Documente Academic
Documente Profesional
Documente Cultură
Toate Grilele La Peag
Toate Grilele La Peag
Partea I:
Partea II:
Partea lll(2019)
4. Fie urmatorii doi cromozomi de tip permutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9, 10, 12 } si {7, 1,
15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicand operatorul de recombinare PMX, cu pozitiile 4 si 8 se
obtin descendentii:
a. 5 3 15 13 2 14 6 10 12 8 4 7 9 11 1;
b. 13 1 11 7 14 8 5 15 12 10 4 2 3 9 6;
c. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6;
d. 5 3 11 13 2 14 6 15 1 8 4 7 9 10 12;
e. 5 3 15 13 2 14 6 10 1 8 4 7 9 11 12;
f. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6;
g. 13 1 15 7 14 8 5 10 12 11 4 2 3 9 6;
h. 13 1 10 7 14 8 5 15 12 11 4 2 3 9 6;-primul copil
i. 5 3 11 13 2 14 6 10 1 8 4 7 9 15 12.–al doilea copil
A. a, b
B. e, f
C. a, c
D. h, i
E. f, i
Partea lV(2019)
1.In cadrul unui algoritm genetic ce maximizeaza o functie (fitness):
1.Selectia generatiei urmatoare este obligatoriu bazata pe varsta;
2. Sunt rezolvate probleme cu constrangeri;
3. Selectia parintilor este efectuata iterativ;
4. Mutatia este realizata cu probabilitate mica;
5. nu este recomandata utilizarea functiei FPS;
6. multisetul copiilor este fara duplicate.
7. Selectia supravietuitorilor este determinata de calitate si/sau factorul varsta;
8. Recombinarea este realizata rareori;
9. Este intentionata determinarea unui pct maxim global;
10. Structura cromozomiala difera daca functia este translatata
A. 3,4,7,9
B. 2,3,5,9
C.1,3,5,7
D.4,7,9,10
E.1,2,3,4,7
A.2,4,6,8,10;
B.2,6,7,8,9;
C.3,4,5,8,9
D.1,3,5,7,9;
E.2,4,5
A.2,10
B.3,4,7
C.2,5
D.6,9
E.7,8,10
4. Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care folosete
reprezentarea prin siruri de numere reale?
1.Negarea
2.Negarea fuzzy
3.resetarea pseudo-aleatoare
4.Resetarea determinista;
5.Mutatia uniforma;
6.mutatia neuniforma cu distributie fixata;
7.mutatia locala;
8.Interschimbarea;
9.Inserarea
10;Mutatia rapida;
11.Amestecul;
12.Mutatia globala;
13.Inversiunea;
14.Unipunct
15.Multi-punct
16.Uniforma
17.Recombinarea radacinilor;
18.Aritmetica simpla;
19.Aritmetica singulara;
20.Aritmetica totala;
21.Recombinarea sirurilor maxime;
22.Partially mapped crossover;
23.Recombinarea in oridine;
24.Recombinarea muchiilor;
25.recombinarea ciclica
A.1,3,4,7,10,13,16,17,20
B. Toti operatorii de mai sus
C.3,4,5,6,7,12,18,19,21
D.2,7,10,12,17,21
E.5,6,14,15,16,18,19,20
A. c,d
B. f,i
C. h,i
D. c,j
E. a,b
A.2,4,7.
B.1,5,8
C.3,5,6
D.2,3,4,5
E.1,4,7,8
20.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 obtinut cromozomul
{7, 14, 13, 12, 1, 15, 2,8,6, 3, 11, 5, 10, 4, 9}. Cele doua pozitii utilizate pentru amestec sunt:
1. 1 si 14;
2. 4 si 15
3. 3 si 15
4. 4 si 8
5. 2 si 15
6. 1 si 12
7. 2 si 14
8. 2 si 13
9. 1 si 15
10. 1 si 13
11. 3 si 13
A. 5,10
B. 1,5,7,9
C. 6,7,9
D. 6,2
E. 2
A. 4,8
B. 1,6
C. 3,7
D. 2,5
E. 2,9
A.1,5
B.1,4,5
C.1,3,5
D.2,3,6
E.2,4,6
24.Algiritmul Hillclimbing:
1. Se aplica asupra unui singur punct din spatiul cautat
2. Aplicarea se poate repeta pentru mai multe puncte pentru a creste performantele
3. Este inspirat din tehnicile de alpinism
4. Gaseste intodeauna 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 reprezentare cu siruri de numere reale
A.1,4,6,7
B.3,4,6,8
C.1,2,4,6
D.1,5,7,8
E.1,2,5,7
25.In cadrul unui algoritm din clasa strategiilor evolutive, autoadaptibilitatea se refera la:
A. Functia fitness
B.Distributia de probabilitate de selectie;
C. Modelul de selectie
D. Spatiul parametrilor
E. Modelul de selectie al parintilor
Partea V (2020)
2. Intr-un algoritm evolutiv, functia fitness: 1. Evalueaza calitatea algoritmului; 2. Trebuie selectata aleator; 3.
Evalueaza viteza de gasire a solutiei fata de consumul de resurse; 4. Trebuie modificata la fiecare iteratie; 5.
Selecteaza indivizii care se vor reproduce; 6. Selecteaza indivizii care trec in generatia urmatoare; 7.
Evalueaza calitatea populatiei curente fata de cea a populatiei initiale; 8. Evalueaza calitatea populatiei
curente fata de cea din generatia anterioara; 9. Evalueaza calitatea fiecarui candidat.
Alegeti o optiune:
a. 6,7,8
b. 2,3
c. 1,3
d. 9
e. 4,5
De cate ori trebuie rotit bratul ruletei simple pentru a executa intregul proces de selectie al parintilor,
pentru o populatie cu tz cromozomi?
O data
De 2*tz ori
De tz ori—raspuns platforma
De 10 ori
De tz/2 ori
Pentru problemele in care reprezentarea prin permutari semnifica ordinea de aparitie a unor
evenimente, operatorul de recombinare folosit este:
Incrutisarea aritmetica singulara
Incrutisare unipunct
IPX
OCX (Order crossover)
Incrutisare uniforma
Care din urmatoarele este un dezavantaj al utilizarii distributiei de probabilitate de selectie tip FPS?
Convergenta asimptotica
Convergenta lenta
Convergenta prematura
Eliminarea indivizilor slabi
Selectarea celor mai buni indivizi
1. Care din urmatoarele nu sunt modele de populatie? ->cu generatii, cu dimensiune fixa, cu
dimensiune variata, cu stari instabile
Care din urmatoarele nu este un model de distributie de probabilitate folosit pentru etapa de selectie:
FPS cu ferestre
FPS
FPS cu alfa scalare
Ranguri liniare
FPS cu sigma scalare
Pentru a pastra cat mai bine informatia referitoare la pozitiile absolute ale alelelor in cromozomii parinti
se foloseste operatorul:
Incrutisare multipunct
CX (Cycle Crossover)
ECX (Edge Crossover)
OCX (Order Crossover)
PMX (Partially mapped crossover)
De cate ori trebuie rotit bratul ruletei multi-brat pentru a executa intregul proces de selectie al
parintilor, pentru o populatie cu k indivizi?
O data
De 2*k ori
De k ori
Nu exista ruleta multi-brat
De k/2 ori
Care mechanism de selectie produce rezultate mai apropiate de distributia de probabilitate de selectie
calculate?
Ruleta cu un singur brat
SUS (stochastic Universal Sampling)
Turnirul
Nici unul
Toate produc rezultate la fel de apropiate
4/24
Intr-un algoritm evolutive, functia fitness:
1.Evalueaza calitatea algoritmului
2. Trebuie selectata aleator
3.Evalueaza viteza de gasire a solutiei fata de consumul de resurse
4.Trebuie modificata la fiecare iteratie
5. Selecteaza indivizii care se vor reproduce
6.Selecteaza indivizii care trec in generatia urmatoare
7.Evalueaza calitatea populatiei curente fata de cea a populatiei initiale
8.Evalueaza calitatea populatiei curente fata de cea din generatia anterioara
9.Evalueaza calitatea fiecarui candidat
1,3
2,3
9
4,5
6,7,8
8/24
In cadru unui algoritm genetic operatia de mutatie
Se aplica asupra descendentilor produsi de operatia de recombinare
Se aplica doar daca diversitatea genetica scade sub un prag x dat
Se utilizeaza doar in probleme cu constrangeri
Se efectueaza o singura data, dupa generarea populatiei initiale
Intotdeauna produce indivizi fezabili
Poate sa produca indivizi nefezabili
Are probabilitate mica
Se aplica asupra mutlisetului de parinti
Se aplica imediat inaintea fiecarei etape de selectie a generatiei urmatoare
Se aplica asupra populatiei curente
10/24
12/24
In cadrul unui algoritm genetic operatia de selectie a parintilor:
Este utilizata doar in probleme cu costrangeri
Este efectuata iterativ
Este efectuata imediat inaintea fiecarei procedure de mutatie
Este efectuata o singura data pe parcursul unui algoritm genetic
Utilizeaza populatia curenta
Intotdeauna este bazata pe o distributie de probabilitate de selectie
Allege in general indivizi pe baza factorului varsta
Este efectuata o singura data dupa prima etapa de generare a unei populatii
Este efectuata imediat ce este disponibila o populatie curenta evaluate
Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
19/24
In cadrul unui algoritm genetic operatia de recombinare:
Utilizeaza populatia de parinti
Este efectuata imediat dupa fiecare etapa de selectie a parintilor
Este efectuata o singura data dupa prima etapa de selectie a parintilor
Este efectuata imediat inaintea fiecarei proceduri de mutatie
Este utilizata cu probabilitate mica
Este efectuata iterativ
Este utilizata doar in probleme fara constrangeri
In general probabilitatea de recombinare nu conteaza in rezolvarea problemelor prin algoritmi
genetici
Este efectuata o singura data pe parcursul unui algoritm genetic
Este utilizata cu probabilitate mare
23/24
In algoritmii genetici, reprezentarea binara
A fost primul tip de reprezentare a cromozomilor in algoritmi genetici
Este cea mai utilizata varianta de reprezentare a genotipurilor
Duce mereu la rezultate optime
Nu depinde de problema rezolvata
Nu e utilizata pentru algoritmi genetici
--Grile USCATU—
1. Pentru pastrarea relatiilor comune din cromozomii parinti se foloseste operatorul de recombinare:
a) PMX (Partially Mapped crossover)
b) nu exista un operator pebntru acest scop
c) ECX (Edge crossover)
d) incrusisare de tip turneu
e) incrucisare binara
3. Recombinarea multipla:
a) nu se poate baza pe frecventa alelelor
b) este o generealizare a operatiilor de recombinare pentru reprezentarea cu permutari
c) are echivalent bilogic
d) este cea mai bun optiune pentru algoritmii genetici
e) produce rezultate mai bune doar in unele cazuri particulare
16. Daca aplicarea unui operator de recombinare produce indivizi aberanti atunci:
a) se folosesc parintii ca descendenti
b) se produce eroare la executie
c) algoritmul produce totusi rezultate corecte, ca urmare a autoreglarii prin selectie
d) rezultatele sunt imprevizibile
e) problema nu se poate rezolva prin algoritm genetic
18. Ce aritate are operatorul de recombinare in algorimtii genetici (cati operazi utilizeaza)
a) unar (un operand)
b) depinde de problema dee rezolvat
c) ternar (trei operanzi)
d) nu exista operatori de recombinare in algoritmii genetici
e) binar (doi operanzi)
1.Textul intrebarii
2.In modelul clasic de rezolvare a problemelor, cele trei elemente sunt: datele de intrare, modelul de
transformare, datele de iesire. Care din urmatoarele nu este o clasa de probleme:
Alegeti o optiune:
a. Nici unul din celelate raspunsuri nu e corect
b. Probleme de optimizare: se cunosc modelul de transformare si datele de iesire dorite
c. Probleme de echilibrare: se cunoaste doar modelul de transformare
d. Probleme de modelare/identificare: se cunosc datele de intrare si datele de iesire
e. Probleme de simulare: se cunosc datele de intrare si modelul de transformare
3. In cadrul algoritmilor evolutivi, scopul evolutiei este:
Alegeti o optiune:
a. Concentrarea populatiei in punctele de maxim local
b. Obtinerea unor indivizi mai bine adaptati mediului
c. Evitarea avansului catre zonele mai inalte pe suprafata care descrie populatia
d. Stabilirea caracterului multi-modal al unei probleme
e. Atingerea stadiului de inactivitate genetica
4.Care din urmatoarele etape ale algoritmilor evolutivi se pot desfasurasi in mod determinist:
Alegeti o optiune:
a. Aplicarea operatorlui de mutatie
b. Selectia parintilor
c. Selectia tuplurilor de parinti din bazinul de parinti
d. Selectia populatiei initiale
e. Selectia generatiei urmatoare
Care dintre urmatoarele nu sunt elemente ale unui algoritm evolutiv: 1) reprezentarea, 2) includerea
bibliotecilor, 3) stabilirea datelor de intrare, 4) functia de evaluare, 5) populatia, 6) implementarea, 7)
mecanismul de selectie a parintilor, 8) operatorul de recombinare, 9) sortarea populatiei dupa
calitate, 10) operatorul de mutatie, 11) mecanismul de selectie a generatiei urmatoare, 12) conditia
de terminare, 13) extragerea celui mai bun individ, 14) lansarea in executie?
Alegeti o optiune:
a. 2, 3, 6, 9, 13, 14
b. 6, 7, 9, 12
c. 1, 4, 5, 7, 8, 10, 11, 12
d. 2, 3, 9, 10, 13
e. 4, 6, 7, 11, 12
Alegerea reprezentarii pentru rezolvarea unei probleme prin intermediul unui algoritm genetic:
Alegeti o optiune:
a. uneori este dificila
b. depinde de problema rezolvata, unele reprezentari fiind mai potrivite decit altele
c. este o etapa obligatorie, foarte importanta.
d. toate celelalte raspunsuri sint corecte
e. trebuie satina cont de eventualele constringeri ale problemei
Care dintre urmatorii nu este operator de mutatie pentru reprezentarea prin permutari:
Alegeti o optiune:
a. amestec
b. inserare
c. mutatie uniforma
d. inversiune
Care din urmatoarele tipuri de reprezentare a indivizilor nu este utilizata de algoritmii genetici:
Alegeti o optiune:
a. reprezentarea prin siruri de numere reale
b. reprezentarea arborescenta
c. reprezentarea prin siruri de numere intregi
d. reprezentarea prin siruri binare
e. reprezentarea prin permuari
Tipurile de relatii intre elementele reprezentate prin siruri de numere reale pot fi:
Alegeti o optiune:
a. personale sau cardinale
b. ordinale sau cardinale
c. ordinare sau personale
d. de alianta sau de opozitie
e. ordinale sau de alianta
Textul intrebarii
In cadrul unui algoritm genetic operatia de recombinare: 1. Este efectuata o singura data pe
parcursul unui algoritm genetic; 2. Este efectuata imediat dupa fiecare etapa de selectie a parintilor;
3. In general probabilitatea de recombinare nu conteazain rezolvarea problemelor prin algoritmi
genetici; 4. Este efectuata imediat inaintea fiecarei proceduri de mutatie; 5. Este efectuata imediat
inaintea fiecarei etape de selectie a parintilor; 6. Utilizeaza populatia de parinti; 7. Este utilizata doar
in probleme fara constringeri; 8. Este utilizata cu probabilitate mare; 9. Este utilizata cu probabilitate
mica; 10. Este efectuata o singura data, dupa prima etapa de selectie a parintilor.
Alegeti o optiune:
a. 4, 8, 9, 10
b. 2, 4, 6, 8
c. 2, 3, 4, 7
d. 2, 5, 7, 8
e. 1, 2, 7, 8
Feedback
3 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm evolutiv conditia de terminare: 1. Este obligatorie; 2. Nu este indicata; 3.
Include obligatoriu, direct sau indirect, controlul numarului de iteratii (numarul populatiilor generate);
4. Nu poate fi implementata; 5. Este utilizata doar in cadrul GA, nu si in cadrul ES.
Alegeti o optiune:
a. 1, 5
b. 5
c. 2, 3, 4
d. 1, 3
e. 2, 4
Feedback
4 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
Intr-un algoritm genetic, populatia initiala: 1. Este generata pina cind este atins un optim local; 2.
Este construita o singura data ; 3. Sufera mutatie cu o probabilitate relativ mica; 4. Trebuie
modificata la fiecare iteratie; 5. Contine exclusiv indivizi fezabili; 6. Este formata din indivizii care trec
in generatia urmatoare; 7. Este generata utilizand distributia de probabilitate uniforma.
Alegeti o optiune:
a. 2, 3, 7
b. 1, 2, 7
c. 1, 3
d. 2, 5, 7
e. 4, 5, 7
Feedback
5 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
Care din urmatoarele metode pot fi folosite in cadrul algoritmilor memetici pentru a imbunatati
informatia in interiorul unei populatii: 1. recursivitate; 2. hillclimbing; 3. divide et impera; 4. strategie
evolutiva cu doi membri; 5. backtracking; 6. metode exacte; 7. metode euristice; 8. validarea datelor;
9. metoda gradientului; 10. ECX.
Alegeti o optiune:
a. 2, 3, 5, 6, 9
b. 2, 4, 6, 8, 10
c. 1, 3, 6, 7, 10
d. 1, 3, 5, 7, 8
e. 2, 4, 6, 7, 9
Feedback
6 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm genetic care maximizeaza o functie (fitness): 1. Selectia generatiei urmatoare
este obligatoriu bazata pe virsta; 2. Sint rezolvate doar probleme cu constringeri; 3. Mutatia este
realizata cu probabilitate mica; 4. Nu este recomandata utilizarea selectiei FPS; 5. Multisetul copiilor
este fara duplicate; 6. Selectia supravietuitorilor este determinata de calitate si/sau factorul virsta; 7.
Recombinarea este realizata rareori; 8. Se urmareste determinarea unui punct de maxim global; 9.
Structura cromozomiala difera daca functia este translatata.
Alegeti o optiune:
a. 1, 3, 5, 9
b. 3, 6, 8
c. 4, 6, 8
d. 1, 3, 4, 7
e. 5, 6, 7
Feedback
7 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul strategiei evolutive cu 2 membri (ES-2M): 1. Este generata o populatie initiala aleator, din
distributia normala; 2. La fiecare moment al evolutiei algoritmului este mentinut un singur candidat la
solutie; 3. Populatiile sint de dimensiuni mari; 4. Calculul unui termen nou este realizat prin mutatie
gaussiana pentru fiecare componenta a vectorului curent; 5. Sint rezolvate probleme pe spatii
continue; 6. Fiecare termen este calculat in maniera stochastica; 7. Calculul unui termen nou este
realizat prin mutatie gaussiana pentru o componenta selectata aleator din vectorul curent; 8. Este
intentionata cresterea calitatii medii a populatiei curente; 9. Este garantata obtinerea unui optim
global; 10.La inceputul fiecarei iteratii este testata dimensiunea populatiei curente; 11. Sint creati
descendenti obtinuti din populatia curenta prin recombinare locala.
Alegeti o optiune:
a. 6, 8, 11
b. 1, 10
c. 2, 4, 5, 6
d. 4, 8, 11
e. 2, 4, 6, 9
Feedback
8 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Raspunsul corect este: Este preferabila atunci cind pentru fiecare gena sint posibile mai mult de
doua valori distincte
9 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
10 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Algoritmul ES2M:
Alegeti o optiune:
a. Nici una din celelalte variante
b. Nu este un algoritm auto-adaptiv
c. Este algoritmul auto-adaptiv primar
d. Este un algoritm determinist
e. Nu este un algoritm evolutiv
Feedback
11 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
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 tehnicile de
alpinism; 4. Gaseste intotdeauna solutia optima; 5. Gaseste uneori solutia optima; 6. Calculele se
incheie atunci cind temperatura sistemului devine zero; 7. De obicei gaseste un punct de optim
local;8. Se utilizeaza numai pentru reprezentarea cu siruri de numere reale.
Alegeti o optiune:
a. 1, 2, 4, 7
b. 1, 4, 6, 7
c. 1, 5, 7, 8
d. 3, 4, 6, 8
e. 1, 2, 5, 7
Feedback
12 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
13 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sint: 1. Probleme de optimizare;
2. Probleme de geometrie; 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 vehiculelor.
Alegeti o optiune:
a. 1, 3, 5, 7
b. 2, 4, 6, 8
c. 1, 4, 6
d. 2, 3, 4
e. 2, 4, 6
Feedback
14 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] o permutare. In urma aplicarii mutatiei prin inversiune pentru pozitiile
(2,7) poate fi obtinuta urmatoarea varianta mutata Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2. Y=[ 6 9 7 5 10 8
1 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 3 4 2 ] ; 4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;5. Y=[ 6 8 7 5 10 1 9 3 4 2 ] ; 6.
Y=[ 6 2 8 10 5 1 9 3 4 7]
Alegeti o optiune:
a. 2, 5
b. 5
c. 1
d. 1, 5
e. 2
Feedback
15 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
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 obtinut cromozomul: {7, 14, 13, 12, 1, 15, 2, 8, 6, 3,
11, 5, 10, 4, 9 }. Cele doua pozitii utilizate pentru amestec sint: 1. 1 si 14; 2. 4 si 15; 3. 3 si 15; 4. 4 si
8; 5. 2 si 15; 6. 1 si 12; 7. 2 si 14; 8. 2 si 13; 9. 1 si 15; 10. 1 si 13; 11. 3 si 13.
Alegeti o optiune:
a. 1, 5, 7, 9
b. 2
c. 6
d. 5, 10
e. 6, 7, 9
Feedback
16 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
17 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie: 1. Este utilizata doar in
probleme cu constringeri; 2. Este efectuata imediat ce este disponibila o populatie de copii; 3. Alege
pentru mutatie in medie jumatate de indivizi; 4. Utilizeaza doua multiseturi distincte de copii; 5. Este
de tip neuniform (fluaj); 6. Este efectuata o singura data, dupa prima etapa de generare a unei
populatii; 7. Este realizata cu probabilitate mica; 8. Este efectuata o singura data pe parcursul unui
algoritm; 9. Determina structura cromozomiala; 10. Utilizeaza populatia curenta; 11. Este efectuata
iterativ.
Alegeti o optiune:
a. 1, 5, 6, 8
b. 1, 4, 5, 7
c. 2, 5, 9, 10
d. 1, 5, 9, 10
e. 2, 5, 9, 11
Feedback
18 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
19 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm evolutiv populatia initiala: 1. Este generatainaintea inceperii evolutiei propriu-
zise; 2. Este generata dupa fiecare ciclu evolutiv (care presupune efectuarea operatiilor de selectie,
recombinare, mutatie, evaluare); 3. Este generata la inceputul fiecarui ciclu evolutiv; 4. Este
generata aleator; 5. Este generata utilizind distributia de probabilitate uniforma; 6. Este generata
utilizind distributia de probabilitate normala; 7. Este setata pe multimea vida.
Alegeti o optiune:
a. 1, 2, 4, 5, 6
b. 5, 7
c. 1, 2, 4, 7
d. 1, 4, 5
e. 2, 5, 7
Feedback
20 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
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 pseudo-aleatoare; 4. Resetare
determinista; 5. Mutatia uniforma; 6. Mutatia neuniforma cu distributie fixata; 7. Mutatia locala; 8.
Interschimbarea; 9. Inserarea; 10. Mutatia rapida; 11. Amestecul; 12. Mutatia globala; 13.
Inversiunea; 14. Recombinare unipunct; 15. Recombinare multipunct; 16. Recombinare uniforma;
17. Recombinarea radacinilor; 18. Recombinare aritmetica simpla; 19. Recombinare aritmetica
singulara; 20. Recombinare aritmetica totala; 21. Recombinarea sirurilor maxime; 22. Partially
mapped crossover; 23. Recombinare de ordine; 24. Recombinarea muchiilor; 25. Recombinarea
ciclica
Alegeti o optiune:
a. 3, 4, 5, 6, 7,12, 18, 19, 21
b. 1, 3, 4, 7, 10, 13, 16, 17, 20
c. 5, 6, 14, 15, 16, 18, 19, 20
d. 2, 7, 10, 12,17,21
e. Toti operatorii de mai sus
Feedback
21 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] o permutare. In urma aplicarii mutatiei prin amestec pentru pozitiile
(2,7) poate fi obtinuta urmatoarea varianta mutata Y:
1. Y=[ 2 6 7 8 10 5 1 9 3 4] ;
2. Y=[ 6 7 8 10 5 1 9 3 4 2 ] ;
3. Y=[ 7 6 8 10 5 1 9 3 4 2 ] ;
4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;
5. Y=[ 6 9 7 5 10 8 1 3 4 2 ] ;
6. Y=[ 6 2 8 10 5 1 9 3 4 7]
Alegeti o optiune:
a. 3, 4, 5
b. 1, 2, 3
c. 2, 5, 6
d. 1, 2, 5
e. 2, 4, 5
Feedback
22 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor: 1. Se aplica asupra populatiei
curente; 2. In unele variante necesita calcularea unei distributii de probabilitate de selectie; 3.
Utilizeazaintotdeauna factori aleatori; 4. Alege generatia urmatoare dintre indivizii disponibili dupa
operatia de mutatie; 5. Indivizii alesi sint intotdeauna fezabili; 6. Uneori utilizeaza factori aleatori; 7.
Asigura perpetuarea individului cu calitate maxima din populatia curenta; 8. Duce la cresterea
calitatii medii a populatiei curente; 9. Garanteaza obtinerea unei generatii cu calitate medie
superioara, daca foloseste selectia bazata pe virsta; 10.Se aplica la inceputul fiecarei iteratii; 11. Se
aplica asupra descendentilor obtinuti din populatia curenta; 12. Se aplica asupra populatiei curente
si asupra descendentilor obtinuti din populatia curenta.
Alegeti o optiune:
a. 2, 3, 4, 5, 6, 11
b. 4, 8, 11
c. 1, 7
d. 6, 8, 11
e. 2, 4, 5, 6, 12
Feedback
23 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
24 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
25 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
26 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Raspunsul corect este: Obligatoriu dupa extragerea celui mai bun individ din populatia finala
27 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Fie urmatorii doi cromozomi de tip permutare: { 6, 3, 7, 8, 5, 1, 2, 4, 9 } si { 7, 2, 8, 5, 6, 9, 4, 1, 3}.
Aplicand operatorul de recombinare PMX, cu pozitiile 3 si 6 se obtin descendentii:
a. 6, 3, 7, 8, 5, 9, 4, 1, 2;
b. 7, 4, 6, 8, 5, 1, 2, 9, 3;
c. 8, 3, 7, 5, 6, 9, 4, 2, 1;
d. 6, 2, 7, 8, 5, 1, 4, 9, 3;
e. 7, 2, 8, 5, 6, 1, 3, 4, 9;
f. 6, 2, 7, 8, 5, 9, 4, 1, 3;
g. 7, 9, 8, 6, 5, 1, 2, 4, 3;
h. 7, 3, 8, 5, 6, 9, 2, 4, 1;
i. 7, 3, 8, 5, 6, 1, 2, 4, 9;
j. 5, 3, 7, 8, 6, 9, 4, 1, 2.
Alegeti o optiune:
a. d, h
b. a, e
c. f, i
d. g, j
e. b, c
Feedback
28 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor: 1. Poate fi
oricare dintre: siruri binare, siruri de numere intregi, siruri de numere reale, permutari; 2. Poate fi
numai de tip siruri de numere intregi sau reale; 3. Poate fi numai de tip siruri de numere reale; 4. Nu
influenteaza tipul de recombinare folosit (discreta / intermediara); 5. Se alege in functie de problema
care se rezolva; 6. Influenteaza tipul de recombinare folosit; 7. Are influenta asupra mecanismului de
selectie a generatiei urmatoare; 8. Contine atit descrierea individului candidat cit si parametrii care
controleaza evolutia sa.
Alegeti o optiune:
a. 2, 4, 5, 8
b. 1, 7, 8
c. 3, 4, 8
d. 2, 4, 5, 6
e. 1, 3, 4, 8
Feedback
29 intrebare
Corect
Marcat 1,00 din 1,00
Intrebare cu flag
Textul intrebarii
Calculul evolutiv este inspirat din:
Alegeti o optiune:
a. Revolutia industriala
b. Evolutia naturala biologica
c. Societatea informationala
d. Noua revolutie agrara
e. Societatea cunoasterii
Feedback
30 intrebare
Incorect
Marcat 0,00 din 1,00
Intrebare cu flag
Textul intrebarii
--grile Ioana—
- Este de maxim sau de minim ( de cele mai multe ori de maxim) / trebuie maximizata
24. Componente ale algoritmilor evolutivi sunt: - Reprezentarea - Functia de evaluare - Populatia -
Mecanismul de selectie al parintilor - Operatorii de variatie - Mecanismul de inlocuirea apopulatiei
curente - Initializarea populatiei - Conditia de terminare
48. Algoritmii genetici: -sunt tehnici de cautare stochastica bazate pe populatii;
-----------------------GRILE 2---------------------
Conditia terminala:
a.atingerea unui numar maxim de iteratii
b. atingerea unui numar maxim de evaluari ale calitatii indivizilor
c. pentru o anumita perioada de timp (un numar de iteratii specificat sau un
numar de evaluari specificat) calitatea populatiei curente nu este semnificativ
imbunatatita ( este sub un prag dat)
d. diversitatea populatiei scade sub un prag dat
17.Fie permutarile x=[10 2 3 9 1 7 6 4 8 5] si y=[5 4 7 2 1 9 3 6 8 10], un cromozom copil rezultat prin
PMX este c=[5 2 3 9 1 4 7 6 8 10]. Atunci ordinea considerarii parintilor si respectiv punctelecrossover
sunt:
A. (x,y) si (1,4)
B. (x,y) si (2,5)
C. (y,x) si (1,4)
D. (y,x) si (2,5)
E. (y,x) si (1,5)
1. Considerand o problema de maximizare in care functia obiectiv are valori numere reale cu
proprietatea ca exista cel putin o valoare strict negativa si o valoare strict pozitiva. Atunci, pentru
rezolvarea acesteia cu ajutorul unui algoritm genetic:
R: Poate fi implementata selectia ruleta pe baza probabilitatii de selectie FPS standard?-nu stiu
sigur
2.Care dintre urmatoarele reprezentari sunt foloste in algoritmii genetici: a) matrice, b) liste
inlantuite, c) siruri binare, d) arbori, e) siruri de numere intregi, f) siruri de numere reale, g)
tabele hash, h) permutari, i) matrice rare, j) tabele de indexare
4. Mecanismul de selectieturnir:
a) esteintotdeauna de tip determinist
b) acorda o sansasiceluimai slab inidvid
c) nu exista un astfel de mecanism. Turniuleste o competitiemedievala
d) nu respectadistributia de probabilitate de selectie
e) estecelmai des folositmecanism de selectie
7. Recombinareamultipla:
a) nu se poatebaza pe frecventaalelelor
b) este o generealizareaoperatiilor de recombinarepentrureprezentarea cu permutari
c) are echivalentbilogic
d) esteceamai bun optiunepentrualgoritmiigenetici
e) produce rezultatemaibunedoar in unelecazuriparticulare
11. Recombinareamultipla:
a) nu se poatebaza pe frecventaalelelor
b) este o generealizareaoperatiilor de recombinarepentrureprezentarea cu permutari
c) are echivalentbilogic
d) esteceamai buna optiunepentrualgoritmiigenetici
e) produce rezultatemaibunedoar in unelecazuriparticulare
19. Pentru a pastra cat mai bine informatiareferioare la pozitiile absolute ale alelelor in
cromozomiparinti se folosesteoperatul:
a) incrucisaremultipunct
b) CX
c) ECX
d) OCX
e) PMX
1. In algoritmiigenetici ,alegereauneianumitereprezentari
-depinde de problema de rezolvat
-influenteazacalitateasolutieifurnizate
9 algorimul ES2M
Este algoritmul auto adaptivprimar
15Decodificarea trebuierealizata
Obligatoriudupaextragereaceluimai bun individ din populatiafinala
17.in cadrulunuialgoritmevolutivpopulatiainitiala
Este generate inainteainceperiievolutieipropriuzise
Este generate aleator
Este generate utilizantdistributia de probabilitateuniforma
728561349
627851493
738569241
28 componentelealgorimilorevolutivi sunt
Reprezentarea
Functia de evaluare
Populatia
Mecanismul de selectie a parintilor
Operatorii de variatie
Mecanismul de inlocuire a populatieicurente
Initializareapopulatiei
Conditia de terminare
31. conditiaterminala
??
