3017204
Descripción
Test por Javier Correa Santos, actualizado hace más de 1 año
|
Creado por Javier Correa Santos
hace más de 9 años
|
|
Pregunta 1
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int lineal(int n)
{ int resultado = 1;
while(false){ resultado = resultado * n;
} return resultado;
Respuesta
-
O(1)
-
O(log n)
-
O(n2)
-
O(n log n)
Pregunta 2
Pregunta
¿Qué devuelve el siguiente algoritmo recursivo?
static int metodoRecurH(int n)
{ if (n < 10) return n;
else return (n % 10) + metodoRecurH(n / 10); }
Respuesta
-
El múltiplo de 10 más cercano a n
-
La suma de los dígitos de n
-
El menor múltiplo de 10 que divide a n
-
La cantidad de dígitos de n
-
El mayor múltiplo de 10 que divide a n
Pregunta 3
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int metodoH(int n)
{ int resultado = 0; int i = 1;
while (i <= n) { for (int f = n; f > 0; f--)
{ resultado = resultado + (i * i * i) + (f * f * f); } i++; }
return resultado; }
Respuesta
-
O(n)
-
o(n2)
-
O(log n)
-
O(n log n)
Pregunta 4
Pregunta
Teniendo en cuenta la regla del máximo, el orden que más se ajusta
T(n )=5 \sqrt n + 23\log n + 3n \log n
Respuesta
-
O(5\sqrt n)
-
O(nlogn)
-
O(log n)
-
O(n2)
Pregunta 5
Pregunta
Responde Verdadero o Falso a la siguiente afirmación: "Una operación elemental es aquella cuyo tiempo de ejecución puede acotarse inferiormente por una constante que solo dependerá de la implementación particular usada."
Respuesta
- True
- False
Pregunta 6
Pregunta
El orden que más se ajusta al tiempo de ejecución en el caso peor del Ordenamiento por Selección es:
Respuesta
-
o(n2)
-
o(n)
-
o(2n)
-
o(nlogn)
Pregunta 7
Pregunta
Teniendo en cuenta la regla del máximo, el orden que más se ajusta
T(n )=5nsqrt n + 23\log n + 3n log n
Respuesta
-
O(nsqrt n + nlog n)
-
O(nsqrt n)
-
O(n )
-
O(log n)
Pregunta 8
Pregunta
El orden que más se ajusta al tiempo de ejecución en el caso peor de la Ordenación por Fusión o Mergesort es:
Respuesta
-
O(n2)
-
O(n)
-
O(log n)
-
O( n logn)
Pregunta 9
Pregunta
Para demostrar la corrección de un algoritmo es muy importante, en ocasiones, definir el conjunto de casos que deben considerarse, o lo que es lo mismo:
Respuesta
-
Su eficiencia en el caso medio
-
Su principio de invarianza
-
Su dominio de definición
-
Su eficiencia en el peor caso
Pregunta 10
Pregunta
¿Qué representa el valor devuelto por el algoritmo siguiente?
static int metodoY(int m, int n) {
int i, resul = 1;
if (n < m)
i = n;
else
i = m;
while (i > 1) {
if ((m % i == 0) && (n % i == 0)) {
resul = i;
}
i--;
}
return resul;
}
Respuesta
-
El valor primo más cercano a n
-
El máximo común divisor de m y n
-
El resto entero de la división m/n
-
El mínimo valor entre m y n
-
El valor primo más cercano a m
Pregunta 11
Pregunta
Diremos que t(n ) está en Omega de f(n ) si t(n ) está acotada inferiormente por un múltiplo real positivo de f(n ) para todo n suficientemente grande. Esta afirmacion es...
