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