Temas IA

Por favor espera - en proceso…

Pregunta 1 de 86

El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas

Selecciona una o más de las siguientes respuestas posibles:

que “actúen” de forma eficiente (racional) en su entorno
que “actúen” como las personas (tipo Eliza).
que “piensen” como las personas (tipo General Problem Solver, GPS).
Ninguna de las respuestas es correcta.

Explicación

Pregunta 2 de 86

¿Para cual(es) de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e. la búsqueda de coste uniforme)?

Selecciona una o más de las siguientes respuestas posibles:

Encontrar una solución al problema de las Torres de Hanoi.
Gestionar el tráfico rodado en una red de autopistas urbanas.
Conducir un taxi en las calles de Barcelona
Jugar a las cuatro en raya contra un jugador humano.

Explicación

Pregunta 3 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es (son) cierta(s)?

Selecciona una o más de las siguientes respuestas posibles:

Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos.
La búsqueda en amplitud es óptima y completa siempre y cuando el coste de los operadores sea constante.
La búsqueda en profundidad es óptima y completa siempre que el coste de los operadores sea constante.
Tanto la complejidad en tiempo como la complejidad en espacio de la búsqueda en amplitud se pueden expresar en función del número de nodos expandidos

Explicación

Pregunta 4 de 86

Contemple el problema de búsqueda de la figura 1. ¿Cuál es el factor de ramificación del árbol de búsqueda generado por los métodos de búsqueda en el espacio de estados, si no se filtran estados repetidos?

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 5 de 86

Contemple el problema de búsqueda de la figura 1. En el árbol generado por la búsqueda en amplitud, si no se filtran estados repetidos, ¿cuántos nodos hay a nivel de profundidad k (suponiendo que la raíz tiene nivel 0, es decir k≥0)

Selecciona una o más de las siguientes respuestas posibles:

k/4
4^k
4*k^2
k^4

Explicación

Pregunta 6 de 86

El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 7 de 86

Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 8 de 86

Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 9 de 86

Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 10 de 86

El algoritmo A es optimo si la funcion heurstica h* es optimista

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 11 de 86

Una heurística con aprendizaje empieza con h(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 12 de 86

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran
cantidad de memoria.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 13 de 86

h1* es más informada que h2* si para todo nodo n se cumple que h1(n) >= h2(n)

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 14 de 86

A* con la función heurística más informada expande un número de nodos menor o igual al número de nodos que expandiría con la menos informada.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 15 de 86

El algoritmo A* si se utiliza como heurística la función h(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f(n) = g(n) + h(n) si h(n) = 0
implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.

Selecciona uno de los siguientes:

VERDADERO
FALSO

Explicación

Pregunta 16 de 86

Cuales de las siguientes armaciones acerca del algoritmo Minimax son ciertas

Selecciona una o más de las siguientes respuestas posibles:

El algoritmo Minimax realiza una exploracion primero en anchura del arbol de juego.
El algoritmo Minimax maximiza la utilidad mnima que puede conseguir el jugador max
Puede haber estrategias que funcionan mejor que Minimax si el contrincante es optimo
Con la poda alfa-beta se eliminan nodos que nunca seran alcanzados

Explicación

Pregunta 17 de 86

Dado el siguiente problema de busqueda: Por un generico nodo (u, v), ¿cuales de las siguientes funciones heursticas son optimistas? Figura 1: Red 2D regular e infinita, Estado inicial (0; 0), Estado final: (x,y) donde x,y pertenecen a Z, Movimiento entre estados directamente conectados a coste 1

Selecciona una o más de las siguientes respuestas posibles:

h*((u; v)) = |u-x| + |v-y|
h*((u; v)) = |u-x| * |v-y|
h*((u; v)) = 2*min(|u-x|,|v-y|)
h*((u; v)) = |u|+ |v|+|x|+|y|
h*((u; v)) = (|u-x|^2 + |v-y|^2)^1/2

Explicación

Pregunta 18 de 86

Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces

Selecciona una o más de las siguientes respuestas posibles:

Un estado siempre asigna un valor a todas las variables
Un operador elige un valor para una variable no asignada
Un estado meta es una asignación cualquiera que cumple todas las restricciones
El coste estimado de cada asignación siempre es estrictamente menor que el coste real
Se suele aplicar la heurística de conflictos mínimos

