:: Ordina random :: Ordina per categoria ::

1. L'ottimizzazione tail: [Non in programma 08/09]

		si può applicare sempre
		si può applicare se la chiamata ricorsiva è l'ultima clausola e il predicato è deterministico
		si può applicare se la chiamata ricorsiva e l'ultima clausola
		si può applicare se il risultato della chiamata ricorsiva non viene modificato e il predicato è deterministico

2. Il computer passerà il Test di Turing se l'operatore umano

		capisce che i messaggi provengono da un computer
		capisce che i messaggi provengono da una persona
		non sarà in grado di capire se i messaggi provengono da una persona o no

3. Quale definizione di AI è adottata più comunemente?

		Sistemi che pensano razionalmente
		Sistemi che pensano come esseri umani
		Sistemi che agiscono razionalmente
		Sistemi che agiscono come esseri umani

4. Un agente è un'entità che:

		percepisce e agisce
		agisce razionalmente
		comunica e agisce
		pensa razionalmente

5. Un ambiente è stocastico se:

		lo stato sucessivo non è determinato dallo stato corrente ma dall'azione dell'agente
		è deterministico in tutto tranne che per le azioni degli altri agenti
		lo stato successivo non è determinato dallo stato corrente nè dall'azione eseguita dall'agente

6. Un ambiente è strategico se:

		è deterministico in tutto tranne che per le azioni degli altri agenti
		lo stato sucessivo non è determinato dallo stato corrente ma dall'azione dell'agente
		lo stato successivo non è determinato dallo stato corrente e dall'azione eseguita dall'agente

7. Nella teoria assiomatica si usano strumenti di

		manipolazione semantica
		manipolazione sintattica
		manipolazione sematica e sintattica

8. La definizione di intelligenza secondo Turing è basata su

		imitazione
		capacità di apprendimento
		capacità di elaborazione
		creatività

9. *quali dei seguenti è un vincolo?

		<
		#<
		=

10. *Nella logica a più valori di verità la legge del terzo escluso (A or Not A = 1):

		vale
		non vale
		necessita di un terzo valore di verità

11. *Qual è il nome della procedura che consente di limitare l'overfitting durante l'allenamento di una rete neurale?

		K-fold cross validation
		Backpropagation
		Early stopping tramite validation set
		Regression

12. *L'allenamento di una rete neurale artificiale è, in genere, un problema:

		di complessità lineare
		polinomiale
		NP-completo

13. *p->q, q è:

		fallacia negazione dell’antecedente
		affermazione dell’antecedente
		fallacia del conseguente

14. *Il PC passerà il test di Touring se un esaminatore umano,dopo aver risposto a delle domande scritte:

		non sarà in grado di capire se le risposte provengono da una persona o no
		sarà in grado di capire se le risposte provengono da una persona
		sarà in grado di capire se le risposte provengono da PC

15. *Le tecniche di consistenza di vincoli trasformano la rete di vincoli:

		in una rete la cui soluzione è costituita da un sottoinsieme proprio della soluzione iniziale
		in una rete ad essa equivalente
		in una rete avente numero inferiore di archi

16. *Se X=[1,2,3,4] la query Y=[1,2|X] fa sì che:

		Y=[1,2,1,2,3,4]
		Y=[3,4]
		Y=0

17. *Quale operatore esprime un vincolo?

		#<
		is
		\=
		=

18. *Se ad una formula proposizionale viene assegnata probabilità 0.8 significa che

		il valore di verità della formula è 0.8
		il valore di verità della formula è 1
		il valore di verità della formula è 0.2

19. *Un CSP è consistente se

		esiste almeno un assegnamento completo delle variabili tale da soddisfare tutti i vincoli
		esiste almeno un assegnamento completo delle variabili tale da soddisfare almeno 1 vincolo
		esiste almeno un assegnamento parziale delle variabili tale da soddisfare tutti i vincoli

20. *Nella Diagnostica la regola di Bayes viene usata nella forma:

