A) Minimizar o maximizar una función objetivo B) Resolver ecuaciones C) Generación de números aleatorios D) Contar números primos
A) Limitación de las posibles soluciones B) La fórmula matemática C) El resultado final D) La suposición inicial
A) Minimización B) Simplificación C) Maximización D) Aleatorización
A) Una ecuación sin variables B) Una función de restricción C) Una operación matemática aleatoria D) Función que debe optimizarse o minimizarse
A) Adivinar y comprobar B) Recocido simulado C) Método simplex D) Ensayo y error
A) Una solución incorrecta B) Una solución que satisface todas las restricciones C) Una solución aleatoria D) Una solución sin restricciones
A) El conjunto de todas las soluciones viables B) La región con el valor máximo C) El área fuera de las limitaciones D) El espacio de soluciones
A) Selecciona el mejor algoritmo B) Genera soluciones aleatorias C) Encuentra el óptimo global D) Evalúa el impacto de los cambios de parámetros en la solución
A) Maximización de funciones B) Programación matemática C) Análisis cuantitativo D) Diseño de algoritmos
A) Dos: optimización discreta y optimización continua. B) Cuatro: optimización combinatoria, optimización estocástica, optimización dinámica y optimización robusta. C) Una: optimización general. D) Tres: programación lineal, programación no lineal y programación entera.
A) Optimización discreta B) Programación no lineal C) Optimización continua D) Programación lineal
A) Programación entera B) Optimización combinatoria C) Optimización discreta D) Optimización continua
A) Optimización local B) Optimización global C) Programación lineal D) Matemáticas discretas
A) 1 B) 5 C) 4 D) 3
A) x = -1 B) x = 1 C) x = 0 D) x = ∞
A) Sí, es infinito. B) Sí, es menos infinito. C) Sí, es 2. D) No, no tiene un límite superior.
A) Fermat B) George B. Dantzig C) John von Neumann D) Leonid Kantorovich
A) 1947 B) 1950 C) 1960 D) 1939
A) Matrices semidefinidas. B) Variables binarias. C) Variables discretas. D) Variables continuas.
A) Aumenta la complejidad. B) Elimina las compensaciones. C) Reduce el número de soluciones. D) Simplifica el problema.
A) Subóptimo B) Ineficiente C) Inferior D) Óptimo de Pareto
A) El algoritmo de optimización B) El responsable de la toma de decisiones C) Un evaluador externo D) El diseñador del sistema
A) Ignorando los objetivos de menor importancia. B) Mediante el análisis de datos históricos. C) A través de sesiones interactivas con el tomador de decisiones. D) Automáticamente, mediante el algoritmo.
A) El problema de factibilidad. B) Optimización multimodal. C) El problema de existencia. D) Optimización global.
A) Condiciones de segundo orden B) Condiciones de primer orden C) Las condiciones de Karush-Kuhn-Tucker D) Condiciones de factibilidad
A) Relajación lagrangiana. B) Métodos de puntos interiores. C) Regiones de confianza. D) Búsqueda de direcciones.
A) Relajación lagrangiana. B) Búsquedas a lo largo de una línea. C) Estimación del momento positivo-negativo. D) Regiones de confianza.
A) Aproximación estocástica por perturbación simultánea (SPSA) B) Métodos de puntos interiores C) Método del elipsoide D) Algoritmos de optimización cuántica
A) Aproximación estocástica por perturbación simultánea B) Métodos de descenso de coordenadas C) Descenso de gradiente D) Métodos cuasi-newtonianos
A) Ingeniería, especialmente ingeniería aeroespacial. B) Microeconomía. C) Cosmología y astrofísica. D) Ingeniería eléctrica.
A) Investigación de operaciones B) Ingeniería civil C) Ingeniería de control D) Modelado molecular |