- 1. Mathematische Optimierung, auch bekannt als mathematische Programmierung, ist eine Disziplin, die sich mit der Suche nach der besten Lösung aus einer Reihe von machbaren Lösungen beschäftigt. Sie beinhaltet den Prozess der Maximierung oder Minimierung einer Zielfunktion unter Berücksichtigung von Beschränkungen. Optimierungsprobleme treten in verschiedenen Bereichen auf, z. B. in den Bereichen Technik, Wirtschaft, Finanzen und Operations Research. Ziel der mathematischen Optimierung ist es, die Effizienz zu verbessern, den Gewinn zu maximieren, die Kosten zu minimieren oder das bestmögliche Ergebnis innerhalb der gegebenen Randbedingungen zu erzielen. Zur Lösung von Optimierungsproblemen werden verschiedene Techniken wie lineare Programmierung, nichtlineare Programmierung, ganzzahlige Programmierung und stochastische Optimierung eingesetzt. Insgesamt spielt die mathematische Optimierung eine entscheidende Rolle bei Entscheidungsprozessen und Problemlösungen in komplexen realen Szenarien.
Was ist das Hauptziel der mathematischen Optimierung?
A) Generierung von Zufallszahlen
B) Zählen von Primzahlen
C) Minimieren oder Maximieren einer Zielfunktion
D) Lösen von Gleichungen
- 2. Was ist eine Nebenbedingung bei Optimierungsproblemen?
A) Einschränkung der möglichen Lösungen
B) Die erste Vermutung
C) Die mathematische Formel
D) Das Endergebnis
- 3. Bei welcher Art der Optimierung wird der maximale Wert einer Zielfunktion angestrebt?
A) Randomisierung
B) Vereinfachung
C) Maximierung
D) Minimierung
- 4. Welche Methode wird üblicherweise zur Lösung von Problemen der linearen Programmierung verwendet?
A) Versuch und Irrtum
B) Simuliertes Glühen
C) Raten und Prüfen
D) Simplex-Verfahren
- 5. Was ist die Zielfunktion bei einem Optimierungsproblem?
A) Eine zufällige mathematische Operation
B) Zu optimierende oder zu minimierende Funktion
C) Eine Gleichung ohne Variablen
D) Eine Einschränkungsfunktion
- 6. Was bedeutet der Begriff "machbare Lösung" in der Optimierung?
A) Eine falsche Lösung
B) Eine Lösung ohne Zwänge
C) Eine zufällige Lösung
D) Eine Lösung, die alle Nebenbedingungen erfüllt
- 7. Welche Bedeutung hat die Sensitivitätsanalyse bei der Optimierung?
A) Wählt den besten Algorithmus aus
B) Bewertet die Auswirkungen von Änderungen der Parameter auf die Lösung
C) Findet das globale Optimum
D) Erzeugt zufällige Lösungen
- 8. Was ist bei der linearen Programmierung die machbare Region?
A) Der Bereich außerhalb der Beschränkungen
B) Die Menge aller realisierbaren Lösungen
C) Die Region mit dem höchsten Wert
D) Der Lösungsraum
- 9. Wie wird mathematische Optimierung auch bezeichnet?
A) Quantitative Analyse
B) Mathematische Programmierung
C) Algorithmische Gestaltung
D) Funktionsmaximierung
- 10. In wie viele Teilbereiche wird mathematische Optimierung im Allgemeinen unterteilt?
A) Vier: kombinatorische, stochastische, dynamische und robuste Optimierung.
B) Drei: lineare Optimierung, nichtlineare Optimierung und ganzzahlige Programmierung.
C) Zwei: diskrete Optimierung und kontinuierliche Optimierung.
D) Eins: allgemeine Optimierung.
- 11. Welche Art der Optimierung beinhaltet die Suche nach einem Objekt wie einer ganzen Zahl, einer Permutation oder einem Graphen?
A) Nichtlineare Programmierung
B) Lineare Programmierung
C) Kontinuierliche Optimierung
D) Diskrete Optimierung
- 12. Bei welcher Art von Optimierung werden optimale Lösungen aus einer kontinuierlichen Menge von Werten gefunden?
A) Kontinuierliche Optimierung
B) Kombinatorische Optimierung
C) Diskrete Optimierung
D) Integer-Programmierung
- 13. Welche Methode gewährleistet die Konvergenz durch Optimierung einer Funktion entlang einer Dimension?
A) Vertrauensbereiche.
B) Schätzung des positiven und negativen Impulses.
C) Lagrange-Relaxation.
D) Linienmethoden.