1. In algoritmiigenetici, operatie de selectie a parintilor:
a) esteutilizata in general in manieranedeterminista
b) nu esteutilizata
c) esteutilizatadeterminista
d) esteutilizata in functie de reprezentareacromozomiala
e) estedoar un exercitiu de implementare, nefiindnecesara
8. Decodificareatrebuierealizata:
a) obligatoriudupaextragereaceluimai bun individ din populatiafinala
b) nu depinde de reprezentareaaleasa
c) nu e necesara in algoritmiigenetici
d) niciuna din celelaltevariante
e) garanteazaobtinerea de rezultate optime
20. Algoritmiigenetici:
a) utlizeaza la fiecare moment de timp o varianta de solutie… prinperturbarenormala
b) sunt tehnici de cautarestochasticabazate pe populatii
c) folosescexclusivselectiideterministe
d) sunt metodedeterministe de cautare in spatiulsolutiilor
e) rezolvaexclusivprobleme definite pe spatii continue
21. In cadrulunuialgoritmevolutivpopulatiainitiala: 1
.estegeneratainainteainceperiievolutieipropriu-zise, 2. Este generatadupafiecarecilcuevolutiv
(care presupuneefectuareaoperatiilor de selectie, recombinare, mutatie, evaluare), 3. Este
generata la inceputulfiecaruicicluevolutiv, 4. Este genereataaleator, 5. Este
generatautilizanddistributia de probabilitateuniforma, 6. Este generatautilizanddistribtuia de
probabilitatenormala, 7. Este setata pe multimeavida
a) 2,5,7
b) 5,7
c) 1,4,5
d) 1,2,4,5,6
e) 1,2,4,7
27. Fie urmatorulcomozom de tip premuare: {7,6, 12, 14, 3, 10, 8, 15, 11, 5 , 4, 1 , 13, 2, 9}.
In urmaaplicariioperatorului de mutatieprinamestec s-a obtinutcromozumul: {7, 14, 13, 12, 1,
15, 2, 8, 6, 3, 11, 5, 10, 4, 9}. Cele douapozitiiutilizatepentruameste sunt 1. 1 si 14, 2. 4 si 15,
3. 3 si 15, 4. 4 si 8, 5. 2 si 15, 6. 1 si 12, 7. 2 si 14, 8. 2 si 13, 9. 1 si 15, 10. 1 si 13, 11. 3 si
13
a)6
b) 2
c) 6, 7, 9
d) 1, 5, 7, 9
e) 5, 10
a) a, e
b) b, c
c) d,h
d) g, j
e) f,i
Partea I:
1. Înalgoritmiigenetici, rerezentareaprinșiruri de numereîntregi
1. Este preferabilapentruprobleme de optimizare
2. Este doar un exercitiu de implementare, nefiindnecesara
3. E preferabilaatunci cand pentrufiecare gena sunt posibilemaimult de douavaloridistincte
4. nu esteutilizata in algoritmigenetici
5. Nu poate fi utilizata in cazulatributelorordinale
2. In algoritmiigenetici, reprezentareaprinpermutări
1. Nu permiteutilizarea de operatori de mutatie
2. Nu esteutilizata
3. Are nevoie de operatori special definiti (Vezicursul II: - Slide 19)
4. Nu permiteutilizarea de operatori de recombinare
5. Nu permitemaimult de doua gene cu aceeasivaloareintr-un cromozom
3. Tipurile de probleme care pot fi rezolvate pe bazacalcululuievolutiv sînt: 1. Problemele de
optimizare; 2.Probleme de cautare in spatiulsolutilor; 3. Prelucrareadatelor de dimensiune mare(big-data);
4. Probleme de modelare; 5.Probleme de validare a datelor; 6. Probleme de simulare; 7 Alocareadinamica
a datelor in memoriacalculatorului; 8. Deplasareaautonoma a vechiculelor
1. 2,4,6
2. 1,4,6(Vezicursul I: Introducere: - Slide 9 si 10)
3. 2,4,6,8
4. 1,3,5,7
5. 2,3,4
4. Intr-un algoritmevolutiv, functia de tip calitate: 1. Evalueazacalitateaalgoritmului, 2.
Evalueazacalitateafiecaruicandidat; 3. Evalueazaviteza de gasire a solutiei fata de consumul de
resurse; 4. Trebuiemaximizata; 5. Stabilestedaca un descendent esteacceptabil; 6.
Selecteazaindivizii care se vor reproduce; 7. Selecteazaindivizii care trec in generatiaurmatoare;
8. Contine un factor aleator; 9. Evalueazacalitateapopulatieicurente; 10.
Evalueazacalitateapopulatieicurente fata de cea din generatiaanterioara;
1. 6,7,8
2. 5
3. 2,4(Vezicursul I: Introducere - Slide 11)
4. 1,3
5. 9,10
5. In algoritmiigenetici, reprezentareabinara
1. Este ceamaiutilizatavarianta de reprezentare a genotipurilor
2. Nu e utilizatapentrualgoritmigenetici
3. A fostprimul tip de reprezentare a cromozomilor in algoritmigenetici(Vezicursul 2: Slide
14)
4. Duce mereu la rezultate optime
5. Nu depinde de problemarezolvata
6. Componentelealgoritmilorevolutivi sunt: 1. Reprezentarea; 2. Probabilitatea de
mutatie; 3. Functia de evaluare; 4. Probabilitatea de recombinare; 5. Populatia; 6. Generarea de
numerealeatoare; 7. Mecanismul de selectie a parintilor; 8. Generarea de permutari; 9.
Reprezentareagrafica a evolutieicalitatii; 10; Operatorii de variatie; 11.
Stabilireadiversitatiigenetice a populatiei; 12. Mecanismul de inlocuire a populatieicurente; 13.
Hillclimbing; 14; Initializareapopulatiei; 15. Conditia de terminare;
1. 1,2,5,6,7,14,15
2. 1,3,5,7,10,12,14,15
3. 2,4,6,8,11,13
4. 2,4,5,9,15
5. 1,3,5,6,10,13,14,15
7. Calcululevolutivesteinspirat din
1. Revolutiaindustriata
2. Societateacunoasterii
3. Societateainformationala
4. Nouarevolutieagrara
5. Evolutianaturalabiologica(Vezicursul I: Introducere - Slide 6)
9. Caracteristicileunuialgoritm genetic clasic(canonic) sunt: 1.
Reprezentareapopulatieiesterealizataprinintermediulsirurilorbinare; 2.
Reprezentareapopulatieiesterealizataprinintermediulsirurilor de numerenaturale; 3. Probabilitatea de
selectie a unuiindivid in multisetulparintiloresteproportionala cu valoareafunctiei de evaluarepentu el; 4.
Probabilitatea de selectie a unuiindivid in multisetulparintiloreste data de pozitiaindividului in
erarhiapopulatiei, determinata pe bazafunctiei de evaluare; 5. Probabilitateaefectuariiuneimutatiieste
mica; 6. Probabilitateaefectuariiuneimutatiieste mare; 7. Probabilitateaefectuariirecombinariieste mica; 8.
Probabilitateaefectuariirecombinariieste mare; 9. Inlocuireapopulatieicurente se face pe baza de varsta.
1. Nu existaalgoritm genetic canonic
2. 2,4,6,7
3. 1,3,5,8(Speram, doamneajuta)
4. Nici una din varianteleA,B,C,E
5. 2,3,6,7,9
Partea II:
2. In cadrulunuialgoritm genetic operatia de recombinare:
1. Este efectuata o singura data dupa prima etapa de selectie a parintilor
2. Este utilizata cu probabilitate mica
3. In generalprobabilitatea de recombinare nu conteaza in
rezolvareaproblemelorprinalgoritmigenetici
4. Este efectuata o singura data pe parcursulunuialgoritm genetic
5. Este efectuataimediatinainteafiecareproceduri de mutatie
6. Este efectuataimediatdupafiecareetapa de selectie a parintilor
7. Este utilziata cu probabilitate mare
8. Este efectuataiterativ
9. Este utilizatadoar in problemefaraconstrangeri
10. Utilizeazapopulatia de parinti
4. Fie urmatoriidoicromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4, 13, 9 ,10
,12 }si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicandoperatorul de recombinare PMX, cu
pozitile 4 si 8 se obtindescendentii.
1. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
5. In cadrulunuialgoritm din clasastrategiilor evolutive, operatia de recombinare:
1. Este de tip local sau global
2. Este efectuata o singura data pe parcursulunuialgoritm
3. Alegepentrurecombinare in mediejumatate de indivizi
4. Este realizata cu probabilitate mica
5. Determinastructuracromozomiala
6. Utilizeazapoplatiacurenta
7. Este efectuata o singura data, dupa prima etapa de generare a uneipopulatii
8. Determinaobtinereaunui multiset de copii in …
9. Este utilizatadoar in probleme cu constrangeri
10. Este efectuataiterativ
6. In cadrulunuialgoritm din clasastrategiilor evolutive, reprezentareacromozomilor
1. Influenteazatipul de recombinarefolosit
2. Se alege in functie de problema care se rezolva
3. Poate fi numai de tip siruri de numereintregisaureale
4. Poate fi oricaredintre: siruribinare, siruri de numereintregi, siruri de numerereale,
permutari
5. Are influentaasupramecanismuluide selectie a generatieiurmatoare
6. Nu influenteazatipul de mutatiefolosit(discreta/ nediscreta)
7. Poate fi numai de siruri de numerereale
8. Contineatatdescriereaindividuluicandidat cat siparametrii care ..
8. Fie urmatorulcromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2,
9} In urmaaplicariioperatorului de mutatieprinamestec s-a obitnutcromozomul {7, 14, 13,
12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9 }. Cele douapozitiiutilizatepentruamestesc sunt:
1. 3 si 13
2. 1 si 15
3. 1 si 14
4. 4 si 8
5. 1 si 12
6. 4 si 15
7. 3 si 15
8. 2 si 13
9. 2 si 14
10. 2 si 15
11. 1 si 13
9. In cadrulunuialgoritm genetic operatia de mutatie
1. Are probabilitatemica
2. Se aplicadoardacadivesitateageneticascade sub un prag x dat
3. Intotdeauna produce indivizifezabili
4. Se aplicaasupradescendentilorprodusi de operatia de recombinare
5. Se aplicaasupramutlisetului de parinti
6. Se aplicaasuprapopulatieicurente
7. Se utilizeazadoar in probleme cu constrangeri
8. Poatesaproducaindivizinefezabili
9. Se efectueaza o singura data, dupagenerareapopulatieiinitiale
10. Se aplicaimediatinainteafiecareietape de selectie a generatieiurmatoare
11. Se utilizeazadoar in problemelefaraconstrangeri
12. Nu folosestefactorialeatori.
Grile PEAG:
4. Mecanismul de selectieturnir:
a) esteintotdeauna de tip determinist
b) acorda o sansasiceluimai slab inidvid
c) nu exista un astfel de mecanism. Turniuleste o competitiemedievala
d) nu respectadistributia de probabilitate de selectie
e) estecelmai des folositmecanism de selectie
5. Pentruproblemele cu dependenta de adiacente se folosesteoperatorul de recombinare:
a) OCX
b) niciunul din celelalteraspunsuri
c) ECX
d) PMX
e) incrucisarearitmeticasingulara
7. Recombinareamultipla:
a) nu se poatebaza pe frecventaalelelor
b) este o generealizareaoperatiilor de recombinarepentrureprezentarea cu permutari
c) are echivalentbilogic
d) esteceamai bun optiunepentrualgoritmiigenetici
e) produce rezultatemaibunedoar in unelecazuriparticulare
11. Recombinareamultipla:
a) nu se poatebaza pe frecventaalelelor
b) este o generealizareaoperatiilor de recombinarepentrureprezentarea cu permutari
c) are echivalentbilogic
d) esteceamai buna optiunepentrualgoritmiigenetici
e) produce rezultatemaibunedoar in unelecazuriparticulare
19. Pentru a pastra cat mai bine informatiareferioare la pozitiile absolute ale alelelor in
cromozomiparinti se folosesteoperatul:
a) incrucisaremultipunct
b) CX
c) ECX
d) OCX
e) PMX
Grile PEAG:
1. Fie X = [6 1 8 10 5 7 9 3 4 2] si Y = [9 8 7 3 6 1 5 10 4 2] permutari. Care urmasi sunt
generatiprinutilizareaoperatorului CX?
Raspunscorect:
C1=[6 8 7 10 5 1 9 3 4 2], C2=[9 1 8 3 6 7 5 10 4 2]
Raspunscorect:
b, d
4. Componentelealgortmilorevolutivi sunt:
a. Reprezentarea
b. Probabilitatea de mutatie
c. Functia de evaluare
d. Probabilitatea de recombinare
e. Populatia
f. Generarea de numerealeatoare
g. Mecanismul de selectie a parintilor
h. Generarea de permutari
i. Reprezentareagraficaaevolutieicalitatii
j. Operatorii de variatie
k. Stabilireadiversitatiigenetice a populatiei
l. Mecanismul de inlocuire a populatieicurente
m. Hillclimbing
n. Initializareapopulatiei
o. Conditia de terminare
Raspunscorect:
a, c, e, g, j, l, n, o
5. Calcululevolutivesteinspirat din:
---evolutianaturalabiologica
Raspunscorect:
h. 13 1 10 7 14 8 5 15 12 11 4 2 3 9 6
i. 5 3 11 13 2 14 6 10 1 8 4 7 9 15 12
24. AlgoritmulHillclimbing
Se aplicaasupraunuisingurpunct din spatiul de cautare
Aplicarea se poate repeat pentrumaimultepunctepentru a cresteperformantele
Gasesteuneorisolutia optima
De obiceigeseste un punct de optim local
->indiviziigeneratieicurentesidescendentiiobtinutidupaetapa de mutatie
43. Pentru a pastra cat mai bine informatiareferitoare la pozitiile absolute ale alelelor in
cromozomiiparinti se folosesteoperatorul:
-> CX (Cycle crossover)
PEAG
1. Care din urmatoarele nu este un model de distributie de probabilitatefolositptetapa de
selectie:
a. FPS cu ferestre
b. FPS
c. FPS cu alfa scalare
d. Ranguriliniare
e. FPS cu sigma scalare
2. Pentru a pastra cat mai bine informatiareferitoare la pozitiile absolute ale alelelor in
cromozomiiparinti se folosesteoperatorul:
a. Incrucisaremultipunct
b. CX (Cycle crossover)
c. ECX (Edge crossover)
d. OCX (Order crossover)
e. PMX (Partally Mapped crossover)
16. Recombinareamultipla:
a. Nu se poatebaza pe frecventaalelelor
b. Este o generalizareaoperatiilor de recombinarepentrureprezentarea cu permutari
c. Are echivalentbiologic
d. Este ceamai buna optiunept GA
e. Produce rezultatemaibune in unelecazuriparticulare.
17. Care dintreurmatoareleafirmatiinu e adevarataptmodelul generational?
a. Poateinlocui un singurcromozom in populatiacurenta
b. Necesitaurmarireamaimultorgeneratii consecutive
c. Nu tine cont de calitateacromozomilor
d. Poateinlocui partial generatiacurenta
e. Poateinlocuicompletgeneratiacurenta.
In algoritmiigenetici, reprezentareaprinpermutari
23.
Alegeți o opțiune:
A. Necesităoperatori de variație special definiți
B.
Nu permiteutilizarea de operatori de mutație
C. Nu esteutilizată
D.
Nu permiteutilizarea de operatori de recombinare
E.
Nu permitemaimult de două gene cu aceeașivaloareîntr-un cromozom
Alegeți o opțiune:
a. 6,7,8
b. 1,3
c. 4,5
d. 9
e. 2,3
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 sunt
generațiprinutilizareaoperatorului CX?
25.Alegeti o optiune:
a. C1=[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 ]
b. C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 8 3 6 7 5 10 4 ]
c. C1=Y, C2=X
d. C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9 ]
e. C1=[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
26. In cadrulunuialgoritm genetic operatia de selectie a supravietuitorilor: 1. Se
aplicaasuprapopulatieicurente; 2. In unelevariantenecesitacalculareauneidistributii de
probabilitate de selectie; 3. Utilizeazăîntotdeaunafactorialeatori; 4.
Alegegenerațiaurmătoaredintreindiviziidisponibilidupăoperația de mutație; 5.
Indiviziialeșisîntîntotdeaunafezabili; 6. Uneoriutilizeazăfactorialeatori; 7.
Asigurăperpetuareaindividului cu calitatemaximă din populațiacurentă; 8. Duce la
creștereacalitățiimedii a populațieicurente; 9. Garanteazăobținereauneigenerații cu
calitatemediesuperioară, dacăfoloseșteselecțiabazată pe vîrstă; 10.Se aplică la
începutulfiecăreiiterații; 11. Se aplicăasupradescendențilorobținuți din populațiacurentă; 12.
Se aplicăasuprapopulațieicurenteșiasupradescendențilorobținuți din populațiacurentă.
Alegeți o opțiune:
a. 2, 3, 4, 5, 6, 11
b. 4, 8, 11
c. 1,7
d. 6, 8, 11
e. 2, 4, 5, 6, 12
27. Încadrulstrategiilor evolutive
Alegeti o optiune:
a. Operatorul de mutatiecelmaiutilizatestemutatiaprininterschimbare
b. Sunt utilizatioperatori de recombinare OCX
c. Nu se permiteutilizarea de operatori de mutație
d. Mutațiaesteaplicată cu probabilitate 1
e. Reprezentareaesteprinvectoribinari
1. In algoritmiigenetici, reprezentareaprinpermutari
A. Nu permiteutilizarea de operatori de recombinare
B. Nu permiteutilizarea de operatori de mutație
C. Nu permitemaimult de două gene cu aceeașivaloareîntr-un cromozom
D. Necesităoperatori de variație special definiți
E. Nu esteutilizată
2. Intr-un algoritmevolutiv, functia fitness: 1. Evalueazacalitateaalgoritmului; 2.
Trebuieselectatăaleator; 3. Evalueazăviteza de găsire a soluțieifață de consumul de resurse; 4.
Trebuiemodificată la fiecareiterație; 5. Selecteazăindivizii care se vor reproduce; 6.
Selecteazăindivizii care trecîngenerațiaurmătoare; 7. Evalueazăcalitateapopulațieicurentefață
de cea a populațieiinițiale; 8. Evalueazăcalitateapopulațieicurentefață de cea din
generațiaanterioară; 9. Evalueazăcalitateafiecăruicandidat.
A. 1, 3
B. 2,3
C. 9
D. 4,5
E. 6, 7, 8
3. Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] și Y=[ 9 8 7 3 6 1 5 10 4 2 ] permutari. Care
urmasisintgeneratiprinutilizareaoperatorului CX?
A. C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9 ]
B. C1=[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
C. C1=[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 ]
D. C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 8 3 6 7 5 10 4 ]
E. C1=Y, C2=X
4. Fie urmatoriidoicromozomi 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}. Aplicindoperatorul de recombinare PMX,
cu pozitiile 4 și 8 se obtindescendentii: a. 5 3 15 13 2 14 6 10 12 8 4 7 9 11 1; b. 13 1 11 7 14
8 5 15 12 10 4 2 3 9 6; c. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6; d. 5 3 11 13 2 14 6 15 1 8 4 7 9
10 12; e. 5 3 15 13 2 14 6 10 1 8 4 7 9 11 12; f. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6; g. 13 1
15 7 14 8 5 10 12 11 4 2 3 9 6; h. 13 1 10 7 14 8 5 15 12 11 4 2 3 9 6; i. 5 3 11 13 2 14 6 10 1
8 4 7 9 15 12.
A. a, b
B. e, f
C. a, c
D. h, i
E. f, i
Partea I:
1. In algoritmiigenetici, rerezentareaprinsiruri de numereintregi
1. Este preferabilapentruprobleme de optimizare
2. Este doar un exercitiu de implementare, nefiindnecesara
3. E preferabilaatunci cand pentrufiecare gena sunt posibilemaimult de
douavaloridistincte
4. nu esteutilizata in algoritmigenetici
5. Nu poate fi utilizata in cazulatributelorordinale
2. In algoritmiigenetici, reprezentareaprinpermutari
1. Nu permiteutilizarea de operatori de mutatie
2. Nu esteutilizata
3. Are nevoie de operatori special definiti (Vezicursul II: - Slide 19)
4. Nu permiteutilizarea de operatori de recombinare
5. Nu permitemaimult de doua gene cu aceeasivaloareintr-un cromozom
4. Intr-un algoritmevolutiv, functia de tip calitate: 1. Evalueazacalitateaalgoritmului, 2.
Evalueazacalitateafiecaruicandidat; 3. Evalueazaviteza de gasire a solutiei fata de
consumul de resurse; 4. Trebuiemaximizata; 5. Stabilestedaca un descendent
esteacceptabil; 6. Selecteazaindivizii care se vor reproduce; 7. Selecteazaindivizii care
trec in generatiaurmatoare; 8. Contine un factor aleator; 9.
Evalueazacalitateapopulatieicurente; 10. Evalueazacalitateapopulatieicurente fata de
cea din generatiaanterioara;
1. 6,7,8
2. 5
3. 2,4(Vezicursul I: Introducere - Slide 11)
4. 1,3
5. 9,10
5. In algoritmiigenetici, reprezentareabinara
1. Este ceamaiutilizatavarianta de reprezentare a genotipurilor
2. Nu e utilizatapentrualgoritmigenetici
3. A fostprimul tip de reprezentare a cromozomilor in
algoritmigenetici(Vezicursul 2: Slide 14)
4. Duce mereu la rezultate optime
5. Nu depinde de problemarezolvata
7. Calcululevolutivesteinspirat din
1. Revolutiaindustriata
2. Societateacunoasterii
3. Societateainformationala
4. Nouarevolutieagrara
5. Evolutianaturalabiologica(Vezicursul I: Introducere - Slide 6)
9. Caracteristicileunuialgoritm genetic clasic(canonic) sunt: 1.
Reprezentareapopulatieiesterealizataprinintermediulsirurilorbinare; 2.
Reprezentareapopulatieiesterealizataprinintermediulsirurilor de numerenaturale; 3.
Probabilitatea de selectie a unuiindivid in multisetulparintiloresteproportionala cu
valoareafunctiei de evaluarepentu el; 4. Probabilitatea de selectie a unuiindivid in
multisetulparintiloreste data de pozitiaindividului in erarhiapopulatiei, determinata pe
bazafunctiei de evaluare; 5. Probabilitateaefectuariiuneimutatiieste mica; 6.
Probabilitateaefectuariiuneimutatiieste mare; 7.
Probabilitateaefectuariirecombinariieste mica; 8.
Probabilitateaefectuariirecombinariieste mare; 9. Inlocuireapopulatieicurente se face
pe baza de varsta.
1. Nu existaalgoritm genetic canonic
2. 2,4,6,7
3. 1,3,5,8(Speram, doamneajuta)
4. Nici una din varianteleA,B,C,E
5. 2,3,6,7,9
Partea II:
2. In cadrulunuialgoritm genetic operatia de recombinare:
1. Este efectuata o singura data dupa prima etapa de selectie a parintilor
2. Este utilizata cu probabilitate mica
3. In generalprobabilitatea de recombinare nu conteaza in
rezolvareaproblemelorprinalgoritmigenetici
4. Este efectuata o singura data pe parcursulunuialgoritm genetic
5. Este efectuataimediatinainteafiecareproceduri de mutatie
6. Este efectuataimediatdupafiecareetapa de selectie a parintilor
7. Este utilziata cu probabilitate mare
8. Este efectuataiterativ
9. Este utilizatadoar in problemefaraconstrangeri
10. Utilizeazapopulatia de parinti
4. Fie urmatoriidoicromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4, 13, 9
,10 ,12 }si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicandoperatorul de
recombinare PMX, cu pozitile 4 si 8 se obtindescendentii.
1. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
5. In cadrulunuialgoritm din clasastrategiilor evolutive, operatia de recombinare:
1. Este de tip local sau global
2. Este efectuata o singura data pe parcursulunuialgoritm
3. Alegepentrurecombinare in mediejumatate de indivizi
4. Este realizata cu probabilitate mica
5. Determinastructuracromozomiala
6. Utilizeazapoplatiacurenta
7. Este efectuata o singura data, dupa prima etapa de generare a uneipopulatii
8. Determinaobtinereaunui multiset de copii in …
9. Este utilizatadoar in probleme cu constrangeri
10. Este efectuataiterativ
6. In cadrulunuialgoritm din clasastrategiilor evolutive,
reprezentareacromozomilor
1. Influenteazatipul de recombinarefolosit
2. Se alege in functie de problema care se rezolva
3. Poate fi numai de tip siruri de numereintregisaureale
4. Poate fi oricaredintre: siruribinare, siruri de numereintregi, siruri de
numerereale, permutari
5. Are influentaasupramecanismuluide selectie a generatieiurmatoare
6. Nu influenteazatipul de mutatiefolosit(discreta/ nediscreta)
7. Poate fi numai de siruri de numerereale
8. Contineatatdescriereaindividuluicandidat cat siparametrii care ..
7. In cadrulunuialgoritm genetic operatia de selectie a parintilor
1. Intotdeaunaestebazata pe o distributie de probabilitate de selectie
2. Utilizeazapopulatiacurenta
3. Este efectuata o singura data pe parcursulunuialgoritm genetic
4. Este utilizatadoar in probleme cu constringeri
5. Este efectuataimediatinainteafiecareiproceduri de mutatie
6. Este efectuataimediatceestedisponibila o populatiecurentaevaluata
7. Este efectuata o singura data dupa prima etapa de generare a uneipopulatii
8. Alege in general indivizi pe bazafactoruluivarsta
9. Utilizeazapopulatia de copiimutati
10. Utilizeazapopulatia de copii
11. Este efectuataiterativ
12. Poate fi realizataprinutilizareauneidistributii de probabilitate de selectie
8. Fie urmatorulcromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13,
2, 9} In urmaaplicariioperatorului de mutatieprinamestec s-a
obitnutcromozomul {7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9 }.
Cele douapozitiiutilizatepentruamestesc sunt:
1. 3 si 13
2. 1 si 15
3. 1 si 14
4. 4 si 8
5. 1 si 12
6. 4 si 15
7. 3 si 15
8. 2 si 13
9. 2 si 14
10. 2 si 15
11. 1 si 13
9. In cadrulunuialgoritm genetic operatia de mutatie
1. Are probabilitatemica
2. Se aplicadoardacadivesitateageneticascade sub un prag x dat
3. Intotdeauna produce indivizifezabili
4. Se aplicaasupradescendentilorprodusi de operatia de recombinare
5. Se aplicaasupramutlisetului de parinti
6. Se aplicaasuprapopulatieicurente
7. Se utilizeazadoar in probleme cu constrangeri
8. Poatesaproducaindivizinefezabili
9. Se efectueaza o singura data, dupagenerareapopulatieiinitiale
10. Se aplicaimediatinainteafiecareietape de selectie a generatieiurmatoare
11. Se utilizeazadoar in problemelefaraconstrangeri
12. Nu folosestefactorialeatori.
10. In cadrulunuialgoritm genetic operatia de selectie a supravietuitorilor
1. Utilizeazaintotdeaunafactorialeatori
2. In unelevariantenecesitacalculareauneidistributii de probabilitate de selectie
3. Indiviziialesi sunt intotdeaunafezabili
4. Duce la crestereacalitatiimedii a populatieicurente
5. Se aplica la inceputulfiecareiiteratii
6. Uneoriutilizeazafactorialeatori
7. Se aplicaasuprapopulatieicurente
8. Garanteazaobtinereauneigeneratii cu calitatemediesuperioara. Daca
folosesteselectiabazata pe varsta.
9. Asiguraperpetuareaindividului cu calitate maxima din populatiacurenta
10. Alegegeneratiaurmatoaredintreindiviziidisponibilidupaoperatia de mutatie
11. Se aplicaasupradescendentilorobtinuti din populatiacurenta
----------------------------------------------------------------------------------------------------------------
--------------------------CLAUDIU
2E-8.5-25.5
Partea I: un singurraspunscorect
GALBEN = SIGUR
VERDE = INCERT
3. In cadrulunuialgoritmevolutivpopulatiainitiala
a. Este generata la inceputulfiecaruicicluevolutiv-nu, pentru ca
cicluevolutivinseamnafiecaregeneratiesi nu e adevarat.
b. Este generatautilizanddistributia pe probabilitatenormala
c. Este generatainainteainceperiievolutieipropriu-zise
d. Este generatadupafiecarecicluevolutiv
e. Este generatautilizantdistributia de probabilitateuniforma
f. Este generataaleator(setul initial de candidatiestegenerataleator, curs 1)
g. Este setata pe multimeavida
4. Fie urmatoriidoicromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4, 13, 9 ,10
,12 }si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicandoperatorul de recombinare
PMX, cu pozitile 4 si 8 se obtindescendentii.
