Quiz
Untitled
Create a free account to finish this quiz
Save your progress and see your final score.
Already have an account? Sign in
Questions in this quiz (45)
11. ¿Qué estudia el cálculo infinitesimal?
- AEl cambio, es decir, cómo varía el elemento a estudiar (pendientes, áreas...)
- BLa extensión, la forma de medirla, las relaciones entre puntos, líneas, ángulos, planos y
figuras... - CLos números reales, los complejos, tanto del punto de vista algebraico como topológico, así como las funciones entre esos conjuntos y construcciones derivadas.
- DNinguna de las anteriores.
2¿En qué se basa la búsqueda informada?
- AA)Se basa en el cálculo infinitesimal para el cálculo de multivariables.
- BB) En algoritmos de búsqueda sobre hashmaps.
- CC) En recorridos lineales del espacio a estudiar.
- DLas opciones a y b son correctas.
3¿Cómo son la mayoría de los entornos del mundo real?
- AContinuos.
- BDiscretos.
- CDe extensión infinita.
- DTodas son correctas.
4¿Cómo se determina el gradiente empírico?
- AEvaluando la respuesta a pequeños incrementos y decrementos.
- BCalculando infinitos pasos de ⍺.
- CCalculando un valor de ⍺ lo más alto posible.
- DNinguna de las anteriores.
5¿Cómo se resuelve el dilema del tamaño de α?
- AUsando la técnica de línea de búsqueda.
- BCalculando las raíces del polinomio del gradiente.
- CDerivando la función gradiente.
- DNo se puede resolver.
6 ¿Qué complejidad tendrá una matriz Hessiana de segundas derivadas con n2 entradas?
- AO(n2)
- BO(2n).
- CO(log n)
- DO(n)
7¿En cuánto tiempo se pueden resolver los problemas de programación lineal con
restricciones?- APolinomial en el número de variables.
- BExponencial.
- CLineal.
- DLogarítmico.
8 Diferencia entre búsquedas offline y online.
- ALa online obtiene información de la red, y la offline no.
- BLa offline calcula una solución completa antes de ejecutarla y la online intercala cálculo y acción.
- CLa offline es más lenta pero proporciona mejores soluciones que la online.
- DTodas son correctas.
9¿Qué estima la función heurística admisible h(s)?
- ALa distancia del estado objetivo a cualquier otro estado.
- BLos caminos posibles desde el estado actual a cualquier otro estado.
- CLa distancia del estado actual a un estado objetivo.
- DTodas las anteriores.
10¿Cómo se define la proporción competitiva?
- ACamino real / camino ideal.
- BCamino real / espacio total.
- CEspacio total * espacio recorrido.
- DTiempo real - tiempo estimado.
11¿Qué es un espacio seguramente explorable?
- AUn espacio que no contenga amenazas externas.
- BUn espacio en el que algún estado objetivo es alcanzable desde cualquier estado
alcanzable. - CUn espacio sin obstáculos.
- DTodas las anteriores.
12¿Qué recorrido de árboles de nodos utilizan los agentes de búsqueda en línea?
- ABúsqueda primero en profundidad.
- BBúsqueda en preorden.
- CBúsqueda binaria
- DBúsqueda en burbuja.
13¿Cuándo se actualiza la estimación heurística?
- ACuando el agente gana experiencia.
- BEn un tiempo aleatorio.
- CCuando encuentra un camino sin salida.
- DEn función de la proporción de espacio descubierta.
14Forma de aprender para un agente de búsqueda en línea.
- ARegistrando cada experiencia para aprender un mapa del entorno.
- BUn agente de búsqueda en línea no puede aprender.
- CA partir de eventos inesperados.
- DNinguna de las anteriores.
15¿Cuál de estos enunciados es el correcto?:
- AUn algoritmo online puede expandir más de un nodo a la vez.
- BLos recorridos de árbol en preorden son muy eficientes para la búsqueda online.
- CDebido a los algoritmos de vuelta atrás, un agente en línea no pueden trabajar en
espacios donde las acciones se pueden deshacer. - DLa búsqueda online es una idea necesaria para un problema de exploración, donde
los estados y las acciones son desconocidos por el agente.
16Cuando la comprobación hacia adelante encuentra un valor inconsistente en el
dominio de una variable...- AElimina la variable.
- BElimina ese valor del dominio de esa variable.
- CElimina ese valor del dominio de todas las variables.
- DLo cambia por un valor aleatorio.
17La forma más potente para detectar inconsistencias en un PSR es:
- AComprobación hacia adelante.
- BArco consistente.
- Ck-consistencia.
- DComprobación paralelo-aleatoria.
18Un PSR es fuertemente k-consistente
- ASolo son fuertemente consistentes PSR que son 1-consistentes.
- BSi es k-consistente pero no (k-1)-consistente.
- CSi es k-consistente y 1-consistente.
- DSi es k-consistente, (k-1)-consistente, (k-2)-consistente ... hasta
1-consistente.
