Tecniche Computazionali Avanzate
|
|
- Raimonda Marconi
- 7 anni fa
- Visualizzazioni
Transcript
1 Tecniche Computazionali Avanzate Modelli Probabilistici per le Decisioni A.A. 2007/08 Enza Messina
2 Markov Decision Problem Come utilizare la conoscenza dell ambiente per prendere decisioni nel caso in cui il risultato delle azioni sia incerto e il payoff dipende da una sequenza di decisioni
3 La soluzione Problemi di decisioni sequenziali in condizioni di incertezza possono essere risolti calcolando una politica che associa una decisione ottima ad ogni stato raggiungibile => Markov Decision Process (MDP)
4 Robot Example Si immagini un robot con solo un sensore locale Che deve andare da A a B Le azioni hanno un risultato incerto può muoversi ad angolo retto rispetto alla direzione prevista Vogliamo insegnare al robot come muoversi Problema di decisione sequenziale
5
6 Esempio Il mondo Le azioni hanno conseguenze incerte start
7 Markov decision model Gli ingredienti di un modello di decisione di Markov sono: Un insieme di possibili stati S Un insieme di possibili azioni A Una funzione di ricompensa R(s,a) Una descrizione T degli effetti di un azione in ogni stato
8 Modelli di decisione sequenziali Stato iniziale S 0 Modello di transizione T (s, a, s ) Come si applica qui la proprietà Markoviana? Incertezza possibile Funzione ricompensa R(s) Finita per ogni stato
9 Determinazione di una politica Che aspetto ha la soluzione a tale problema? Qualsiasi sequenza di azioni potrebbe fallire La prob che la sequenza Su Su Destra Destra Destra porti il robot al traguardo e 0,8 5 =0,32768 e c e la possibilità di raggiungere l obiettivo passando accidentalmente per un altro percorso, con prob 0,1 4 *0,8=0,00008, quindi la prob di raggiungere l obiettivo è 0,32776 Bisogna evitare strade senza uscita Bisogna evitare ripetizioni inutili La soluzione dovrà specificare quello che l agente deve fare in ogni stato potenzialmente raggiungibile
10 Determinazione di una politica Specificare una soluzione per ogni stato iniziale Costruire una politica che fornisca l azione migliore per ogni stato politica = π Politica nello stato s = π(s) Politica completa copre tutti i possibili stati di input Politica ottima, π*, fornisce l utilità attesa più alta Perchè attesa? Le transizioni sono stocastiche
11 Determinazione di una politica
12 Determinazione di una politica
13 Determinazione di una politica
14 Determinazione di una politica
15 Determinazione di una politica
16 Determinazione di una politica
17 Determinazione di una politica
18 Esempio: soluzione
19 Utilizzo di una politica Un agente nello stato s s è la percezione disponibile all agente π*(s) un azione che massimizza l utilità attesa La politica è la descrizione di un semplice riflesso
20 Bilanciare rischi e ricompense Diverse politiche dimostrano un bilanciamento tra rischi e ricompense Caratteristica interessante solo negli ambienti stocastici (non deterministici) Caratteristica di molti problemi reali La costruzione di una politica ottima è difficile!
21 Attributi dell ottimalità Vogliamo trovare una politica ottima che massimizzi l utilità degli agenti durante un certo orizzonte temporale Massimizzare U([s 0, s 1, s 2,, s n )] Quanto è lungo l orizzonte temporale? Orizzonte finito Il numero di transizioni di stato è conosciuto e finito Dopo N passi non conta più nulla U([s 0, s 1, s 2,, s n )] = U([s 0, s 1, s 2,, s n, s n+1, s n+k )] per k>0 Orizzonte infinito possono sempre avvenire nuove transizioni di stato
22 Orizzonte temporale Posizione di partenza (3,1) Orizzonte N = 3 Orizzonte N = 8 Orizzonte N = 20 Orizzonte N = inf π* cambia? Politica ottima non stazionaria con orizzonte finito
23 Valutazione di una sequenza di stati Assunzione Se dico che preferirò lo stato a allo stato b domani devo anche dire che preferisco lo stato a allo stato b oggi Le preferenze sono stazionarie Ci sono due modi possibili di assegnare utilità alle sequenze: Ricompensa additiva U[(a, b, c, )] = R(a) + R(b) + R(c) + Ricompensa scontata U[(a, b, c, )] = R(a) + γr(b) + γ 2 R(c) + γ è il fattore di sconto, compreso tra 0 e 1 Cosa vuol dire?
