Metaheurísticas

Los algoritmos evolutivos están inspirados en procesos de evolución natural y genética. Verdadero. Falso.

Un algoritmo evolutivo solo sirve para optimización de funciones matemáticas. Verdadero. Falso.

Los algoritmos evolutivos utilizan operadores como selección, cruce y mutación para generar nuevas soluciones. Verdadero. Falso.

En un algoritmo evolutivo, la solución óptima siempre se encuentra en la primera iteración. Verdadero. Falso.

La “aptitud” en un algoritmo evolutivo se refiere a la capacidad de una solución para sobrevivir y reproducirse en el proceso de evolución. Verdadero. Falso.

La computación evolutiva utiliza modelos basados en poblaciones donde cada elemento representa una posible solución al problema. Verdadero. Falso.

Cada individuo en una población evolutiva representa un parámetro de control y no una solución completa al problema. Verdadero. Falso.

La simulación de la evolución en un ordenador es una técnica de optimización determinística. Verdadero. Falso.

Los métodos de computación evolutiva a menudo superan a los métodos clásicos en problemas complejos. Verdadero. Falso.

Una de las ventajas de los algoritmos evolutivos es que no requieren información derivativa sobre la función objetivo. Verdadero. Falso.

En computación evolutiva, la evolución se simula aplicando operadores como selección, cruce y mutación sobre la población de soluciones. Verdadero. Falso.

Una de las ventajas de los algoritmos evolutivos es que no requieren información derivativa sobre la función objetivo. Verdadero. Falso.

Los algoritmos genéticos se inspiran en las ideas de la evolución de Darwin. Verdadero. Falso.

En un algoritmo genético, los individuos de una población no se ven afectados por su entorno. Verdadero. Falso.

La competencia por recursos es un principio fundamental en la evolución natural y también se refleja en los algoritmos genéticos. Verdadero. Falso.

Las variaciones de un individuo no afectan a su capacidad de supervivencia. Verdadero. Falso.

Los individuos con mejor adaptación tienen mayor probabilidad de reproducirse en un algoritmo genético. Verdadero. Falso.

Los individuos que se reproducen en algoritmos genéticos transmiten sus genes a sus descendientes. Verdadero. Falso.

Una especie cambia y se adapta rápidamente al entorno después de una sola generación. Verdadero. Falso.

La evolución actúa principalmente sobre los cromosomas y no directamente sobre las estructuras de la vida que codifican. Verdadero. Falso.

Los mecanismos exactos de la evolución son completamente conocidos y explicados. Verdadero. Falso.

Algunas características de la evolución son ampliamente aceptadas por la comunidad científica. Verdadero. Falso.

Los cambios en los cromosomas no tienen influencia sobre la adaptación de un organismo. Verdadero. Falso.

La evolución incluye la explosión y expansión de linajes de nuevas especies. Verdadero. Falso.

Las especies están genéticamente definidas por un conjunto de pautas de reacción o “algoritmos de respuesta” ante cambios internos y externos. Verdadero. Falso.

Todas las pautas genéticas son idénticas entre individuos de una población. Verdadero. Falso.

La variación genética dentro de una población no afecta la capacidad de adaptación de las especies. Verdadero. Falso.

La evolución artificial comienza generando una población inicial de individuos. Verdadero. Falso.

En evolución artificial no se hace distinción entre padres y descendientes. Verdadero. Falso.

La selección es un operador de evolución artificial que elige los individuos que se reproducirán. Verdadero. Falso.

La recombinación combina información genética de dos o más individuos para crear descendientes. Verdadero. Falso.

La mutación en evolución artificial no afecta a los descendientes. Verdadero. Falso.

El reemplazamiento consiste en decidir qué individuos permanecen en la población de la siguiente generación. Verdadero. Falso.

En algoritmos evolutivos, los individuos conviven dentro de una población. Verdadero. Falso.

Las generaciones solo contienen individuos nuevos y no se consideran descendientes de la generación anterior. Verdadero. Falso.

El cruce y la mutación son mecanismos de reproducción que generan nuevos individuos a partir de los existentes. Verdadero. Falso.

La probabilidad de supervivencia de un individuo durante la selección depende de su nivel de adaptación o fitness. Verdadero. Falso.

Todos los individuos de una generación sobreviven y se convierten en padres de la próxima generación. Verdadero. Falso.

