Temas IA

Please wait - loading…

Question 1 of 86

El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas

Select one or more of the following:

que “actúen” de forma eficiente (racional) en su entorno
que “actúen” como las personas (tipo Eliza).
que “piensen” como las personas (tipo General Problem Solver, GPS).
Ninguna de las respuestas es correcta.

Explanation

Question 2 of 86

¿Para cual(es) de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e. la búsqueda de coste uniforme)?

Select one or more of the following:

Encontrar una solución al problema de las Torres de Hanoi.
Gestionar el tráfico rodado en una red de autopistas urbanas.
Conducir un taxi en las calles de Barcelona
Jugar a las cuatro en raya contra un jugador humano.

Explanation

Question 3 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es (son) cierta(s)?

Select one or more of the following:

Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos.
La búsqueda en amplitud es óptima y completa siempre y cuando el coste de los operadores sea constante.
La búsqueda en profundidad es óptima y completa siempre que el coste de los operadores sea constante.
Tanto la complejidad en tiempo como la complejidad en espacio de la búsqueda en amplitud se pueden expresar en función del número de nodos expandidos

Explanation

Question 4 of 86

Contemple el problema de búsqueda de la figura 1. ¿Cuál es el factor de ramificación del árbol de búsqueda generado por los métodos de búsqueda en el espacio de estados, si no se filtran estados repetidos?

Select one or more of the following:

Explanation

Question 5 of 86

Contemple el problema de búsqueda de la figura 1. En el árbol generado por la búsqueda en amplitud, si no se filtran estados repetidos, ¿cuántos nodos hay a nivel de profundidad k (suponiendo que la raíz tiene nivel 0, es decir k≥0)

Select one or more of the following:

k/4
4^k
4*k^2
k^4

Explanation

Question 6 of 86

El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.

Select one of the following:

True
False

Explanation

Question 7 of 86

Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.

Select one of the following:

True
False

Explanation

Question 8 of 86

Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.

Select one of the following:

True
False

Explanation

Question 9 of 86

Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.

Select one of the following:

True
False

Explanation

Question 10 of 86

El algoritmo A es optimo si la funcion heurstica h* es optimista

Select one of the following:

True
False

Explanation

Question 11 of 86

Una heurística con aprendizaje empieza con h(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h.

Select one of the following:

True
False

Explanation

Question 12 of 86

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran
cantidad de memoria.

Select one of the following:

True
False

Explanation

Question 13 of 86

h1* es más informada que h2* si para todo nodo n se cumple que h1(n) >= h2(n)

Select one of the following:

True
False

Explanation

Question 14 of 86

A* con la función heurística más informada expande un número de nodos menor o igual al número de nodos que expandiría con la menos informada.

Select one of the following:

True
False

Explanation

Question 15 of 86

El algoritmo A* si se utiliza como heurística la función h(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f(n) = g(n) + h(n) si h(n) = 0
implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.

Select one of the following:

True
False

Explanation

Question 16 of 86

Cuales de las siguientes armaciones acerca del algoritmo Minimax son ciertas

Select one or more of the following:

El algoritmo Minimax realiza una exploracion primero en anchura del arbol de juego.
El algoritmo Minimax maximiza la utilidad mnima que puede conseguir el jugador max
Puede haber estrategias que funcionan mejor que Minimax si el contrincante es optimo
Con la poda alfa-beta se eliminan nodos que nunca seran alcanzados

Explanation

Question 17 of 86

Dado el siguiente problema de busqueda: Por un generico nodo (u, v), ¿cuales de las siguientes funciones heursticas son optimistas? Figura 1: Red 2D regular e infinita, Estado inicial (0; 0), Estado final: (x,y) donde x,y pertenecen a Z, Movimiento entre estados directamente conectados a coste 1

Select one or more of the following:

h*((u; v)) = |u-x| + |v-y|
h*((u; v)) = |u-x| * |v-y|
h*((u; v)) = 2*min(|u-x|,|v-y|)
h*((u; v)) = |u|+ |v|+|x|+|y|
h*((u; v)) = (|u-x|^2 + |v-y|^2)^1/2

Explanation

Question 18 of 86

Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces

Select one or more of the following:

