A18. Razonamiento con restricciones
102482
2020-21
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
4,5
OPTATIVA
Anual
Castellano
En esta materia se estudiarán los problemas de satisfacción y optimización con
restricciones, detallando los algoritmos que los resuelven, para restricciones
duras y blandas. Se presentarán elementos de modelización. Se analizará el
problema SAT y sus algoritmos de resolución (exhaustiva, estocástica).
Se aplicarán todas estas técnicas a la aplicación concreta de la programación
de tareas.
Problemas CSP, resolución mediante búsqueda (exhaustiva, local) y mediante
inferencia.
Consistencia local y global. Combinación de búsqueda e inferencia. Heurísticas.
Restricciones globales. Explotación de simetrías.
Restricciones blandas. Optimización.
Problema SAT. Algoritmo DPLL, algoritmos estocásticos.
Programación de tareas (job-shop scheduling)
1. Módulo 1: Problemas CSP, resolución mediante búsqueda (exhaustiva, local) y
mediante inferencia
2. Módulo 2: Consistencia local y global. Combinación de búsqueda e
inferencia. Heurísticas
3. Módulo 3: Restricciones globales. Explotación de simetrías
4. Módulo 4: Restricciones blandas. Optimización
5. Módulo 5: Problema SAT. Algoritmo DPLL, algoritmos estocásticos
6. Módulo 6: Programación de tareas (job-shop scheduling)
Unidades
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG2 - Evaluar nuevas herramientas computacionales y de gestión del
conocimiento en el ámbito de la Inteligencia Artificial.
CG3 - Gestionar de manera inteligente los datos, la información y su
representación.
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar
su adecuación a la resolución de problemas que surgen en el ámbito de la
Inteligencia Artificial.
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación
en Inteligencia Artificial para poder determinar cuáles de ellas son
relevantes en la resolución de problemas concretos.
A1 - Sesiones presenciales virtuales (clases en vídeo): visionado
inicial del material audiovisual que constituye las lecciones de la
asignatura. Se asume 3 veces el tiempo real de vídeo, puesto que el estudiante
deberá parar, repetir, etc. algunas secuencias. (12 horas, aproximadamente).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (23
horas).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos (62 horas).
A4 - Foros y chats: lanzamiento, lectura y contestación de cuestiones y
temas para la discusión general (10 horas).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc.
(7,5 horas).
Puede consultar en este enlace el Cronograma
de Carga de Trabajo.
E1 - Valoración de los cuestionarios de evaluación: los
estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación
que será objeto de puntuación en la nota final (peso en la nota final 20%).
E2 - Valoración de la participación en foros y chats: se
valorará el nivel de participación/debate de los estudiantes que contará para
la nota final (peso en la nota final 20%).
E3 - Valoración de los trabajos individuales: los estudiantes
realizarán por cada tema los trabajo finales (peso en la nota final 70%).
Para la convocatoria ordinaria, habrá 3 fechas de entrega de trabajos
final de curso. Los alumnos podrán entregar sus trabajos en cualquier momento,
pero sólo en estas fechas se recogerán y evaluarán los que se hayan entregado.
Las fechas serán:
20/12/19
15/03/20
31/05/20
Habrá una convocatoria extraordinaria en todas las asignaturas.
Para su evaluación, la fecha límite para la entrega de trabajos será:
10/07/20
Para los Trabajos Fin de Máster habrá dos convocatorias:
Convocatoria ordinaria: Entrega de TFM hasta el 01/07/20 y defensa el 15/07/20
Convocatoria extraordinaria: Entrega de TFM hasta el 01/09/20 y defensa el
15/09/20
Las actas de la convocatoria ordinaria se cerrarán en julio de 2020 y las de
la convocatoria extraordinaria en septiembre de 2020.
Todas las asignaturas estarán en la plataforma a disposición de los
estudiantes desde octubre hasta julio.
Rossi, Van Beek, Walsh (2006) Handbook of Constraint Programming,
Elsevier.
Dechter R. (2003) Constraint Processing, Morgan Kauffman.
Apt K. (2003) Principles of Constraint Programming, Cambridge
University Press.
A. Biere, M. Heule, H. Von Maaren and T. Walsch (2008) Handbook of
Satisfiability. IOS Press.
Joseph Y-T. Leung (2004) Handbook of Scheduling: Algorithms, Models, and
Performance Analysis, Chapman and Hall/CRC.
Michael Pinedo (2016) Scheduling, Theory, Algorithms, and Systems.
Springer.
H. H. Hoos and T. Stützle (2004) Stochastic Local Search: Foundations
and Applications. Morgan Kaufmann.
Pascal Van Hentenryck and Laurent Michel (2005) Constraint-Based Local
Search. MIT Press.
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Anual
Créditos ECTS: 4,5
Meseguer González, Pedro
Investigador Científico
Instituto de Investigación en Inteligencia Artificial (IIIA)
Consejo Superior de Investigaciones Científicas (CSIC)
Giráldez Crú, Jesús
Investigador Juan de la Cierva
Universidad de Granada
Rodríguez Vela, María Camino
Catedrática de Ciencias de la Computación e Inteligencia Artificial
Universidad de Oviedo