Riproduzione Crossover Mutazione

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Riproduzione Crossover Mutazione"

Transcript

1 Algoritmi Genetici Sono algoritmi di ricerca basati sui principi evolutivi della selezione naturale e della genetica, che implicano la sopravvivenza degli elementi migliori e lo scambio di informazioni fra elementi. Pur non garantendo la convergenza all ottimo, sono in grado di individuare i punti di estremo globale, indipendentemente dalle caratteristiche della funzione (multimodale, discontinua, etc.) attraverso il popolamento della zona di estremo La ricerca avviene attraverso la riproduzione di una popolazione iniziale Ad ogni generazione la popolazione cambia a causa dei meccanismi evolutivi: Riproduzione Crossover Mutazione Tali mutamenti genetici hanno lo scopo di produrre una popolazione più vicina all obiettivo prefissato pag.

2 Protagonisti di base Le variabili da ottimizzare sono organizzate in cromosomi L insieme dei cromosomi è la popolazione La funzione di merito (fitness) in base alla quale si valuta l adeguatezza di ciascun cromosoma e se ne decide il futuro Modifiche genetiche in base alle quali la popolazione si evolve. Selezione (i migliori cromosomi hanno maggiore possibilità di riproduzione) Crossover (scambio del materiale genetico) Mutazione (introduzione casuale di nuovo materiale genetico) Codifica delle variabili cromosomi L algoritmo non opera sulle variabili di decisione, ma su una sua codifica pag. 2

3 Vantaggi dei G.A. Si fissa a priori il numero di iterazioni (generazioni), mancando un criterio di arresto basato sulla precisione. La funzione obiettivo può essere definita in modo del tutto generale: il metodo è basato solo sul valore e non richiede la conoscenza delle sue derivate. È un metodo di ottimizzazione globale ovvero non viene intrappolato da estremi relativi. È un metodo parallelo nel senso che procede contemporaneamente usando più soluzioni tentativo nelle diverse aree di ricerca dello spazio dei parametri. Perciò è molto utile come innesco di metodi più accurati (es. simplesso flessibile). pag. 3

4 I Cromosomi Tutte le variabili di decisione sono aggregate in un cromosoma Le variabili compaiono nel cromosoma attraverso una loro codifica binaria La popolazione è formata da un insieme di cromosomi PARAMETRO # PARAMETRO #2 PARAMETRO # CROMOSOMA pag. 4

5 Codifica dei parametri Si normalizzano i parametri in [-, ] Si utilizza una codifica binaria ad n bit 2 n b 2 + b b 2 2 n MSB LSB Ciascun parametro viene rappresentato mediante un codice digitale in base 2 a n bit bipolare, dove il MSB rappresenta il segno in base ad una convenzione data (es. Complemento a 2) La precisione P della rappresentazione è sempre minore della risoluzione R N n n N = P < R = 2 = 2 LSB pag. 5

6 Esempi di codifica binaria (C2 se x<) Valore decimale n Numero binario LSB=2 -n Precisione pag. 6

7 Codifica decimale Si normalizzano i parametri in un range normalizzato, utilizzando una precisione fissata Range = Valore massimo (h k ) - Valore minimo (l k ) R = h l k = k k k,..., n Numero di bit della codifica β Da cui si può risalire al parametro ( β ) 2 k,..., np pk lk k gk = INT = hk l k p k = l k + p ( h ) k k lk ( ) k =,..., np 2 β g k pag. 7

8 Precisione di conversione Se i parametri sono espressi con n decimali, la precisione della rappresentazione è ν = n Analogamente la precisione in base 2 sarà espressa come β ν = 2 2 Per conservare la medesima precisione nel passaggio di rappresentazione si dovrà avere n = 2 β Da cui, prendendo il Logaritmo in base (approssimando all intero superiore) β = n Log 2 n pag. 8

9 Esempio Dato il vettore di parametri (espressi con 4 decimali) P = [ ] Fissato il range l k = - e h k = se si vuole mantenere la precisione si devono utilizzare Si ha la codifica intera β = 4 Log = 4 2 bit G = [ ] Da cui si può avere il vettore ricostruito Pric = [ Che è identico a quello dato ] pag. 9

10 Controesempio Con β = 8 si sarebbe ottenuto G = Con β = 4 si sarebbe ottenuto [ ] Parametri originali Parametri ricostruiti G = [ ] Parametri originali Parametri ricostruiti pag.

11 Evoluzione di una popolazione Inizialmente si genera una popolazione casuale di cromosomi popolazione g = g 2 = g 3 = etc... La popolazione viene sottoopsta a mutazioni genetiche al fine di favorire lo sviluppo di cromosomi con il più alto gradi di fitness Ciò avviene attraverso le seguenti operazioni Riproduzione Crossover Mutazione [ ] [ ] [ ] pag.