		P(Causa|Effetto)=P(Effetto|Causa)P(Causa)
		P(Effetto|Causa) =P(Causa|Effetto)P(Effetto)/P(Causa)
		P(Causa|Effetto)=P(Effetto|Causa)P(Causa)/P(Effetto)

21. *L’euristica MRV usata nei CSP sceglie la variabile

		più vicina
		più vincolata (maggiore probabilità di fallimento)
		meno vincolata (minore probabilità di fallimento)

22. *Quale espressione restituisce TRUE in Prolog:

		X = Y-1, X = 2
		X #= Y-1
		X is Y-1, X = 2

23. *Perché nel Prolog non si usa ricerca in ampiezza

		perché non completa
		richiede troppa memoria
		non c’è un motivo particolare

24. *Nel ragionamento probabilistico l'affermazione "La probabilità di una proposizione è data dalla somma delle probabilità dei singoli eventi atomici dove è vera":

		è falsa
		è vera
		dipende dalla definizione di evento atomico

25. *Le reti neurali artificiali sono un esempio di:

		apprendimento per rinforzo
		apprendimento supervisionato
		apprendimento non supervisionato

26. *Procedura che limita il bias introdotto da una particolare suddivisione del dataset in training e test set:

		K-Fold Cross
		Regression
		BackPropagation
		Early Stopping

27. *Tabu search:

		Sceglie sempre la migliore tra le soluzioni vicine
		Può scegliere una soluzione peggiore della corrente
		Sceglie sempre una soluzione migliore della corrente

28. *Gli algoritmi di ricerca locale:

		Necessitano di una funzione euristica
		Operano sullo stato corrente
		Memorizzano il cammino seguito dalla ricerca

29. *Negli algoritmi di ricerca locale stocastica, la componente di stocasticità si trova:

		Nella generazione della soluzione iniziale e nel calcolo della funzione obiettivo
		Nella scelta del successore e nella generazione della soluzione iniziale
		Nel calcolo della funzione obiettivo e nella scelta del sucessore

30. *Quale delle seguenti affermazioni sul predicato call é falsa?

		può essere invocato con variabili non istanziate
		serve per la meta-programmazione
		può essere omesso se il suo argomento contiene già un predicato
		serve ad invocare il predicato specificato come argomento

31. *Quale tipo di argomentazione è correttamente accettata in logica?

		Induttiva
		Falsificante
		Confermante

32. *Cosa si può fare con le reti neurali?

		Regressione e Classificazione
		Regressione
		Classificazione

33. *L'ambiente "lancio di una moneta" è

		Deterministico, osservabile, discreto
		Stocastico, osservabile, continuo
		Stocastico, parzialmente osservabile, discreto

34. *Il principio di risoluzione è una procedura di dimostrazione che opera per

		Affermazione
		Deduzione
		Negazione
		Contraddizione

35. *Quanto è pollo chi ha sputtanato l'esame nel forum universitario?

		O(n^n^n)
		inquantificabile
		di più
		assai

36. *Un ambiente ignoto può essere completamente osservabile?

		non ha senso
		si
		no

37. *Quale delle seguenti formule è una clausola?

		A or B or C
		Devo parlare con il mio avvocato
		Non intendo rispondere
		A and not C

38. *Il grado di complessità temporale di una ricerca Depth First è pari a :

		O(b^(d+1))
		O(b^m)
		O(bm)
		O(b^(C*/e))

39. *La ricerca Depth First è ottima?

		Si se costo per singolo passo = 1
		Si
		No
		Si se b(fattore di branching) è finito

40. *Una ricerca Greedy :

		completa ma non ottima
		non è ne ottima ne completa
		ottima ma non completa
		è ottima e completa

41. *La ricerca Greedy ha complessità temporale pari a

		O(b^(d+1))
		O(bd)
		O(b^m)
		O(bm)

42. *La ricerca Greedy ha una complessità spaziale pari a

		O(b^(C*/e))
		O(bm)
		O(b^(d+1))
		O(b^m)

43. *La ricerca A* è una ricerca:

		Completa se il numero di nodi è finito e ottima in alcuni casi
		Solo completa ma non ottima
		ottima e completa sempre
		Ne ottima ne completa

44. *La ricerca Best First Ricorsiva funziona in che modo ?