. a. 5 3 15 13 2 14 6 10 12 8 4 7 9 11 1
b. 5 3 11 13 2 14 6 15 1 8 4 7 9 10 12
c. 5 3 11 13 2 14 6 15 1 8 4 7 9 15 12 - al doileacopil
d.13 1 10 7 14 8 5 15 12 11 4 2 3 9 6 - primulcopil
e. 5 3 15 13 2 14 6 10 1 8 4 7 9 11 12
f. 13 1 15 7 14 8 5 10 12 11 4 2 3 9 6
g. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6
h. 13 1 11 7 14 8 5 15 12 10 4 2 3 9 6
i. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6
j. 5 3 15 13 2 14 6 10 12 8 4 7 9 11 1
8. Fie urmatorulcromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2,
9} In urmaaplicariioperatorului de mutatieprinamestec s-a obitnutcromozomul {7, 14,
13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9 }. Cele douapozitiiutilizatepentruamestesc sunt:
7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9
7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9
a. 3 si 13
b. 1 si 15
c. 1 si 14
d. 4 si 8
e. 1 si 12
f. 4 si 15
g. 3 si 15
h. 2 si 13
i. 2 si 14
j. 2 si 15
k. 1 si 13
(Ori e doar I, ori e E,G,H,I-Cezar)
- eu as zice b/c/i/j pentru ca se aplicamutatia o singura data
Structura GA
Intrebarea 1)
Intr-un algoritm memetic populatia initiala:
Raspuns A;
Intrebarea 2)
Algoritmul Hillclimbing
Raspuns D
Intrebarea 3)
În cadrul unui algoritm evolutiv condiția de terminare poate include următoarele elemente: a) controlul
numărului de iterații (număr maxim admis de populații generate), b) disponibilitatea spațiului de
memorie, c) atingerea valorii optime a funcției obiectiv, d) verificarea unei condiții legate de diversitatea
genetică, e) scăderea dimensiunii populației sub o limită admisă, f) creșterea lungimii cromozomilor.
Alegeți o opțiune:
a. a, c, d
b. b, d, e
c. a, e, f
d. b, c, d
e. a, b, e
Raspuns A
Intrebarea 4)
Raspuns C
Intrebarea 5)
Codificarea trebuie stabilita:
Raspuns A
Intrebarea 6)
Fararaspuns (B)
Intrebarea 7)
Alegeți o opțiune:
d. Nu este utilizată
RAspuns: E
Intrebarea 8)
În cadrul unui algoritm genetic care maximizează o funcție (fitness): 1. Selecția generației următoare
este obligatoriu bazată pe vîrstă; 2. Sînt rezolvate doar probleme cu constrîngeri; 3. Selecția părinților
este efectuată iterativ; 4. Mutația este realizată cu probabilitate mică; 5. Nu este recomandată utilizarea
selecției FPS; 6. Multisetul copiilor este fără duplicate; 7. Selecția supraviețuitorilor este determinată de
calitate și/sau factorul vîrstă; 8. Recombinarea este realizată rareori; 9. Este intenționată determinarea
unui punct de maxim global; 10. Structura cromozomială diferă dacă funcția este translatată.
Raspuns3 4 7 9
Intrebarea 9)
Raspuns A
Intrebarea 10)
În cadrul unui algoritm genetic care maximizează o funcție (fitness): 1. Selecția generației
următoare este obligatoriu bazată pe vîrstă; 2. Sînt rezolvate doar probleme cu constrîngeri; 3. Selecția
părinților este efectuată iterativ; 4. Mutația este realizată cu probabilitate mică; 5. Nu este recomandată
utilizarea selecției FPS; 6. Multisetul copiilor este fără duplicate; 7. Selecția supraviețuitorilor este
determinată de calitate și/sau factorul vîrstă; 8. Recombinarea este realizată rareori; 9. Este
intenționată determinarea unui punct de maxim global; 10. Structura cromozomială diferă dacă funcția
este translatată.
raspuns 3 6 8
Intrebarea 11)
In cadrul unui algoritm genetic operatia de selectie a parintilor
Intrebarea 12)
Raspuns C
Intrebarea 13)
In cadrul unui algoritm evolutiv conditia de terminare poate include urmatoarele elemente
C
Intrebarea 14)
Algoritmul Hillclimbing:
Alegeți o opțiune:
Raspuns C
Algoritmii genetici
Alegeți o opțiune:
a. Sînt metode deterministe de căutare în spațiul soluțiilor
b. Rezolvă exclusiv probleme definite pe spații continue
c. Sînt tehnici de căutare stochastică bazate pe populații
d. Folosesc exclusiv selecții deterministe
e. Utilizează la fiecare moment de timp o variantă de soluție modificată prin perturbare normală
Feedback
2 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm genetic operația de recombinare: 1. Este efectuată o singură dată pe
parcursul unui algoritm genetic; 2. Este efectuată imediat după fiecare etapă de selecție a părinților;
3. În general probabilitatea de recombinare nu contează în rezolvarea problemelor prin algoritmi
genetici; 4. Este efectuată imediat înaintea fiecărei proceduri de mutație; 5. Este efectuată imediat
înaintea fiecărei etape de selecție a părinților; 6. Utilizează populația de părinți; 7. Este utilizată doar
în probleme fără constrîngeri; 8. Este utilizată cu probabilitate mare; 9. Este utilizată cu probabilitate
mică; 10. Este efectuată o singură dată, după prima etapă de selecție a părinților.
Alegeți o opțiune:
a. 4, 8, 9, 10
b. 2, 4, 6, 8
c. 2, 3, 4, 7
d. 2, 5, 7, 8
e. 1, 2, 7, 8
Feedback
3 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm evolutiv condiția de terminare: 1. Este obligatorie; 2. Nu este indicată; 3.
Include obligatoriu, direct sau indirect, controlul numărului de iterații (numărul populațiilor generate);
4. Nu poate fi implementată; 5. Este utilizată doar în cadrul GA, nu și în cadrul ES.
Alegeți o opțiune:
a. 1, 5
b. 5
c. 2, 3, 4
d. 1, 3
e. 2, 4
Feedback
4 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
Într-un algoritm genetic, populația inițială: 1. Este generată pînă cînd este atins un optim local; 2.
Este construită o singură dată ; 3. Suferă mutație cu o probabilitate relativ mică; 4. Trebuie
modificată la fiecare iterație; 5. Conține exclusiv indivizi fezabili; 6. Este formată din indivizii care trec
în generația următoare; 7. Este generată utilizînd distribuția de probabilitate uniformă.
Alegeți o opțiune:
a. 2, 3, 7
b. 1, 2, 7
c. 1, 3
d. 2, 5, 7
e. 4, 5, 7
Feedback
5 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
Care din următoarele metode pot fi folosite în cadrul algoritmilor memetici pentru a îmbunătăți
informația în interiorul unei populații: 1. recursivitate; 2. hillclimbing; 3. divide et impera; 4. strategie
evolutivă cu doi membri; 5. backtracking; 6. metode exacte; 7. metode euristice; 8. validarea datelor;
9. metoda gradientului; 10. ECX.
Alegeți o opțiune:
a. 2, 3, 5, 6, 9
b. 2, 4, 6, 8, 10
c. 1, 3, 6, 7, 10
d. 1, 3, 5, 7, 8
e. 2, 4, 6, 7, 9
Feedback
6 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm genetic care maximizează o funcție (fitness): 1. Selecția generației următoare
este obligatoriu bazată pe vîrstă; 2. Sînt rezolvate doar probleme cu constrîngeri; 3. Mutația este
realizată cu probabilitate mică; 4. Nu este recomandată utilizarea selecției FPS; 5. Multisetul copiilor
este fără duplicate; 6. Selecția supraviețuitorilor este determinată de calitate și/sau factorul vîrstă; 7.
Recombinarea este realizată rareori; 8. Se urmărește determinarea unui punct de maxim global; 9.
Structura cromozomială diferă dacă funcția este translatată.
Alegeți o opțiune:
a. 1, 3, 5, 9
b. 3, 6, 8
c. 4, 6, 8
d. 1, 3, 4, 7
e. 5, 6, 7
Feedback
7 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul strategiei evolutive cu 2 membri (ES-2M): 1. Este generată o populație inițială aleator, din
distribuția normală; 2. La fiecare moment al evoluției algoritmului este menținut un singur candidat la
soluție; 3. Populațiile sînt de dimensiuni mari; 4. Calculul unui termen nou este realizat prin mutație
gaussiană pentru fiecare componentă a vectorului curent; 5. Sînt rezolvate probleme pe spații
continue; 6. Fiecare termen este calculat în manieră stochastică; 7. Calculul unui termen nou este
realizat prin mutație gaussiană pentru o componentă selectată aleator din vectorul curent; 8. Este
intenționată creșterea calității medii a populației curente; 9. Este garantată obținerea unui optim
global; 10.La începutul fiecărei iterații este testată dimensiunea populației curente; 11. Sînt creați
descendenți obținuți din populația curentă prin recombinare locală.
Alegeți o opțiune:
a. 6, 8, 11
b. 1, 10
c. 2, 4, 5, 6
d. 4, 8, 11
e. 2, 4, 6, 9
Feedback
8 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Răspunsul corect este: Este preferabilă atunci cînd pentru fiecare genă sînt posibile mai mult de
două valori distincte
9 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
10 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Algoritmul ES2M:
Alegeți o opțiune:
a. Nici una din celelalte variante
b. Nu este un algoritm auto-adaptiv
c. Este algoritmul auto-adaptiv primar
d. Este un algoritm determinist
e. Nu este un algoritm evolutiv
Feedback
11 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Algoritmul Hillclimbing: 1. Se aplică asupra unui singur punct din spațiul de căutare; 2. Aplicarea se
poate repeta pentru mai multe puncte pentru a crește performanțele; 3. Este inspirat din tehnicile de
alpinism; 4. Găsește întotdeauna soluția optimă; 5. Găsește uneori soluția optimă; 6. Calculele se
încheie atunci cînd temperatura sistemului devine zero; 7. De obicei găsește un punct de optim
local; 8. Se utilizează numai pentru reprezentarea cu șiruri de numere reale.
Alegeți o opțiune:
a. 1, 2, 4, 7
b. 1, 4, 6, 7
c. 1, 5, 7, 8
d. 3, 4, 6, 8
e. 1, 2, 5, 7
Feedback
12 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
13 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sînt: 1. Probleme de optimizare;
2. Probleme de geometrie; 3. Prelucrarea datelor de dimensiune mare (big-data); 4. Probleme de
modelare; 5. Probleme de validare a datelor; 6. Probleme de simulare; 7. Alocarea dinamică a
datelor în memoria calculatorului; 8. Deplasarea autonomă a vehiculelor.
Alegeți o opțiune:
a. 1, 3, 5, 7
b. 2, 4, 6, 8
c. 1, 4, 6
d. 2, 3, 4
e. 2, 4, 6
Feedback
14 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] o permutare. În urma aplicării mutației prin inversiune pentru pozițiile
(2,7) poate fi obținută următoarea variantă mutată Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2. Y=[ 6 9 7 5 10 8
1 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 3 4 2 ] ; 4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;5. Y=[ 6 8 7 5 10 1 9 3 4 2 ] ; 6.
Y=[ 6 2 8 10 5 1 9 3 4 7]
Alegeți o opțiune:
a. 2, 5
b. 5
c. 1
d. 1, 5
e. 2
Feedback
15 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
Fie următorul cromozom de tip permutare: {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9}. În urma
aplicării operatorului de mutație prin amestec s-a obținut cromozomul: {7, 14, 13, 12, 1, 15, 2, 8, 6, 3,
11, 5, 10, 4, 9 }. Cele două poziții utilizate pentru amestec sînt: 1. 1 și 14; 2. 4 și 15; 3. 3 și 15; 4. 4 și
8; 5. 2 și 15; 6. 1 și 12; 7. 2 și 14; 8. 2 și 13; 9. 1 și 15; 10. 1 și 13; 11. 3 și 13.
Alegeți o opțiune:
a. 1, 5, 7, 9
b. 2
c. 6
d. 5, 10
e. 6, 7, 9
Feedback
16 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
17 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm din clasa strategiilor evolutive, operația de mutație: 1. Este utilizată doar în
probleme cu constrîngeri; 2. Este efectuată imediat ce este disponibilă o populație de copii; 3. Alege
pentru mutație în medie jumătate de indivizi; 4. Utilizează două multiseturi distincte de copii; 5. Este
de tip neuniform (fluaj); 6. Este efectuată o singură dată, după prima etapă de generare a unei
populații; 7. Este realizată cu probabilitate mică; 8. Este efectuată o singură dată pe parcursul unui
algoritm; 9. Determină structura cromozomială; 10. Utilizează populația curentă; 11. Este efectuată
iterativ.
Alegeți o opțiune:
a. 1, 5, 6, 8
b. 1, 4, 5, 7
c. 2, 5, 9, 10
d. 1, 5, 9, 10
e. 2, 5, 9, 11
Feedback
18 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
19 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm evolutiv populația inițială: 1. Este generată înaintea începerii evoluției propriu-
zise; 2. Este generată după fiecare ciclu evolutiv (care presupune efectuarea operațiilor de selecție,
recombinare, mutație, evaluare); 3. Este generată la începutul fiecărui ciclu evolutiv; 4. Este
generată aleator; 5. Este generată utilizînd distribuția de probabilitate uniformă; 6. Este generată
utilizînd distribuția de probabilitate normală; 7. Este setată pe mulțimea vidă.
Alegeți o opțiune:
a. 1, 2, 4, 5, 6
b. 5, 7
c. 1, 2, 4, 7
d. 1, 4, 5
e. 2, 5, 7
Feedback
20 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
Care din următorii operatori pot fi utilizați într-un algoritm genetic care folosește reprezentarea prin
șiruri de numere reale? 1. Negarea; 2. Negarea fuzzy; 3. Resetarea pseudo-aleatoare; 4. Resetare
deterministă; 5. Mutația uniformă; 6. Mutația neuniformă cu distribuție fixată; 7. Mutația locală; 8.
Interschimbarea; 9. Inserarea; 10. Mutația rapidă; 11. Amestecul; 12. Mutația globală; 13.
Inversiunea; 14. Recombinare unipunct; 15. Recombinare multipunct; 16. Recombinare uniformă;
17. Recombinarea rădăcinilor; 18. Recombinare aritmetică simplă; 19. Recombinare aritmetică
singulară; 20. Recombinare aritmetică totală; 21. Recombinarea șirurilor maxime; 22. Partially
mapped crossover; 23. Recombinare de ordine; 24. Recombinarea muchiilor; 25. Recombinarea
ciclică
Alegeți o opțiune:
a. 3, 4, 5, 6, 7,12, 18, 19, 21
b. 1, 3, 4, 7, 10, 13, 16, 17, 20
c. 5, 6, 14, 15, 16, 18, 19, 20
d. 2, 7, 10, 12,17,21
e. Toți operatorii de mai sus
Feedback
21 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] o permutare. În urma aplicării mutației prin amestec pentru pozițiile
(2,7) poate fi obținută următoarea variantă mutată Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2. Y=[ 6 7 8 10 5 1
9 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 3 4 2 ] ; 4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;5. Y=[ 6 9 7 5 10 8 1 3 4 2 ] ; 6.
Y=[ 6 2 8 10 5 1 9 3 4 7]
Alegeți o opțiune:
a. 3, 4, 5
b. 1, 2, 3
c. 2, 5, 6
d. 1, 2, 5
e. 2, 4, 5
Feedback
22 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
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.
Alegeți o opțiune:
a. 2, 3, 4, 5, 6, 11
b. 4, 8, 11
c. 1, 7
d. 6, 8, 11
e. 2, 4, 5, 6, 12
Feedback
23 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
24 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
25 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
26 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
Răspunsul corect este: Obligatoriu după extragerea celui mai bun individ din populația finală
27 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
28 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
În cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor: 1. Poate fi
oricare dintre: șiruri binare, șiruri de numere întregi, șiruri de numere reale, permutări; 2. Poate fi
numai de tip șiruri de numere întregi sau reale; 3. Poate fi numai de tip șiruri de numere reale; 4. Nu
influențează tipul de recombinare folosit (discretă / intermediară); 5. Se alege în funcție de problema
care se rezolvă; 6. Influențează tipul de recombinare folosit; 7. Are influență asupra mecanismului de
selecție a generației următoare; 8. Conține atît descrierea individului candidat cît și parametrii care
controlează evoluția sa.
Alegeți o opțiune:
a. 2, 4, 5, 8
b. 1, 7, 8
c. 3, 4, 8
d. 2, 4, 5, 6
e. 1, 3, 4, 8
Feedback
29 întrebare
Corect
Marcat 1,00 din 1,00
Întrebare cu flag
Textul întrebării
30 întrebare
Incorect
Marcat 0,00 din 1,00
Întrebare cu flag
Textul întrebării
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?
Alegeți o opțiune:
a. C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 8 3 6 7 5 10 4 ]
b. C1=Y, C2=X
c. C1=[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
d. C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9 ]
e. C1=[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 ]
Feedback
PEAG GRILE
- este obligatorie
- include obligatoriu, direct sau, indirect controlul numărului de iterații(nr pop generate)
- calculul unui termen nou este realizat prin mutație gaussiana pentru fiecare
componentă a vectorului curent
-calc stochastica
- este preferabilă atunci când pentru fiecare genul sunt posibile mai mult de două valori
distincte
4. În algoritmi genetici, operația de selecție a părinților:
-y=7 1 8 10 5 7 12 43 9 3 4 2
-y=6 1 8 10 5 7 12 43 9 3 4 2
7.Algoritmii genetici:
8.Algoritmul ES2M:
- probleme de optimizare
- probleme de modelare
- probleme de simulare
11.Fie x=6 1 8 10 5 7 9 3 4 2 o permutare.2 în urma aplicării mutații prin inversiune
pentru pozițiile(2,7) poate fi obținută următoarea variantă mutată:
-2
-(x,y) si (2,5)
13. Care din următoarele metode pot fi folosite în cadrul algoritmilor memetici
pentru a îmbunătății informația în interiorul unei populații:(2 4 6 7 9)
-hillclimbing
- metode exacte
- metode euristice
-Ecx
- obligatoriu după extragerea celui mai bun indirect din populația finală
-y = 6 7 8 10 5 1 9 3 4 2
-y=6 7 10 8 5 9 1 3 4 2
-y=6 9 7 5 10 8 1 3 4 2
18. În cadrul unui algoritm genetic operația de recombinare: 2 4 6 8
-1si 14
-2 si 15
-2 si 14
-1 si 15
21.. Care din următorii operator pot fi utilizați un algoritm genetic care Folosește
reprezentarea prin șiruri de numere reale? 5 6 14 15 16 18 19 20
- mutația uniformă
- recombinare unuipunct
- recombinare multipunct
- recombinare uniformă
- conține atât descrierea individului candidat cât și parametrii care controlează evoluția
sa
24. În cadrul unui algoritm din clasa a treia tevilor evolutive, operația de mutație:
2 5 9 11
-reprezentarea
-funcția de evaluare
-populația
-mecanismul de selecție
-operatorii de variație
-inițializarea populației
-condiția de terminare
28.Algoritmul Hillclimbing:1 2 5 7
-aplicarea se poate repeta pentru mai multe puncte pentru a crește performanțele
30.Algoritmul Hillclimbing:
-ecx
-convergența prematură
40.Recombinarea multiplă:
-PMX
42.De câte ori trebuie rotit brațul ruletei simple pentru a executa întregul
proces de selecție a părinților, pentru o populație cu tz cromozomi?
-de tz ori
-sunt interzise
48.De câte ori trebuie rotit brațul ruletei multi-brat pentru a executa
întregul proces de selecție a părinților pentru o populație cu k indivizi?
-o data
-convergența prematură
-ruletă complicată
-CX
-binar(doi operanzi)
-OCX
63.Combinarea multiplă:
-calculul unui termen nou este realizat prin mutație gaussiana pentru fiecare
componentă a vectorului curent
- de a utiliza euristici
-reprezentarea
-funcția de evaluare
-populația
-operații de variație
-inițializare a populației,
-condiția de terminare
Partea I:
2. În algoritmii genetici, rerezentarea prin șiruri de numere întregi
6. Este preferabila pentru probleme de optimizare
7. Este doar un exercitiu de implementare, nefiind necesara
8. E preferabila atunci cand pentru fiecare gena sunt posibile mai mult de doua
valori distincte
9. nu este utilizata in algoritmi genetici
10. Nu poate fi utilizata in cazul atributelor ordinale
3. In algoritmii genetici, reprezentarea prin permutări
6. Nu permite utilizarea de operatori de mutatie
7. Nu este utilizata
8. Are nevoie de operatori special definiti (Vezi cursul II: - Slide 19)
9. Nu permite utilizarea de operatori de recombinare
10. Nu permite mai mult de doua gene cu aceeasi valoare intr-un cromozom
3. 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
1. 2,4,6
2. 1,4,6(Vezi cursul I: Introducere: - Slide 9 si 10)
3. 2,4,6,8
4. 1,3,5,7
5. 2,3,4
5. 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. 6,7,8
7. 5
8. 2,4(Vezi cursul I: Introducere - Slide 11)
9. 1,3
10. 9,10
6. In algoritmii genetici, reprezentarea binara
6. Este cea mai utilizata varianta de reprezentare a genotipurilor
7. Nu e utilizata pentru algoritmi genetici
8. A fost primul tip de reprezentare a cromozomilor in algoritmi genetici(Vezi cursul
2: Slide 14)
9. Duce mereu la rezultate optime
10. Nu depinde de problema rezolvata
6. 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. 1,2,5,6,7,14,15
2. 1,3,5,7,10,12,14,15
3. 2,4,6,8,11,13
4. 2,4,5,9,15
5. 1,3,5,6,10,13,14,15
8. Calculul evolutiv este inspirat din
6. Revolutia industriata
7. Societatea cunoasterii
8. Societatea informationala
9. Noua revolutie agrara
10. Evolutia naturala biologica(Vezi cursul I: Introducere - Slide 6)
8. 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. 1,2,5,7
2. 1,5,7,8
3. 1,2,4,7
4. 1,4,6,7
5. 3,4,6,8
10. 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.
6. Nu exista algoritm genetic canonic
7. 2,4,6,7
8. 1,3,5,8(Speram, doamne ajuta)
9. Nici una din variantele A,B,C,E
10. 2,3,6,7,9
10. 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
1. Toti operatorii de mai sus
2. 2,7,10,12,17,21
3. 1,3,4,7,10,13,16,17,20
4. 3,4,5,6,7,12,18,19,21
5. 5,6,14,15,16,18,19,20
Partea II:
1. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
1. Este utilizata doar in probleme cu constringeri
2. Este realizata cu probabilitate mica
3. Utilizeaza populatia curenta
4. Utilizeaza populatia de copii
5. Determina structura cromozomiala
6. Este de tip neuniform
7. Alege pentru mutatie in medie jumatate de indivizi
8. Este efectuata o singura data pe parcursul unui algoritm
9. Este efectuata iterativ
10. Este efectuata imediat ce este disponibila o populatie de copii
3. In cadrul unui algoritm genetic operatia de recombinare:
11. Este efectuata o singura data dupa prima etapa de selectie a parintilor
12. Este utilizata cu probabilitate mica
13. In general probabilitatea de recombinare nu conteaza in rezolvarea
problemelor prin algoritmi genetici
14. Este efectuata o singura data pe parcursul unui algoritm genetic
15. Este efectuata imediat inaintea fiecare proceduri de mutatie
16. Este efectuata imediat dupa fiecare etapa de selectie a parintilor
17. Este utilziata cu probabilitate mare
18. Este efectuata iterativ
19. Este utilizata doar in probleme fara constrangeri
20. Utilizeaza populatia de parinti
3. In cadrul unui algoritm evolutiv populatia initiala
1. Este generata la inceputul fiecarui ciclu evolutiv
2. Este generata utilizand distributia pe probabilitate normala
3. Este generata inaintea inceperii evolutiei propriu-zise
4. Este generata dupa fiecare ciclu evolutiv
5. Este generata utilizand distributia de probabilitate uniforma
6. Este generata aleator (Vezi cursul I: Introducere - Slide 11)
7. Este setata pe multimea vida
5. Fie urmatorii doi cromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4,
13, 9 ,10 ,12 } si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicand operatorul
de recombinare PMX, cu pozitile 4 si 8 se obtin descendentii.
2. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
6. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de
recombinare:
11. Este de tip local sau global
12. Este efectuata o singura data pe parcursul unui algoritm
13. Alege pentru recombinare in medie jumatate de indivizi
14. Este realizata cu probabilitate mica
15. Determina structura cromozomiala
16. Utilizeaza poplatia curenta
17. Este efectuata o singura data, dupa prima etapa de generare a unei
populatii
18. Determina obtinerea unui multiset de copii in …
19. Este utilizata doar in probleme cu constrangeri
20. Este efectuata iterativ
7. In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea
cromozomilor
9. Influenteaza tipul de recombinare folosit
10. Se alege in functie de problema care se rezolva
11. Poate fi numai de tip siruri de numere intregi sau reale
12. Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de
numere reale, permutari
13. Are influenta asupra mecanismului de selectie a generatiei urmatoare
14. Nu influenteaza tipul de mutatie folosit(discreta/ nediscreta)
15. Poate fi numai de siruri de numere reale
16. Contine atat descrierea individului candidat cat si parametrii care ..
8. In cadrul unui algoritm genetic operatia de selectie a parintilor
13. Intotdeauna este bazata pe o distributie de probabilitate de selectie
14. Utilizeaza populatia curenta
15. Este efectuata o singura data pe parcursul unui algoritm genetic
16. Este utilizata doar in probleme cu constringeri
17. Este efectuata imediat inaintea fiecarei proceduri de mutatie
18. Este efectuata imediat ce este disponibila o populatie curenta evaluata
19. Este efectuata o singura data dupa prima etapa de generare a unei
populatii
20. Alege in general indivizi pe baza factorului varsta
21. Utilizeaza populatia de copii mutati
22. Utilizeaza populatia de copii
23. Este efectuata iterativ
24. Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
9. 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:
12. 3 si 13
13. 1 si 15
14. 1 si 14
15. 4 si 8
16. 1 si 12
17. 4 si 15
18. 3 si 15
19. 2 si 13
20. 2 si 14
21. 2 si 15
22. 1 si 13
10. In cadrul unui algoritm genetic operatia de mutatie
13. Are probabilitate mica
14. Se aplica doar daca divesitatea genetica scade sub un prag x dat
15. Intotdeauna produce indivizi fezabili
16. Se aplica asupra descendentilor produsi de operatia de recombinare
17. Se aplica asupra mutlisetului de parinti
18. Se aplica asupra populatiei curente
19. Se utilizeaza doar in probleme cu constrangeri
20. Poate sa produca indivizi nefezabili
21. Se efectueaza o singura data, dupa generarea populatiei initiale
22. Se aplica imediat inaintea fiecarei etape de selectie a generatiei
urmatoare
23. Se utilizeaza doar in problemele fara constrangeri
24. Nu foloseste factori aleatori.
11. In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
12. Utilizeaza intotdeauna factori aleatori
13. In unele variante necesita calcularea unei distributii de probabilitate de
selectie
14. Indivizii alesi sunt intotdeauna fezabili
15. Duce la cresterea calitatii medii a populatiei curente
16. Se aplica la inceputul fiecarei iteratii
17. Uneori utilizeaza factori aleatori
18. Se aplica asupra populatiei curente
19. Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca
foloseste selectia bazata pe varsta.
20. Asigura perpetuarea individului cu calitate maxima din populatia curenta
21. Alege generatia urmatoare dintre indivizii disponibili dupa operatia de
mutatie
22. Se aplica asupra descendentilor obtinuti din populatia curenta
Grile PEAG:
1. Pentru pastrarea relatiilor comune din cromozomii parinti se foloseste operatorul de recombinare:
e) incrucisare binara
2. Care din urmatoarele este un dezavantaj al utilizatii distributiei de probabilitate de selectie de tip FPS?
a) Convergenta asimptomatica
b) convergenta lenta
c) convergenta prematura
3. Pentru problemele in care reprezentarea prin permutari semnifica ordiea de aparitie a unor
evenimente, operatorul de recombinare folosit este:
b) incrucisarea unipunct
c) IPX
e) incrucisare uniforma
a) OCX
c) ECX
d) PMX
a) Ruleta complicata
b) genitor
c) ruleta simpla
d) ruleta multi-brat
e) turnir
7. Recombinarea multipla:
d) sunt interzise
e) se pot aplica numai daca toate perechile de alele de pe pozitii identice sunt fie pare, fie impare
9. Care din urmatoarele este un dezavantaj al utilizatii distributiei de probabilitate de selectie tip FPS?
a) Convergenta prematura
b) convergenta asimptotica
e) convergenta lenta
10. Schema generala de recombinare depinde de:
d) reprezentarea cromozomilor
e) alegerea utilizatorului
a) parintii selectati
a) cu dimensiune fixa
b) cu dimensiune variabila
c) cu generatii
d) cu stari instabile
e) cu stari stabile
14. Care din urmatoarele nu este un model de distributie de probabilitate folosit pentru etapa de
selectie:
a) FPS cu ferestre
b) FPS
d) ranguri liniare
15. Care mecanism de selectie prroduce rezultate mai apropiate de distributia de probabilitate de
selectie calculata?
b) SUS
c) niciunul
d) ruleta cu un brat
e) turnirul
16. Daca aplicarea unui operator de recombinare produce indivizi aberanti atunci:
17. De cate ori trebuie rotit bratul ruletei multi-brat pentru a executa intregul proces de selectie a
parintilor, pentru o populatie cu k indivizi?
a) de 2*k ori
b) de k ori
c) o data
d) de k/2 ori
19. Pentru a pastra cat mai bine informatia referioare la pozitiile absolute ale alelelor in cromozomi
parinti se foloseste operatul:
a) incrucisare multipunct
b) CX
c) ECX
d) OCX
e) PMX
Alegeti o optiune;
• a. 2,4, 5,
b. 1.10
c. 2,4,6, 9
d. 6,8,11
e. 4,8,11
Alegeti o optiune:
Alegeti o optiune:
c. Nu este utilizatä
Alegeti o optiune:
Alegeti o optiune:
• a. 2,4, 5,
b. 2,4, 6
c. 1,2, 3, 4, 5, 6
d. 4, 5, 6
e. 2, 3,4, 5, 6
8. Algoritmii genetici
Alegeti o op^iune:
déterministe
9. Algoritmul ES2M:
Alegeti o optiune:
Alegeti o optiune:
• a. 2,4,5,6,12
b. 2.3.4, 5.6,11
c. 1.7
d. 6.8.11
e. 4,8,11
11. Tipurile de problème care pot fi rezolvate pe baza calculului evolutiv sînt: 1. Probleme de
optimizare; 2. Probleme de geometrie; 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 în memoria calculatorului; 8. Deplasarea autonoma a
vehiculelor.
