- 1. A matematikai optimalizálás, más néven matematikai programozás egy olyan tudományág, amely a megvalósítható megoldások halmaza közül a legjobb megoldás megtalálásával foglalkozik. Ez egy célfüggvény maximalizálásának vagy minimalizálásának folyamatát jelenti, miközben figyelembe vesszük a korlátozásokat. Az optimalizálási problémák különböző területeken merülnek fel, például a mérnöki, a közgazdasági, a pénzügyi és az operációkutatásban. A matematikai optimalizálás célja a hatékonyság javítása, a nyereség maximalizálása, a költségek minimalizálása vagy a lehető legjobb eredmény elérése az adott korlátok között. Az optimalizálási problémák megoldására különböző technikákat használnak, például lineáris programozást, nemlineáris programozást, egészértékű programozást és sztochasztikus optimalizálást. Összességében a matematikai optimalizálás döntő szerepet játszik a döntéshozatali folyamatokban és a problémamegoldásban a komplex valós világbeli forgatókönyvekben.
Mi a matematikai optimalizálás fő célja?
A) Véletlen számok generálása
B) Egyenletek megoldása
C) Prímszámok számolása
D) Egy célfüggvény minimalizálása vagy maximalizálása
- 2. Mi a megkötés az optimalizálási problémákban?
A) A matematikai képlet
B) A végeredmény
C) A kezdeti becslés
D) A lehetséges megoldások korlátozása
- 3. Az optimalizálás melyik típusa keresi a célfüggvény maximális értékét?
A) Minimalizálás
B) Maximálás
C) Randomizálás
D) Egyszerűsítés
- 4. Mi a célfüggvény egy optimalizálási feladatban?
A) Optimalizálandó vagy minimalizálandó funkció
B) Egy véletlenszerű matematikai művelet
C) Egy korlátozó függvény
D) Egy egyenlet változók nélkül
- 5. Mi a jelentősége az érzékenységvizsgálatnak az optimalizálásban?
A) Véletlenszerű megoldásokat generál
B) Kiválasztja a legjobb algoritmust
C) Megkeresi a globális optimumot
D) Értékeli a paraméterek változásainak hatását a megoldásra
- 6. A lineáris programozásban mi a megvalósítható régió?
A) Az összes megvalósítható megoldás halmaza
B) A maximális értékkel rendelkező régió
C) A megoldási tér
D) A korlátozásokon kívüli terület
- 7. Mit jelent az optimalizálásban a "megvalósítható megoldás" kifejezés?
A) Egy véletlenszerű megoldás
B) Hibás megoldás
C) Olyan megoldás, amely kielégíti az összes kényszert
D) Megoldás korlátozások nélkül
- 8. Melyik módszerrel szokták megoldani a lineáris programozási problémákat?
A) Simplex módszer
B) Tippelj és ellenőrizd
C) Próbálkozás és hiba
D) Szimulált lágyítás
- 9. Hogyan is ismert a matematikai optimalizálás?
A) Matematikai programozás
B) Algoritmus-tervezés
C) Mennyiségi elemzés
D) Függvénymaximalizálás
- 10. Melyek a matematikai optimalizálás általában felosztott fő területei?
A) Három fő terület: lineáris, nemlineáris és egészszám-programozás.
B) Négy fő terület: kombinatorikus, sztochasztikus, dinamikus és robusztus optimalizálás.
C) Egy fő terület: általános optimalizálás.
D) Két fő terület: diszkrét optimalizálás és folyamatos optimalizálás.
- 11. Milyen típusú optimalizálási feladatok során kell egy adott objektumot, például egy egész számot, permutációt vagy egy gráfot megtalálni?
A) Lineáris programozás
B) Folyamatos optimalizálás
C) Nemlineáris programozás
D) Diszkrét optimalizálás
- 12. Milyen típusú optimalizálási módszerekben találhatók meg a optimális megoldások egy folytonos halmazból?
A) Diszkrét optimalizálás
B) Egész szám programozás
C) Folytonos optimalizálás
D) Kombinatorikus optimalizálás
- 13. Melyik matematikai terület foglalkozik a nem-konvex problémák megoldásához használt, determinisztikus algoritmusokkal?
A) Lineáris programozás
B) Lokális optimalizálás
C) Diszkrét matematika
D) Globális optimalizálás
- 14. Mennyi a \(x2 + 1\) minimum értéke, ha \(x = -2\)?