24 Valutazione con orizzonte infinito Come possiamo calcolare la somma con un orizzonte infinito? U[(a, b, c, )] = R(a) + R(b) + R(c) + Se il fattore di sconto γ è minore di 1 Nota: R max è finito per definizione di MDP
25 Valutazione con orizzonte infinito Come possiamo calcolare la somma con un orizzonte infinito? Se è garantito che l agente finisca in uno stato terminale allora Non dovremo mai confrontare sequenze infinite Possiamo permettere che γ sia 1
26 Valutazione di una politica Ogni politica π genera sequenze multiple di stati La funzione di transizione T(s, a, s ) è stocastica Il valore di una politica è la somma attesa delle ricompense scontate calcolata su tutte le possibili sequenze di stati che potrebbero risultare dalla sua esecuzione Una politica ottima soddisfa:
27 Determinazione della politica ottima g Iterazione dei valori gcalcola l utilità di tutti gli stati e la utilizza per scegliere l azione ottima in ogni stato g Iterazione delle politiche gcalcola il valore di una politica e cerca di migliorarla
28 Determinazione di una politica Iterazione dei valori Calcolare l utilità di ogni stato Utilizzare l utilità dello stato per selezionare l azione ottima in ogni stato La politica è semplice andare nello stato con utilità maggiore L utilità dello stato deve essere accurata Attraverso un processo iterativo si possono assegnare i valori corretti ai valori di utilità degli stati
29 Utilità degli stati L utilità di uno stato s è Il valore atteso di utilità della sequenza di stati che possono seguirlo La conseguente sequenza di stati è funzione di π(s) L utilità di uno stato data la politica π è La vera utilità di uno stato sarà U π * ( s )
30 Esempio Sia γ = 1 e R(s) = Nota: L utilità maggiore vicino all obiettivo riflette che ci saranno meno termini nella somma
31 Restating the policy Abbiamo detto di scegliere lo stato con utilità maggiore In realtà Andare nello stato con massima utilità attesa Gli stati raggiungibili con maggiore utilità possono avere probabilità minore di essere raggiunti Dipende dalle azioni disponibili, dalla funzione di transizione, dagli stati risultanti Massimizza l utilità attesa degli stati successivi
32 Mettiamo insieme i pezzi Abbiamo detto che l utilità di uno stato è: La politica è massimizzare l utilità attesa Quindi, l utilità di uno stato è la ricompensa immediata per lo stato più l utilità attesa del prossimo stato
33 Perchè conviene Molto meno onerosa da valutare: Invece di: Richard Bellman ha inventato la famosa equazione Bellman equation (1957)
34 Esempio di Equazione di Bellman Riprendiamo l esempio 4x3 Utilità della cella (1, 1) Consideriamo gli outcome di tutte le possibili azioni per selezionare l azione ottima e assegnare la sua utilità attesa al valore del prossimo stato nell equazione di Bellman
35 L eq. di Bellman per risolvere MDPs Si consideri un particolare MDP n possibili stati n equazioni di Bellman (una per ogni stato) n equazioni con n incognite (U(s) per ogni stato) n equazioni e n incognite si puo risolvere? No, a causa della nonlinearità causata da argmax( ) Puo essere utilizzata una procedura iterativa
36 Soluzione iterativa Si parte con valori arbitrari di utilità degli stati Aggiornare l utilità di ogni stato in funzione dei suoi vicini Ripetere fino a che non si raggiunge un equilibrio
37 Aggiornamento Aggiornamento iterativo Dopo infiniti aggiornamenti, si raggiunge un punto di equilibrio che risolve le equazioni di Bellman Le soluzioni sono uniche La politica corrispondente è ottimale L utilità degli stati vicino all obiettivo convergerà velocemente e di conseguenza converceranno i vicini. L informazione viene propagata nello spazio degli stati attraverso aggiornamenti locali
38 Convergenza dell iterazione dei valori
39 Convergenza dell iterazione dei valori Quanto sono vicino alla politica ottima dopo i aggiornamenti? Il libro mostra come calcolare l errore al passo i come funzione dell errore al passo i 1 e del fattore di sconto γ Matematicamente rigoroso dovuto alle funzioni di contrazione
40 Iterazione delle politiche Immaginiamo che qualcuno ci dia una politica. Quanto è buona? Assumiamo di conoscere γ e R A occhio? Provare qualche passo In modo più preciso
41 Iterazione della politica Valutazione di una politica Per iniziare, calcoliamo un utilità di ogni stato secondo l equazione di Bellman (per questa particolare iterazione i)
42 Iterazione della politica Valutazione di una politica Non conosciamo U i (s ) n equazioni di Bellman n incognite Le equazioni sono lineari Possiamo risolvere per n incognite in un tempo pari a O(n3) utilizzando metodi standard dell algebra lineare.