Explicación

Pregunta 19 de 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Sea X={x1, x2,…, xn} el conjunto de variables de un CSP y D1,D2,…,Dn sus respectivos dominios. Un predicado R(xi, xj) ⊆ Di × Dj es una restricción entre las variables xi y xj
El algoritmo de chronological backtracking efectúa una búsqueda en el espacio de asignaciones completas
Sea X={A, B} el conjunto de variables de un CSP, D(A)={1,2,4,5,6,12} y D(B)={pepe,fulano,detal} sus dominios y R(A,B): A=|B| las restricciones sobre las variables. El CSP es arco consistente.
Si al ejecutar el algoritmo de arco consistencia un dominio se queda con un único valor, el CSP es inconsistente, es decir, no tiene solución.

Explicación

Pregunta 20 de 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones es (son) verdadera(s)?

Selecciona una o más de las siguientes respuestas posibles:

El algoritmo de vuelta atrás cronológica (cronological backtracking) realiza una búsqueda en profundidad en el espacio de asignaciones parciales de valores a variables.
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de vuelta atrás cronológica (cronological backtracking) y el algoritmo de arco consistencia.
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de comprobación hacia delante (forward checking) y el algoritmo de arco consistencia.
El algoritmo MAC (Maintaining Arc Consistency) intercala la satisfacción y la propagación de restricciones.
El algoritmo de comprobación hacia delante (forward checking) realiza una búsqueda A* en el espacio de asignaciones totales de valores a variables.

Explicación

Pregunta 21 de 86

Sea Δ={a,b,c} un dominio de individuos, A={a,b} y r={<a,b>,<a,c>,<b,c>} ¿Cuál de los siguientes es el conjunto de individuos del concepto ∀r.¬A en lógica de descripciones ALC?

Selecciona una o más de las siguientes respuestas posibles:

{a,b}
{b}
{b,c}
Ninguna de las anteriores

Explicación

Pregunta 22 de 86

¿Cuál de las siguientes expresiones se puede representar en RDF Schema?

Selecciona una o más de las siguientes respuestas posibles:

A u B
A v B

Explicación

Pregunta 23 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

En RDF no se puede expresar la relación estándar subclase de
En RDFS no se puede expresar la relación estándar subclase de
En OWL no se puede expresar la relación estándar subclase de
Ninguna de las anteriores

Explicación

Pregunta 24 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

SPARQL es un lenguaje para describir ontologías
SPARQL es un lenguaje para consultar datos RDF
Ninguna de las anteriores

Explicación

Pregunta 25 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

Ninguna de las anteriores
Para toda t-norma T, Mín(x,y) ≥ T(x,y)

Explicación

Pregunta 26 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explicación

Pregunta 27 de 86

¿Cuáles de las siguientes funciones heurísticas son optimistas?

Selecciona una o más de las siguientes respuestas posibles:

En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.

Explicación

Pregunta 28 de 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Selecciona una o más de las siguientes respuestas posibles:

(a) x D x D (x x ) cumple
(a) x D x D (x x ) cumple R i y j z i j $ Î $ Î , .

Explicación

Pregunta 29 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
SPARQL es un lenguaje para representar ontologías.
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).

Explicación

Pregunta 30 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
En un método de aprendizaje simbólico los datos son representados por sus características.
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.

Explicación

Pregunta 31 de 86

¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea es(son) cierta(s)?

Selecciona una o más de las siguientes respuestas posibles:

Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
La búsqueda en línea siempre es óptima y completa.
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).

Explicación

Pregunta 32 de 86

¿Cuál(es) de las siguientes afirmaciones acerca de los juegos bipersonales de suma nula es (son) verdadera(s)?

Selecciona una o más de las siguientes respuestas posibles:

Cualquier algoritmo de búsqueda heurística puede aplicarse de forma efectiva a juegos bipersonales de suma nula.
En algunos casos es posible que el algoritmo Minimax con poda a-b expanda más nodos que el algoritmo Minimax sin poda a-b.
El algoritmo Minimax con poda a-b produce siempre el mismo resultado que el algoritmo Minimax sin poda a-b.
En el algoritmo ExpectMinimax los nodos azar representan una mala jugada del jugador min.

