- 1. L'optimisation mathématique, également connue sous le nom de programmation mathématique, est une discipline qui consiste à trouver la meilleure solution parmi un ensemble de solutions possibles. Elle implique le processus de maximisation ou de minimisation d'une fonction objective tout en tenant compte des contraintes. Les problèmes d'optimisation se posent dans divers domaines tels que l'ingénierie, l'économie, la finance et la recherche opérationnelle. L'objectif de l'optimisation mathématique est d'améliorer l'efficacité, de maximiser les profits, de minimiser les coûts ou d'obtenir le meilleur résultat possible compte tenu des contraintes données. Différentes techniques telles que la programmation linéaire, la programmation non linéaire, la programmation en nombres entiers et l'optimisation stochastique sont utilisées pour résoudre les problèmes d'optimisation. Globalement, l'optimisation mathématique joue un rôle crucial dans les processus de prise de décision et la résolution de problèmes dans des scénarios complexes du monde réel.
Quel est l'objectif principal de l'optimisation mathématique ?
A) Minimiser ou maximiser une fonction objective
B) Résolution d'équations
C) Compter les nombres premiers
D) Générer des nombres aléatoires
- 2. Qu'est-ce qu'une contrainte dans les problèmes d'optimisation ?
A) La formule mathématique
B) Le résultat final
C) L'estimation initiale
D) Limitation des solutions possibles
- 3. Quel type d'optimisation recherche la valeur maximale d'une fonction objective ?
A) Maximisation
B) Minimisation
C) Simplification
D) Randomisation
- 4. Qu'est-ce que la fonction objective dans un problème d'optimisation ?
A) Fonction à optimiser ou à minimiser
B) Une opération mathématique aléatoire
C) Une équation sans variables
D) Une fonction de contrainte
- 5. Que signifie le terme "solution réalisable" dans le domaine de l'optimisation ?
A) Une solution aléatoire
B) Une solution qui satisfait toutes les contraintes
C) Une solution incorrecte
D) Une solution sans contraintes
- 6. Dans la programmation linéaire, qu'est-ce que la région réalisable ?
A) L'ensemble de toutes les solutions réalisables
B) La zone en dehors des contraintes
C) L'espace de solution
D) La région avec la valeur maximale
- 7. Quelle est l'importance de l'analyse de sensibilité dans l'optimisation ?
A) Trouve l'optimum global
B) Sélectionne le meilleur algorithme
C) Évaluer l'impact des changements de paramètres sur la solution
D) Génère des solutions aléatoires
- 8. Quelle méthode est couramment utilisée pour résoudre les problèmes de programmation linéaire ?
A) Recuit simulé
B) Deviner et vérifier
C) Méthode du simplexe
D) Essais et erreurs
- 9. Comment appelle-t-on également l'optimisation mathématique ?
A) Analyse quantitative
B) Maximisation de fonctions
C) Conception d'algorithmes
D) Programmation mathématique
- 10. En combien de sous-domaines l'optimisation mathématique est-elle généralement divisée ?
A) Deux : optimisation discrète et optimisation continue.
B) Un : optimisation générale.
C) Quatre : optimisation combinatoire, optimisation stochastique, optimisation dynamique et optimisation robuste.
D) Trois : programmation linéaire, programmation non linéaire et programmation en nombres entiers.
- 11. Quel type d'optimisation implique la recherche d'un objet tel qu'un entier, une permutation ou un graphe ?
A) Optimisation discrète
B) Programmation non linéaire
C) Programmation linéaire
D) Optimisation continue
- 12. Dans quel type d'optimisation les arguments optimaux sont-ils trouvés parmi un ensemble continu ?
A) Optimisation combinatoire
B) Optimisation continue
C) Programmation en nombres entiers
D) Optimisation discrète
- 13. Quelle branche des mathématiques traite des algorithmes déterministes pour les problèmes non convexes ?
A) Programmation linéaire
B) Optimisation locale
C) Mathématiques discrètes
D) Optimisation globale
- 14. Quel est le cas particulier de l'optimisation mathématique où toute solution est optimale ?
