Programacion Secuenciacion Nube Particulas

10/07/2016
GC-F-004 V.01
PROGRAMACIN DE PRODUCCIN
POR NUBES DE PARTCULAS
Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

GC-F-004 V.01
1
10/07/2016
CONTENIDO
1. INTELIGENCIA COLECTIVA Y SISTEMAS

COMPLEJOS
2. INTELIGENCIA DE ENJAMBRES
3. OPTIMIZACIN BASADA EN NUBES DE

PARTCULAS
4. PROGRAMACIN DE PRODUCCIN POR

NUBES DE PARTCULAS
5. CONCLUSIONES

GC-F-004 V.01
1. INTELIGENCIA COLECTIVA Y
SISTEMAS COMPLEJOS

GC-F-004 V.01
2
10/07/2016
1. INTELIGENCIA COLECTIVA Y
SISTEMAS COMPLEJOS
La Inteligencia Colectiva es la disciplina que estudia
aquellos sistemas formados por unidades simples que
son capaces de presentar comportamientos muy
complejos.
Los sistemas complejos naturales o artificiales
presentan un gran nmero de grados de libertad
fuertemente interrelacionados.

GC-F-004 V.01
CARACTERSTICAS DE LOS
SISTEMAS COMPLEJOS
Las relaciones existentes son no
lineales.
Estas relaciones tienen ciclos de
realimentacin.
Tienen un comportamiento histertico:
cambian con el tiempo y sus estados
anteriores pueden influir en los actuales.
Pueden estar anidados: sus
componentes pueden ser a su vez
sistemas complejos (clula-organismo-
colonia-ecosistema-Gaia).
Pueden provocar fenmenos o
comportamientos emergentes.
GC-F-004 V.01
3
10/07/2016
COMPORTAMIENTO EMERGENTE
Emergencia es lo que ocurre cuando un sistema de

elementos relativamente simples se organiza
espontneamente y sin leyes explcitas hasta dar
lugar a un comportamiento inteligente. (Steven Johnson 2004)
El todo es ms que la suma de las partes. (Aristteles)

Comportamiento bottom-up: agentes simples, guiados por
reglas muy simples, generan estructuras y/o comportamientos
complejos.
Sin control centralizado: los agentes no obedecen a ningn
lder.

GC-F-004 V.01
COMPORTAMIENTO EMERGENTE
Catedral producida por una colonia de Defensa ante depredadores producida

termitas. por un cardumen de peces.
La consciencia humana proviene de la La bolsa regula precios relativos de

interaccin de las neuronas individuales? compaas en el mundo sin lder definido.
GC-F-004 V.01
4
10/07/2016
2. INTELIGENCIA DE ENJAMBRES
(SWARM INTELLIGENCE)
rea de la Inteligencia Artificial (IA), dedicada al
estudio de la inteligencia colectiva emergente de un
grupo de agentes simples.
Aprender de la Naturaleza!

GC-F-004 V.01
CARACTERISTICAS DE UN
ENJAMBRE
Auto-organizado. Compuesto de agentes simples.

Descentralizado. No existe un nico supervisor,
toma de decisiones colectivas.
Comportamiento emergente. No hay un plan
global.
Robusto. Se completa la accin aunque falle un
individuo.
Flexible.
Responde a cambios externos.
Percepcin del entorno (sentidos).
No existe un modelo explcito del entorno ni una
habilidad para cambiarlo.

GC-F-004 V.01
5
10/07/2016
OPTIMIZACIN BASADA EN
SISTEMAS DE ENJAMBRE
ANT COLONY OPTIMIZATION. Tcnica
de optimizacin basada en la simulacin del
comportamiento de las colonias de
hormigas cuando recogen comida.
PARTICLE SWARM OPTIMIZATION.

Tcnica de optimizacin numrica inspirada
en el comportamiento social de bandadas
de aves o bancos de peces.
SWARM ROBOTICS. Enfoque novedoso

que se basa en la emergencia de un
comportamiento colectivo a partir de las
interacciones locales entre robots (kilobots)
y su entorno.