Respuesta
- True
- False
Pregunta 12
Pregunta
El orden que más se ajusta al tiempo de ejecución en el caso peor de la Ordenación por Montículo o Heapsort es:
Respuesta
-
O(log n)
-
O(n)
-
O(n log n)
-
O(n2)
Pregunta 13
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int cubico(int n) {
return n * n * n;
}
Respuesta
-
O(1)
-
O(n)
-
O(n2)
Pregunta 14
Pregunta
Asumiendo que n < m, ¿cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int metodoConocido(int m, int n) {
int i;
int out = 1;
if (n < m) {
i = n;
} else {
i = m;
}
while (i > 1) {
if ((m % i == 0) && (n % i == 0)) {
out = i;
}
i--;
}
return out;
}
Respuesta
-
Cuadrático, O(n^2)
-
Exponencial, O(2^n)
-
Lineal, O(n )
-
Logarítmico, O(\log n) Incorrecta
Pregunta 15
Pregunta
Teniendo en cuenta la regla del máximo, el orden que más se ajusta a T(n )=5 \sqrt n + 23\log n + 3n \log n es:
Respuesta
-
O(n log n)
-
O(\sqrt n)
-
O(log n)
-
O(1)
Pregunta 16
Pregunta
Teniendo en cuenta la regla del máximo, el orden que más se ajusta a T(n )=5 \sqrt n + 23\log n + 35 es:
Respuesta
-
O(sqrt n)
-
O(n)
-
O(log n)
Pregunta 17
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int metodoF(int[] array) {
int resultado = array[0];
int n = array.length;
for (int i = 1; i < n; i++) {
if (array[i] > resultado) {
resultado = array[i];
}
}
return resultado;
}
Respuesta
-
O(n)
-
O(n log n)
-
O(log n)
-
O(n2)
Pregunta 18
Pregunta
El orden que más se ajusta al tiempo de ejecución en el caso peor del Ordenamiento por Inserción es:
Respuesta
-
O(log n)
-
o(n)
-
O(n2)
-
O(2n)
Pregunta 19
Pregunta
El principio de invarianza dice que dos implementaciones distintas de un mismo algoritmo (en ordenadores distintos o con distintos lenguajes de programación), no diferirán en su eficiencia más que en una constante multiplicativa.
Respuesta
- True
- False
Pregunta 20
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int metodoRecurM(int n)
{ if (n == 1) return 1;
else return n * metodoRecurM(n - 1); }
Respuesta
-
O(n2)
-
O(n)
-
O(log N)
-
O (n log n)
Pregunta 21
Pregunta
En el siguiente algoritmo que devuelve el j-ésimo término de la sucesión de Fibonacci, la instrucción que falta es:
static int Fibonacci(final int j)
{ int n = 1, p = 0;
for (int i = 0; i <= j; i++) {
/** Instrucción faltante */
n = p - n; } return p; }
Respuesta
-
p = i + j
-
p = 2 - i
-
p = p + n
-
n = p + n
Pregunta 22
Pregunta
¿Qué devuelve el siguiente algoritmo recursivo?
static int metodoRecursivoC(int n) {
if (n < 10) { return 1; }
else { return 1 + metodoRecursivoC(n / 10); } }
Respuesta
-
El mayor múltiplo de 10 que divide a n
-
El múltiplo de 10 más cercano a n
-
El menor múltiplo de 10 que divide a n
-
La suma de los dígitos de n
-
La cantidad de dígitos de n
Pregunta 23
Pregunta
Un algoritmo requiere un tiempo del orden de t(O(n )) para una función dada t si existe una constante multiplicativa c y una implementación del algoritmo capaz de resolver todos los casos de tamaño n en un tiempo que no sea superior a c*t(O(n )) segundos. A esto se le llama:
Respuesta
-
Notación Asintótica
-
Dominio de Definición
-
Computabilidad del Algoritmo
-
Principio de Invarianza
Pregunta 24
Pregunta
Aquella instrucción que se ejecuta por lo menos con tanta frecuencia como cualquier instrucción del algoritmo es una instrucción
Respuesta
-
clave
-
barómetro
-
termómetro
-
compleja
-
recursiva
Pregunta 25
Pregunta
El orden que más se ajusta al tiempo de ejecución en el caso peor del cálculo de determinantes por el método de Gauss-Jordan cuando utilizamos una matriz de n x n es:
Respuesta
-
O(n3)
-
O(n2)
-
o(n)
-
O(nlogn)
Pregunta 26
Pregunta
¿Cuál es el orden que más se ajusta al tiempo de ejecución en el caso peor del siguiente algoritmo?
static int exponencial(int n) {
int exp = 1;
for (int e = 0; e < n; e++) {
exp = exp * 2;
}
return exp;
}
Respuesta
-
O(n)
-
O(n2)
-
O(log n)
Pregunta 27
Pregunta
Dentro de un algoritmo voraz, la función de selección es
Respuesta
-
La función que comprueba si un cierto conjunto de candidatos es factible.