- 14. Welche Arten von Variablen werden in der semidefinerten Programmierung (SDP) verwendet?
A) Semidefinite Matrizen.
B) Stetige Variablen.
C) Binäre Variablen.
D) Diskrete Variablen.
- 15. Welcher Zweig der Mathematik befasst sich mit deterministischen Algorithmen für nicht-konvexe Probleme?
A) Diskrete Mathematik
B) Lokale Optimierung
C) Lineare Programmierung
D) Globale Optimierung
- 16. Wer bestimmt die 'bevorzugte Lösung' unter den Pareto-optimalen Lösungen?
A) Ein externer Gutachter
B) Der Optimierungsalgorithmus
C) Der Entscheidungsträger
D) Der Entwickler des Systems
- 17. Welche Methode verwendet eine stochastische Gradientenapproximation für die stochastische Optimierung?
A) Innere-Punkt-Methoden
B) Quantenoptimierungsalgorithmen
C) Ellipsoid-Methode
D) Gleichzeitige Störungs-Stochastische-Approximation (SPSA)
- 18. Was ist der minimale Wert von (x² + 1) für x = -2?
A) 1
B) 5
C) 3
D) 4
- 19. Welche Methode ist historisch bedeutsam, aber langsam, und erfreut sich aufgrund ihrer Eignung für große Probleme wieder wachsender Beliebtheit?
A) Gleichzeitige stochastische Approximationsverfahren mit Perturbation
B) Koordinatenabstiegsverfahren
C) Gradientenabstieg
D) Quasi-Newton-Methoden
- 20. In welchem Bereich wird die Designoptimierung besonders angewendet?
A) Elektrotechnik.
B) Ingenieurwesen, insbesondere Luft- und Raumfahrttechnik.
C) Kosmologie und Astrophysik.
D) Mikroökonomie.
- 21. In welchen Bereichen werden stochastische Programmierung und Simulation zur Entscheidungsfindung eingesetzt?
A) Regelungstechnik
B) Operationsforschung
C) Bauingenieurwesen
D) Molekulare Modellierung
- 22. Welche effizienten numerischen Verfahren gibt es zur Minimierung konvexer Funktionen?
A) Linienmethoden.
B) Vertrauensregionen.
C) Lagrange-Relaxation.
D) Innere Punktmethoden.
- 23. Wer hat den Begriff "lineare Programmierung" eingeführt?
A) John von Neumann
B) Fermat
C) George B. Dantzig
D) Leonid Kantorovich
- 24. Welche Bedingungen werden verwendet, um Optima in Problemen mit sowohl Gleichheits- als auch Ungleichungsbedingungen zu finden?
A) Bedingungen erster Ordnung
B) Bedingungen zweiter Ordnung
C) Die Karush-Kuhn-Tucker-Bedingungen
D) Zulässigkeitsbedingungen
- 25. In welchem Jahr führte Leonid Kantorowitsch einen Großteil der theoretischen Grundlagen der linearen Programmierung ein?
A) 1939
B) 1950
C) 1960
D) 1947
- 26. Wie können fehlende Informationen in einem Mehrzieloptimierungsproblem manchmal ermittelt werden?
A) Automatisch durch den Algorithmus.
B) Durch Analyse historischer Daten.
C) Indem weniger wichtige Ziele ignoriert werden.
D) Durch interaktive Sitzungen mit dem Entscheidungsträger.
- 27. Was ist der spezielle Fall der mathematischen Optimierung, bei dem jede Lösung optimal ist?
A) Multimodale Optimierung
B) Das Existenzproblem
C) Das Zulässigkeitsproblem
D) Globale Optimierung
- 28. Gibt es einen Maximalwert für die Funktion \(2x\) über alle reellen Zahlen?
A) Ja, er beträgt 2.
B) Nein, sie ist nicht beschränkt.
C) Ja, er ist minus unendlich.
D) Ja, er ist unendlich.
- 29. Was passiert, wenn man einer Optimierungsaufgabe mehr als ein Ziel hinzufügt?
A) Beseitigt Kompromisse
B) Vereinfacht das Problem
C) Reduziert die Anzahl der Lösungen
D) Erhöht die Komplexität
- 30. Wie wird ein Design bewertet, wenn es nicht von einem anderen Design dominiert wird?
A) Unterlegen
B) Pareto-optimal
C) Nicht effizient
D) Suboptimal
- 31. Für welches x erreicht die Funktion \(x2 + 1\) ihren minimalen Wert?
A) x = -1
B) x = ∞
C) x = 0
D) x = 1
|