bioinspirada

Los algoritmos bioinspirados: A. Nos ayudan a realizar búsquedas sobre espacios de soluciones. B. Son algoritmos que imitan el comportamiento de la naturaleza. C. Proveen resultados distintos cuando se ejecutan varias veces. D. Todas las anteriores son ciertas.

Los algoritmos bioinspirados: A. Producen los mismos resultados independientemente del entorno en donde se ejecuten. B. No funcionan bien sobre problemas multiobjetivo. C. A y B son ciertas. D. A y B son falsas.

Los algoritmos bioinspirados: A. No se aplican a problemas donde se tiene más de una función objetivo. B. Se basan únicamente en métodos naturales de adaptación social. C. A y B son ciertas. D. A y B son falsas.

Los algoritmos bioinspirados: A. No funcionan bien sobre problemas monoobjetivo. B. No son capaces de encontrar soluciones aceptables en problemas de optimización. C. A y B son ciertas. D. A y B son falsas.

Los algoritmos de adaptación social: A. Se componen únicamente de algoritmos de colonias hormigas y de optimización de partículas. B. Se componen de algoritmos de colonias de hormigas. C. Se componen de algoritmos de optimización de partículas. D. Todas las anteriores son falsas.

Un problema multiobjetivo: A. Es un problema donde hay que cumplir varios objetivos a la vez. B. Es un problema en donde eliges qué objetivo quieres cumplir. C. Es un problema en donde buscas, en el espacio de soluciones, varias soluciones de manera simultánea. D. Todas las anteriores son ciertas.

Los algoritmos evolutivos: A. Tienen como base el proceso genético. B. Maneja operaciones a nivel de genes (cruce-mutación). C. La valía de un individuo se realiza mediante una función fitness. D. Todas las anteriores son ciertas.

Una función objetivo: A. Indica un objetivo a alcanzar. B. Nos ayuda a establecer lo bien que se ha comportado nuestro algoritmo. C. Puede ser que nuestro problema tenga varias funciones objetivo. D. Todas las anteriores son ciertas.

Los algoritmos de computación bioinspirados: A. Son deterministas. B. Cada ejecución puede dar como resultado una solución distinta. C. Cuando hay más de una función objetivo, se debe evitar su uso. D. B y C son ciertas.

La notación asintótica, es una notación que: A. Determina el comportamiento de funciones y lo usa para clasificar algoritmos. B. Para medir el potencial de funciones. C. Para descartar algoritmos de búsqueda. D. A y C son ciertas.

La complejidad temporal es: A. La cantidad de operaciones, dependiendo de la dimensión. B. La cantidad de operaciones que se realizan en un algoritmo para hallar la solución de un problema. C. A y B son ciertas. D. A y B son falsas.

La complejidad espacial es: A. La cantidad de operaciones para resolver un problema, dependiendo de la dimensión. B. La cantidad de operaciones que se realizan en un algoritmo para hallar la solución de un problema. C. A y B son ciertas. D. A y B son falsas.

En el Método de Horner, ¿cuántos productos se realizan en el cálculo de la evaluación en un polinomio de grado n?. A. 2n productos. B. n^2 productos. C. La suma de los primeros n números naturales. D. A y B son ciertas.

El algoritmo de Horner permite realizar la evaluación polinómica cuando estamos hablando de funciones: A. Multinomiales. B. En su forma monomial. C. A y B son ciertas. D. A y B son ciertas solo en grados menores a 20.

La complejidad computacional: A. Se enfoca en el uso de recursos para cualquier problema. B. No prevé los recursos invertidos en hallar soluciones. C. Los recursos empleados no son determinantes en la escogencia de formas de solución. D. Se enfoca en los recursos para resolver problemas puntuales.

Los problemas NP son: A. Problemas que se pueden resolver en tiempo polinomial. B. Problemas donde no se conoce un algoritmo determinista que lo resuelva en tiempo polinomial, pero sí su verificación. C. A y B son ciertas. D. A y B son falsas.

El problema de la multiplicación de matrices de orden 10^8 es un problema: A. NP con solución aproximada de orden 10^8. B. P con solución en tiempos interminables. C. P con solución en tiempos razonables. D. NP-Completo.

Verificar la solución de un NP resulta: A. Sencillo. B. Complicado. C. A y B pueden ser ciertas. D. A y B son falsas.