-
La función que indica en cualquier momento cuál es el elemento más prometedor de los candidatos restantes.
-
La función que da el valor de la solución que se ha intentado optimizar.
-
La función que comprueba si un cierto conjunto de candidatos constituye una solución.
Pregunta 28
Pregunta
La técnica en la que simplemente seleccionamos elementos de un conjunto de candidatos para dar solución a un problema, de manera que los candidatos desechados no vuelven a ser considerados y los incorporados a la solución permanecen en ella hasta el final del algoritmo, se conoce como:
Respuesta
-
Programación Dinámica
-
Algoritmos voraces
-
Divide y Vencerás
-
Backtracking
Pregunta 29
Pregunta
Para recorrer un grafo conexo G podemos seleccionar cualquier nodo v como punto de partida, marcarlo como visitado, y luego visitar todos los nodos adyacentes a v. Solamente cuando no queden nodos
adyacentes a v se procede a visitar nodos más alejados. Este recorrido se conoce como:
Respuesta
-
Recorrido en distancia
-
Recorrido en anchura
-
Recorrido por aristas
-
Recorrido en profundidad
Pregunta 30
Pregunta
Si concebimos un problema en términos de un grafo, la técnica que realiza una búsqueda ciega en profundidad dentro de dicho grafo, mediante un algoritmo recursivo, se conoce como:
Respuesta
-
Algoritmos voraces
-
Divide y Vencerás
-
Programación Dinámica
-
Backtracking
Pregunta 31
Pregunta
Si utilizamos un algoritmo voraz para resolver el problema de "devolver cambio en monedas", este algoritmo puede no funcionar adecuadamente si:
A) No existen monedas de un cierto valor
B) El número de monedas de cada valor es limitado
C) El sistema monetario solo tiene monedas de 5 céntimos.
D) El sistema monetario solo tiene monedas de 1 y 5 céntimos.
Respuesta
-
A
-
B
-
A y B
-
C y D
Pregunta 32
Pregunta
¿Cuáles de las siguientes carácterísticas son propias de los algoritmos voraces?
A) Se utilizan para resolver problemas de optimización.
B) Son fáciles de implementar
C) Permiten resolver correctamente cualquier problema de optimización.
D) En cada paso seleccionan la opción más prometedora de las presentes y reconsideran las selecciones pasadas para mantenerlas o deshacerlas. Seleccione una:
Respuesta
-
A
-
B
-
B y D
-
A y B
Pregunta 33
Pregunta
Dado un grafo, el algoritmo que encuentra un árbol de recubrimiento mínimo haciéndolo crecer de forma natural desde una raíz arbitraria, y donde en cada fase se añade una nueva rama al árbol ya construido, hasta que se han alcanzado todos los nodos, se conoce como:
Respuesta
-
Algoritmo de Kruskal
-
Algoritmo de Euclides
-
Algoritmo de Prim
-
Algoritmo de Dijkstra
Pregunta 34
Pregunta
Dentro de un algoritmo voraz, la función de objetivo es
Respuesta
-
La función que da el valor de la solución que se ha intentado optimizar.
-
La función que indica en cualquier momento cuál es el elemento más prometedor de los candidatos restantes.
-
La función que comprueba si un cierto conjunto de candidatos constituye una solución.
-
La función que comprueba si un cierto conjunto de candidatos es factible.
