Questões de Concurso Sobre algoritmos e estrutura de dados

Foram encontradas 3.260 questões

Q2536540 Algoritmos e Estrutura de Dados
Métodos de ordenação são algoritmos que ordenam os elementos de uma estrutura de dados. Considere os principais algoritmos de ordenação, marque V para as afirmativas verdadeiras e F para as falsas.


( ) Bubble Sort é eficiente para grandes conjuntos de dados.
( ) Merge Sort é mais eficiente em termos de espaço do que o Quick Sort.
( ) Insert Sort é baseado na estratégia de dividir para conquistar.


A sequência está correta em
Alternativas
Q2536533 Algoritmos e Estrutura de Dados
A representação de dados em binário é fundamental para o funcionamento de sistemas digitais e computadores. O sistema binário, com base 2, utiliza apenas dois dígitos: 0 e 1. Converta o número binário (10112) em decimal e assinale a alternativa correspondente.
Alternativas
Q2535258 Algoritmos e Estrutura de Dados
No contexto de uma Árvore B, estrutura comumente utilizada na indexação de tabelas relacionais, considere as seguintes propriedades numa árvore B de grau g.

1. Todas as folhas estão no mesmo nível de profundidade na árvore.
2. Todos os nós podem conter, no máximo, 2g - 1 chaves.
3. Exceto pelo nó raiz, todos os demais nós devem conter, no mínimo, 3 chaves.
4. Para uma árvore com N chaves, a complexidade do algoritmo de inserção é O(n2 ).
5. Para uma árvore com N chaves, a complexidade do algoritmo de inserção é O(n).

Estão corretas apenas as afirmativas
Alternativas
Q2534663 Algoritmos e Estrutura de Dados
No contexto de uma Árvore B, estrutura comumente utilizada na indexação de tabelas relacionais, considere as seguintes propriedades numa Árvore B de grau g.

1. Todas as folhas estão no mesmo nível de profundidade na árvore.
2. Todos os nós podem conter, no máximo, 2g - 1 chaves.
3. Exceto pelo nó raiz, todos os demais nós devem conter, no mínimo, g -1 chaves.
4. Para uma árvore com N chaves, a complexidade do algoritmo de inserção é O(n).
5. Para uma árvore com N chaves, a complexidade do algoritmo de inserção é O(log n).

Estão corretas as afirmativas
Alternativas
Q2529021 Algoritmos e Estrutura de Dados

Analise o algoritmo abaixo, escrito no software VisuAlg 3.0: 


Imagem associada para resolução da questão


Ao final da execução do algoritmo acima, qual variável conterá o maior valor numérico? 

Alternativas
Q2529020 Algoritmos e Estrutura de Dados

São estruturas de dados consideradas homogêneas:


I. Matriz.


II. Registro.


III. Vetor.


Quais estão corretas?

Alternativas
Q2524561 Algoritmos e Estrutura de Dados

O algoritmo Naive Bayes é amplamente utilizado em problemas de classificação, especialmente em aplicações de processamento de linguagem natural e análise de texto.


O princípio fundamental do algoritmo Naive Bayes

Alternativas
Q2523552 Algoritmos e Estrutura de Dados
Um sistema gera um vetor fixo de dados para efetuar o controle de um processo usando o código C abaixo, em um compilador que trabalha com inteiros de 32 bits. 

Imagem associada para resolução da questão


Após a execução desse trecho de código, o valor de final é 
Alternativas
Q2519104 Algoritmos e Estrutura de Dados
Considere o Sistema de Equações Lineares AX = B, em que: 

Imagem associada para resolução da questão

Assinale a opção que contém uma matriz do tipo triangular superior, obtida por meio de escalonamento, pelo método de Gauss, a partir da matriz aumentada deste sistema.
Alternativas
Q2519103 Algoritmos e Estrutura de Dados
Considere uma função f(x) contínua no intervalo [a, b] e que  f(a)f(b) < 0. Considere, ainda, a utilização do método da bissecção, para obtenção do zero real desta função, sabendo que o valor de xK, em cada iteração K,  é dado por (aK + bK)/2.
Se na primeira iteração for constatado que 

f(a0) < 0,  f(b0) > 0  e  f(x0) > 0 

e na segunda iteração 

f(a1) < 0,  f(b1) > 0  e  f(x1) < 0, 

na aplicação deste método, devem ser feitas as seguintes atribuições para os novos limites dos intervalos: 

Alternativas
Q2518838 Algoritmos e Estrutura de Dados
Considere uma árvore que contém todo e qualquer nó em um grafo, mais formalmente, uma spanning tree de um grafo G = (N, E) e um grafo G' = (N, E') tal que E' é um subconjunto de E, G' é conectado, G' não contém nenhum ciclo e G' contém todos os nós originais em G.