Explicación

Pregunta 33 de 86

Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un

Selecciona una o más de las siguientes respuestas posibles:

El grafo que representa el Problema de Satisfacción de Restricciones es conexo
El Problema de Satisfacción de Restricciones es arco-consistente
El Problema de Satisfacción de Restricciones tiene exactamente una solución
El Problema de Satisfacción de Restricciones no tiene solución

Explicación

Pregunta 34 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

(a) En lógica de descripciones ALC paratodor.C ⊓ exister.⊤ ≡ paratodor.C ⊓ exister.C
En RDF Schema no se puede expresar que una clase es subclase de otra
En SPARQL es posible expresar patrones opcionales
La unión de conjuntos borrosos se realiza mediante una t-norma

Explicación

Pregunta 35 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En el Q-learning, la inicialización de los valores de la función Q a valores muy bajos (por debajo de los valores reales) favorece la exploración de nuevas soluciones.
En un método de aprendizaje subsimbólico los datos son representados por sus características.
Es posible que un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 cometa errores.
Considerando un problema de clasificación binario de un número de casos finitos y cuyos clases son linealmente separables. Una red neuronal de una única capa llega a aprender un clasificador correcto para este problema si se elige una tasa de aprendizaje (α) adecuada y se presentan
todos los casos un número infinito de veces.

Explicación

Pregunta 36 de 86

¿Cuál(es) de las siguientes afirmaciones acerca del videojuego Buscaminas (suministrado con Windows – ver figura) son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El entorno es estático.
El entorno es accesible
El entorno es discreto.
El juego es parcialmente cooperativo.

Explicación

Pregunta 37 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1 * y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explicación

Pregunta 38 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje supervisado son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El algoritmo ID3 para aprender árboles de decisión aprende usando un conjunto de parejas (xi;yi), donde xi es un elemento del espacio de entrada y yi es un valor real entre 0 y 1 que representa el nivel de entropía
El algoritmo ID3 para aprender árboles de decisión en cada paso elige como atributo más importante aquel que tiene el valor de entropía más
bajo.
El perceptrón utiliza como función de activación la función signo, que devuelve +1 si la suma pesada de las entradas es mayor que el umbral U,
y -1 en caso contrario.
Una red neuronal con un valor de corrección de 0.6 es estadísticamente mejor que un clasificador que asigna cada ejemplo a un clase elegida de
manera uniformemente aleatoria.

Explicación

Pregunta 39 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje no supervisado son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En un algoritmo genético, si el problema consiste en maximizar una cierta función objetivo g(x), entonces se puede usar como función de
fitness la función f(x)=g(x)3
La política de selección con ranking asigna al individuo de la población con el valor de fitness mayor una probabilidad de ser seleccionado igual a
1
El algoritmo de aprendizaje por refuerzo Q-learning aprende un función Q(s,a) que para cada acción a devuelve la probabilidad de transitar al
estado del entorno s si se ejecuta la acción a.
En un algoritmo de aprendizaje por refuerzo Q-learning, si se usa un
factor de descuento gamma=0.8 se da más importancia a lor rewards futuros
que si se usa un factor de descuento gamma=0.1

Explicación

Pregunta 40 de 86

Sea S un conjunto de estados del mundo. ¿Cuáles de los siguientes elementos forman parte del conocimiento a priori de un agente de búsqueda?

Selecciona una o más de las siguientes respuestas posibles:

(a) Una función acción: a implica s que a cada acción a le asigna un estado s∈S
Una función expandir: s Implica {s1, ..., sn} que asigna un conjunto finito de sucesores si∈S a cada estado s∈S
Una función meta?: s Implica verdad | falso que determina si un estado s∈S es un
estado meta
Una función c: (si, sj ) Implica v; si,sj∈S, v∈ℵ que asigna un coste entero positivo a cada operador

Explicación

Pregunta 41 de 86

¿Cuáles de las siguientes afirmaciones acerca del algoritmo A* son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Si h* es optimista, entonces el algoritmo A* es óptimo.
Si h* no es consistente, entonces el algoritmo A* no es óptimo.
Si g crece de forma monótona, entonces h* es consistente.
Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.

Explicación

Pregunta 42 de 86

¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
La búsqueda en línea siempre es óptima y completa.
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).