		Funziona esattamente come una ricerca A*
		Fallisce in ogni caso
		Prende in considerazione oltre al cammino minore anche del percorso alternativo , effettuando una ricorsione per sostituire il valore peggiore del padre con la miglior alternativa
		Funziona come una Breadth First

45. *Il problema della ricerca Best First Ricorsiva è :

		Usa troppa memoria
		Può dare problemi se entra in loop infiniti
		Usa troppa POCA memoria
		Una ricerca non informata

46. *La complessità in termini di spazio della Best First Ricorsiva è:

		O(b^(d+1))
		O(bm)
		O(bd)
		O(b^m)

47. *L'algoritmo minimax funziona in questo modo:

		Sale dai nodi foglia dell'albero e ricerca i cammini per il dispendio minimo di costi
		Valuta solo i nodi Min
		Max inizia per secondo nel minimax
		Parte dall'inizio alla fine

48. Nell'approccio della logica di Allen, l'algoritmo di Path-Consistency

		rileva tutte le inconsistenze
		è completo
		non è colmpleto

49. Nella logica di Allen è possibile definire

		A prima o dopo di B
		A prima di A
		A prima di B o dopo di C

50. Nell'approccio della logica di Allen, le relazioni mutuamente esclusive tra due intervalli sono

		15
		14
		13
		12

51. La regola di Bayes è definita da

		P(causa|effetto)=P(effetto|causa)P(effetto)/P(causa)
		P(effetto|causa)=P(causa|effetto)P(causa)/P(effetto)
		P(causa|effetto)=P(effetto|causa)P(causa)/P(effetto)

52. *P(A or B)=

		P(A)+P(B)
		P(A)-P(B)
		P(A)+P(B)+P(A and B)
		P(A)+P(B)-P(A and B)

53. *Rete Bayesiana:

		Non permette di rappresentare in modo conciso le relazioni di indipendenza condizionale nel dominio
		Permette di rappresentare in modo conciso le relazioni di indipendenza condizionale nel dominio
		Permette di rappresentare i gradi di verità delle variabili nel dominio

54. Nel Calcolo situazionale il piano contiene

		la sequenza di azioni
		azioni concorrenti
		la sequenza delle situazioni

55. *Nel calcolo situazionale la pianificazione è:

		Processo basato su algoritmo di ricerca informata
		Processo di ricerca su grafo
		Processo deduttivo(goal segue dalle azioni)

56. *Di che colore è il cavallo bianco di Napoleone

		Rosso
		Bianco
		Verde

57. *Che fine ha fatto... tu sai chi?

		è un mago
		è morto
		baggianate!
		è ancora in circolazione

58. L'euristica Least-constraining-value nei CSP sceglie la variabile

		che lascia più libertà alle adiacenti
		meno vincolata
		più vincolata
		più vicina

59. Nel forward checking una volta che viene assegnato un valore ad una variabile X

		tale valore viene cancellato da tutti i domini
		tale valore non viene cancellato
		tale valore viene cancellato dai domini delle variabili collegate a X da vincoli

60. Quali delle seguenti affermazioni è falsa?

		il Backtracking non è Arc-Consistency
		il caso peggiore del Backtracking non è esponenziale
		il Backtracking è una ricerca in profondità

61. L'euristica MRV nei CSP sceglie la variabile

		più vicina
		lascia più libertà alle adiacenti
		più vincolata
		meno vincolata

62. In un CSP un arco A(i,j) è consistente

		se per qualche valore X appartenente a Di esiste almeno un valore Y appartenente a Dj tale che il vincolo tra i e j P(i,j) sia soddisfatto
		se per ogni valore X appartenente a Di esiste almeno un valore Y appartenente a Dj tale che il vincolo tra i e j P(i,j) sia soddisfatto
		se esiste un Z appartenente a Dk tale che il vincolo tra i, j, k P(i,j, k) sia soddisfatto