Un estado siempre asigna un valor a todas las variables
Un operador elige un valor para una variable no asignada
Un estado meta es una asignación cualquiera que cumple todas las restricciones
El coste estimado de cada asignación siempre es estrictamente menor que el coste real
Se suele aplicar la heurística de conflictos mínimos

Explanation

Question 19 of 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Select one or more of the following:

Sea X={x1, x2,…, xn} el conjunto de variables de un CSP y D1,D2,…,Dn sus respectivos dominios. Un predicado R(xi, xj) ⊆ Di × Dj es una restricción entre las variables xi y xj
El algoritmo de chronological backtracking efectúa una búsqueda en el espacio de asignaciones completas
Sea X={A, B} el conjunto de variables de un CSP, D(A)={1,2,4,5,6,12} y D(B)={pepe,fulano,detal} sus dominios y R(A,B): A=|B| las restricciones sobre las variables. El CSP es arco consistente.
Si al ejecutar el algoritmo de arco consistencia un dominio se queda con un único valor, el CSP es inconsistente, es decir, no tiene solución.

Explanation

Question 20 of 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones es (son) verdadera(s)?

Select one or more of the following:

El algoritmo de vuelta atrás cronológica (cronological backtracking) realiza una búsqueda en profundidad en el espacio de asignaciones parciales de valores a variables.
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de vuelta atrás cronológica (cronological backtracking) y el algoritmo de arco consistencia.
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de comprobación hacia delante (forward checking) y el algoritmo de arco consistencia.
El algoritmo MAC (Maintaining Arc Consistency) intercala la satisfacción y la propagación de restricciones.
El algoritmo de comprobación hacia delante (forward checking) realiza una búsqueda A* en el espacio de asignaciones totales de valores a variables.

Explanation

Question 21 of 86

Sea Δ={a,b,c} un dominio de individuos, A={a,b} y r={<a,b>,<a,c>,<b,c>} ¿Cuál de los siguientes es el conjunto de individuos del concepto ∀r.¬A en lógica de descripciones ALC?

Select one or more of the following:

{a,b}
{b}
{b,c}
Ninguna de las anteriores

Explanation

Question 22 of 86

¿Cuál de las siguientes expresiones se puede representar en RDF Schema?

Select one or more of the following:

A u B
A v B

Explanation

Question 23 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

En RDF no se puede expresar la relación estándar subclase de
En RDFS no se puede expresar la relación estándar subclase de
En OWL no se puede expresar la relación estándar subclase de
Ninguna de las anteriores

Explanation

Question 24 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

SPARQL es un lenguaje para describir ontologías
SPARQL es un lenguaje para consultar datos RDF
Ninguna de las anteriores

Explanation

Question 25 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

Ninguna de las anteriores
Para toda t-norma T, Mín(x,y) ≥ T(x,y)

Explanation

Question 26 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explanation

Question 27 of 86

¿Cuáles de las siguientes funciones heurísticas son optimistas?

Select one or more of the following:

En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.

Explanation

Question 28 of 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Select one or more of the following:

(a) x D x D (x x ) cumple
(a) x D x D (x x ) cumple R i y j z i j $ Î $ Î , .

Explanation

Question 29 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
SPARQL es un lenguaje para representar ontologías.
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).

Explanation

Question 30 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Select one or more of the following:

Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
En un método de aprendizaje simbólico los datos son representados por sus características.
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.

Explanation

Question 31 of 86

¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea es(son) cierta(s)?

Select one or more of the following:

Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
La búsqueda en línea siempre es óptima y completa.
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).

Explanation

Question 32 of 86

¿Cuál(es) de las siguientes afirmaciones acerca de los juegos bipersonales de suma nula es (son) verdadera(s)?

Select one or more of the following:

Cualquier algoritmo de búsqueda heurística puede aplicarse de forma efectiva a juegos bipersonales de suma nula.
En algunos casos es posible que el algoritmo Minimax con poda a-b expanda más nodos que el algoritmo Minimax sin poda a-b.
El algoritmo Minimax con poda a-b produce siempre el mismo resultado que el algoritmo Minimax sin poda a-b.
En el algoritmo ExpectMinimax los nodos azar representan una mala jugada del jugador min.