Explicación

Pregunta 43 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En lógica de descripciones ALC ∀r.> u ∃r.? ´ ?
En RDF Schema se puede expresar que una propiedad es transitiva
En RDF Schema se puede representar: ∃r.A v B
Para toda t-norma T, ∀x,y Mín(x,y) ≤ T(x,y)

Explicación

Pregunta 44 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
En el aprendizaje de redes neuronales, un factor de aprendizaje α, que tenga un valor negativo y lo suficientemente pequeño, asegura una buena convergencia de aprendizaje.
Un clasificador con una “false positive rate” mayor que 0,5 clasifica más de la mitad de los casos negativos como positivos.
En el Q-learning: si se emplea un factor de descuento γ igual a 0, el agente aprende a realizar en cada estado aquella acción que le da la mayor
recompensa inmediata.

Explicación

Pregunta 45 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explicación

Pregunta 46 de 86

¿Cuáles de las siguientes funciones heurísticas son optimistas?

Selecciona una o más de las siguientes respuestas posibles:

En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.

Explicación

Pregunta 47 de 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Selecciona una o más de las siguientes respuestas posibles:

$ Î $ Î , .
" Î " Î , .

Explicación

Pregunta 48 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
SPARQL es un lenguaje para representar ontologías.
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).

Explicación

Pregunta 49 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
En un método de aprendizaje simbólico los datos son representados por sus características.
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.

Explicación

Pregunta 50 de 86

¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El entorno es continuo.
El entorno es accesible.
El entorno es determinista.
Se trata de un juego bipersonal de suma nula.
El juego es parcialmente cooperativo.

Explicación

Pregunta 51 de 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Selecciona una o más de las siguientes respuestas posibles:

En el 8-puzzle: la cantidad de piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado correcto del río.
En el mundo de los bloques: el número de los bloques que no tienen la entidad correcta (bloque o mesa) por debajo.
En el problema de encontrar rutas: el número de ciudades intermedias entre la ciudad actual y la ciudad meta.
En el problema de las Torres de Hanoi: el número de discos bien colocados en la agua meta

Explicación

Pregunta 52 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En el conocimiento a priori de un agente, la función expandir puede asignar un conjunto infinito de sucesores siS a cada estado sS.
(b) Si h1
* y h2
* son funciones heurísticas consistentes, entonces
h3
*(n) = |h1
*(n) – h2
*(n)| para todo nodo n, es una función heurística optimista.
(c) En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma

Explicación

Pregunta 53 de 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Sea X=x1, x2,…, xn el conjunto de variables de un CSP y D1,D2,…,Dn sus
respectivos dominios. Un predicado R(xi, xj)  Di  Dj define una restricción
entre las variables xi y xj
Sea X=A, B, C el conjunto de variables de un CSP con los dominios
DA = DB = DC = 1,2 y restricciones de desigualdad entre todas las variables
(i.e. A ≠ B ≠ C). Si en la búsqueda con vuelta atrás cronológica con
comprobación hacia delante (forward checking) se asigna el valor 1 a la
variable A, entonces el forward checking elimina el valor 2 de DB y de DC.

Explicación

Pregunta 54 de 86

¿Cuáles de las siguientes afirmaciones acerca del juego Backgammon son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El entorno es accesible.
El entorno es continuo.
El entorno es semidinámico.
Se trata de un juego bipersonal de suma nula con elemento de azar.
El juego es parcialmente cooperativo.

Explicación

Pregunta 55 de 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Selecciona una o más de las siguientes respuestas posibles:

En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
En el mundo de los bloques: el número de los bloques bien colocados.
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el problema de las Torres de Hanoi: el número de discos mal colocados.

Explicación

Pregunta 56 de 86

¿Cuáles de las siguientes afirmaciones son ciertas y cuales falsas?

Selecciona una o más de las siguientes respuestas posibles:

Si h1* y h2* son funciones heurísticas optimistas, y h1* es más informada que h2*, entonces se puede prescindir de h2* son en el proceso de búsqueda.
Si h1* y h2* son funciones heurísticas optimistas, entonces h3* = min{h1* , h2*} es una función heurística optimista.
La búsqueda por islas realiza búsquedas A* del estado inicial n0 al estado isla i1, de isla i1 a la isla i2, …, y finalmente de la isla in a la meta ng.
La búsqueda con horizonte aplica el método A* para desarrollar un árbol de búsqueda hasta una profundidad máxima dada por el horizonte k.
La búsqueda con horizonte con función heurística optimista es óptimo.