12 Riproduzione Ciascun cromosoma viene valutato in relazione alla funzione di fitness Viene fatta una classifica in base a questa funzione Ogni cromosoma a diritto a riprodursi in proporzione alla sua fitness cromosoma (x) fitness f(x) Selezione % f(x)/f tot Conteggio relativo f(x)/f media Riproduzione (replica cromosomi) A B C D f media Totale pag. 2

13 Roulette polarizzata La probabilità di selezione di ciascun cromosoma è espressa dal settore circolare ad esso assegnato Esso è funzione del rapporto fra fitness del cromosoma e fitness totale figlio A figlio D figli C B 2 figli pag. 3

14 Riproduzione: nuova generazione Dalla popolazione iniziale composta dai cromosomi iniziali A B C D Si ha la nuova popolazione A B B D Il cromosoma con maggiore fitness (B) ha raddoppiato la presenza nella popolazione Il cromosoma con la fitness minima (C) è scomparso I cromosomi con fitness media (A e D) sono rimasti I cromosomi della nuova popolazioni adesso possono scambiarsi il proprio patrimonio genetico pag. 4

15 pag. 5 [ ] [ ] Due cromosomi della popolazione si accoppiano casualmente Altrettanto casualmente viene scelto un punto di divisione e si incrociano i tronconi di cromosoma così ottenuti Ottenendo i nuovi cromosomi [ ] [ ] [ ] Crossover [ ] [ ] [ ]

16 Mutazione Si introducono delle mutazioni casuali nei vari cromosomi Si fissa una probabilità che un gene possa mutare Durante l evoluzione della popolazione qualche gene può mutare ( o ) con la probabilità fissata Questa variabilità viene introdotta in modo da non polarizzare troppo la popolazione verso i geni migliori e fare in modo che di tanto in tanto venga introdotto nella popolazione nuovo materiale genetico [ ] [ ] [ ] [ ] mutazione pag. 6

17 Esempio Si desidera ricercare il massimo di una funzione multimodale I metodi di ricerca diretti (es. simplesso) potrebbero essere intrappolati da massimi locali pag. 7

18 Popolazione iniziale Si crea una popolazione di partenza in modo casuale, rapresentata dagli asterischi Si valuta la fitness di ciascun cromosoma e si riproduce la popolazione in base ad essa con i criteri già visti Cromosoma con la fitness massima pag. 8

19 Evoluzione della popolazione Dopo generazioni, i cromosomi si sono addensati nei pressi del massimo, perché l evoluzione ha selezionato i cromosomi con fitness più alta Il cromosoma con la massima fitness (f =.58435) per x = Non si può dire.6 che sia stato trovavato il massimo, ma.4 solamente il cromosoma con il massimo valore di fitness pag. 9

20 Schemi o Similarity Templates Gruppi di cromosomi possono avere delle caratteristiche comuni Questi pattern vengono chiamati Schemi e rappresentano dei tratti genetici comuni ad un gruppo di cromosomi. Ad es. i cromosomi [ ] [ ] [ ] [ ] hanno in comune lo Schema [ * * * * ] * don' t care H = = pag. 2

21 Considerazioni sugli Schemi Una popolazione binaria di n cromosomi di lunghezza l l può avere n 2 schemi L ordine o(h) di uno schema è dato dal numero di elementi fissi ( o ) nel cromosoma La lunghezza di uno schema δ(h) è data dalla differenza fra le posizioni del primo e dell ultimo elemento fisso = * * * * δ ( H ) = 9 = H = * * * * * * * δ ( H ) = 4 2 = H 2 δ ( H ) > δ ( H ) 2 Perciò lo schema H è più importante dello schema H 2, perché meno frequente. 8 2 pag. 2

22 Riproduzione degli Schemi Mostra come gli schemi si propagano nelle generazioni Supponiamo che alla generazione t ci siano nella popolazione m schemi H, i.e. m=m(h,t) Nella generazione successiva t+ ogni cromosoma verrà replicato con probabilità p f / f i Il numero di schemi H nella successiva generazione sarà dato da m( H,t + ) = m( H,t ) n f ( H )/ f dove f(h) èla i fitness media dello schema H Detta f = fi la fitness media della popolazione, si ha n f ( H ) m( H,t + ) = m( H,t ) f = i i pag. 22

23 Teorema fondamentale degli Schemata Un particolare schema H cresce in ragione del rapporto fra la sua fitness e quella media della popolazione m( H,t + ) = m( H,t f ( H ) f Perciò schemi con fitness inferiore alla media sono destinati a scomparire, mentre schemi con fitness superiore alla media sono destinati a crescere Se c è la frazione di superiorità di uno schema rispetto alla media, questo schema crescerà come f + cf m( H,t + ) = m( H,t ) = m( H,t )( + c) f m( H,t ) = m( H, ) ( + c) t ) pag. 23

