Computaci´on Bio–inspirada
Mario de J. P´erez Jim´enez
Grupo de Investigaci´on en Computaci´on Natural
Dpto. Ciencias de l...
Tema I: Introducci´on. Computaci´on Natural
Planteamiento y resoluci´on de de problemas abstractos.
Mejora de la calidad d...
Computabilidad (I)
Algoritmo: m´etodo especial de resoluci´on de un cierto tipo de problemas.
Ab´u J´afar Mohammed ibn al–...
Computabilidad (II)
A finales del siglo XVII Leibnitz formula
Necesidad de disponer de un lenguaje universal (lingua charac...
Computabilidad (III)
Respuestas negativas a las dos primeras cuestiones: teoremas de incompletitud
de K. G¨odel (1931).
No...
Computabilidad (IV)
Formalizaci´on del concepto de procedimiento mec´anico: modelos de
computaci´on
Funciones recursivas (...
Computabilidad (V)
Limitaciones de los modelos de computaci´on
Existencia de problemas indecidibles.
L´ogica de primer ord...
Complejidad Computacional (I)
Aparici´on de los primeros ordenadores de prop´osito general (implementaci´on
pr´actica de i...
Complejidad Computacional (II)
Cuesti´on 2: Dado un problema hallar el mejor algoritmo que lo resuelva.
B´usqueda de algor...
Clases de complejidad
Necesidad de analizar la complejidad de problemas de manera global:
Clases de complejidad.
Ingredien...
La clase P
Resolubilidad a trav´es de ordenadores reales.
Tratabilidad e intratabilidad de problemas.
Algoritmo eficiente: ...
Computaci´on no determinista: La clase NP
Una configuraci´on de la m´aquina puede tener varias configuraciones siguientes.
P...
Problemas NP–completos
Son los problemas m´as dif´ıciles de la clase NP.
Problemas NP–completos: candidatos id´oneos para ...
Necesidad de mejorar cuantitativamente la resoluci´on mec´anica de problemas
NP–completos.
El problema SAT (S.A. Cook, 197...
La Naturaleza: Una alternativa
Computaci´on Natural: disciplina que intenta capturar la forma en que la
Naturaleza lleva c...
Computaci´on molecular basada en ADN (I)
Tratabilidad de problemas:
Paralelismo.
Miniaturizaci´on.
Computaci´on a nivel mo...
Computaci´on molecular basada en ADN (II)
Cromosomas: proteinas + ADN.
ADN (J. Watson y F. Crick, 1951–1953)
Descifran la ...
Computaci´on molecular basada en ADN (III)
Transistor (1958): manipulaci´on electr´onica silicio.
L. Adleman (1994): manip...
Computaci´on Celular con Membranas (I)
Modo en que la Naturaleza calcula a un nivel celular.
C´elula: unidad fundamental d...
Computaci´on Celular con Membranas (II)
Membrane Computing: Gh. P˘aun (oct. 1998 – feb 2000).
Inspirado en el funcionamien...
Próxima SlideShare
Cargando en…5
×

Computación Bio-Inspirada

374 visualizaciones

Publicado el

Computación Bio-Inspirada

Publicado en: Educación
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
374
En SlideShare
0
De insertados
0
Número de insertados
5
Acciones
Compartido
0
Descargas
4
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Computación Bio-Inspirada