GC-F-004 V.01
3. OPTIMIZACIN BASADA EN
NUBES DE PARTCULAS
PARTICLE SWARM OPTIMIZATIN (PSO). La
optimizacin por enjambre de partculas es una
tcnica metaheurstica de optimizacin matemtica
para funciones no lineales, inspirada en el
comportamiento individual y social de bandadas de
aves o bancos de peces. (Jammes Kennedy y Russell Eberhart ,1995)

GC-F-004 V.01
6
10/07/2016
METFORA SOCIAL
Los individuos que son parte de una sociedad tienen una

opinin influenciada por la creencia global (espacio de
bsqueda) compartida por todos los posibles individuos. Cada
individuo puede modificar su propia opinin (estado)
basndose en:
Su conocimiento sobre el entorno (adaptacin).

Su conocimiento histrico o experiencias anteriores (su memoria).
El conocimiento histrico o experiencias anteriores de los
individuos situados en su vecindario (memoria de vecindario).

GC-F-004 V.01
REGLAS SIMPLES COMPORTAMIENTO

DE UNA BANDADA DE PJAROS
RANGO DE DETECCIN.
Distancia a la cual las aves
pueden detectar obstculos,
depredadores, alimentos y
otras aves.
RANGO DE SEPARACIN.
Distancia a la que una
bandada de pjaros puede
dividirse para evitar un
depredador, obstculo o un
pjaro.

GC-F-004 V.01
7
10/07/2016
REGLAS SIMPLES COMPORTAMIENTO DE

UNA BANDADA DE PJAROS
COHESIN. Cada ave vuela en direccin

al centroide (promedio) de las posiciones de
sus vecinos y se sienten atradas entre si.
ALINEACIN. cada ave alinea su vector

velocidad y cuadra la magnitud y direccin de
ste con el de la bandada local.
SEPARACIN. Cada ave guarda cierta

distancia con sus vecinos para evitar
colisiones, al igual que con obstculos y
depredadores para protegerse de ellos.

GC-F-004 V.01
PROBLEMA A SOLUCIONAR
ENCONTRAR EL MNIMO O MXIMO

GLOBAL DE UNA FUNCIN NO LINEAL

GC-F-004 V.01
8
10/07/2016
DE BANDADAS DE PJAROS A OPTIMIZACIN

BASADA EN NUBES DE PARTCULAS
Una partcula imita un ave

que est siempre en continuo
movimiento (vuela) en el espacio
de bsqueda y representa una
solucin del problema.
Cada partcula tiene una

posicin y un vector velocidad
que dirige su vuelo. El movimiento de las partculas
por el espacio est guiado por su
mejor estado (individual) y por el
de las partculas de su entorno
(interaccin social).
GC-F-004 V.01
MODELO DE OPTIMIZACIN BASADO

EN NUBES DE PARTCULAS
Pbesti,t
Gbestt
Xi,t
Vi,t+1
Xi,t+1
Vi,t

GC-F-004 V.01
9
10/07/2016

VECTOR POSICIN DE LA PARTCULA
= 1 , 2 , ,
= .

= .
= .
VECTOR VELOCIDAD DE LA PARTCULA
= !1 , !2 , , !
= ! .

! = ! .

GC-F-004 V.01

ACTUALIZACIN VECTOR DE VELOCIDAD
"#,$+& = '. "#,$ + (& . )*+,. -./01$#,$ 3#,$ 4 + (5 . )*+,. -6/01$$ 3#,$ 4
Individual Social
, = ! .

,+1 = ! + 1.
, = .
7 = 8 .
1 , 2 = .
= .
9:, = ; .
<: = ; .

