s) nó Acção(s) acção CustoCaminho(s) CustoCaminho(nó) + CustoRamo(Estado(nó), acção, resultado) Profundidade(s) Profundidade(nó) +1 adiciona s aos sucessores devolve sucessores

30 Estratégias de Procura Uma estratégia de procura é caracterizada por escolher a ordem de expansão dos nós Ou em alternativa a ordem de inserção dos nós na fila de folhas

31 Estratégias de Procura As estratégias são avaliadas de acordo com 4 aspectos: Completude: encontra sempre uma solução caso exista (se não existir diz que não há solução) Complexidade temporal: número de nós gerados Complexidade espacial: número máximo de nós em memória Optimalidade: encontra a solução de menor custo Complexidade temporal e espacial são medidas em termos de: r: máximo factor de ramificação da árvore de procura p: profundidade da solução de menor custo (nó com estado inicial tem profundidade 0) m: máxima profundidade do espaço de estados (pode ser )

32 Procura Não Informada Estratégias de procura não informada usam apenas a informação disponível na definição do problema Largura Primeiro Custo Uniforme Profundidade Primeiro Profundidade Limitada Profundidade Iterativa Bi-Direccional Também chamadas estratégias de procura cega

33 Largura Primeiro Expande nó folha de menor profundidade Implementação: folhas colocadas numa fila (FIFO), i.e., novos sucessores são colocadas no fim da lista

34 Largura Primeiro Nó A é expandido: novos nós B e C B está no início da fila: próximo nó a expandir A ordem é irrelevante para nós com a mesma profundidade (pode usar-se ordem alfabética para desempate)

35 Largura Primeiro Nó B é expandido: novos nós D e E C está no início da fila; os outros nós folha (D e E) têm maior profundidade

36 Largura Primeiro Estado actual Fila nós folha: D, E, F, G nós abertos Nós gerados mas ainda não expandidos Nós expandidos: A, B, C nós fechados

37 Largura Primeiro: propriedades Completa? Sim (se r é finito) Tempo? 1+r+r 2 +r 3 + +r p + (r p+1 -r) = O(r p+1 ), i.e. exponencial em p Espaço? O(r p+1 ) (todos os nós por expandir em memória) Óptima? Sim (se custo = 1 por acção); logo não é óptima no caso geral r: máximo factor de ramificação da árvore de procura p: profundidade da solução de menor custo Espaço é o maior problema (mais do que tempo) Se forem gerados nós a 100MB/s então 24h = 8640GB 8.4TB

38 Complexidade: exemplo p=0 A Estado objectivo G Factor de ramificação r=2 Profundidade da solução p=2 p=1 B C Tempo (2 3-2) p=2 D E F G O(2 3 ), i.e, O(r p+1 ) Espaço p=3 H I J L M N O(2 3 ) i.e, O(r p+1 )

39 Exemplo: Roménia Profundidade da Solução? Nº mínimo de nós expandidos até solução? Obs: teste objectivo é feito antes da expansão do nó!

40 Exemplo: solução Profundidade da solução: 3 Nº mínimo de nós expandidos: 12 Obs: estados iguais correspondem a nós diferentes (Arad, Oradea, )

41 Custo Uniforme Expandir nó folha n que tem menor custo g(n) Implementação: folhas = fila ordenada por custo do caminho Equivalente à procura por largura primeiro se todos os ramos tiverem o mesmo custo Completa? Sim, se custo do ramo ε ε é uma constante > 0, para evitar ciclos em ramos com custo 0 Custo do caminho aumenta sempre com a profundidade Tempo? # de nós com g custo da solução óptima, O(r 1+ C*/ε ) onde C * é o custo da solução óptima Todos os ramos com o mesmo custo O(r 1+ C*/ε ) = O(r p+1 ) Espaço? # de nós com g custo da solução óptima, O(r 1+ C*/ε ) Óptima? Sim nós expandidos por ordem crescente de g

42 Custo Uniforme: exemplo D 5 B 2 1 E A 3 F 1 C 2 G Custo associado a cada ramo Ordem de expansão dos nós? Desempate: ordem alfabética Solução encontrada? J L M N

43 Custo Uniforme: exemplo 7 D 2 B 3 E 0 A 4 F 3 C 5 G Ordem de expansão dos nós? A(0), B(2), C(3), E(3), F(4), J(4) Nós folha: G(5), L(5), N(5), D(7), M(7) Solução encontrada? J (custo 4) J L M N

44 Complexidade: exemplo p=0 A 2.1 ε Todos os ramos com custo ε, com excepção do ramo assinalado p=1 B C Objectivo G (C*=3.1ε) Factor de ramificação r=2 p=2 D E F G Tempo e Espaço (2 3-2)+(2 4-4) p=3 O(2 4 ), i.e, O(r 1+ C*/ε ) H I J L M N p=4

45 Profundidade Primeiro Expandir nó folha com a maior profundidade Implementação: listafolhas = fila LIFO (pilha), i.e., sucessores colocados no início da fila

