A) Minimalizacja lub maksymalizacja funkcji celu B) Rozwiązywanie równań C) Liczenie liczb pierwszych D) Generowanie liczb losowych
A) Ograniczenie możliwych rozwiązań B) Początkowe przypuszczenie C) Wzór matematyczny D) Wynik końcowy
A) Maksymalizacja B) Minimalizacja C) Uproszczenie D) Randomizacja
A) Wybiera najlepszy algorytm B) Generuje losowe rozwiązania C) Znajduje globalne optimum D) Ocenia wpływ zmian parametrów na rozwiązanie
A) Funkcja ograniczenia B) Równanie bez zmiennych C) Funkcja, która ma zostać zoptymalizowana lub zminimalizowana D) Losowa operacja matematyczna
A) Rozwiązanie bez ograniczeń B) Nieprawidłowe rozwiązanie C) Rozwiązanie spełniające wszystkie ograniczenia D) Rozwiązanie losowe
A) Przestrzeń rozwiązań B) Zbiór wszystkich wykonalnych rozwiązań C) Region z maksymalną wartością D) Obszar poza ograniczeniami
A) Zgadnij i sprawdź B) Symulowane wyżarzanie C) Próba i błąd D) Metoda simpleks
A) Maksymalizacja funkcji B) Analiza ilościowa C) Programowanie matematyczne D) Projektowanie algorytmów
A) Na dwie: optymalizację dyskretną i optymalizację ciągłą. B) Na cztery: optymalizację kombinatoryczną, stochastyczną, dynamiczną i odporną. C) Na jedną: optymalizację ogólną. D) Na trzy: programowanie liniowe, nieliniowe i całkowitoliczbowe.
A) Programowanie liniowe B) Programowanie nieliniowe C) Optymalizacja ciągła D) Optymalizacja dyskretna
A) Optymalizacja dyskretna B) Optymalizacja ciągła C) Programowanie całkowitoliczbowe D) Optymalizacja kombinatoryczna
A) x = 0 B) x = ∞ C) x = -1 D) x = 1
A) Macierze półuścięte. B) Zmienne binarne. C) Zmienne dyskretne. D) Zmienne ciągłe.
A) George B. Dantzig B) Fermat C) John von Neumann D) Leonid Kantorowicz
A) Relaksacja Lagrange'a. B) Obszary zaufania. C) Estymacja momentu pozytywnego-negatywnego. D) Metody poszukiwań kierunkowych.
A) Poprzez interaktywne sesje z osobą podejmującą decyzje. B) Poprzez analizę danych historycznych. C) Poprzez pominięcie mniej istotnych celów. D) Automatycznie przez algorytm.
A) Metoda stochastycznej aproksymacji z jednoczesnymi perturbacjami B) Metody gradientu skoordynowanego C) Metody quasi-Newtona D) Metoda gradientu
A) Algorytmy optymalizacji kwantowej B) Metoda elipsoidy C) Metoda jednoczesnego zaburzenia i aproksymacji stochastycznej (SPSA) D) Metody punktów wewnętrznych
A) Gorszy B) Nieskuteczny C) Optymalny według Pareto D) Suboptymalny
A) Regiony zaufania. B) Relaksacja Lagrange'a. C) Metody poszukiwania kierunku. D) Metody punktów wewnętrznych.
A) Zmniejsza liczbę możliwych rozwiązań. B) Upraszcza problem. C) Eliminuje kompromisy. D) Zwiększa złożoność.
A) 3 B) 4 C) 5 D) 1
A) Optymalizacja lokalna B) Matematyka dyskretna C) Programowanie liniowe D) Optymalizacja globalna
A) Nie, funkcja ta nie jest ograniczona. B) Tak, jest to minus nieskończoność. C) Tak, jest to nieskończoność. D) Tak, jest to 2.
A) Problem wykonalności. B) Optymalizacja wielomodalna. C) Optymalizacja globalna. D) Problem istnienia.
A) 1950 B) 1939 C) 1947 D) 1960
A) Niezależny ekspert B) Algorytm optymalizacji C) Projektant systemu D) Osoba podejmująca decyzje
A) Warunki drugiego rzędu B) Warunki wykonalności C) Warunki pierwszego rzędu D) Warunki Karusha-Kuhna-Tuckera
A) Modelowanie molekularne B) Inżynieria lądowa C) Inżynieria sterowania D) Badania operacyjne
A) Inżynieria, szczególnie inżynieria lotnicza i kosmiczna. B) Inżynieria elektryczna. C) Kosmologia i astrofizyka. D) Mikroekonomia. |