Das ist ein zeitlich begrenztes Quiz.
Du hast 1 Stunde um die 24 Fragen in diesem Quiz zu beantworten.
În algoritmii genetici, rerezentarea prin șiruri de numere întregi
Este preferabila pentru probleme de optimizare
Este doar un exercitiu de implementare, nefiind necesara
E preferabila atunci cand pentru fiecare gena sunt posibile mai mult de doua valori distincte
nu este utilizata in algoritmi genetic
Nu poate fi utilizata in cazul atributelor ordinale
In algoritmii genetici, reprezentarea prin permutări
Nu permite utilizarea de operatori de mutatie
Nu este utilizata
Are nevoie de operatori special definitiI
Nu permite utilizarea de operatori de recombinare
Nu permite mai mult de doua gene cu aceeasi valoare intr-un cromozom
Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sînt: 1. Problemele de optimizare; 2.Probleme de cautare in spatiul solutilor; 3. Prelucrarea datelor de dimensiune mare(big-data); 4. Probleme de modelare; 5.Probleme de validare a datelor; 6. Probleme de simulare; 7 Alocarea dinamica a datelor in memoria calculatorului; 8. Deplasarea autonoma a vechiculelor
2,4,6
1,4,6
2,4,6,8
1,3,5,7
2,3,4
Intr-un algoritm evolutiv, functia de tip calitate: 1. Evalueaza calitatea algoritmului, 2. Evalueaza calitatea fiecarui candidat; 3. Evalueaza viteza de gasire a solutiei fata de consumul de resurse; 4. Trebuie maximizata; 5. Stabileste daca un descendent este acceptabil; 6. Selecteaza indivizii care se vor reproduce; 7. Selecteaza indivizii care trec in generatia urmatoare; 8. Contine un factor aleator; 9. Evalueaza calitatea populatiei curente; 10. Evalueaza calitatea populatiei curente fata de cea din generatia anterioara;
6,7,8
5
2,4
1,3
9,10
In algoritmii genetici, reprezentarea binara
Este cea mai utilizata varianta de reprezentare a genotipurilor
Nu e utilizata pentru algoritmi genetici
A fost primul tip de reprezentare a cromozomilor in algoritmi geneticI
Duce mereu la rezultate optime
Nu depinde de problema rezolvata
Componentele algoritmilor evolutivi sunt: 1. Reprezentarea; 2. Probabilitatea de mutatie; 3. Functia de evaluare; 4. Probabilitatea de recombinare; 5. Populatia; 6. Generarea de numere aleatoare; 7. Mecanismul de selectie a parintilor; 8. Generarea de permutari; 9. Reprezentarea grafica a evolutiei calitatii; 10; Operatorii de variatie; 11. Stabilirea diversitatii genetice a populatiei; 12. Mecanismul de inlocuire a populatiei curente; 13. Hillclimbing; 14; Initializarea populatiei; 15. Conditia de terminare;
1,2,5,6,7,14,15
1,3,5,7,10,12,14,15
2,4,6,8,11,13
2,4,5,9,15
1,3,5,6,10,13,14,15
Calculul evolutiv este inspirat din
Revolutia industriata
Societatea cunoasterii
Societatea informationala
Noua revolutie agrara
Evolutia naturala biologica
Algoritmul Hillclimbing: 1. Se aplica asupra unui singur punct din spatiul de cautare; 2. Aplicarea se poate repeta pentru mai multe puncte pentru a creste performantele; 3. Este inspirat din tehnicilie de alpinism; 4. Gaseste intotdeauna solutia optima; 5. Gaseste uneori solutia optima; 6. Calculele se incheie atunci cand temperatura sistemului devine 0; 7. De obicei gaseste un punct de optim local; 8. Se utilizeaza numai pentru reprezentarea cu siruri de numere reale;
1,2,5,7
1,5,7,8
1,2,4,7
1,4,6,7
3,4,6,8
Caracteristicile unui algoritm genetic clasic(canonic) sunt: 1. Reprezentarea populatiei este realizata prin intermediul sirurilor binare; 2. Reprezentarea populatiei este realizata prin intermediul sirurilor de numere naturale; 3. Probabilitatea de selectie a unui individ in multisetul parintilor este proportionala cu valoarea functiei de evaluare pentu el; 4. Probabilitatea de selectie a unui individ in multisetul parintilor este data de pozitia individului in erarhia populatiei, determinata pe baza functiei de evaluare; 5. Probabilitatea efectuarii unei mutatii este mica; 6. Probabilitatea efectuarii unei mutatii este mare; 7. Probabilitatea efectuarii recombinarii este mica; 8. Probabilitatea efectuarii recombinarii este mare; 9. Inlocuirea populatiei curente se face pe baza de varsta.