Explanation

Question 33 of 86

Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un

Select one or more of the following:

El grafo que representa el Problema de Satisfacción de Restricciones es conexo
El Problema de Satisfacción de Restricciones es arco-consistente
El Problema de Satisfacción de Restricciones tiene exactamente una solución
El Problema de Satisfacción de Restricciones no tiene solución

Explanation

Question 34 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

(a) En lógica de descripciones ALC paratodor.C ⊓ exister.⊤ ≡ paratodor.C ⊓ exister.C
En RDF Schema no se puede expresar que una clase es subclase de otra
En SPARQL es posible expresar patrones opcionales
La unión de conjuntos borrosos se realiza mediante una t-norma

Explanation

Question 35 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Select one or more of the following:

En el Q-learning, la inicialización de los valores de la función Q a valores muy bajos (por debajo de los valores reales) favorece la exploración de nuevas soluciones.
En un método de aprendizaje subsimbólico los datos son representados por sus características.
Es posible que un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 cometa errores.
Considerando un problema de clasificación binario de un número de casos finitos y cuyos clases son linealmente separables. Una red neuronal de una única capa llega a aprender un clasificador correcto para este problema si se elige una tasa de aprendizaje (α) adecuada y se presentan
todos los casos un número infinito de veces.

Explanation

Question 36 of 86

¿Cuál(es) de las siguientes afirmaciones acerca del videojuego Buscaminas (suministrado con Windows – ver figura) son verdaderas y cuáles son falsas?

Select one or more of the following:

El entorno es estático.
El entorno es accesible
El entorno es discreto.
El juego es parcialmente cooperativo.

Explanation

Question 37 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1 * y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explanation

Question 38 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje supervisado son verdaderas y cuáles son falsas?

Select one or more of the following:

El algoritmo ID3 para aprender árboles de decisión aprende usando un conjunto de parejas (xi;yi), donde xi es un elemento del espacio de entrada y yi es un valor real entre 0 y 1 que representa el nivel de entropía
El algoritmo ID3 para aprender árboles de decisión en cada paso elige como atributo más importante aquel que tiene el valor de entropía más
bajo.
El perceptrón utiliza como función de activación la función signo, que devuelve +1 si la suma pesada de las entradas es mayor que el umbral U,
y -1 en caso contrario.
Una red neuronal con un valor de corrección de 0.6 es estadísticamente mejor que un clasificador que asigna cada ejemplo a un clase elegida de
manera uniformemente aleatoria.

Explanation

Question 39 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje no supervisado son verdaderas y cuáles son falsas?

Select one or more of the following:

En un algoritmo genético, si el problema consiste en maximizar una cierta función objetivo g(x), entonces se puede usar como función de
fitness la función f(x)=g(x)3
La política de selección con ranking asigna al individuo de la población con el valor de fitness mayor una probabilidad de ser seleccionado igual a
1
El algoritmo de aprendizaje por refuerzo Q-learning aprende un función Q(s,a) que para cada acción a devuelve la probabilidad de transitar al
estado del entorno s si se ejecuta la acción a.
En un algoritmo de aprendizaje por refuerzo Q-learning, si se usa un
factor de descuento gamma=0.8 se da más importancia a lor rewards futuros
que si se usa un factor de descuento gamma=0.1

Explanation

Question 40 of 86

Sea S un conjunto de estados del mundo. ¿Cuáles de los siguientes elementos forman parte del conocimiento a priori de un agente de búsqueda?

Select one or more of the following:

(a) Una función acción: a implica s que a cada acción a le asigna un estado s∈S
Una función expandir: s Implica {s1, ..., sn} que asigna un conjunto finito de sucesores si∈S a cada estado s∈S
Una función meta?: s Implica verdad | falso que determina si un estado s∈S es un
estado meta
Una función c: (si, sj ) Implica v; si,sj∈S, v∈ℵ que asigna un coste entero positivo a cada operador

Explanation

Question 41 of 86

¿Cuáles de las siguientes afirmaciones acerca del algoritmo A* son verdaderas y cuáles son falsas?

Select one or more of the following:

Si h* es optimista, entonces el algoritmo A* es óptimo.
Si h* no es consistente, entonces el algoritmo A* no es óptimo.
Si g crece de forma monótona, entonces h* es consistente.
Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.

Explanation

Question 42 of 86

¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea son verdaderas y cuáles son falsas?

Select one or more of the following:

Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
La búsqueda en línea siempre es óptima y completa.
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).