Los problemas NP-completos: A. Son una clase superior a los NP. B. Se consideran problemas llave. C. Son una subclase de los NP. D. B y C son ciertas.

Un algoritmo exacto es aquel que: A. Genera soluciones óptimas en cada oportunidad de aplicación. B. Genera soluciones óptimas ocasionalmente. C. No se asegura la solución al aplicarse. D. A y C son ciertas.

Los algoritmos exactos: A. No presentan inconvenientes, son seguros de aplicación. B. Suelen ser lentos. C. A y B son ciertas. D. A y B son falsas.

Un análisis empírico: A. Se basa en el ensayo y error. B. Se basa en la teoría que asegura el comportamiento ante cualquier problema. C. El comportamiento de un problema automáticamente lo hereda el resto. D. A y B son falsas.

Elegir una distribución de probabilidad sobre los posibles problemas y técnicas estadísticas que utiliza para calcular los tiempos asintóticos de ejecución es una característica de un análisis: A. Empírico. B. Del peor caso. C. Del caso promedio. D. Empíricos y peor caso trabajando juntos.

La división de problemas en problemas más fáciles de resolver es una característica de la técnica de clasificación: A. Búsqueda local. B. Divide y vencerás. C. Branch and bound. D. Programación dinámica.

Evitar la repetición de cálculos mediante el almacenamiento de las soluciones de subproblemas, es una característica de: A. La búsqueda local. B. Divide y vencerás. C. Branch-and-bound. D. Programación dinámica.

La estrategia voraz: A. Se divide sistemáticamente el problema en subproblemas más pequeños. B. Se va construyendo paso a paso una solución factible. C. Consisten en simplificar el modelo del problema original para obtener una solución al problema simplificado. D. A y B son falsas.

Son algoritmos que se atascan en óptimos locales: A. Los algoritmos exactos. B. Los algoritmos aproximados. C. Los algoritmos heurísticos. D. Los algoritmos metaheurísticos.

En los algoritmos de búsqueda tabú: A. Evita repetir dos movimientos en un período suficientemente corto. B. Recuerda cada tres movimientos. C. A y B pueden ser ciertas. D. A y B son falsas.

Un movimiento se denomina tabú cuando: A. Se recuerda en todo el recorrido. B. El número de veces que se ha aplicado hasta la iteración actual es irrelevante. C. Cuando no prevalece en el recorrido después de cien iteraciones. D. Cuando no interese utilizarlo en las próximas iteraciones.

¿En qué consisten los algoritmos de adaptación social?. A. Imitan la cooperación que se da entre ciertos animales. B. Imitan la manera en que las hormigas se comunican entre sí. C. Imitan la comunicación individuo-individuo que se da entre ciertas especies de animales. D. Todas son falsas.

La comunicación directa hace referencia a: A. La comunicación individuo-individuo. B. La comunicación entre un individuo y el resto de los miembros de su grupo. C. A y B son ciertas. C. A y B son ciertas.

La robustez de los algoritmos de adaptación social viene dada por: A. La no existencia de un líder que coordine el funcionamiento del grupo de individuos. B. La existencia de más de un miembro para la consecución de cada tarea. C. A y B son ciertas. D. A y B son falsas.

¿Qué es el comportamiento emergente?. A. Es la capacidad de cada miembro de la sociedad de saber qué debe hacer en cada momento sin que nadie se lo indique. B. Es la capacidad de ciertas sociedades de funcionar de forma correcta sin un líder que les indique a sus miembros qué hacer. C. A y B son ciertas. D. A y B son falsas.

Las acciones de cada miembro de la sociedad son: A. Complejas: cada miembro debe hacer frente a multitud de retos. B. Simples: son las acciones de los miembros lo que hace que la sociedad se comporte de forma compleja. C. A y B son ciertas. D. A y B son ciertas solo en los algoritmos de colonias de hormigas.

Los algoritmos de colonia de hormigas: A. Imitan la distribución interna que se da en una colonia de hormigas. B. Imitan los comportamientos que se dan entre hormigas pertenecientes a distintos. C. A y D con ciertas. D. Imitan la manera en que las hormigas recogen alimento del entorno y la llevan al hormiguero.

¿Por qué las hormigas siempre encuentran los caminos mínimos?. A. Es debido al rastro de feromonas que van dejando a su paso. B. Huelen la comida a largas distancias. C. A y B son ciertas. D. A y B son falsas.

