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