Explanation

Question 43 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En lógica de descripciones ALC ∀r.> u ∃r.? ´ ?
En RDF Schema se puede expresar que una propiedad es transitiva
En RDF Schema se puede representar: ∃r.A v B
Para toda t-norma T, ∀x,y Mín(x,y) ≤ T(x,y)

Explanation

Question 44 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
En el aprendizaje de redes neuronales, un factor de aprendizaje α, que tenga un valor negativo y lo suficientemente pequeño, asegura una buena convergencia de aprendizaje.
Un clasificador con una “false positive rate” mayor que 0,5 clasifica más de la mitad de los casos negativos como positivos.
En el Q-learning: si se emplea un factor de descuento γ igual a 0, el agente aprende a realizar en cada estado aquella acción que le da la mayor
recompensa inmediata.

Explanation

Question 45 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explanation

Question 46 of 86

¿Cuáles de las siguientes funciones heurísticas son optimistas?

Select one or more of the following:

En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.

Explanation

Question 47 of 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Select one or more of the following:

$ Î $ Î , .
" Î " Î , .

Explanation

Question 48 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
SPARQL es un lenguaje para representar ontologías.
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).

Explanation

Question 49 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Select one or more of the following:

Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
En un método de aprendizaje simbólico los datos son representados por sus características.
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.

Explanation

Question 50 of 86

¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?

Select one or more of the following:

El entorno es continuo.
El entorno es accesible.
El entorno es determinista.
Se trata de un juego bipersonal de suma nula.
El juego es parcialmente cooperativo.

Explanation

Question 51 of 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Select one or more of the following:

En el 8-puzzle: la cantidad de piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado correcto del río.
En el mundo de los bloques: el número de los bloques que no tienen la entidad correcta (bloque o mesa) por debajo.
En el problema de encontrar rutas: el número de ciudades intermedias entre la ciudad actual y la ciudad meta.
En el problema de las Torres de Hanoi: el número de discos bien colocados en la agua meta

Explanation

Question 52 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

En el conocimiento a priori de un agente, la función expandir puede asignar un conjunto infinito de sucesores siS a cada estado sS.
(b) Si h1
* y h2
* son funciones heurísticas consistentes, entonces
h3
*(n) = |h1
*(n) – h2
*(n)| para todo nodo n, es una función heurística optimista.
(c) En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma

Explanation

Question 53 of 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Select one or more of the following:

Sea X=x1, x2,…, xn el conjunto de variables de un CSP y D1,D2,…,Dn sus
respectivos dominios. Un predicado R(xi, xj)  Di  Dj define una restricción
entre las variables xi y xj
Sea X=A, B, C el conjunto de variables de un CSP con los dominios
DA = DB = DC = 1,2 y restricciones de desigualdad entre todas las variables
(i.e. A ≠ B ≠ C). Si en la búsqueda con vuelta atrás cronológica con
comprobación hacia delante (forward checking) se asigna el valor 1 a la
variable A, entonces el forward checking elimina el valor 2 de DB y de DC.

Explanation

Question 54 of 86

¿Cuáles de las siguientes afirmaciones acerca del juego Backgammon son verdaderas y cuáles son falsas?

Select one or more of the following:

El entorno es accesible.
El entorno es continuo.
El entorno es semidinámico.
Se trata de un juego bipersonal de suma nula con elemento de azar.
El juego es parcialmente cooperativo.

Explanation

Question 55 of 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Select one or more of the following:

En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
En el mundo de los bloques: el número de los bloques bien colocados.
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
En el problema de las Torres de Hanoi: el número de discos mal colocados.

Explanation

Question 56 of 86

¿Cuáles de las siguientes afirmaciones son ciertas y cuales falsas?

Select one or more of the following:

Si h1* y h2* son funciones heurísticas optimistas, y h1* es más informada que h2*, entonces se puede prescindir de h2* son en el proceso de búsqueda.
Si h1* y h2* son funciones heurísticas optimistas, entonces h3* = min{h1* , h2*} es una función heurística optimista.
La búsqueda por islas realiza búsquedas A* del estado inicial n0 al estado isla i1, de isla i1 a la isla i2, …, y finalmente de la isla in a la meta ng.
La búsqueda con horizonte aplica el método A* para desarrollar un árbol de búsqueda hasta una profundidad máxima dada por el horizonte k.
La búsqueda con horizonte con función heurística optimista es óptimo.