46 Profundidade Primeiro

47 Profundidade Primeiro: propriedades Completa? Não: não encontra a solução em espaços de estados com profundidade infinita/com ciclos Modificação para evitar estados repetidos ao longo do caminho completa em espaços finitos Tempo? O(r m ): problemático se máxima profundidade do espaço de estados m é muito maior do que profundidade da solução de menor custo p Espaço? O(r*m) - espaço linear (só um caminho) Óptima? Não

48 Profundidade Primeiro Implementação: habitualmente recursiva Nós deixam de ser guardados em memória quando todos os seus sucessores são gerados Variante: procura por retrocesso Usa ainda menos memória: O(m) vs. O(r*m) Só é gerado um sucessor de cada vez

49 Profundidade Limitada Profundidade primeiro com limite de profundidade l, i.e., nós com profundidade l não têm sucessores Resolve problema da profundidade infinita Limite pode ser determinado em função do tipo de problema Diâmetro do espaço de estados define máxima profundidade da solução Se p > l não é encontrada solução Complexidade temporal O(r l ) Complexidade espacial O(rl)

50 Exemplo: diâmetro? 9 Distância minima de 9 troços entre quaisquer duas cidades

51 Implementação Recursiva Função ProcuraProfundidadeLimitada (prob,limite) devolve solução ou nãohásolução/corta devolve PPLrecursiva (CriaNó(EstadoInicial[problema]),prob,limite) Função PPLrecursiva (nó,prob,limite) devolve solução ou nãohásolução/corta atingiu_limite? falso se TesteObjectivo[problema](nó) então devolve solução(nó) senão se Profundidade(nó)=limite então devolve corta senão para cada sucessor em Expande(nó,prob) resultado PPLrecursiva (sucessor,prob,limite) se resultado = corta então atingiu_limite verdadeiro senão se resultado corta então devolve resultado se atingiu_limite? então devolve corta senão devolve nãohásolução

52 Implementação Recursiva Algoritmo ProcuraProfundidadeLimitada tem 3 outputs possíveis: Solução: se encontra solução Corta: se não encontra solução mas não chegou a expandir toda a árvore devido ao limite de profundidade Não há solução: se não encontrou solução e expandiu toda a árvore

53 Profundidade Limitada: exemplo A Solução encontrada? Profundidade Primeiro Profundidade Limitada B C l =1 l =2 D E F G J L M N

54 Profundidade Iterativa Profundidade limitada com limite incremental: l=0, l=1, l=2, l=3,, l=p Combina vantagens da largura primeiro e da profundidade primeiro Função ProcuraProfundidadeIterativa (prob) devolve solução ou nãohásolução ciclo limite 0 até resultado ProcuraProfundidadeLimitada(prob,limite) se resultado corta então devolve resultado

55 Profundidade Iterativa l=0

56 Profundidade Iterativa l=1

57 Profundidade Iterativa l=2

58 Profundidade Iterativa l=3

59 Profundidade Iterativa Número de nós gerados na procura em profundidade limitada com profundidade p e factor de ramificação r: N PPL = r 0 + r 1 + r r p-2 + r p-1 + r p Número de nós gerados na procura em profundidade iterativa com profundidade p e factor de ramificação r: N PPI =(p+1)r 0 + pr^1 + (p-1)r^ r p-2 +2r p-1 + 1r p Para r = 10, p = 5, N PPL = , , ,000 = 111,111 N PPI = , , ,000 = 123,456 Esforço adicional = (123, ,111)/111,111 = 11%

60 Profundidade Iterativa: propriedades Completa? Sim Tempo? (p+1)r 0 + pr 1 + (p-1)r r p = O(r p ) Espaço? O(r*p) Óptima? Sim, se custo de cada ramo = 1

61 Procura Bi-Direccional Executar duas procuras em largura em simultâneo Uma a partir do estado inicial (forward, para a frente) Outra a partir do estado final (backward, para trás) Procura termina quando as duas procuras se encontram (têm um estado em comum) Motivação: r p/2 + r p/2 << r p Necessidade de calcular eficientemente os predecessores de um nó Problemática quando estados objectivos são descritos implicitamente (por exº, checkmate)

62 Procura Bi-Direccional: propriedades Completa? Sim, se p é finito e se executa procura em largura primeiro em ambas as direcções Tempo? O(r p/2 ) Espaço? O(r p/2 ) Óptima? Sim, se custo de cada ramo = 1 e se executa procura em largura primeiro em ambas as direcções

63 Resumo dos algoritmos Largura Primeiro Custo Uniforme Profund. Primeiro Profund. Limitada Profund. Iterativa Bi-direccional Completa? Sim a Sim a,b Não Não Sim a Sim a,d Tempo O(r p+1 ) O(r 1+ C*/ε ) O(r m ) O(r l ) O(r p ) O(r p/2 ) Espaço O(r p+1 ) O(r 1+ C*/ε ) O(rm) O(r l) O(rp) O(r p/2 ) Óptima? Sim c Sim Não Não Sim c Sim c,d a completa se r é finito b completa se custo de cada ramo > 0 c óptima se todos os ramos têm o mesmo custo d se ambas as direcções executam procura em largura primeiro