La selección asegura que las características más adaptativas se transmitan a la siguiente generación. Verdadero. Falso.

El genotipo representa la codificación interna de un individuo en un algoritmo evolutivo. Verdadero. Falso.

El fenotipo representa la solución real que se evalúa en el entorno. Verdadero. Falso.

No es necesario decodificar el genotipo para obtener el fenotipo. Verdadero. Falso.

Los operadores de variación, como mutación y cruce, actúan sobre el fenotipo directamente. Verdadero. Falso.

La función fitness evalúa la habilidad de un individuo para sobrevivir utilizando su fenotipo. Verdadero. Falso.

Todo algoritmo evolutivo comienza inicializando una población P(t) en la generación t=0. Verdadero. Falso.

El algoritmo evolutivo no necesita evaluar la población inicial antes de iniciar el ciclo de evolución. Verdadero. Falso.

El ciclo principal del algoritmo evolutivo se ejecuta mientras no se cumpla la condición de parada. Verdadero. Falso.

Durante cada iteración, se selecciona una subpoblación P’ de P(t-1) para aplicar recombinación y mutación. Verdadero. Falso.

La mutación y recombinación se aplican sobre P(t-1) directamente y no sobre la población seleccionada P’. Verdadero. Falso.

El reemplazamiento consiste en crear la nueva población P(t) a partir de los individuos de P(t-1) y los descendientes P’. Verdadero. Falso.

El algoritmo termina automáticamente al llegar a la primera iteración, sin necesidad de condición de parada. Verdadero. Falso.

John Holland (1975) desarrolló los algoritmos genéticos, que utilizan operadores genéticos sobre cromosomas. Verdadero. Falso.

Los algoritmos genéticos enfatizan los cambios evolutivos a nivel de especie. Verdadero. Falso.

Schwefel y Rechenberg (1965) desarrollaron las estrategias de evolución, que se enfocan en cambios de comportamiento a nivel de individuo. Verdadero. Falso.

Koza (1989) desarrolló la programación genética, que evoluciona representaciones basadas en árboles. Verdadero. Falso.

Fogel (1960-1966) desarrolló la programación evolutiva, que enfatiza los cambios evolutivos a nivel de especie. Verdadero. Falso.

Todos los paradigmas de evolución artificial se enfocan únicamente en cambios a nivel de individuos. Verdadero. Falso.

En el modelo generacional, cada generación se crea completamente con individuos nuevos. Verdadero. Falso.

En el modelo generacional, la nueva población nunca incluye los mejores individuos de la generación anterior. Verdadero. Falso.

En el modelo estacionario, solo algunos padres son seleccionados para producir descendientes. Verdadero. Falso.

En el modelo estacionario, todos los individuos de la población se reemplazan cada generación. Verdadero. Falso.

El elitismo puede aplicarse tanto en modelos generacionales como en estacionarios. Verdadero. Falso.

En el modelo estacionario, se seleccionan algunos padres de la población y se aplican operadores genéticos para generar descendientes. Verdadero. Falso.

Los descendientes generados en el modelo estacionario reemplazan a individuos existentes de la población. Verdadero. Falso.

El modelo estacionario es elitista por definición. Verdadero. Falso.

El modelo estacionario produce alta presión selectiva, logrando convergencia rápida si se reemplazan los peores individuos. Verdadero. Falso.

En un modelo estacionario, reemplazar los peores individuos no afecta la velocidad de convergencia. Verdadero. Falso.

El primer paso en la construcción de un algoritmo evolutivo es diseñar una representación de los individuos. Verdadero. Falso.

Decidir cómo iniciar la población no es necesario; cualquier población inicial sirve. Verdadero. Falso.

Es necesario diseñar una correspondencia entre genotipo y fenotipo. Verdadero. Falso.

Diseñar una forma de evaluar un individuo es un paso clave en la construcción de un algoritmo evolutivo. Verdadero. Falso.

Diseñar operadores de cruce y mutación no es obligatorio; la población puede evolucionar sola. Verdadero. Falso.

Decidir cómo se seleccionan los individuos y cómo se reemplazan es parte de la construcción del algoritmo. Verdadero. Falso.

Decidir la condición de parada depende del problema y del algoritmo. Verdadero. Falso.

Todos los pasos en la construcción de un algoritmo evolutivo dependen completamente del problema específico que se quiere resolver. Verdadero. Falso.

