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