Nu exista algoritm genetic canonic
2,4,6,7
1,3,5,8
Nici una din variantele A,B,C,E
2,3,6,7,9
Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care foloseste reprezentarea prin siruri de numere reale: 1. Negarea; 2. Negarea Fuzzy; 3. Resetarea aleatoare; 4. Fluaj; 5. Mutatia uniforma; 6. Mutatia neuniforma cu distributie fixata; 7. Mutatia locala; 8. Interschimbarea; 9. Inserarea; 10. Mutatia Rapida; 11. Amestecu; 12. Mutatia globala; 13. Inversiunea; 14. Unipunct; 15; Multipunct; 16. Uniforma; 17. Recombinarea radacinilor; 18; Aritmetica simpla; 19. Aritmetica singulara; 20 Aritmetica totala; 21. Recombinarea sirurilor maxima; 22. PMC; 23. Recombinare de ordine; 24. Recombinarea muchilor; 25. Recombinarea Ciclica
Toti operatorii de mai sus
2,7,10,12,17,21
1,3,4,7,10,13,16,17,20
3,4,5,6,7,12,18,19,21
5,6,14,15,16,18,19,20
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
Este utilizata doar in probleme cu constringeri
Este realizata cu probabilitate mica
Utilizeaza populatia curenta
Utilizeaza populatia de copii
Determina structura cromozomiala
Este de tip neuniform
Alege pentru mutatie in medie jumatate de indivizi
Este efectuata o singura data pe parcursul unui algoritm
Este efectuata iterativ
Este efectuata imediat ce este disponibila o populatie de copii
In cadrul unui algoritm genetic operatia de recombinare:
Este efectuata o singura data dupa prima etapa de selectie a parintilor
Este utilizata cu probabilitate mica
In general probabilitatea de recombinare nu conteaza in rezolvarea problemelor prin algoritmi genetici
Este efectuata o singura data pe parcursul unui algoritm genetic
Este efectuata imediat inaintea fiecare proceduri de mutatie
Este efectuata imediat dupa fiecare etapa de selectie a parintilor
Este utilziata cu probabilitate mare
Este utilizata doar in probleme fara constrangeri
Utilizeaza populatia de parinti
In cadrul unui algoritm evolutiv populatia initiala
Este generata la inceputul fiecarui ciclu evolutiv
Este generata utilizand distributia pe probabilitate normala
Este generata inaintea inceperii evolutiei propriu-zise
Este generata dupa fiecare ciclu evolutiv
Este generata utilizand distributia de probabilitate uniforma
Este generata aleator
Este setata pe multimea vida
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de recombinare:
Este de tip local sau global
Alege pentru recombinare in medie jumatate de indivizi
Utilizeaza poplatia curenta
Este efectuata o singura data, dupa prima etapa de generare a unei populatii
Determina obtinerea unui multiset de copii in …
Este utilizata doar in probleme cu constrangeri
In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor
Influenteaza tipul de recombinare folosit
Se alege in functie de problema care se rezolva
Poate fi numai de tip siruri de numere intregi sau reale
Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de numere reale, permutari
Are influenta asupra mecanismului de selectie a generatiei urmatoare
Nu influenteaza tipul de mutatie folosit(discreta/ nediscreta)
Poate fi numai de siruri de numere reale
Contine atat descrierea individului candidat cat si parametrii care ..