GC-F-004 V.01
10
10/07/2016

ACTUALIZACIN FACTOR DE INERCIA
7 7

7=7 = ? . >
>
7 = 8 .
7 = 8 .
> = .
> = .
w w
DIVERSIFICACIN-EXPLORADORES INTENSIFICACIN-COLONIZADORES

GC-F-004 V.01

PARTICULAS INDEPENDIENTES
ACTUALIZACIN CONSTANTES DE ACELERACIN C1 > 0 y C2 = 0
PARTICULAS COLECTIVAS
C1 = 0 y C2 > 0
1 1
1 = 1 = ? . >
PARTICULAS PROMEDIO

>
C1 = C2 > 0
EXPERIENCIA INDIVIDUAL
>
1 = !. EXPERIENCIA COLECTIVA
1 = ! . C1 > C2
1 = ! .
EXPERIENCIA COLECTIVA
2 2
>

2 = 2 += ? . >
EXPERIENCIA INDIVIDUAL

>
C2 > C1
MOVIMIENTO SUAVE
2 = . C1 y C2
2 = . MOVIMIENTO ABRUPTO
2 = . C1 y C2

GC-F-004 V.01
11
10/07/2016


GC-F-004 V.01
APLICACIN OPTIMIZACIN BASADA

2 2
AB1 , 2 C = 1 . 1 2

GC-F-004 V.01
12
10/07/2016
APLICACIN OPTIMIZACIN BASADA


GC-F-004 V.01
4. PROGRAMACIN DE PRODUCCIN
POR NUBES DE PARTCULAS
Proponer Particle Swarm Optimizatin (PSO)

como una tcnica de optimizacin que permita
encontrar una buena solucin al problema de
secuenciacin en lnea (flow Shop), en la
programacin de la produccin.

GC-F-004 V.01
13
10/07/2016
SISTEMA DE PRODUCCIN
FLOW SHOP
CARACTERSTICAS
La mquina puede procesar a lo ms un
trabajo a la vez.
Una vez que un trabajo se ha procesado en la
mquina, este se termina.
Los tiempos de procesamiento de los trabajos
en cada una de las mquinas son constantes.

GC-F-004 V.01
SECUENCIACIN DE TRABAJOS
Determinar la prioridad de procesamiento o servicio

de los trabajos.
MANUFACTURA TRANSPORTE SERVICIOS

GC-F-004 V.01
14
10/07/2016
PROBLEMA COMBINATORIO
9 = !
TRABAJOS EN SECUENCIAS
LNEA DE ESPERA nPn = n
3 6
4 24
5 120
6 720
7 5040
10 3628800
15 1,31E+12
20 2,43E+18
GC-F-004 V.01
PROBLEMA COMBINATORIO
P1 P2 P19 P20
"0EFG#,*, GFHIJ$*,F) = &. KKK. KKK. KKK 10GJ0+G#*1/1
+!
$#0HIF GFHIJ$*G#F+*E =
M0EFG#,*, GFHIJ$*,F)
$#0HIF GFHIJ$*G#F+*E OO *F1

GC-F-004 V.01
15
10/07/2016
FORMULACIN DEL PROBLEMA

9 = Trabajo o pedido i, = 1,2, , .
; = Maquina j, = 1,2, , .
n = Nmero de pedidos.
m = Nmero de maquinas.
= Tiempo de procesamiento del pedido i en la maquina j.
A = Tiempo de flujo del pedido i en la maquina j.
= Tiempo de entrega del pedido i en la maquina j.
R = Retraso del pedido i en la maquina j.
S = Atraso del pedido i en la maquina j.
TU: W#+ X+
#=& Y#Z
[#Z = $\#Z $0#Z
Y#Z = H*] ^K, [#Z _

GC-F-004 V.01
SOLUCIN DEL PROBLEMA
1. REGLAS DE DESPACHO.
2. ALGORITMOS.
3. METAHEURSTICAS.