A) 3
B) 5
C) 4
D) 1
- 15. Melyik x érték esetén éri el a \(x2 + 1\) függvény a minimum értékét?
A) x = 1
B) x = -1
C) x = ∞
D) x = 0
- 16. Van-e egy maximális érték a \(2x\) függvénynek a valós számok tartományában?
A) Igen, az a negatív végtelen.
B) Igen, az a végtelen.
C) Igen, az a 2.
D) Nem, a függvény nem korlátozott.
- 17. Ki érdemli a „lineáris programozás” kifejezés bevezetésének elismerését?
A) Leonid Kantorovich
B) George B. Dantzig
C) John von Neumann
D) Fermat
- 18. Melyik évben mutatta be Leonid Kantorovich a lineáris programozás mögött meghúzódó elmélet jelentős részét?
A) 1939
B) 1947
C) 1950
D) 1960
- 19. Milyen típusú változókat használnak a félpozitív programozásban (SDP)?
A) Diszkrét változók.
B) Félpozitív mátrixok.
C) Bináris változók.
D) Folyamatos változók.
- 20. Mit eredményez, ha több célkitűzést adunk hozzá egy optimalizálási problémához?
A) Csökkenti a lehetséges megoldások számát
B) Eltűnteti a kompromisszumokat
C) Egyszerűsíti a problémát
D) Növeli a komplexitást
- 21. Mi jellemzi egy olyan tervezést, amely nem dominál más tervezések felett?
A) Pareto-optimális
B) Gyengébb
C) Nem hatékony
D) Nem optimális
- 22. Ki dönti el, melyik a 'legjobb' megoldás a Pareto-optimális megoldások közül?
A) Az optimalizálási algoritmus
B) A rendszer tervezője
C) Egy külső értékelő
D) A döntéshozó
- 23. Hogyan lehet bizonyos esetekben kiegészíteni a hiányzó információkat egy több célú optimalizálási problémában?
A) A kevésbé fontos célok figyelmen kívül hagyásával
B) A döntéshozóval folytatott interaktív konzultációk során
C) A korábbi adatok elemzésével
D) Automatikusan, az algoritmus által
- 24. Mi a speciális esete a matematikai optimalizálásnak, amikor minden megoldás optimális?
A) Többértékű optimalizálás
B) Globális optimalizálás
C) A létezés problémája
D) A megvalósíthatóság problémája
- 25. Milyen feltételek érvényesek az optimális megoldások megtalálásához olyan problémák esetében, amelyek egyenlőségi és/vagy egyenlőtlenségi korlátozásokat tartalmaznak?
A) A Karush–Kuhn–Tucker feltételek
B) Elégségesség feltételei
C) A másodikrendű feltételek
D) Az elsőrendű feltételek
- 26. Melyek a hatékony numerikus módszerek a konvex függvények minimalizálására?
A) Belső pontok módszerei.
B) Bizalmi régiók.
C) Lagrange-relaxáció.
D) Iránykeresési módszerek.
- 27. Melyik módszer biztosítja a konvergenciát egy függvény optimalizálásával egy dimenzió mentén?
A) Lagrange-relaxáció.
B) Pozitív-negatív impulzusbecslés.
C) Megbízhatósági régiók.
D) Vonalirányú keresések.
- 28. Melyik módszer használ véletlen gradiens közelítést a sztochasztikus optimalizációhoz?
A) Belső pontok módszerei
B) Ellipszoid módszer
C) Kvantumoptimalizációs algoritmusok
D) Egyidejű perturbációs sztochasztikus közelítés (SPSA)
- 29. Melyik módszer rendelkezik történelmi jelentőséggel, ugyanakkor lassú, és melyikre nő az érdeklődés a nagy problémák megoldásában?
A) Kvázi-Newton módszerek
B) Koordinátamódszerek
C) Grádienstés
D) Egyidejű perturbációs sztochasztikus közelítés
- 30. Melyik területen alkalmazzák különösen a tervezési optimalizálást?
A) Kosmológia és asztrofizika.
B) Mikroökonómia.
C) Elektromos mérnöki tudomány.
D) Mérnöki tudományok, különösen a repüléstechnika.
- 31. Melyik területen alkalmazzák a sztochasztikus programozást és a szimulációt a döntéshozatal támogatására?
A) Molekuláris modellezés
B) Építőmérnöki tudomány
C) Irányítástechnika
D) Műveleti kutatás
|