43 Iterazione della politica U i ( 1,1) = 0,04 + 0,8U i (1,2) + 0,1U i (1,1) + 0,1U i (2,1) U i ( 1,2) = 0,04 + 0,8U i (1,3) + 0,2U i (1,2).
44 Iterazione della politica Valutazione di una politica Ora conosciamo U(s) per ogni s Per ogni s, calcolare Questa è l azione migliore Se questa è differente dalla politica, aggiornare la politica
45 Policy Iteration Algorithm function policy-iteration(mdp) returns a policy local variables: U, a utility function, π, a policy repeat U value-determination(π,u,mdp,r) unchanged? true for each state s do if max a / / T ( s, a, s ) U ( s ) / / s π ( s) argmax unchanged? false end until unchanged? return π a > s T ( s, π ( s), s s / T ( s, a, s / ) U ( s / / ) U ( s ) then / )
46 Iterazione della politica Spesso l approccio più efficiente Richiede uno spazio degli stati O(n 3 ) Sono possibili approssimazioni Piuttosto che risolvere U esattamente, approssimare eseguendo un certo numero di iterazioni dei valori (semplificati perchè la politica è fissata) Esplorare (aggiornare la politica) solo di un sottoinsieme di stati Non ci si cura di aggiornare gli stati che crediamo cattivi
47 MDP parzialmente osservabili (POMDP) In un ambiente non accessibile, la percezione non offre informazione sufficiente per determinare lo stato o la probabilità di transizione POMDP Funzione di transizione di stato: P(s t+1 s t, a t ) Funzione osservazione: P(o t s t, a t ) Funzione Ricompensa: E(r t s t, a t ) Approccio Calcolare una distribuzione di probabilità dei possibili stati date le percezioni precedenti e basare la decisione su questa distribuzione Difficoltà Le azioni causano nuove percezioni che causano cambiamenti di beliefs molto complessi da descrivere
48 MDP parzialmente osservabili (POMDP) Distribuzione stato iniziale P(S0) Modello di transizione T (s, a, s ) Funzione ricompensa R(s) Finita per ogni stato Modello delle osservazioni O(s,o) prob di percepire o nello stato s
49 MDP parzialmente osservabili L azione ottima dipende dallo stato credenza corrente La politica ottima può essere descritta specificando la corrispondenza tra stati credenza e azioni Quindi il ciclo di decisione è: Dato lo stato credenza corrente b esegui l azione a= π * ( b ) Ricevi l osservazione o Determina la nuova distribuzione di stati credenza e ripeti b ( s ) = αo( s, o) T ( s, a, s ) b( s) j j s j
50 MDP parzialmente osservabili (POMDP)
51 MDP parzialmente osservabili (POMDP) b ( s ) = αo( s, o) T ( s, a, s ) b( s) j j s j
52 MDP parzialmente osservabili (POMDP)
Apprendimento per Rinforzo
Laurea Magistrale in Informatica Nicola Fanizzi Dipartimento di Informatica Università degli Studi di Bari 11 febbraio 2009 Sommario Apprendimento del Controllo Politiche di Controllo che scelgono azioni
DettagliProblemi e algoritmi. Il che cosa e il come. F. Damiani - Alg. & Lab. 04/05 (da U. de' Liguoro - Alg. & Spe. 03/04)
Problemi e algoritmi Il che cosa e il come Il che cosa ed il come Problema: descrive che cosa si deve calcolare Specifica (di un algoritmo): descrive che cosa calcola un algoritmo Algoritmo: descrive come
DettagliProblemi e algoritmi. Il che cosa ed il come. Il che cosa ed il come. Il che cosa e il come
Problemi e algoritmi Il che cosa e il come Problema: descrive che cosa si deve calcolare Specifica (di un algoritmo): descrive che cosa calcola un algoritmo Algoritmo: descrive come effettuare un calcolo
DettagliAlgoritmi di ricerca locale
Algoritmi di ricerca locale Utilizzati in problemi di ottimizzazione Tengono traccia solo dello stato corrente e si spostano su stati adiacenti Necessario il concetto di vicinato di uno stato Non si tiene
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di PS-Probabilità P.Baldi Tutorato 9, 19 maggio 11 Corso di Laurea in Matematica Esercizio 1 a) Volendo modellizzare l evoluzione della disoccupazione in un certo ambito
Dettaglitrovare un percorso senza collisioni per passare da una configurazione ad un altra del sistema robotico
Problemi da risolvere navigazione trovare un percorso senza collisioni per passare da una configurazione ad un altra del sistema robotico copertura passare un sensore o un attuatore su tutti i punti che