63. Un CSP Path-Consistent è anche Arc-Consistent

		no
		nulla si può dire
		si

64. La complessità del caso peggiore di Path-Consistency per un CSP è

		O(n^4d)
		O(n^2d^3)
		O(n^3)

65. La complessità del caso peggiore di Arc-Consistency per un CSP è

		O(n^4d)
		O(n^2d^3)
		O(n^3)

66. Un CSP Strong-Path-Consistent è anche Arc-Consistent?

		no
		nulla si può dire
		si

67. Di che tipo di ricerca la uniform-cost è una variante?

		nessuna
		depth-first
		breadth-first

68. La funzione di valutazione f(n) nella ricerca A* è data da:

		g(n)
		Valore costante K
		h(n)
		h(n)+g(n)

69. Nella logica a più valori A and not A = 0

		vale
		ha bisogno di un terzo valore
		non vale

70. L'unione di Fuzzy Set viene realizzata tramite

		differenza
		massimo
		minimo

71. Nei Fuzzy Set la relazione A C B con A,B insiemi è vera

		sse la funzione di appartenenza di A è minore o uguale di B
		sse la funzione di appartenenza di A è minore di B
		sse la funzione di appartenenza di A è maggior di B
		sse la funzione di appartenenza di A è uguale di B

72. L'intersezione di Fuzzy Set viene realizzata tramite

		minimo
		differenza
		massimo

73. Due Fuzzy set A e B si dicono equivalenti

		sse la funzione di apparteneza di X ad A è maggiore a quella di x a B
		sse la funzione di apparteneza di X ad A è uguale a quella di x a B
		sse la funzione di apparteneza di X ad A è minore o uguale a quella di x a B

74. Nella logica a più valori A or not A = !

		non vale
		vale
		ha bisogno di un terzo valore

75. Quali delle seguenti formule è una clausola?

		A1 and A2
		A1 or A2
		A1 <=> A2
		not(A1 => A2)

76. Quali delle seguenti formule è una clausola?

		A1 => A2
		A1 and A2
		not(A1 <=> A2)
		A1 or A2 or A3

77. Quali delle seguenti formule è una clausola?

		A1 and not A2
		not(A1 => A2)
		A1 <=> A2
		A1

78. Quali delle seguenti formule è una clausola?

		A1 or not A2
		A1 => (A1 and A2)
		A1 <=> not A2
		not(A1 and A2)

79. Un'interpretazione soddisfa una FBF se

		alla FBF viene assegnato il valore true con quell'interpretazione
		è una tautologia
		alla FBF viene assegnato il valore true con qualsiasi interpretazione

80. In logica le tabelle di verità permettono di

		attribuire un vaolre di verità alle formule
		attribuire un significato alle formule
		attribuire una forma sintattica alle formule

81. In logica proposizionale una formula è valida se

		è vera per tutte le interpretazioni
		è falsa per tutte le interpretazioni
		è vera per alcune e falsa per altre

82. In logica proposizionale due formule sono equivalenti

		se e solo se hanno lo stesso valore di verità in tutte le interpretazioni
		se hanno lo stesso valore di verità in tutte le interpretazioni
		se hanno lo stesso valore di verità in alcune interpretazioni

83. La logica proposizionale è decidibile?

		si
		no
		dipende dai modelli

84. Per provare il teorema G si deve dimostrare che

		((F1 and F2 and ... Fn) and not G) è una fbf
		((F1 and F2 and ... Fn) and not G) è una tautologia
		((F1 and F2 and ... Fn) and G) è una tautologia

85. Il Modus Ponens è

		da A e not A => B segue B
		da A e A => B segue B
		da A e B => A segue B

86. Un teorema è

		l'enunciato di una dimostrazione
		l'insieme dei passi di una dimostrazione
		l'ultima operazione di una dimostrazione