Alegeti o optiune:
• a. 1, 4, 6
b. 1,3, 5,7
c. 2, 3,4
d. 2,4, 6, 8
e. 2, 4,6
12. Fie X=[ 61 810579342]o permutare. în urma aplicârii mutatiei prin inversiune pentru
pozitiile (2,7) poate fi obtinutâ urmâtoarea variantä mutatä Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2.
Y=[ 6 9 7 5 10 8 1 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 3 4 2]; 4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;5. Y=[ 6
875101 9342]; 6. Y=[ 6281051 934 7]
Alegeti o optiune:
a. 5
b. 2
c. 1,5
d. 2, 5
e. 1
13. Fie permutärile x=[10 2391 7648 5] si y=[5 4 7 2 1 9 3 6 8 10], un cromozom copil rezultat
prin PMX este c=[ 5 2 3 9 1 4 7 6 8 10]. Atunci ordinea considerärii pärintilor si respectiv
punctele de încrucisare sînt:
Alegeti o optiune:
• a. (y,x) si (1,4)
b. (y,x) si (2,5)
c. (x,y) si (1,4)
d. (x,y) si (2,5)
e. (y,x) si (1,5)
14. Care din urmätoarele metode pot fi folosite in cadrul algoritmilor memetici pentru a
îmbunâtati informatiaîn interiorul unei populatii: 1. recursivitate; 2. hillclimbing; 3. divide et
impera; 4. strategie evolutivä eu doi membri; 5. backtracking; 6. metode exacte; 7. metode
euristice; 8. validarea datelor; 9. metoda gradientului; 10. ECX.
Alegeti o optiune:
• a. 2, 4, 6, 8,10
b. 1,3, 5,7,8
c. 2, 3, 5, 6, 9
d. 2, 4, 6,7,9
e. 1,3, 6, 7,10
d. Obligatoriu dupâ extragerea celui mai bun individ din populatia finala
Alegeti o optiune:
c. Nu este utilizatä
17. în cadrul unui algoritm evolutiv populate initiala: 1. Este generatä înaintea începerii
evolutiei propriu-zise; 2. Este generatä dupa fiecare ciclu evolutiv (care presupune efectuarea
operatiilor de selectie, recombinare, mutage, evaluare); 3. Este generatä la începutul fiecârui
ciclu evolutiv; 4. Este generatä aleator; 5. Este generatä utilizînd distribute de probabilitate
uniformâ; 6. Este generatä utilizînd distribute de probabilitate normalâ; 7. Este setatä pe
multimea vidâ.
Alegeti o optiune:
• a. 1,2,4,5, 6
b. 1,2, 4, 7
c. 1,4,5
d. 2,5,7
e. 5,7
18. Fie X=[ 6 1 810579342]o permutare. în urma aplicàrii mutatiei prin amestec pentru
pozitiile (2,7) poate fi obtinutâ urmâtoarea variantâ mutatâ Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2.
Y=[ 6 7 8 10 5 1 9 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 342]; 4. Y=[ 67108591 342] ;5. Y=[ 6
9751081342]; 6. Y=[ 6281051934 7]
Alegeti o optiune:
• a. 1,2,5
b. 3,4, 5
c. 1,2,3
d. 2, 4, 5
e. 2, 5,6
19. In cadrul unui algoritm genetic operafia de recombinare: 1. Este efectuatä o singurä datä
pe parcursul unui algoritm genetic; 2. Este efectuatä imediat dupä fiecare etapä de selecfie a
pärintilor; 3. In general probabilitatea de recombinare nu conteazä m rezolvarea problemelor
prin algoritmi genetici; 4. Este efectuatä imediat înaintea fiecärei proceduri de mutatie; 5.
Este efectuatä imediat înaintea fiecärei etape de selectie a pärintilor; 6. Utilizeazä populatia
de pärinti; 7. Este utilizatä doar în problème färä constrîngeri; 8. Este utilizatä cu
probabilitate mare; 9. Este utilizatä cu probabilitate micä;
10. Este efectuatä o singurä datä, dupä prima etapä de selectie a pärintilor.
Alegefi o opfiune:
• a. 2, 5.7, 8
b. 1,2,7,8
c. 4, 8, 9,10
d. 2, 3, 4,7
e. 2,4, 6,8
Alegeti o optiune:
b. Revolutia industrial
d. Societatea cunoasterii
e. Societatea informational
21. Fie urmätorul cromozom de tip permutare: {7,6, 12, 14, 3,10, 8,15,11, 5,4,1,13, 2, 9}. în
urma aplicärii operatorului de mutate prin amestec s-a obtinut cromozomul: {7,14,13,12, 1,
15, 2, 8, 6, 3,11, 5,10,4, 9 }. Cele douä poztyï utilizate pentru amestec sînt: 1. 1 si 14; 2. 4 si
15; 3. 3 si 15; 4. 4 si 8; 5. 2 si 15; 6.1 si 12; 7. 2 si 14; 8. 2 si 13; 9.1 si 15; 10. 1 si 13; 11.3 si 13.
Alegeti o optiune:
a. 6
b. 2
c. 6, 7, 9
d. 1,5,7,9
e. 5,10
22. Care din urmätorii operatori pot fi utilizafi într- un algoritm genetic care foloseste
reprezentarea prin siruri de numere reale? 1. Negarea; 2. Negarea fuzzy; 3. Resetarea
pseudo-aleatoare; 4. Resetare deterministä;
5. Mutatia uniformä; 6. Mutafia neuniformä cu distribute fixatä; 7. Mutafia locals; 8.
Interschimbarea; 9. Inserarea; 10. Mutafla rapidä; 11. Amestecul; 12. Mutafia globalä;
Alegefi o opfiune:
b. 5.6,14,15.16,18,19,20
c. 1,3,4, 7,10,13,16,17, 20
d. 2.7,10,12,17,21
e. 3,4, 5.6,7,12,18,19,21
Alegeti o optiune:
b. C1 =[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
c. C1 =[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 83675104]
e. C1 =Y, C2=X
24. în cadrul unui algoritm dln clasa strategiilor evolutive, reprezentarea cromozomilor: 1.
Poate fi orlcare dintre: çlrurl binare, çiruri de numere întregi, çiruri de numere reale,
permutäri; 2. Poate fi numai de tip çlrurl de numere întregi sau reale; 3. Poate fi numai de tip
çiruri de numere reale; 4. Nu influenfeazà tipul de recombinare folosit (discretà /
intermediarâ); 5. Se alege în funcfle de problema care se rezolvà; 6. Influenfeazà tipul de
recombinare folosit; 7. Are influenjâ asupra mecanismului de selecjie a generafiei urmätoare;
8. Confine atît descrierea individului candidat cît $i parametrii care controleazä evolufia sa.
Alegefi o optiune:
• a. 1,3,4, 8
b. 2,4. 5,6
c. 2,4. 5,8
d. 1,7,8
e. 3,4, 8
25. în cadrul unui algoritm din clasa strategiilor evolutive, operajla de mutage: 1. Este
utilizatâ doar în problème eu constrîngeri; 2. Este efectuatâ imediat ce este disponibilâ o
populace de copii; 3. Alege pentru mutage în medie jumâtate de indivizi; 4. Utilizeazâ douà
multiseturi distincte de copii; 5. Este de tip neuniform (fluaj); 6. Este efectuatâ o singurâ daté,
dupâ prima etapà de generare a unei populate 7. Este realizatâ eu probabilitate micâ; 8. Este
efectuatâ o singurâ daté pe parcursul unui algoritm; 9. Déterminé structura cromozomialé;
10. Utilizeazâ populafla curentà; 11. Este efectuatâ iterativ.
Alegefi o opjiune:
• a. 2. 5,9.11
b. 2. 5.9,10
c. 1.5,6,8
d. 1,4, 5.7
e. 1.5, 9,10
26. în cadrul unui algoritm genetic care maximizeazä o func^ie (fitness): 1. Selec^ia generatiei
urmätoare este obligatoriu bazatä pe vîrstâ; 2. Sînt rezolvate doar problème eu constrîngeri;
3. Mutajia este realizatä eu probabilitate mica; 4. Nu este recomandatä utilizarea selectiei
FPS; 5. Multisetul copiilor este tara duplicate; 6. Selec^ia supraviejuitorilor este determinatâ
de calitate çi/sau factorul vîrstâ; 7. Recombinarea este realizatä rareori; 8. Se
urmäreste determinarea unui punct de maxim global; 9. Structura cromozomialä diferä daeà
functia este translatatâ.
Alege^i o optiune:
• a. 1,3,5,9
b. 4, 6, 8
C. 3, 6, 8
d. 1,3,4.7
e. 5, 6,7
27. Fie urmätorii doi cromozomi de tip permutare: { 6, 3,7, 8, 5,1,2, 4, 9 } si {7, 2, 8, 5, 6, 9,
4,1,
Alegeji o opjiune:
a. a, e
b. b, c
c. d, h
d g.j
e. f, i
Alege^i o optiune:
a. 2,4, 6, 8,11,13
b. 1,3,5,7,10,12,14,15
c. 1,2, 5, 6,7,14,15
d- 2, 4, 5, 9,15
e. 1,3, 5, 6,10,13,14,15
29. Algoritmul Hillclimbing: 1. Se aplicä asupra unui singur punct din spa^iul de cäutare; 2.
Aplicarea se poate répéta pentru mai multe puncte pentru a creste performantele; 3. Este
inspirât din tehnicile de alpinism; 4. Gäseste întotdeauna solutia optima; 5. Gäseste uneori
solutia optima; 6. Calculele se încheie atunci cînd temperatura sistemului devine zero; 7.
Alegeti o optiune:
a. 1,4, 6,7
b. 1,2, 4,7
c. 1,5, 7,8 •
d. 1,2, 5, 7
e. 3,4, 6,8
30. într-un algoritm genetic, populate initialä: 1. Este generatä pînâ cînd este atins un optim
local; 2. Este construits o singurâ data ; 3. Sufera mutatie eu o probabilitate relativ mica; 4.
Trebuie modificatä la fiecare iteratie; 5. Contine exclusiv indivizi fezabili; 6. Este formatä din
indivizii care tree în generate urmätoare; 7. Este generatä utilizînd distribute de probabilitate
uniforma.
Alegeti o optiune:
• a. 1, 3
b. 1,2,7
c. 2, 3,7
d. 2, 5,7
e. 4, 5,7
2E-8.5-25.5
1. Tipurile de probleme care pot fi rezolvate pe baza calcului evolutiv sunt: Probleme
de optimizare (1), Probleme de modelare (4), Probleme de simulare (6) -> 1,4,6
(B).
2. Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care foloseste
reprezentarea prin siruri reale? Mutatia uniforma (5), Mutatia neuniforma cu
-distributie fixata (6), Aritmetica simpla (18), Aritmetica singulara (19),
Aritmetica totala (20), Unipunct (14), Multipunct(15), Uniforma(16) -> (A)
3. In algoritmii genetici, reprezentarea prin siruri de numere intregi: e preferabila atunci
cand pentru fiecare gena sunt posibile mai mult de doua valori distincte (D).
4. In algoritmii genetici, reprezentarea prin permutari: necesita operatori de variatie
special definiti (D).
5. Calculul evolutiv este inspirat de: evolutia naturala biologica (A).
6. Algoritmul Hillclimbing: se aplica asupra unui singur punct din spatiul de cautare
(1), Aplicarea de poate repeta pentru mai multe puncte pentru a creste
performantele (2), De obicei gaseste un punct de optim local (7), Gaseste
uneori solutia optima (5)
Later edit: nu gaseste mereu solutia optima.(closed) - Cezar
7. In algoritmii genetici, reprezentarea binara: (B) A fost primul tip de reprezentare a
cromozomilor in algoritmii genetici
8. Caracteristicile unui algoritm genetic clasic: (E)1,3,5,8 --1.Reprezentarea populatiei
este realizata prin intermediul sirurilor binare, 3.Probabilitatea de selectie a
unui individ in multisetul parintilor este proportionala cu valoarea functiei de
evaluare pentru el; 5. Probabilitatea efectuarii unei mutatii este mica;
8.Probabilitatea efectuarii recombinarii este mare
9. Intr-un algoritm evolutiv, functia de tip calitate: Evalueaza calitatea fiecarui
candidat (2), Trebuie maximizata(4) (B)
10. Componentele algoritmilor evolutivi sunt: reprezentarea, functia de evaluare,
populatia, mecanismul de selectare a parintilor, operatorii de variatie,
mecanismul de selectare a membrilor generatiei urmatoare, definirea modului
de initializare(populatia initiala) si definirea conditiei terminale => raspuns
corect: (B)
8. 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:
7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9
7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9
a. 3 si 13
b. 1 si 15
c. 1 si 14
d. 4 si 8
e. 1 si 12
f. 4 si 15
g. 3 si 15
h. 2 si 13
i. 2 si 14
j. 2 si 15
k. 1 si 13
(Ori e doar I, ori e E,G,H,I-Cezar)
- eu as zice b/c/i/j pentru ca se aplica mutatia o singura data
Structura EA
Structura GA
·----.J
;07 C~ €~TE /lvcr;Rcir1(
~g€ 8UN
Partea I:
\
~ e. 9,10
\:;I In algoritmii genetic!, reprezentarea binara
a. Este cea mai utilizata varianta de reprezentare a genotipurilor
b. Nu e utilizata pentru algoritmi genetici
PJ 1ost pnmul t1p_de reprezenta1.e_a cromozoIDilor i algoritmi genetici (\l.ezLcursu]
~ S] de Mj
d . Duce mereu la rezultate optime
e. Nu depinde de problema rezolvata
1, 3,S, ~. 10 . .. (>s:\ Componentele algorltmilor evolutivi sunt:
\.J O. Rep[~ze.ota_r_e aj
2. Probabilitatea de mutatie;
G. Functla~de evalu.ere:
4. Probabilitatea de recombinare;
~- Pop_ulatia;
6 . Generarea de numere aleatoare;
~- Me..9anismu.Lde_selectie a parinti ~
8. Generarea de permutari;
9. Reprezentarea grafica a evolutiei calitatii;
tto: oRe_r_atoriLde_yariatie;
11 . Stabilirea diversitatii genetice a populatiei;
fl 2. Mecariismul de inlo~uj[e_a_populatiei cureotel
13. Hillclimbing;
~ 4.Jnitializ~ p_opulatiei;
~,._C_o.o.ditia de terminarei
a. 1,2,5,6 ,7,14,15
=--1,3_,5,I, 10.12, 14,1~
C. 2,4,6,8,11 ,13
d. 2,4,5,9, 15
e. 1,3,5,6,10,13,14,15
Calculul evolutiv este inspi rat din
a. Revolutia industriata
b. Societatea cunoasterii
c. Societatea informationala
d. Noua revolutie agrara
~-- E'lo!!Jful.11atu.ra!a biologica (\lezi_g.irsujJ: lntroducere -_Slide_65
4.2.., t Algoritmul Hillclimbing:
~. Se_aplic~ _SUR a u ULSlnQl!r punct din_spatiuLde_cautare;
~~plicarea_se p_oate_Lep_eta pentru mai mu!te puncte_Rentru a cres~ - P~rf..o rmantele:
3. Este inspirat din tehnicilie de alpinism;
4. Gaseste intotdeauna solutia optima;
§_,___G as_este,uneori sol utia opjimai
6. Calculele se incheie atunci cand temperatura sistemului devine 0;
~- De.obicel gaseste~ ~unct de opJimLocal,
8. Se utilizeaza numai pentru reprezentarea cu siruri de numere reale;
~--.1,2,5 7J
b. 1,5,7,8
C. 1,2,4,7
d. 1,4,6,7
t?-i e. 3,4,6,8
V Caracteristlcile unul algoritm genetic clasic (canonic) sunt:
n-::--Re 1k eze_ntat_ea_popu}~tiei este..re_alizataprlnfnt~r.m.eq iuls iru rilQr))foafel
2. Reprezentarea populatiei este realizata prin intermediul sirurilor de numere naturale;
~: _!:rob ~t~llltatea de_selectie_a_JJ.fl uL_jo_dlv«;I j n~rnuJtisetuLp~rintiloL este~prop_o_rtiona le!..,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;
~:}>_rooabilit~t~a_efe~tuarji-uneiinutati[e_ste'm ica;
6. Probabilitatea efectuarii unei mutatii este mare;
7. Probabilitatea efectuarii recombinarii este mica;
~ ,..f.!O_b abi( itatea~feytU~fu~~ombi_6ariiJl?.ti ,:na_r_e;
9. lnlocuirea populatiei curente se face pe baza de varsta.
a. Nu exista algoritm genetic canonic
b. 2,4,6,7
c. :·1.~5.~
d. Nici una din variantele A,B,C,E
e. 2,3,6,7,9
{ji 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;
-~
~: Mufatia~unJforrna;___ __,,_ - -,
~-_MQtatia n!=)µ_niforma .cu distributie fixjlta·
7. Mutatia locala;
8. lnterschimbarea;
9. lnserarea;
10. Mutatia Rapida;
11 . Amestecu;
12. Mutatia globala;
13. lnversiunea;
0..4. Urijpunc_l1
bKMultip~!lc tl
@-:ll_mform""j;
17. Recombinarea radacinilor;
H8. l\rj tni~ica...§jcnplal
n];:Ar1tmet1ca:smguiarai
rzo.:.~1tmetica ,total~;
21 . Recombinarea sirurilor maxima;
22. PMC;
23. Recombinare de ordine;
24. Recombinarea muchilor;
25. Recombinarea Ciclica
a. Toti operatorii de mai sus
b. 2,7,10,12,17,21
C. 1,3,4,7,10,13,16,17,20
d. 3,4,5,6,7,12,18,19,21
~-- ~.6,j4, 1_5,1_6, 18, 1.9,2'Q
Partea II:
@Fie urmatorii doi cromozomi de tip permutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9, 10, 12 }
$i {7, 1, 15, 13, 2, 14, 6, 1O, 12, 11, 4, 8, 3, 9, 5}. Aplicand operatorul de recombinare PMX, cu
pozi\iile 4 $i 8 se obtin descenden\ii:
a.531513214610128479111 ;
C r
b. 13 1 11 7 14 8 5 15 12 10 4 2 3 9 6;
C. 1312 11714 8 515110 4 2 3 9 6;
d. 5 3 11 13 2 14 6 15 1 8 4 7 9 10 12;
e. 5 3 15 13 2 14 6 10 1 8 4 7 9 11 12;
f. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6;
g. 131157148510121142396;
-: 3j_j_0 714 8_l)J5J1J1-4 2_3~9_6:
L 5.:.W 13 2 14_610 1_8~;7 91s]_2t
A.a, b
8 . e, f
C. a, c
P_._h
E. f, i
!I
'Ff .-Selec_lia~supravietuitorilor este_determinata de _!::alitate _si/s_au_factorul yarstai
8. Recombinarea este realizata rareori;
~- E_ste inter,tionata determina1..ea_u11uLp_gt 111ai im g!obaJ;
10. Structura cromozomiala difera daca functia este translatata
~-),4,i~
B. 2,3,5,9
C.1,3,5,7
0.4,7,9, 10
E.1,2,3,4,7
A.3,5,7,12
B.1,4,5,8
C.6,7,8,10,11
D.2,4,5,6,7
~ _.a_,·1Q,14
r
7. Este utilizata doar in probleme fara constrangeri;
[ :Este]i!iUzata_~u proba_!>ilitate.mare;
9. Este utilizata cu probabilitate mica;
t1_0. Este e_fectu_ata iterati-t
11 . Este efectuata o singura data, dupa prima etapa de selectie a parintilor
~ 2,4,6,8,J0l
B.2,6,7,8,9;
C.3,4,5,8,9
D.1,3,5,7,9;
E.2,4,5
As.i J t]} In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor:
C-pu.bul
IJJ,u,f;w. 1. Poate fi oricare dintre : siruri binare, siruri de numere intregi, siruri de numere reale, permutari
2. Poate fi numai de tip sir de numere intregi sau reale
it ~- p_oateJL.flumaLtip_si(uri~de.nurn...e.r.e reale
t[ Nu influ!frit~aza.ti~ de...r.__e co_mbiDa1eJ ol osit(discreta/intermedrara};
5. Se alege in functie de problema care se rezolva;
6. lnfluenteaza tipul de recombinare folosit;
/
7 · Are influenta asupra mecanismului de selectie a generatiei urmatoare;
(LReprezentare~
2.Probabilitatea de mutatie
~ -Eunctia-de evaluare
4.Probabilitatea de recombinare
~.Populatia
6.Generarea de numere aleatoare
iMecanisr:nuLae.selectie_a pa_ctntilor
8.Generarea de permutari
9.Reprezentarea grafica a evolutiei calitatii
[ 0.Ope1atoriid_~variaHe
11 .Stabilirea diversitatii genetice a populatiei
12. Mecanisaw~d_eJriiocuireAP_OpulatieLcu~ente;
13.Hillclimbing
04.lnitiali~ ~latiei;
ft_5_:"C_onditiaj:lej ermirra[e
~. 1,3,5,7, 10,12,14, 1~
B.1,3,5,6, 10, 13, 14, 15
C.2,4,6,8, 11 ,13
D.1,2,5,6,7,14, 15
E.2,4,5,9, 15
0
~ .3,6,8,12; B.3,6,7,8; C.2,5,8, 12; 0 .1,2.4,5; E.4,6,7,8;
A.5;
B.1,3;
C.6,7,8;
D.9,10;
~~2~
9-:are din urmatorii operator! pot fi utilizati intr-un algoritm genetic care foloosete
reprezentarea prin siruri de numere reale?
1.Negarea
2.Negarea fuzzy
3.resetarea pseudo-aleatoare
4.Resetarea determinista;
~.Mu tatia uniforma;
p.,mutatia neunifo
_r_l!l_a_c_u_-distrib_utii/ixataj
7.mutatia locala;
8.1nterschimbarea;
9.lnserarea
1O;Mutatia rapida;
11 .Amestecul;
12.Mutatia globala;
13.lnversiunea;
M.Uoipur;ci
~.Multi: punci
p_G: Uniforina
17.Recombinarea radacinilor;
if8.Antmet1cil,St"1Plai
~ ~.Antmetica_singu!ar~;
~O.Aritmetica tota!al
21.Recombinarea sirurilor maxime;
22.Partially mapped crossover;
23.Recombinarea in oridine;
24.Recombinarea muchiilor;
25.recombinarea ciclica
A.1,3,4,7, 10,13,16,17,20
8. Toti operatorii de mai sus
C.3,4,5,6, 7, 12,18, 19,21
D.2,7, 10,12,17,21
}:.s,6:H, 1s,1GJ1a.J].,20
-e
Fie urmatorii doi cromozoml de tip permutare:{6,3,11,7,14,8,5,15,1,2,4, 13,9,10,12}
sl {7,1,15,13,2,14,6,10,12,11,4,8,3,9,5}. Aplicand operatorul de recombinare OCX, cu
pozitiile 4 si 8 se obtin descententii:
a . 531513214610128479111
b. 13 1 11 7 14 8 5 15 12 10 4 2 3 9 6
C. 13 12 11 7 14 8 5 15 1 10 4 2 3 9 6
d . 531113214615184791012
e . 531513214610184791112
f. 13 12 11 7 14 8 5 15 1 1O 4 2 3 9 6
13 I JO . . ~) C g.131 15714 510121142396
_ .J 3 1_10 714 8_51 5.12J 14_2~396
5" 3 . .. /f f2. t.._ 53 1113.) J 4 6_10 -C:S-4 7 9_15 12
j . 5 3 1513 2 14 610 12 8 4 7 9111
A. c,d
B. f,i
~.) l:i
D. c,j
E. a,b
A.2,3,4
!3.1,4,6
C.1,3,5,7
D.2,4,6
E.2,4,6,6
~.2.~.7 1
B.1,5,8
C.3,5,6
D.2,3,4,5
~ J c.l>'\j') E.1,4, 7,8
A (x,y)si(1,4)
f(.. (~.YL Si.(2,5)
C. (y,x)si(1,4)
D. (y,x) si (2,5)
E. (y,x) si (1,5)
J ,I~ @ Fie urmatorul cromozom de tip permutare {7, 6, 12, 14,310, 8, 15, 11, 5, 4, 1, 13, 2, 9}
,1 JS In urma aplicarii operatorului de mutatie prin amestec s-a obtinut cromozomul
;.. Jr., {7, 14, 13, 12, 1, 15, 2,8,6, 3, 11, 5, 10, 4, 9}. Cele doua pozitii utilizate pentru amestec
i 1{ sunt:
3. 3si15
4. 4 si 8
5. t2 s115
6. 1 si 12
7. '2:sl 1~•
8. 2si13
9. si 151
10. 1 si 13
11 . 3si13
A. 5,10
CB ,5-;7,9
C. 6,7,9
D. 6,2
E. 2
A. 4,8
8 . 1,6
C. 3,7
D. 2,5
_.4_2,~
~i.~
8 .1,4,5
C.1,3,5
D.2,3,6
E.2,4,6
A.1,4,6,7
B.3,4,6,8
C.1,2,4,6
0 .1,5,7,8
~,1,2:-sJ
flJ.
l7'
In cadrul unui algorltm din clasa strategiilor evolutive, autoadaptlbilitatea se refera la:
A. Functia fitness
B. Distributia de probabilitate de selectie;
C. Modelul de selectie
D.~SpatiuLRarametriloj
E. Modelul de selectie al parintilor
Partea V (2020)
.
TEST CURS ~!@URE loo ~ 0
@ n algoritmii genetici, reprezentarea prin permutari
Alege\i o op\iune:
r A.
Nu pennite utilizarea de operatori de recombinare
r B.
Nu permite mai mull de doua gene cu aceeasi valoare intr-un cromozom
r. i-- --- ----·-
9 . N~esita_operatori ge v_ari~tie specjal_defini\i
r D. Nu este utilizata
r E.
Nu permite utilizarea de operatori de muta\ie
~ intr-un algoritm evolutiv, functia fitness: 1. Evalueaza calitatea algoritmului; 2. Trebuie selectata
~eator. 3. Evalueaza viteza de gc'lsire a solutiei fata de consumul de resurse; 4. Trebuie modificata la
fiecare iteratie; 5. Selecteaza indivizii care se vor reproduce; 6. Selecteaza indivizii care tree in
generatia urmatoare; 7. Evalueaza calitatea populatiei curente fata de cea a populatiei initiate; 8.
Evalueaza calitatea populafiei curente fata de cea din generatia anterioara; 9. Evalueaza calitatea
fiecarui candidat.
Alegeti o optiune:
r a. 6,7,8
r
b. 2,3
r
C. 1.3
r
r. g.9
r
e. 4,5
Alege\i o op\iune:
r a . 4,8, 11
r b . 1.7
r. r - -
~- 2, _4, 5, 6,_g
r d.6,8, 11
r e.2,3,4,5,6, 11
De cate ori trebuie rotit bratul ruletei simple pentru a executa intregul proces de selectie al
parintilor, pentru o populatie cu tz cromozomi?
• 0 data
~ De 2•tz orl
---- -
• Detz ori
• De 10 ori
• De tz/2 ori
Pentru problemele in care reprezentarea prin permutari semnifica ordinea de aparitie a unor
evenimente, operatorul de recombinare folosit este:
• lncrutisarea aritmetica singulara
• lncrutisare unipunct
• IPX
• OCX (Order crossover)
• lncrutisare uniforma
Care din urmatoarele este un dezavantaj al utilizarii distributiei de probabilitate de selectie tip
FPS?
• Convergenta asimptotica
• Convergenta lenta
L. Convergenta pr ematur~
• Eliminarea indivizilor slabi
• Selectarea celor mai buni indivizi
Pentru a pastra cat mai bine informatia referitoare la pozitiile absolute ale alelelor in cromozomii
parinti se foloseste operatorul:
• lncrutisare multipunct
• CX (Cycle Crossover)
• ECX (Edge Crossover)
• OCX (Order Crossover)
• PMX (Partially mapped crossover)
De cate ori trebuie rotit bratul ruletei milti-brat pentru a executa intregul proces de selectie al
parintilor, pentru o populatie cu k indivizi?
~ Oda~
• De 2*k ori
• De k ori
• Nu exista ruleta multi-brat
• De k/2 ori
'
• Turnirul
• Nici unul
• Toate produc rezultate la fel de apropiate
1/24
lntr-un algoritm evolutive, functia de tip calitate:
I
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 tree in generatia urmatoare
8.Contine un factor aleator
9.Evalueaza calitatea populatiei curente
1O.Evalueaza calitatea populatiei curente fata de cea din generatia anterioara
• 6,7,8
• 1,3
I
• 9,10
•
~ ·-
~
5
. 2·4
I
J
2/24 I
Componentele algoritmilor evolutive sunt:
1.Reprezentarea
2.Probabilitatea de mutatie
3.Functia de evaluare
I
I
4.Probabilitarea de recombinare
5.Populatia
6.Generarea de numere aleatoare
7.Mecanismul de selectie a parintiilor
8.Generarea de permutari
9.Reprezentarea grafica a evolutiei calitatii
10.Operatorii de variatie
11.Stabilirea diversitatiigenetice a populatiei
12.Mecanismul de inlocuire a populatiei curente
13.Hillclimbing
14.lnitializarea populatiei
15.Conditia de terminare
• 2,4,5,9, 15
~ _ 1,3,5,7,1_0,12,1~ .1~
• 2,4,6,8,11,13
• 1,2,5,6,7,14,15
• 1.3,5,6,10,13,14,15
3/24
In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor
1. Are influenta asupra mecanismului de selectie a generatiei urmatoare
~.Poate fi numai de_siru[i de numere reaj
3. Se alege in functie de problema care se rezolva
4. Poate fi numai de tip siruri de numere intregi sau reale
~.Nuj nfluenteaza tipuLde J1lUtatiej_olosit(dis_crete/neaiscr:_etaj
6.lnfluenteaza tipul de recombinare folosit
r,.c_o..(ltinELatat descriereajndivj duluLcandidat cat si parametrii care .. J
8. Poate fi oricare dintre ele: siruri binare, siruri de numere intregi, siruri de numere reale,
permutari
4/24
lntr-un algoritm evolutive, functia fitness:
1.Evalueaza calitatea algoritmului
2. Trebuie selectata aleator
3.Evalueaza viteza de gasire a solutiei fata de consumul de resurse
4.Trebuie modificata la fiecare iteratie
5. Selecteaza indivizii care se vor reproduce
6.Selecteaza indivizii care tree in generatia urmatoare
7.Evalueaza calitatea populatiei curente fata de cea a populatiei initiale
8.Evalueaza calitatea populatiei curente fata de cea din generatia anterioara
9.Evalueaza calitatea fiecarui candidat
• 1,3
• 2,3
~ 9
• 4,5
;-
• 6,7,8
5/24
Tipurile de problem
e care pot fi rezolvate pe baza calculului evolutive sunt:
1 · P ro b lemele de optimizare
2 -Probleme de cautare in spatial solutiilor
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 vehiculelor
r
it 1.4.E!