Explanation

Question 57 of 86

Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un conjunto de dominios tal que DA= DB= DC= DD= {1,2}, y R = {RA,B, RA,C, RB,C} un conjunto de restricciones, todas ellas de desigualdad (p.e. RA,B ≡ (A ≠ B). ¿Cuáles de los siguientes afirmaciones respecto al Problema de Satisfacción de Restricciones (X,D,R) son ciertas y cuales falsas ?

Select one or more of the following:

El Problema de Satisfacción de Restricciones es arco-consistente
El Problema de Satisfacción de Restricciones es optimista
El Problema de Satisfacción de Restricciones tiene exactamente una solución
El Problema de Satisfacción de Restricciones no tiene solución
El grafo que representa el Problema de Satisfacción de Restricciones es conexo

Explanation

Question 58 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

La búsqueda en amplitud tiene una menor complejidad en tiempo que la búsqueda A*
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =h1*(n) + h2*(n), para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es consistente, entonces el valor de f * crece de forma (débilmente) monótona en todos los caminos del árbol de búsqueda.
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).

Explanation

Question 59 of 86

Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?

Select one or more of the following:

h* ((u,v)) = | u – x | + | v | + | y |
h* ((u,v)) = 1
h* ((u,v)) = | u – x | + | v – y |
h* ((u,v)) = ( | u | * | v | ) + ( | x | * | y | )

Explanation

Question 60 of 86

Sea X = {A,B,C} un conjunto de variables y R = {RA,B, RA,C, RB,C,} un conjunto de restricciones tal que RA,B ≡ (A = B * 2); RA,C ≡ (A > C); y RB,C ≡ (B ≠ C). ¿Con cual(es) de los siguientes conjuntos de dominios D = {DA,DB,DC} se formaría un Problema de Satisfacción de Restricciones (X,D,R) que es arco-consistente?

Select one or more of the following:

DA = {2,4}; DB = {2}; DC = {1}
DA = {2,4}; DB = {1,2}; DC = {1,3}
DA = [2..4]; DB = [0..2]; DC = [1..3]
DA = [2..4]; DB = {1,2}; DC = {}

Explanation

Question 61 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En lógica de descripciones ALC ∃r.(C Interseccion D) Identico ∃r.C Interseccion ∃r.D
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
SPARQL es un lenguaje de consulta para RDF
Para toda t-norma T(x,y), se cumple que Mínimo(x,y) <= T(x,y)

Explanation

Question 62 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Select one or more of the following:

Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
En el algoritmo Q-learning se aprende, de forma iterativa, las recompensas que el agente recibe al ejecutar una acción a en un estado s.
Al aprender árboles de decisión mediante el algoritmo ID3, es posible que haya atributos de los ejemplos que no aparecen en ningún nodo del
árbol aprendido.
Un clasificador binario con una tasa de falsos positivos (false positive rate) igual a 1 clasifica a todos los ejemplos negativos como positivos.

Explanation

Question 63 of 86

¿Cuáles de las siguientes afirmaciones acerca del videojuego Tetris son verdaderas y cuáles son falsas?

Select one or more of the following:

El entorno es estático.
El entorno es discreto.
El entorno es accesible
El juego es parcialmente cooperativo.

Explanation

Question 64 of 86

Sea S es conjunto de estados del mundo. El conocimiento a priori de un agente de búsqueda consiste de

Select one or more of the following:

Un estado inicial s0perteneceienteS
Una función acción: a  s que a cada acción a le asigna un estado sS

Explanation

Question 65 of 86

¿Cuál(es) de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es(son) verdadera(s) si el coste de los operadores puede ser cualquier número entero positivo?

Select one or more of the following:

Si existe una solución, la búsqueda en amplitud la encuentra.
Si la búsqueda en amplitud encuentra una solución, ésta debe ser igual a la que encontraría la búsqueda de coste uniforme.
Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos
Si la búsqueda de coste uniforme encuentra una solución, ésta debe ser óptima.

Explanation

Question 66 of 86

¿Cuál(es) de las siguientes afirmaciones acerca del algoritmo A* es (son) verdadera(s)?

Select one or more of the following:

Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda
Si h* es optimista, entonces también es consistente.
Si h* es optimista, entonces el algoritmo A* es óptimo.
Si g crece de forma monótona, entonces h* es optimista.