Pregunta 35
Pregunta
Para recorrer un grafo conexo G podemos seleccionar cualquier nodo v como punto de partida y marcarlo como visitado. Si hay algún nodo adyacente a v, que no haya sido visitado, se invoca recursivamente el procedimiento sobre dicho nodo. Al volver de la llamada recursiva, si hay otro nodo adyacente a v que no haya sido visitado, se vuelve a aplicar el procedimiento. Seguiremos así hasta que no queden nodos sin visitar. Este recorrido se conoce como
Respuesta
-
Recorrido en anchura
-
Recorrido en profundidad
Pregunta 36
Pregunta
En grafos muy densos el algoritmo de Kruskal es más eficiente que el de Prim. Esta afirmación es:
Respuesta
- True
- False
Pregunta 37
Pregunta
Supongamos que tenemos que pagar cierta cantidad utilizando el menor número posible de monedas. Para resolver el problema empezamos con las manos vacías y vamos añadiendo a las monedas seleccionadas siempre la mayor posible sin sobrepasar la cantidad que nos resta por pagar. Así hasta que no quede nada por pagar. Esta manera de actuar es un ejemplo de:
Respuesta
-
Voraces
-
Backtraking
-
Divide y Vencerás
-
Programación dinámica
Pregunta 38
Pregunta
Un algoritmo voraz que permite determinar la longitud del camino mínimo desde un nodo de un grafo a cada uno de los demás nodos, es el:
Respuesta
-
Algoritmo de Euclides
-
Algoritmo de Dijkstra
-
Algoritmo de Kruskal
-
Algoritmo de Prim
Pregunta 39
Pregunta
Los algoritmos de Backtracking suelen recorrer el grafo con las posibles soluciones utilizando un:
Respuesta
-
Recorrido en profundidad
-
Recorrido en anchura
Pregunta 40
Pregunta
Dado un grafo, el algoritmo que encuentra un árbol de recubrimiento mínimo creando primero un bosque de árboles (varias componentes conexas) y haciéndolo crecer al azar hasta que al final todas las componentes del bosque se fusionan en un único árbol, se conoce como:
Respuesta
-
Algoritmo de Prim
-
Algoritmo de Euclides
-
Algoritmo de Kruskal
-
Algoritmo de Dijkstra
Pregunta 41
Pregunta
La implementación del algoritmo de Prim ofrecida en el libro de la asignatura es menos eficiente que el algoritmo de Kruskal cuando se trabaja con grafos dispersos. Esta afirmación es:
Respuesta
- True
- False
Pregunta 42
Pregunta
En grafos muy densos el orden del algoritmo de Kruskal es:
Respuesta
-
n^2\log n
-
n(\log n^2)
-
n^2
-
n\log n
Pregunta 43
Pregunta
La selección de un umbral incorrecto a la hora de aplicar el enfoque Divide y Vencerás puede afectar el orden del algoritmo resultante.
Respuesta
- True
- False
Pregunta 44
Pregunta
Para que sea factible aplicar el enfoque de Divide y Vencerás es importante que:
Respuesta
-
Se pueda descomponer el problema original en subproblemas y recomponer las soluciones parciales de forma bastante eficiente.
-
El tamaño del problema original debe ser par, para que se pueda dividir por dos
-
El orden de la parte no recursiva sea lineal o cuadrático.
-
Los subproblemas del problema original sean de distinto tamaño.
Pregunta 45
Pregunta
Supongamos que tenemos que pagar cierta cantidad utilizando el menor número posible de monedas. Para resolver el problema utilizamos una tabla con las soluciones más eficientes, donde hay una fila para cada valor de moneda posible y una columna para cada una de las cantidades que van de 0 hasta la cantidad N que tenemos que pagar. La tabla nos permite determinar el menor número de monedas a devolver en base a las solucines almacenadas para menores cantidades de dinero. Esta manera de actuar es un ejemplo de:
Respuesta
-
Programación Dinámica
-
Algoritmos voraces
-
Divide y Vencerás
-
Backtracking
Pregunta 46
Pregunta
De los siguientes algoritmos de Divide y Vencerás, indica el que constituye un ejemplo de reducción:
Respuesta
-
Quicksort
-
Búsqueda de la Mediana
-
Búsqueda Binaria
-
Ordenación por fusión
Pregunta 47
Pregunta
El algoritmo de ordenación que divide el vector en dos partes (de tamaño lo más parecido posible), ordena recursivamente esas mitades, y luego las mezcla para obtener el vector ordenado, se conoce como