• 2.4.6.8
• 2.4.6
• 2.3.4
• 1.3.5.7
6/24
In algoritmii genetici,reprezentarea prin permutari
~ Arenevoie de_operatorl._special definitj
• Nu permite mai mult de 2 gene cu aceeasi valoare intr-un cromozom
• Nu este utilizata
• Nu permite utilizarea de operatori de recombinare
• Nu permite utilizarea de operatori de mutatie
7/24
In algoritmii genetici, reprezentarea prin permutari
• Nu permite utilizarea de operatori de mutatie
L ~e_c~ll~ opJ?catori de vsiriatie special_fJefiniti
• Nu permite mai mult de 2 gene cu aceeasi valoare intr-un cromozom
• Nu permite utilizarea de operatori de recombinare
8/24
In cadru unui algoritm genetic operatia de mutatie
L s_e_apltcajisup_r._a desc~ nde.Dtilor_pJodu_sideoperatia de reco_!l1binare
• Se aplica doar daca diversitatea genetica scade sub un prag x dat
• Se utilizeaza doar in probleme cu constrangeri
• Se efectueaza o singura data, dupa generarea populatiei initiale
• lntotdeauna produce indivizi fezabili
~ _Poate sa produca indiyizi..11efezablli
L ~@_p[.obabilftate mic~
• Se aplica asupra mutlisetului de parinti
• Se aplica imediat inaintea fiecarei etape de selectie a generatiei urmatoare
• Se aplica asupra populatiei curente
'
9/24
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
~ Utiliz~aza_p..9p__l! l~ tia de_copjj
• Este realizata cu probabilitate mica
• Este utilizata doar in probleme ce constrangeri
• Este efectuata imediat ce este disponibila o populatie de copii
• Utilizeaza populatia curenta
~ _ Este efectuata iterativ
,- --
!__Este_Jj~J ip_neuniforrr,
• Determina structura cromozomiala
• Alege pentru mutatie in medie jumatate de indivizi
• Este efectuata o singura data pe parcursul unui algoritm
10/24
Algoritmul Hillclimbing:
1.Se aplica asupra unui singur punct din spatial de cautare
2.Aplicarea se poate repeta pentru mai multe puncte pentru a creste performantele
3.Este inspirat din tehnicile de alpinism
4 .Gaseste intotdeauna solutia optima
5.Gaseste uneori solutia optima
6.Calculele se incheie atunci cand temperature sistemului devine 0
7.De obicei gaseste un punct de optim local
8.Se utilizeaza numai pentru reprezentarea cu siruri de numere reale
L.1_2.s.z
• 1.4.6.7
• 1.2.4.7
• 3.4.6.8
• 1.5.7.8
11/24
Fie X=[ 6 1 8 10 5 7 9 3 4 2] si Y=[ 9 8 7 3 6 1 5 10 4 2] permutari. Care urmasi sunt generatii
prin utilizarea operatorului CX?
• C1=[26781051934],C2=[28136751049]
L _ C1 ; L6~8 7 10 5 1 9_3- 4 2 ]J ~2~L9_1.8.3 .6 7'5_10'"..42]
• C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 91836751041
• C1 =[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 ]
• C1=Y,C2=X
12/24
In cadrul unui algoritm genetic operatia de selectie a parintilor:
• Este utilizata doar in probleme cu costrangeri
~ Este- efectuata,iterativ
i - --~ - -- - ...
• Este efectuata imediat inaintea fiecarei procedure de mutatie
• Este efectuata o singura data pe parcursul unui algoritm genetic
• µtilizeaz~pulatia_cur.en t~
• lntotdeauna este bazata pe o distributie de probabilitate de selectie
• Allege in general indivizi pe baza factorului varsta
•~ e efectuata o singura data dupa prima etapa de generare a unei populatii
~ Este efectuata- imediat ce este disponi bila populatie- curenta eva luate
o
L PoateJi_realizata pri_l}_utfilza_rea unei distributii_g_e P.JObabilfta_tede selectie
13/24
Fie urmatorii 2 cromozomi de tip permutare: {6 3 11714 8 515124 13 910 12} si {7 115 13 2
14 6 10 12 11 4 8 3 9 5}. Aplicand operatorul de recombinare PMX, cu pozitiile 4 si 8 se obtin
descendentii:
• F,i
~ HJ
• E,f
• A,b
• A,c
14/24
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
7.Mutatia locala
8 .Interschimbarea
9.lnserarea
10.Mutatia rapida
11.Amestecu
12.Mutatia globala
13.lnversiunea
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 de mai sus
r 5.!_s .14._1 5., 1s.1s.19.20
r
• 3.4 ..6.7.12.18.19.21
• 2.7.10.12.17.21
• 1.3.4.7.10.13.16.17.20
15/24
Calculul evolutive este inspirat din:
• Societatea cunoasterii
• Revolutia industriala
• Societatea informationala
• Noua revolutie agrara
L E't_oluti<LD.aturala_b_i_
oJ_o.,..
g-ic_,
a
16/24
In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
~ S_e..ilQlica g_SJ.!_Qra p~oputatiei cure~
• Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca foloseste
selectia bazata pe varsta.
• Duce la cresterea calitatii medii a populatiei curente
~- lndivizii alesl sunt intotdeauna fezabil'
J ·- .. .--. - - ....
~ U_!1e.9ri utU_izeazaJ actori aleatorJ
• Asigura perpetuarea individului cu calitate maxima din populatia curenta
• Utilizeaza intotdeauna factori aleatori
L.l n unele_y_ar.Lante necesita calcula[ea_u11el..d~1db_
utii d_e_probabjl_itate_de_saj_ecti~
• Se aplica la inceputul fiecarei iteratii
L s.e aplica: as_up@_descendentilor obti!lutLdin_populaj@suren t"!
17/24
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 pentru el
4.Probabilitatea de selectie a unui individ in multisetul parintilor este data de pozitia individului in
ierarhia 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
• 2.4.6.7
• Nici una din variantele A,B,C,E
L J.3.5.~
• Nu exista algoritm genetic canonic
• 2.3.6.7.9
18/24
In cadrul unui algoritm evolutive populatia initiala
• Este generate utilizand distributia de probabilitate uniforma
• Este generate la inceputul fiecarui ciclu evolutive
• Este setata pe multimea vida
-- ------
• Este generate dupa fiecare ciclu evolutiv
~ ...
!.... Este_generate aleatoiY.
• Este generate utilizand distributia pe probabilitate normala
L Est~ ge~erate in.aio}~a i11ceperjJe_y_2tu!fei ~ropriu_~se
19/24
In cadrul unui algoritm genetic operatia de recombinare:
~ _Utilizeaza populatia
, ~·
de
-
parinti_ , _ _ _ - ~----.,...-.---1
! - EsJ_e_efectuata imediat dupa _fiei;are _et~pa_de_setecti_
e_a_parintilo_r
,---- -
• Este efectuata o singura data dupa prima etapa de selectie a parintilor
~-· - --·-- -:-,
!..._Este _efectuata_imediat inainteaJ iecarei_proceduri_de muta_tie
• Este utilizata cu probabilitate mica
I - ·-~- -.
• Este efectuata iterati _
• Este utilizata doar in probleme fara constrangeri
• In general probabilitatea de recombinare nu conteaza in rezolvarea problemelor prin
algoritmi genetici
• Este efectuata o singura data pe parcursul unui algoritm genetic
[ Este_utilizati:cupro~abilitate-111are
. M
20/24
In algoritmii genetici, reprezentarea prin siruri de numere intregi
L_E P.reierabilajiuncica'QcfP-entruji~carsi gena_sunt posffiflem~LmUlt__ge_2_v_aLori "dL~ti!)_ClE!
• Este preferabila pentru probleme de optimizare
• . Este doar un exercitiu de implementare, nefiind necesara
• Nu poate fi utilizata in cazul atributelor ordinale
• Nu este utilizata in algoritmi genetici
21/24
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de recombinare:
• Alege pentru recombinare in medie jumatate din indivizi
• Este utilizata doar in probleme cu constrangeri
C l .ste .efectu~Ja1te_r_at~
• Este efectuata o singura data, dupa prima etapa de generare a unei populatii
l _petermina-obtfnerea 'unuirnuTtfset de coom ~.)
• Este efectuata o singura data pe parcursul unui algoritm
r- Utilize~za_populatTaCU(en~
• Determina structura cromozomiala
C Este untipjocalsau gtobai
• Este realizata cu probabilitate mica
.... ....
22/24
In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor:
1.se aplica asupra populatiei curente
~.in-unele v.?riante necesita calcularea_unei distributii de_probabilitate de~selectie
3.utilizeaza intotdeauna factori aleatori
~.alege generatia urmatoare dintre indivizii~disponibili dupa operatia de mutati~
~Jndimii alesi sunt intotdeauna fezabill
p.u!}eori utilizeaza factori aleatori ,
7 .asigura perpetuarea individului cu calitate maxima din populatia curenta
8.duce la cresterea calitatii medii a populatiei curente
9.garanteaza obtinerea unei generatii cu calitate medie superioara, daca foloseste selectia
bazata pe varsta
10.se aplica la inceputul fiecarei iteratii
11 .se aplica asupra descendentilor obtinuti din populatia curenta
~ 2.se-aplica asup.r__~ populatieLcurente sia supra descendentilorobtinuti_drnpopulatia curenta
• 4.8.11
~ 2.4.~ 6.12
• 6 .8.11
• 2.3.4.5.6.11
• 1.7
23/24
In algoritmii genetici, reprezentarea binara
!...6. fast pril'!lui tip_de reprezenta_r_e a_cr9m__ozomilocJn algoritmi geneticj
• Este cea mai utilizata varianta de reprezentare a genotipurilor
• Duce mereu la rezultate optime
• Nu depinde de problema rezolvata
• Nu e utilizata pentru algoritmi genetici
24/24
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 obtinut cromozomul {7, 14, 13, 12, 1, 15,
2, 8, 6, 3, 11, 5, 10, 4, 9}. Cele 2 pozitii utilizate pentru arnestec sunt:
• 2 si 13
• 4 si 8
I
! 2 si.1~
L 1_sL1 4
• 1 si 12
r---
!... 2 sjJ_~
• 3 si 15
• 3 si 13
• 4 si 15
r-:;--.-~
!-.l_s tj§
SUBJECT RUMBA+ nistc printscrccn-uri
Alcgcti raspunsul corcct dintrc variantclc A/B/C/D/E - un singur rl'ispuns corcct.
@3,4, 7, 9
B. 2, 3, 5, 9
C. 1, 3, 5, 7
D. 4, 7, 9, 10
E. 1, 2, 3, 4, 7
A. 3,5, 7, 12
D. 1, 4, 5, 8
C. 6, 7, 8, 10, 11
D. 2, 4, 5, 6, 7
@), 8, 10, 12
10. Estc efcctuatii o singura datii, dupii prima etapii de sclcc1ie a pimn\ilor. .l f !v / "' ' ,1,-,.,...;•._,,,
~ 2, 4, 6, 8, 10
B. 2, 6, 7, 8, 9
C. 3, 4, 5, 8, 9
D. 1, 3, 5, 7, 9
I E. 2, 4, 8, 10, 11
(] Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de numcrc rcalc,
permutari;
A. 1,2,4,5
B. 1, 3, 4, 6
£. 4,5,6
(DJ 1, 5, 6
E. 2,4,5
@E preferabila atunci cand pentru fiecare genli sunt posibile mai mult de douli valori
distincte;
E. Nu este utilizata in algoritmi genetici.
1. Poate fi oricare dintre: ~iruri binare, ~iruri de numere 1ntregi, ~iruri de numere reale,
permutari;
2. Poate fi numai de tip ~iruri de numere 1ntrcgi sau realc;
u
A. 1, 7
B.1,3,4
C. 2,4, 5
@3,4
E.2,4,5,6
ns:, ,o ~1
,~ I.["
02
7. omponentele algoritmilor evolutivi sunt:
{J1 Reprezentarea;
2. Probabilitatea de mutatie;
G) Functia de evaluare;
4. Probabilitatea de recombinare;
@ Populatia;
6. Gcnerarea de numere aleatoare;
@ Operatorii de variatie;
11. Stabilirea diversitatii genetice a populatiei;
(gJ Mecanismul de inlocuire a populatiei curente;
13. Hillclimbing;
~ Initializarea populatiei;
15. Conditia de terminare.
i(~ 1, 3, 5, 7, 10, 12, 14, 15
B. 1, 3, 5, 6, 10, 13, 14, 15
C.2,4,6,8, 11, 13
D. 1, 2, 5, 6, 7, 14, 15
E.2,4,5,9, 15
@ 3, 6, 8, 12
B. 3, 6, 7, 8
C. 2, 5, 8, 12
D. l,2,4,5
E.4,6, 7,8
'l L
cl I 1 v·
@ntr-un algoritm evolutiv, functia de tip calitate:
d
-
0) Evalucaza calitatea fiecarui candidat;
3. Evalueaza viteza de gasire a solu\iei fa\a de consumul de re5 urse;
A. S
B. 1, 3
C. 6, 7, 8
D. 9, 10
@ 2, 4
10. Fie urmatorul cromozom vector de numere intrcgi: 13, l 0, 8, 16, 11, 4. 6, 0 ... fiind
definita pe {1 , 2, ...,100}. in urma aplicarii ... resetare aleatoare poate fi ob\inut
individul:
A. 1,2,3,6
B. 1, 2, 3, 5
C . 2, 4, 5, 6
D. 1, 4, 5, 6
E.4, 5,6, 7
@ 2, 10
B. 3, 4, 7
C. 2, 5
D. 6,9
E. 7, 8, 10
r
J1 ,~ ~r1(,(;:;\ . .
~ Care din unnatorii operatori pot fi utilizati intr-un algontm genetic care folose~te
)I (~ 1
0
reprezentarea prin ~iruri de numere reale?
1. Negarea;
2. Negarea fuzzy;
3. Resetarea pseudo-aleatoare;
4. Resetarca deterrninista·
'
® Mutatia unifonna;
® Mutatia neunifonna cu distributie fixata;
7. Mutatia locala;
8. Interschimbarea;
9. Inserarea;
Q3) Unipunct;
@ Multipunct;
~ Uniforma;
17. Recombinarea radacinilor;
@ Aritmetica simplli;
@ Aritmetica singulara;
~ Aritmetica totala;
21. Recombinarea ~irurilor maxime;
@Fie urmatorii doi cromozomi de tip pennutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13,
9, 10, 12} ~i {7, 1, 15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicand operatorul de
recombinare OCX, cu pozitiile 4 ~i 8 sc obtin descendentii:
a. 5 3 15 13 2 14 6 10 12 8 4 7 9 11 1.,
b. 13 1 11 7 14 8 5 15 12 10 4 2 3 9 6·
'
c. 13 12 11 7 14 8 5 15 I IO 4 2 3 9 6·
'
d. 5 3 11 13 2 14 6 15 8 4 7 9 10 12;
e. 5 3 15 13 2 14 6 10 1 8 4 7 9 11 12;
f. 13 12 11 7 14 8 5 15 10 4 2 3 9 6·
I
g. 13 15 7 14 8 5 10 12 11 4 2 3 9 6;
(5 13 I 10 7 14 8 5 15 12 11 4 2 3 9 6;
~5 3 11 13 2 14 6 10 I 8 4 7 9 15 12;
L.} ·
j.5 3 15 13 2 14 6 10 12 8 4 7 9 11 I.
A.c,d
B. f, i
©h,i
D. c, j
E. a, b
A, 1,, @Tipurile de probleme care pot fi rezolvate pe baza calculului cvolutiv sunt:
(D Problcme de optimizare;
2. Probleme de geometrie;
~ Probleme de modelare;
5. Problemc de validare a datelor;
@Problemc de simulare;
7. Alocarea dinamica a datclor in memoria calculatorului;
A. 2,3,4
@ 1,4, 6
C. 1, 3, 5, 7
D. 2, 4, 6
E.2,4,6,8
o/ ~ "). \.J
I I
Qin cadrul unui algoritm genetic conditia de oprire:
1. Poate lipsi;
@ 2,4,7
B. 1, 5, 8
C.3,5,6
D. 2, 3, 4, 5
E. 1, 4, 7, 8
A. {x, y) ~i (1, 4)
@(x, y) si (2, 5)
C. (y, x) ~i (1 , 4)
D. {y, x) ~i (2, 5)
E. (y, x) ~i (1, 5)
(
A. Nu permite utilizarea de operatori de recombinare
B. Nu permite utilizarea de operatori de mutatie
E. Nu este utilizata
A,S,1 , ~ @ Fie urma_torul cromozom de tip permutare: (7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1,
13, 2, 9). In unna aplicarii operatorului de mutatie prin amestcc s-a obtinut
cromozomul: (7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, IO, 4, 9). Cele doua pozitii utilizate
pentru amestec sunt:
CD 1 ~i 14;
2.4~i15;
3. 3 ~i 15;
4. 4 ~i 8;
@. 2 ~i 15;
6. 1 ~i 12;
A. 5, 10
@ 1, 5, 7, 9
C. 6, 7, 9
D. 6
E.2
A. 4, 8
B. 1, 6
C. 3, 7
D. 2,5
<@ 2,9
J L j..-
fl -,
@~
2 . In cadrul uni algoritm evolutiv populafia inifiala:
2. Este generata dupa fieca re ciclu evolutiv (care presupune efectuarea operaf iilor de
selecfie, recombinare, mutatie, evaluare);
A.1,2, 4,5,6
B. 5, 7
C. 1, 2, 4, 7
D. 2, 5, 7
@ 1,4,5
@Algoritmul Hillelimbing:
A. 1, 4, 6, 7
8. 3, 4, 6, 8
C. 1,2,4, 7
D. 1, 5, 7, 8
@) ,2,5,7
A. Functia fitness
B. Distributia de probabilitate de selec\ie
C. Modul de selectie a generatiei unnMoare
@ spatiul parametrilor
E. Modul de selectie a parintilor
...- --
I
in cadrul algoritmilor genetici, generatia unnatoare este selectata dintrc:
A. Parintii selectati;
B. Indivizii gencratiei curente ~i descendenJii obJinuJi dupa etapa de mutaJic;
C. Descendentii generatiei curente;
D. Indivizii generatiei curente
E. Descendenti obtinuti in urma etapei de recombinare;
Pentru pastrarea relat iilor comune din cromozomii parint i, se folose~te operatorul de
recombinare:
A. PMX (Partially Mapped Crossover)
B. Nu exista un operator pentru acest scop
C. ECX (Edge Crossover)
D. incruci~are de tip tumeu
E. incruci~are binara
A. Ruleta complicata
B. Tumir
C. Genitor
D. Ruleta multi-brat
E. Ruleta simpla
Recombinarea multipla:
A. Nu se poate baza pe frecventa alelclor
B. Este o generalizare a operatiilor de recombinare pentru reprczentarea cu
permutari
C. Are echivalent biologic
D. Este cea mai buna optiune pentru algoritmii genetici
E. Produce rezultate mai bune doar in uncle cazuri particulare
I
Care mecanism de selectie produce rezultate mai apropiate de distributia de
probabilitate de selectie calculata?
De cate ori trebuie rotit bratul ruletei multi-brat pentru a executa intregul proces de
selectie a parinfilor, pentru o populatie cu k indivizi:
A. De k ori
B. 0 data
C. Nu exista Ruleta multi-brat
D. De k/2 ori
E. De 2*k ori
• 0 data
• De 2•tz ori
•
•
•
Pentru problemele in care reprezentarea prin permutari semnifica ordinea de aparitie a unor
evenimente, operatorul de recombinare folosit este:
Care din urmatoarele este un dezavantaj al utilizarii distributiei de probabilitate de selectie tip FPS?
• Convergenta asimptotica
• Convergenta lenta
• onverg-enta:p:rematura
• Eliminarea indivizilor slabi
• Selectarea celor mai buni indivizi
Care din urmatoarele nu este un model de distributie de probabilitate folosit pentru eta pa de selectie:
• FPS cu ferestre
• FPS
•
• Ranguri liniare
• FPS cu sigma scalare
Pentru a pastra cat mai bine informatia referitoare la pozitiile absolute ale alelelor in cromozomii parinti
se foloseste operatorul:
' -.
• lncrutisare multipunct
• OC(Cyc e:.__crossover)J
• ECX (Edge Crossover)
• OCX (Order Crossover)
• PMX (Partially mapped crossover)
De cate ori trebuie rotit bratul ruletei milti-brat pentru a executa intregul proces de selectie al parintilor,
pentru o populatie cu k indivizi?
• ata
• De 2•k ori
• De kori
• Nu exista ruleta multi-brat
• De k/2 ori
Care mechanism de selectie produce rezultate mai apropiate de distributia de probabilitate de selectie
calculate?
•
• Ruleta multi-Brat
• Ruleta simpla
• Genitor
• Turnir
8
lntr-un algoritm evolutive, functia de tip calitate:
4.Trebuie maximizata
• 6,7,8
• 1,3
• 9,10
• 5
• CT,4'>
&J
Componentele algoritmilor evolutive sunt:
1.Reprezentarea
2.Probabilitatea de mutatie
3.Functia de evaluare
d
4.Probabilitarea de recombinare
5.Populatia
8.Generarea de permutari
10.Operatorii de variatie
13.Hillclimbing
14.lnitializarea populatiei
15.Conditia de terminare
• 2,4,5,9,15
• .;3;5;7 1Q,lb 14:1~
• 2,4,6,8,11,13
• 1,2,5,6,7,14,15
• 1,3,5,6,10,13,14,15
€:) N ~ C, rnJ~
Componentele algoritmilor evolut1ve sunt:
1.Reprezentarea
2.Probabilitatea de mutatie
3.Functia de evaluare
4.Probabilitatea de recombinare
5.Populatia
8.Generarea de permutari
10.Operatorii de variatie
14.lnitializarea populatiei
15.Conditia de terminare
• 2,4,5,9,15
• :3;2.L-iu;12,u,1SJ
• 2,4,6,8,11,13
• 1,2,5,6,7,14, 15
• 1,3,5,6,10,13,14,15
®
lntr-un algoritm evolutive, functia fitness:
1.Evalueaza calitatea algoritmului
2. Trebuie selectata aleator
• 1,3
• 2,3
•
• 4,5
• 6,7,8
®
Tipurile de probleme care pot fi rezolvate pe baza calculului evolutive sunt:
1.Problemele de optimizare
2.Probleme de cautare in spatial solutiilor
4.Probleme de modelare
S.Probleme de validare a datelor
6.Probleme de simulare
• IE
• 2.4.6.8
• 2.4.6
• 2.3.4
• 1.3.5.7
@)
In algoritmii genetici,reprezentarea prin permutari
•
• Nu permite mai mult de 2 gene cu aceeasi valoare intr-un cromozom
• Nu este utilizata
• Nu permite utilizarea de operatori de recombinare
• Nu permite utilizarea de operatori de mutatie
@
In algoritmii genetici, reprezentarea prin permutari
(5)
In cadru unui algoritm genetic operatia de mutatie
d
.
I
G}
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
• umnzeaza),opotattnle copll'
• Este realizata cu probabilitate mica
• Este utilizata doar in probleme ce constrangeri
• Este efectuata imediat ce este disponibila o populatie de copii
•
•
•
• Determina structura cromozomiala
• Alege pentru mutatie in medie jumatate de indivizi
• Este efectuata o singu ra data pe parcursul unui algoritm
9
Algoritmul Hillclimbing:
2.Aplicarea se poate repeta pentru mai multe puncte pentru a creste performantele
0• 1.4.6.7
• ·1.2.4.7
• 3.4.6.8
• 1.5.7.8
@)
Fie X=[ 618 10 5 7 9 3 4 2] si Y=[ 9 8 7 3 61510 4 2) permutari. Care urmasi sunt generatii prin
utilizarea operatorului CX?
• Cl=[ 2 6 7 8 10 S 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9]
• l=[:§.:B:z..IO:S.l:.93 ] [21:--~ ( 9'1 8:-3 1 4
• Cl=[ 8 7 10 S 1 9 3 4 2 6 ), C2=[ 2 9 1 8 3 6 7 5 10 4 I
• Cl=[ 6 7 8 10 S 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 2 )
• Cl=Y, C2=X
GiJIn cadrul unui algoritm genetic operatia de selectie a parintilor:
@
Fie urmatorii 2 cromozomi de tip permutare: {6 3 11714 8 5 15 12413 9 10 12} si {7 115 13 2 14 6 10
12 114 8 3 9 5}. Aplicand operatorul de recombinare PMX, cu pozitiile 4 si 8 se obtin descendentii:
• F,i
• E,f
• A,b
• A,c
e
Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care foloseste reprezentarea prin
siruri de nu mere reale:
1.Negarea
2.Negarea Fuzzy
3.resetarea aleatoare
4.Fluaj
5.Mutat ia uniforma
6.Mutatia neuniforma
7.Mutatia locala
8.lnterschimbarea
9.lnserarea
10.Mutatia rapida
11.Amestecu
-- - -
I
I
12.Mutatia globala
13.lnversiunea
14.Unipunct
15.Multipunct
16.Uniforma
17.Recombinarea radacinilor
18.Aritmetica simpla
19.Aritmetica singulara
20.Aritmetica totala
22.PMC
23.Recombinare de ordine
24.Recombinarea muchilor
25.Recombinarea Ciclica
, act ll«.,W. 111.v.l
• t5'6:1!t:13':'16.18.1~:20)
• 3.4 ••6.7.12.18.19.21
• 2.7.10.12.17.21
• 1.3.4.7.10.13.16.17.20
@
Calculul evolutive este inspirat din:
• Societatea cunoasterii
• Revolutia industriala
• Societatea informationala
• Noua revolutie agrara
• Evolutia naturala bioto-gtca,
@
In cadrul unui algoritm evolutive populatia initiala
• Este generate utilizand distributia de probabilitate uniforma
• Este generate la inceputul fiecarui ciclu evolutive
• Este setata pe multimea vida
• Este generate dupa fiecare ciclu evolutiv
• Est eneratec1leato
• Este generate utilizand distributia pe probabilitate normala
• ~ en-erateJoalOt a I ~lirevolutiei-propriu-zise
I
BIn cadrul unui algoritm genetic operatia de recombinare:
•
•
•
•
• Este utilizata cu probabilitate mica
• ste efe-ctoatTltffatlv
• Este utilizata doar in probleme fara constrangeri
• In general probabilitatea de recombinare nu conteaza in rezolvarea problemelor prin algoritmi
genetici
• Este efectuata o singura data pe parcursul unui algoritm genetic
• (Este util za a cu pro a 6Uitate m re
<Ev
In algoritmii genetici, reprezentarea prin siruri de numere intregi
@
In cadrul unui algoritm din clasa strategiilor evolutive, operatia de recombinare:
@
In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor:
9.garanteaza obtinerea unei generatii cu calitate medie superioara, daca foloseste selectia bazata pe
varsta
• 4.8.11
• 6.8.11
• 2.3.4.5.6.11 ....,
• 1.7
<!ii)
lna l orit mii genetici r P.rezentarea binara
@
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 obtinut cromozomul {7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, S, 10, 4,
9}. Cele 2 pozitii utilizate pentru amestec sunt:
• 2 Si 13
• 4 Si 8
• z._s·
~ 4 '
• 1 si 12
2 sl 151
• 3 si 15
• 3si 13
2E-8.5-25.5
C€ 0) Tipurile de probleme care pot ft rezolvate pe baza calculul evolutiv sunt: Probleme
de optlmizare (1), Probleme de modelare (4), Probleme de simulare (6) -> 1,4,6
OMS (B).
0 Care din urmatorii operatori pot ft utilizati intr-un algoritm genetic care foloseste
reprezentarea prin siruri reale? Mutatia uniforma (5), Mutatia neuniforma cu •
distributie fixata (6), Aritmetica simpla (18), Aritmetica singulara (19), Aritmetica
C\ totala (20), Unipunct (14), Multipunct(15), Unifonna(16)-> (A)
~ In algoritmii genetici, reprezentarea prin siruri de numere intregi: e preferabila atunci
cand pentru fiecare gena sunt posibile mai mutt de doua valori distincte (D).
@ In algoritmii genetici, reprezentarea prin permutari: neceslta operator! de variatie
special definiti (D).
G) Calculul evolutiv este inspirat de: evolutia naturala biologica (A).
(!)Algoritmul Hillclimbing: se apllca asupra unul slngur punct din spatlul de cautare
(1), Aplicarea de poate repeta pentru mai multe puncte pentru a creste
performantele (2), De obicei gaseste un punct de optim local (7), Gaseste uneori
solutia optima (5)
Later edit: nu gaseste ·mereu solutia optima.(closed) - Cezar
\
(!)
In algoritmii genetici, reprezentarea binara: (B) A fest primul tip de reprezentare a
cromozomilor In algoritmll genetic!
