PEAG

1) În algoritmii genetici, reprezentarea prin șiruri de numere întregi

 E preferabilă atunci când pentru fiecare genă sunt posibile mai mult de două
valori distincte

2) În algoritmii genetici, reprezentarea prin permutări

 Are nevoie de operatori speciali definiți

3) Tipurile de probleme care pot fi rezolvate pe baza calculului evolutiv sunt:

 Problemele de optimizare
 Problemele de modelare
 Problemele de simulare

4) Într-un algoritm evolutiv, funcția de tip calitate:

 Evaluează calitatea fiecărui candidat
 Trebuie maximizată

5) În algoritmii genetici, reprezentarea binară

 A fost primul tip de reprezentare a cromozomilor în algoritmi genetici

6) Componentele algoritmilor evolutivi sunt:

 Reprezentarea
 Funcția de evaluare
 Populația
 Mecanismul de selecție a părinților
 Operatorii de variație
 Mecanismul de înlocuire a populației curente
 Inițializarea populației
  Condiția de terminare
7) Calculul evolutiv este inspirat din:
 Evoluția naturală biologică

8) Algoritmul Hillclimbing:
 Se aplică asupra unui singur punct din spațiul de căutare
 Aplicarea se poate repeta pentru mai multe puncte pentru a crește performanțele
 Găsește uneori soluția optimă
 De obicei găsește un punct optim local

9) Caracteristicile unui algoritm genetic clasic (canonic) sunt:

 Reprezentarea populației este realizată prin intermediul șirurilor binare
 Probabilitatea de selecție a unui individ în multisetul părinților este proporțională
cu valoarea funcției de evaluare pentru el
 Probabilitatea efectuării unei mutații este mică
 Probabilitatea recombinării este mare

10) Care din următorii operatori pot fi utilizați într-un algoritm genetic care folosește
reprezentarea prin șirurile de numere reale:
 Mutația uniformă
 Mutația neuniformă cu distribuție fixată
 Unipunct
 Multipunct
 Uniforma
 Aritmetica simplă
 Aritmetica singulară
 Aritmetica totală
11) În cadrul unui algoritm din clasa strategiilor evolutive, operația de mutație:
 Utilizează populația curentă
 Este de tip neuniform
 Este efectuată iterativ

12) În cadrul unui algoritm genetic operația de recombinare:

 Este efectuată imediat înaintea fiecărei proceduri de mutație
 Este efectuată imediat după fiecare etapă de selecție a părinților
 Este utilizată cu probabilitate mare
 Utilizează populația de părinți

13) În cadrul unui algoritm evolutiv populația inițială

 Este generată înaintea începerii evoluției propriu-zise
 Este generată aleator

14) Fie următorii doi cromozomi de tip permutare {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9,
10, 12} și {7, 1, 15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicând operatorul de
recombinare PMX, cu pozițiile 4 și 8 se obțin descendenții
 Șiruri 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}

15) În cadrul unui algoritm din clasa strategiilor evolutive, operația de recombinare:
 Este de tip local sau global
 Utilizează populația curentă
 Determină obținerea unui multiset de copii în …
 Este efectuată iterativ
16) În cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea cromozomilor
 Nu influențează tipul de mutație folosit (discretă/nediscretă)
 Poate fi numai de șiruri de numere reale
 Conține atât descrierea individului candidat cât și parametrii care controlează
evoluția sa

17) În cadrul unui algoritm genetic operația de selecție a părinților

 Utilizează populația curentă
 Este efectuată imediat ce este disponibilă o populație curentă evaluată
 Este efectuată iterativ
 Poate fi realizată prin utilizarea unei distribuții de probabilitate de selecție

18) 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 sunt:
 1 și 15
 1 și 14
 2 și 14
 2 și 15

19) În cadrul unui algoritm genetic operația de mutație

 Are probabilitate mică
 Se aplică asupra descendenților produși de operația de recombinare
 Poate să producă indivizi nefezabili
 Se aplică imediat înaintea fiecărei etape de selecție a generației următoare
20) În cadrul unui algoritm genetic operația de selecție a supraviețuitorilor
 În unele variante necesită calcularea unei distribuții de probabilitate de selecție
 Indivizii aleși sunt întotdeauna fezabili
 Uneori utilizează factori aleatori
 Se aplică asupra populației curente
 Alege generația următoare dintre indivizii disponibili după operația de mutație
 Se aplică asupra descendenților obținuți din populația curentă

