Test
Sin título
Crea una cuenta gratis para terminar este test
Guarda tu progreso y consulta tu resultado final.
¿Ya tienes cuenta? Inicia sesión
Preguntas del test (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.
Información
- Descripción
- Test sobre Sin título, creado por Sergio Collazo Sorribas el 12/06/2019.
- Idioma
- Español
- Visitas
- 2
- Valoración
- Aún sin valoraciones Valora este test