24 Robustezza degli Schemata Uno schema può essere distrutto durante il processo di crossover = * * * * δ ( H ) = H H = * * * * * * * δ ( H = Posizionando il crossover al 4 gene, lo schema H si perde, mentre H 2 si conserva In generale gli schemi più dispersi (con maggiore lunghezza δ) sopravviveranno più difficilmente, perché verranno più facilmente tagliati La probabilità di taglio di uno schema di l cromosomi e lunghezza δ è data da ( H ) p d = δ l ) 8 2 pag. 24

25 Sopravvivenza degli Schemata La probabilità di sopravvivenza di uno schema è data da δ ( H ) p = p = s d l Se il crossover, casuale, interviene con probabilità p c all interno dello schema, la probabilità di sopravvivenza diviene δ ( H ) p p s c l Assumendo che riproduzione e crossover siano processi casuali indipendenti, la sopravvivenza dello schema nella generazione successiva è data da m( H,t + ) m( H,t ) f ( H ) f sopravvivenza per riproduzione p c δ ( H ) l sopravvivenza per crossover pag. 25

26 Effetto della mutazione La mutazione, cambiando un singolo gene può distruggere uno schema Se p m è la probabilità di mutazione di un singolo gene, applicando questa probabilità ad uno schema H di ordine o(h) si ha ( ) o( H ) p o( H ) p se p << m m m Sottraendo l effetto della mutazione alla dinamica di crescita degli schemi si ha f ( H ) δ ( H ) m( H,t + ) m( H,t ) p o( H ) p c m f l Sopravvivenza per riproduzione distruzione per crossover Distruzione per mutazione pag. 26

27 Teorema Fondamentale degli Schemi Definisce le modalità di propogazione di uno schema H in una popolazione, in funzione delle loro caratteristiche fitness f(h) lunghezza δ(h) probabilità di crossover p c ordine o(h) probabilità di mutazione p m m( H,t f ( H ) δ ( H ) + ) m( H,t ) p o( H ) p c m f l Sopravvivenza per riproduzione distruzione per crossover distrzione per mutazione Perché un GA abbia successo si deve cercare di preservare gli schemi più vantaggiosi, conservandoli come building blocks lungo le generazioni pag. 27

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca

Dettagli

Page 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo

Page 1. Evoluzione. Intelligenza Artificiale. Algoritmi Genetici. Evoluzione. Evoluzione: nomenclatura. Corrispondenze natura-calcolo Evoluzione In ogni popolazione si verificano delle mutazioni. Intelligenza Artificiale In un ambiente che varia, le mutazioni possono generare individui che meglio si adattano alle nuove condizioni. Questi

Dettagli

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini

Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Introduzione agli Algoritmi Genetici Prof. Beatrice Lazzerini Dipartimento di Ingegneria della Informazione Via Diotisalvi, 2 56122 PISA ALGORITMI GENETICI (GA) Sono usati per risolvere problemi di ricerca

Dettagli

Parte I. Prima Parte

Parte I. Prima Parte Parte I Prima Parte Capitolo 1 Introduzione generale 1.1 Il problema dell assegnazione Corsi-Borsisti Il problema dell assegnazione delle borse dei corsi ai vari studenti può essere riassunto nei punti

Dettagli

Breve introduzione al Calcolo Evoluzionistico

Breve introduzione al Calcolo Evoluzionistico Breve introduzione al Calcolo Evoluzionistico Stefano Cagnoni Dipartimento di Ingegneria dell Informazione, Università di Parma cagnoni@ce.unipr.it 1 Introduzione Il mondo fisico ed i fenomeni naturali

Dettagli

Ricerca Operativa A.A. 2007/2008

Ricerca Operativa A.A. 2007/2008 Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del

Dettagli

Computazione Naturale AA. 2011-2012

Computazione Naturale AA. 2011-2012 Computazione Naturale AA. 2011-2012 Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica mpavone@dmi.unict.it http://www.dmi.unict.it/mpavone/ INDICE Obiettivi formativi Cos

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri.

Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri. Codici Numerici. Modifica dell'informazione. Rappresentazione dei numeri. A partire da questa lezione, ci occuperemo di come si riescono a codificare con sequenze binarie, quindi con sequenze di 0 e 1,

Dettagli

CODIFICA BINARIA. ... sono rappresentati ricorrendo a simboli che sintezzano il concetto di numerosità.