64 Eliminação de Estados Repetidos Não detecção de estados repetidos pode transformar um problema linear em exponencial! Alterar procura em árvore para procura em grafo com análise de nós fechados Optimalidade pode ser afectada se usarmos nós abertos

65 Procura em grafo Função GrafoDeProcura (problema, filafolhas) devolve solução ou nãohásolução fechados conjunto vazio filafolhas Insere(CriaNó(EstadoInicial[problema]),filafolhas) loop se Vazia?(filafolhas) então devolve nãohásolução nó RemovePrimeiro(filafolhas) se TesteObjectivo[problema](nó) então devolve solução(nó) se nó não está em fechados então adiciona Estado(nó) a fechados nó InsereTodos(Expande(nó,problema),filafolhas)

66 Procura com Informação Parcial Problemas nos sensores O estado actual consiste num conjunto de estados acreditados O resultado das acções é conhecido transição entre conjuntos de estados acreditados Problemas de contingência Ambiente parcialmente observável ou resultado das acções é incerto nova informação depois de cada acção Solução dada ao agente é um plano de contingência: acções dependem de condições Problemas de exploração Estados e acções do ambiente são desconhecidos Caso extremo de problema de contingência

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

CTC-17 Inteligência Artificial Problemas de Busca. Prof. Paulo André Castro pauloac@ita.br

CTC-17 Inteligência Artificial Problemas de Busca. Prof. Paulo André Castro pauloac@ita.br CTC-17 Inteligência Artificial Problemas de Busca Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Agentes que buscam soluções para problemas: Exemplo Tipos de

Leia mais

Projeto e Análise de Algoritmos

Projeto e Análise de Algoritmos Projeto e Análise de Algoritmos Aula 10 Distâncias Mínimas Edirlei Soares de Lima Distâncias Mínimas Dado um grafo ponderado G = (V, E), um vértice s e um vértice g, obter o caminho

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

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

Best-first search. Pesquisa informada. Best-first search Pesquisa gananciosa (greedy) Best-first search

Best-first search. Pesquisa informada. Best-first search Pesquisa gananciosa (greedy) Best-first search Pesquisa informada Dispomos de informação especifica sobre o problema. Esta informação pode ser disponibilizada por uma função de avaliação que indica o quão desejável é expandir um determinado nó. Best-first

Leia mais

Busca em Espaço de Estados

Busca em Espaço de Estados Busca em Espaço de Estados Jomi Fred Hübner jomi@inf.furb.br FURB / BCC Introdução 2 Agente orientado a meta O projetista não determina um mapeamento entre percepções e ações, mas determina que objetivo

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

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

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br

IA: Busca Competitiva. Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br IA: Busca Competitiva Ricardo Britto DIE-UFPI rbritto@ufpi.edu.br Sumário Introdução Árvores de Jogos Minimax Antecipação Limitada Poda Alfa-beta Introdução Jogos têm sido continuamente uma importante

Leia mais

Avaliação de Desempenho

Avaliação de Desempenho Avaliação de Desempenho Aulas passadas Modelagem de sistemas via cadeias de Markov Aula de hoje Introdução à simulação Gerando números pseudo-aleatórios 1 O Ciclo de Modelagem Sistema real Criação do Modelo

Leia mais

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

Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF No capítulo anterior... Estratégias de busca auxiliadas por heurísticas (A*, BRPM)

Leia mais

MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA. Busca em espaço de estados. Estados e Operadores. Jogo dos 8. Sumário. Exemplo: jogo dos 8

MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA. Busca em espaço de estados. Estados e Operadores. Jogo dos 8. Sumário. Exemplo: jogo dos 8 MÉTODOS DE RESOLUÇÃO DE PROBLEMAS EM IA Sumário busca em espaço de estados redução de problemas Busca em espaço de estados Exemplo: jogo dos 8 2 8 3 1 6 4 7 5 Jogo dos 8 Estados e Operadores Estado: uma

Leia mais

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados

Faculdade Alagoana de Administração FAA Ciência da Computação. (Resolução de Problemas em) Espaço de Estados Faculdade Alagoana de Administração FAA Ciência da Computação (Resolução de Problemas em) Espaço de Estados (Adaptado de O.B. Coelho & G. Bittencourt & C. Moraes) Maria Aparecida Amorim Sibaldo maasibaldo@gmail.com

Leia mais

Estruturas de Dados Pilhas, Filas e Deques

Estruturas de Dados Pilhas, Filas e Deques Estruturas de Dados Pilhas, Filas e Deques Prof. Eduardo Alchieri Estruturas de Dados Pilhas Pilhas Lista LIFO (Last In, First Out) Os elementos são colocados na estrutura (pilha) e retirados em ordem

Leia mais

Sistemas Inteligentes Lista de Exercícios sobre Busca

Sistemas Inteligentes Lista de Exercícios sobre Busca Sistemas Inteligentes Lista de Exercícios sobre Busca 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber o trajeto mais rápido

Leia mais

Inteligência Artificial. Inteligência Artificial

Inteligência Artificial. Inteligência Artificial Inteligência Artificial Procura Cega Agenda PARTE 1 Resolução de Problemas Representação de Problemas / Modelação Agente Solucionador de Problemas PARTE 2 Procura em Espaço o de Estados: Geração e Teste