Explanation

Question 67 of 86

Siendo A y B nombres de conceptos y r nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?

Select one or more of the following:

A ⊓ "r.B ⊓ ¬ ^ no es un concepto bien formado
A ⊓ B ⊓ ^ es insatisfacible

Explanation

Question 68 of 86

Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,a>,<a,b>,<a,c>,<b,c>} ¿Cuál de los
siguientes es el conjunto de individuos del concepto $r.D ⊔ "r.D en lógica de descripciones ALC?

Select one or more of the following:

{}
{a, c}
{a, b, c}
Ninguna de las anteriores

Explanation

Question 69 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

En RDF se puede definir una clase A ≡ C ⊔ D
En RDFS (RDF Schema) se puede expresar la relación estándar subclase de
En RDF se puede especificar el rango de una propiedad
Ninguna de las anteriores

Explanation

Question 70 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

RDFS es un lenguaje de consulta
En RDFS no se puede especificar el dominio de las propiedades
SPARQL es un lenguaje para escribir ontologías
Ninguna de las anteriores

Explanation

Question 71 of 86

¿Cuál de las siguientes afirmaciones es cierta respecto a lógica borrosa?

Select one or more of the following:

Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≤ 0.3
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≥ 0.6
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÈB(x) ≤ 0.6
Ninguna de las anteriores

Explanation

Question 72 of 86

¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?

Select one or more of the following:

El entorno es continuo.
El entorno es accesible.
El entorno es determinista.
Se trata de un juego bipersonal de suma nula.

Explanation

Question 73 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) = |h1*(n) – h2*(n)| para todo nodo n, es una función heurística optimista.
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Si h1* y h2* son funciones heurísticas optimistas y para todo nodo n se cumple que h1*(n) > h2*(n), entonces A*(h2*) expande al menos tantos nodos como A*(h1*)
El algoritmo A* con aprendizaje de función heurística asegura que en cualquier momento la función heurística h * aprendida es optimista.

Explanation

Question 74 of 86

Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?

Select one or more of the following:

h* ((u,v)) = max( | u – x |, | v – y |)
h* ((u,v)) = | u – x | + | v – y |
h* ((u,v)) = 2 * min( | u – x |, | v – y |)
h* ((u,v)) = 0

Explanation

Question 75 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En lógica de descripciones ALC ∀r.C u ∃r.? ´ ∀r.C u ∃r.C
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
En SPARQL no se pueden realizar comparaciones numéricas
La intersección de conjuntos borrosos se realiza mediante una t-norma

Explanation

Question 76 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En el aprendizaje por refuerzo se emplean ejemplos para reforzar el proceso de aprendizaje.
Si una función se puede aprender con una red neuronal de una única capa, también se puede aprender con una red de dos capas.
El aprendizaje de arboles de decisión también es aplicable si las instancias que se quieren clasificar pertenecen a más que 2 clases diferentes.
Dado un modelo de un problema en el cual las acciones conllevan recompensas estáticas. Una política óptima para este problema consiste en
realizar en cada estado la acción que tiene la mayor recompensa.

Explanation

Question 77 of 86

Siendo C un concepto y r un nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?

Select one or more of the following:

"r.C ⊑ $r.C
$r.C ⊑ $r.⊤

Explanation

Question 78 of 86

Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,b>} ¿Cuál de los siguientes es el conjunto de individuos del concepto "r.⊤ en lógica de descripciones ALC?

Select one or more of the following:

{a}
{a, b}
{a, b, c}
Ninguna de las anteriores

Explanation

Question 79 of 86

¿Cuál de las siguientes afirmaciones es cierta?

Select one or more of the following:

En RDFS se puede definir una clase A ≡ C ⊔ D
SPARQL es un lenguaje para consultar datos RDF
En RDF se puede especificar el dominio de una propiedad
Ninguna de las anteriores

Explanation

Question 80 of 86

¿Cuál de las siguientes afirmaciones es falsa?

Select one or more of the following:

En RDF se puede expresar la relación estándar subpropiedad de
En RDFS se puede expresar la relación estándar subpropiedad de
En OWL se puede expresar la relación estándar subpropiedad de
Alguna de las anteriores es falsa1

Explanation

Question 81 of 86

¿Cuál de las siguientes afirmaciones es cierta respecto a la lógica borrosa?