  1. 1. Computaci´on Bio–inspirada Mario de J. P´erez Jim´enez Grupo de Investigaci´on en Computaci´on Natural Dpto. Ciencias de la Computaci´on e Inteligencia Artificial Universidad de Sevilla marper@us.es http://www.cs.us.es/~marper/ Sevilla, Noviembre de 2009
  2. 2. Tema I: Introducci´on. Computaci´on Natural Planteamiento y resoluci´on de de problemas abstractos. Mejora de la calidad de vida. B´usqueda de procedimientos sistem´aticos. Resoluci´on mec´anica de problemas: Transferencia del conocimiento. Apoyo a la resoluci´on.
  3. 3. Computabilidad (I) Algoritmo: m´etodo especial de resoluci´on de un cierto tipo de problemas. Ab´u J´afar Mohammed ibn al–Khowarizmi: procedimientos mec´anicos para el ´Algebra (a˜no 825 d.C.) Primer algoritmo no trivial: m´aximo com´un divisor de dos n´umeros enteros (Euclides entre 400 y 300 a. C.). Existencia de problemas resolubles mec´anicamente
  4. 4. Computabilidad (II) A finales del siglo XVII Leibnitz formula Necesidad de disponer de un lenguaje universal (lingua characteristica) Necesidad de mecanizar cualquier tipo de razonamiento (calculus ratiocinator). D. Hilbert (en 1928) formula tres cuestiones sobre las Matem´aticas: 1. ¿Son completas? 2. ¿Son consistentes? 3. ¿Son decidibles? (Entscheidungsproblem).
  5. 5. Computabilidad (III) Respuestas negativas a las dos primeras cuestiones: teoremas de incompletitud de K. G¨odel (1931). No es posible encontrar una axiomatizaci´on completa de las Matem´aticas. K. G¨odel dej´o sin responder la tercera cuesti´on. Aparecen problemas de los que no se conocen soluciones mec´anicas. Cuesti´on 1: Dado un problema, determinar si existe un procedimiento mec´anico que lo resuelve. Soluciones positivas versus soluciones negativas.
  6. 6. Computabilidad (IV) Formalizaci´on del concepto de procedimiento mec´anico: modelos de computaci´on Funciones recursivas (K. G¨odel, 1931–1933). λ–c´alculo (A. Church y S. Kleene, 1931). M´aquinas de Turing (A. Turing, 1936). Modelo de computaci´on: sintaxis y sem´antica. Procedimiento mec´anico. Funciones computables. M´aquinas
  7. 7. Computabilidad (V) Limitaciones de los modelos de computaci´on Existencia de problemas indecidibles. L´ogica de primer orden (Church y Turing, 1936). Problema de la parada (Turing, 1936). La tesis de Church–Turing. Equivalencia modelos de computaci´on (Turing, 1936).
  8. 8. Complejidad Computacional (I) Aparici´on de los primeros ordenadores de prop´osito general (implementaci´on pr´actica de ideas de J. von Neumann). M´aquina convencional: soporte electr´onico M´aquina no convencional: otro soporte distinto ¿Qu´e problemas resuelven las m´aquinas reales? Resolubilidad mec´anica pr´actica de problemas. Cantidad de recursos computacionales necesarios (tiempo y espacio). An´alisis comparativo de distintas soluciones.
  9. 9. Complejidad Computacional (II) Cuesti´on 2: Dado un problema hallar el mejor algoritmo que lo resuelva. B´usqueda de algoritmos ´optimos. Hallar una cota inferior de los recursos necesarios para ejecutar cualquier algoritmo que resuelva el problema. Hallar un algoritmo que resuelva el problema y que use una cantidad de recursos del orden de la cota. Complejidad computacional inherente a un problema. A veces, es imposible encontrar algoritmos ´optimos (teorema de aceleraci´on de Blum).
  10. 10. Clases de complejidad Necesidad de analizar la complejidad de problemas de manera global: Clases de complejidad. Ingredientes necesarios para definir una clase de complejidad: Un modelo de computaci´on. Un modo de computaci´on. Una medida de complejidad. Una funci´on total computable (cota superior de recursos). Las clases de complejidad L, P y EXP.
  11. 11. La clase P Resolubilidad a trav´es de ordenadores reales. Tratabilidad e intratabilidad de problemas. Algoritmo eficiente: la cantidad de recursos necesarios para su ejecuci´on est´a acotada por un polinomio. ¿Por qu´e los polinomios para establecer la frontera? Es una clase de funciones estables por suma y producto. Tienen un crecimiento moderado. La clase P de los problemas tratables.