Explicación

Pregunta 57 de 86

Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un conjunto de dominios tal que DA= DB= DC= DD= {1,2}, y R = {RA,B, RA,C, RB,C} un conjunto de restricciones, todas ellas de desigualdad (p.e. RA,B ≡ (A ≠ B). ¿Cuáles de los siguientes afirmaciones respecto al Problema de Satisfacción de Restricciones (X,D,R) son ciertas y cuales falsas ?

Selecciona una o más de las siguientes respuestas posibles:

El Problema de Satisfacción de Restricciones es arco-consistente
El Problema de Satisfacción de Restricciones es optimista
El Problema de Satisfacción de Restricciones tiene exactamente una solución
El Problema de Satisfacción de Restricciones no tiene solución
El grafo que representa el Problema de Satisfacción de Restricciones es conexo

Explicación

Pregunta 58 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

La búsqueda en amplitud tiene una menor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =h1*(n) + h2*(n), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es consistente, entonces el valor de f * crece de forma (débilmente) monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explicación

Pregunta 59 de 86

Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?

Selecciona una o más de las siguientes respuestas posibles:

h* ((u,v)) = | u – x | + | v | + | y |
h* ((u,v)) = 1
h* ((u,v)) = | u – x | + | v – y |
h* ((u,v)) = ( | u | * | v | ) + ( | x | * | y | )

Explicación

Pregunta 60 de 86

Sea X = {A,B,C} un conjunto de variables y R = {RA,B, RA,C, RB,C,} un conjunto de restricciones tal que RA,B ≡ (A = B * 2); RA,C ≡ (A > C); y RB,C ≡ (B ≠ C). ¿Con cual(es) de los siguientes conjuntos de dominios D = {DA,DB,DC} se formaría un Problema de Satisfacción de Restricciones (X,D,R) que es arco-consistente?

Selecciona una o más de las siguientes respuestas posibles:

DA = {2,4}; DB = {2}; DC = {1}
DA = {2,4}; DB = {1,2}; DC = {1,3}
DA = [2..4]; DB = [0..2]; DC = [1..3]
DA = [2..4]; DB = {1,2}; DC = {}

Explicación

Pregunta 61 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En lógica de descripciones ALC ∃r.(C Interseccion D) Identico ∃r.C Interseccion ∃r.D
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
SPARQL es un lenguaje de consulta para RDF
Para toda t-norma T(x,y), se cumple que Mínimo(x,y) <= T(x,y)

Explicación

Pregunta 62 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
En el algoritmo Q-learning se aprende, de forma iterativa, las recompensas que el agente recibe al ejecutar una acción a en un estado s.
Al aprender árboles de decisión mediante el algoritmo ID3, es posible que haya atributos de los ejemplos que no aparecen en ningún nodo del
árbol aprendido.
Un clasificador binario con una tasa de falsos positivos (false positive rate) igual a 1 clasifica a todos los ejemplos negativos como positivos.

Explicación

Pregunta 63 de 86

¿Cuáles de las siguientes afirmaciones acerca del videojuego Tetris son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El entorno es estático.
El entorno es discreto.
El entorno es accesible
El juego es parcialmente cooperativo.

Explicación

Pregunta 64 de 86

Sea S es conjunto de estados del mundo. El conocimiento a priori de un agente de búsqueda consiste de

Selecciona una o más de las siguientes respuestas posibles:

Un estado inicial s0perteneceienteS
Una función acción: a  s que a cada acción a le asigna un estado sS

Explicación

Pregunta 65 de 86

¿Cuál(es) de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es(son) verdadera(s) si el coste de los operadores puede ser cualquier número entero positivo?

Selecciona una o más de las siguientes respuestas posibles:

Si existe una solución, la búsqueda en amplitud la encuentra.
Si la búsqueda en amplitud encuentra una solución, ésta debe ser igual a la que encontraría la búsqueda de coste uniforme.
Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos
Si la búsqueda de coste uniforme encuentra una solución, ésta debe ser óptima.

Explicación

Pregunta 66 de 86

¿Cuál(es) de las siguientes afirmaciones acerca del algoritmo A* es (son) verdadera(s)?

Selecciona una o más de las siguientes respuestas posibles:

Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda
Si h* es optimista, entonces también es consistente.
Si h* es optimista, entonces el algoritmo A* es óptimo.
Si g crece de forma monótona, entonces h* es optimista.

Explicación

Pregunta 67 de 86

Siendo A y B nombres de conceptos y r nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?