21) În algoritmii genetici, reprezentarea prin permutări

 Necesită operatori de variație special definiți
22) Într-un algoritm evolutiv, funcția fitness:
 Evaluează calitatea fiecărui candidat

23) 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

generați prin utilizarea operatorului CX?
 C1=[6 8 7 10 5 1 9 3 4 2], C2=[9 1 8 3 6 7 5 10 4 2]

24) Fie următorii doi cromozomi de tip permutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9, 10,
12} și {7, 1, 15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicația operatorul de
recombinare PMX, cu pozițiile 4 și 8 se obțin descendenții:
 12 1 10 7 14 8 5 15 12 11 4 2 3 9 6
 5 3 11 13 2 14 6 10 1 8 4 7 9 15 12

25) În cadrul unui algoritm genetic operația de selecție a supraviețuitorilor:

 În unele variante necesită calcularea unei distribuții de probabilitate de selecție
 Alege generația următoare dintre indivizii disponibili după operația de mutație
 Indivizii aleși sunt întotdeauna fezabili
 Uneori utilizează factori aleatori
  Se aplică asupra populației curente și asupra descendenților obținuți din populația
curentă
26) În cadrul unui algoritm genetic ce maximizează o funcție (fitness):
 Mutația este realizată cu probabilitate mică
 Selecția supraviețuitorilor este determinată de calitate și/sau factorul vârstă
 Se urmărește determinarea unui punct de maxim global

27) În cadrul unui algoritm genetic, reprezentarea cromozomilor:

 Poate fi oricare dintre: șiruri binare, șiruri de numere întregi, șiruri de numere
reale, permutări
 Se alege în funcție de problema care se rezolvă
 Influențează tipul de recombinare folosit

28) În cadrul unui algoritm din clasa strategiilor evolutive, reprezentarea

cromozomilor:
 Poate fi numai tip șiruri de numere reale
 Nu influențează tipul de recombinare folosit (discretă/intermediară)

29) Are influență asupra mecanismului de selecție a generației următoare:

 3, 4

30) În cadrul unui algoritm genetic operația de selecție a părinților:

 Este efectuată imediat ce este disponibilă
 Poate fi realizată prin utilizarea unei distribuții de probabilitate de selecție
 Utilizează populația curentă
 Este efectuată iterativ

31) Fie următorul cromozom de numere întregi: …

 1, 2, 3, 5
32) Calculul evolutiv este:
 Tehnica de rezolvare a problemelor este de tip experiment-eroare

33) În cadrul unui algoritm genetic; operația de mutație:

 Este efectuată imediat ce este disponibilă o populație de copii
 Este efectuată iterativ

34) Fie următorii doi cromozomi de tip permutare: {6, 3, 11, 7, 14, 8, 5, 15, 1, 2, 4, 13, 9, 10,
12} și {7, 1, 15, 13, 2, 14, 6, 10, 12, 11, 4, 8, 3, 9, 5}. Aplicând operatorul de
recombinare OCX, cu pozițiile 4 și 8 se obțin descendenții:
 13 1 10 7 14 8 5 15 12 11 4 2 3 9 6
 5 3 11 13 2 14 6 10 1 8 4 7 9 15 12

35) În cadrul unui algoritm genetic, condiția de oprire:

 Include în general controlul numărului de generații simulate
 Poate include controlul variabilității în cadrul populației nou calculate
 Nu depinde de reprezentarea cromozomială

36) Fie permutările x=[10 2 3 9 1 7 6 4 8 5] și 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 considerării părinților și
respectiv punctele crossover sunt:
 (x, y) și (2, 5)

37) În algoritmii genetici, reprezentarea binară:

 Istoric este primul tip de reprezentare în spațiul genotipurilor

38) În algoritmii genetici, reprezentarea binară:

 Necesită operatori de variație special definiți
39) În cadrul unui algoritm genetic operația de selecție a supraviețuitorilor:
 Poate fi determinată sau cu factori aleatori
 Este aplicată pentru înlocuirea generației curente

40) În cadrul unui algoritm evolutiv, populația inițială:

 Este generată înaintea începerii evoluției propriu-zise
 Este generată aleatoriu
 Este generată utilizând distribuția de probabilitate uniformă

41) În algoritmii genetici, reprezentarea binară:

 Este eficientă în probleme în care soluția este un vector cu componente logice
 Determină ce tip de operatori de variație trebuie folosiți

42) În cadrul unui algoritm din clasa strategiilor evolutive, autoadaptabilitatea se referă la:
 Spațiul parametrilor