  12. 12. Computaci´on no determinista: La clase NP Una configuraci´on de la m´aquina puede tener varias configuraciones siguientes. Puede realizar computaciones distintas con un mismo dato de entrada. La clase NP: tratabilidad en modo no determinista. Se tiene que P⊆NP. ¿Es estricta la inclusi´on P⊆NP? El problema P versus NP: determinar si P y NP coinciden. Premio del CMI: un mill´on de d´olares.
  13. 13. Problemas NP–completos Son los problemas m´as dif´ıciles de la clase NP. Problemas NP–completos: candidatos id´oneos para atacar la cuesti´on P ? =NP. Problemas resolubles por MT EXP NP P L NP−completos
  14. 14. Necesidad de mejorar cuantitativamente la resoluci´on mec´anica de problemas NP–completos. El problema SAT (S.A. Cook, 1971). ¿C´omo enfrentarnos a un problema computacionalmente dif´ıcil/duro? Preguntarnos en qu´e aspecto del problema radica la raz´on de la dificultad. Intentar buscar una soluci´on aproximada m´as simple. Tener presente que algunos problemas s´olo son dif´ıciles en el caso peor. Considerar otros modelos alternativos, no convencionales.
  15. 15. La Naturaleza: Una alternativa Computaci´on Natural: disciplina que intenta capturar la forma en que la Naturaleza lleva calculando millones de a˜nos. Cerebro Redes Neuronales Artificiales McCulloch, Pitts, 1943 Computación molecular basada en ADN ADN Computación con Membranas (P sistemas) Células Gh. Paun, 1998 Computación Natural Ordenadores Electrónicos Laboratorio Biología Molecular Adleman,1994 ? ? Algoritmos Genéticos Holland, 1975 Modelo Splicing Head, 1987
  16. 16. Computaci´on molecular basada en ADN (I) Tratabilidad de problemas: Paralelismo. Miniaturizaci´on. Computaci´on a nivel molecular (R. Feynman, 1961). Limitaciones velocidad procesadores (R. Churchhouse, 1983). Analog´ıa: procedimientos matem´aticos y procesos biol´ogicos. L. Adleman materializ´o esta similitud (nov. 1994).
  17. 17. Computaci´on molecular basada en ADN (II) Cromosomas: proteinas + ADN. ADN (J. Watson y F. Crick, 1951–1953) Descifran la estructura. Descubren el principio de complementariedad. Demuestran que las mol´eculas de ADN codifican toda la informaci´on gen´etica. Justifican el uso de ciertas t´ecnicas para su manipulaci´on.
  18. 18. Computaci´on molecular basada en ADN (III) Transistor (1958): manipulaci´on electr´onica silicio. L. Adleman (1994): manipulaci´on bioqu´ımica del carbono. Julio de 2000: interruptor a partir de una mol´ecula. Sustituye la luz por una reacci´on qu´ımica. Pueden disponer de m´as de mil procesadores en el espacio ocupado hoy d´ıa por un procesador. Pueden aumentar la velocidad cien mil millones de veces. Pueden reproducir cien ordenadores convencionales en el tama˜no de un grano de sal fina. Simulaci´on bioqu´ımica de una MT (E. Shapiro, nov. 2001)
  19. 19. Computaci´on Celular con Membranas (I) Modo en que la Naturaleza calcula a un nivel celular. C´elula: unidad fundamental de todo organismo vivo. Estructura compleja y, a la vez, muy organizada. Permite ejecuci´on simult´anea de reacciones qu´ımicas. Existen dos tipos de c´elulas: Procariotas: carecen de un n´ucleo bien definido (propias de los organismos unicelulares). Eucariotas: poseen un n´ucleo rodeado por una doble membrana (espec´ıficas de animales y plantas).
  20. 20. Computaci´on Celular con Membranas (II) Membrane Computing: Gh. P˘aun (oct. 1998 – feb 2000). Inspirado en el funcionamiento de la c´elula como organismo vivo capaz de procesar y generar informaci´on. Modelo no determinista de tipo distribuido, paralelo y maximal. El art´ıculo fundacional1 fue nominado por el ISI como Fast Breaking Paper (febrero de 2003). Declarada por el ISI Thomson Reuters como Fast Emerging Research Front in Computer Science (noviembre 2003). 1 Gh. P˘aun. Membrane Computing. Journal of Computer and System Sciences, 61, 1 (2000), 108–143, and Turku Center for Computer Science-TUCS Report Nr. 208, 1998.

×