GC-F-004 V.01
16
10/07/2016
CASO DE ESTUDIO
T RABAJO ti1 te i1
P1 10 15
P2 3 16
P3 16 24
P4 8 30
P5 4 35
P6 11 37
GC-F-004 V.01
ATRASO REGLA DE DESPACHO PEPS
TRABAJO ti1 te i1 tfi1 Ri1 Ai1

P1 10 15 10 -5 0
P2 3 16 13 -3 0
P3 16 24 29 5 5
P4 8 30 37 7 7
P5 4 35 41 6 6
P6 11 37 52 15 15
33
GC-F-004 V.01
17
10/07/2016
REGLAS DE DESPACHO
REGLA SECUENCIA ATRASO

PEPS P1-P2-P3-P4-P5-P6 33
TMCP P2-P5-P4-P1-P6-P3 38
PC P3-P2-P1-P6-P5-P4 51
TMCPP P2-P5-P3-P1-P6-P4 47
TMCE P1-P2-P3-P4-P5-P6 33
HM P1-P3-P2-P4-P6-P5 50

GC-F-004 V.01
SECUENCIACIN BASADA EN NUBES

DE PARTCULAS
VECTOR POSICIN DE LA PARTCULA
= 1 , 2 , ,
= ` .

= 9 .
= 9.
VECTOR VELOCIDAD DE LA PARTCULA
a !

- 4.
: c 3#,d : 3#,d+& .
= !1 , !2 , , !
= e- 4 , - 4 , , - 4 f

1 2
= ! .

! = .
,g = ` g .
,g +1 = ` g + 1 .

GC-F-004 V.01
18
10/07/2016
SECUENCIACIN BASADA EN NUBES

DE PARTCULAS
ACTUALIZACIN VECTOR DE VELOCIDAD

Individual Social
"#,d+& = "#,d (& . )*+, -./01$#,d 3#,d 4(5 . )*+, -6/01$d 3#,d 4
,,= m .
,g = ! g .

,g +1 = ! g + 1 .
,g = ` g .
1 , 2 = .
= .
9:,g = ; g .
<:g = ; g .
ACTUALIZACIN DE POSICIN
,g +1 = ,g ,g +1
,g +1 = ` g + 1 .

GC-F-004 V.01
OPERADORES PERMUTACIN DE
ENTEROS EN NUBES DE PARTCULAS
OPERADOR RESTA DE POSICIONES . Al restar dos

posiciones el resultado es una lista velocidad.
1 = 11 , 12 , , 1
2 = 21 , 22 , , 2
1 2 = B21 11 C, B22 12 C, , B2 1 C
Ejemplo:
1 = 1 , 4 , 3 , 2
2 = 3 , 4 , 2 , 1
1 2 = B3 1 C, B4 4 C, B2 3 C, B1 2 C

GC-F-004 V.01
19
10/07/2016
OPERADOR SUMA DE VELOCIDADES . La suma de

dos velocidades consiste en solapar los pares de
dichas velocidades, obteniendo una nueva velocidad.
- 4 - g 4 = B g C
- 4 Bg C = - 4
Ejemplo:
1 = B2 1 C, B3 4 C, B4 3 C, B1 3 C
2 = B1 4 C, B3 1 C, B3 2 C, B1 3 C
1 2 = B2 4 C, B3 4 C, B4 2 C, B1 3 C

GC-F-004 V.01
OPERADOR PRODUCTO COEFICIENTE VELOCIDAD .

El producto de un coeficiente por una velocidad genera
una nueva velocidad.
1 - 4 B C
> 1 - 4 - 4
Ejemplo:
1 = 0.4
= 0.361, 0.145, 0.717, 0.503
1 = B2 1 C, B3 4 C, B4 3 C, B1 3 C
1 . 1 = B2 2 C, B3 3 C, B4 3 C, B1 3 C

GC-F-004 V.01
20
10/07/2016
OPERADOR SUMA DE POSICIN CON VELOCIDAD .

Este operador permuta los pedidos de una secuencia
(posicin) para generar una nueva secuencia por
intercambio de pedidos.
,g +1 = ,g ,g +1
Ejemplo:
1 = 1 , 4 , 3 , 2
2 = B1 4 C, B3 1 C, B3 2 C, B1 3 C
1 2 = w4 , 1 , 3 , 2 x
1 2 = w4 , 3 , 1 , 2 x
1 2 = w4 , 2 , 1 , 3 x
1 2 = w4 , 2 , 3 , 1 x NUEVA POSICIN

GC-F-004 V.01
METAHEURISTICA SECUENCIACIN
1. Definir funcin objetivo a optimizar.
+
TU: W#+ z YZ
Z=&
2. Determinar la poblacin inicial de partculas en

forma aleatoria.
Determinar posiciones (secuencias) iniciales.