43) În cadrul strategiilor evolutive:

 Mutația este aplicată cu probabilitate 1

44) Într-un algoritm evolutiv, funcția fitness: 1. Evaluează calitatea algoritmului; 2. Trebuie
selectată aleator; 3. Evaluează viteza de găsire a soluției față de consumul de resurse; 4.
Trebuie modificată la fiecare iterație; 5. Selectează indivizii care se vor reproduce; 6.
Selectează indivizii care trec în generația următoare; 7. Evaluează calitatea populației
curente față de cea a populației inițiale; 8. Evaluează calitatea populației curente față de
cea din generația anterioară; 9. Evaluează calitatea fiecărui candidat.
 9
45) 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 sunt
întotdeauna fezabili; 6. Uneori utilizează factori aleatori; 7. Asigură perpetuarea
individului cu calitate maximă din populația curentă; duce la creșterea calității medii a
populației curente; 9. Garantează obținerea unei generații cu calitate medie superioară,
dacă folosește selecția bazată pe vârstă; 10. Se aplică la începutul fiecărei iterații; 11. Se
aplică asupra descendenților obținuți din populația curentă; 12. Se aplică asupra
populației curente și asupra descendenților obținuți din populația curentă.
 2, 4, 5, 6, 12

46) Care din următoarele afirmații nu e adevărată pentru modelul generațional?

 Necesită urmărirea mai multor generații consecutive

47) De câte ori trebuie rotit brațul ruletei simple pentru a executa întregul proces de selecție
al părinților, pentru o populație cu tz cromozomi?
 De tz ori

48) Pentru problemele în care reprezentarea prin permutări semnifică ordinea de apariție a
unor evenimente, operatorul de recombinare folosit este:
 OCX (order crossover)

49) Care din următoarele este un dezavantaj al utilizării distribuției de probabilitate de

selecție tip FPS?
  Convergența prematură

50) În cadrul algoritmilor genetici, generația următoare e selectată dintre:

 Indivizii generației curente și descendenții obținuți după etapa de mutație

51) Care din următoarele nu este un model de distribuție de probabilitate folosit pentru etapa
de selecție:
 FPS cu alfa scanare

52) Pentru a păstra cât mai bine informația referitoare la pozițiile absolute ale alelelor în
cromozomii părinți se folosește operatorul:
 CX (Cycle Crossover)

53) Mecanismul de selecție turnir:

 Nu respectă distribuția de probabilitate de selecție

54) Care din următoarele afirmații nu e adevărată pentru modelul generațional?

 Necesită urmărirea mai multor generații consecutive

55) De câte ori trebuie rotit brațul ruletei milti-brat pentru a executa întregul proces de
selecție al părinților, pentru o populație cu k indivizi?
 O dată

56) Care mechanism de selecție produce rezultate mai apropiate de distribuția de

probabilitate de selecție calculate?
 SUS (stochastic universal sampling)
57) Care din următoarele este un model de populație?
 Cu stări stabile

58) Care din următoarele nu este un mechanism de selecție?

 Ruleta complicată
59) În cadrul unui algoritm din clasa strategiilor evolutive, operația de mutație:
 Este efectuată imediat ce este disponibilă o populație de copii
 Este efectuată iterativ
 Este de tip neuniform (fluaj)
 Determină structura cromozomială

60) Fie următorii 2 cromozomi de tip permutare: {6 3 11 7 14 8 5 15 1 2 4 13 9 10 12} și {7 1

15 13 2 14 6 10 12 11 4 8 3 9 5}. Aplicând operatorul de recombinare PMX, cu pozițiile
4 și 8 se obțin descendenții:
 H, i

61) Încrucișare multipunct:

 CX (Cycle Crossover)

62) 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.
 1, 3

63) În cadrul strategiei evolutive cu 2 membri (ES-2M): 1. Este generată o populație inițială
aleatoriu, din distribuția normală; 2. La fiecare moment al evoluției algoritmului este
menținut un singur candidat la soluție; 3. Populațiile sunt de dimensiuni mari; 4. Calculul
unui termen nou este realizat prin mutație gaussiană pentru fiecare componentă a
vectorului curent; 5. Sunt 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 aleatoriu 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. Sunt creați descendenți obținuți din populația curentă prin recombinare locală.
 2, 4, 5, 6
64) În algoritmii genetici, operația de selecție a părinților
 Este utilizată în general în manieră nedeterministă