CODIFICA BINARIA. ... sono rappresentati ricorrendo a simboli che sintezzano il concetto di numerosità. I METODI DI NUMERAZIONE I numeri naturali... sono rappresentati ricorrendo a simboli che sintezzano il concetto di numerosità. Il numero dei simboli usati per valutare la numerosità costituisce la base

Dettagli

Introduzione all Analisi dei Segnali

Introduzione all Analisi dei Segnali Tecniche innovative per l identificazione delle caratteristiche dinamiche delle strutture e del danno Introduzione all Analisi dei Segnali Prof. Ing. Felice Carlo PONZO - Ing. Rocco DITOMMASO Scuola di

Dettagli

Sistemi di Numerazione

Sistemi di Numerazione Fondamenti di Informatica per Meccanici Energetici - Biomedici 1 Sistemi di Numerazione Sistemi di Numerazione I sistemi di numerazione sono abitualmente posizionali. Gli elementi costitutivi di un sistema

Dettagli

Informatica. Rappresentazione dei numeri Numerazione binaria

Informatica. Rappresentazione dei numeri Numerazione binaria Informatica Rappresentazione dei numeri Numerazione binaria Sistemi di numerazione Non posizionali: numerazione romana Posizionali: viene associato un peso a ciascuna posizione all interno della rappresentazione

Dettagli

Esempi ed esercizi Aritmetica degli elaboratori e algebra di commutazione

Esempi ed esercizi Aritmetica degli elaboratori e algebra di commutazione Esempi ed esercizi Aritmetica degli elaboratori e algebra di commutazione Fondamenti di Informatica Michele Ceccarelli Università del Sannio ceccarelli@unisannio.it Angelo Ciaramella DMI-Università degli

Dettagli

Intelligenza Artificiale Ing. Tiziano Papini

Intelligenza Artificiale Ing. Tiziano Papini Intelligenza Artificiale Ing. Tiziano Papini Email: papinit@dii.unisi.it Web: http://www.dii.unisi.it/~papinit Constraint Satisfaction metodi riparativi Intelligenza Artificiale - CSP Tiziano Papini -

Dettagli

Intelligenza Artificiale. Introduzione al calcolo evolutivo

Intelligenza Artificiale. Introduzione al calcolo evolutivo Intelligenza Artificiale Introduzione al calcolo evolutivo Marco Piastra Calcolo evolutivo - 1 Calcolo evolutivo ed IA Universe Borg Vogons Earth etc Biotop Society Stones & Seas etc Art Science Politics

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

2) Codici univocamente decifrabili e codici a prefisso.

2) Codici univocamente decifrabili e codici a prefisso. Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il

Dettagli

Obiettivi dell Analisi Numerica. Avviso. Risoluzione numerica di un modello. Analisi Numerica e Calcolo Scientifico

Obiettivi dell Analisi Numerica. Avviso. Risoluzione numerica di un modello. Analisi Numerica e Calcolo Scientifico M. Annunziato, DIPMAT Università di Salerno - Queste note non sono esaustive ai fini del corso p. 3/43 M. Annunziato, DIPMAT Università di Salerno - Queste note non sono esaustive ai fini del corso p.

Dettagli

LABORATORIO DI ANALISI DEI SISTEMI

LABORATORIO DI ANALISI DEI SISTEMI LABORATORIO DI ANALISI DEI SISTEMI Si utilizzerà, come strumento di lavoro, un foglio elettronico, il più diffuso Excel o anche quello gratuito di OpenOffice (www.openoffice.org). Tale scelta, pur non

Dettagli

Introduzione all analisi dei segnali digitali.

Introduzione all analisi dei segnali digitali. Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza

Dettagli

Algoritmi e strutture dati. Codici di Huffman

Algoritmi e strutture dati. Codici di Huffman Algoritmi e strutture dati Codici di Huffman Memorizzazione dei dati Quando un file viene memorizzato, esso va memorizzato in qualche formato binario Modo più semplice: memorizzare il codice ASCII per

Dettagli

QUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione

QUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione QUANTIZZAZIONE Di seguito lo schema che illustra le diverse fasi del processo di conversione da analogico a digitale. Dopo aver trattato la fase di campionamento, occupiamoci ora della quantizzazione.

Dettagli

Algoritmi genetici Ing. Valerio Lacagnina

Algoritmi genetici Ing. Valerio Lacagnina Variazione genetica e selezione naturale Gli Algoritmi Genetici (AG), proposti nel 1975 da J.H. Holland, sono un modello computazionale idealizzato dall evoluzione naturale darwinista. Ogni individuo ha

Dettagli

Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri

Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri Architettura degli Elaboratori I Esercitazione 1 - Rappresentazione dei numeri 1 Da base 2 a base 10 I seguenti esercizi richiedono di convertire in base 10 la medesima stringa binaria codificata rispettivamente

Dettagli

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 In questo documento vengono illustrate brevemente le operazioni aritmetiche salienti e quelle logiche ad esse strettamente collegate.

