Analisis y diseño de algoritmos

Javier Correa Santos
Quiz by Javier Correa Santos, updated more than 1 year ago
Javier Correa Santos
Created by Javier Correa Santos over 6 years ago
204
1

Description

Quiz on Analisis y diseño de algoritmos, created by Javier Correa Santos on 07/01/2015.

Resource summary

Question 1

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int lineal(int n) { int resultado = 1; while(false){ resultado = resultado * n; } return resultado;
Answer
  • O(1)
  • O(log n)
  • O(n2)
  • O(n log n)

Question 2

Question
¿Qué devuelve el siguiente algoritmo recursivo? static int metodoRecurH(int n) { if (n < 10) return n; else return (n % 10) + metodoRecurH(n / 10); }
Answer
  • El múltiplo de 10 más cercano a n
  • La suma de los dígitos de n
  • El menor múltiplo de 10 que divide a n
  • La cantidad de dígitos de n
  • El mayor múltiplo de 10 que divide a n

Question 3

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int metodoH(int n) { int resultado = 0; int i = 1; while (i <= n) { for (int f = n; f > 0; f--) { resultado = resultado + (i * i * i) + (f * f * f); } i++; } return resultado; }
Answer
  • O(n)
  • o(n2)
  • O(log n)
  • O(n log n)

Question 4

Question
Teniendo en cuenta la regla del máximo, el orden que más se ajusta T(n )=5 \sqrt n + 23\log n + 3n \log n
Answer
  • O(5\sqrt n)
  • O(nlogn)
  • O(log n)
  • O(n2)

Question 5

Question
Responde Verdadero o Falso a la siguiente afirmación: "Una operación elemental es aquella cuyo tiempo de ejecución puede acotarse inferiormente por una constante que solo dependerá de la implementación particular usada."
Answer
  • True
  • False

Question 6

Question
El orden que más se ajusta al tiempo de ejecución en el caso peor del Ordenamiento por Selección es:
Answer
  • o(n2)
  • o(n)
  • o(2n)
  • o(nlogn)

Question 7

Question
Teniendo en cuenta la regla del máximo, el orden que más se ajusta T(n )=5nsqrt n + 23\log n + 3n log n
Answer
  • O(nsqrt n + nlog n)
  • O(nsqrt n)
  • O(n )
  • O(log n)

Question 8

Question
El orden que más se ajusta al tiempo de ejecución en el caso peor de la Ordenación por Fusión o Mergesort es:
Answer
  • O(n2)
  • O(n)
  • O(log n)
  • O( n logn)

Question 9

Question
Para demostrar la corrección de un algoritmo es muy importante, en ocasiones, definir el conjunto de casos que deben considerarse, o lo que es lo mismo:
Answer
  • Su eficiencia en el caso medio
  • Su principio de invarianza
  • Su dominio de definición
  • Su eficiencia en el peor caso

Question 10

Question
¿Qué representa el valor devuelto por el algoritmo siguiente? static int metodoY(int m, int n) { int i, resul = 1; if (n < m) i = n; else i = m; while (i > 1) { if ((m % i == 0) && (n % i == 0)) { resul = i; } i--; } return resul; }
Answer
  • El valor primo más cercano a n
  • El máximo común divisor de m y n
  • El resto entero de la división m/n
  • El mínimo valor entre m y n
  • El valor primo más cercano a m

Question 11

Question
Diremos que t(n ) está en Omega de f(n ) si t(n ) está acotada inferiormente por un múltiplo real positivo de f(n ) para todo n suficientemente grande. Esta afirmacion es...
Answer
  • True
  • False

Question 12

Question
El orden que más se ajusta al tiempo de ejecución en el caso peor de la Ordenación por Montículo o Heapsort es:
Answer
  • O(log n)
  • O(n)
  • O(n log n)
  • O(n2)

Question 13

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int cubico(int n) { return n * n * n; }
Answer
  • O(1)
  • O(n)
  • O(n2)