87. Per provare il teorema G si deve dimostrare che

		(F1 and F2 and ... Fn and not G) è una contraddizione
		((F1 and F2 and ... Fn) and G) è una contraddizione
		((F1 and F2 and ... Fn) and not G) è una FBF

88. Il Modus Tollens è

		da A e B => A segue B
		da A e A => B segue B
		da not B e A => B segue not A

89. La fallacia nell'affermazione del conseguente è

		dato A e not B => A segue B
		dato A e A => B segue B
		dato B e A => B segue A

90. La fallacia nella negazione dell'antecedente è

		dato A e B => A segue B
		dato A e A => B segue B
		dato not A e A => B segue not B

91. Una FBF è soddisfacibile

		se e solo se è vera in tutte le interpretazione
		se e solo se è vera in almeno una interpretazione
		se è vera in almeno una interpretazione

92. In logica, quali sono i connettivi essenziali?

		not, <->, ->, or
		and, or, ->
		and, or, not

93. Qual'è il risultato dell'unificazione [p(X)]{p(X)/p(a)}?

		p(X)
		fallimento
		p(a)
		X=a

94. Nell'interpretazione procedurale:

		i predicati diventano deterministici
		i parametri formali sono i valori assegnati in fase di chiamata
		i parametri attuali sono specificati nella testa delle regole
		un goal corrisponde all'invocazione di una procedura

95. In logica proposizionale una formula è una contraddizione se

		è vera per alcune e falsa per altre
		è falsa per tutte le interpretazioni
		è vera per tutte le interpretazioni

96. In logica proposizionale un modello di FBF è

		un'interpretazione che soddisfa la formula
		un'interpretazione che non soddisfa la formula
		un'interpretazione che soddisfa parzialmente la formula

97. Per provare il teorema G si deve dimostrare che

		((F1 and F2 and ... Fn) and not G) è una fbf
		((F1 and F2 and ... Fn) -> G) è una tautologia
		((F1 and F2 and ... Fn) and not G) è una tautologia

98. *La logica dei predicati del primo ordine è:

		indecidibile
		decidibile
		semi-decidibile

99. *Nel calcolo dei predicati del primo ordine l'equivalenza tra aspetto sintattico e semantico è garantita:

		dalla proprietà di correttezza
		Dalla proprietà di completezza
		Dalla proprietà di correttezza e completezza della teoria

100. *Quale tipo di argomentazione è correttamente accettata in logica?

		Falsificante
		Induttiva
		Confermante

101. *Qual'è la migliore squadra del campionato italiano?

		Milan
		Padova
		Inter
		Juve

102. La Risuluzione SLD limitata alle clausole di Horn è

		corretta ma non completa
		completa ma non corretta
		completa e corretta
		nè corretta nè completa

103. Cosa si intende per reversibilità?

		gli argomenti dei predicati possono essere istanziati secondo uno schema variabile
		gli argomenti dei predicati possono essere istanziati secondo uno schema fisso
		gli argomenti dei predicati non possono essere istanziati

104. La formula A:-B1,B2,B3:

		è una regola
		non è una clausola di Horn
		è un fatto
		è un goal

105. Quale delle seguenti espressioni non è una costante?

		12.34;
		Abc;
		12;
		abc;

106. Quale delle seguenti espressioni non è una variabile?

		_aBc;
		A3;
		abc;
		Abc;

107. Qual è l'interpretazione dichiarativa di A:-B?

		A or not B
		A and B
		A => B
		A <= B

108. La regola di computazione del Prolog:

		procede da sinistra a destra
		le clausole vengono riordinate dinamicamente
		non esiste un ordine
		procede da destra a sinistra

109. Il cosiddetto "occur-check":

		viene sempre verificato
		può essere trascurato
		viene trascurato perchè non crea problemi
		viene trascurato ma può creare problemi