Determinar velocidades iniciales.
3. Calcular funcin objetivo de cada partcula.
4. Determinar ./01$#,d { 6/01$d .
5. Actualizar la velocidad de las partculas.
Determinar comportamiento individual.

Determinar comportamiento social.
6. Actualizar posicin de las partculas.
7. Repetir desde el paso 3.
8. Se termina cuando se satisfaga la condicin de

parada.

GC-F-004 V.01
21
10/07/2016
METAHEURISTICA SECUENCIACIN
PARTICULA 1 FO PARTICULA 2 FO PARTICULA 3 FO
X1 P1 P5 P6 P2 P3 P4 54 X2 P2 P6 P3 P5 P1 P4 57 X3 P3 P4 P6 P2 P1 P5 72
V1 P5-P4 P5-P6 P6-P2 P3-P2 P2-P4 P6-P5 V2 P1-P6 P5-P4 P5-P3 P6-P5 P5-P4 P4-P3 V3 P3-P6 P1-P6 P4-P3 P6-P5 P6-P2 P3-P4
Pbest1 P1 P5 P6 P2 P3 P4 54 Pbest2 P2 P6 P3 P5 P1 P4 57 Pbest3 P3 P4 P6 P2 P1 P5 72
Gbest P1 P5 P6 P2 P3 P4 54
GC-F-004 V.01
5. CONCLUSIONES
La metaheuristica PSO se fundamenta en la toma de decisin por

parte de una partcula, dependiendo de un componente social y un
componente individual, que determinan el movimiento (direccin) de la
partcula para alcanzar una nueva posicin en el espacio de soluciones.
Simulando este modelo de comportamiento se obtiene un mtodo para
resolver problemas de optimizacin de funciones no lineales.
El PSO para permutaciones de enteros trabaja de manera adecuada

en la solucin del problema de secuenciacin de trabajos en sistemas
de produccin flow shop, ya que en la mayora de los casos se
obtienen buenos resultados e incluso la solucin optima (mnimo global)
de la funcin objetivo a optimizar, con un mnimo de tiempo
computacional.

GC-F-004 V.01
22
10/07/2016
BIBLIOGRAFA--CIBERGRAFA
BIBLIOGRAFA
M. Clerc. Discrete Particle Swarm Optimization. Illustrated by the Traveling Salesman Problem. Apr 2003.
R. Eberhart and Y. Shi. Comparing Inertia Weights and Constriction Factors in Particle Swarm Optimization. In
Proceedings of the International Congress on Evolutionary Computation, volume 1, pages 8488,July 2000.
J. Kennedy. The Particle Swarm: Social Adaptation of Knowledge. IEEE International Conference on Evolutionary
Computation, pages 303308, Apr 1997.
J. Kennedy and R. Eberhart. Particle Swarm Optimization. In Proceedings of the IEEE International Conference on
Neural Networks, volume 4, pages 19421948, Perth, Australia, Nov 1995.
J. Garca. Algoritmos Basados en Cmulos de Partculas para la Resolucin de Problemas Complejos. 2006.
http://clerc.maurice.free.fr/pso/pso_tsp/Discrete_PSO_TSP.htm
http://www.taringa.net/posts/noticias/18898586/En-Argentina-ya-se-producen-TV-4K-con-android---Gracias-
CFK.html
http://optimizacionenjambredeparticulas.blogspot.com.co/
http://docplayer.es/8512935-Aplicaciones-de-inteligencia-computacional-ic-en-analisis-y-diseno-de-estructuras.html
http://www.ejecentral.com.mx/vw-y-gm-paran-produccion-en-brasil/
http://falianza.sytes.net/web125/index.php/sistemas
http://www.bbc.com/mundo/noticias/2015/02/150204_pajaros_bandadas_vuelo_ac
http://www.itm.uni-stuttgart.de/research/pso_opt/pso_anim_en.php#pso_anim