Question 14

Question
Asumiendo que n < m, ¿cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int metodoConocido(int m, int n) { int i; int out = 1; if (n < m) { i = n; } else { i = m; } while (i > 1) { if ((m % i == 0) && (n % i == 0)) { out = i; } i--; } return out; }
Answer
  • Cuadrático, O(n^2)
  • Exponencial, O(2^n)
  • Lineal, O(n )
  • Logarítmico, O(\log n) Incorrecta

Question 15

Question
Teniendo en cuenta la regla del máximo, el orden que más se ajusta a T(n )=5 \sqrt n + 23\log n + 3n \log n es:
Answer
  • O(n log n)
  • O(\sqrt n)
  • O(log n)
  • O(1)

Question 16

Question
Teniendo en cuenta la regla del máximo, el orden que más se ajusta a T(n )=5 \sqrt n + 23\log n + 35 es:
Answer
  • O(sqrt n)
  • O(n)
  • O(log n)

Question 17

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int metodoF(int[] array) { int resultado = array[0]; int n = array.length; for (int i = 1; i < n; i++) { if (array[i] > resultado) { resultado = array[i]; } } return resultado; }
Answer
  • O(n)
  • O(n log n)
  • O(log n)
  • O(n2)

Question 18

Question
El orden que más se ajusta al tiempo de ejecución en el caso peor del Ordenamiento por Inserción es:
Answer
  • O(log n)
  • o(n)
  • O(n2)
  • O(2n)

Question 19

Question
El principio de invarianza dice que dos implementaciones distintas de un mismo algoritmo (en ordenadores distintos o con distintos lenguajes de programación), no diferirán en su eficiencia más que en una constante multiplicativa.
Answer
  • True
  • False

Question 20

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int metodoRecurM(int n) { if (n == 1) return 1; else return n * metodoRecurM(n - 1); }
Answer
  • O(n2)
  • O(n)
  • O(log N)
  • O (n log n)

Question 21

Question
En el siguiente algoritmo que devuelve el j-ésimo término de la sucesión de Fibonacci, la instrucción que falta es: static int Fibonacci(final int j) { int n = 1, p = 0; for (int i = 0; i <= j; i++) { /** Instrucción faltante */ n = p - n; } return p; }
Answer
  • p = i + j
  • p = 2 - i
  • p = p + n
  • n = p + n

Question 22

Question
¿Qué devuelve el siguiente algoritmo recursivo? static int metodoRecursivoC(int n) { if (n < 10) { return 1; } else { return 1 + metodoRecursivoC(n / 10); } }
Answer
  • El mayor múltiplo de 10 que divide a n
  • El múltiplo de 10 más cercano a n
  • El menor múltiplo de 10 que divide a n
  • La suma de los dígitos de n
  • La cantidad de dígitos de n

Question 23

Question
Un algoritmo requiere un tiempo del orden de t(O(n )) para una función dada t si existe una constante multiplicativa c y una implementación del algoritmo capaz de resolver todos los casos de tamaño n en un tiempo que no sea superior a c*t(O(n )) segundos. A esto se le llama:
Answer
  • Notación Asintótica
  • Dominio de Definición
  • Computabilidad del Algoritmo
  • Principio de Invarianza

Question 24

Question
Aquella instrucción que se ejecuta por lo menos con tanta frecuencia como cualquier instrucción del algoritmo es una instrucción
Answer
  • clave
  • barómetro
  • termómetro
  • compleja
  • recursiva

Question 25

Question
El orden que más se ajusta al tiempo de ejecución en el caso peor del cálculo de determinantes por el método de Gauss-Jordan cuando utilizamos una matriz de n x n es:
Answer
  • O(n3)
  • O(n2)
  • o(n)
  • O(nlogn)

Question 26

Question
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo? static int exponencial(int n) { int exp = 1; for (int e = 0; e < n; e++) { exp = exp * 2; } return exp; }
Answer
  • O(n)
  • O(n2)
  • O(log n)

Question 27

Question
Dentro de un algoritmo voraz, la función de selección es
Answer
  • La función que comprueba si un cierto conjunto de candidatos es factible.
  • La función que indica en cualquier momento cuál es el elemento más prometedor de los candidatos restantes.
  • La función que da el valor de la solución que se ha intentado optimizar.
  • La función que comprueba si un cierto conjunto de candidatos constituye una solución.