Leia mais

DICIONÁRIOS. template class Par { public: K chave; T valor; Par():chave(),valor()

DICIONÁRIOS. template<class K,class T> class Par { public: K chave; T valor; Par():chave(),valor() DICIONÁRIOS Esta estrutura inclui-se nos chamados contentores associativos, que não são mais do que uma colecção de estruturas de tipo Par, com dois membros de dados (chave de pesquisa e valor associado),

Leia mais

Programação Inteira. Advertência

Programação Inteira. Advertência Departamento de Informática Programação Inteira Métodos Quantitativos LEI 2006/2007 Advertência Autores João Moura Pires (jmp@di.fct.unl.pt) Susana Nascimento (snt@di.fct.unl.pt) Este material pode ser

Leia mais

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2

FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO. Projeto e Análise de Algoritmos II Lista de Exercícios 2 FACULDADE CAMPO LIMPO PAULISTA MESTRADO EM CIÊNCIA DA COMPUTAÇÃO Projeto e Análise de Algoritmos II Lista de Exercícios 2 Prof. Osvaldo. 1. Desenvolva algoritmos para as operações abaixo e calcule a complexidade

Leia mais

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

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.1. Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.1. Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005. genda nálise e Técnicas de lgoritmos Jorge Figueiredo onceitos ásicos O Problema das Rainhas Template Genérico Mochila inária acktracking and ranch-and-ound Jogo da Troca de olas Jogo da Troca de olas

Leia mais

Algoritmia e Estruturas de Dados

Algoritmia e Estruturas de Dados JOSÉ BRAGA DE VASCONCELOS JOÃO VIDAL DE CARVALHO Algoritmia e Estruturas de Dados Programação nas linguagens C e JAVA Portugal/2005 Reservados todos os direitos por Centro Atlântico, Lda. Qualquer reprodução,

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

ESTRUTURAS DE DADOS I. Notas de Aula. Prof. Dr. Gilberto Nakamiti

ESTRUTURAS DE DADOS I. Notas de Aula. Prof. Dr. Gilberto Nakamiti ESTRUTURAS DE DADOS I Notas de Aula 1 SUMÁRIO 1. INTRODUÇÃO... 2 1.1 Array (vetores)... 2 2. BUSCA DE ELEMENTOS... 3 2.1 Busca Seqüencial... 3 2.2 Busca Binária... 3 2.3 Busca Indexada... 3 2.4 Busca Hash...

Leia mais

AGENTES INTELIGENTES. Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com

AGENTES INTELIGENTES. Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com AGENTES INTELIGENTES Isac Aguiar isacaguiar.com.br isacaguiar@gmail.com Agentes Inteligentes Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre

Leia mais

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest )

Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Generalidades A metáfora Biológica Evolução via Selecção Natural (Darwin) - sobrevivem os mais aptos (fittest ) Operadores Genéticos (Mendel) - recombinação (crossover ) - mutação (mutation ) Algoritmos

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Seção 5.1 Problemas indecidíveis. Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima

ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO. Seção 5.1 Problemas indecidíveis. Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima ACH2043 INTRODUÇÃO À TEORIA DA COMPUTAÇÃO Seção 5.1 Problemas indecidíveis Slides originais gentilmente cedidos pela Profa. Ariane Machado Lima 1 Na aula passada... A MT é indecidível (usando diagonalização)

Leia mais

ESTRUTURA DE DADOS DCC013

ESTRUTURA DE DADOS DCC013 ESTRUTURA DE DADOS DCC013 Árvores Pesquisa sequencial Preliminares Elementos pesquisados sucessivamente Comparação determina se o elemento foi encontrado ou não Exemplo: buscar 4 (Arrays e lista encadeada)

Leia mais

Árvores. Algoritmos e Estruturas de Dados 2005/2006

Árvores. Algoritmos e Estruturas de Dados 2005/2006 Árvores Algoritmos e Estruturas de Dados 2005/2006 Árvores Conjunto de nós e conjunto de arestas que ligam pares de nós Um nó é a raiz Com excepção da raiz, todo o nó está ligado por uma aresta a 1 e 1

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

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

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

Javascript 101. Parte 2

Javascript 101. Parte 2 Javascript 101 Parte 2 Recapitulando O Javascript é uma linguagem de programação funcional Os nossos scripts são executados linha a linha à medida que são carregados. O código que está dentro de uma função

Leia mais

Inteligência Artificial. Inteligência Artificial

Inteligência Artificial. Inteligência Artificial Inteligência Artificial Procura Informada Agenda Parte 1 Introdução á Procura Informada ou Heurística Best-First Search Pesquisa Gulosa (Greedy( Greedy) Algoritmo A* Algoritmo IDA* (Iterative( Deepning

Leia mais

Laboratórios de Informática II LEI (1 o ano) Projecto Integrado. Ano Lectivo de 2006/07

Laboratórios de Informática II LEI (1 o ano) Projecto Integrado. Ano Lectivo de 2006/07 Laboratórios de Informática II LEI (1 o ano) Projecto Integrado Ano Lectivo de 2006/07 1 Objectivos Com este projecto integrado pretende-se sedimentar os conhecimentos introduzidos nas aulas teóricas de

