Exam2

Respecto al algoritmo Quick Sort: Es un algoritmo de ordenación basado en la técnica divide y vencerás. Utiliza una estructura de datos de cola para organizar los elementos. Funciona mejor en listas ya ordenadas. Emplea una estrategia de búsqueda secuencial para encontrar elementos.

La programación dinámica es ... Una técnica que evita la repetición de cálculos. Un enfoque estático para la resolución de problemas. Una metodología centrada en la fuerza bruta. Un método que se basa únicamente en la recursividad.

¿En qué consiste la selección en un algoritmo genético o evolutivo?. Es un proceso para seleccionar con mayor probabilidad las soluciones mejores. Se enfoca en eliminar aleatoriamente las soluciones menos óptimas. Selecciona las soluciones en función de su edad en la población. Escoge las soluciones basadas únicamente en su calidad inicial.

Qué es la función de evaluación (fitness) en un algoritmo evolutivo?. Una función que determina la calidad de las soluciones para compararlas. Un método para generar soluciones aleatorias. Una técnica para cruzar diferentes soluciones. Un proceso para mutar soluciones existentes.

Qué es la tasa de aprendizaje en el contexto del descenso del gradiente?. El tamaño del paso para descender. Una medida de la rapidez con la que converge el algoritmo. La cantidad de datos utilizados en cada iteración. Una medida de la precisión de la función objetivo.

Cuál es la ventaja de utilizar descenso del gradiente estocástico?. Procesamiento más rápido. Mayor precisión en la convergencia. Menor probabilidad de caer en mínimos locales. Mejor adaptación a funciones no lineales.

Por qué es importante conocer la convexidad de una función objetivo?. Para confirmar que un mínimo encontrado es global. Para garantizar la convergencia del algoritmo. Para determinar la cantidad de iteraciones necesarias. Para evaluar la velocidad de convergencia.

¿Qué es una función objetivo?. Una función que permite comparar las soluciones de un problema. Una técnica para generar soluciones aleatorias. Un método para calcular la distancia entre soluciones. Una medida de la complejidad computacional de un algoritmo.

¿Qué componente permite diversificar las soluciones en los procedimientos de búsqueda voraz aleatorios y adaptativos?. La elección aleatoria. La selección de la solución más cercana. El uso exclusivo de la búsqueda local. La repetición de la mejor solución encontrada.

Uno de los aspectos a tener en cuenta en el uso de técnicas metaheurísticas para obtener optmos globales es la de escapar de los optimos locales. Verdadero. Debemos saber que los algoritmos heurísticos no nos garantizan la obtención de optimos globales. Falso. Los algoritmos heurísticos siempre encuentran el óptimo global. Falso. Los algoritmos heurísticos solo funcionan en optimización local. Verdadero. Los algoritmos heurísticos siempre encuentran el óptimo global.

Qué es la función voraz en la fase de construcción de los procedimientos de búsqueda voraz aleatorios y adaptativos?. Una función para elegir aleatoriamente uno de entre los mejores elementos. Un método para evaluar la calidad de una solución. Una técnica para seleccionar siempre la mejor opción. Un proceso para generar soluciones iniciales de manera aleatoria.

Un algoritmo siempre debe proporcionar la misma solución para los mismos datos de entrada. Correcto para los algoritmos deterministas. Incorrecto, ya que los algoritmos pueden producir diferentes resultados. Correcto solo en algoritmos probabilísticos. Incorrecto, los algoritmos nunca garantizan la misma salida.

¿En qué tipo de algoritmo no se puede conocer generalmente el grado de aproximación a la solución óptima?. Algoritmo heurístico. Algoritmo determinista. Algoritmo recursivo. Algoritmo de fuerza bruta.

Qué factores influyen en el tiempo de ejecución de un algoritmo de optimización?. Tamaño de entrada, calidad del código, procesador y complejidad del algoritmo. Solo el tamaño de entrada. Solo la calidad del código. Solo la complejidad del algoritmo.

Cuál es la unidad adecuada para medir la eficiencia de un algoritmo de optimización?. Operación elemental. Tiempo de ejecución en segundos. Número de líneas de código. Tamaño del archivo de salida.

¿Cuáles son algunas dificultades adicionales que se presentan al utilizar un algoritmo voraz?. Probar de manera formal que el problema alcanza la mejor solución final si tomamos las mejores decisiones parciales. Identificar la solución óptima sin explorar otras posibilidades. Asegurar que cada paso lleve a la solución final. Minimizar el número de decisiones tomadas durante la ejecución.

Qué sucede con la complejidad del algoritmo de Kruskal en grafos muy densos?. La complejidad se aproxima a O(n) = n² * log(n). La complejidad disminuye linealmente. La complejidad aumenta exponencialmente. La complejidad se mantiene constante.

La técnica de resolución de divide y vencerás está ligada a la técnica de programación llamada recursividad. Cierto, aunque podemos usar la técnica de divide y vencerás sin usar la recursividad. Por ejemplo, podemos usar técnicas iterativas. Falso, la técnica de divide y vencerás se basa únicamente en la iteración. Falso, la recursividad es una característica de otros enfoques de programación. Cierto, pero la recursividad no es una técnica eficiente para este tipo de algoritmos.

¿Qué clasificación recibe un problema si conocemos la existencia de un algoritmo que lo resuelva en un tiempo polinomial?. Clase P. Clase NP. Clase NP-Completo. Clase NP-Duro.

Qué debemos conocer para obtener el orden de complejidad de un algoritmo de "Divide y vencerás"?. Ecuación en recurrencia del algoritmo. Número total de operaciones realizadas. Longitud del código del algoritmo. Eficiencia en tiempo de ejecución.