110. La potenza del Prolog

		è esprimibile da una grammatica libera dal contesto
		è pari alla macchina di Turing
		è esprimibile da una grammatica sensibile al contesto
		è pari a quella di un automa a stati finiti

111. Quale delle seguenti affermazioni su *(+(2,3),4) è falsa?

		non è valida in Prolog
		l'espressione equivale a 4*(2+3)
		le parentesi sono necessarie

112. Il risultato di "X1 is 3*4, 1 is X1/12" è:

		X1=12;
		No
		X1=12 Yes
		Yes

113. L'operatore is:

		non è reversibile
		è un operatore di assegnamento
		può risolvere vincoli con variabili non istanziate alla sua destra
		è invariante rispetto alla regola di selezione

114. La ricorsione in Prolog

		è l'unico modo per realizzare l'iterazione
		anche se non ottimizzata non `e pesante
		a volte è meglio sostituirla con l’iterazione
		può sempre essere ottimizzata

115. Quali delle seguenti affermazioni sulle liste è falsa?

		.(T1,T2,C) equivale a [T1|T2|C]
		in .(T,C) T è un termine qualsiasi
		in .(T,C) C è una lista
		[] è la lista vuota

116. Il risultato di l([1,2,3,4]),l([_X,Y|Z]) è

		Y=1, Z=[2,3,4]
		Y=2, Z=[3,4]
		fallimento
		X=0, Y=2, Z=[3,4]

117. Qual è la funzione di l(X),Y=[0|X]. ?

		aggiungere un elemento a sinistra della lista
		aggiungere un elemento a destra della lista
		sostituire un elemento della lista
		eliminare un elemento dalla lista

118. Quali delle seguenti equivalenze è falsa?

		[1,2,3]=[1,2,3,[]]
		[1,2,3]=[1,2,3]-[]
		[1,2,3]=[1,2,3,4]-[4]
		[1,2,3]=[1,2,3|L]-L

119. Come viene interpretata la negazione di p(X) in Prolog

		Esiste X not p(X)
		Esiste X p(X)
		Perogni X p(X)
		Perogni X not p(X)

120. Qual è la corretta definizione di negazione?

		not(X):-X,fail. not(X).
		not(X):-X,!. not(X).
		not(X):-X,!,fail. not(X).
		not(X):-X,!,fail.

121. Quale delle seguenti affermazioni sui punti di scelta è falsa?

		vengono rimossi in fase di backtraking
		non comportano un appesantimento del codice
		rendono il codice non deterministico
		sono creati in presenza di più clausole unificabili

122. Quale delle seguenti affermazioni e' vera?

		la negazione in Prolog si basa sul concetto di fallimento finito o infinito
		la definizione di negazione in Prolog non crea problemi
		la negazione in Prolog coincide esattamente con l-ipotesi di "Mondo Chiuso"
		le clausole di Horn non permettono di derivare letterali negativi

123. Da cosa è formata una clausola goal?

		solo da formule atomiche negative
		da una qualsiasi formula
		da una sola formula atomica positiva

124. Il risultato di X=[1,2,3,4] con query Y=[0|X] è

		Y=[0]
		Y=[0,1,2,3,4]
		Y=[1,2,3,4]
		Y=[]

125. Quale di queste non è una lista:

		[a(1),b(c(d,e)),f]
		[a|b|c]
		[a|[b|[c,d]]]
		[]

126. La ricerca A* è ottima:

		se la funzione costo g(n) ha un valore minimo
		se la funzione costo g(n) è ammissibile
		se l'euristica h(n) è ammissibile
		mai

127. *Quale delle seguenti affermazioni sul predicato cut è falsa?

		rende definitiva la scelta della clausola in cui `e contenuto;
		non tocca i punti di scelta che lo seguono.
		elimina tutti i punti di scelta nella clausola in cui `e contenuto;
		elimina i punti di scelta che lo precedono nella clausola in cui `e contenuto;

128. *Il predicato cut:

		in certi casi pu`o fallire
		non presenta argomenti
		viene ignorato in fase di backtracking
		ha sempre successo

