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