Responsable: | (-) |
Otros: | (-) |
Créditos | Dept. |
---|---|
7.5 (6.0 ECTS) | CS |
Responsable: | (-) |
Otros: | (-) |
Ampliar el abanico de técnicas algorítmicas y profundizar en sus fundamentos teóricos. Profundizar en el diseño y evaluación de los algoritmos. Presentar los algoritmos probabilísticos como herramienta de diseño de algoritmos. Presentar herramientas algorítmicas para el tratamiento de problemas computacionalmente difíciles como los algoritmos de aproximación y los métodos basados en búsqueda local. Presentar la ingeniería algorítmica como selección de las estructuras de datos y de las técnicas algorítmicas más adecuadas para la resolución de un problema concreto.
Horas estimadas de:
T | P | L | Alt | L Ext. | Est | O. Ext. |
Teoria | Problemas | Laboratorio | Otras actividades | Laboratorio externo | Estudio | Otras horas fuera del horario fijado |
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
3,0 | 3,0 | 0 | 0 | 0 | 10,0 | 0 | 16,0 | |||
El esquema voraz. Fundamentos teóricos. Aplicaciones.Programación dinámica. Fundamentos teóricos. Aplicaciones.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
8,0 | 7,0 | 0 | 0 | 0 | 13,0 | 0 | 28,0 | |||
Algoritmos de Bellman Ford, Floyd-Warshall y Johnson. Algoritmos para flujo máximo y matchings. Programación Lineal.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
11,0 | 8,0 | 0 | 0 | 0 | 15,0 | 0 | 34,0 | |||
Repaso de probabilidades. Verificación de identidades polinomiales. Algoritmos Monte-Carlo y Las Vegas. Amplificación de probabilidad. Test de primalidad. Cotas de concentración. Ejemplos en el análisis de algoritmos aleatorios. Paseos aleatorios. Algoritmos para la Web
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
9,0 | 6,0 | 0 | 0 | 0 | 10,0 | 0 | 25,0 | |||
Concepto de aproximación. Eficiencia versus calidad. Técnicas de análisis y diseño. Esquemas de aproximación. Limites a la aproximabilidad de problemas. Esquemas de redondeo aleatorio.
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
6,0 | 0 | 4,0 | 0 | 5,0 | 4,0 | 0 | 19,0 | |||
Espacio de soluciones y de búsqueda. Los fundamentos de la búsqueda local. Hill Climbing. Variaciones probabilístas de la búsqueda local: Metrópolis y Simulated annealing. Evaluación experimental del rendimiento. Búsqueda local iterada. GRASP: Greedy randomized adaptive search procedures
|
|
T | P | L | Alt | L Ext. | Est | O. Ext. | Total | ||
---|---|---|---|---|---|---|---|---|---|---|
6,0 | 0 | 4,0 | 0 | 5,0 | 4,0 | 0 | 19,0 | |||
Optimización con colonias de hormigas. Algoritmos evolutivos. Hibridización de metaheurísticas con métodos exactos. La evaluación experimental de metaheurísticas
|
Total por tipo | T | P | L | Alt | L Ext. | Est | O. Ext. | Total |
45,0 | 26,0 | 8,0 | 0 | 10,0 | 59,0 | 0 | 148,0 | |
Horas adicionales dedicadas a la evaluación | 6,0 | |||||||
Total horas de trabajo para el estudiante | 154,0 |
Las clases se dividen en dos tipos: sesiones de teoría y sesiones de problemas. En media, la teoría ocupa tres horas semanales y los problemas las otras dos horas. El profesor adaptará la repartición de estas horas de la forma que mejor se ajuste al temario.
Las sesiones de teoría son clases de tipo magistral en las que el profesor aporta nuevos conceptos o nuevas técnicas conjuntamente con ejemplos que los motiven o ilustren.
Las clases de problemas tienen como objetivo desarrollar ejercicios y se basan en la participación activa de los alumnos. Los profesores proponen los problemas por adelantado. La finalidad es que los alumnos presenten el trabajo hecho y que se discutan las diversas soluciones y/o alternativas.
Aportaciones por escrito a las clases de problemas (Pro). Examen Final (Fin).
La nota final se calcula de acuerdo con la fórmula
max(Fin, 0.7 * Fin + 0.3*Pro).
Conocimientos básicos sobre análisis y diseño de algoritmos