Leia mais

Jogos - aula 2. Xadrez chinês. Exemplo de função de avaliação:

Jogos - aula 2. Xadrez chinês. Exemplo de função de avaliação: Exemplo de jogo: Xadrez chinês Jogos - aula 2 Função de avaliação? Prof. Luis Otavio Alvares 1 2 Xadrez chinês Ligue 4 Exemplo de função de avaliação: o valor das peças é de acordo com a sua posição: 12

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Arquitecturas de Controlo. Carlos Carreto

Sistemas Robóticos. Sumário. Introdução. Introdução. Arquitecturas de Controlo. Carlos Carreto umário istemas Robóticos de Controlo Introdução deliberativas reactivas híbridas baseadas em comportamentos Carlos Carreto Curso de Engenharia Informática Ano lectivo 2003/2004 Escola uperior de Tecnologia

Leia mais

1 se n = 0 n (n 1)! se n 1

1 se n = 0 n (n 1)! se n 1 Recursão versus Iteração Problema: Cálculo de n! = n (n 1)... 1 int facti(int n) { int fac=n; while(n>0){ fac=fac*n; n--; } return fac; } [epd94, Cap. 5.13-15] Definição recursiva: n! = { 1 se n = 0 n

Leia mais

Busca em Árvores ou Grafos

Busca em Árvores ou Grafos Giga Mundo Computação RSS Sobre a Equipe Mais computacao no seu Email! Nosso forum Politica de Privacidade Busca em Árvores ou Grafos Posted by on March 10th, 2009 in Inteligência Artificial StatSoft Data

Leia mais

EAD Árvore árvore binária

EAD Árvore árvore binária EAD Árvore árvore binária - Uma árvore binária é um conjunto finito de elementos (nodos) que pode ser vazio ou particionado em três subconjuntos: - raiz da árvore (elemento inicial, que é único); - subárvore

Leia mais

Complexidade de Algoritmos

Complexidade de Algoritmos Complexidade de Algoritmos Complexidade de Algoritmos Envolvendo Estruturas de Dados Elementares Prof. Osvaldo Luiz de Oliveira Estas anotações devem ser complementadas por apontamentos em aula. Vetor

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Licenciatura em Computação Prof. Adriano Avelar Site: www.adrianoavelar.com Email: eam.avelar@gmail.com Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por

Leia mais

Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira

Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira Licenciatura em Matemática Aplicada Investigação Operacional Exercícios de Programação Inteira Filipe Alvelos Departamento de Produção e Sistemas Universidade do Minho Primeira versão: 23 de Outubro de

Leia mais

SUMÁRIO LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19. 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...

SUMÁRIO LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19. 1.1 - Introdução...21 1.2 - Revisão Bibliográfica... SUMÁRIO Pág. LISTA DE FIGURAS... 15 LISTA DE TABELAS...17 LISTA DE SÍMBOLOS... 19 CAPÍTULO 1 - INTRODUÇÃO... 21 1.1 - Introdução...21 1.2 - Revisão Bibliográfica...25 CAPÍTULO 2 - MODELAGEM ESTOCÁSTICA

Leia mais

Busca no Espaço de Estados

Busca no Espaço de Estados Busca no Espaço de Estados Prof. Dr. Silvio do Lago Pereira slago@ime.usp.br 1 Introdução Busca no espaço de estados é uma das técnicas mais utilizadas para resolução de problemas em Inteligência Artificial

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

Inteligência Artificial Taguspark

Inteligência Artificial Taguspark Inteligência Artificial Taguspark Segundo Teste/ Exame Época Normal 7 de Julho de 2005 Esta prova tem 12 páginas. Preencha cuidadosamente o nome e número de cada página desta prova. Este teste/exame tem

Leia mais

TCC04040 Inteligência Artificial. Inteligência Artificial

TCC04040 Inteligência Artificial. Inteligência Artificial Inteligência Artificial Aula 2 Profª Bianca Zadrozny TCC04040 Inteligência Artificial Página web: http://www.ic.uff.br/~bianca/ia Material: Livro texto: Inteligência Artificial, Russell & Norvig, Editora

Leia mais

Problemas insolúveis. Um exemplo simples e concreto

Problemas insolúveis. Um exemplo simples e concreto Surge agora uma outra questão. Viemos buscando algoritmos para resolver problemas. No entanto, será que sempre seria possível achar esses algoritmos? Colocando de outra forma: será que, para todo problema,

Leia mais

Introdução às Máquinas de Turing (TM)

Introdução às Máquinas de Turing (TM) Comparação com computadores: Introdução às Máquinas de Turing (TM) um modelo matemático simples de um computador Semelhanças: lê e escreve em posições arbitrarias de memoria Diferenças: sem limite no tamanho

Leia mais

BUSCA EM LISTAS LISTAS SEQÜENCIAIS, LISTAS SIMPLESMENTE E DUPLAMENTE ENCADEADAS E LISTAS CIRCULARES

BUSCA EM LISTAS LISTAS SEQÜENCIAIS, LISTAS SIMPLESMENTE E DUPLAMENTE ENCADEADAS E LISTAS CIRCULARES BUSCA EM LISTAS LISTAS SEQÜENCIAIS, LISTAS SIMPLESMENTE E DUPLAMENTE ENCADEADAS E LISTAS CIRCULARES ALGORITMOS DE BUSCA EM LISTAS COM ALOCAÇÃO SEQÜENCIAL Busca em Listas Lineares A operação de busca é

Leia mais

Árvores. Seqüência de arcos, com origem na raiz e final em um determinado nó. Quantos caminhos existem para se atingir um determinado nó?