Se cada enlace tiver um custo associado e o custo de uma árvore for a soma dos custos dos enlaces, é correto afirmar que uma árvore cujo custo seja o mínimo entre todas as spanning trees é denominada: 
Alternativas
Q2518310 Algoritmos e Estrutura de Dados
Algoritmos para assimilação de dados podem ser implementados de maneira eficiente e otimizada por meio de paralelização de processos.

O Parallel Data Assimilation Framework (PDAF) é um pacote de software que simplifica a implementação de métodos de assimilação, provendo versões totalmente paralelizadas de algoritmos, como por exemplo, diferentes versões dos Filtros de Kalman por conjunto (EnKF). Um dos requisitos de funcionamento do PDAF é o uso de um protocolo padronizado de comunicação para computação paralela.

O principal padrão de comunicação entre os processos paralelos executados em um sistema de memória distribuída, é denominado
Alternativas
Q2518309 Algoritmos e Estrutura de Dados
Assimilação de dados profunda (Deep Data Assimilation - DDA) é uma técnica recente que integra aprendizado profundo e assimilação.

Utiliza-se uma rede neural recorrente para aprender o processo de assimilação, que por sua vez é treinada a partir dos estados de um sistema dinâmico e de seus resultados de assimilação correspondentes. Tais redes neurais recorrentes são implementadas com o uso de funções de ativação, que introduzem não linearidades às saídas dos neurônios das redes.

Assinale a opção que menos se adequa às características esperadas para funções de ativação.
Alternativas
Q2518304 Algoritmos e Estrutura de Dados
Em assimilação variacional, frequentemente são encontrados problemas inversos mal-postos, (ill-posed problems). Esses problemas podem ser convertidos em bem-postos (well-posed) pelo uso de técnicas de regularização. Um exemplo é o uso da regularização de Tikhonov, em que se adiciona um termo de regularização a um funcional a ser minimizado, evitando-se assim instabilidades numéricas durante o cálculo da solução.

Por exemplo: suponha que se busque um vetor x que resolva o sistema Hx = y, minimizando-se o funcional

Imagem associada para resolução da questão


em que Imagem associada para resolução da questão é a norma L2 (isto é, um problema de mínimos quadrados mal-posto). Pode-se adicionar o termo de regularização de Tikhonov ao funcional, substituindo-o por

Imagem associada para resolução da questão


em que  Imagem associada para resolução da questão, e I é a matriz identidade.

Considere um caso hipotético onde as variáveis H, yα possuem os seguintes valores:

Imagem associada para resolução da questão


Neste caso, o vetor X que minimiza Imagem associada para resolução da questão é:
Alternativas
Q2518303 Algoritmos e Estrutura de Dados
Relacione os algoritmos de otimização utilizados em assimilação de dados variacional com suas respectivas características correspondentes.

1. Método de Newton
2. Broyden-Fletcher-Goldfarb-Shanno (BFGS)
3. Gradiente Conjugado
( ) Determina pontos cada vez mais próximos das soluções dos problemas de otimização mudando a direção de busca a cada iteração.
( ) Requer o cálculo das expressões fechadas dos gradientes e matrizes Hessianas a cada iteração.
( ) Utiliza aproximações de matrizes Hessianas e suas inversas para reduzir a carga computacional a cada iteração.

Assinale a opção que indica a relação correta, segundo a ordem apresentada.
Alternativas
Q2518302 Algoritmos e Estrutura de Dados
Métodos de assimilação de dados clássicos são tradicionalmente classificados em sequenciais ou variacionais. Os métodos variacionais guardam semelhanças com a teoria de controle ótimo, por sua vez desenvolvida a partir do estabelecimento dos fundamentos do cálculo variacional.