Los individuos en un algoritmo evolutivo pueden representarse mediante codificación binaria, entera, real, secuencia u orden. Verdadero. Falso.

El mecanismo de codificación define cómo se almacena el genotipo de un individuo. Verdadero. Falso.

No es necesario elegir la representación adecuada para el problema; cualquier codificación sirve. Verdadero. Falso.

Al elegir la representación, se debe considerar cómo se evaluará posteriormente el genotipo. Verdadero. Falso.

Todas las representaciones son igualmente eficientes para cualquier tipo de problema. Verdadero. Falso.

La población inicial de un algoritmo evolutivo debe estar distribuida uniformemente en el espacio de búsqueda. Verdadero. Falso.

Para una cadena binaria, cada bit debe inicializarse con 0 o 1 con probabilidad 0.5. Verdadero. Falso.

En una representación real, los valores iniciales deben seleccionarse uniformemente sobre el intervalo permitido. Verdadero. Falso.

La población inicial nunca se debe basar en resultados de heurísticas previas. Verdadero. Falso.

Incluir conocimiento experto en la inicialización no tiene ningún beneficio para la búsqueda evolutiva. Verdadero. Falso.

La evaluación de los individuos es generalmente el paso más costoso de un algoritmo evolutivo. Verdadero. Falso.

La evaluación puede implementarse mediante una subrutina, un simulador o cualquier proceso externo. Verdadero. Falso.

Para reducir el costo de evaluación se pueden usar funciones aproximadas. Verdadero. Falso.

Las restricciones del problema no se pueden considerar durante la evaluación de los individuos. Verdadero. Falso.

Cuando hay múltiples objetivos, se busca una solución que optimice todos ellos simultáneamente sin compromisos. Verdadero. Falso.

La selección debe garantizar que los mejores individuos tengan mayor probabilidad de reproducirse. Verdadero. Falso.

Los individuos menos adaptados no deben tener ninguna oportunidad de reproducirse. Verdadero. Falso.

La presión selectiva define en qué grado la reproducción está dirigida por los mejores individuos. Verdadero. Falso.

Una presión selectiva demasiado alta puede causar pérdida de diversidad genética. Verdadero. Falso.

La selección en algoritmos evolutivos no afecta la convergencia ni la diversidad de la población. Verdadero. Falso.

El proceso de selección en un algoritmo evolutivo se basa principalmente en la función de adaptación o fitness. Verdadero. Falso.

En el esquema de selección aleatoria, todos los individuos tienen la misma probabilidad de ser seleccionados, sin considerar su fitness. Verdadero. Falso.

En el esquema de selección por ruleta, la probabilidad de seleccionar un individuo es proporcional a su valor de fitness. Verdadero. Falso.

En el esquema de selección por torneo, se escoge al individuo de menor fitness entre un grupo de individuos seleccionados aleatoriamente. Verdadero. Falso.

Todos los esquemas de selección ignoran la función de fitness. Verdadero. Falso.

La selección por ruleta es el algoritmo de selección tradicional en los algoritmos evolutivos. Verdadero. Falso.

En la selección por ruleta, la probabilidad de seleccionar un individuo es proporcional a su valor de fitness. Verdadero. Falso.

Se gira la ruleta tantas veces como individuos queremos seleccionar. Verdadero. Falso.

El proceso de selección genera un número aleatorio en el intervalo [0, 1] y se acumulan las probabilidades de los individuos hasta superar ese número. Verdadero. Falso.

La selección por ruleta siempre genera una presión selectiva extremadamente alta. Verdadero. Falso.

En la selección por torneo, para cada padre se escogen aleatoriamente k individuos con reemplazamiento. Verdadero. Falso.

Del grupo de k individuos seleccionados, se escoge el mejor como padre. Verdadero. Falso.

El tamaño del torneo (k) no influye en la presión selectiva. Verdadero. Falso.

Si k = 1, todos los individuos tienen igual probabilidad de ser seleccionados. Verdadero. Falso.

La selección por torneo requiere calcular proporciones de fitness acumuladas como en la ruleta. Verdadero. Falso.

En un cruce, los hijos deben heredar algunas características de cada padre. Verdadero. Falso.

El operador de cruce debe diseñarse teniendo en cuenta la representación de los individuos. Verdadero. Falso.