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La

Dettagli

Università degli Studi della Calabria

Università degli Studi della Calabria Università degli Studi della Calabria Dottorato di Ricerca in Psicologia della Programmazione e Intelligenza Artificiale XV Ciclo Tesi di Dottorato Automi Cellulari nella modellizzazione di fenomeni complessi

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

Introduzione. Rappresentazione di numeri in macchina, condizion

Introduzione. Rappresentazione di numeri in macchina, condizion Introduzione. Rappresentazione di numeri in macchina, condizionamento e stabilità Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di

Dettagli

ESEMPIO 1: eseguire il complemento a 10 di 765

ESEMPIO 1: eseguire il complemento a 10 di 765 COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento

Dettagli

www.andreatorinesi.it

www.andreatorinesi.it La lunghezza focale Lunghezza focale Si definisce lunghezza focale la distanza tra il centro ottico dell'obiettivo (a infinito ) e il piano su cui si forma l'immagine (nel caso del digitale, il sensore).

Dettagli

Sistemi Informativi Territoriali. Map Algebra

Sistemi Informativi Territoriali. Map Algebra Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori

Dettagli

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011 RAPPRESENTAZIONE DEI NUMERI BINARI Corso di Fondamenti di Informatica AA 2010-2011 Prof. Franco Zambonelli Numeri interi positivi Numeri interi senza segno Caratteristiche generali numeri naturali (1,2,3,...)

Dettagli

ALMA MATER STUDIORUM - UNIVERSITÀ DI BOLOGNA FORMULAZIONE AGLI ELEMENTI FINITI DI PROBLEMI DI IDENTIFICAZIONE PARAMETRICA

ALMA MATER STUDIORUM - UNIVERSITÀ DI BOLOGNA FORMULAZIONE AGLI ELEMENTI FINITI DI PROBLEMI DI IDENTIFICAZIONE PARAMETRICA ALMA MATER STUDIORUM - UNIVERSITÀ DI BOLOGNA FACOLTÀ DI INGEGNERIA CORSO DI LAUREA SPECIALISTICA IN INGEGNERIA CIVILE DISTART Scienza delle Costruzioni TESI DI LAUREA in Teoria delle Strutture FORMULAZIONE

Dettagli

Indice. Capitolo 1: Introduzione 1 1.1 Premessa 2 1.2 Scopi 3 1.3 Organizzazione del lavoro 4

Indice. Capitolo 1: Introduzione 1 1.1 Premessa 2 1.2 Scopi 3 1.3 Organizzazione del lavoro 4 dei capitoli Capitolo 1: Introduzione 1 1.1 Premessa 2 1.2 Scopi 3 1.3 Organizzazione del lavoro 4 Capitolo 2: Analisi sperimentale 6 2.1 Metodi di analisi sperimentale 7 2.2 Monitoraggio strutturale 9

Dettagli

Laboratorio di Informatica

Laboratorio di Informatica per chimica industriale e chimica applicata e ambientale LEZIONE 2 Rappresentazione delle informazioni: numeri e caratteri 1 Codice La relazione che associa ad ogni successione ben formata di simboli di

Dettagli

Algoritmi Genetici. e programmazione genetica

Algoritmi Genetici. e programmazione genetica Algoritmi Genetici e programmazione genetica Algoritmi Genetici Algoritmi motivati dall analogia con l evoluzione biologica Lamarck: le specie trasmutano nel tempo Darwin e Wallace: variazioni consistenti

Dettagli

Alessandro Pellegrini

Alessandro Pellegrini Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione

Dettagli

Evoluzione Grammaticale

Evoluzione Grammaticale bollini@vision.unipv.it Dipartimento di Informatica e Sistemistica Università di Pavia Via Ferrata, 1 27100 Pavia Programmazione genetica Algoritmo di base mutuato dagli algoritmi genetici Inizializzazione

Dettagli

Studio di una funzione ad una variabile

Studio di una funzione ad una variabile Studio di una funzione ad una variabile Lo studio di una funzione ad una variabile ha come scopo ultimo quello di pervenire a un grafico della funzione assegnata. Questo grafico non dovrà essere preciso

Dettagli

FONDAMENTI di INFORMATICA L. Mezzalira

FONDAMENTI di INFORMATICA L. Mezzalira FONDAMENTI di INFORMATICA L. Mezzalira Possibili domande 1 --- Caratteristiche delle macchine tipiche dell informatica Componenti hardware del modello funzionale di sistema informatico Componenti software

Dettagli

Sommario. Addizione naturale

Sommario. Addizione naturale Sommario Introduzione Rappresentazione dei numeri interi positivi Rappresentazione dei numeri interi Operazioni aritmetiche Modulo e segno Addizione e sottrazione urale Addizione e sottrazione in complemento

Dettagli

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy

Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Tecniche avanzate di sintesi di algoritmi: Programmazione dinamica Algoritmi greedy Dr Maria Federico Programmazione dinamica Solitamente usata per risolvere problemi di ottimizzazione il problema ammette

Dettagli

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 I CODICI 1 IL CODICE BCD 1 Somma in BCD 2 Sottrazione BCD 5 IL CODICE ECCESSO 3 20 La trasmissione delle informazioni Quarta Parte I codici Il codice BCD