Question 28

Question
La técnica en la que simplemente seleccionamos elementos de un conjunto de candidatos para dar solución a un problema, de manera que los candidatos desechados no vuelven a ser considerados y los incorporados a la solución permanecen en ella hasta el final del algoritmo, se conoce como:
Answer
  • Programación Dinámica
  • Algoritmos voraces
  • Divide y Vencerás
  • Backtracking

Question 29

Question
Para recorrer un grafo conexo G podemos seleccionar cualquier nodo v como punto de partida, marcarlo como visitado, y luego visitar todos los nodos adyacentes a v. Solamente cuando no queden nodos adyacentes a v se procede a visitar nodos más alejados. Este recorrido se conoce como:
Answer
  • Recorrido en distancia
  • Recorrido en anchura
  • Recorrido por aristas
  • Recorrido en profundidad

Question 30

Question
Si concebimos un problema en términos de un grafo, la técnica que realiza una búsqueda ciega en profundidad dentro de dicho grafo, mediante un algoritmo recursivo, se conoce como:
Answer
  • Algoritmos voraces
  • Divide y Vencerás
  • Programación Dinámica
  • Backtracking

Question 31

Question
Si utilizamos un algoritmo voraz para resolver el problema de "devolver cambio en monedas", este algoritmo puede no funcionar adecuadamente si: A) No existen monedas de un cierto valor B) El número de monedas de cada valor es limitado C) El sistema monetario solo tiene monedas de 5 céntimos. D) El sistema monetario solo tiene monedas de 1 y 5 céntimos.
Answer
  • A
  • B
  • A y B
  • C y D

Question 32

Question
¿Cuáles de las siguientes carácterísticas son propias de los algoritmos voraces? A) Se utilizan para resolver problemas de optimización. B) Son fáciles de implementar C) Permiten resolver correctamente cualquier problema de optimización. D) En cada paso seleccionan la opción más prometedora de las presentes y reconsideran las selecciones pasadas para mantenerlas o deshacerlas. Seleccione una:
Answer
  • A
  • B
  • B y D
  • A y B

Question 33

Question
Dado un grafo, el algoritmo que encuentra un árbol de recubrimiento mínimo haciéndolo crecer de forma natural desde una raíz arbitraria, y donde en cada fase se añade una nueva rama al árbol ya construido, hasta que se han alcanzado todos los nodos, se conoce como:
Answer
  • Algoritmo de Kruskal
  • Algoritmo de Euclides
  • Algoritmo de Prim
  • Algoritmo de Dijkstra

Question 34

Question
Dentro de un algoritmo voraz, la función de objetivo es
Answer
  • La función que da el valor de la solución que se ha intentado optimizar.
  • La función que indica en cualquier momento cuál es el elemento más prometedor de los candidatos restantes.
  • La función que comprueba si un cierto conjunto de candidatos constituye una solución.
  • La función que comprueba si un cierto conjunto de candidatos es factible.

Question 35

Question
Para recorrer un grafo conexo G podemos seleccionar cualquier nodo v como punto de partida y marcarlo como visitado. Si hay algún nodo adyacente a v, que no haya sido visitado, se invoca recursivamente el procedimiento sobre dicho nodo. Al volver de la llamada recursiva, si hay otro nodo adyacente a v que no haya sido visitado, se vuelve a aplicar el procedimiento. Seguiremos así hasta que no queden nodos sin visitar. Este recorrido se conoce como
Answer
  • Recorrido en anchura
  • Recorrido en profundidad

Question 36

Question
En grafos muy densos el algoritmo de Kruskal es más eficiente que el de Prim. Esta afirmación es:
Answer
  • True
  • False