In cadrul unui algoritm genetic operatia de selectie a parintilor
Intotdeauna este bazata pe o distributie de probabilitate de selectie
Este efectuata imediat inaintea fiecarei proceduri de mutatie
Este efectuata imediat ce este disponibila o populatie curenta evaluata
Este efectuata o singura data dupa prima etapa de generare a unei populatii
Alege in general indivizi pe baza factorului varsta
Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
Fie urmatorul cromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9} In urma aplicarii operatorului de mutatie prin amestec s-a obitnut cromozomul {7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9 }. Cele doua pozitii utilizate pentru amestesc sunt:
3 si 13
1 si 15
1 si 14
4 si 8
1 si 12
4 si 15
3 si 15
2 si 13
2 si 14
2 si 15
In cadrul unui algoritm genetic operatia de mutatie
Are probabilitate mica
Se aplica doar daca divesitatea genetica scade sub un prag x dat
Intotdeauna produce indivizi fezabili
Se aplica asupra descendentilor produsi de operatia de recombinare
Se aplica asupra mutlisetului de parinti
Se aplica asupra populatiei curente
Se utilizeaza doar in probleme cu constrangeri
Poate sa produca indivizi nefezabili
Se efectueaza o singura data, dupa generarea populatiei initiale
Se aplica imediat inaintea fiecarei etape de selectie a generatiei urmatoare
In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
Utilizeaza intotdeauna factori aleatori
In unele variante necesita calcularea unei distributii de probabilitate de selectie
Indivizii alesi sunt intotdeauna fezabili
Duce la cresterea calitatii medii a populatiei curente
Se aplica la inceputul fiecarei iteratii
Uneori utilizeaza factori aleatori
Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca foloseste selectia bazata pe varsta.
Asigura perpetuarea individului cu calitate maxima din populatia curenta
Se aplica asupra descendentilor obtinuti din populatia curenta
În algoritmii genetici, reprezentarea prin permutări
Nu permite utilizarea de operatori de mutație
Nu permite mai mult de două gene cu aceeași valoare într-un cromozom
Necesită operatori de variație special definiți
ntr-un algoritm evolutiv, funcția fitness: 1. Evaluează calitatea algoritmului; 2. Trebuie selectată aleator; 3. Evaluează viteza de găsire a soluției față de consumul de resurse; 4. Trebuie modificată la fiecare iterație; 5. Selectează indivizii care se vor reproduce; 6. Selectează indivizii care trec în generația următoare; 7. Evaluează calitatea populației curente față de cea a populației inițiale; 8. Evaluează calitatea populației curente față de cea din generația anterioară; 9. Evaluează calitatea fiecărui candidat
1, 3
2,3
9
4,5
6, 7, 8
Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] și Y=[ 9 8 7 3 6 1 5 10 4 2 ] permutări. Care urmași sînt generați prin utilizarea operatorului CX?
C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9 ]
C1=[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
C1=[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 ]
C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 8 3 6 7 5 10 4 ]
C1=Y, C2=X
Fie următorii doi cromozomi de tip permutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9, 10, 12 } și {7, 1, 15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicînd operatorul de recombinare PMX, cu pozițiile 4 și 8 se obțin descendenții:
a, b
e, f
a, c
h, i
f, i
În cadrul unui algoritm genetic operația de selecție a supraviețuitorilor: 1. Se aplică asupra populației curente; 2. În unele variante necesită calcularea unei distribuții de probabilitate de selecție; 3. Utilizează întotdeauna factori aleatori; 4. Alege generația următoare dintre indivizii disponibili după operația de mutație; 5. Indivizii aleși sînt întotdeauna fezabili; 6. Uneori utilizează factori aleatori; 7. Asigură perpetuarea individului cu calitate maximă din populația curentă; 8. Duce la creșterea calității medii a populației curente; 9. Garantează obținerea unei generații cu calitate medie superioară, dacă folosește selecția bazată pe vîrstă; 10.Se aplică la începutul fiecărei iterații; 11. Se aplică asupra descendenților obținuți din populația curentă; 12. Se aplică asupra populației curente și asupra descendenților obținuți din populația curentă.
2, 3, 4, 5, 6, 11
4, 8, 11
2, 4, 5, 6, 12
6, 8, 11
1, 7