A) L'optimisation globale
B) L'optimisation multi-modale
C) Le problème d'existence
D) Le problème de faisabilité
- 15. Quelle méthode utilise une approximation du gradient aléatoire pour l'optimisation stochastique ?
A) Méthodes du point intérieur
B) Méthode de l'ellipsoïde
C) Algorithmes d'optimisation quantique
D) L'approximation stochastique par perturbation simultanée (SPSA)
- 16. Comment peut-on parfois déduire les informations manquantes dans un problème d'optimisation multi-objectifs ?
A) Automatiquement par l'algorithme.
B) En ignorant les objectifs moins importants.
C) Grâce à l'analyse de données historiques.
D) Par le biais de sessions interactives avec le décideur.
- 17. Quels sont les effets de l'ajout de plusieurs objectifs à un problème d'optimisation ?
A) Augmente la complexité
B) Simplifie le problème
C) Élimine les compromis
D) Réduit le nombre de solutions
- 18. Qui détermine la « solution préférée » parmi les solutions Pareto-optimales ?
A) Le décideur
B) L'algorithme d'optimisation
C) Un évaluateur externe
D) Le concepteur du système
- 19. Existe-t-il une valeur maximale pour la fonction 2x sur l'ensemble des nombres réels ?
A) Oui, elle est égale à moins l'infini.
B) Non, elle n'est pas bornée.
C) Oui, elle est égale à l'infini.
D) Oui, elle est égale à 2.
- 20. Quelle est la valeur minimale de l'expression (x² + 1) lorsque x = -2 ?
A) 4
B) 1
C) 3
D) 5
- 21. Quelles sont les techniques numériques efficaces pour minimiser les fonctions convexes ?
A) Méthodes du point intérieur.
B) Régions de confiance.
C) Recherches de direction.
D) Relaxation lagrangienne.
- 22. Quelle méthode est historiquement importante mais lente, et qui suscite un regain d'intérêt pour les problèmes de grande taille ?
A) Méthodes quasi-Newton
B) Descente de gradient
C) Méthodes de descente par coordonnées
D) Approximation stochastique par perturbation simultanée
- 23. En quelle année Leonid Kantorovich a-t-il introduit une grande partie de la théorie de la programmation linéaire ?
A) 1939
B) 1950
C) 1947
D) 1960
- 24. Comment qualifie-t-on une conception si elle n'est dominée par aucune autre conception ?
A) Optimal selon Pareto
B) Non-efficace
C) Inférieure
D) Sous-optimale
- 25. Dans quel domaine la programmation stochastique et la simulation sont-elles utilisées pour soutenir la prise de décision ?
A) Modélisation moléculaire
B) Génie du contrôle
C) Recherche opérationnelle
D) Génie civil
- 26. Quels types de variables sont utilisés dans la programmation semi-définie (PSD) ?
A) Variables continues.
B) Matrices semi-définies.
C) Variables discrètes.
D) Variables binaires.
- 27. Dans quel domaine l'optimisation de la conception est-elle particulièrement appliquée ?
A) L'ingénierie électrique.
B) La microéconomie.
C) L'ingénierie, en particulier l'ingénierie aérospatiale.
D) La cosmologie et l'astrophysique.
- 28. Quelles sont les conditions utilisées pour trouver les optima dans les problèmes avec des contraintes d'égalité et/ou d'inégalité ?
A) Conditions d'ordre premier
B) Conditions d'ordre second
C) Conditions de faisabilité
D) Les conditions de Karush-Kuhn-Tucker
- 29. Quelle méthode garantit la convergence en optimisant une fonction le long d'une seule dimension ?
A) Relaxation lagrangienne.
B) Estimation du moment positif-négatif.
C) Régions de confiance.
D) Recherches de direction.
- 30. À qui est-on tenu de créditer l'introduction du terme "programmation linéaire" ?
A) George B. Dantzig
B) Leonid Kantorovich
C) Fermat
D) John von Neumann
- 31. Pour quelle valeur de x la fonction (x2 + 1) atteint-elle sa valeur minimale ?
A) x = 1
B) x = 0
C) x = -1
D) x = ∞
|