Respuesta
-
Ordenación por selección
-
Ordenación por fusión
-
Ordenación por inserción
-
Quicksort
Pregunta 48
Pregunta
La técnica que consiste en descomponer el problema en un cierto número de subcasos más pequeños para resolverlos sucesiva e independientemente, y luego combinar todos los resultados para obtener la solución del problema original, se conoce como:
Respuesta
-
Algoritmos voraces
-
Backtracking
-
Divide y Vencerás
-
Programación Dinámica
Pregunta 49
Pregunta
El algoritmo de ordenación que selecciona como pivote uno de los elementos del vector para crear una partición donde los elementos más pequeños quedan a la izquierda y el resto a la derecha, y luego ambas partes se ordenan recursivamente en sucesivas llamadas, se conoce como:
Respuesta
-
Ordenación por inserción
-
Ordenación por selección
-
Ordenación por fusión
-
Quicksort
Pregunta 50
Pregunta
La siguiente implementación de Fibonacci se puede ver como un ejemplo de: funcion FibIter ( n)
i:=1; j:=1; para k:=1 hasta n hacer
j := i+j; i := j-i;
devolver j;
Respuesta
-
Algoritmos voraces
-
Programación Dinámica
-
Backtracking
-
Divide y Vencerás
Pregunta 51
Pregunta
La técnica ascendente que evita realizar dos veces el mismo cálculo, manteniendo una tabla de resultados conocidos que se va rellenando a medida que se resuelven los subcasos, se conoce como:
Respuesta
-
Algoritmos voraces
-
Backtracking
-
Divide y Vencerás
-
Programación Dinámica
Pregunta 52
Pregunta
Al igual que los algoritmos voraces, la técnica de programación dinámica tampoco reconsidera decisiones previamente descartadas. Esta afirmación es:
Respuesta
- True
- False
Pregunta 53
Pregunta
¿Cuáles de las siguientes carácterísticas son propias de la técnica de "Divide y Vencerás"?
A) Empieza por el caso completo, que luego se va dividiendo en subcasos más y más pequeños a medida que progresa el algoritmo
B) Es una técnica de refinamiento progresivo
C) Empieza por los subcasos más pequeños y sencillos, cuyas soluciones se van combinando para obtener las respuestas de subcasos de tamaños cada vez mayores
D) La posibilidad de aplicar la técnica depende en gran medida del Principio de Optimalidad
E) Es una técnica ascendente.
Respuesta
-
C, D y E
-
A y B
-
B y D
-
C y E
Pregunta 54
Pregunta
¿Cuáles de las siguientes características son propias de "Programación Dinámica"? A) Empieza por el caso completo, que luego se va dividiendo en subcasos más y más pequeños a medida que progresa el algoritmo. B) Es una técnica de refinamiento progresivo C) Empieza por los subcasos más pequeños y sencillos, cuyas soluciones se van combinando para obtener las respuestas de subcasos de tamaños cada vez mayores. D) La posibilidad de aplicar la técnica depende en gran medida del Principio de Optimalidad E) Es una técnica ascendente
Respuesta
-
C, D y E
-
A, B y D
-
C y E
-
A y B
Pregunta 55
Pregunta
El algoritmo de ordenación que divide el vector en dos partes (de tamaño lo más parecido posible), ordena recursivamente esas mitades, y luego las mezcla para obtener el vector ordenado, se conoce como
Respuesta
-
Ordenación por selección
-
Quicksort
-
Ordenación por inserción
-
Ordenación por fusión
Pregunta 56
Pregunta
El algoritmo de ordenación que selecciona como pivote uno de los elementos del vector para crear una partición donde los elementos más pequeños quedan a la izquierda y el resto a la derecha, y luego ambas partes se ordenan recursivamente en sucesivas llamadas, se conoce como
Respuesta
-
Ordenación por fusión
-
Ordenación por inserción
-
Ordenación por selección
-
Quicksort
Pregunta 57
Pregunta
La implementación de Fibonacci siguiente se puede ver como un ejemplo de: función FibRec( n) si n<2 entonces devolver n sino delvolver FibRec(n-1) + FibRec(n-2)
Respuesta
-
Programación Dinámica
-
Algoritmos voraces
-
Backtracking
-
Divide y Vencerás
¿Quieres crear tus propios Tests gratis con GoConqr? Más información.