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