) @ Caracteristicile unui algoritm genetic clasic: (E)1,3,5,8 --1.Reprezentarea populatiei
este realizata prin intermediul sirurilor binare, 3.Probabilitatea de selectie a unul
individ in multisetul parintilor este proportionala cu valoarea functiei de evaluare
pentru el; 5. Probabilitatea efectuarll unel mutatii este mica; 8.Probabilitatea
efectuarii recombinarii este mare
@ lntr-un algoritm evolutiv, functia de tip calitate: Evalueaza calitatea fiecarui candidat
(2), Trebuie maximizata{4) (B)
@ componentele algoritmilor evolutivi sunt: reprezentarea, functia de evaluare,
populatla, mecanismul de selectare a parintilor, operatorii de variatie,
mecanismul de selectare a membrilor generatiel urmatoare, definirea modului
de initializare(populatia initiala) si definirea conditlei terminate => raspuns
corect: {B)
~ALBEfJ:=:.S!GUF
~---
~ ERDE :f""jf:fCER
--~--_..,..__..,~-·
_,__ ______T;
..,_,,_
,.,.
d
\
~ Fie urmatorii doi cromozoml de tip pennutare {6, 3, 11,7, 14, 8 5, 15, 1, 2, 4, 13, 9 1
(s)_
a. ·
1n ~ad~ul_u_~u_
l a_lg~~itm_din c~asa strateglltor evolutive, operatia de recomblnare:
Este de tip local.sau global
b. Este efectuata o singura data pe parcursul unui algoritm
c. Alege pentru recombinare in medie jumatate de indivizi
d. Este realizata cu probabilitate mica
e. Determina structura cromozomiala
f. . ._Utilizeaza poplatia ·cui-enta
g. Este efectuata o singura data, dupa prima etapa de generare a unei populatii
h. Determlna .ol:>tirierea _uiiui :rri'ultiset ·de :copii ·i,;:·genei-a{de :dimen·siun1fr1af'ma'ri
comparativ' cu popu.latia cl.irenta.
i. Este utilizata dear in probleme cu constrangeri
j. : .. Este efectuata·iterativ
r
!...... Poate. fi realizata prin utilizarea unei distributii ·d e probabilifate.!'.f~ :s.eJecti_e
~ Fie urmatorul cromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2,
~ In urma aplicarii operatorului de mutatie prin amestec s-a obitnut cromozomul {7, 14,
13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 1o, 4, 9 }. Cele doua pozitll utilizate pentru amestesc sunt:
7, 6.12.14. 3, 10. 8.15.11, 5, 4, 1, 13, 2, 9
7,14,13,12,1,15,2,8,6,3,11,5,10, 4, 9
a. 3 si 13
6:·· .. :.fsi'1s
~-- ..1 :;5U4.
d. 4 si 8
e. 1 si 12
f. 4 si 15
g. 3 si 15
h. 2 si 13
i. :: : :2 .si ~4.
j. .... · ·2 si:15
k. 1 si 13
(Ori e doar I, ori e E,G,H,1-Cezar)
eu as zice b/c/i/j pentru case aplica mutatia o singura data
d
k. Se aplica asupra descendentilor obtinuti din populatia curenta
Structura EA
111
Pas 1. lnifializeaza populafie. Construie?te Pi prin alegere aleatoare
u Pas 3. Repeta
• 3.1. Selecteaza parin1i 'BJ>i f; J>i
• 3.2. Recombina perechi (sau n.-Jt,m!Yd) de parin1i => progenituri
• 3.3. Aplica mutafii asupra progeniturilor => noi candidati
• 3.4. Evalueaza noii candida\~
• 3.5. Selecteazii indivizii pentru generatia urmatoare Pi+i
• 3.6. i ~ i + 1
~ Pina cind este satisfacuta condifia de terminare
Structura GA
·- ·--
i +- 0
Pas1 . lni/ilizarea popu/afie"r. 'Pi este obtinuta prin generarea aleatoare a
candida\ilor la solu\ie
Pas2. Eva/uarea candidafilor. pentru fiecare x e 'P1, determina f ~x)
Pas3. Repet~
3.1. Selecteaza mul\imea de parin\i 'B'P;
3.2. Recombin~ perechi (sau n-tupluri) de parinti
3.3, Efectueaza mutafii asupra progeniturilor rezultate
3.4. Evalueaz~ noii ca~dida\i la solu\ie _
3.5. Selecteaza indiv1zii pentru constituirea genera1iei urmatoare, J>i+ 1:
3.6. i +- i + 1
pana cand (Cond~ie_terminare este s-atisfactita)
d
Partea I:
1. În algoritmii genetici, rerezentarea prin șiruri de numere întregi
1. Este preferabila pentru probleme de optimizare
2. Este doar un exercitiu de implementare, nefiind necesara
3. E preferabila atunci cand pentru fiecare gena sunt posibile mai mult de doua valori
distincte
4. nu este utilizata in algoritmi genetici
5. Nu poate fi utilizata in cazul atributelor ordinale
2. In algoritmii genetici, reprezentarea prin permutări
1. Nu permite utilizarea de operatori de mutatie
2. Nu este utilizata
3. Are nevoie de operatori special definiti (Vezi cursul II: - Slide 19)
4. Nu permite utilizarea de operatori de recombinare
5. Nu permite mai mult de doua gene cu aceeasi valoare intr-un cromozom
3. 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
1. 2,4,6
2. 1,4,6(Vezi cursul I: Introducere: - Slide 9 si 10)
3. 2,4,6,8
4. 1,3,5,7
5. 2,3,4
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;
1. 6,7,8
2. 5
3. 2,4(Vezi cursul I: Introducere - Slide 11)
4. 1,3
5. 9,10
5. In algoritmii genetici, reprezentarea binara
1. Este cea mai utilizata varianta de reprezentare a genotipurilor
2. Nu e utilizata pentru algoritmi genetici
3. A fost primul tip de reprezentare a cromozomilor in algoritmi genetici(Vezi cursul
2: Slide 14)
4. Duce mereu la rezultate optime
5. Nu depinde de problema rezolvata
6. 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. 1,2,5,6,7,14,15
2. 1,3,5,7,10,12,14,15
3. 2,4,6,8,11,13
4. 2,4,5,9,15
5. 1,3,5,6,10,13,14,15
7. Calculul evolutiv este inspirat din
1. Revolutia industriata
2. Societatea cunoasterii
3. Societatea informationala
4. Noua revolutie agrara
5. Evolutia naturala biologica(Vezi cursul I: Introducere - Slide 6)
8. 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. 1,2,5,7
2. 1,5,7,8
3. 1,2,4,7
4. 1,4,6,7
5. 3,4,6,8
9. 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.
1. Nu exista algoritm genetic canonic
2. 2,4,6,7
3. 1,3,5,8(Speram, doamne ajuta)
4. Nici una din variantele A,B,C,E
5. 2,3,6,7,9
10. 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
1. Toti operatorii de mai sus
2. 2,7,10,12,17,21
3. 1,3,4,7,10,13,16,17,20
4. 3,4,5,6,7,12,18,19,21
5. 5,6,14,15,16,18,19,20
Partea II:
1. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
1. Este utilizata doar in probleme cu constringeri
2. Este realizata cu probabilitate mica
3. Utilizeaza populatia curenta
4. Utilizeaza populatia de copii
5. Determina structura cromozomiala
6. Este de tip neuniform
7. Alege pentru mutatie in medie jumatate de indivizi
8. Este efectuata o singura data pe parcursul unui algoritm
9. Este efectuata iterativ
10. Este efectuata imediat ce este disponibila o populatie de copii
2. In cadrul unui algoritm genetic operatia de recombinare:
1. Este efectuata o singura data dupa prima etapa de selectie a parintilor
2. Este utilizata cu probabilitate mica
3. In general probabilitatea de recombinare nu conteaza in rezolvarea
problemelor prin algoritmi genetici
4. Este efectuata o singura data pe parcursul unui algoritm genetic
5. Este efectuata imediat inaintea fiecare proceduri de mutatie
6. Este efectuata imediat dupa fiecare etapa de selectie a parintilor
7. Este utilziata cu probabilitate mare
8. Este efectuata iterativ
9. Este utilizata doar in probleme fara constrangeri
10. Utilizeaza populatia de parinti
3. In cadrul unui algoritm evolutiv populatia initiala
1. Este generata la inceputul fiecarui ciclu evolutiv
2. Este generata utilizand distributia pe probabilitate normala
3. Este generata inaintea inceperii evolutiei propriu-zise
4. Este generata dupa fiecare ciclu evolutiv
5. Este generata utilizand distributia de probabilitate uniforma
6. Este generata aleator (Vezi cursul I: Introducere - Slide 11)
7. Este setata pe multimea vida
4. Fie urmatorii doi cromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4,
13, 9 ,10 ,12 } si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicand operatorul
de recombinare PMX, cu pozitile 4 si 8 se obtin descendentii.
1. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
5. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de
recombinare:
1. Este de tip local sau global
2. Este efectuata o singura data pe parcursul unui algoritm
3. Alege pentru recombinare in medie jumatate de indivizi
4. Este realizata cu probabilitate mica
5. Determina structura cromozomiala
6. Utilizeaza poplatia curenta
7. Este efectuata o singura data, dupa prima etapa de generare a unei
populatii
8. Determina obtinerea unui multiset de copii in …
9. Este utilizata doar in probleme cu constrangeri
10. Este efectuata iterativ
6. In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea
cromozomilor
1. Influenteaza tipul de recombinare folosit
2. Se alege in functie de problema care se rezolva
3. Poate fi numai de tip siruri de numere intregi sau reale
4. Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de
numere reale, permutari
5. Are influenta asupra mecanismului de selectie a generatiei urmatoare
6. Nu influenteaza tipul de mutatie folosit(discreta/ nediscreta)
7. Poate fi numai de siruri de numere reale
8. Contine atat descrierea individului candidat cat si parametrii care ..
7. In cadrul unui algoritm genetic operatia de selectie a parintilor
1. Intotdeauna este bazata pe o distributie de probabilitate de selectie
2. Utilizeaza populatia curenta
3. Este efectuata o singura data pe parcursul unui algoritm genetic
4. Este utilizata doar in probleme cu constringeri
5. Este efectuata imediat inaintea fiecarei proceduri de mutatie
6. Este efectuata imediat ce este disponibila o populatie curenta evaluata
7. Este efectuata o singura data dupa prima etapa de generare a unei
populatii
8. Alege in general indivizi pe baza factorului varsta
9. Utilizeaza populatia de copii mutati
10. Utilizeaza populatia de copii
11. Este efectuata iterativ
12. Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
8. 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:
1. 3 si 13
2. 1 si 15
3. 1 si 14
4. 4 si 8
5. 1 si 12
6. 4 si 15
7. 3 si 15
8. 2 si 13
9. 2 si 14
10. 2 si 15
11. 1 si 13
9. In cadrul unui algoritm genetic operatia de mutatie
1. Are probabilitate mica
2. Se aplica doar daca divesitatea genetica scade sub un prag x dat
3. Intotdeauna produce indivizi fezabili
4. Se aplica asupra descendentilor produsi de operatia de recombinare
5. Se aplica asupra mutlisetului de parinti
6. Se aplica asupra populatiei curente
7. Se utilizeaza doar in probleme cu constrangeri
8. Poate sa produca indivizi nefezabili
9. Se efectueaza o singura data, dupa generarea populatiei initiale
10. Se aplica imediat inaintea fiecarei etape de selectie a generatiei
urmatoare
11. Se utilizeaza doar in problemele fara constrangeri
12. Nu foloseste factori aleatori.
10. In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
1. Utilizeaza intotdeauna factori aleatori
2. In unele variante necesita calcularea unei distributii de probabilitate de
selectie
3. Indivizii alesi sunt intotdeauna fezabili
4. Duce la cresterea calitatii medii a populatiei curente
5. Se aplica la inceputul fiecarei iteratii
6. Uneori utilizeaza factori aleatori
7. Se aplica asupra populatiei curente
8. Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca
foloseste selectia bazata pe varsta.
9. Asigura perpetuarea individului cu calitate maxima din populatia curenta
10. Alege generatia urmatoare dintre indivizii disponibili dupa operatia de
mutatie
11. Se aplica asupra descendentilor obtinuti din populatia curenta
Partea I:
1. În algoritmii genetici, rerezentarea prin șiruri de numere întregi
1. Este preferabila pentru probleme de optimizare
2. Este doar un exercitiu de implementare, nefiind necesara
3. E preferabila atunci cand pentru fiecare gena sunt posibile mai mult de doua valori
distincte
4. nu este utilizata in algoritmi genetici
5. Nu poate fi utilizata in cazul atributelor ordinale
2. In algoritmii genetici, reprezentarea prin permutări
1. Nu permite utilizarea de operatori de mutatie
2. Nu este utilizata
3. Are nevoie de operatori special definiti (Vezi cursul II: - Slide 19)
4. Nu permite utilizarea de operatori de recombinare
5. Nu permite mai mult de doua gene cu aceeasi valoare intr-un cromozom
3. 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
1. 2,4,6
2. 1,4,6(Vezi cursul I: Introducere: - Slide 9 si 10)
3. 2,4,6,8
4. 1,3,5,7
5. 2,3,4
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;
1. 6,7,8
2. 5
3. 2,4(Vezi cursul I: Introducere - Slide 11)
4. 1,3
5. 9,10
5. In algoritmii genetici, reprezentarea binara
1. Este cea mai utilizata varianta de reprezentare a genotipurilor
2. Nu e utilizata pentru algoritmi genetici
3. A fost primul tip de reprezentare a cromozomilor in algoritmi genetici(Vezi cursul
2: Slide 14)
4. Duce mereu la rezultate optime
5. Nu depinde de problema rezolvata
6. 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. 1,2,5,6,7,14,15
2. 1,3,5,7,10,12,14,15
3. 2,4,6,8,11,13
4. 2,4,5,9,15
5. 1,3,5,6,10,13,14,15
7. Calculul evolutiv este inspirat din
1. Revolutia industriata
2. Societatea cunoasterii
3. Societatea informationala
4. Noua revolutie agrara
5. Evolutia naturala biologica(Vezi cursul I: Introducere - Slide 6)
8. 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. 1,2,5,7
2. 1,5,7,8
3. 1,2,4,7
4. 1,4,6,7
5. 3,4,6,8
9. 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.
1. Nu exista algoritm genetic canonic
2. 2,4,6,7
3. 1,3,5,8(Speram, doamne ajuta)
4. Nici una din variantele A,B,C,E
5. 2,3,6,7,9
10. 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
1. Toti operatorii de mai sus
2. 2,7,10,12,17,21
3. 1,3,4,7,10,13,16,17,20
4. 3,4,5,6,7,12,18,19,21
5. 5,6,14,15,16,18,19,20
Partea II:
1. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
1. Este utilizata doar in probleme cu constringeri
2. Este realizata cu probabilitate mica
3. Utilizeaza populatia curenta
4. Utilizeaza populatia de copii
5. Determina structura cromozomiala
6. Este de tip neuniform
7. Alege pentru mutatie in medie jumatate de indivizi
8. Este efectuata o singura data pe parcursul unui algoritm
9. Este efectuata iterativ
10. Este efectuata imediat ce este disponibila o populatie de copii
2. In cadrul unui algoritm genetic operatia de recombinare:
1. Este efectuata o singura data dupa prima etapa de selectie a parintilor
2. Este utilizata cu probabilitate mica
3. In general probabilitatea de recombinare nu conteaza in rezolvarea
problemelor prin algoritmi genetici
4. Este efectuata o singura data pe parcursul unui algoritm genetic
5. Este efectuata imediat inaintea fiecare proceduri de mutatie
6. Este efectuata imediat dupa fiecare etapa de selectie a parintilor
7. Este utilziata cu probabilitate mare
8. Este efectuata iterativ
9. Este utilizata doar in probleme fara constrangeri
10. Utilizeaza populatia de parinti
3. In cadrul unui algoritm evolutiv populatia initiala
1. Este generata la inceputul fiecarui ciclu evolutiv
2. Este generata utilizand distributia pe probabilitate normala
3. Este generata inaintea inceperii evolutiei propriu-zise
4. Este generata dupa fiecare ciclu evolutiv
5. Este generata utilizand distributia de probabilitate uniforma
6. Este generata aleator (Vezi cursul I: Introducere - Slide 11)
7. Este setata pe multimea vida
4. Fie urmatorii doi cromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4,
13, 9 ,10 ,12 } si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicand operatorul
de recombinare PMX, cu pozitile 4 si 8 se obtin descendentii.
1. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
5. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de
recombinare:
1. Este de tip local sau global
2. Este efectuata o singura data pe parcursul unui algoritm
3. Alege pentru recombinare in medie jumatate de indivizi
4. Este realizata cu probabilitate mica
5. Determina structura cromozomiala
6. Utilizeaza poplatia curenta
7. Este efectuata o singura data, dupa prima etapa de generare a unei
populatii
8. Determina obtinerea unui multiset de copii in …
9. Este utilizata doar in probleme cu constrangeri
10. Este efectuata iterativ
6. In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea
cromozomilor
1. Influenteaza tipul de recombinare folosit
2. Se alege in functie de problema care se rezolva
3. Poate fi numai de tip siruri de numere intregi sau reale
4. Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de
numere reale, permutari
5. Are influenta asupra mecanismului de selectie a generatiei urmatoare
6. Nu influenteaza tipul de mutatie folosit(discreta/ nediscreta)
7. Poate fi numai de siruri de numere reale
8. Contine atat descrierea individului candidat cat si parametrii care ..
7. In cadrul unui algoritm genetic operatia de selectie a parintilor
1. Intotdeauna este bazata pe o distributie de probabilitate de selectie
2. Utilizeaza populatia curenta
3. Este efectuata o singura data pe parcursul unui algoritm genetic
4. Este utilizata doar in probleme cu constringeri
5. Este efectuata imediat inaintea fiecarei proceduri de mutatie
6. Este efectuata imediat ce este disponibila o populatie curenta evaluata
7. Este efectuata o singura data dupa prima etapa de generare a unei
populatii
8. Alege in general indivizi pe baza factorului varsta
9. Utilizeaza populatia de copii mutati
10. Utilizeaza populatia de copii
11. Este efectuata iterativ
12. Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
8. 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:
1. 3 si 13
2. 1 si 15
3. 1 si 14
4. 4 si 8
5. 1 si 12
6. 4 si 15
7. 3 si 15
8. 2 si 13
9. 2 si 14
10. 2 si 15
11. 1 si 13
9. In cadrul unui algoritm genetic operatia de mutatie
1. Are probabilitate mica
2. Se aplica doar daca divesitatea genetica scade sub un prag x dat
3. Intotdeauna produce indivizi fezabili
4. Se aplica asupra descendentilor produsi de operatia de recombinare
5. Se aplica asupra mutlisetului de parinti
6. Se aplica asupra populatiei curente
7. Se utilizeaza doar in probleme cu constrangeri
8. Poate sa produca indivizi nefezabili
9. Se efectueaza o singura data, dupa generarea populatiei initiale
10. Se aplica imediat inaintea fiecarei etape de selectie a generatiei
urmatoare
11. Se utilizeaza doar in problemele fara constrangeri
12. Nu foloseste factori aleatori.
10. In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
1. Utilizeaza intotdeauna factori aleatori
2. In unele variante necesita calcularea unei distributii de probabilitate de
selectie
3. Indivizii alesi sunt intotdeauna fezabili
4. Duce la cresterea calitatii medii a populatiei curente
5. Se aplica la inceputul fiecarei iteratii
6. Uneori utilizeaza factori aleatori
7. Se aplica asupra populatiei curente
8. Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca
foloseste selectia bazata pe varsta.
9. Asigura perpetuarea individului cu calitate maxima din populatia curenta
10. Alege generatia urmatoare dintre indivizii disponibili dupa operatia de
mutatie
11. Se aplica asupra descendentilor obtinuti din populatia curenta
4. Fie urmatorii doi cromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2,
a)Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
recombinare:
cromozomilor
selectie
8. Fie urmatorul cromozom de tip permutare {7, 6, 12, 14, 3, 10, 8, 15, 11, 5,
selectie
c)E preferata atunci cand pentru fiecare gena sunt posibile mai mult de 2 valori distincte
8.Algoritmul hillClimbing:
a) 1.Se aplica asupra unui singur punct din spatiul de cautare, 2.Aplicarea se poate repeta pentru mai
multe puncte pentru a creste performanta, 5.Gaseste uneori solutia optima, 7.De obicei gaseste un
punct de optim local
10. Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care foloseste
e) 5.Mutatia uniforma, 6. Mutatia neuniforma cu distributie fixata, 14. Unipunct; 15; Multipunct; 16.
Uniforma; 18; Aritmetica simpla; 19. Aritmetica singulara; 20 Aritmetica totala;
Partea I:
1. În algoritmii genetici, rerezentarea prin șiruri de numere întregi
1. Este preferabila pentru probleme de optimizare
2. Este doar un exercitiu de implementare, nefiind necesara
3. E preferabila atunci cand pentru fiecare gena sunt posibile mai mult de doua valori
distincte
4. nu este utilizata in algoritmi genetici
5. Nu poate fi utilizata in cazul atributelor ordinale
2. In algoritmii genetici, reprezentarea prin permutări
1. Nu permite utilizarea de operatori de mutatie
2. Nu este utilizata
3. Are nevoie de operatori special definiti (Vezi cursul II: - Slide 19)
4. Nu permite utilizarea de operatori de recombinare
5. Nu permite mai mult de doua gene cu aceeasi valoare intr-un cromozom
3. 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
1. 2,4,6
2. 1,4,6(Vezi cursul I: Introducere: - Slide 9 si 10)
3. 2,4,6,8
4. 1,3,5,7
5. 2,3,4
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;
1. 6,7,8
2. 5
3. 2,4(Vezi cursul I: Introducere - Slide 11)
4. 1,3
5. 9,10
5. In algoritmii genetici, reprezentarea binara
1. Este cea mai utilizata varianta de reprezentare a genotipurilor
2. Nu e utilizata pentru algoritmi genetici
3. A fost primul tip de reprezentare a cromozomilor in algoritmi genetici(Vezi cursul
2: Slide 14)
4. Duce mereu la rezultate optime
5. Nu depinde de problema rezolvata
6. 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. 1,2,5,6,7,14,15
2. 1,3,5,7,10,12,14,15
3. 2,4,6,8,11,13
4. 2,4,5,9,15
5. 1,3,5,6,10,13,14,15
7. Calculul evolutiv este inspirat din
1. Revolutia industriata
2. Societatea cunoasterii
3. Societatea informationala
4. Noua revolutie agrara
5. Evolutia naturala biologica(Vezi cursul I: Introducere - Slide 6)
8. 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. 1,2,5,7
2. 1,5,7,8
3. 1,2,4,7
4. 1,4,6,7
5. 3,4,6,8
9. 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.
1. Nu exista algoritm genetic canonic
2. 2,4,6,7
3. 1,3,5,8(Speram, doamne ajuta)
4. Nici una din variantele A,B,C,E
5. 2,3,6,7,9
10. 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
1. Toti operatorii de mai sus
2. 2,7,10,12,17,21
3. 1,3,4,7,10,13,16,17,20
4. 3,4,5,6,7,12,18,19,21
5. 5,6,14,15,16,18,19,20
Partea II:
1. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie:
1. Este utilizata doar in probleme cu constringeri
2. Este realizata cu probabilitate mica
3. Utilizeaza populatia curenta
4. Utilizeaza populatia de copii
5. Determina structura cromozomiala
6. Este de tip neuniform
7. Alege pentru mutatie in medie jumatate de indivizi
8. Este efectuata o singura data pe parcursul unui algoritm
9. Este efectuata iterativ
10. Este efectuata imediat ce este disponibila o populatie de copii
2. In cadrul unui algoritm genetic operatia de recombinare:
1. Este efectuata o singura data dupa prima etapa de selectie a parintilor
2. Este utilizata cu probabilitate mica
3. In general probabilitatea de recombinare nu conteaza in rezolvarea
problemelor prin algoritmi genetici
4. Este efectuata o singura data pe parcursul unui algoritm genetic
5. Este efectuata imediat inaintea fiecare proceduri de mutatie
6. Este efectuata imediat dupa fiecare etapa de selectie a parintilor
7. Este utilziata cu probabilitate mare
8. Este efectuata iterativ
9. Este utilizata doar in probleme fara constrangeri
10. Utilizeaza populatia de parinti
3. In cadrul unui algoritm evolutiv populatia initiala
1. Este generata la inceputul fiecarui ciclu evolutiv
2. Este generata utilizand distributia pe probabilitate normala
3. Este generata inaintea inceperii evolutiei propriu-zise
4. Este generata dupa fiecare ciclu evolutiv
5. Este generata utilizand distributia de probabilitate uniforma
6. Este generata aleator (Vezi cursul I: Introducere - Slide 11)
7. Este setata pe multimea vida
4. Fie urmatorii doi cromozomi de tip permutare {6, 3, 11,7, 14, 8, 5, 15, 1, 2, 4,
13, 9 ,10 ,12 } si {7, 1, 15,13,2, 14,6,10,12,11,4,8,3,9, 5}. Aplicand operatorul
de recombinare PMX, cu pozitile 4 si 8 se obtin descendentii.
1. Siruri de numere
x2 = {13,1,10,7,14,8,5,15,12,11,4,2,3,9,6}
y2 = {5,3,11,13,2,14,6,10,1,8,4,7,9,15,12}
5. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de
recombinare:
1. Este de tip local sau global
2. Este efectuata o singura data pe parcursul unui algoritm
3. Alege pentru recombinare in medie jumatate de indivizi
4. Este realizata cu probabilitate mica
5. Determina structura cromozomiala
6. Utilizeaza poplatia curenta
7. Este efectuata o singura data, dupa prima etapa de generare a unei
populatii
8. Determina obtinerea unui multiset de copii in …
9. Este utilizata doar in probleme cu constrangeri
10. Este efectuata iterativ
6. In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea
cromozomilor
1. Influenteaza tipul de recombinare folosit
2. Se alege in functie de problema care se rezolva
3. Poate fi numai de tip siruri de numere intregi sau reale
4. Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de
numere reale, permutari
5. Are influenta asupra mecanismului de selectie a generatiei urmatoare
6. Nu influenteaza tipul de mutatie folosit(discreta/ nediscreta)
7. Poate fi numai de siruri de numere reale
8. Contine atat descrierea individului candidat cat si parametrii care ..
7. In cadrul unui algoritm genetic operatia de selectie a parintilor
1. Intotdeauna este bazata pe o distributie de probabilitate de selectie
2. Utilizeaza populatia curenta
3. Este efectuata o singura data pe parcursul unui algoritm genetic
4. Este utilizata doar in probleme cu constringeri
5. Este efectuata imediat inaintea fiecarei proceduri de mutatie
6. Este efectuata imediat ce este disponibila o populatie curenta evaluata
7. Este efectuata o singura data dupa prima etapa de generare a unei
populatii
8. Alege in general indivizi pe baza factorului varsta
9. Utilizeaza populatia de copii mutati
10. Utilizeaza populatia de copii
11. Este efectuata iterativ
12. Poate fi realizata prin utilizarea unei distributii de probabilitate de selectie
8. 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:
1. 3 si 13
2. 1 si 15
3. 1 si 14
4. 4 si 8
5. 1 si 12
6. 4 si 15
7. 3 si 15
8. 2 si 13
9. 2 si 14
10. 2 si 15
11. 1 si 13
9. In cadrul unui algoritm genetic operatia de mutatie
1. Are probabilitate mica
2. Se aplica doar daca divesitatea genetica scade sub un prag x dat
3. Intotdeauna produce indivizi fezabili
4. Se aplica asupra descendentilor produsi de operatia de recombinare
5. Se aplica asupra mutlisetului de parinti
6. Se aplica asupra populatiei curente
7. Se utilizeaza doar in probleme cu constrangeri
8. Poate sa produca indivizi nefezabili
9. Se efectueaza o singura data, dupa generarea populatiei initiale
10. Se aplica imediat inaintea fiecarei etape de selectie a generatiei
urmatoare
11. Se utilizeaza doar in problemele fara constrangeri
12. Nu foloseste factori aleatori.
10. In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor
1. Utilizeaza intotdeauna factori aleatori
2. In unele variante necesita calcularea unei distributii de probabilitate de
selectie
3. Indivizii alesi sunt intotdeauna fezabili
4. Duce la cresterea calitatii medii a populatiei curente
5. Se aplica la inceputul fiecarei iteratii
6. Uneori utilizeaza factori aleatori
7. Se aplica asupra populatiei curente
8. Garanteaza obtinerea unei generatii cu calitate medie superioara. Daca
foloseste selectia bazata pe varsta.
9. Asigura perpetuarea individului cu calitate maxima din populatia curenta
10. Alege generatia urmatoare dintre indivizii disponibili dupa operatia de
mutatie
11. Se aplica asupra descendentilor obtinuti din populatia curenta
1 intrebare
Corect
Alegeti o optiune:
a. 2,3
• b. 2, v
C. 1,3
d.4
e. 3,5
Raspunsulcorecteste:2,5
2 intrebare
Corect
r, lntrebare cu flag
Alege1i o op1iune:
a. 5
b. 2,3,4
C. 2,4
• d. 1, ~
e. 1,5
Alegeti o optiune:
a. 2,4,5, ~
b. 1, 10
C. 2,4, 6,9
d. 6, 8, 11
e.4,8, 11
Raspunsulcorecteste:2,4,5,6
4 intrebare
4 intrebare
lncorect
v lntrebare cu flag
Alege1i o op1iune:
a. Este preferabila pentru problemele
de optimizaroc
r, lntrebare cu flag
Alegeti o optiune:
a. Este utilizata 1n general 1n maniera
nedeterminista
c. Nu este utilizata
reprezentarea cromozomiala
r, lntrebare cu flag
Alegeti o optiune:
a. se alege Tn functie de dimensiunea
populatiei
v intrebare cu flag
• a. 2,4, 5, ~
b. 2,4,6
C. 1,2,3,4, 5,6
d.4,5,6
e. 2,3,4,5,6
Raspunsulcorecteste:2,4,5,6
8 intrebare
Corect
Algoritmii genetici
Alegeti o optiune:
a. S1nt metode deterministe de cautare
1n spa1iul solu1iilor
deterministe
v lntrebare cu flag
Algoritmul ES2M:
Alegeti o optiune:
• a. Este algoritmul auto-adaptiv primar
V intrebare cu flag
Alege1i o op1iune:
a. 2, 4,5,6, 1~
b. 2,3,4, 5,6, 11
C. 1, 7
d. 6,8, 11
e.4, 8, 11
Raspunsulcorecteste:2,4,5,6, 12
11 intrebare
Corect
r, lntrebare cu flag
Alege1i o op1iune:
• a. 1, 4, ~
b. 1,3,5, 7
C. 2,3,4
d. 2,4,6,8
e. 2,4,6
Alegeti o optiune:
• a. ,c
b. 2
C. 1,5
d. 2,5
e. 1
Alegeti o optiune:
• a. (y,x) 9i (1,4,C
b. (y,x) 9i (2,5)
C. (x,y) 9i (1,4)
d. (x,y) 9i (2,5)
e. (y,x) 9i (1,5)
• a. 2, 4, 6, 8, 1 ~
b. 1,3,5, 7,8
C. 2,3,5,6,9
d. 2,4,6, 7,9
e. 1,3,6, 7, 10
Raspunsulcorecteste:2,4,6, 7,9
15 intrebare
lncorect
Alegeti o optiune:
a. Niciuna din celelalte variantoc
Alegeti o optiune:
• a. Nu permite utilizarea de operatori de
recombinaroc
c. Nu este utilizata
~, lntrebare cu flag
Alegeti o optiune:
• a. 1, 2, 4, 5, ~
b. 1,2,4, 7
C. 1,4,5
d. 2,5,7
e. 5, 7
Alege1i o op1iune:
• a. 1, 2, k
b. 3,4,5
C. 1,2,3
d. 2,4,5
e. 2,5,6
Raspunsulcorecteste:2,4, 5
19 1ntrebare
lncorect
lntrebare cu flag
Alege1i o op1iune:
a. 2, 5, 7, ~
b. 1,2,7,8
c. 4,8,9, 10
d. 2, 3,4,7
e. 2,4,6,8
Raspunsulcorecteste:2,4,6,8
20 intrebare
Corect
v lntrebare cu flag
Alege1i o op1iune:
b. Revolutia
, industriala
d. Societatea cunoasterii
,
e. Societatea informationala
,
Corect
11. 3 si 13.