Árvores. Seqüência de arcos, com origem na raiz e final em um determinado nó. Quantos caminhos existem para se atingir um determinado nó? 39 Árvores Conceitue caminho. Seqüência de arcos, com origem na raiz e final em um determinado nó. Quantos caminhos existem para se atingir um determinado nó? Apenas um. O que determina o tamanho de um

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

Árvore Binária de Busca

Árvore Binária de Busca Árvore Binária de Busca 319 Árvore Binária de Busca! construída de tal forma que, para cada nó:! nós com chaves menores estão na sub-árvore esquerda! nós com chaves maiores (ou iguais) estão na subárvore

Leia mais

Jogo de Tabuleiro - Mancala Relatório Final

Jogo de Tabuleiro - Mancala Relatório Final Jogo de Tabuleiro - Mancala Relatório Final Inteligência Artificial 3º ano do Mestrado Integrado em Engenharia Informática e Computação Elementos do Grupo: Bruno Lima 080509068 bruno.lima@fe.up.pt Pedro

Leia mais

6 Construção de Cenários

6 Construção de Cenários 6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.

Leia mais

1. Introdução... 1 1.1. Definição... 1 1.2. Conceitos relacionados... 2

1. Introdução... 1 1.1. Definição... 1 1.2. Conceitos relacionados... 2 Índice i Índice Capítulo 4 Estrutura de Dados não sequencial com armazenamento não sequencial ( Árvore ) 1. Introdução... 1 1.1. Definição... 1 1.2. Conceitos relacionados... 2 2. Árvores binárias... 2

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 de Sistemas

Programação de Sistemas Programação de Sistemas Introdução à gestão de memória Programação de Sistemas Gestão de memória : 1/16 Introdução (1) A memória central de um computador é escassa. [1981] IBM PC lançado com 64KB na motherboard,

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Edirlei Soares de Lima Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

Optimal Insertion in

Optimal Insertion in UFMG - ICEx DCC Teoria de Linguagens Optimal Insertion in deterministic DAWGs David Menoti menoti@dcc.ufmg.br Belo Horizonte Dezembro de 2004 Sumário Introdução Problema Motivação Trabalhos Correlatos

Leia mais

Árvores Binárias de Busca

Árvores Binárias de Busca Árvores Binárias de Busca Uma Árvore Binária de Busca T (ABB) ou Árvore Binária de Pesquisa é tal que ou T = 0 e a árvore é dita vazia ou seu nó contém uma chave e: 1. Todas as chaves da sub-árvore esquerda

Leia mais

Jogos - aula 2. Prof. Luis Otavio Alvares II / UFRGS

Jogos - aula 2. Prof. Luis Otavio Alvares II / UFRGS Jogos - aula 2 Prof. Luis Otavio Alvares II / UFRGS 1 Função de avaliação: Xadrez chines 2 Xadrez chinês Exemplo de função de avaliação: o valor das peças é de acordo com a sua posição: 12 para a última

Leia mais

Algoritmos Randomizados: Introdução

Algoritmos Randomizados: Introdução Algoritmos Randomizados: Introdução Celina Figueiredo Guilherme Fonseca Manoel Lemos Vinícius Sá 26º Colóquio Brasileiro de Matemática IMPA Rio de Janeiro Brasil 2007 Resumo Definições Monte Carlo Variáveis

Leia mais

Garbage Collection. Automatic Garbage Collection. Introdução. Fontes

Garbage Collection. Automatic Garbage Collection. Introdução. Fontes Fontes Garbage Collection Compiladores II 1 Modern Compiler Implementation in java: capítulo 13 Artigos : Garbage Collection in an Uncooperative Environment de Boehm e Weiser (Software Practice and Experience

Leia mais

Figura 13.1: Um exemplo de árvore de diretório.