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

Dettagli

3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura

Dettagli

1 - I segnali analogici e digitali

1 - I segnali analogici e digitali 1 1 - I segnali analogici e digitali Segnali analogici Un segnale analogico può essere rappresentato mediante una funzione del tempo che gode delle seguenti caratteristiche: 1) la funzione è definita per

Dettagli

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata

Dettagli

I GA sono metodi adattativi che possono essere usati per risolvere problemi di ricerca

I GA sono metodi adattativi che possono essere usati per risolvere problemi di ricerca Capitolo 1 Algoritmi Genetici I GA sono metodi adattativi che possono essere usati per risolvere problemi di ricerca e ottimizzazione. Sono basati sui processi genetici degli organismi biologici. Imitando

Dettagli

CAPITOLO I. Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Programmazione Dinamica

CAPITOLO I. Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Programmazione Dinamica CAPITOLO I. - PROGRAMMAZIONE DINAMICA La programmazione dinamica è una parte della programmazione matematica che si occupa della soluzione di problemi di ottimizzazione di tipo particolare, mediante una

Dettagli

SISTEMI DI NUMERAZIONE E CODICI

SISTEMI DI NUMERAZIONE E CODICI SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema

Dettagli

Introduzione alla Simulazione Numerica

Introduzione alla Simulazione Numerica Introduzione alla Simulazione Numerica Daniele Vigo D.E.I.S. - Università di Bologna dvigo@deis.unibo.it rev. 1.0 - Novembre 2001 Simulazione numerica Tecnica che permette di eseguire esperimenti su un

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Dato il Mercato, è possibile individuare il valore e la duration del portafoglio:

Dato il Mercato, è possibile individuare il valore e la duration del portafoglio: TEORIA DELL IMMUNIZZAZIONE FINANZIARIA Con il termine immunizzazione finanziaria si intende una metodologia matematica finalizzata a neutralizzare gli effetti della variazione del tasso di valutazione

Dettagli

5 Amplificatori operazionali

5 Amplificatori operazionali 5 Amplificatori operazionali 5.1 Amplificatore operazionale: caratteristiche, ideale vs. reale - Di seguito simbolo e circuito equivalente di un amplificatore operazionale. Da notare che l amplificatore

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

INFORMATICA 1 L. Mezzalira

INFORMATICA 1 L. Mezzalira INFORMATICA 1 L. Mezzalira Possibili domande 1 --- Caratteristiche delle macchine tipiche dell informatica Componenti hardware del modello funzionale di sistema informatico Componenti software del modello

Dettagli

Esperimentazioni di Fisica 3 AA 2013-2014. Tracking ADC. M. De Vincenzi

Esperimentazioni di Fisica 3 AA 2013-2014. Tracking ADC. M. De Vincenzi Esperimentazioni di Fisica 3 AA 2013-2014 Tracking ADC M. De Vincenzi 1 Introduzione La digitalizzazione di segnali analogici si realizza tramite dispositivi che vengono detti ADC (acronimo per Analog

Dettagli

1 - I segnali analogici e digitali

1 - I segnali analogici e digitali 1 - I segnali analogici e digitali Segnali analogici Un segnale analogico può essere rappresentato mediante una funzione del tempo che gode delle seguenti caratteristiche: 1) la funzione è definita per

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo

Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito

Dettagli

Ottimizzazione e modelli ad agenti

Ottimizzazione e modelli ad agenti e modelli ad Dipartimento di Economia Ca Foscari - Venezia Vittorio Veneto, 24 Maggio 2011 Metodi moderni per l ottimizzazione. 1 Esempi e definizione del problema. 2 Grandi problemi, grandi idee... 3

Dettagli

Comparatori. Comparatori di uguaglianza

Comparatori. Comparatori di uguaglianza Comparatori Scopo di un circuito comparatore é il confronto tra due codifiche binarie. Il confronto può essere effettuato per verificare l'uguaglianza oppure una relazione d'ordine del tipo "maggiore",

Dettagli

Rappresentazione dell informazione Codifica Binaria

Rappresentazione dell informazione Codifica Binaria Fondamenti di Informatica Rappresentazione dell informazione Codifica Binaria Fondamenti di Informatica - D. Talia - UNICAL 1 Rappresentazione dell informazione Tutta l'informazione in un calcolatore è

Dettagli

Informatica. Rappresentazione binaria Per esempio +101010000 diventa +0.10101 10 18/10/2007. Introduzione ai sistemi informatici 1

Informatica. Rappresentazione binaria Per esempio +101010000 diventa +0.10101 10 18/10/2007. Introduzione ai sistemi informatici 1 Informatica Pietro Storniolo storniolo@csai.unipa.it http://www.pa.icar.cnr.it/storniolo/info200708 Numeri razionali Cifre più significative: : sono le cifre associate ai pesi maggiori per i numeri maggiori