Selecciona una o más de las siguientes respuestas posibles:

A ⊓ "r.B ⊓ ¬ ^ no es un concepto bien formado
A ⊓ B ⊓ ^ es insatisfacible

Explicación

Pregunta 68 de 86

Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,a>,<a,b>,<a,c>,<b,c>} ¿Cuál de los
siguientes es el conjunto de individuos del concepto $r.D ⊔ "r.D en lógica de descripciones ALC?

Selecciona una o más de las siguientes respuestas posibles:

{}
{a, c}
{a, b, c}
Ninguna de las anteriores

Explicación

Pregunta 69 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

En RDF se puede definir una clase A ≡ C ⊔ D
En RDFS (RDF Schema) se puede expresar la relación estándar subclase de
En RDF se puede especificar el rango de una propiedad
Ninguna de las anteriores

Explicación

Pregunta 70 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

RDFS es un lenguaje de consulta
En RDFS no se puede especificar el dominio de las propiedades
SPARQL es un lenguaje para escribir ontologías
Ninguna de las anteriores

Explicación

Pregunta 71 de 86

¿Cuál de las siguientes afirmaciones es cierta respecto a lógica borrosa?

Selecciona una o más de las siguientes respuestas posibles:

Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≤ 0.3
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≥ 0.6
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÈB(x) ≤ 0.6
Ninguna de las anteriores

Explicación

Pregunta 72 de 86

¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El entorno es continuo.
El entorno es accesible.
El entorno es determinista.
Se trata de un juego bipersonal de suma nula.

Explicación

Pregunta 73 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) = |h1*(n) – h2*(n)| para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h1* y h2* son funciones heurísticas optimistas y para todo nodo n se cumple que h1*(n) > h2*(n), entonces A*(h2*) expande al menos tantos nodos como A*(h1*)
El algoritmo A* con aprendizaje de función heurística asegura que en cualquier momento la función heurística h * aprendida es optimista.

Explicación

Pregunta 74 de 86

Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?

Selecciona una o más de las siguientes respuestas posibles:

h* ((u,v)) = max( | u – x |, | v – y |)
h* ((u,v)) = | u – x | + | v – y |
h* ((u,v)) = 2 * min( | u – x |, | v – y |)
h* ((u,v)) = 0

Explicación

Pregunta 75 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En lógica de descripciones ALC ∀r.C u ∃r.? ´ ∀r.C u ∃r.C
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
En SPARQL no se pueden realizar comparaciones numéricas
La intersección de conjuntos borrosos se realiza mediante una t-norma

Explicación

Pregunta 76 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En el aprendizaje por refuerzo se emplean ejemplos para reforzar el proceso de aprendizaje.
Si una función se puede aprender con una red neuronal de una única capa, también se puede aprender con una red de dos capas.
El aprendizaje de arboles de decisión también es aplicable si las instancias que se quieren clasificar pertenecen a más que 2 clases diferentes.
Dado un modelo de un problema en el cual las acciones conllevan recompensas estáticas. Una política óptima para este problema consiste en
realizar en cada estado la acción que tiene la mayor recompensa.

Explicación

Pregunta 77 de 86

Siendo C un concepto y r un nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?

Selecciona una o más de las siguientes respuestas posibles:

"r.C ⊑ $r.C
$r.C ⊑ $r.⊤

Explicación

Pregunta 78 de 86

Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,b>} ¿Cuál de los siguientes es el conjunto de individuos del concepto "r.⊤ en lógica de descripciones ALC?

Selecciona una o más de las siguientes respuestas posibles:

{a}
{a, b}
{a, b, c}
Ninguna de las anteriores

Explicación

Pregunta 79 de 86

¿Cuál de las siguientes afirmaciones es cierta?

Selecciona una o más de las siguientes respuestas posibles:

En RDFS se puede definir una clase A ≡ C ⊔ D
SPARQL es un lenguaje para consultar datos RDF
En RDF se puede especificar el dominio de una propiedad
Ninguna de las anteriores

Explicación

Pregunta 80 de 86

¿Cuál de las siguientes afirmaciones es falsa?

Selecciona una o más de las siguientes respuestas posibles:

En RDF se puede expresar la relación estándar subpropiedad de
En RDFS se puede expresar la relación estándar subpropiedad de
En OWL se puede expresar la relación estándar subpropiedad de
Alguna de las anteriores es falsa1

Explicación

Pregunta 81 de 86

¿Cuál de las siguientes afirmaciones es cierta respecto a la lógica borrosa?