La recombinación debe producir cromosomas válidos. Verdadero. Falso.

La probabilidad de cruce (Pc) suele ser alta, entre 60% y 90% para cada pareja de padres. Verdadero. Falso.

En un problema se puede implementar solo un tipo de operador de cruce. Verdadero. Falso.

Se puede implementar uno o más operadores de mutación según la representación de los individuos. Verdadero. Falso.

El operador de mutación debe permitir alcanzar cualquier parte del espacio de búsqueda. Verdadero. Falso.

Es importante controlar el tamaño de la mutación. Verdadero. Falso.

El operador de mutación debe producir cromosomas válidos. Verdadero. Falso.

La mutación se aplica con alta probabilidad sobre cada descendiente después del cruce. Verdadero. Falso.

La mutación ocurre con una probabilidad Pm asociada a cada gen de un individuo. Verdadero. Falso.

La probabilidad de mutación se aplica al individuo completo y no a genes individuales. Verdadero. Falso.

La mutación puede ser aplicada de forma aleatoria en representaciones binarias o enteras. Verdadero. Falso.

La mutación en algoritmos evolutivos no depende de la representación del individuo. Verdadero. Falso.

La presión selectiva también se ve afectada por la forma en que los cromosomas son reemplazados por los nuevos descendientes. Verdadero. Falso.

Los métodos de reemplazamiento pueden ser aleatorios o determinísticos. Verdadero. Falso.

El elitismo está desaconsejado en modelos generacionales porque puede ralentizar la convergencia. Verdadero. Falso.

Un elitismo alto consiste en combinar todos los padres y descendientes y seleccionar los N mejores individuos para la siguiente generación. Verdadero. Falso.

El reemplazamiento no tiene importancia para la exploración y explotación del algoritmo evolutivo. Verdadero. Falso.

En un modelo estacionario, reemplazar al peor individuo genera alta presión selectiva. Verdadero. Falso.

El torneo restringido reemplaza al individuo más parecido entre un grupo w de padres, ayudando a mantener diversidad. Verdadero. Falso.

El método “peor entre semejantes” reemplaza al peor individuo entre los w padres más parecidos al descendiente, buscando equilibrio entre diversidad y presión selectiva. Verdadero. Falso.

En el algoritmo de crowding determinístico, un hijo reemplaza al padre más parecido, ayudando a mantener diversidad en la población. Verdadero. Falso.

Todos los métodos de reemplazamiento en modelos estacionarios producen la misma presión selectiva y diversidad. Verdadero. Falso.

Un algoritmo evolutivo puede detenerse cuando se alcanza el óptimo o una solución con un nivel de calidad aceptable. Verdadero. Falso.

Los recursos limitados de la CPU, como el número de evaluaciones o generaciones, pueden definir la condición de parada. Verdadero. Falso.

La condición de parada nunca depende de la falta de mejora en las últimas iteraciones. Verdadero. Falso.

La condición de parada es un componente esencial de un algoritmo evolutivo. Verdadero. Falso.

Todas las condiciones de parada buscan garantizar que el algoritmo siempre encuentre la solución óptima. Verdadero. Falso.

Nunca se deben sacar conclusiones de una única ejecución de un algoritmo evolutivo. Verdadero. Falso.

Para evaluar un algoritmo evolutivo se deben utilizar medidas estadísticas como medias o medianas. Verdadero. Falso.

Deben realizarse un número suficiente de ejecuciones independientes para evaluar correctamente un algoritmo evolutivo. Verdadero. Falso.

Es recomendable ajustar y comprobar un algoritmo evolutivo únicamente sobre ejemplos sencillos antes de aplicarlo a casos reales. Verdadero. Falso.

Los resultados de un algoritmo evolutivo pueden variar entre ejecuciones debido a su naturaleza aleatoria. Verdadero. Falso.

Todo algoritmo de búsqueda necesita establecer un equilibrio entre exploración y explotación. Verdadero. Falso.

La exploración del espacio de soluciones se enfoca en realizar una búsqueda en amplitud para localizar zonas prometedoras. Verdadero. Falso.

La explotación del espacio de búsqueda realiza una búsqueda en profundidad en zonas prometedoras para obtener mejores soluciones. Verdadero. Falso.

Los algoritmos genéticos no pueden equilibrar adecuadamente exploración y explotación. Verdadero. Falso.