Figura 13.1: Um exemplo de árvore de diretório. 13. Árvores W. Celes e J. L. Rangel Nos capítulos anteriores examinamos as estruturas de dados que podem ser chamadas de unidimensionais ou lineares, como vetores e listas. A importância dessas estruturas

Leia mais

Module Introduction. Programação. Cap. 4 Algoritmos e Programação Estruturada

Module Introduction. Programação. Cap. 4 Algoritmos e Programação Estruturada 5374 : Engenharia Informática 6638 : Tecnologias e Sistemas de Informação 9099 : Bioengenharia 10135 : Ciências Biomédicas Cap. 4 Algoritmos e Estruturada Module Introduction Algoritmos e Estruturada Objectivos:

Leia mais

CAMADA DE REDES. Fabrício de Sousa Pinto

CAMADA DE REDES. Fabrício de Sousa Pinto CAMADA DE REDES Fabrício de Sousa Pinto Introdução 2 Está relacionada a transferência de pacotes da origem para o destino. Pode passar por vários roteadores ao longo do percurso Transmissão fim a fim Para

Leia mais

Análise e Projeto de Algoritmos

Análise 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 Complexidade de Algoritmos Computabilidade: Um problema é computável

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

Busca. Pesquisa sequencial

Busca. Pesquisa sequencial Busca Banco de dados existem para que, de tempos em tempos, um usuário possa localizar o dado de um registro, simplesmente digitando sua chave. Uma tabela ou um arquivo é um grupo de elementos, cada um

Leia mais

Instituto Politécnico de Beja. Escola Superior de Tecnologia e Gestão

Instituto Politécnico de Beja. Escola Superior de Tecnologia e Gestão Instituto Politécnico de Beja Escola Superior de Tecnologia e Gestão Curso de Engenharia Informática Disciplina de Estrutura de dados e Algoritmos 2º Ano - 1º Semestre Relatório Connected Component Labeling

Leia mais

Índice. Capítulo 2 Estrutura de Dados sequencial com armazenamento sequencial

Índice. Capítulo 2 Estrutura de Dados sequencial com armazenamento sequencial Índice i Índice Capítulo 2 Estrutura de Dados sequencial com armazenamento sequencial 1. A Estrutura Abstrata de Dados Lista... 1 1.1. Definição... 1 1.2. Implementação de Listas utilizando armazenamento

Leia mais

Nos capítulos anteriores considerámos alguns aspectos da programação, estudámos

Nos capítulos anteriores considerámos alguns aspectos da programação, estudámos Capítulo 7 Recursão e iteração Well, I ll eat it, said Alice, and if it makes me grow larger, I can reach the key; and if it makes me grow smaller, Icancreepunderthedoor: soeitherwayi llgetintothe garden,

Leia mais

Pesquisa Operacional

Pesquisa Operacional GOVERNO DO ESTADO DO PARÁ UNIVERSIDADE DO ESTADO DO PARÁ CENTRO DE CIÊNCIAS NATURAIS E TECNOLOGIA DEPARTAMENTO DE ENGENHARIA Pesquisa Operacional Tópico 4 Simulação Rosana Cavalcante de Oliveira, Msc rosanacavalcante@gmail.com

Leia mais

Organização de arquivos

Organização de arquivos Organização de arquivos Por que ver sistema de arquivos? O sistema de arquivos é quem realmente se responsabiliza por guardar os dados que um aplicativo ou mesmo o banco de dados gerencia. Não é tarefa

Leia mais

Propagação de distribuições pelo método de Monte Carlo

Propagação de distribuições pelo método de Monte Carlo Sumário Propagação de distribuições pelo método de Monte Carlo João Alves e Sousa Avaliação de incertezas pelo GUM Propagação de distribuições O método de Monte Carlo Aplicação a modelos de medição por

Leia mais

Programação em Lógica com Restrições Exame sem consulta - Duração: 3 horas

Programação em Lógica com Restrições Exame sem consulta - Duração: 3 horas DI-FCT/UNL 17 de Junho de 2010 Programação em Lógica com Restrições Exame sem consulta - Duração: 3 horas N º : Nome: Grupo 1 (4 valores) 1 a) Para cada um dos seguintes golos, indique se sucede (com V,

Leia mais

Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária)

Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária) Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária) /curriculum Julho de 2008 Versão 1.1 1 Introdução O objectivo deste guia é auxiliar o utilizador da Plataforma

Leia mais

Layouts Balanceamento de Linhas. Maria Antónia Carravilla

Layouts Balanceamento de Linhas. Maria Antónia Carravilla Layouts Balanceamento de Linhas Maria Antónia Carravilla Abril 1998 1. Layouts... 1 1.1 Definição, tipos de layouts... 1 1.1.1 Definição... 1 1.1.2 Factores determinantes para a construção de um layout...

Leia mais

Análise e Complexidade de Algoritmos

Análise e Complexidade de Algoritmos Análise e Complexidade de Algoritmos Uma visão de Intratabilidade, Classes P e NP - redução polinomial - NP-completos e NP-difíceis Prof. Rodrigo Rocha prof.rodrigorocha@yahoo.com http://www.bolinhabolinha.com

Leia mais

Universidade Católica Portuguesa. Faculdade de Ciências Económicas e Empresariais. Tel.: 351217270250. Fax: 351217270252

Universidade Católica Portuguesa. Faculdade de Ciências Económicas e Empresariais. Tel.: 351217270250. Fax: 351217270252 Comportamento estratégico Fernando ranco Ano lectivo 2003-2004 Trimestre de Inverno As questões estratégicas são relevantes em muitos casos para além do oligopólio. Interacção entre partidos; negociações

Leia mais

Sequenciamento dinâmico

Sequenciamento dinâmico Sequenciamento dinâmico João Canas Ferreira Outubro de 2004 Contém figuras de Computer Architecture: A Quantitative Approach, J. Hennessey & D. Patterson, 3 a. ed., MKP c JCF, 2004 AAC (FEUP/LEIC) Sequenciamento

Leia mais

Na resolução de um problema por meio de um programa, a primeira providência é conceber um algoritmo adequado.