129. *La mutua esclusione di una serie di regole con la stessa testa:

		può creare inefficienze quando non viene identificata dal Prolog
		può essere realizzata anche senza il cut
		viene resa più efficiente con il cut
		è impossibile senza ricorrere al cut

130. *Il predicato cut:

		non ha una chiara interpretazione dichiarativa
		aiuta il Prolog ad ottimizzare il codice
		è necessario per specificare il fatto che un predicato è deterministico
		modifica sempre l’interpretazione procedurale

131. *L’ottimizzazione tail:

		mantiene una valutazione ricorsiva
		si può applicare anche in presenza di punti di scelta
		richiede una complessità spaziale lineare
		permette di applicare una valutazione iterativa

132. *Quale delle seguenti affermazioni è falsa?

		un predicato ricorsivo non tail non può in nessun caso essere ottimizzato in maniera tail
		una coppia di predicati mutuamente ricorsivi non può essere direttamente ottimizzata in maniera tail
		un predicato con pi`u chiamate ricorsive non può essere direttamente ottimizzato in maniera tail
		un predicato deterministico che presenta una chiamata ricorsiva come ultima clausola può essere ottimizzato in maniera tail

133. Perchè nel Prolog si usa la ricerca in profondità?

		non c'è un motivo particolare
		per garantire la completezza
		perchè in ampiezza sarebbe incompleta
		per poter eseguire il codice su una macchina a stack in maniere efficiente

134. Cosa si intende per cammino nello spazio degli stati?

		una sequenza di operatori che porta dallo stato iniziale ad un altro
		una sequenza di operatori che porta da uno stato ad un altro
		una sequenza di operatori che porta da uno stato qualunque ad uno finale
		una sequenza di operatori che porta dallo stato iniziale ad uno finale

135. Differenza tra ricerca informata e non-informata

		le informate utilizzano conoscenza sul dominio del problema, le non-informate effettuano una ricerca esaustiva
		nessuna differenza
		le non-informate utilizzano un approccio probabilistico, le informate una ricerca esaustiva

136. La ricerca uniform-cost

		espande i nodi con minor costo di cammino
		espande i nodi a caso
		espande i nodi più profondi
		espande i nodi meno profondi

137. La ricerca depth-first

		espande i nodi a caso
		espande i nodi con minor costo di cammino
		espande i nodi meno profondi
		espande i nodi più profondi

138. La caratteristica che limita maggiormente gli algoritmi di ricerca è:

		la memoria centrale
		la memoria secondaria
		la CPU
		il floating-point

139. La ricerca depth-first è completa?

		se lo spazio degli stati è finito
		mai
		si
		se il fattore di ramificazione b è finito

140. La funzione di valutazione f(n) nella ricerca greedy best first è data da:

		valore costante K
		h(n)+g(n)
		h(n)
		g(n)

141. La ricerca A* è ottima:

		se h(n) è consistente
		sempre
		se h(n) è ammissibile ma non consistente
		mai

142. Il limite maggiore di A* è dato dal fatto che

		non è mai completa
		necessita di grandi quantità di memoria
		non è ottima

143. La ricerca breadth-first

		espande i nodi a caso
		espande i nodi meno profondi
		espande i nodi con minor costo di cammino
		espande i nodi più profondi

144. La ricerca breadth-first è completa

		mai
		se lo spazio degli stati è finito
		sempre
		se il fattore di ramificazione b è finito

145. Cosa contiene l'albero di ricerca?

		tutti gli stati espansi
		gli stati compresi in un solo cammino
		gli stati compresi in un cammino tra stato iniziale e finale
		tutti gli stati dello spazio degli stati

146. La ricerca A* è ottima

		sempre
		se h(n) è ammissibile
		mai
		se h(n) non è ammissibile

147. Cosa è lo spazio degli stati?

		l'insieme degli stati raggiungibili dallo stato iniziale applicando un solo operatore
		l'insieme degli stati che descrivono la configurazione del sistema
		l'insieme di tutti i possibili stati
		l'insieme degli stati raggiungibili dallo stato iniziale con una sequenza qualunque di operatori