DettagliInformatica Generale Andrea Corradini Gli algoritmi e la risoluzione di problemi
Informatica Generale Andrea Corradini 12 - Gli algoritmi e la risoluzione di problemi Sommario Che significa risolvere un problema? Algoritmi e programmi Rappresentazione di algoritmi Lo pseudocodice Primitive
DettagliDomande 1. La domanda e l offerta del bene 1 sono date rispettivamente da:
Domande 1. La domanda e l offerta del bene 1 sono date rispettivamente da: DD SS 10 0,2 2 2 5 0,5 a) Calcolare la quantità e il prezzo di equilibrio sapendo che il reddito a disposizione del consumatore
DettagliMetodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
DettagliCenni di ottimizzazione dinamica
Cenni di ottimizzazione dinamica Testi di riferimento: K. Dixit Optimization in Economic Theory. Second Edition, 1990, Oxford: Oxford University Press. A. C. Chiang Elements of Dynamic Optimization, 1992,
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliIntroduzione alla programmazione Algoritmi e diagrammi di flusso. Sviluppo del software
Introduzione alla programmazione Algoritmi e diagrammi di flusso F. Corno, A. Lioy, M. Rebaudengo Sviluppo del software problema idea (soluzione) algoritmo (soluzione formale) programma (traduzione dell
DettagliUniversita degli Studi di Siena
Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I La Programmazione Dinamica Chiara Mocenni Corso di Laurea triennale in Ingegneria Gestionale
DettagliProblemi, istanze, soluzioni
lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un
DettagliAppunti di Algebra Lineare. Distanze
Appunti di Algebra Lineare Distanze 1 Indice 1 Distanze nel piano 1.1 Distanza punto-punto................................... 1. Distanza punto-retta.................................... 3 1.3 Distanza
Dettagli3.4 Metodo di Branch and Bound
3.4 Metodo di Branch and Bound Consideriamo un generico problema di Ottimizzazione Discreta dove X è la regione ammissibile. (P ) z = max{c(x) : x X} Metodologia generale di enumerazione implicita (Land
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni non lineari Sia F C 0 ([a, b]), cioé F è una funzione continua in un intervallo [a, b] R, tale che F(a)F(b) < 0 1.5 1 F(b) 0.5 0 a
DettagliStudio degli algoritmi
COMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI Fondamenti di Informatica a.a.2006/07 Prof. V.L. Plantamura Dott.ssa A. Angelini Studio degli algoritmi Dato un problema P, le problematiche riguardano: Sintesi
DettagliProgrammazione I. Fondamenti di programmazione. Problemi, Algoritmi, Diagrammi di flusso
Programmazione I Fondamenti di programmazione ( Lezione I ) Problemi, Algoritmi, Diagrammi di flusso Fabrizio Messina messina@dmi.unict.it www.dmi.unict.it/~messina Algoritmo Dato un problema, un algoritmo
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Risoluzione di Equazioni Algebriche Le equazioni algebriche sono equazioni del tipo P(x) = 0 dove P è un polinomio di grado n cioé P(x) = a 1 x n + a 2 x n
DettagliCOMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI
COMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI Fondamenti di Informatica a.a.200.2005/06 Prof. V.L. Plantamura Dott.ssa A. Angelini Confronto di algoritmi Uno stesso problema può essere risolto in modi diversi,
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliCorso 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 Risoluzione di Equazioni Algebriche Le equazioni
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliRichiami di probabilità. Decision Theory e Utilità. Richiami di probabilità. assumere certi valori in un insieme x 1, x 2, x n (dominio)
9 lezione Scaletta argomenti: Probabilità Richiami di probabilità Reti Bayesiane Decision Theory e Utilità 1 Richiami di probabilità - La formalizzazione deriva da Boole - Concetto di VARIABILE CASUALE
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
DettagliAnnamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su
Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione degli angoli conico di taglio ed elicoidale di taglio di una cremagliera Annamaria Mazzia Dipartimento di Metodi
DettagliDiagramma a blocchi per la selezione, in un mazzo di chiavi, di quella che apre un lucchetto
Diagramma a blocchi per la selezione, in un mazzo di chiavi, di quella che apre un lucchetto 14 1. Dato un numero dire se è positivo o negativo 2. e se il numero fosse nullo? 3. Eseguire il prodotto tra
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliIntroduzione alla programmazione
Introduzione alla programmazione Risolvere un problema Per risolvere un problema si procede innanzitutto all individuazione Delle informazioni, dei dati noti Dei risultati desiderati Il secondo passo consiste
DettagliIntelligenza Artificiale
Intelligenza Artificiale Agenti intelligenti Agenti intelligenti 1 Agenti intelligenti La nostra definizione di agente intelligente Introduzione al concetto di ambiente esempio molto semplice di ambiente
DettagliRISOLUZIONE DI SISTEMI LINEARI
RISOLUZIONE DI SISTEMI LINEARI Algebra lineare numerica 1 La risoluzione di un sistema lineare è il nucleo principale del processo di risoluzione di circa il 70% di tutti i problemi reali Per la risoluzione
DettagliCorso di Matematica per la Chimica
Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis Dipartimento di Matematica, Informatica e Economia Università della Basilicata a.a. 2014-15 Propagazione degli errori introdotti nei dati
DettagliAlgoritmi e soluzione di problemi
Algoritmi e soluzione di problemi Dato un problema devo trovare una soluzione. Esempi: effettuare una telefonata calcolare l area di un trapezio L algoritmo è la sequenza di operazioni (istruzioni, azioni)
DettagliEsercizi vari. Alberto Montresor. 19 Agosto, 2014
Esercizi vari Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle rispettive soluzioni
DettagliProcessi di Markov. Processi di Markov
Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Un
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliPROGRAMMAZIONE STRUTTURATA
PROGRAMMAZIONE STRUTTURATA Programmazione strutturata 2 La programmazione strutturata nasce come proposta per regolamentare e standardizzare le metodologie di programmazione (Dijkstra, 1965) Obiettivo:
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
DettagliAlgoritmi greedy. Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
Algoritmi greedy Gli algoritmi che risolvono problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione Gli algoritmi greedy sono algoritmi basati sull idea
DettagliRaccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia
Raccolta di esercizi di Calcolo Numerico Prof. Michela Redivo Zaglia Nota Bene: Gli esercizi di questa raccolta sono solo degli esempi. Non sono stati svolti né verificati e servono unicamente da spunto
DettagliMarkov Chains and Markov Chain Monte Carlo (MCMC)
Markov Chains and Markov Chain Monte Carlo (MCMC) Alberto Garfagnini Università degli studi di Padova December 11, 2013 Catene di Markov Discrete dato un valore x t del sistema ad un istante di tempo fissato,
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliArgomento 7. Studio di funzione
Argomento 7 Studio di funzione Studiare una funzione significa ottenere, mediante strumenti analitici (iti, derivate, ecc.) informazioni utili a disegnare un grafico qualitativo della funzione data. I
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie
Complementi di Matematica e Calcolo Numerico A.A. 2010-2011 Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie Cosideriamo il seguente Problema di Cauchy: Trovare una funzione y : I
DettagliLaboratorio di Calcolo Numerico
Laboratorio di Calcolo Numerico M.R. Russo Università degli Studi di Padova Dipartimento di Matematica Pura ed Applicata A.A. 2009/2010 Equazioni non lineari Data una funzione consideriamo il problema
DettagliCalcolo del fattore di convergenza
Calcolo del fattore di convergenza Dato uno schema iterativo si ha: lim k x k+1 ξ x k ξ p = M p è l ordine di convergenza del metodo iterativo M è la costante asintotica dell errore o fattore di convergenza.
