II Encuentro de Jóvenes, Matemáticas y Programación: Harold V. McIntosh.

Tópicos

- Modelado Basado en Autómatas Celulares.

-Modelado Basado en Agentes.
-BioInformática.
-Teoría de Gráficas.
-Computación Científica.
-Procesamiento Simbólico.
-Investigación de Operaciones.
-Algoritmos Genéticos.
-Enjambre de Partículas.
-Visualización Científica.
-Criptografía.
-Modelado Matemático y Computacional.

Organizador:

Dr. José Manuel Gómez Soto (UAZ)

Comité del Programa:

Dr. Sergio V. Chapa Vergara (CINVESTAV-IPN)

Dr. Abdiel Emilio Cáceres González (UJAT)

Dr. José Manuel Gómez Soto (UAZ)

Inauguración

Dr. Agustín Enciso Muñoz

8:45 am - 9:00 am

Simulación de deslaves de montañas mediante Autómatas Celulares en NetLogo

Cesar Ivan Piña Martínez

10:00 am - 10:30 am

Los desastres naturales han demostrado, con los años, lo devastadores que pueden ser en tan solo minutos, horas o días. Para prevenir los desastres por el deslave de las montañas, este proyecto busca indicar el riesgo de que exista un deslave y en caso de que se dé que daño causaría. El problema se modelamediante un autómata celular y se simula mediante mediante Netlogo. En esta charla se muestra el avance que se tiene del proyecto.

Movimiento de fichas en gráficas

Luis Enrique Adame Martínez

9:00 am - 9:30 am

Imagina que seleccionas un subconjunto no vacío del conjunto de vértices de una gráfica y que sobre cada uno de esos vértices elegidos le pones una ficha sobre él. En seguida considera la siguiente regla de movimiento: una ficha determinada podrá cambiar de vértice sólo si su vértice actual es adyacente al nuevo vértice y este último no tiene ficha. El proyecto consiste en estudiar la hamiltonicidad de las estructuras que resultan al aplicar repetidamente ese tipo de movimientos.

Simulación del crecimiento de un tumor cerebral usando un autómata celular bidimensional

José Manuel Sifuentes Jaramillo

9:30 am - 10:00 am

La incidencia de tumores cerebrales malignos primarios es de 8/100000 personas por año y sigue incrementando. La mayoría (el 80%) consiste de tumores malignos neuroepiteliales como glioblastoma multiforme (GBM).

El crecimiento de este tipo de tumores es muy rápido y se puede aproximar con una función de Gompertz. Es por ello que es interesante estudiar el comportamiento de este tipo de tumores, ya que para un médico, es de gran ayuda saber esto para establecer el tipo de tratamiento que se dará a un paciente. En la conferencia, se explicar\'an los avances en un prototipo en dos dimensiones de un simulador por computadora para el crecimiento del tumor (GBM). En este caso se utilizará Netlogo como lenguaje de programación.

Receso, Café y Sesión de Posters

11:00 am - 11:30 am

Sobre el número de empaquetamiento de la gráfica de 2-fichas F_2(P_n) y su relación con códigos

Luis Manuel Ríos Castro

10:30 am - 11:00 am

Sea G=(V(G),E(G)) una gráfica. Un conjunto U subconjunto de V(G) es un conjunto de empaquetamiento de G si para cada par x,y en V(G) se tiene que d_G(x,y)>2. La cardinalidad de un conjunto de empaquetamiento máximo es el número de empaquetamiento de G y se denota por rho(G). En esta plática se dará un breve bosquejo de la demostración de una pregunta abierta en códigos que involucra la determinación del número de empaquetamiento de cierta familia de gráficas. Uno de los ingredientes cruciales de nuestra demostración es el uso de computadora.

Cálculo lambda y ADN

Alma Gabriela Saucedo Carranza

12:00 am - 12:30 pm

El Cálculo Lambda (C lambda) fue desarrollado en 1920 por Alonzo Church, con el objetivo de desarrollar un sistema formal basado en el concepto de función como fundamento para la lógica. En 1934 fue demostrada la incosistencia de la lógica construida con el (C lambda) contrariamente se demostraba la consistencia del (C lambda). Con la importancia que había tomado el (C lambda) se definió el concepto de función computable en el C lambda; una funci\'on se dice computable si y solo sí puede ser escrito en un lambda-término. Dicha definición construía el mismo conjunto de funciones que aquellas definidas por Turing. Con ello, Church conjeturó que la lambda-definibilidad capturaba el concepto de computabilidad efectiva y se consideraba como un lenguaje universal, hoy en día reconocido como el más pequeño.

