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