DettagliIntelligenza Artificiale. Risoluzione dei Problemi
Intelligenza Artificiale Risoluzione dei Problemi Strategie non-informate: principali 1. breadth-first; 2. depth-first; 3. depth-first a profondità limitata; 4. ad approfondimento iterativo. Ricerca in
DettagliNell informatica esistono alcuni problemi particolarmente rilevanti, poiché essi:
Pag 24 3) Il problema della ricerca Nell informatica esistono alcuni problemi particolarmente rilevanti, poiché essi: si incontrano in una grande varietà di situazioni reali; appaiono come sottoproblemi
DettagliRaggiungibilità, Controllabilità, Osservabilità e Determinabilità
Raggiungibilità, Controllabilità, Osservabilità e Determinabilità Si determini se i sistemi lineari tempo invarianti ẋ(t) = Ax(t) + Bu(t), Σ c : y(t) = Cx(t) + Du(t). x(k + ) = Ax(k) + Bu(k), Σ d : y(k)
DettagliProblema. Equazioni non lineari. Metodo grafico. Teorema. Cercare la soluzione di
Problema Cercare la soluzione di Equazioni non lineari dove Se è soluzione dell equazione, cioè allora si dice RADICE o ZERO della funzione Metodo grafico Graficamente si tratta di individuare l intersezione
DettagliClaudio Estatico Equazioni non-lineari
Claudio Estatico (claudio.estatico@uninsubria.it) Equazioni non-lineari 1 Equazioni non-lineari 1) Equazioni non-lineari e metodi iterativi. 2) Metodo di bisezione, metodo regula-falsi. 3) Metodo di Newton.
DettagliINTRODUZIONE ALLA TEORIA DEI GIOCHI
Corso di Identificazione dei Modelli e Controllo Ottimo Prof. Franco Garofalo INTRODUZIONE ALLA TEORIA DEI GIOCHI A cura di Elena Napoletano elena.napoletano@unina.it Teoria dei Giochi Disciplina che studia
DettagliReti Logiche 1. Prof. B. Buttarazzi A.A. 2009/2010. Reti Sequenziali
Reti Logiche Prof. B. Buttarazzi A.A. 29/2 Reti Sequenziali Sommario Analisi di Reti Sequenziali Sintesi di Reti Sequenziali Esercizi 3/6/2 Corso di Reti Logiche 29/ 2 Analisi di Reti Sequenziali Passare
DettagliCURRICOLO DI MATEMATICA SCUOLA SECONDARIA DI PRIMO GRADO
CURRICOLO DI MATEMATICA SCUOLA SECONDARIA DI PRIMO GRADO Nuclei tematici Il numero Traguardi per lo sviluppo della competenza - Muoversi con sicurezza nel calcolo anche con i numeri razionali e stimare
Dettagli1 Equilibri Correlati
Strumenti della Teoria dei Giochi per l Informatica A.A. 29/ Lecture 4: Ottobre 2 Equilibri Correlati, Bayesian Games Docente Prof. Vincenzo Auletta Note redatte da: Michele Nasti Equilibri Correlati Gli
Dettagliin termini informali: un algoritmo è una sequenza ordinata di operazioni che risolve un problema specifico
Click to edit Algoritmo Master title style algoritmo: un insieme ordinato di operazioni non ambigue ed effettivamente computabili che, quando eseguito, produce un risultato e si arresta in un tempo finito
DettagliTeoria della Calcolabilità!