Dettagli

Spline Nurbs. IUAV Disegno Digitale. Camillo Trevisan

Spline Nurbs. IUAV Disegno Digitale. Camillo Trevisan Spline Nurbs IUAV Disegno Digitale Camillo Trevisan Spline e Nurbs Negli anni 70 e 80 del secolo scorso nelle aziende si è iniziata a sentire l esigenza di concentrare in un unica rappresentazione gestita

Dettagli

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

Dettagli

CORSO DI CALCOLATORI ELETTRONICI I CdL Ingegneria Biomedica (A-I)

CORSO DI CALCOLATORI ELETTRONICI I CdL Ingegneria Biomedica (A-I) CORSO DI CALCOLATORI ELETTRONICI I CdL Ingegneria Biomedica (A-I) DIS - Università degli Studi di Napoli Federico II Codifica delle Informazioni T insieme delle informazioni da rappresentare E insieme

Dettagli

Serie numeriche. 1 Definizioni e proprietà elementari

Serie numeriche. 1 Definizioni e proprietà elementari Serie numeriche Definizioni e proprietà elementari Sia { } una successione, definita per ogni numero naturale n n. Per ogni n n, consideriamo la somma s n degli elementi della successione di posto d s

Dettagli

Beatrice Orlando Slack organizzativo e shadow options

Beatrice Orlando Slack organizzativo e shadow options A13 Beatrice Orlando Slack organizzativo e shadow options L influenza della path dependency sulle potenzialità di sviluppo Prefazione di Antonio Renzi Copyright MMXIII ARACNE editrice S.r.l. www.aracneeditrice.it

Dettagli

Fondamenti di Informatica

Fondamenti di Informatica Università degli Studi di Messina Facolta di Ingegneria - 98100 Messina Tel. (090) 393229 - Fax (090) 393502 Fondamenti di Informatica Ing. delle Tecnologie Industriali Docente: Ing. Mirko Guarnera 1 Sistemi

Dettagli

LICEO CLASSICO, LICEO DELLE SCIENZE UMANE, LICEO MUSICALE E COREUTICO, LICEO LINGUISTICO MATEMATICA

LICEO CLASSICO, LICEO DELLE SCIENZE UMANE, LICEO MUSICALE E COREUTICO, LICEO LINGUISTICO MATEMATICA LICEO CLASSICO, LICEO DELLE SCIENZE UMANE, LICEO MUSICALE E COREUTICO, LICEO LINGUISTICO MATEMATICA PROFILO GENERALE E COMPETENZE Al termine del percorso liceale lo studente dovrà padroneggiare i principali

Dettagli

Obiettivo Principale: Spiegare come la stessa cosa possa essere realizzata in molti modi diversi e come, a volte, ci siano modi migliori di altri.

Obiettivo Principale: Spiegare come la stessa cosa possa essere realizzata in molti modi diversi e come, a volte, ci siano modi migliori di altri. 6 LEZIONE: Algoritmi Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10-25 Minuti (a seconda che tu abbia dei Tangram disponibili o debba tagliarli a mano) Obiettivo Principale: Spiegare come

Dettagli

PIANO DI LAVORO DEI DOCENTI

PIANO DI LAVORO DEI DOCENTI Pag. 1 di 6 Docente: Materia insegnamento: SISTEMI ELETTRONICI AUTOMATICI Dipartimento: ELETTRONICA Classe Anno scolastico: 1 Livello di partenza (test di ingresso, livelli rilevati) Sono richieste conoscenze

Dettagli

Fondamenti di Informatica 2. Le operazioni binarie

Fondamenti di Informatica 2. Le operazioni binarie Corso di per il corso di Laurea di Ingegneria Gestionale Le operazioni binarie Università degli Studi di Udine - A.A. 2010-2011 Docente Ing. Sandro Di Giusto Ph.D. 1 L'algebra binaria Il fatto di aver

Dettagli

Svantaggi della Commutazione di Circuito. Commutazione di Pacchetto. Struttura di un Pacchetto

Svantaggi della Commutazione di Circuito. Commutazione di Pacchetto. Struttura di un Pacchetto Università degli studi di Salerno Laurea in Informatica I semestre / Commutazione di Pacchetto Prof. Vincenzo Auletta auletta@dia.unisa.it http://www.dia.unisa.it/professori/auletta/ Svantaggi della Commutazione

Dettagli

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa XI Nota degli autori 1 Capitolo 1 Introduzione alla ricerca operativa 1 1.1 Premessa 1 1.2 Problemi di ottimizzazione 6 1.3 Primi approcci ai modelli di ottimizzazione 13 1.4 Uso del risolutore della Microsoft

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

Energia potenziale L. P. Maggio 2007. 1. Campo di forze

Energia potenziale L. P. Maggio 2007. 1. Campo di forze Energia potenziale L. P. Maggio 2007 1. Campo di forze Consideriamo un punto materiale di massa m che si muove in una certa regione dello spazio. Si dice che esso è soggetto a un campo di forze, se ad