Na resolução de um problema por meio de um programa, a primeira providência é conceber um algoritmo adequado. Estrutura de Dados Introdução Extraído de : Estruturas de Dados Homero L. Pícollo Na resolução de um problema por meio de um programa, a primeira providência é conceber um algoritmo adequado. A eficiência

Leia mais

Figura 1.1: Exemplo de links patrocinados no Google

Figura 1.1: Exemplo de links patrocinados no Google 1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura

Leia mais

Análise de Algoritmos: Melhor caso, pior caso, caso médio

Análise de Algoritmos: Melhor caso, pior caso, caso médio Análise de Algoritmos: Melhor caso, pior caso, caso médio Fernando Lobo Algoritmos e Estrutura de Dados II 1 / 25 Sumário Rever um problema e um algoritmo que já conhecem. Descrevê-lo em pseudo-código

Leia mais

CT-234. Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches

CT-234. Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches CT-234 Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural Carlos Alberto Alonso Sanches CT-234 4) Árvores balanceadas AVL, Rubro-Negras, B-Trees Operações em árvores binárias de busca

Leia mais

Cap.2.5: Design de Algoritmos e Programação Estruturada. Algoritmos, fluxogramas e pseudo-código

Cap.2.5: Design de Algoritmos e Programação Estruturada. Algoritmos, fluxogramas e pseudo-código Cap.2.5: Design de Algoritmos e Programação Estruturada Algoritmos, fluxogramas e pseudo-código 1 Sumário Problemas e algoritmos Desenho de algoritmos/programas Passos na construção de algoritmos Método

Leia mais

Universidade Estadual de Mato Grosso do Sul - Curso de Ciência da Computação Disciplina: Estruturas de Dados Profª. Raquel Marcia Müller

Universidade Estadual de Mato Grosso do Sul - Curso de Ciência da Computação Disciplina: Estruturas de Dados Profª. Raquel Marcia Müller 1 Listas Lineares Dentre as estruturas de dados não primitivas, as listas lineares são as de manipulação mais simples. Uma lista linear agrupa informações referentes a um conjunto de elementos que, de

Leia mais

O Manual do Konquest. Nicholas Robbins Tradução: José Pires

O Manual do Konquest. Nicholas Robbins Tradução: José Pires Nicholas Robbins Tradução: José Pires 2 Conteúdo 1 Introdução 5 2 Como Jogar 6 3 Regras do Jogo, Estratégias e Sugestões 9 3.1 Regras............................................ 9 3.2 Estratégias e Dicas.....................................

Leia mais

Programação Recursiva versão 1.02

Programação Recursiva versão 1.02 Programação Recursiva versão 1.0 4 de Maio de 009 Este guião deve ser entregue, no mooshak e no moodle, até às 3h55 de 4 de Maio. AVISO: O mooshak é um sistema de avaliação e não deve ser utilizado como

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

Prof. Dr. Abel Gomes (agomes@di.ubi.pt) Cap.4: Design de Algoritmos e Programação Estruturada. Algoritmos, fluxogramas e pseudo-código

Prof. Dr. Abel Gomes (agomes@di.ubi.pt) Cap.4: Design de Algoritmos e Programação Estruturada. Algoritmos, fluxogramas e pseudo-código Prof. Dr. Abel Gomes (agomes@di.ubi.pt) Cap.4: Design de Algoritmos e Programação Estruturada Algoritmos, fluxogramas e pseudo-código 1 Sumário Problemas e algoritmos Desenho de algoritmos/programas Passos

Leia mais

Sistemas de Nomes Planos

Sistemas de Nomes Planos Sistemas de Nomes Planos November 2, 2009 Sumário Sistemas de Nomes Planos e DHTs Chord Sistemas de Nomes Planos Tipicamente, sistemas de nomes à escala da Internet usam nomes estruturados hierarquicamente.

Leia mais

Paradigmas de Programação

Paradigmas de Programação Paradigmas de Programação Tipos de Dados Aula 5 Prof.: Edilberto M. Silva http://www.edilms.eti.br Prof. Edilberto Silva / edilms.eti.br Tipos de Dados Sistema de tipos Tipos de Dados e Domínios Métodos

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli www2.joinville.udesc.br/~coca/ Agentes Inteligentes:

Leia mais

Solução da prova da 1 a fase OBMEP 2008 Nível 1

Solução da prova da 1 a fase OBMEP 2008 Nível 1 OBMEP 00 Nível 1 1 QUESTÃO 1 Como Leonardo da Vinci nasceu 91 anos antes de Pedro Américo, ele nasceu no ano 14 91 = 145. Por outro lado, Portinari nasceu 451 anos depois de Leonardo da Vinci, ou seja,

Leia mais

Análise de complexidade

Análise de complexidade Introdução Algoritmo: sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador) Estratégia: especificar (definir propriedades) arquitectura

Leia mais