Teoria della Calcolabilità! Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo.! L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
DettagliCorso di Informatica di Base
Corso di Informatica di Base A.A. 2011/2012 Algoritmi e diagrammi di flusso Luca Tornatore Cos è l informatica? Calcolatore: esecutore di ordini o automa Programma: insieme di istruzioni che possono essere
DettagliUniversità degli Studi di Verona. Algoritmie Diagrammidiflusso. Gennaio Sergio Marin Vargas. Dipartimento di Biotecnologie
Università degli Studi di Verona Dipartimento di Biotecnologie Laurea in Biotecnologie Corso di Informatica2014/2015 Algoritmie Diagrammidiflusso Gennaio 2015 - Sergio Marin Vargas Problemi e soluzioni
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO DISCRETE Definizioni Catena: Processo stocastico in cui lo spazio degli stati è discreto o numerabile Processo stocastico tempo discreto: Si considerano
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliIntroduzione agli Algoritmi
Introduzione agli Algoritmi Informatica Sara Zuppiroli A.A. 2012-2013 Informatica () Introduzione agli Algoritmi A.A. 2012-2013 1 / 25 Risoluzione dei problemi Dalla descrizione del problema all individuazione
DettagliAlgoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I)
Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte I) Algoritmi greedy Gli algoritmi per problemi di ottimizzazione devono in genere operare una sequenza di scelte per arrivare alla soluzione
DettagliUniversita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni
Universita degli Studi di Ancona - Facolta di Ingegneria Laurea in Ing. Elettronica (VO) Ing. Informatica e Automatica - Ing. delle Telecomunicazioni ANALISI NUMERICA - Primo Parziale - TEMA A (Prof. A.M.Perdon)
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliESERCIZIO 1. Fig. 1. Si ricava a = m = 14.6 mm. Ricalcolando b per a/w= 14.6/50= 0.29, si ottiene b Procedendo, si ricava:
ESERCIZIO 1 Una piastra di larghezza totale 100 mm e spessore 5 mm, con cricca centrale passante (fig. 1), è soggetta ad una forza di trazione P50 kn. 1) Determinare le condizioni di cedimento della piastra.
DettagliZeri di funzioni e teorema di Sturm
Zeri di funzioni e teorema di Sturm Enrico Bertolazzi Dipartimento di Ingegneria Meccanica e Strutturale Università degli Studi di Trento via Mesiano 77, I 38050 Trento, Italia EnricoBertolazzi@ingunitnit
DettagliOBIETTIVI DI APPRENDIMENTO DI MATEMATICA-SCUOLA SECONDARIA DI PRIMO GRADO
OBIETTIVI DI APPRENDIMENTO DI MATEMATICA-SCUOLA SECONDARIA DI PRIMO GRADO OBIETTIVI DELLE INDICAZIONI PER IL CURRICOLO OBIETTIVI DI APPRENDIMENTO ANNUALI Classe prima- secondaria Classe seconda secondaria
DettagliAlgoritmi e Strutture Dati. Capitolo 4 Ordinamento: Selection e Insertion Sort
Algoritmi e Strutture Dati Capitolo 4 Ordinamento: Selection e Insertion Sort Ordinamento Dato un insieme S di n elementi presi da un dominio totalmente ordinato, ordinare S in ordine non crescente o non
DettagliFondamenti di Informatica 6. Algoritmi e pseudocodifica
Vettori e matrici #1 Fondamenti di Informatica 6. Algoritmi e pseudocodifica Corso di Laurea in Ingegneria Civile A.A. 2010-2011 1 Semestre Prof. Giovanni Pascoschi Le variabili definite come coppie
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
DettagliSistemi di Elaborazione delle Informazioni
SCUOLA DI MEDICINA E CHIRURGIA Università degli Studi di Napoli Federico II Corso di Sistemi di Elaborazione delle Informazioni Dott. Francesco Rossi a.a. 2016/2017 1 I linguaggi di programmazione e gli
Dettagli2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
DettagliComplementi ed Esercizi di Informatica Teorica II
Complementi ed Esercizi di Informatica Teorica II Vincenzo Bonifaci 21 maggio 2008 4 Problemi di ottimizzazione: il Bin Packing Il problema bin packing è il seguente: dato un insieme di n oggetti di dimensioni
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliCapitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo
Capitolo Esercizi a.a. 206-7 Esercizi Esercizio. Dimostrare che il metodo iterativo x k+ = Φ(x k ), k = 0,,..., se convergente a x, deve verificare la condizione di consistenza x = Φ(x ). Ovvero, la soluzione
Dettaglin n 1 n = > Il calcolo del fattoriale La funzione fattoriale, molto usata nel calcolo combinatorio, è così definita
Il calcolo del fattoriale La funzione fattoriale, molto usata nel calcolo combinatorio, è così definita n! = 1 n( n 1)! se se n n = > 0 0 dove n è un numero intero non negativo Il calcolo del fattoriale
DettagliAgenti razionali. Sistemi distribuiti LS Prof. Andrea Omicini A.A
Agenti razionali Sistemi distribuiti LS Prof. Andrea Omicini A.A. 2003-2004 1 Il concetto di razionalità (I) Intelligenza e razionalità ci si concentra sul processo razionale ragionamento razionale visione
Dettagli6) Descrivere con un diagramma a blocchi un algoritmo che legga da input due numeri ne calcoli il prodotto in termini di somme ripetute.