Question 37

Question
Supongamos que tenemos que pagar cierta cantidad utilizando el menor número posible de monedas. Para resolver el problema empezamos con las manos vacías y vamos añadiendo a las monedas seleccionadas siempre la mayor posible sin sobrepasar la cantidad que nos resta por pagar. Así hasta que no quede nada por pagar. Esta manera de actuar es un ejemplo de:
Answer
  • Voraces
  • Backtraking
  • Divide y Vencerás
  • Programación dinámica

Question 38

Question
Un algoritmo voraz que permite determinar la longitud del camino mínimo desde un nodo de un grafo a cada uno de los demás nodos, es el:
Answer
  • Algoritmo de Euclides
  • Algoritmo de Dijkstra
  • Algoritmo de Kruskal
  • Algoritmo de Prim

Question 39

Question
Los algoritmos de Backtracking suelen recorrer el grafo con las posibles soluciones utilizando un:
Answer
  • Recorrido en profundidad
  • Recorrido en anchura

Question 40

Question
Dado un grafo, el algoritmo que encuentra un árbol de recubrimiento mínimo creando primero un bosque de árboles (varias componentes conexas) y haciéndolo crecer al azar hasta que al final todas las componentes del bosque se fusionan en un único árbol, se conoce como:
Answer
  • Algoritmo de Prim
  • Algoritmo de Euclides
  • Algoritmo de Kruskal
  • Algoritmo de Dijkstra

Question 41

Question
La implementación del algoritmo de Prim ofrecida en el libro de la asignatura es menos eficiente que el algoritmo de Kruskal cuando se trabaja con grafos dispersos. Esta afirmación es:
Answer
  • True
  • False

Question 42

Question
En grafos muy densos el orden del algoritmo de Kruskal es:
Answer
  • n^2\log n
  • n(\log n^2)
  • n^2
  • n\log n

Question 43

Question
La selección de un umbral incorrecto a la hora de aplicar el enfoque Divide y Vencerás puede afectar el orden del algoritmo resultante.
Answer
  • True
  • False

Question 44

Question
Para que sea factible aplicar el enfoque de Divide y Vencerás es importante que:
Answer
  • Se pueda descomponer el problema original en subproblemas y recomponer las soluciones parciales de forma bastante eficiente.
  • El tamaño del problema original debe ser par, para que se pueda dividir por dos
  • El orden de la parte no recursiva sea lineal o cuadrático.
  • Los subproblemas del problema original sean de distinto tamaño.

Question 45

Question
Supongamos que tenemos que pagar cierta cantidad utilizando el menor número posible de monedas. Para resolver el problema utilizamos una tabla con las soluciones más eficientes, donde hay una fila para cada valor de moneda posible y una columna para cada una de las cantidades que van de 0 hasta la cantidad N que tenemos que pagar. La tabla nos permite determinar el menor número de monedas a devolver en base a las solucines almacenadas para menores cantidades de dinero. Esta manera de actuar es un ejemplo de:
Answer
  • Programación Dinámica
  • Algoritmos voraces
  • Divide y Vencerás
  • Backtracking

Question 46

Question
De los siguientes algoritmos de Divide y Vencerás, indica el que constituye un ejemplo de reducción:
Answer
  • Quicksort
  • Búsqueda de la Mediana
  • Búsqueda Binaria
  • Ordenación por fusión

Question 47

Question
El algoritmo de ordenación que divide el vector en dos partes (de tamaño lo más parecido posible), ordena recursivamente esas mitades, y luego las mezcla para obtener el vector ordenado, se conoce como
Answer
  • Ordenación por selección
  • Ordenación por fusión
  • Ordenación por inserción
  • Quicksort

Question 48

Question
La técnica que consiste en descomponer el problema en un cierto número de subcasos más pequeños para resolverlos sucesiva e independientemente, y luego combinar todos los resultados para obtener la solución del problema original, se conoce como:
Answer
  • Algoritmos voraces
  • Backtracking
  • Divide y Vencerás
  • Programación Dinámica

Question 49

Question
El algoritmo de ordenación que selecciona como pivote uno de los elementos del vector para crear una partición donde los elementos más pequeños quedan a la izquierda y el resto a la derecha, y luego ambas partes se ordenan recursivamente en sucesivas llamadas, se conoce como:
Answer
  • Ordenación por inserción
  • Ordenación por selección
  • Ordenación por fusión
  • Quicksort