19Cuando en el algoritmo del arco consistente se elimina un valor inconsistente
- ASi un arco ya comprobado contiene una variable con dicho valor en
su dominio, deberá comprobarse de nuevo su consistencia. - BSe eliminan todos los arcos que unan variables con ese valor en su
dominio. - CSi una variable contiene ese valor en su dominio y está en un arco no
comprobado, ese arco se supone consistente. - DSi un arco ya comprobado contiene una variable con dicho valor en su
dominio, el algoritmo se detiene.
- ASi un arco ya comprobado contiene una variable con dicho valor en
20 La heurística de mínimos valores restantes (MVR) se basa en
- ALa selección de una variable cuya probabilidad de fracaso sea alta.
- BLa selección de una variable cuya probabilidad de fracaso sea baja.
- CLa selección de un valor para la variable cuya probabilidad de fracaso sea
alta. - DLa selección de un valor para la variable cuya probabilidad de fracaso sea
baja.
21El grado heurístico se aplica cuando:
- AYa se haya encontrado un valor.
- BNo se haya recorrido un nodo todavía.
- CCuando no hay solución.
- DNinguna de las anteriores.
22¿En qué caso la heurística es poco útil?
- ACuando quieres una sola solución.
- BLa heurística nunca es útil.
- CCuando no hay solución.
- DLa heurística siempre es útil.
23La heurística de valor menos restringido prefiere un valor que excluya las
pocas opciones de las variables vecinas en el grafo de ...- ARelaciones.
- BRestricciones.
- CValores.
- DNinguna de las anteriores.
24El método que retrocede hasta las variables que causaron el fracaso en una
búsqueda se denomina:- AComprobación hacia delante inteligente.
- BVuelta atrás recursiva.
- CSalto-atrás.
- DVuelta atrás predictiva.
25¿Cómo se denomina al conjunto de variables que causaron el fracaso en una
búsqueda con vuelta atrás?- AConjunto conflicto.
- BConjunto fracaso.
- CConjunto restricción.
- DConjunto exclusión.
26¿Cual de estas afirmaciones es incorrecta?
- AEl salto-atrás ocurre cuando un valor de un dominio está en conflicto
con la asignación actual. - BPuede demostrarse que cada rama descartada por el salto-atrás también
se descarta por la comprobación hacia delante. - CEl fracaso «terminal» de una rama de búsqueda siempre ocurre porque el
dominio de una variable se hace vacío - DEl algoritmo búsqueda con vuelta atrás, cuando falla una rama de
búsqueda, vuelve a la variable anterior e intenta una valor diferente para
ella.
- AEl salto-atrás ocurre cuando un valor de un dominio está en conflicto
27¿Cual de estas afirmaciones es correcta?
- ASiempre es más eficaz detectar la inconsistencia de una restricción de
orden alto que aplicar la consistencia de arco a un conjunto equivalente de
restricciones binarias. - BDetectar la inconsistencia de una restricción de orden alto es a veces
más eficaz que aplicar la consistencia de arco a un conjunto
equivalente de restricciones binarias. - CDetectar la inconsistencia de una restricción de orden alto es totalmente
ineficaz. - DTodas son correctas.
- ASiempre es más eficaz detectar la inconsistencia de una restricción de
28¿Cúal de las siguientes afirmación sobre la restricción de recursos es verdadera?
- Aa) Para hacer que esta restricción se cumpla se suprimen los valores
mínimos que no sean consistentes con los valores máximos. - Bb) Puede descubrirse una inconsistencia comprobando la suma de los
valores mínimos de los dominios de las variables. - Cc) Consiste en asignar una cantidad de recursos limitados a un
conjunto de tareas. - DA y C son correctas.
- Aa) Para hacer que esta restricción se cumpla se suprimen los valores
29 ¿Cuál de las siguientes afirmaciones es correcta?
- ALa heurística de mínimos valores restantes (MVR), que se basa en la
selección de una variable cuya probabilidad de fracaso sea alta. - BEl grado heurístico intenta reducir el número de nodos hijos en cada nodo.
- CEn esta heurística se prefiere un valor que excluya las pocas opciones de
las variables vecinas en el grafo de restricciones. - DTodas son correctas.
- ALa heurística de mínimos valores restantes (MVR), que se basa en la
30Los PSRs son problemas matemáticos definidos como un conjunto...
- Atal que su estado debe satisfacer un número de restricciones.
- Btal que su estado nunca debe satisfacer un número de restricciones.
- Ctal que sus variable siempre deben satisfacer un número de restricciones.
- DTodas las afirmaciones anteriores son incorrectas.
31¿Qué tipo de búsqueda se utiliza en el método de búsqueda con vuelta atrás?
- ABúsqueda en inorden.
- BBúsqueda en anchura.
- CBúsqueda en profundidad.
- DBúsqueda en preorden.
32Cuál de estas opciones no es un algoritmo de búsqueda local:
- AAlgoritmo de búsqueda por colinas.
- BAlgoritmo de búsqueda por haz local.
- CAlgoritmos de búsqueda heurística con memoria acotada.
- DAlgoritmo de búsqueda temple simulado.
33Los algoritmos de búsqueda local funcionan con:
- AMúltiples caminos.