Las hormigas se mueven hacia: A. El mejor arco. B. El arco que tiene más feromonas. C. Todos los arcos pueden tener cierta posibilidad de ser escogidos. D. Siguen el camino que siguió la hormiga anterior cuando llegó a ese nodo.

¿Cuándo sabemos que un algoritmo de colonia de hormigas ha convergido?. A. Cuando todas las hormigas siguen el mismo camino durante muchas iteraciones. B. Cuando se ha encontrado el mínimo camino posible. C. A y B son ciertas. D. Los algoritmos de hormigas no convergen nunca.

La evaporación de feromonas: A. No tiene ninguna utilidad real, el algoritmo funcionaría igual si no se evaporara nunca. B. Se realiza también sobre los arcos más prometedores. C. Sirve para deshacernos de aquellos caminos menos prometedores. D. B y C son ciertas.

Los algoritmos de optimización de nubes de partículas: A. Sirven para optimizar grafos. B. Sirven para optimización sobre superficies. C. A y B son ciertas. D. A y B son falsas.

Los algoritmos de optimización de nubes de partículas: A. Nunca convergen. B. Acaban convergiendo siempre a la mejor solución del problema. C. Convergen siempre, pero no siempre a la mejor solución del problema. D. No funcionan bien sobre entornos continuos.

Una configuración de vecindario único implica que: A. Cada partícula pertenece al mismo vecindario. B. Una partícula solo puede pertenecer a un único vecindario. C. A y B son ciertas. D. A y B son falsas.

Durante el cálculo de la dirección que va a seguir la partícula en la siguiente iteración: A. Se utiliza la mejor solución encontrada por la partícula hasta ese momento. B. Se utiliza la mejor solución encontrada por su vecindario. C. A y B son ciertas. D. A y B son falsas.

Los algoritmos de partículas: A. Solo funcionan bien en problemas de dimensión 1 y 2. B. Funcionan bien en problemas de dimensión 1 en adelante. C. Son específicos para problemas de tres dimensiones. D. Funcionan mejor en problemas de cuatro dimensiones que en los de tres.

En los algoritmos de partículas: A. La convergencia no depende de la elección de entorno. B. Solo se puede elegir un tipo de entorno para todas las partículas. C. El entorno cercano siempre es la mejor elección. D. Hay varias opciones para elegir el entorno de las partículas.

En los algoritmos de partículas es falso: A. Que la solución final sea resultado de la búsqueda de una sola partícula. B. Que se necesite almacenar la mejor solución obtenida por partícula. C. Que la función objetivo se deba emplear en el proceso. D. Que se necesiten ciclos de iteración anidados.

Los parámetros ρ1 y ρ2 en el algoritmo de enjambre de partículas propuesto: A. Corresponden a las variables de almacenamiento de la posición actual y la siguiente. B. Indican la posición y la velocidad actual de una partícula. C. Establecen la importancia que se da, en el desplazamiento de partículas, a la mejor solución encontrada de la partícula y a la mejor solución encontrada del vecindario. D. No fueron definidos.

En el ejemplo del uso del algoritmo de enjambre de partículas se puede ver que: A. Las partículas jamás convergen. B. En el procedimiento hay un cambio donde las partículas pasan de explorar el espacio global a explorar zonas más estrechas. C. Las partículas colapsan a un punto en cinco iteraciones. D. No puede haber óptimos locales.

Cuando el algoritmo se termina: A. Se realiza la selección de la mejor partícula. B. Se selecciona la solución del paso previo. C. No hay selección. D. Se reduce el espacio de búsqueda.

El modelo generacional: A. Es mejor que el estacionario en el sentido de que proporciona siempre mejores resultados. B. Crea muchos más hijos por iteración que el estacionario. C. Es peor que el estacionario en el sentido de que proporciona siempre peores resultados. D. No permite la aplicación del elitismo.

El criterio de parada por N iteraciones sin mejora. A. No debe aplicarse nunca en solitario. B. Siempre que se aplica sabemos a ciencia cierta que el algoritmo ya ha convergido a una única solución. C. Puede aplicarse junto con el criterio de encontrar el óptimo si se conoce la solución óptima al problema. D. Puede aplicarse junto con el criterio de encontrar el óptimo, tanto si se conoce el óptimo como si no.