148. Cosa definisce una strategia di ricerca?

		Quale operatore applicare ad ogni passo della ricerca
		quale stato espandere dall'albero di ricerca
		quale stato eliminare dall'albero di ricerca
		Lo stato iniziale

149. *La frontiera della ricerca Breadth-First è una coda :

		Struttura dati mista
		FIFO
		LIFO

150. *Che grado di complessità spaziale ha la ricerca Breadth First?

		O(b^(d+1))
		O(b^(C*/e))
		O(b^m)
		O(bm)

151. *Cos'è un algoritmo di Alpha-Beta Pruning?

		Un algoritmo di gioco in grado che assegna un valore alpha soltanto al percorso esatto
		Un algoritmo per la ricerca di parole in un sito web
		Un algoritmo di gioco che pota i rami con caso peggiore rispetto ai precedenti ( funziona come Minimax essendone un caso speciale)
		Funziona eliminando dalla memoria i nodi con valore dispari

152. *La Breadth First è completa?

		Si sempre
		Si se b(fattore di branching) è finito
		Mai
		Dipende dal fattore relativo alla soluzione a costo minimo

153. *La complessità temporale della ricerca Breadth First è:

		O(b^(C*/e))
		O(bm)
		O(b^(d+1))
		O(b^m)

154. *La ricerca Breadth First è OTTIMA?

		Si se costo per singolo passo = 1
		No
		Si se b(fattore di branching) è finito
		Si sempre

155. *La ricerca a costo uniforme è completa?

		Si sempre
		Si se costo per singolo passo <= e
		No
		Si se b(fattore di branching) è finito

156. *Il grado di complessità della ricerca a costo uniforme è pari a:

		O(b^(C*/e))
		O(b^m)
		O(b^(d+1))
		O(bm)

157. *La ricerca a costo uniforme è ottima?

		A volte si e a volte no dipende da b
		Si perché i nodi hanno un costo g(n)
		No
		Si se costo per singolo passo = 1

158. *La ricerca Depth First è una ricerca:

		LIFO
		FIFO

159. *La ricerca Depth First è completa?

		No perché il valore di m può essere infinito
		Si se costo per singolo passo = 1
		Si sempre
		Si se b(fattore di branching) è finito

160. *La complessità spaziale della Depth First è:

		lineare (O(bm))
		Esponenziale
		O
		O(b^m)

161. *La ricerca Depth First Limited:

		Equivale ad una Breadth First
		Funziona come la Depth First ma ha un limite l
		Ha sempre un nodo limitato e gli altri no
		Funziona come la Depth ma è FIFO

162. *La ricerca Iterative Deepening ha grado di complessità temporale pari a:

		O(bd)
		O(b^(d+1))
		O(b^d)
		O(bm)

163. *La ricerca Iterative deepening funziona in modo da :

		Funziona come una Breadth First
		valuta tutti i possibili liveli di profondità in modo da preservare memoria
		espandere tutti i rami fino in profondità massima sempre

164. *La iterative deepening ha un grado di complessità spaziale pari a :

		O(b^(d+1))
		O(bm)
		O(b^d)
		O(bd)

165. *La iterative Deepening è ottima?

		Mai proprio mai
		Si se costo per singolo passo = 1
		Si sempre
		No

166. *Quale di queste è una ricerca informata?

		A*
		Depth First
		Breadth First
		Iterative deepening

167. *La ricerca Best First Search è un tipo di ricerca informata che:

		funziona come le non informate
		funziona in modo da ottenere il risultato della Depth First
		Fallisce in ogni caso
		prende in considerazione una funzione di valutazione f(n) con una misura di un grado di desiderabilità

168. *Le ricerche Greedy e A* sono due casi speciali di ricerca:

		Depth First
		Breadth First
		Best First
		Iterative Deepening