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