A finales de los 50's comenzó a atraer el interés en el campo de los lenguajes de programación. John MacCarthy, científico computacional, desarrolló LISP, un lenguaje claro y elegante basado en el funcionamiento a partir de listas con una función abstracción (basada en el concepto de abstracción del C lambda. El C lambda proporciona una notación muy simple de definición de funciones matemáticas y dota con el poder de la abstracción. LISP es el segundo más antiguo lenguaje de programación, que hoy en día se continua desarrollando, convirtiendose en un lenguaje de elección para los sistemas operativos. Scheme, uno de los lenguajes provenientes de la familia de LISP, es un lenguaje pequeño para el desarrollo de sistemas reales, una nueva versión de este con la implementación de nuevas estructuras, definiciones, librerias, interfaces gráfica se desarrolla y es conocida como Racket. Racket, es un lenguaje que posibilita la creación de nuevos lenguajes de programación y DrRacket es el programa de entorno de desarrollo, diseñado de tal manera que sea posible experimentar inmediatamente con nuevas expresiones y programas.

En la actualidad, los avances en tecnología han permitido el estudio y descubrimiento en todas las áreas de estudio. Uno de ellos, la biología, ha mostrado gran interés en el estudio de las cadenas de ADN, ARN o cadenas de prote\'inas. Basados en el creciente interés respecto al estudio de secuencias, uno de los m\'etodos empleados para poder tener información sobre estas es mediante la comparación de ellas. Existen varios métodos de alineación de secuencias, que permiten realizar comparación uno a uno o con varias secuencias. La matriz de Needlman-Wunsch, un sistema de puntuación que se utiliza para encontrar la mejor alineación uno-uno y la gráfica de Logo de secuencias, la cual genera una secuencia de consenso general dado un conjunto de secuencias, son los métodos en los cuales se ha basado este trabajo, su desarrollo e implementación en C lambda y Racket, nos permiten mostrar la importancia del desarrollo del Cálculo Lambda de 1920 en la actualidad como fundamento en los lenguaje de programación.

Creando música en Mathematica.

Gustavo García Medrano

12:30 pm - 1:00 pm

El arte de crear música ha sido abordado de numerosas formas que van desde el método tradicional (aprender solfeo y teoría musical) hasta otras maneras menos usuales tales como la composición musical con números primos, con fractales, o más recientemente con la ayuda de algunos tipos de ordenador.

Mi proyecto estará enfocado en el tema de la composición musical desde un enfoque empírico. El objetivo es establecer un vínculo entre Mathematica y un instrumento musical. Y crear un programa en Mathematica que pueda generar composiciones musicales a partir de un motivo musical. Así como explorar nuevas formas de creación musical.

Optimización del coloreo de grafos con el uso

de PSO en Netlogo

Juan Gerardo Girón Silvestre

11:30 am - 12:00 am

El problema de coloración de gráficas consiste en encontrar el mínimo número de colores necesarios para pintar los vértices de una gráfica, de tal manera que dos vértices adyacentes no tengan el mismo color. Esta ponencia aborda el problema mediante el método heurístico de optimización por enjambres de partículas (PSO por sus siglas en inglés) utilizando programación basada en agentes. El objetivo es dada una gráfica G= (V, E) y un k-coloreo inicial, se busca optimizarlo de tal manera que se reduzca el número de colores necesarios para colorear los vértices no adyacentes. Por medio del uso de PSO, se realizará la búsqueda del mínimo de colores necesarios para una gráfica G con un determinado número de vértices.

Optimización por Enjambre de Partículas en Mathematica

Javier Acosta Dávila.

1:00 pm - 1:30 pm

Optimización por Enjambre de Partículas (PSO por sus siglas en inglés) fue introducido en 1995 por J. Kennedy y R. Eberhart. PSO es un método de optimización heurístico, el cual fue inspirado por la observación en el comportamiento de algunos grupos de animales: parvadas de aves, bancos de peces o enjambres de abejas, entre otros; donde los individuos tienen objetivos en comun y presentan comportamientos tanto individuales como sociales. Este método de optimización pretende encontrar un lugar o un punto óptimo en un espacio en el cual, pueden existir valores que cumplan

con ciertas características que llevaran a encontrar el valor óptimo. El

espacio de búsqueda o el espacio en el cual las partículas podran des-

plazarase, esta compuesto por todas las posibilidades de solucion en el

eje de las x para el caso de una dimensión. Para dos dimensiones, el

espacio de búsqueda se puede decir que seran todos las posiblidades de

solución para las coordenadas (x, y) en un plano. Las mejores aptitu-

des (individual y global) y la posición son actualizadas comparando la

aptitud recien evaluada con las aptitudes (individual y global) previas,

reemplazándolas por la mejor aptitud y posición necesaria.

Encriptación de objetos mediante Autómatas Celulares unidimensionales

Héctor Jesús Sotelo Carrillo

1:30 pm - 2:00 pm

Por confirmar.

Clausura

Dr. José Manuel Gómez Soto

2:00 pm