'
Alege1i o op1iune:
a.6
b. 2
C. 6, 7,9
• d. 1,5, 7, Q,
e. 5, 10
Alegeti o optiune:
a. Toti operatorii de mai sus
d• 2, 7 10 12, 17 21
I I I
e. 3,4,5,6,7,12,18, 19,21
Raspunsulcorecteste: 5,6,14,15,16,18,19,
20
23 intrebare
Corect
v lntrebare cu flag
Alege1i o op1iune:
a. C1 =[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1
36751042]
• b. C1 =[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8
3 6 7 5 10 4 2~
c. C1 =[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1
83675104]
d. C1 =[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1
36751049]
e. C1 =Y, C2=X
v lntrebare cu flag
Alegeti o optiune:
• a. 1, 3, 4, ~
b. 2,4,5,6
C. 2,4,5,8
d.1,7,8
e. 3,4,8
Raspunsulcorecteste:3,4,8
25 intrebare
Corect
Alege1i o op1iune:
• a. 2, 5,9, 1~
b. 2,5,9, 10
C. 1, 5,6,8
d. 1, 4, 5, 7
e. 1,5,9, 10
Raspunsulcorecteste:~5,9,11
26 1ntrebare
lncorect
realizata rareori; 8. Se
urmare~te determinarea unui punct de maxim
global; 9. Structura cromozomiala difera daca
functia
, este translatata.
Alege1i o op1iune:
• a. 1, 3, 5, ,C
b.4,6,8
C. 3,6,8
d. 1,3,4, 7
e. 5,6, 7
Raspunsulcorecteste:3,6,8
27 intrebare
lncorect
v lntrebare cu flag
Alege1i o op1iune:
• a. a, OC
b. b,c
C. d,h
d. g, j
e. f, i
v lntrebare cu flag
Alege1i o op1iune:
a. 2,4,6,8, 11, 13
• b. 1,3,5, 7, 10, 12, 14, 1~
C. 1,2,5,6,7, 14, 15
d. 2,4,5,9, 15
Alegeti o optiune:
a. 1,4,6, 7
b. 1,2,4, 7
C. 1,5, 7,8
• d. 1, 2, 5, ~
e. 3,4,6,8
Raspunsulcorecteste: 1,2,5,7
301ntrebare
lncorect
Alege1i o optiune:
• a. 1, ~
b. 1,2, 7
C. 2,3, 7
d. 2,5,7
e.4,5, 7
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:31052
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUHcătre AMS, 30/,.. O Mindhunter Online... O Peaky Blinders OnlL
1 întrebare
Corect
y
nag
Întrebare cu
Recombinarea
Alegeţi o
multiplă:
opţiune:
I
d. este cea mai bună opţiLne pentru algoritmii genetici
2 întrebare Pentru păstrarea relaţiilor comune din cromozomii părinţi se foloseşte operatorul de recombinare:
corect
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:31052
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUHcătre AMS, 30/,.. O Mindhunter Online... O Peaky Blinders OnlL
3 întrebare
în cazul reprezentării cu şiruri de numere întregi, recombinările aritmetice:
Corect
I
nag b. se pot aplica dacă se face rotunjirea rezultatelOlit" Greşit
c. sînt interzise
... - .. -
== p ~Î CJ • m (iiiiii E] T' ~ ff' A Gi9 Li ✓,;. IJ) :~~ B~~~ 2Q .,
@ Applied Computer Science and X GA - Recombinare X + a X
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:31052
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUHcătre AMS, 30/,.. O Mindhunter Online... O Peaky Blinders OnlL
e. permutări
6 întrebare
corect
Your answer is correct.
Răspunsul
Schema
corect este: toate cele trei reprezentari cu şiruri
e. reprezentarea cromozomilor
... - .. -
== p ~Î CJ • m (iiiiii E] T' ~ ff' A Gi9 Li ✓,;. IJ) :~~ B~~:~
2
Q .,
@ Applied Computer Science and X GA - Recombinare X + a X
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:31052
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUHcătre AMS, 30/,.. O Mindhunter Online... O Peaky Blinders OnlL
7 întrebare
Ce aritate are operatorul de recombinare în algoritmii genetici (cîţi operatori utilizeaza)?
Corect
8 întrebare
corect
y
nag
Întrebare cu
Pentru a
Alegeţi o
păstra
opţiune:
cît mai bine
c. CX (Cycle crossove~
referitoare la poziţiile absolute ale alelelor în cromozomii
Corect
păriny se foloseşte operatorul:
I
d. OCX (Order crossover)
e. încrucişare multipunct
... - .. -
== p ~Î CJ • m (iiiiii E] T' ~ ff' A Gi9 Li ✓,;. IJ) :~~ B~~:~
2
Q .,
@ Applied Computer Science and X GA - Recombinare X + a X
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:31052
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUH către AMS, 30/,.. O Mindhunter Online... O Peaky Blinders OnlL
9 întrebare
Dacă aplicareaunui operator de recombinareproduceindivizi aberan~atunci:
Corect
1O întrebare
Pentru problemeleîn care reprezentareaprin permutări semnifică ordinea de apariţie a unor evenimente,operatorulde recombinarefolosit este:
Corect
I
flag b. OCX (Order crossove,-.Y Corect
c. încrucişare aritmetică singulară
d. lPX
e. încrucişare uniformă
Youranswer is correct.
GA - Selecţie X + a X
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:32344
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... O NCIS: New Or1eans... 0 webstudent.ase.ro/I... 4) Materiale Facultate... ~ BUH către AMS, 30/... O Mindhunter Online ...
I
1 întrebare Finalizare verificare
Care din urmatoarele este un model de populaţie?
Corect
c. Cu stari instabile
d. Cu dimensiune fixă
e. Părin~i selecta~
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:32344
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... O NCIS: New Or1eans... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUH către AMS, 30/... O Mindhunter Online ...
3 întrebare
Care din următoarele nu este un model de distribuţie de probabilitatefolosit pentru etapa de selecţie:
Corect
I
c. FPS cu ferestre
4 întrebare
Care din următoarele nu este un mecanismde selecţie?
Corect
c. Ruletă simplă
d. Ruletă complicate, Corect
e. Ruletă multi-braţ
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:32344
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... O NCIS: New Or1eans... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUH către AMS, 30/... O Mindhunter Online ...
5 întrebare Care din următoarele este un dezavantaj al utilizării distribu~ei de probabilitate de selecţie tip FPS?
Corect
c. Convergenţa lentă
d. Convergenţa asimptotică
6 întrebare
corect
Your answer is correct.
Răspunsul corect este: Convergenţa prematură
De cite ori trebuie rotit braţul ruletei simple pentru a executa întregul proces de selecţie a părinţilor, pentru o populaţie cu tz cromozomi?
I
Marcat 1,00din Alegeţi o opţiune:
1,00
a. De 10 ori
y Întrebare cu
nag b. o data
c. De 2*tz ori
d. De tz/2 ori
~ Captură de ecran salvată
e. De tz ofi, Corect ~ Captura de ecran a fost adaugata la
contul dvs OneD11ve
OnPnr,vP
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:32344
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... O NCIS: New Or1eans... 0 webstudent.ase.ro/1... 4) Materiale Facultate... ~ BUH către AMS, 30/... O Mindhunter Online ...
7 întrebare
De cîte ori trebuie rotit braţul ruletei multi-braţ pentru a execut întregul proces de selecţie a părin~lor, pentru o populaţie cu k indivizi?
Corect
e. o dat4' Corect
I
8 întrebare
Care mecanismde selecţie produce rezultate mai apropiate de distribuţia de probabilitatede selecţie calculată?
Corect
c. Turnirul
d. Toate produc rezultate la fel de apropiate
Captură de ecran salvată
e. Nici unul ~ Captura de ecran a fost adaugata la
contul dvs OneD11ve
OnPnr,vP
f-- ~ C i online.ase.ro/mod/quiz/review.php?attempt::c:32344
* o o
m Aplicaţii IJ Facebook - conecte... D YouTube O Filme si Seriale Onli... O FBI Online Subtitrat... O NCIS: New Or1eans... 0 webstudent.ase.ro/I... 4) Materiale Facultate... ~ BUH către AMS, 30/... O Mindhunter Online ...
9 întrebare
Mecanismul de selecţie turnir:
Corect
1O întrebare
Care din următoarele afirmaţii nu e adevărată pentru modelul generaţional?
Corect
ramareevolutivă şi algoritmige
pală I Cursurilemele/ Programare-C,Sem2(1806ju)/ 25 mal - 31 mai / Lucra
Decodificareatrebuie realizată:
AJegeţi o opţlune:
O b. Nu depinde de reprezentareaaleasă
Alegeţi o opţiune:
I l
a. 1,4,5, 7
o b.2,5,9, 10
(l C. 1,5,6,8
c, d.1,5,9,10
\!' e.2,5,9,11
• Safari File Edit VIew HIstory Bookmarks Wmdow Help O 00 ~ •·· ~ 91% Iii} g Mon 12.32 Q_ I@ :::
QUIZ NAVIGATION
17 întrebare Componentele algoritmilor evolutivi sînt: 1. Reprezentarea; 2. Probabilitatea de mutaţie; 3. Funcţia de evaluare; 4. Probabilitatea de
Nu a primit
recombinare; 5. Populaţia; 6. Generarea de numere aleatoare; 7. Mecanismul de selecţie a părinţilor; 8. Generarea de permutări; 9.
răspuns încă
Reprezentarea grafică a eve>uţiei calităţii; 1O. Operatorii de variaţie; 11. Stabilirea diversităţii genetice a populaţiei; 12. Mecanismul de
Marcat din 1,00
înlocuire a populaţiei curente; 13. Hillclimbing; 14. Iniţializarea populaţiei; 15. Condiţia de terminare.
~ Întrebare cu
flag
Alegeţi o opţiune:
O a.1, 3, 5, 7, 10, 12, 14, 15
0 b.2,4,5,9, 15
0 c.1,2,5,6,7,14,15
r, d.2,4,6,8, 11, 13
Fînîshanempt ...
Alegeţi o opţiune:
a. Nu este utilizată în algoritmigenetici
pe parcursul unui algoritm; 9. Determină structura cromozomială; 10. Utilizează populaţia curentă; 11. Este efectuată iterativ.
Alegeţi o opţiune:
@ a. 2, 5, 9, 11
0 b. 1, 4, 5, 7
Q C. 1, 5, 9, 10
0 d. 1, 5, 6, 8
O e. 2, 5, 9, 10
în algoritmiigenetici,operaţia de selecţie a părinţilor
Alegeţi o opţiune:
-
~ 1 a. Este utilizată în general în manieră nedeterministă
O b. Nu este utilizată
Alegeţi o opţiune:
a. d, h
b. g, j
C. f, Î
d. b,c
• e.a,e
• Safari File Edit VIew HIstory Bookmarks Wmdow Help CI 00 (l:i) •·· '$' 93 % liiJo g Mon 12:28 Q_ I@ :::
QUIZ NAVIGATION
13 întrebare Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sînt: 1. Probleme de optimizare; 2. Probleme de geometrie; 3.
Nuaprimrt
Prelucrarea datelor de dimensiune mare (big-data); 4. Probleme de modelare; 5. Probleme de validare a datelor; 6. Probleme de simulare; 7.
răspuns încă
Alocarea dinamică a datelor în memoria calculatorului; 8. Deplasarea autonomă a vehiculelor.
Marcat din 1,00
f" Întrebare cu
Alegeţi o opţiune:
flag
o a. 1, 4, 6
I) b. 2,4, 6, 8
o c. 2, 3, 4
o d.2,4,6
o e.1, 3, 5, 7
Orange
Blue
• Safari File Edit VIew HIstory Bookmarks Wmdow Help C) 00 (l:i) •·· '$' 99 % CO g Mon 12:01 Q_ I@ :::
QUIZ NAVIGATION
1 întrebare Fie X=[ 6 1 81O5793 4 2] o permutare. În urma aplicarii mutaţiei prin amestec pentru poziţiile (2,7) poate fi obţinuta următoarea variantă
Nuaprimrt
mutată Y: 1. Y=[ 2 6 7 8 1O 51 9 3 4]; 2. Y=[ 6 7 8 1O 5 1 9 3 4 2 J ; 3. Y=[ 7 6 8 1O5 1 9 3 4 2 ] ; 4. Y=[ 6 7 1O 8 5 9 1 3 4 2 ];5. Y=[ 6 9 7 5 1O 8 I 3
răspuns încă
4 2 J; 6. Y=[ 6 2 8 10 5 1 9 3 4 7]
Marcat din 1,00
f" Întrebare cu
Alegeţi o opţiune:
flag
o a. 2, 4, s
I) b.3,4,5
o c. 2, 5, 6
o d.1, 2, 3
o e.1, 2, 5
llti.9({)t;,..c1®~@~11P\,
. . . . . .
;"'
.
~G!mlm;ll!l:lliiijl
în cadrul strategieievolutivecu 2 membri (ES-2M): 1. Este generată o populaţie iniţială aleator,din
distribuţia normală; 2. La fiecare momental evoluţiei algoritmuluieste menţinut un singur candidatla
soluţie; 3. Populaţiile sînt de dimensiunimari; 4. Calcululunui termen nou este realizat prin mutaţie
gaussiană pentru fiecare componentă a vectoruluicurent; 5. Sînt rezolvateproblemepe spaţii
continue;6. Fiecaretermen este calculatîn manieră stochastică; 7. Calcululunui termen nou este
realizat prin mutaţie gaussiană pentru o componentă selectată aleator din vectorulcurent; 8. Este
intenţionată creşterea calităţii medii a populaţiei curente; 9. Este garantată obţinerea unui optim
global; 10.Laînceputulfiecărei iteraţii este testată dimensiuneapopulaţiei curente; 11. Sînt creaţi
descendenţi obţinuţi din populaţia curentă prin recombinarelocală.
Alegeţi o opţiune:
1
) a. 1 10
J
( 1 b. 4, 8, 11
U C. 2, 4, 6, 9
l.__l d. 2, 4, 5, 6
1
1.... e. 6, 8, 11
Decodificareatrebuie realizată:
Alegeţi o opţiune:
1- 1 a. Niciunadin celelaltevariante
(., b. Nu e necesară în algoritmiigenetici
O c. Nu depindede reprezentareaaleasă
C 1
d. Garantează obţinerea de rezultateoptime
1!' e. Obligatoriudupă extragereacelui mai bun individ din populaţia finală
;,,
• • < [O ii online.ase.ro o
o ~ Lucrare finala - scria E Favoritcs
O x':xJmax, maxJxEf(x)=f(xJmax)
~-·_..,,, -...
d. Este un algoritm determinist --=--===-~=
O e. Nu este un algoritm evolutiv
□ Algoritmul calculează o secvenţă de termeni, ultimul intre ei fiind X
QUIZ NAVIGATION
lipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sînt: 1. Probleme de optimizare; 2. Probleme de geometrie; 3. Prelucrarea dalelor de
dimensiune mare (big-data); 4. Probleme de modelare; 5. Probleme de validare a datelor; 6. Probleme de simulare; 7. Alocarea dinamică a datelor în memoria
calculatorului; 8. Deplasarea autonomă a vehiculelor.
Alegeţi o opţiune:
O a. 2, 4, 6, 8
0 b. 1, 3, 5, 7
0 C. 2, 3, 4
0 d. 2,4, 6
@ e.1, 4, 6
• Safari File Edit VIew HIstory Bookmar1<s Wmdow Help O 00 (l:i) •·· '$' 95 % liiJo g Mon 12.23 Q_ I@ :::
QUIZ NAVIGATION
&întrebare
Fie următorul cromozom de tip permutare: {7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9}. În urma aplicării operatorului de mutaţie prin
Nuaprimrt
amestec s-a obţinut cromozomul: {7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 1O,4, 9 ). Cele două poziţii utilizate pentru amestec sini: 1. 1 şi 14; 2. 4 şi
răspuns încă
15; 3. 3 şi 15; 4.4şi 8; 5. 2 şi 15; 6.1 şi 12; 7. 2 şi 14; 8. 2 şi 13; 9. 1 şi 15; 10.1 şi 13; 11. 3 şi 13.
Marcat din 1 ,00
r') b.6
o c.1, 5, 7, 9
o d.6, 7,9
o e. 5, 10
llti.9~t;,..cJ~~@~'II\,
. . . . . .
;'. ~mm:.CJml
în cadrul unui algoritmgenetic operaţia de selecţie a supravieţuitorilor: 1. Se aplică asupra populaţiei
curente;2. în unele variante necesită calculareaunei distribuţii de probabilitatede selecţie; 3.
Utilizează întotdeaunafactori aleatori;4. Alege generaţia următoare dintre indivizii disponibilidupă
operaţia de mutaţie; 5. Indiviziialeşi sînt întotdeaunafezabili; 6. Uneori utilizează factori aleatori;7.
Asigură perpetuareaindividuluicu calitate maximă :lin populaţia curentă; 8. Duce la creşterea calităţii
medii a populaţiei curente;9. Garantează obţinerea unei generaţii cu calitate medie superioară, dacă
foloseşte selecţia bazată pe vîrstă; 1O.Seaplică la începutulfiecărei iteraţii; 11. Se aplică asupra
descendenţilor obţinuţi din populaţia curentă; 12. Se aplică asupra populaţiei curente şi asupra
descendenţilor obţinuţi din populaţia curentă.
Alegeţi o opţiune:
0 b.1, 7
(> C. 2, 4, 5, 6, 12
,-)
'-- d.4,8,11
C.1 e. 6, 8, 11
lgoritmulHillclimbin : 1. Se aplică asupra unui singur punct din spaţiul de căutare; 2. Aplicarease
poate repeta pentru mai multe puncte pentru a creşte performanţele; 3. Este inspiratdin tehnicilede
alpinism;4. Găseşte întotdeaunasoluţia optimă; 5. Găseşte uneori soluţia optimă; 6. Calculelese
încheie atunci cînd temperaturasistemuluidevine zero; 7. De obicei găseşte un punct de optim local;
8. Se utilizează numaipentru reprezentareacu şiruri de numere reale.
Alegeţi o opţiune:
,., a. 1,2,5, 7
(,..' b. 1,5, 7,8
u c.3,4,6,8
o d. 1,2,4, 7
l.' e. 1,4,6, 7
În cadrul unui algoritmdin clasa strategiilorevolutive,reprezentareacromozomilor:1. Poate fi oricare
dintre: şiruri binare, şiruri de numere întregi, şiruri de numere reale, permutări; 2. Poatefi numai de
tip şiruri de numereîntregi sau reale; 3. Poate fi numai de tip şiruri de numere reale; 4. Nu
influenţează tipul de recombinarefolosit (discretă/ intermediară); 5. Se alege Îlnfuncţie de problema
care se rezolvă; 6. Influenţează tipul de recombinarefolosit; 7. Are influenţă asupra mecanismuluide
selecţie a generaţiei următoare; 8. Conţine atît descriereaindividuluicandidatcit şi parametriicare
controlează evolutia sa.
'
Alegeţi o opţiune:
I l
a.2,4,5,6
o b. 1, 3,4,8
(l c.2,4,5,8
c, d. 1, 7,8
l!J e.3,4,8
În cadrulunui algoritmgeneticoperaţia de selecţie a supravieţuitorilor: 1. Se aplică asuprapopulaţiei curente;2. În unele variantenecesită
calculareaunei distribuţii de probabilitatede selecţie; 3. Utilizează întotdeaunafactori aleatori;4. Alege generaţia următoare dintre indivizii
disponibilidupă operaţia de mutaţie; 5. Indiviziialeşi sini întotdeaunafezabili; 6. Uneoriutilizează factori aleatori;7. Asigură perpetuarea
individuluicu calitate maximă din populaţia curentă; 8. Duce la creşterea calităţii medii a populaţiei curente;9. Garantează obţinerea unei
generaţii cu calitate mediesuperioară, dacă foloseşte selecţia bazată pe vîrstă; 10.Seaplică la începutulfiecărei iteraţii; 11.Se aplică asupra
descendenţilor obţinuţi din populaţia curentă; 12. Se aplică asuprapopulaţiei curenteşi asupra descendenţilor obţinuţi din populaţia curentă.
Alegeţi o opţiune:
O a. 2, 3, 4, 5, 6, 11
@ b. 2, 4, 5, 6, 12
0 C. 4, 8, 11
O d. 1, 7
O e. 6, 8, 11
în algoritmii genetici, reprezentarea prin permutări
Alegeţi o op~une:
O a. Nu este utilizată
Următoarea pagină
în cadrul unui algoritm evolutiv populaţia iniţială: 1. Este generată înaintea începerii evoluţiei propriu-
zise; 2. Este generată după fiecare ciclu evolutiv (care presupune efectuareaoperaţiilor de selecţie,
recombinare,mutaţie, evaluare);3. Este generată la începutulfie.cărui ciclu evolutiv;4. Este generată
aleator; 5. Este generată utilizînddistribuţia de probabilitateuniformă; 6. Este generată utilizînd
distribuţia de probabilitatenormală; 7. Este setată pe mulţimea vidă.
Alegeţi o opţiune:
'J a. 2, 5, 7
(l b.5, 7
l~l C. 1,4,5
(l d. 1,2,4,5,6
l• e. 1,2,4, 7
1 întrebare
Corect
Alegeţi o opţiune:
a. 2,3
• b. 2,V
C. 1,3
d.4
e. 3,5
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. 5
b. 2,3,4
C. 2,4
• d. 1,~
e. 1,5
ţ· Întrebare cu flag
Alegeţi o opţiune:
a. 2, 4, 5, ~
b. 1, 10
C. 2,4,6,9
d.6,8, 11
e.4,8, 11
Răspunsulcorecteste:2,4,5,6
4 întrebare
4 întrebare
Incorect
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. Este preferabilă pentru problemele
de optimizarte
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. Este utilizată în general în manieră
nedeterministă
c. Nu este utilizată
reprezentarea cromozomială
Alegeţi o opţiune:
a. se alege în funcţie de dimensiunea
populaţiei
v întrebare cu flag
Alegeţi o opţiune:
• a. 2,4, 5,~
b. 2, 4, 6
C. 1,2,3,4, 5,6
d.4, 5,6
e. 2,3,4,5,6
Răspunsulcorecteste:2,4,5,6
8 întrebare
Corect
~ Întrebare cu flag
Algoritmii genetici
Alegeţi o opţiune:
a. Sînt metode deterministe de căutare
în spaţiul soluţiilor
deterministe
v întrebare cu flag
Algoritmul ES2M:
Alegeţi o opţiune:
• a. Este algoritmul auto-adaptiv primar
Alegeţi o opţiune:
a. 2,4,5,6, 1~
b. 2,3,4, 5,6, 11
C. 1,7
d.6,8, 11
e.4,8, 11
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. 1, 4, ~
b. 1,3,5, 7
C. 2,3,4
d. 2,4,6,8
e. 2,4,6
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. ,c
b. 2
C. 1,5
d. 2,5
e. 1
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. (y,x)şi (1,41(
b. (y,x)şi (2,5)
C. (x,y)Şi (1,4)
d. (x,y)şi (2,5)
e. (y,x)şi (1,5)
Alegeţi o opţiune:
• a. 2, 4, 6, 8, 1~
b. 1,3,5, 7,8
C. 2,3,5,6,9
d. 2,4,6, 7,9
e. 1,3,6, 7, 10
Alegeţi o opţiune:
ţ, Întrebare cu flag
Alegeţi o opţiune:
c. Nu este utilizată
\~ Întrebare cu flag
Alegeţi o opţiune:
a. 1, 2, 4, 5, ~
b. 1, 2,4, 7
C. 1,4,5
d. 2,5,7
e. 5, 7
ţ„ Întrebare cu flag
Alegeţi o opţiune:
• a. 1, 2, ~
b.3,4,5
C. 1,2,3
d. 2,4,5
e. 2,5,6
Răspunsul corecteste:2,4, 5
19 întrebare
Incorect
Alegeţi o opţiune:
a. 2, 5, 7, ~
b. 1,2,7,8
c.4,8,9, 10
d. 2,3,4,7
e. 2,4,6,8
Răspunsulcorecteste:2,4,6,8
20 întrebare
Corect
ţ, Întrebare cu flag
Alegeţi o opţiune:
b. Revolutia
, industrială
d. Societatea cunoasterii
,
e. Societatea informatională
,
ţ, Întrebare cu flag
11.3si13. I
Alegeţi o opţiune:
a.6
b. 2
C. 6, 7,9
• d. 1,5, 7,~
e. 5, 1O
\t:-Întrebare cu flag
Alegeţi o opţiune:
d. 2, 7, 1O, 12,17, 21
v întrebare cu flag
Alegeţi o opţiune:
a. C1 =[ 6 7 8 1O 5 1 9 3 4 2 ], C2=[ 9 8 1
36751042]
• b. C1 =[ 6 8 7 1O 5 1 9 3 4 2 ], C2=[ 9 1 8
3 6 7 5 10 4 2~
c. C1 =[ 8 7 1O 5 1 9 3 4 2 6 ], C2=[ 2 9 1
83675104]
d. C1 =[ 2 6 7 8 1O 5 1 9 3 4 ], C2=[ 2 8 1
36751049]
e. C1 =Y, C2=X
Alegeţi o opţiune:
• a. 1, 3, 4, ~
b. 2,4, 5,6
C. 2,4,5,8
d.1,7,8
e. 3,4,8
Răspunsulcorecteste:3,4,8
25 întrebare
Corect
~ întrebare cu flag
Alegeţi o opţiune:
a. 2, 5,9, 1~
b. 2,5,9, 10
C. 1, 5,6,8
d. 1, 4, 5, 7
e. 1, 5,9, 10
Răspunsulcorecteste:i 5,9,11
26 întrebare
Incorect
Alegeţi o opţiune:
a. 1, 3, 5, ,C
b.4,6,8
C. 3,6,8
d. 1,3,4, 7
e. 5,6, 7
Răspunsulcorecteste:3,6,8
27 întrebare
Incorect
t, Întrebare cu flag
Alegeţi o opţiune:
• a. a, oe
b. b,c
C. d,h
d. g, j
e. f, i
\'C'Întrebare cu flag
Alegeţi o opţiune:
a. 2,4,6,8, 11, 13
C. 1,2,5,6,7, 14, 15
d. 2,4,5,9, 15
Alegeţi o opţiune:
a. 1,4,6, 7
b. 1, 2,4, 7
C. 1,5, 7,8
• d. 1, 2, 5, ~
e.3,4,6,8
Cantine
, exclusiv indivizi fezabili; 6. Este
formată din indivizii care trec în generaţia
următoare; 7. Este generată utilizînd
distribuţia de probabilitate uniformă.
Alegeţi o opţiune:
• a. 1, ~
b. 1, 2, 7
C. 2,3,7
d. 2,5,7
e.4, 5, 7
Răspunsulcorecteste:2,5,7
• Safari File Edit VIew HIstory Bookmarks Wmdow Help CI 00 (l:i) •·· '$' 88 % liil• g Mon 12:40 Q_ I@ :::
QUIZ NAVIGATION
21 întrebare Fie următorii doi cromozomi de tip permutare: { 6, 3, 7, 8, 5, 1, 2, 4, 9) şi { 7, 2, 8, 5, 6, 9, 4, 1, 3). Aplicînd operatorul de recombinare PMX, cu
Nuaprimrt
poziţiile 3 şi 6 se obţin descendenţii: a. 6, 3, 7, 8, 5, 9, 4, 1, 2; b. 7, 4, 6, 8, 5, 1, 2, 9, 3; c. 8, 3, 7, 5, 6, 9, 4, 2, 1; d. 6, 2, 7, 8, 5, 1, 4, 9, 3; e. 7, 2, 8, 5,
răspuns încă
6, 1, 3, 4, 9; f. 6, 2, 7, 8, 5, 9, 4, 1, 3; g. 7, 9, 8, 6, 5, 1, 2, 4, 3; h. 7,3, 8, 5, 6, 9, 2, 4, 1;i. 7, 3, 8, 5, 6, 1, 2, 4, 9; j. 5, 3, 7, 8, 6, 9, 4, 1, 2.
Marcat din 1,00
f" Întrebare cu
Alegeţi o opţiune:
flag
r') a. f, I
r') b. a, e
o c. b, c
o d. g,j
o e.d, h
Alegeţi o op~une:
0 a. C1=Y, C2=X
O b. C1=[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 91 8 3 6 7 5 10 4]
@ C. C1=[ 6 8 7 10 51 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2]
0 d.C1=[67810519342),C2=[98136751042]
O e. C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 81 3 6 7 5 10 4 9]
I
în cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor: 1. Poate fi oricare dintre: şiruri binare, şiruri de numere întregi, şiruri de
numere reale, permutări; 2. Poate fi numai de tip şiruri de numere întregi sau reale; 3. Poate fi numai de tip şiruri de numere reale; 4. Nu influenţează lipul de
recombinare folosit (discretă/ intermediară); 5. Se alege în funcţie de problema care se rezolvă; 6. Influenţează tipul de recombinare folosit; 7. Are influenţă
asupra mecanismului de· selecţie a generaţiei următoare; 8. Conţine alîl descrierea individului candidat cît şi parametrii care controlează evoluţia sa.
Alegeţi o opţiune:
O a. 2, 4, 5, 6
0 b.1,3,4,8
@ C. 3,4, 8
0 d. 2, 4, 5, 8
O e.1, 7, 8
Componentelealgoritmilorevolutivisînt: 1. Reprezentarea;2. Probabilitateade mutaţie;, 3. Funcţia de
evaluare;4. Probabilitateade recombinare;5. Populaţia; 6. Generareade numerealeatoare; 7.
Mecanismulde selecţie a părinţilor; 8. Generareade permutări; 9. Reprezentareagrafică a evoluţiei
calităţii; 10. Operatoriide variaţie; 11. Stabilireadiversităţii geneticea populaţiei; 12. Mecanismulde
înlocuirea populaţiei curente; 13. Hillclimbing;14. Iniţializarea populaţiei; 15. Condiţia de terminare.
Alegeţi o opţiune:
l ) 8. 1 1 3,5 1 6, 10, 13, 14 15
1
,-)
"" b.2,4,5,9, 15
1
•
1
c.1, 3, 5, 7, 10, 12,141 15
U d.1,2,5,6,7,14,15
U e.2,4,6,8,11,13
2E-8.5-25.5
1. Tipurile de probleme care pot fi rezolvate pe baza calcului evolutiv sunt: Probleme
de optimizare (1), Probleme de modelare (4), Probleme de simulare (6) -> 1,4,6
(B).
