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