Select one or more of the following:

"x μP Ç Q(x) £ μP(x)
"x μP Ç Q(x) ³ μP(x)

Explanation

Question 82 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?

Select one or more of the following:

La búsqueda A* con función heurística h*(n) = 0 para todo nodo n, se comporta igual que la búsqueda de coste uniforme.
Si h1* y h2* son funciones heurísticas optimistas, entonces la función heurística h3*(n) = (h1*(n) + h2*(n)) / 2 es más informada que la función heurística h4*(n) = min( h1*(n), h2*(n) ).
En el algoritmo A*, si h* es consistente, entonces el error heurístico crece de forma débilmente monótona en todos los caminos del árbol de
búsqueda.
Si h* es consistente, entonces el algoritmo A* es óptimo (ó admisible).

Explanation

Question 83 of 86

Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:

Select one or more of the following:

En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
En el mundo de los bloques: el número de los bloques bien colocados.
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.

Explanation

Question 84 of 86

El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que

Select one or more of the following:

∃ ∈ ∃ ∈ , .
∀ ∈ ∀ ∈ , .

Explanation

Question 85 of 86

¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?

Select one or more of the following:

En lógica de descripciones ALC ∃r.C Interseccion ∀r.C Identico ∃r.T Interseccion ∀r.C
En OWL se puede expresar que una propiedad es transitiva
En SPARQL no se pueden comparar números
Normalmente μaP(x) >= μNO P(x), siendo aP el antónimo de P

Explanation

Question 86 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?

Select one or more of the following:

El objetivo del aprendizaje supervisado es encontrar/aprender una función
En el aprendizaje simbólico, el resultado del proceso de aprendizaje es una función de clasificación.
Considera el aprendizaje de los pesos de una única neurona perceptron con 2 entradas y una salida binarias y una función de activación umbral.
Sea el siguiente conjunto de ejemplos de entrenamiento <(11,1); (01,1); (10;0); (00;0)>. Si los pesos son inicializados todos en -1, α se elige de
forma adecuada y se repite el proceso de aprendizaje con los 4 ejemplos un número suficiente de veces, entonces la neurona aprenderá a calcular
los 4 ejemplos de forma correcta.
Dado un entorno modelado como un proceso de decisión de Markov en el que existe un estado s. ¿Si V*(s)=10, eso implica que un agente que emplea una política óptima, ganaría seguro 10 unidades de recompensa a partir del estado s?

Explanation

["https://cdn.goconqr.com/uploads/checkbox_question/image/1570817/desktop_66f57870-81b2-48f6-ae78-874417261bd8.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1570822/desktop_691f2835-4b15-4a43-8788-a492138adb03.JPG","https://cdn.goconqr.com/uploads/true_or_false_question/image/1570854/desktop_7196cd1a-6ce0-47ce-9ffe-569662169b57.JPG","https://cdn.goconqr.com/uploads/true_or_false_question/image/1570858/desktop_8c4ebc68-11da-4fc8-8391-f7d76c0f51fd.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1571210/desktop_9d13094a-6398-4160-b576-9bd5a3d6b647.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1585333/desktop_660e7ef6-55ce-44c4-bbbe-8bdc8b72c88b.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1585341/desktop_06db94d3-f1de-4019-8164-a74940c052d2.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1585345/desktop_db72f55e-9187-408b-9714-c7e345c50bd7.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1589024/desktop_c92e40f8-7f9e-4627-afc8-ea2b7683df91.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1589062/desktop_e2900044-a6f1-4ec0-afe3-addaeb4d2a50.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1589106/desktop_cf00c7be-619c-4441-aae7-7731953e6677.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1589948/desktop_5b902e75-9743-4b97-97aa-cee3e87e001c.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1590003/desktop_ec827b27-83af-4198-994d-537c5f307bb2.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1590010/desktop_d1da1daa-2c4c-4dbb-a8e7-28f1f8cdbdc2.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595445/desktop_87f90eea-23ad-433a-92bb-e01caf8de38a.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595469/desktop_090b3a96-4c4f-4b86-8b11-8671e4a67f93.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595476/desktop_35e61d42-b2d4-4965-bb78-c31084365545.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595479/desktop_94165ef9-a4be-4502-9ee7-0eb970e312f6.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595501/desktop_a7fa10a3-98a8-4ec0-a76d-584c2eee8c7b.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595507/desktop_19b41ac6-bc4d-42e1-8b29-a26786fd69ba.JPG","https://cdn.goconqr.com/uploads/checkbox_question/image/1595814/desktop_20caca9e-f7f8-4a74-8941-11f192d0dcad.JPG","https://cdn.goconqr.com/uploads/quiz_answer/image/3421069/desktop_b973974d-4d93-4417-9cab-e19477952203.JPG","https://cdn.goconqr.com/uploads/quiz_answer/image/3421070/desktop_4cefa1b3-2139-4bce-82f3-5be3c8df4d91.JPG","https://cdn.goconqr.com/uploads/quiz_answer/image/3421071/desktop_1f1b3113-b7f8-4a01-a3f9-edd33c615616.JPG","https://cdn.goconqr.com/uploads/quiz_answer/image/3421072/desktop_843921fc-a61c-4beb-9b0b-fca44b8d16ca.JPG","https://cdn.goconqr.com/uploads/quiz_answer/image/3421076/desktop_bcbb4c57-0883-4ddf-94fa-0ac69eb0e246.JPG"]