Selecciona una o más de las siguientes respuestas posibles:

"x μP Ç Q(x) £ μP(x)
"x μP Ç Q(x) ³ μP(x)

Explicación

Pregunta 82 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

La búsqueda A* con función heurística h*(n) = 0 para todo nodo n, se comporta igual que la búsqueda de coste uniforme.
Si h1* y h2* son funciones heurísticas optimistas, entonces la función heurística h3*(n) = (h1*(n) + h2*(n)) / 2 es más informada que la función heurística h4*(n) = min( h1*(n), h2*(n) ).
En el algoritmo A*, si h* es consistente, entonces el error heurístico crece de forma débilmente monótona en todos los caminos del árbol de
búsqueda.
Si h* es consistente, entonces el algoritmo A* es óptimo (ó admisible).

Explicación

Pregunta 83 de 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Selecciona una o más de las siguientes respuestas posibles:

En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
En el mundo de los bloques: el número de los bloques bien colocados.
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.

Explicación

Pregunta 84 de 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Selecciona una o más de las siguientes respuestas posibles:

∃ ∈ ∃ ∈ , .
∀ ∈ ∀ ∈ , .

Explicación

Pregunta 85 de 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

En lógica de descripciones ALC ∃r.C Interseccion ∀r.C Identico ∃r.T Interseccion ∀r.C
En OWL se puede expresar que una propiedad es transitiva
En SPARQL no se pueden comparar números
Normalmente μaP(x) >= μNO P(x), siendo aP el antónimo de P

Explicación

Pregunta 86 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

El objetivo del aprendizaje supervisado es encontrar/aprender una función
En el aprendizaje simbólico, el resultado del proceso de aprendizaje es una función de clasificación.
Considera el aprendizaje de los pesos de una única neurona perceptron con 2 entradas y una salida binarias y una función de activación umbral.
Sea el siguiente conjunto de ejemplos de entrenamiento <(11,1); (01,1); (10;0); (00;0)>. Si los pesos son inicializados todos en -1, α se elige de
forma adecuada y se repite el proceso de aprendizaje con los 4 ejemplos un número suficiente de veces, entonces la neurona aprenderá a calcular
los 4 ejemplos de forma correcta.
Dado un entorno modelado como un proceso de decisión de Markov en el que existe un estado s. ¿Si V*(s)=10, eso implica que un agente que emplea una política óptima, ganaría seguro 10 unidades de recompensa a partir del estado s?

Explicación

["https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1570817/desktop_66f57870-81b2-48f6-ae78-874417261bd8.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1570822/desktop_691f2835-4b15-4a43-8788-a492138adb03.JPG","https://examtimeassets.s3.amazonaws.com/uploads/true_or_false_question/image/1570854/desktop_7196cd1a-6ce0-47ce-9ffe-569662169b57.JPG","https://examtimeassets.s3.amazonaws.com/uploads/true_or_false_question/image/1570858/desktop_8c4ebc68-11da-4fc8-8391-f7d76c0f51fd.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1571210/desktop_9d13094a-6398-4160-b576-9bd5a3d6b647.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1585333/desktop_660e7ef6-55ce-44c4-bbbe-8bdc8b72c88b.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1585341/desktop_06db94d3-f1de-4019-8164-a74940c052d2.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1585345/desktop_db72f55e-9187-408b-9714-c7e345c50bd7.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1589024/desktop_c92e40f8-7f9e-4627-afc8-ea2b7683df91.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1589062/desktop_e2900044-a6f1-4ec0-afe3-addaeb4d2a50.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1589106/desktop_cf00c7be-619c-4441-aae7-7731953e6677.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1589948/desktop_5b902e75-9743-4b97-97aa-cee3e87e001c.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1590003/desktop_ec827b27-83af-4198-994d-537c5f307bb2.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1590010/desktop_d1da1daa-2c4c-4dbb-a8e7-28f1f8cdbdc2.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595445/desktop_87f90eea-23ad-433a-92bb-e01caf8de38a.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595469/desktop_090b3a96-4c4f-4b86-8b11-8671e4a67f93.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595476/desktop_35e61d42-b2d4-4965-bb78-c31084365545.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595479/desktop_94165ef9-a4be-4502-9ee7-0eb970e312f6.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595501/desktop_a7fa10a3-98a8-4ec0-a76d-584c2eee8c7b.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595507/desktop_19b41ac6-bc4d-42e1-8b29-a26786fd69ba.JPG","https://examtimeassets.s3.amazonaws.com/uploads/checkbox_question/image/1595814/desktop_20caca9e-f7f8-4a74-8941-11f192d0dcad.JPG","https://examtimeassets.s3.amazonaws.com/uploads/quiz_answer/image/3421069/desktop_b973974d-4d93-4417-9cab-e19477952203.JPG","https://examtimeassets.s3.amazonaws.com/uploads/quiz_answer/image/3421070/desktop_4cefa1b3-2139-4bce-82f3-5be3c8df4d91.JPG","https://examtimeassets.s3.amazonaws.com/uploads/quiz_answer/image/3421071/desktop_1f1b3113-b7f8-4a01-a3f9-edd33c615616.JPG","https://examtimeassets.s3.amazonaws.com/uploads/quiz_answer/image/3421072/desktop_843921fc-a61c-4beb-9b0b-fca44b8d16ca.JPG","https://examtimeassets.s3.amazonaws.com/uploads/quiz_answer/image/3421076/desktop_bcbb4c57-0883-4ddf-94fa-0ac69eb0e246.JPG"]

