Planificación - Departamento de Informática

Inteligencia Artificial - Santiago
Primer perı́odo académico 2007
1
Descripción de la Asignatura
Nombre:
Sigla:
URL:
e-mail:
Paralelos:
Prerrequisito:
Créditos:
Profesor:
e-mail:
Horario de clases:
Horarios de consulta:
Inteligencia Artificial
ILI-295
http://www.inf.utfsm.cl/~mcriff/IA-S
[email protected]
01
Investigación de Operaciones I
03
Marı́a Cristina Riff
{mcriff }@inf.utfsm.cl
1a. sesión semanal:
Lu 3-4;
2a. sesión semanal:
Lu 5-6 ;
Marı́a Cristina Riff:
Ayudante de Cátedra:
e-mail:
Ayudantes de Proyecto:
2
Contenido
Formulación de modelos, noción del espacio de búsqueda, problemas NP-completos,
problemas de optimización combinatoria, problemas de satisfacción de restricciones. Técnicas de filtrado, técnicas de consistencia, técnicas de resolución
look-back, look-ahead. Métodos Incompletos, noción de búsqueda local, Hillclimbing, Tabu Search, Simulated Annealing, Algoritmos Genéticos, Técnicas
Hı́bridas, Nuevas técnicas.
3
Bibliografı́a
Los alumnos disponen de las transparencias de la asignatura en un CD en biblioteca central. Además, disponen de artı́culos de apoyo a bajar de la página
1
WEB de la asignatura y una carpeta en secretarı́a de informática con capı́tulos
de libros y/o artı́culos relacionados con la materia de la asignatura.
4
Objetivos
• Formular modelos de optimización con restricciones y de satisfacción con
restricciones.
• Interpretar resultados y realizar análisis post-óptimo
• Conocer las técnicas de reducción de problemas
• Conocer las técnicas de resolución completas e incompletas
• Aplicar técnicas en la elaboración de un proyecto práctico semestral
• Conocer técnicas hı́bridas especı́ficas para la resolución de problemas complejos
5
Unidades temáticas
1. Modelos de Optimización combinatoria: formulación, noción del espacio
de búsqueda, problemas clásicos: vendedor viajero, set covering, set partitioning, quadratic assignement problem.
2. Problemas de Satisfacción de restricciones: definición, modelos, tipos de
problemas reales, red de restricciones.
3. Técnicas de Reducción: Técnicas de filtrado y consistencia, métodos de
arco-consistencia, complejidad.
4. Técnicas de Resolución Completas: backtracking, técnicas look-back: CBJ,
GBJ, técnicas look ahead: FC, RFL.
5. Técnicas de Resolución Incompletas: Búsqueda Local, noción de vecindario, representaciones especiales, problemas clásicos resueltos por búsqueda
local.
6. Metaheurı́sticas: Algoritmos basados en Hill climbing, algoritmos voraces,
búsqueda tabu, simulated annealing, algoritmos genéticos.
7. Técnicas avanzadas: Algoritmos hı́bridos, nuevos problemas, nuevas técnicas.
6
Software
La realización del proyecto de la asignatura se realiza en C en un ambiente Linux.
Los alumnos pueden utilizar el laboratorio de modelos y métodos cuantitativos.
2
7
Evaluación
La asignatura se evalúa en base a certámenes, y un proyecto semestral con dos
etapas de entrega.
Certámenes Se realizarán dos certámenes de igual ponderación. Toda inasistencia no justificada a un certamen se califica con nota 0 (cero). Se requiere
nota mı́nima promedio de certámenes de 50 para considerar la nota del proyecto.
Proyecto El proyecto se presenta en dos etapas. Ambas requieren un informe
escrito. La primera parte se evaluará además con una presentación del tema
a investigar. La entrega es en la Secretarı́a de Docencia del Departamento de
Informática. Cada dı́a de atraso implica un descuento de 10% en la nota de la
parte del proyecto. Toda etapa del proyecto no entregada dentro de los 5 dı́as
siguientes a la fecha de entrega tiene nota 0 (cero).
7.1
Publicación de resultados
Todas las notas y la pauta de corrección de los certámenes y los controles son
publicadas en la página web de la asignatura.
7.2
Entrega de evaluaciones
Todas las evaluaciones se entregan en la Secretarı́a de Docencia del DI (los
certámenes, a más tardar, dos semanas después de ser rendidos).
7.3
Apelaciones
Aquellos alumnos que desarrollen sus certámenes, con tinta pueden apelar por
escrito, especificando claramente las razones, adjuntando todos los documentos
en la Secretarı́a de Docencia del DI dentro de la semana que sigue a la entrega
de los resultados. Toda apelación fuera de plazo no será considerada.
7.4
Ponderaciones
La nota final corresponde a:
• Si Promedio de Certámenes es inferior a 50 es igual a la nota promedio de
certámenes.
• Si Promedio de Certámenes es superior o igual a 50
Certámenes
Proyecto
Parte I
Parte II y III
3
60%
40%
20%
80%
7.5
Estructura de las evaluaciones
7.5.1
Certámenes
Certamen 1:
1. Formulación de modelos de optimización combinatoria con restricciones y
de satisfacción de restricciones.
2. Técnicas de Filtro y Consistencia
3. Técnicas de Búsqueda Completa
4. Artı́culos de lectura.
Certamen 2:
1. Búsqueda Local, Representación, Vecindario
2. Tabu Search, Simulated Annealing
3. Diseño de Algoritmos Genéticos
4. Diseño de Algoritmos Hı́bridos.
7.5.2
Proyecto
Parte I:
Parte II:
7.6
Formulación del problema a resolver, estado del arte
Resolución del problema usando una o más técnicas vistas en clase.
Programación
Certamen 1
Certamen 2
Proyecto
Presentación Proyecto
Entrega 2da. Parte
Proyecto Final
Fecha
09.04.2007
28.05.2007
Contenido
Temas 1, 2, 3 y 4
Temas 5, 6 y 7
Primera Parte
Algoritmo Completo - pruebas
4
8
Planificación de sesiones
Fecha
05.03
05.03
12.03
12.03
19.03
19.03
26.03
26.03
02.04
02.04
09.04
16.04
16.04
23.04
23.04
07.05
07.05
14.05
14.05
28.05
Sesión
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Tema
Formas de Modelar
Modelos de Optimización Combinatoria
Modelos Especiales de Optimización Combinatoria
Problemas de Satisfacción de restricciones
Técnicas de Filtro y Consistencia
Consistencia de Arcos: AC-1, AC-2, AC-3, AC-4
Casos y Ejercicios
Técnicas de Búsqueda look-back
Técnicas look-ahead
Ejercicios preparatorios certamen
Certamen 1
Búsqueda Local
Exploración, Explotación, Movimientos
Presentación Temas Proyecto
Presentación Temas Proyecto
Simulated Annealing, Hill-Climbing
Tabú Search
Algoritmos Genéticos
Operadores Especializados
Certamen 2
5