ALGORITMO DE FLEURY

1. elegir cualquiera de los vértices para empezar
2. desde ese vértice tomar una ventaja de atravesar (ver más abajo para regla importante)
3. oscurecer esa ventaja, como un recordatorio de que no se puede atravesar otra vez
4. viaje que el borde, llegando a la siguiente vértice
5. repita 2-4 hasta que todos los bordes se han atravesado, y que están de vuelta en el vértice de partida
en cada etapa del algoritmo:

• el gráfico original menos los bordes oscuros (ya utilizada) = grafo reducido
• una regla importante: nunca cruzar un puente de la gráfica reducida a menos que haya otra opción
• ¿por qué debemos respetar esa regla?

Notas:

• el mismo algoritmo que trabaja para los caminos de Euler
• antes de comenzar, use los teoremas de Euler para comprobar que la gráfica tiene un camino de Euler y / o circuito de encontrar!
• cuando se hace esto en el papel, usted puede borrar de cada borde a medida que lo atraviesan
• esto hará que el grafo reducido visible y evidente de sus puentes

Ejemplo

Paso de la receta	Gráfica marcada	Grafo reducido
Elige cualquiera de los vértices (F, por ejemplo)
Viaje de F a C (Elección arbitraria)
Viaje de C a D (Arbitrario)
Los viajes de D a A (Arbitrario)
Viajar de A a C (No se puede ir a la B: esa ventaja es un puente del grafo reducido, y hay otras dos opciones, elegimos uno de ellos)

El resto del viaje es obvia, y es el circuito completo de Euler:
(F, C, D, A, C, E, A, B, D, F)

ALGORITMOS GENETICOS

Algoritmos Genéticos (AGs) son algoritmo adaptativo de búsqueda heurística basa en las ideas evolucionistas de la selección natural y genética. El concepto básico de gas está diseñado para simular los procesos en los sistemas naturales necesarios para la evolución, específicamente los que siguen los principios básicos establecidos por Charles Darwin de la supervivencia del más apto. Como tales, representan una explotación inteligente de una búsqueda al azar dentro de un espacio de búsqueda definido para resolver un problema.
En primer lugar por primera vez por John Holland en los años 60, algoritmos genéticos ha sido ampliamente estudiado, experimentado y aplicado en muchos campos en los mundos de la ingeniería. No sólo el gas proporcionan una alternativa a los métodos de resolución de problemas, que siempre supera a otros métodos tradicionales en la mayoría de los problemas de enlace. Muchos de los problemas del mundo real consistía en encontrar los parámetros óptimos, lo que podría resultar difícil para los métodos tradicionales, pero ideal para el gas. Sin embargo, debido a su destacado desempeño en optimización de gas han sido erróneamente considerada como método para mejorar la función. De hecho, hay muchas maneras de ver los algoritmos genéticos. Tal vez lo más usuarios llegan a Gas en busca de un solucionador de problemas, pero esto es una visión restrictiva [De Jong, 1993].
Aquí, vamos a examinar de gas como una serie de cosas diferentes:

GAs como solucionadores de problemas

GA como un puzzle difícil técnica

De gas como base para el aprendizaje de máquinas competente

Gas como modelo computacional de la innovación y la creatividad

Gas como modelo computacional de sistemas innovadores otros

Gas como filosofía rectora

Sin embargo, debido a diversas limitaciones, sólo estaríamos hablando de GAs como solucionadores de pro blema y la máquina competentes aprendiendo aquí. También se examinará cómo el gas se aplica a los campos completamente diferentes.
Muchos científicos han tratado de crear programas de vida. Estos programas no se limitan a simular la vida, sino tratar de mostrar el comportamiento y las características de un organismos reales, en un intento de existir como una forma de vida. Se han hecho sugerencias de que la vida artificial con el tiempo se convertiría en la vida real. Tal sugerencia puede sonar absurdo en este momento, pero ciertamente no inverosímil, si la tecnología sigue avanzando al ritmo actual. Por lo tanto, vale la pena, en nuestra opinión, teniendo un párrafo a cabo para discutir cómo Alife está conectado con el gas y ver si esa predicción es descabellada y sin fundamento.

PROBLEMA DE LAS 8 REINAS (AJEDREZ)

Dando color a los gráficos de la reina

El n×n reina gráfico tiene los cuadrados de n×n tablero de ajedrez de sus vértices y dos vértices son adyacentes si y sólo si, las reinas puestos en las dos plazas se atacan mutuamente.

La prueba es sencilla: Cuando el tablero de ajedrez es considerado como el cuadrado cartesiano de {0,1,...,n-1} , color de vértice (i,j) por el (j-2i) mod n . Esta construcción se ilustra a continuación el n=5 y n=7 . 

0 1 2 3 4 3 4 0 1 2 1 2 3 4 0 4 0 1 2 3 2 3 4 0 1

0 1 2 3 4 5 6 5 6 0 1 2 3 4 3 4 5 6 0 1 2 1 2 3 4 5 6 0 6 0 1 2 3 4 5 4 5 6 0 1 2 3 2 3 4 5 6 0 1

Verificar que (siempre que n mod 6 es 1 o 5 ) que no hay dos vértices del mismo color son adyacentes es un ejercicio de rutina, pero aquí están los detalles de todos modos.

Considere la posibilidad de vértices (i,j) y (x,y) del mismo color. Por definición,

(*) 2(xi) es congruente con (yj) mod n .

Si los dos vértices están en la misma fila (x=i) , entonces (*) implica y=j . Si los dos vértices están en la misma columna (y=j) , entonces (*) implica x=i desde n es impar. Si los dos vértices están en la misma diagonal, entonces xi=yj o xi=jy , en el primer caso, (*) implica (x,y)=(i,j) , en este último caso, (*) implica (x,y)=(i,j) desde el 3 no divide n .

El mismo argumento (con el "xi=yj o xi=jy" reemplazado por xi es congruente con yj mod n o xi es congruente con jy mod n), muestra que el color funciona incluso a las reinas mas poderosas, que se mueven en diagonal envolviendo el contorno del tablero de ajedrez.