GC-F-004 V.01
GRACIAS
GC-F--004
GC-F-004 V.01
23

Programacion Secuenciacion Nube Particulas

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Programacion Secuenciacion Nube Particulas

Caricato da

Copyright:

Formati disponibili

10/07/2016

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

1. INTELIGENCIA COLECTIVA Y SISTEMAS

3. OPTIMIZACIN BASADA EN NUBES DE

4. PROGRAMACIN DE PRODUCCIN POR

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Emergencia es lo que ocurre cuando un sistema de

El todo es ms que la suma de las partes. (Aristteles)

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Catedral producida por una colonia de Defensa ante depredadores producida

La consciencia humana proviene de la La bolsa regula precios relativos de

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Auto-organizado. Compuesto de agentes simples.

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

PARTICLE SWARM OPTIMIZATION.

SWARM ROBOTICS. Enfoque novedoso

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Los individuos que son parte de una sociedad tienen una

Su conocimiento sobre el entorno (adaptacin).

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

REGLAS SIMPLES COMPORTAMIENTO

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

REGLAS SIMPLES COMPORTAMIENTO DE

COHESIN. Cada ave vuela en direccin

ALINEACIN. cada ave alinea su vector

SEPARACIN. Cada ave guarda cierta

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

ENCONTRAR EL MNIMO O MXIMO

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

DE BANDADAS DE PJAROS A OPTIMIZACIN

Una partcula imita un ave

Cada partcula tiene una

MODELO DE OPTIMIZACIN BASADO

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

MODELO DE OPTIMIZACIN BASADO

VECTOR POSICIN DE LA PARTCULA

=      .

VECTOR VELOCIDAD DE LA PARTCULA

=  !    .

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

MODELO DE OPTIMIZACIN BASADO

ACTUALIZACIN VECTOR DE VELOCIDAD

, =  !       .

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

MODELO DE OPTIMIZACIN BASADO

ACTUALIZACIN FACTOR DE INERCIA

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

MODELO DE OPTIMIZACIN BASADO

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

MODELO DE OPTIMIZACIN BASADO

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

APLICACIN OPTIMIZACIN BASADA

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

APLICACIN OPTIMIZACIN BASADA

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Proponer Particle Swarm Optimizatin (PSO)

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

Determinar la prioridad de procesamiento o servicio

Ing. MSc. LUIS EDUARDO LEGUIZAMON CASTELLANOS

"0EFG#,*, GFHIJ$*,F) = &. KKK. KKK. KKK 10GJ0+G#*1/1

= .

= ! .

, = ! .

"0EFG#,, GFHIJ$,F) = &. KKK. KKK. KKK 10GJ0+G#*1/1

$#0HIF GFHIJ$G#F+E OO *F1

= Tiempo de procesamiento del pedido i en la maquina j.

A = Tiempo de flujo del pedido i en la maquina j.

= Tiempo de entrega del pedido i en la maquina j.

R = Retraso del pedido i en la maquina j.

S = Atraso del pedido i en la maquina j.

= ` .

a !

= e- 4 , - 4 , , - 4 f

= ! .

,,= m .

,g = ! g .

,g +1 = ` g + 1 .

1 2 = B21 11 C, B22 12 C, , B2 1 C

1 2 = B3 1 C, B4 4 C, B2 3 C, B1 2 C

- 4 - g 4 = B g C

- 4 Bg C = - 4

1 = B2 1 C, B3 4 C, B4 3 C, B1 3 C

2 = B1 4 C, B3 1 C, B3 2 C, B1 3 C

1 2 = B2 4 C, B3 4 C, B4 2 C, B1 3 C

> 1 - 4 - 4

= 0.361, 0.145, 0.717, 0.503

1 = B2 1 C, B3 4 C, B4 3 C, B1 3 C

1 . 1 = B2 2 C, B3 3 C, B4 3 C, B1 3 C

2 = B1 4 C, B3 1 C, B3 2 C, B1 3 C

1 2 = w4 , 2 , 3 , 1 x NUEVA POSICIN