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Albero dei guasti DOTT. ING. KONSTANTINOS MILONOPOULOS 1

Albero dei guasti DOTT. ING. KONSTANTINOS MILONOPOULOS 1 Albero dei guasti E uno strumento di analisi dei guasti che si affianca all FMECA. L FMECA e un analisi di tipo bottom-up, perche si parte da un componente e si risale agli effetti di un suo guasto L Albero

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 39 Introduzione Come si è detto,

Dettagli

Lezione 2: Teoria del commercio internazionale: Heckscher-Ohlin

Lezione 2: Teoria del commercio internazionale: Heckscher-Ohlin Corso di Economia e Politica economica nei mercati globali S. Papa spapa@unite.it Lezione 2: Teoria del commercio internazionale: Heckscher-Ohlin Facoltà di Scienze della Comunicazione Università di Teramo

Dettagli

(71,1), (35,1), (17,1), (8,1), (4,0), (2,0), (1,0), (0,1) 0, 7155 2 = 1, 431 0, 431 2 = 0, 862 0, 896 2 = 1, 792 0, 724 2 = 1, 448 0, 448 2 = 0, 896

(71,1), (35,1), (17,1), (8,1), (4,0), (2,0), (1,0), (0,1) 0, 7155 2 = 1, 431 0, 431 2 = 0, 862 0, 896 2 = 1, 792 0, 724 2 = 1, 448 0, 448 2 = 0, 896 2 Esercizio 2.2 La rappresentazione esadecimale prevede 16 configurazioni corrispondenti a 4 bit. Il contenuto di una parola di 16 bit può essere rappresentato direttamente con 4 digit esadecimali, sostituendo

Dettagli

Le Mappe di Karnaugh.

Le Mappe di Karnaugh. Le Mappe di Karnaugh. Introduzione Le mappe di Karnaugh rappresentano un metodo grafico-sistematico per la semplificazione di qualsiasi funzione booleana. Questo metodo si basa su poche regole e se applicate

Dettagli

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Groundbreaking Innovative Financing of Training in a European Dimension. Sintesi del Documento Modello finale GIFTED Maggio 2013

Groundbreaking Innovative Financing of Training in a European Dimension. Sintesi del Documento Modello finale GIFTED Maggio 2013 Groundbreaking Innovative Financing of Training in a European Dimension Sintesi del Documento Modello finale GIFTED Maggio 2013 N. Riferimento Progetto 517624-LLP-1-2011-1-AT-GRUNDTVIG-GMP Workpackage

Dettagli

FORME NORMALI E DIPENDENZE

FORME NORMALI E DIPENDENZE Sistemi Informativi: Forme Normali e Dipendenze FORME NORMALI E DIPENDENZE La teoria della normalizzazione e delle dipendenze ha come scopo principale quello di fornire gli strumenti teorici e pratici

Dettagli

Uno standard per il processo KDD

Uno standard per il processo KDD Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo

Dettagli

PROGRAMMAZIONE ANNUALE

PROGRAMMAZIONE ANNUALE Ministero dell Istruzione, dell Università e della Ricerca I.I.S. CATERINA CANIANA Via Polaresco 19 24129 Bergamo Tel:035 250547 035 253492 Fax:035 4328401 http://www.istitutocaniana.it email: canianaipssc@istitutocaniana.it

Dettagli

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione: 1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale

Dettagli

Il giardino nella macchina: la vita artificiale. 2003 Mauro Annunziato

Il giardino nella macchina: la vita artificiale. 2003 Mauro Annunziato Il giardino nella macchina: la vita artificiale 2003 Mauro Annunziato La fondazione della vita artificiale Chris Langton ( 89) Artificial Life (Alife) : programmi che autonomamente si evolvono all interno

Dettagli

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto.

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto. «Possiamo conoscere qualcosa dell'oggetto di cui stiamo parlando solo se possiamo eseguirvi misurazioni, per descriverlo mediante numeri; altrimenti la nostra conoscenza è scarsa e insoddisfacente.» (Lord

Dettagli

Interpretazione astratta

Interpretazione astratta Interpretazione astratta By Giulia Costantini (819048) e Giuseppe Maggiore (819050) Contents Interpretazione astratta... 2 Idea generale... 2 Esempio di semantica... 2 Semantica concreta... 2 Semantica

Dettagli

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.

Macroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo. acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al

Dettagli

SISTEMI DI NUMERAZIONE IL SISTEMA DECIMALE

SISTEMI DI NUMERAZIONE IL SISTEMA DECIMALE SISTEMI DI NUMERAZIONE IL SISTEMA DECIMALE La base del sistema decimale è 10 I simboli del sistema decimale sono: 0 1 2 3 4 5 6 7 8 9 Il sistema di numerazione decimale è un sistema posizionale. L aggettivo

Dettagli