I due esercizi seguenti su un esempio semplice (trovare il massimo tra due o tra tre numeri) introducono la descrizione di algoritmi con diagrammi a blocchi, le strutture di controllo sequenza e condizione,
DettagliProblema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe.
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe. 1) Comprendere il problema 2) Stabilire quali sono le azioni da eseguire per risolverlo 3) Stabilire la
DettagliFondamenti di Informatica
Fondamenti di Informatica AlgoBuild: Strutture selettive, iterative ed array Prof. Arcangelo Castiglione A.A. 2016/17 AlgoBuild : Strutture iterative e selettive OUTLINE Struttura selettiva Esempi Struttura
DettagliLE RADICI QUADRATE 9=3. è il simbolo dell operazione e prende il nome di segno di radice
LE RADICI QUADRATE L ESTRAZIONE DI RADICE È L OPERAZIONE INVERSA DELL OPERAZIONE DI ELEVAMENTO A POTENZA INDICE 9=3 RADICE QUADRATA SEGNO DI RADICE RADICANDO 9 è il numero di cui vogliamo calcolare la
DettagliCorso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore
Corso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliCALCOLO NUMERICO. Prof. Di Capua Giuseppe. Appunti di Informatica - Prof. Di Capua 1
CALCOLO NUMERICO Prof. Di Capua Giuseppe Appunti di Informatica - Prof. Di Capua 1 INTRODUZIONE Quando algoritmi algebrici non determinano la soluzione di un problema o il loro «costo» è molto alto, allora
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliIl problema delle azioni
Il problema delle azioni Per studiare l andamento del mercato azionario bisogna seguire i prezzi delle azioni in un lasso di tempo abbastanza lungo, diciamo n giorni. Se si dispone dei prezzi di un azione
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 16 marzo 2010 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2010.html GIOCHI RIPETUTI: COLLUSIONE GIOCHI RIPETUTI:
DettagliDati e Algoritmi I (Pietracaprina) Esercizi sulle Nozioni di Base
Dati e Algoritmi I (Pietracaprina) Esercizi sulle Nozioni di Base Dati e Algoritmi I (Pietracaprina): Esercizi 1 Problema 1. Sia T una stringa arbitraria di lunghezza n 1 su un alfabeto Σ. È sempre possibile
DettagliAlgoritmi. Pagina 1 di 5
Algoritmi Il termine algoritmo proviene dalla matematica e deriva dal nome di in algebrista arabo del IX secolo di nome Al-Khuwarizmi e sta ad indicare un procedimento basato su un numero finito operazioni
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 12: Introduzione alla Teoria dei Giochi (part 3) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliTeoria della Calcolabilità!
Teoria della Calcolabilità!! Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo.!! L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliProgetto di Geometria Computazionale: simulazione del movimento ondoso di un fluido utilizzando Kass e Miller
Progetto di Geometria Computazionale: simulazione del movimento ondoso di un fluido utilizzando Kass e Miller Stefano Ceroni, Sara Toia Luglio 2011 1 Introduzione Il metodo di Kass e Miller [1] per la
DettagliEsercizi Capitolo 11 - Strutture di dati e progettazione di algoritmi
Esercizi Capitolo 11 - Strutture di dati e progettazione di algoritmi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore
DettagliUna funzione è continua se si può tracciarne il grafico senza mai staccare la matita dal foglio.
1 Funzione Continua Una definizione intuitiva di funzione continua è la seguente. Una funzione è continua se si può tracciarne il grafico senza mai staccare la matita dal foglio. Seppure questa non è una
Dettagli