65) Într-un algoritm evolutiv, funcția de evaluare:

 Estimează nivelul de adaptare a individului
66) Fie X=[6 1 8 10 5 7 12 43 9 3 4 2] o secvență de numere întregi. În urma aplicării
mutației fluaj poate fi obținută următoarea variantă mutată: 1. Y=[16 1 8 10 5 7 12 43 9 3
4 2]; 2. Y=[6 1 8 10 5 7 12 43 9 4 3 2]; 3. Y=[6 1 8 10 15 7 12 43 9 3 4 2]; 4. Y=[7 1 8 10
5 7 12 43 9 3 4 2]; 5. Y=[6 1 8 10 5 7 12 45 9 3 4 2]; 6. Y=[6 1 8 10 5 7 12 42 9 3 4 2].
 2, 4, 5, 6

67) Algoritmii genetici:

 Sunt tehnici de căutare stochastică bazate pe populații

68) Algoritmul ES2M:

 Este algoritmul auto-adaptiv primar

69) 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].
 2

70) 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.
 2, 4, 6, 7, 9

71) Decodificarea trebuie realizată:

 Obligatoriu după extragerea celui mai bun individ din populația finală
72) 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].
 2, 4, 5
73) Fie următorii doi cromozomi de tip permutare: {6, 3, 7, 8, 5, 1, 2, 4, 9} și {7, 2, 8, 5, 6, 9,
4, 1, 3}. Aplicând operatorul de recombinare PMX, cu pozițiile 3 și 6 se obțin
descendenții: 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.
 d, h

74) Într-un algoritm genetic, populația inițială: 1. Este generată până 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 indivizi care trec în generația următoare; 7. Este generată utilizând distribuția
de probabilitate uniformă.
 2, 5, 7

75) Care din următoarele reprezentări sunt folosite în algoritmii genetici: a. matrice, b. liste
înlănțuite, c. șiruri binare, d. arbori B, e. șiruri de numere întregi, f. șiruri de numere
reale, g. tabele hash, h. permutări, i. matrice rare, j. tabele de indexare
 C, e, f, h
76) Considerând o problemă de maximizare în care funcția obiectiv are valori numere reale
cu proprietatea că există cel puțin o valoare strict pozitivă. Atunci, pentru rezolvarea
acesteia cu ajutorul unui algoritm genetic
 Nu poate fi utilizată probabilitatea de selecție FPS standard

77) Reprezentarea cu șiruri binare în cadrul algoritmilor genetici:

 Este naturală pentru problemele a căror soluție reprezintă un șir de decizii
booleene
78) În operatorii genetici, reprezentarea prin permutări
 Este utilizată în probleme în care trebuie determinată ordinea apariției unei
secvențe de evenimente

79) Pentru a garanta obținerea soluției optime, în cadrul algoritmului hillclimbing:

 Nu se poate garanta obținerea soluției optime

80) Care dintre următoarele nu este un element standard al algoritmilor evolutivi:

 Resuscitarea

81) Ce aritate are operatorul de recombinare în algoritmii genetici (câți operanzi utilizează)?
 Binar (doi operanzi)

82) Algoritmul genetic canonic:

 Este algoritmul genetic clasic, propus de Holland

83) În cadrul unui algoritm din clasa strategiilor evolutive, operația de recombinare: 1. Alege
pentru recombinare în medie jumătate de indivizi; 2. Este utilizată doar în probleme cu
constrângeri; 3. Utilizează populația curentă; 4. Este efectuată o singură dată; 5. Este
realizată cu probabilitate mică; 6. Determină obținerea unui multiset de copii în general
de dimensiuni mult mai mari comparativ cu populația curentă; 7. Este efectuată o singură
dată, după prima etapă de generare a unei populații; 8. Este de tip local sau global; 9.
Determină structura cromozomială.
  3, 6, 8

84) Recombinarea multiplă:

 Produce rezultate mai bune doar în unele cazuri particulare

85) Alegerea reprezentării pentru rezolvarea unei probleme prin intermediul unui algoritm
genetic:
 Depinde de problema rezolvată, unele reprezentări fiind mai potrivite decât altele
86) Care din următoarele tipuri de reprezentare a indivizilor nu este utilizată de algoritmii
genetici:
 Reprezentarea arborescentă

87) Care din următoarele etape ale algoritmilor evolutivi se pot desfășura și în mod
determinist:
 Selecția generației următoare

88) Codificarea trebuie stabilită:

 Odată cu alegerea reprezntării