Question 50

Question
La siguiente implementación de Fibonacci se puede ver como un ejemplo de: funcion FibIter ( n) i:=1; j:=1; para k:=1 hasta n hacer j := i+j; i := j-i; devolver j;
Answer
  • Algoritmos voraces
  • Programación Dinámica
  • Backtracking
  • Divide y Vencerás

Question 51

Question
La técnica ascendente que evita realizar dos veces el mismo cálculo, manteniendo una tabla de resultados conocidos que se va rellenando a medida que se resuelven los subcasos, se conoce como:
Answer
  • Algoritmos voraces
  • Backtracking
  • Divide y Vencerás
  • Programación Dinámica

Question 52

Question
Al igual que los algoritmos voraces, la técnica de programación dinámica tampoco reconsidera decisiones previamente descartadas. Esta afirmación es:
Answer
  • True
  • False

Question 53

Question
¿Cuáles de las siguientes carácterísticas son propias de la técnica de "Divide y Vencerás"? A) Empieza por el caso completo, que luego se va dividiendo en subcasos más y más pequeños a medida que progresa el algoritmo B) Es una técnica de refinamiento progresivo C) Empieza por los subcasos más pequeños y sencillos, cuyas soluciones se van combinando para obtener las respuestas de subcasos de tamaños cada vez mayores D) La posibilidad de aplicar la técnica depende en gran medida del Principio de Optimalidad E) Es una técnica ascendente.
Answer
  • C, D y E
  • A y B
  • B y D
  • C y E

Question 54

Question
¿Cuáles de las siguientes características son propias de "Programación Dinámica"? A) Empieza por el caso completo, que luego se va dividiendo en subcasos más y más pequeños a medida que progresa el algoritmo. B) Es una técnica de refinamiento progresivo C) Empieza por los subcasos más pequeños y sencillos, cuyas soluciones se van combinando para obtener las respuestas de subcasos de tamaños cada vez mayores. D) La posibilidad de aplicar la técnica depende en gran medida del Principio de Optimalidad E) Es una técnica ascendente
Answer
  • C, D y E
  • A, B y D
  • C y E
  • A y B

Question 55

Question
El algoritmo de ordenación que divide el vector en dos partes (de tamaño lo más parecido posible), ordena recursivamente esas mitades, y luego las mezcla para obtener el vector ordenado, se conoce como
Answer
  • Ordenación por selección
  • Quicksort
  • Ordenación por inserción
  • Ordenación por fusión

Question 56

Question
El algoritmo de ordenación que selecciona como pivote uno de los elementos del vector para crear una partición donde los elementos más pequeños quedan a la izquierda y el resto a la derecha, y luego ambas partes se ordenan recursivamente en sucesivas llamadas, se conoce como
Answer
  • Ordenación por fusión
  • Ordenación por inserción
  • Ordenación por selección
  • Quicksort

Question 57

Question
La implementación de Fibonacci siguiente se puede ver como un ejemplo de: función FibRec( n) si n<2 entonces devolver n sino delvolver FibRec(n-1) + FibRec(n-2)
Answer
  • Programación Dinámica
  • Algoritmos voraces
  • Backtracking
  • Divide y Vencerás
Show full summary Hide full summary

Similar

Introducción Organización Empresas
Javier Correa Santos
Historia de la Comunicación Social - Test (completo)
Angel Gonzalez Rodriguez
SISTEMAS DISTRIBUIDOS
Javier Correa Santos
economía política
lizbeth andres benjume
OP - Control (todo)
Angel Gonzalez Rodriguez
Paradigmas de la Programación
Javier Correa Santos
Test analisis y diseño de aplicaicones
Bruno Giusti
Ada Lovelace 1815-1852
Juanita Benavides Botina
ecomía política
lizbeth andres benjume
Introduce el texto aquí
jonathanmesa195
Economía unidades 1, 2 y 3 (Control 1)
Dosem !!!