Un exceso de exploración puede evitar que el algoritmo converja a buenas soluciones, mientras que un exceso de explotación puede causar convergencia prematura. Verdadero. Falso.

La convergencia en un algoritmo genético consiste en centrar la búsqueda en regiones prometedoras mediante presión selectiva. Verdadero. Falso.

La presión selectiva permite que los mejores individuos sean seleccionados para reproducirse y evita que el proceso de búsqueda sea completamente aleatorio. Verdadero. Falso.

La diversidad en un algoritmo genético ayuda a evitar la convergencia prematura. Verdadero. Falso.

Una convergencia demasiado rápida siempre es beneficiosa porque acelera la obtención del óptimo global. Verdadero. Falso.

Diversidad y convergencia son factores contrapuestos que deben equilibrarse para un algoritmo genético efectivo. Verdadero. Falso.

La diversidad genética está asociada a las diferencias entre los cromosomas de los individuos de una población. Verdadero. Falso.

Existe falta de diversidad genética cuando todos los individuos de la población son muy parecidos. Verdadero. Falso.

La falta de diversidad genética puede provocar convergencia hacia óptimos locales. Verdadero. Falso.

Una alta presión selectiva suele aumentar la diversidad genética de la población. Verdadero. Falso.

La combinación de alta presión selectiva y baja diversidad genética incrementa el riesgo de convergencia prematura. Verdadero. Falso.

En la práctica, una vez que un algoritmo evolutivo ha perdido diversidad genética, el proceso es irreversible. Verdadero. Falso.

Es recomendable incluir mecanismos específicos para provocar diversidad durante el proceso evolutivo. Verdadero. Falso.

La convergencia prematura no afecta negativamente a la búsqueda, ya que siempre conduce al óptimo global. Verdadero. Falso.

Los mecanismos de reinicialización pueden utilizarse cuando el algoritmo ha convergido prematuramente. Verdadero. Falso.

Aplicar mecanismos de reinicialización es una forma de combatir la pérdida de diversidad genética. Verdadero. Falso.

El aumento o control adecuado de la mutación puede utilizarse como mecanismo para mantener la diversidad genética. Verdadero. Falso.

El operador de cruce puede contribuir a la diversidad genética combinando información de distintos padres. Verdadero. Falso.

La separación espacial es una técnica que divide la población para favorecer la diversidad. Verdadero. Falso.

La adaptación, auto-adaptación y meta-evolución permiten modificar parámetros del algoritmo durante la ejecución. Verdadero. Falso.

Las estrategias de reemplazamiento no influyen en la diversidad genética de la población. Verdadero. Falso.

El uso combinado de varias estrategias de diversidad puede reducir el riesgo de convergencia prematura. Verdadero. Falso.

Los algoritmos evolutivos son técnicas de optimización probabilística inspiradas en la evolución natural y genética. Verdadero. Falso.

La función fitness actúa sobre el genotipo del individuo para evaluar su calidad. Verdadero. Falso.

El elitismo en un algoritmo evolutivo garantiza que la mejor solución encontrada no se pierda entre generaciones. Verdadero. Falso.

Una presión selectiva excesivamente alta puede reducir la diversidad genética y provocar convergencia prematura. Verdadero. Falso.

Los algoritmos genéticos, las estrategias de evolución, la programación genética y la programación evolutiva son paradigmas distintos dentro de la evolución artificial. Verdadero. Falso.

Un algoritmo evolutivo bien diseñado debe equilibrar representación, operadores genéticos, selección y reemplazamiento para mantener diversidad y asegurar la convergencia hacia buenas soluciones. Verdadero. Falso.

Mantener una adecuada diversidad genética en la población permite a los algoritmos evolutivos explorar nuevas regiones del espacio de búsqueda sin perder la capacidad de explotar soluciones prometedoras. Verdadero. Falso.

Los operadores de cruce y mutación solo tienen función de exploración y no contribuyen a la explotación del espacio de búsqueda. Verdadero. Falso.

La convergencia prematura ocurre cuando la población pierde diversidad y se concentra en regiones subóptimas del espacio de búsqueda. Verdadero. Falso.

Los algoritmos evolutivos deben evaluarse con múltiples ejecuciones independientes y medidas estadísticas porque su naturaleza es determinista. Verdadero. Falso.