2. Care din urmatorii operatori pot fi utilizati intr-un algoritm genetic care foloseste
reprezentarea prin siruri reale? Mutatia uniforma (5), Mutatia neuniforma cu
-distributie fixata (6), Aritmetica simpla (18), Aritmetica singulara (19),
Aritmetica totala (20), Unipunct (14), Multipunct(15), Uniforma(16) -> (A)
3. In algoritmii genetici, reprezentarea prin siruri de numere intregi: e preferabila atunci
cand pentru fiecare gena sunt posibile mai mult de doua valori distincte (D).
4. In algoritmii genetici, reprezentarea prin permutari: necesita operatori de variatie
special definiti (D).
5. Calculul evolutiv este inspirat de: evolutia naturala biologica (A).
6. Algoritmul Hillclimbing: se aplica asupra unui singur punct din spatiul de cautare
(1), Aplicarea de poate repeta pentru mai multe puncte pentru a creste
performantele (2), De obicei gaseste un punct de optim local (7), Gaseste
uneori solutia optima (5)
Later edit: nu gaseste mereu solutia optima.(closed) - Cezar
7. In algoritmii genetici, reprezentarea binara: (B) A fost primul tip de reprezentare a
cromozomilor in algoritmii genetici
8. Caracteristicile unui algoritm genetic clasic: (E)1,3,5,8 --1.Reprezentarea populatiei
este realizata prin intermediul sirurilor binare, 3.Probabilitatea de selectie a
unui individ in multisetul parintilor este proportionala cu valoarea functiei de
evaluare pentru el; 5. Probabilitatea efectuarii unei mutatii este mica;
8.Probabilitatea efectuarii recombinarii este mare
9. Intr-un algoritm evolutiv, functia de tip calitate: Evalueaza calitatea fiecarui
candidat (2), Trebuie maximizata(4) (B)
10. Componentele algoritmilor evolutivi sunt: reprezentarea, functia de evaluare,
populatia, mecanismul de selectare a parintilor, operatorii de variatie,
mecanismul de selectare a membrilor generatiei urmatoare, definirea modului
de initializare(populatia initiala) si definirea conditiei terminale => raspuns
corect: (B)
8. 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:
7, 6, 12, 14, 3, 10, 8, 15, 11, 5, 4, 1, 13, 2, 9
7, 14, 13, 12, 1, 15, 2, 8, 6, 3, 11, 5, 10, 4, 9
a. 3 si 13
b. 1 si 15
c. 1 si 14
d. 4 si 8
e. 1 si 12
f. 4 si 15
g. 3 si 15
h. 2 si 13
i. 2 si 14
j. 2 si 15
k. 1 si 13
(Ori e doar I, ori e E,G,H,I-Cezar)
- eu as zice b/c/i/j pentru ca se aplica mutatia o singura data
Structura EA
Structura GA
1 întrebare
Corect
Alegeţi o opţiune:
a. 2,3
• b. 2,V
C. 1,3
d.4
e. 3,5
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. 5
b. 2,3,4
C. 2,4
• d. 1,~
e. 1,5
ţ· Întrebare cu flag
Alegeţi o opţiune:
a. 2, 4, 5, ~
b. 1, 10
C. 2,4,6,9
d.6,8, 11
e.4,8, 11
Răspunsulcorecteste:2,4,5,6
4 întrebare
4 întrebare
Incorect
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. Este preferabilă pentru problemele
de optimizarte
ţ, Întrebare cu flag
Alegeţi o opţiune:
a. Este utilizată în general în manieră
nedeterministă
c. Nu este utilizată
reprezentarea cromozomială
Alegeţi o opţiune:
a. se alege în funcţie de dimensiunea
populaţiei
v întrebare cu flag
Alegeţi o opţiune:
• a. 2,4, 5,~
b. 2, 4, 6
C. 1,2,3,4, 5,6
d.4, 5,6
e. 2,3,4,5,6
Răspunsulcorecteste:2,4,5,6
8 întrebare
Corect
~ Întrebare cu flag
Algoritmii genetici
Alegeţi o opţiune:
a. Sînt metode deterministe de căutare
în spaţiul soluţiilor
deterministe
v întrebare cu flag
Algoritmul ES2M:
Alegeţi o opţiune:
• a. Este algoritmul auto-adaptiv primar
Alegeţi o opţiune:
a. 2,4,5,6, 1~
b. 2,3,4, 5,6, 11
C. 1,7
d.6,8, 11
e.4,8, 11
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. 1, 4, ~
b. 1,3,5, 7
C. 2,3,4
d. 2,4,6,8
e. 2,4,6
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. ,c
b. 2
C. 1,5
d. 2,5
e. 1
ţ, Întrebare cu flag
Alegeţi o opţiune:
• a. (y,x)şi (1,41(
b. (y,x)şi (2,5)
C. (x,y)Şi (1,4)
d. (x,y)şi (2,5)
e. (y,x)şi (1,5)
Alegeţi o opţiune:
• a. 2, 4, 6, 8, 1~
b. 1,3,5, 7,8
C. 2,3,5,6,9
d. 2,4,6, 7,9
e. 1,3,6, 7, 10
Alegeţi o opţiune:
ţ, Întrebare cu flag
Alegeţi o opţiune:
c. Nu este utilizată
\~ Întrebare cu flag
Alegeţi o opţiune:
a. 1, 2, 4, 5, ~
b. 1, 2,4, 7
C. 1,4,5
d. 2,5,7
e. 5, 7
ţ„ Întrebare cu flag
Alegeţi o opţiune:
• a. 1, 2, ~
b.3,4,5
C. 1,2,3
d. 2,4,5
e. 2,5,6
Răspunsul corecteste:2,4, 5
19 întrebare
Incorect
Alegeţi o opţiune:
a. 2, 5, 7, ~
b. 1,2,7,8
c.4,8,9, 10
d. 2,3,4,7
e. 2,4,6,8
Răspunsulcorecteste:2,4,6,8
20 întrebare
Corect
ţ, Întrebare cu flag
Alegeţi o opţiune:
b. Revolutia
, industrială
d. Societatea cunoasterii
,
e. Societatea informatională
,
ţ, Întrebare cu flag
11.3si13. I
Alegeţi o opţiune:
a.6
b. 2
C. 6, 7,9
• d. 1,5, 7,~
e. 5, 1O
\t:-Întrebare cu flag
Alegeţi o opţiune:
d. 2, 7, 1O, 12,17, 21
v întrebare cu flag
Alegeţi o opţiune:
a. C1 =[ 6 7 8 1O 5 1 9 3 4 2 ], C2=[ 9 8 1
36751042]
• b. C1 =[ 6 8 7 1O 5 1 9 3 4 2 ], C2=[ 9 1 8
3 6 7 5 10 4 2~
c. C1 =[ 8 7 1O 5 1 9 3 4 2 6 ], C2=[ 2 9 1
83675104]
d. C1 =[ 2 6 7 8 1O 5 1 9 3 4 ], C2=[ 2 8 1
36751049]
e. C1 =Y, C2=X
Alegeţi o opţiune:
• a. 1, 3, 4, ~
b. 2,4, 5,6
C. 2,4,5,8
d.1,7,8
e. 3,4,8
Răspunsulcorecteste:3,4,8
25 întrebare
Corect
~ întrebare cu flag
Alegeţi o opţiune:
a. 2, 5,9, 1~
b. 2,5,9, 10
C. 1, 5,6,8
d. 1, 4, 5, 7
e. 1, 5,9, 10
Răspunsulcorecteste:i 5,9,11
26 întrebare
Incorect
Alegeţi o opţiune:
a. 1, 3, 5, ,C
b.4,6,8
C. 3,6,8
d. 1,3,4, 7
e. 5,6, 7
Răspunsulcorecteste:3,6,8
27 întrebare
Incorect
t, Întrebare cu flag
Alegeţi o opţiune:
• a. a, oe
b. b,c
C. d,h
d. g, j
e. f, i
\'C'Întrebare cu flag
Alegeţi o opţiune:
a. 2,4,6,8, 11, 13
C. 1,2,5,6,7, 14, 15
d. 2,4,5,9, 15
Alegeţi o opţiune:
a. 1,4,6, 7
b. 1, 2,4, 7
C. 1,5, 7,8
• d. 1, 2, 5, ~
e.3,4,6,8
Cantine
, exclusiv indivizi fezabili; 6. Este
formată din indivizii care trec în generaţia
următoare; 7. Este generată utilizînd
distribuţia de probabilitate uniformă.
Alegeţi o opţiune:
• a. 1, ~
b. 1, 2, 7
C. 2,3,7
d. 2,5,7
e.4, 5, 7
Răspunsulcorecteste:2,5,7
2 ] şi V=[ 9 8 7 3 6 1 5 1O 4 2 ] perm
, 2=(91836
c. C 1=[ 8 7 1O 5 1 9 3 4 2 6 ] , C2=[ 2 9 1 8 3 6 7 5 1O 4 1
d. C1=[ 6 7 8 10 5 1 9 3 4 2 ], C2=[ 9 8 1 3 6 7 5 10 4 21
e. C1 =[ 2 6 7 8 1O 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 1O 4 91
to search
't:adrulunuialgoritm evolutivcondiţia de terminare: 1.
obligatorie;2. Nu este indicată; 3. Include obligatoriu,
sau indirect,contro/ulnumărului de iteraţii (numărul
implementată; 5. Este
tatiilorgenerate);4. Nu poate fi
ată şi
doarîn cadrul GA, nu în cadrul ES.
getio opţiune:
t}
a 2,4
b 1, 5
13
2 3,4
-,.,-~1•~ ITTI"{
gene.rare aleatoare de fenotipuri şi apoi ob\'
asociat. m
Condiţia terminală:
Alegeţio opţiune:
a. Utilizează la fiecare moment de timp o varian
prin perturbare normală
b. Sînt tehnici de căutare stochastică bazate pe aţii
c. Folosesc exclusiv selectii
'
deterministe
d. Sînt metode deterministe de căutare în spaţiul soluţiilor
e. Rezolvă exclusiv probleme definite pe spaţii continue
Urmă
o search
o
" ''"
~\~
.
.,;'iJ'.;~ .
.,•. ~
~:¾
'
:..,'
,,. ,
"" "-".w·
""~
ţ ' .:,,
~~
'
"
·•
105193421, C2={ 9 8138
e. C1=[ 2 6 7 8 10 5 1 9 3 4 ], C2=[ 2 8 1 3 6 7 5 10 4 9]
ere to search
GRILE PEAG USCATU
2. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie: 1. Este utilizata
doar in probleme cu constringeri; 2. Este efectuata imediat ce este disponibila o populatie de
copii; 3. Alege pentru mutatie in medie jumatate de indivizi; 4. Utilizeaza doua multiseturi
distincte de copii; 5. Este de tip neuniform (fluaj); 6. Este efectuata o singura data, dupa prima
etapa de generare a unei populatii; 7. Este realizata cu probabilitate mica; 8. Este efectuata o
singura data pe parcursul unui algoritm; 9. Determina structura cromozomiala; 10. Utilizeaza
populatia curenta; 11. Este efectuata iterativ.
a. 1, 4, 5, 7
b. 2, 5, 9, 10
c. 1, 5, 6, 8
d. 1, 5, 9, 10
e. 2, 5, 9, 11
3. Componentele algoritmilor evolutivi sint: 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.
a. 1, 3, 5, 7, 10, 12, 14, 15
4. In algoritmii genetici, reprezentarea prin siruri de numere intregi:
a. Nu este utilizata in algortimi genetici
b. Este preferabila pentru problemele de optimizare
c. Este doar un exercitiu de implementare, nefiind necesara
d. Este preferabila atunci cind pentru fiecare gena sint posibile mai mult de doua valori distincte
e. Nu poate fi utilizata in cazul atributelor ordinale
5. In cadrul unui algoritm din clasa strategiilor evolutive, operatia de mutatie: 1. Este utilizata
doar in probleme cu constringeri; 2. Este efectuata imediat ce este disponibila o populatie de
copii; 3. Alege pentru mutatie in medie jumatate de indivizi; 4. Utilizeaza doua multiseturi
distincte de copii; 5. Este de tip neuniform (fluaj); 6. Este efectuata o singura data, dupa prima
etapa de generarea a unei populatii; 7. Este realizata cu probabilitate mica; 8. Este efectuata o
singura data pe parcursul unui algoritm; 9. Determina structura cromozomiala; 10. Utilizeaza
populatia curenta; 11. Este efectuata iterativ.
a. 2, 5, 9, 11
b. 1, 4, 5, 7
c. 1, 5, 9, 10
d. 1, 5, 6, 8
e. 2, 5, 9, 10
6. In algoritmii genetici, operatia de selectie a parintilor
a. Este utilizata in general in maniera nedeterminista
b. Nu este utilizata
c. Este utilizata determinist
d. Este utilizata in functie de reprezentarea cromozomiala(asa am gasit in linku de la catalin)
e. Este doar un exercitiu de implementare, nefiind necesara
7. Fie urmatorii doi cromozomi de tip permutare: { 6, 3, 7, 8, 5, 1, 2, 4, 9} si { 7, 2, 8, 5, 6, 9, 4, 1,
3}. Aplicind operatorul de recombinare PMX, cu pozitiile 3 si 6 se obtin descendentii: a. 6, 3, 7,
8, 5, 9, 4, 1, 2; b. 7, 4, 6, 8, 5, 1, 2, 9, 3; c. 8, 3, 7, 5, 6, 9, 4, 2, 1; d. 6, 2, 7, 8, 5, 1, 4, 9, 3; e. 7, 2,
8, 5, 6, 1, 3, 4, 9; f. 6, 2, 7, 8, 5, 9, 4, 1, 3; g. 7, 9, 8, 6, 5, 1, 2, 4, 3; h. 7, 3, 8, 5, 6, 9, 2, 4, 1; i. 7, 3,
8, 5, 6, 1, 2, 4, 9; j. 5, 3, 7, 8, 6, 9, 4, 1, 2
a. d, h
b. g, j
c. f, i
d. b, c
e. a, e
8. Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sint: 1. Probleme de
optimizare; 2. Probleme de geometrie; 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 vehiculelor.
a. 1, 4, 6
b. 2, 4, 6, 8
c. 2, 3, 4
d. 2, 4, 6
e. 1, 3, 5, 7
9. Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] o permutare. In urma aplicarii mutatiei prin amestec pentru
pozitiile (2,7) poate fi obtinuta urmatoarea varianta mutata Y: 1. Y=[2 6 7 8 10 5 1 9 3 4]; 2. Y=[
6 7 8 10 5 1 9 3 4 2]; 3. Y=[ 7 6 8 10 5 1 9 3 4 2]; 4. Y=[ 6 7 10 8 5 9 1 3 4 2]; 5. Y=[ 6 9 7 5 10 8 1 3
4 2]; 6. Y=[ 6 2 8 10 5 1 9 3 4 7]
a. 2, 4, 5
b. 3, 4, 5
c. 2, 5, 6
d. 1, 2, 3
e. 1, 2, 5
10. In cadrul strategiei evolutive cu 2 membri (ES-2M): 1. Este generata o populatie initiala
aleator, din distributia normala; 2. La fiecare moment al evolutiei algoritmului este mentinut un
singur candidat la solutie; 3. Populatiile sint de dimensiuni mari; 4. Calculul unui termen nou
este realizat prin mutatie gaussiana pentru fiecare componenta a vectorului curent; 5.Sint
rezolvate probleme pe spatii continue; 6. Fiecare termen este calculat in maniera stochastica; 7.
Calculul unui termen nou este realizat prin mutatie gaussiana pentru o componenta selectata
aleator din vectorul curent; 8. Este intentionata cresterea calitatii medii a populatiei curente; 9.
Este garantata obtinerea unui optim global; 10. La inceputul fiecarei iteratii este testata
dimensiunea populatiei curente; 11. Sint creati descendenti obtinuti din populatia curenta prin
recombinare locala.
a. 1, 10
b. 4, 8, 11
c. 2, 4, 6, 9
d. 2, 4, 5, 6
e. 6, 8, 11
11. Decodificarea trebuie realizata
a. Niciuna din celelelate variante
b. Nu e necesara in algoritmii genetici
c. Nu depinde de reprezentarea aleasa
d. Garanteaza obtinerea de rezultate optime
e. Obligatoriu dupa extragerea celui mai bun individ din populatia finala
12. Algoritmul ES2M
a. Este algoritmul auto-adaptiv primar
b. Nici una din celelalte variante
c. Nu este un algoritm auto-adaptiv
d. Este un algoritm determinist
e. Nu este un algoritm evolutiv
13. 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 obtinut cromozomul: {7, 14, 13, 12, 1,
15, 2, 8, 6, 3, 11, 5, 10, 4, 9}. Cele doua pozitii utilizate pentru amestec sint: 1. 1 si 14; 2. 4 si 15;
3. 3 si 15; 4. 4 si 8; 5. 2 si 15; 6. 1 si 12; 7. 2 si 14; 8. 2 si 13; 9. 1 si 15; 10. 1 si 13; 11. 3 si 13
a. 2
b. 6
c. 1, 5, 7, 9
d. 6, 7, 9
e. 5, 10
14. In cadrul unui algoritm genetic operatia de selectie a supravietuitorilor: 1. Se aplica asupra
populatiei curente; 2. In unele variante necesita calcularea unei distributii de probabilitate de
selectie; 3. Utilizeaza intotdeauna factori aleatori; 4. Alege generatia urmatoare dintre indivizii
disponibili dupa operatia de mutatie; 5. Indivizii alesi sint intotdeauna fezabili; 6. Uneori
utilizeaza factori aleatori; 7. Asigura perpetuarea individului cu calitate maxima din populatia
curenta; 8. Duce la cresterea calitatii medii a populatiei curente; 9. Garanteaza obtinerea unei
generatii cu calitate medie superioara, daca foloseste selectia bazata pe virsta; 10. Se aplica la
inceputul fiecarei iteratii; 11. Se aplica asupra descendentilor obtinuti din populatia curenta; 12.
Se aplica asupra populatiei curente si asupra descendentilor obtinuti din populatia curenta.
a. 2, 3, 4, 5, 6, 11
b. 1, 7
c. 2, 4, 5, 6, 12
d. 4, 8, 11
e. 6, 8, 11
15. Algoritmul Hillclimbing: 1. Se aplica asupra unui singur punct din spatial de cautare; 2.
Aplicarea se poate repeta pentru mai multe puncte pentru a creste performantele; 3. Este
inspirat din tehnicile de alpinism; 4. Gaseste întotdeauna solutia optima; 5. Gäseste uneori
solutia optima; 6. Calculele se încheie atunci cînd temperatura sistemului devine zero; 7.
De obicei gäseste un punct de optim local; 8. Se utilizeazä numai pentru reprezentarea cu siruri
de numere reale.
Alegeti o optiune:
a. 1,4, 6,7
b. 1,2, 4,7
c. 1,5, 7,8 •
d. 1,2, 5, 7
e. 3,4, 6,8
16. In cadrul unui algoritm de clasa strategiilor evolutive, reprezentarea cromozomilor: 1. Poate
fi oricare dintre: siruri binare, siruri de numere intregi, siruri de numere reale, permutari; 2.
Poate fi numai de tip siruri de numere intregi sau reale; 3. Poate fi numai de tip siruri de
numere reale; 4. Nu influenteaza tipul de recombinare folosit (discreta/intermediara); 5. Se
alege in functie de problema care se rezolva; 6. Influenteaza tipul de recombinare folosit; 7. Are
influenta asupra mecanismului de selectie a generatiei urmatoare; 8. Contine atit descrierea
individului candidat cit si parametrii care controleaza evolutia sa.
a. 2, 4, 5, 6
b. 1, 3, 4, 8
c. 2, 4, 5, 8
d. 1, 7, 8
e. 3, 4, 8
17. Fie X=[ 6 1 8 10 5 7 9 3 4 2 ] si Y=[ 9 8 7 3 6 1 5 10 4 2] permutari. Care urmasi sint generali
prin utilizarea operatorului CX?
Alegeti o optiune:
a. C1=[67 8 10 5 1 9 3 4 2], C2=[ 9 8 1 367 5 1042]
b. C1 =[ 6 8 7 10 5 1 9 3 4 2 ], C2=[ 9 1 8 3 6 7 5 10 4 2 ]
c. C1 =[ 8 7 10 5 1 9 3 4 2 6 ], C2=[ 2 9 1 83675104]
d. Cl =[ 2 6 7 8 10 5 1 9 3 4], C2=[ 2 8 1 36751049]
e. C1 =Y, C2=X
18. în cadrul unui algoritm evolutiv populatia initiala: 1. Este generate înaintea începerii
evolutiei propriu-zise; 2. Este generata dupa fiecare ciclu evolutiv (care presupune efectuarea
operatiilor de selectie, recombinare, mutatie, evaluare); 3. Este generata la începutul fiecarui
ciclu evolutiv; 4. Este generata aleator; 5. Este generata utilizînd distribute de probabilitate
uniforma; 6. Este generata utilizînd distributia de probabilitate normala; 7. Este setata pe
multimea vida.
Alegeti o optiune:
• a. 1,2,4,5, 6
b. 1,2, 4, 7
c. 1,4,5
d. 2,5,7
e. 5,7
19. In algoritmii genetici, reprezentarea prin permutari
Alegeti o optiune:
a. Nu permite utilizarea de operatori de recombinare
b. Nu permite utilizarea de operatori de mutatie
c. Nu este utilizata
d. Necesita operatori de variatie special definiti
e. Nu permite mai mult de doua gene eu aceeasi valoare într-un cromozom
20. În algoritmii genetici, alegerea unei anumite reprezentări: 1. Este independentă de
problema de rezolvat; 2. Depinde de problema de rezolvat; 3. Poate fi făcută aleator; 4. Este
imposibilă, fiind folosită doar reprezentarea prin numere reale; 5. Influențează calitatea soluției
furnizate
a. 2, 3
b. 2, 5
c. 1, 3
d. 4
e. 3, 5
21. În cadrul unui algoritm evolutiv condiția de terminare: 1. Este obligatorie; 2. Nu este
indicată; 3. Include obligatoriu, direct sau indirect, controlul numărului de iterații (numărul
populațiilor generate); 4. Nu poate fi implementată; 5. Este utilizată doar în cadrul GA, nu și în
cadrul ES.
a. 5
b. 2, 3, 4
c. 2, 4
d. 1, 3
e. 1, 5
22. Intr-un algoritm evolutiv, functia de evaluare:
Alegeti o optiune:
a. se alege în funcfle de dimensiunea populatiei
b. este definitä pe spatiul unidimensional
c. este stabilitä de Holland
d. este o functie asimptoticä
e. estimeaza nivelul de adaptare a individuliui
23. Fie X=[ 6 1 8 10 5 7 12 43 9 3 4 2 ] o secventa de numere intregi. In urma aplicarii mutatiei
fluaj poate fi obtinuta urmatoarea varianta mutata: 1. Y=[ 16 1 8 10 5 7 12 43 9 3 4 2 ]; 2. Y=[ 6 1
8105712 43 9432]; 3. Y=[ 61 810 15 7 12 43 9 342]; 4. Y=[7 1 8 10 5 7 12 43 9 3 4 2 ]; 5. Y=[ 6 1
8105712 43 9342]; 6. Y=[ 61 8105712 42 9342]
Alegeti o optiune:
• a. 2,4, 5,
b. 2,4, 6
c. 1,2, 3, 4, 5, 6
d. 4, 5, 6
e. 2, 3,4, 5, 6
24. Algoritmii genetici
a. Sint metode deterministe de cautare in spatiul solutiilor
b. Folosesc exclusiv selectii deterministe
c. Rezolva exclusiv probleme definite pe spatii continue
d. Utilizeaza la fiecare moment de timp o varianta de solutie modificata prin perturbare
normala
e. Sint tehnici de cautare stochastica bazate pe populatii
25. Fie X=[ 61 810579342]o permutare. In urma aplicarii mutatiei prin inversiune pentru
pozitiile (2,7) poate fi obtinuta urmatoarea varianta mutata Y: 1. Y=[ 2 6 7 8 10 5 1 9 3 4] ; 2. Y=[
6 9 7 5 10 8 1 3 4 2 ] ; 3. Y=[ 7 6 8 10 5 1 9 3 4 2]; 4. Y=[ 6 7 10 8 5 9 1 3 4 2 ] ;5. Y=[ 6 875101
9342]; 6. Y=[ 6281051 934 7]
Alegeti o optiune:
a. 5
b. 2
c. 1,5
d. 2, 5
e. 1
26. Fie permutarile x=[10 2391 7648 5] si y=[5 4 7 2 1 9 3 6 8 10], un cromozom copil rezultat
prin PMX este c=[ 5 2 3 9 1 4 7 6 8 10]. Atunci ordinea considerarii parintilor si respectiv
punctele de incrucisare sint:
Alegeti o optiune:
• a. (y,x) si (1,4)
b. (y,x) si (2,5)
c. (x,y) si (1,4)
d. (x,y) si (2,5)
e. (y,x) si (1,5)
27. Care din urmatoarele metode pot fi folosite in cadrul algoritmilor memetici pentru a
îmbunatati informatia in interiorul unei populatii: 1. recursivitate; 2. hillclimbing; 3. divide et
impera; 4. strategie evolutivä eu doi membri; 5. backtracking; 6. metode exacte; 7. metode
euristice; 8. validarea datelor; 9. metoda gradientului; 10. ECX.
Alegeti o optiune:
• a. 2, 4, 6, 8,10
b. 1,3, 5,7,8
c. 2, 3, 5, 6, 9
d. 2, 4, 6,7,9
e. 1,3, 6, 7,10
28. In cadrul unui algoritm evolutiv populate initiala: 1. Este generata inaintea inceperii
evolutiei propriu-zise; 2. Este generata dupa fiecare ciclu evolutiv (care presupune efectuarea
operatiilor de selectie, recombinare, mutatie, evaluare); 3. Este generata la inceputul fiecarui
ciclu evolutiv; 4. Este generata aleator; 5. Este generata utilizind distribute de probabilitate
uniforma; 6. Este generata utilizind distribute de probabilitate normalâ; 7. Este setatä pe
multimea vidâ.
Alegeti o optiune:
• a. 1,2,4,5, 6
b. 1,2, 4, 7
c. 1,4,5
d. 2,5,7
e. 5,7
29. In cadrul unui algoritm genetic operatia de recombinare: 1. Este efectuata o singura data pe
parcursul unui algoritm genetic; 2. Este efectuata imediat dupa fiecare etapa de selectie a
parintilor; 3. In general probabilitatea de recombinare nu conteaza in rezolvarea problemelor
prin algoritmi genetici; 4. Este efectuata imediat înaintea fiecarei proceduri de mutatie; 5. Este
efectuata imediat inaintea fiecarei etape de selectie a parintilor; 6. Utilizeaza populatia de
parinti; 7. Este utilizata doar în probleme fara constringeri; 8. Este utilizata cu probabilitate
mare; 9. Este utilizata cu probabilitate mica; 10. Este efectuatä o singurä datä, dupä prima
etapä de selectie a parintilor.
Alegefi o opfiune:
• a. 2, 5.7, 8
b. 1,2,7,8
c. 4, 8, 9,10
d. 2, 3, 4,7
e. 2,4, 6,8
30. Calculul evolutiv este inspirat din:
Alegeti o optiune:
a. Evolutia naturala biologica
b. Revolutia industrial
c. Noua revolutie agrarä
d. Societatea cunoasterii
e. Societatea informational
31. 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 pseudo-
aleatoare; 4. Resetare determinista; 5. Mutatia uniforma; 6. Mutatia neuniforma cu distribute
fixata; 7. Mutatia locala; 8. Interschimbarea; 9. Inserarea; 10. Mutafla rapidä; 11. Amestecul;
12. Mutafia globalä;13. Inversiunea; 14. Recombinare unipunct;15. Recombinare multipunct;
16.Recombinare uniformä; 17. Recombinarea rädäcinilor; 18. Recombinare aritmeticä simplä;
19. Recombinare aritmeticä singularä; 20. Recombinare aritmeticä totalä; 21. Recombinarea
sirurilor maxime; 22. Partially mapped crossover; 23. Recombinare de ordine; 24.
Recombinarea muchiilor; 25. Recombinarea ciclicä
Alegefi o opfiune:
a. Toti operatorii de mai sus
b. 5.6,14,15.16,18,19,20
c. 1,3,4, 7,10,13,16,17, 20
d. 2.7,10,12,17,21
e. 3,4, 5.6,7,12,18,19,21
32. In cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor: 1.
Poate fi oricare dintre: siruri binare, siruri de numere intregi, siruri de numere reale, permutari;
2. Poate fi numai de tip sirui de numere intregi sau reale; 3. Poate fi numai de tip siruri de
numere reale; 4. Nu influenteaza tipul de recombinare folosit (discretà / intermediarâ); 5. Se
alege în functie de problema care se rezolva; 6. Influenteaza tipul de recombinare folosit; 7. Are
influenta asupra mecanismului de selectie a generatiei urmatoare; 8. Confine atit descrierea
individului candidat cît $i parametrii care controleazä evolufia sa.
Alegefi o optiune:
• a. 1,3,4, 8
b. 2,4. 5,6
c. 2,4. 5,8
d. 1,7,8
e. 3,4, 8
33. In cadrul unui algoritm genetic care maximizeaza o functie (fitness): 1. Selectia generatiei
urmatoare este obligatoriu bazata pe virsta; 2. Sint rezolvate doar probleme cu constringeri; 3.
Mutatia este realizata cu probabilitate mica; 4. Nu este recomandata utilizarea selectiei FPS; 5.
Multisetul copiilor este tara duplicate; 6. Selec^ia supraviejuitorilor este determinatâ de calitate
çi/sau factorul vîrstâ; 7. Recombinarea este realizatä rareori; 8. Seurmäreste determinarea unui
punct de maxim global; 9. Structura cromozomialä diferä daeà functia este translatatâ.
• a. 1,3,5,9
b. 4, 6, 8
C. 3, 6, 8
d. 1,3,4.7
e. 5, 6,7
34. Intr-un algoritm genetic, populate initiala: 1. Este generata pina cind este atins un optim
local; 2. Este construita o singura data ; 3. Sufera mutatie cu o probabilitate relativ mica; 4.
Trebuie modificata la fiecare iteratie; 5. Contine exclusiv indivizi fezabili; 6. Este formata din
indivizii care tree in generatie urmatoare; 7. Este generata utilizind distributie de probabilitate
uniforma.
Alegeti o optiune:
• a. 1, 3
b. 1,2,7
c. 2, 3,7
d. 2, 5,7
e. 4, 5,7