	Creado por Sergio German Ji hace más de 11 años

Preguntas de las hojas y los examenes

Temas IA

Temas IA

Pregunta 1 de 86

El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 2 de 86

¿Para cual(es) de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e. la búsqueda de coste uniforme)?

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 3 de 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es (son) cierta(s)?

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 4 de 86

Contemple el problema de búsqueda de la figura 1. ¿Cuál es el factor de ramificación del árbol de búsqueda generado por los métodos de búsqueda en el espacio de estados, si no se filtran estados repetidos?

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 5 de 86

Contemple el problema de búsqueda de la figura 1. En el árbol generado por la búsqueda en amplitud, si no se filtran estados repetidos, ¿cuántos nodos hay a nivel de profundidad k (suponiendo que la raíz tiene nivel 0, es decir k≥0)

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 6 de 86

El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.

Selecciona uno de los siguientes:

Explicación

Pregunta 7 de 86

Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.

Selecciona uno de los siguientes:

Explicación

Pregunta 8 de 86

Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.

Selecciona uno de los siguientes:

Explicación

Pregunta 9 de 86

Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.

Selecciona uno de los siguientes:

Explicación

Pregunta 10 de 86

El algoritmo A es optimo si la funcion heurstica h* es optimista

Selecciona uno de los siguientes:

Explicación

Pregunta 11 de 86

Una heurística con aprendizaje empieza con h*(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h*.

Selecciona uno de los siguientes:

Explicación

Pregunta 12 de 86

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran cantidad de memoria.

Selecciona uno de los siguientes:

Explicación

Pregunta 13 de 86

h1* es más informada que h2* si para todo nodo n se cumple que h1*(n) >= h2*(n)

Selecciona uno de los siguientes:

Explicación

Pregunta 14 de 86

A* con la función heurística más informada expande un número de nodos menor o igual al número de nodos que expandiría con la menos informada.

Selecciona uno de los siguientes:

Explicación

Pregunta 15 de 86

El algoritmo A* si se utiliza como heurística la función h*(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f*(n) = g(n) + h*(n) si h*(n) = 0 implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.

Selecciona uno de los siguientes:

Explicación

Pregunta 16 de 86

Cuales de las siguientes a rmaciones acerca del algoritmo Minimax son ciertas

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 17 de 86

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 18 de 86

Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 19 de 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Selecciona una o más de las siguientes respuestas posibles:

Explicación

Pregunta 20 de 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones es (son) verdadera(s)?

El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.

Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.

Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.

Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.

El algoritmo A es optimo si la funcion heurstica h* es optimista

Una heurística con aprendizaje empieza con h(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h.

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran
cantidad de memoria.

h1* es más informada que h2* si para todo nodo n se cumple que h1(n) >= h2(n)

El algoritmo A* si se utiliza como heurística la función h(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f(n) = g(n) + h(n) si h(n) = 0
implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.

Cuales de las siguientes armaciones acerca del algoritmo Minimax son ciertas