Com relação à formulação variacional de assimilação de dados, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) Trata-se da busca por estados dos sistemas que minimizam um funcional de custo, em geral definido como um erro quadrático entre observações e predições correspondentes àqueles estados, calculadas por modelos matemáticos.
( ) Envolve a necessidade de aplicação de técnicas de localização e/ou inflação de covariâncias para eliminar correlações espurias entre possíveis soluções de problemas de otimização.
( ) Baseia-se em otimizações com restrições dinâmicas fortes, introduzidas no problema por uso de multiplicadores de Largrange; ou fracas, introduzidas no problema como termos ponderados de penalidades.

As afirmativas são, respectivamente,
Alternativas
Q2518301 Algoritmos e Estrutura de Dados
O problema de previsão numérica de tempo em escala global é de altíssima dimensionalidade, envolvendo, por exemplo, representações de estados com centenas de milhões de variáveis.

Essa alta dimensionalidade impõe grandes dificuldades para a aplicação de filtros de partículas (PF) em problemas de assimilação de dados com muitas observações independentes, porque nessas situações o número de partículas necessárias para representar as distribuições de probabilidade cresce exponencialmente.

Técnicas recentemente desenvolvidas que visam contornar essas dificuldades baseiam-se em combinar filtros de partículas e filtros de Kalman por conjunto (EnKF), criando-se soluções híbridas PF-EnKF.

Assinale a opção que indica a principal vantagem de se utilizar filtros híbridos PF-EnKF.
Alternativas
Q2518300 Algoritmos e Estrutura de Dados
A reamostragem em filtros de partículas pode ser realizada por meio da criação de novas amostras retiradas das distribuições de probabilidade discretas correspondentes a conjuntos de partículas e suas configurações de pesos. No entanto, o fato de as novas amostras serem criadas exatamente nos mesmos pontos do espaço em que se localizam as partículas anteriores é inconveniente, pois facilita o empobrecimento das partículas (i.e., o chamado particle impoverishment).

Uma forma de produzir um novo conjunto de partículas em pontos distintos é substituir as distribuições discretas de probabilidade por aproximações contínuas e, somente então, realizar a reamostragem. A criação dessas aproximações se dá por meio de uma operação matemática entre a distribuição de probabilidade discreta e um kernel contínuo.

Nesse contexto, o processo de reamostragem em distribuições de probabilidade contínuas, que aproximam distribuições discretas correspondentes às configurações de partículas, é chamado de
Alternativas
Q2518299 Algoritmos e Estrutura de Dados
Filtros de partículas são, em geral, implementados com o uso de reamostragem sequencial por importância. Essa reamostragem pode ser adaptativa, ocorrendo apenas quando a métrica denominada número efetivo de partículas é considerada muito baixa.

Considerando um filtro de partículas com N partículas cujos pesos são dados por w(i) ,i = 1, … , N, a estimativa do número efetivo de partículas é dada por
Alternativas
Q2518298 Algoritmos e Estrutura de Dados
Filtros de Partículas são implementações não paramétricas de filtros Bayesianos em que as distribuições de probabilidade não são explicitamente definidas, sendo, portanto, representadas por um conjunto de amostras provenientes delas próprias (denominadas partículas).

Com relação aos filtros de partículas, analise as afirmativas a seguir e assinale (V) para a verdadeira e (F) para a falsa.

( ) As partículas representam observações (ou medidas) obtidas por sensores aplicados ao sistema em análise, e a elas são associados pesos proporcionais às suas probabilidades de coincidirem com medidas correspondentes ao estado verdadeiro do sistema.
( ) Quando aplicados à assimilação de dados, a cada passo de assimilação, novos pesos são atribuídos às partículas. Caso não seja realizado nenhum processo de reamostragem, o conjunto de partículas costuma degenerar-se, com uma das partículas recebendo peso normalizado próximo de 1 e as outras partículas recebendo pesos normalizados próximos de 0.
( ) São capazes de representar distribuições de probabilidade multimodais, isto é, cujas densidades de probabilidade possuem mais de um máximo local.

As afirmativas são, respectivamente,
Alternativas
Respostas
241: A
242: B
243: A
244: B
245: C
246: C
247: C
248: B
249: C
250: D
251: A
252: B
253: C
254: A
255: A
256: B
257: C
258: E
259: B
260: D