Los operadores de mutación: A. Están pensados para producir pequeñas modificaciones en las soluciones que nos permitan probar otras nuevas. B. Producen grandes modificaciones sobre las soluciones con el objetivo de crear otras muy diferentes y así explorar el espacio de estas. C. A y D son falsas. D. Los operadores de mutación deben aplicarse con una alta probabilidad.

La selección por orden lineal y la de ruleta: A. Ambos dan más probabilidades a los individuos más prometedores. B. La selección por orden lineal castiga más a las peores soluciones. C. A y B son ciertas. D. A y b son falsas.

Si usamos representación real: A. Mantenemos un vector de números reales. B. El operador BLX-α es el único operador de cruce viable. C. Operamos con los números reales de forma que cada número es siempre un individuo de la población. D. A y B son ciertas.

En los algoritmos genéticos: A. Es imposible trabajar con codificación binaria si la información original del problema no es binaria. B. La codificación de las soluciones dentro del problema es independiente de la representación original de estas. C. A y B son ciertas. D. A y B son falsas.

Un reemplazamiento elitista, eliminando a las peores soluciones de la población: A. Genera diversidad en los individuos de la población. B. Hace que el algoritmo converja más rápidamente. C. No genera diversidad en los individuos de la población. D. B y C son ciertas.

En la mutación binaria: A. Se modifica solo un valor de cada solución. B. Pueden modificarse varios valores de cada vector solución. C. Se aplica siempre en cada solución. D. A y C son ciertas.

El operador de cruce BLX-α es: A. Determinístico. B. No determinístico. C. Determinístico siempre que fijemos su valor α. D. Útil para el manejo de información binaria.

Los algoritmos evolutivos: A. Están basados en la teoría de Darwin en la que las especies van evolucionando y mejorando. B. Están basados en la comunicación entre especies. C. Se basan en cómo evoluciona el humano y otros seres vivos a lo largo de su vida. D. A, B y C son falsas.

La exploración es: A. Búsqueda de soluciones en diferentes lugares del espacio. B. Búsqueda de soluciones en una zona concreta del espacio. C. Es la combinación de A y B. D. Tanto A como B son falsas.

Un correcto equilibrio entre exploración y explotación se consigue: A. Aplicando primero explotación y luego exploración. B. Aplicando primero exploración y luego explotación. C. Aplicando exploración y explotación a la vez. D. Combinando técnicas de reinicialización, exploración y explotación en cada nueva generación creada.

Un problema multimodal consiste en: A. Encontrar el óptimo global. B. Encontrar un óptimo local que proporcione buenas soluciones. C. Encontrar todos los óptimos locales posibles. D. Encontrar el máximo valor que puede alcanzar en una función.

Los métodos secuenciales para problemas multimodales: A. Ejecutan varios algoritmos genéticos a la vez. B. Ejecutan varios algoritmos genéticos de forma paralela. C. Ejecutan varios algoritmos genéticos iterativamente. D. Solo ejecutan un algoritmo genético.

El método de clearing: A. Es una estrategia paralela. B. Es una estrategia secuencial. C. Es una estrategia de exploración del espacio. D. Es una estrategia de explotación del espacio.

El operador BLX-α del algoritmo CHC: A. Se usa cuando queremos tratar con información secuencial. B. Se utiliza para tratar con información binaria. C. Se usa con información binaria y secuencial, da igual. D. Ninguna de las anteriores es cierta.

El algoritmo CHC: A. Da prioridad a la explotación del espacio. B. Da prioridad a la exploración del espacio. C. No implementa el operador de mutación. D. Ninguna de las anteriores es cierta.

La prevención del incesto: A. Trata de evitar el cruce de soluciones similares. B. Se encarga de explotar el espacio. C. A y B son ciertas. D. A y B son falsas.

La selección elitista: A. Es un mecanismo de explotación. B. Es un mecanismo de exploración. C. A y B son ciertas. D. A y B son falsas.

Un correcto equilibrio exploración-explotación: A. Es capaz de encontrar siempre el óptimo global de cualquier problema. B. Tiene más posibilidades de encontrar buenas soluciones. C. Encuentra buenas soluciones si primero explotamos el espacio y luego lo exploramos. D. Tiene las mismas probabilidades de encontrar buenas soluciones que si no hay equilibrio.