	Created by Sergio German Ji about 9 years ago

Preguntas de las hojas y los examenes

Temas IA

Question 1 of 86

El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas

Select one or more of the following:

Explanation

Question 2 of 86

¿Para cual(es) de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e. la búsqueda de coste uniforme)?

Select one or more of the following:

Explanation

Question 3 of 86

¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es (son) cierta(s)?

Select one or more of the following:

Explanation

Question 4 of 86

Contemple el problema de búsqueda de la figura 1. ¿Cuál es el factor de ramificación del árbol de búsqueda generado por los métodos de búsqueda en el espacio de estados, si no se filtran estados repetidos?

Select one or more of the following:

Explanation

Question 5 of 86

Contemple el problema de búsqueda de la figura 1. En el árbol generado por la búsqueda en amplitud, si no se filtran estados repetidos, ¿cuántos nodos hay a nivel de profundidad k (suponiendo que la raíz tiene nivel 0, es decir k≥0)

Select one or more of the following:

Explanation

Question 6 of 86

El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.

Select one of the following:

Explanation

Question 7 of 86

Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.

Select one of the following:

Explanation

Question 8 of 86

Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.

Select one of the following:

Explanation

Question 9 of 86

Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.

Select one of the following:

Explanation

Question 10 of 86

El algoritmo A es optimo si la funcion heurstica h* es optimista

Select one of the following:

Explanation

Question 11 of 86

Una heurística con aprendizaje empieza con h*(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h*.

Select one of the following:

Explanation

Question 12 of 86

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran cantidad de memoria.

Select one of the following:

Explanation

Question 13 of 86

h1* es más informada que h2* si para todo nodo n se cumple que h1*(n) >= h2*(n)

Select one of the following:

Explanation

Question 14 of 86

A* con la función heurística más informada expande un número de nodos menor o igual al número de nodos que expandiría con la menos informada.

Select one of the following:

Explanation

Question 15 of 86

El algoritmo A* si se utiliza como heurística la función h*(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f*(n) = g(n) + h*(n) si h*(n) = 0 implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.

Select one of the following:

Explanation

Question 16 of 86

Cuales de las siguientes armaciones acerca del algoritmo Minimax son ciertas

Select one or more of the following:

Explanation

Question 17 of 86

Dado el siguiente problema de busqueda: Por un generico nodo (u, v), ¿cuales de las siguientes funciones heursticas son optimistas? Figura 1: Red 2D regular e infinita, Estado inicial (0; 0), Estado final: (x,y) donde x,y pertenecen a Z, Movimiento entre estados directamente conectados a coste 1

Select one or more of the following:

Explanation

Question 18 of 86

Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces

Select one or more of the following:

Explanation

Question 19 of 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?

Select one or more of the following:

Explanation

Question 20 of 86

¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones es (son) verdadera(s)?

Una heurística con aprendizaje empieza con h(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h.

la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran
cantidad de memoria.

h1* es más informada que h2* si para todo nodo n se cumple que h1(n) >= h2(n)

El algoritmo A* si se utiliza como heurística la función h(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f(n) = g(n) + h(n) si h(n) = 0
implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.