Skip to content

sanlf/tarea02-Temple-Simulado

 
 

Repository files navigation

Tarea 2: Algoritmos de búsquedas directas

Descripción

Para esta tarea, vamos a entrenarnos primero en el uso y análisis del algoritmo de temple simulado, en un problema de juguete como es el clásico problema de las $n$ reinas.

Una vez entendido, vamos a usar el algoritmo para generar una representación visual de un grafo no dirigido, a partir de su definición por vértices y aristas. Lo más fácil es generar un dibujo de forma aleatoria, pero lo que queremos es un dibujo del gráfo que sea estético.

Esta tarea tiene como objetivo el entrenamiento para establecer con claridad una función de costo de una apreciación subjetiva, así como probar y ajustar un algoritmo de temple (recocido) simulado.

El problema no es tan complicado pero requiere de un análisis con calma del código ya presentado.

Los puntos importantes a desarrollar en la tarea son:

  1. Probar y ajustar los métodos de reinicios aleatorios y recocido simulado con el problema de las N-reinas.

  2. Desarrollar una forma eficiente de generar un vecino aleatorio bien adaptado para ser usado con el algoritmo de temple simulado.

  3. Establecer criterios para la medición de algo tan subjetivo como es la apreciación estética.

  4. Implementar dichos criterios para ser usados dentro del algortimo de temple simulado.

  5. Probar y ajustar el temple simulado con diferentes funciones de calendarización.

La tarea consta de 3 archivos:

  1. El archivo ´blocales.py´ contiene la clase Problema y los métodos de busqueda local vistos en clase.

  2. El archivo ¨nreinas.py´ contiene el ejemplo de las n-reinas, a desarrollar.

  3. El archivo ´dibuja_grafo.py´ contiene el problema de dibujar un grafo, a desarrollar.

En principio todos los cambios se deben de realizar en los archivos ´nreinas.py´ y ´dibuja_grafo.py´.

Para la calificación de la tarea es muy importante explicar bien las conclusiones que se obtienen del uso de los algoritmos, así como la justificación de los criterios de coto seleccionados.

About

Tarea 2: Algoritmos de búsquedas directas

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Languages

  • Python 100.0%