- BMúltiples estados.
- CÚnico camino actual.
- DÚnico estado actual.
34.Escoge la opción que mejor defina el algoritmo de búsqueda por ascensión de colinas:
- AA) Dada una estructura de datos de una serie de nodos, evalúa únicamente los nodos vecinos inmediatos en busca del que tenga el mayor valor.
- BB) Este algoritmo genera, de forma aleatoria, k puntos iniciales. A continuación, genera N sucesores de estos puntos mediante ascensión de colinas y escoge los K mejores.
- CC) Esta búsqueda finaliza cuando llega a “un pico” dónde ningún vecino tiene un valor más alto.
- DA y C son correctas.
35Escoge la opción que no sea una variante del algoritmo de búsqueda por ascensión de colinas:
- AAlgoritmo de ascensión de colinas de primera opción.
- BAlgoritmo de ascensión de colinas estocástica.
- CAlgoritmo de ascensión de colinas de opciones aleatorias.
- DAlgoritmo de ascensión de colinas de reinicio aleatorio.
36Escoge la opción que mejor defina el algoritmo de búsqueda por ascensión de colinas de reinicio aleatorio:
- AAnte un paisaje con pocos máximos locales y mesetas, este algoritmo encuentra una buena solución en poco tiempo.
- BCada búsqueda se detiene al encontrar un objetivo. Dada una probabilidad de éxito P para cada búsqueda, el número esperado de reinicios es de 1/P.
- CEl algoritmo no se estanca en la búsqueda del máximo total. Se realiza una serie de búsquedas de ascensión desde estados iniciales generados aleatoriamente.
- DTodas son correctas.
37Que es la ascensión de colinas estocástica?
- AElegir aleatoriamente entre los posibles movimientos ascendentes
- BElegir aleatoriamente
- CElegir aleatoriamente un estado inicial.
- DNinguna de las anteriores
38Qué es la ascensión de colinas de primera opción?
- AElegir sucesores al azar hasta encontrar uno con mayor valor que en el que estamos.
- BElegir sucesores al azar
- CElegir aleatoriamente entre los posibles movimientos ascendentes
- DGenerar múltiples sucesores y escoger el mejor.
39.Cuál de las siguientes afirmaciones es cierta?
- AEl algoritmo de temple simulado nunca realiza movimientos que desciendan en el gradiente.
- BLa ascensión de colinas estocástica no se estanca en máximos locales
- CEl problema del viajero no se puede solucionar con ascensión de colinas.
- DNinguna de los anteriores.
40Cuáles de las siguientes afirmaciones es cierta?
- AEn temple simulado la probabilidad de realizar un movimiento depende solo de la ineficacia del movimiento
- BEn temple simulado la probabilidad de realizar un movimiento aumenta geométricamente con la eficacia del movimiento
- CTemple simulado elige aleatoriamente múltiples puntos desde los que iniciar la búsqueda
- DEn temple simulado los movimientos poco eficaces se hacen menos probables con el tiempo, cuando el valor de "temperatura" baja.
41Cuál es la diferencia entre la búsqueda de haz local y el reinicio aleatorio?
- ALa búsqueda de haz local continua a partir de los candidatos más prometedores mientras que el reinicio aleatorio genera puntos iniciales aleatorios.
- BLa búsqueda de haz local elige múltiples candidatos
- CLa búsqueda de haz local se realiza en paralelo y el reinicio aleatorio es en serie.
- DNo hay diferencia
42Cual o cuales de estos algoritmos corren un alto riesgo de atascarse en un máximo local cuando hay pocos?
- ATemple simulado
- BAscensión de colinas con reinicio aleatorio.
- CHaz local .
- DAscensión de colinas estocástica.
43En qué consiste el algoritmo de haz local ?
- ADada una estructura de datos de una serie de nodos, evalúa únicamente los nodos vecinos inmediatos en busca del que tenga el mayor valor.
- BElige aleatoriamente múltiples puntos desde los que iniciar la búsqueda y aplica ascensión de colinas a partir de ahí.
- CEste algoritmo genera, de forma aleatoria, k puntos iniciales. A continuación, genera N sucesores de estos puntos mediante ascensión de colinas y escoge los K mejores.
- DNinguna de las anteriores.
44 La palabra “Heurística” proviene del:
- AGriego “heuriskein”.
- BLatín “heuristorum”.
- CHebreo antiguo “heireishtzadei”
- DNinguna de las anteriores. Se trata de un término mucho más moderno.
45La función heurística h(n) significa:
- ACoste estimado del camino más barato desde nodo n hasta nodo objetivo.
- BCoste exacto del camino más barato desde nodo n hasta nodo objetivo.
- CCoste estimado del camino más caro desde nodo n hasta nodo objetivo.
- DCoste exacto del camino más caro desde nodo n hasta nodo objetivo.
Information
- Description
- Quiz on Untitled, created by Sergio Collazo Sorribas on 12/06/2019.
- Author
- Sergio Collazo Sorribas
- Language
- Español
- Views
- 2
- Rating
- No ratings yet Rate this quiz