Optymalizacja matematyczna - Test
  • 1. Optymalizacja matematyczna, znana również jako programowanie matematyczne, to dyscyplina zajmująca się znajdowaniem najlepszego rozwiązania spośród zbioru wykonalnych rozwiązań. Obejmuje ona proces maksymalizacji lub minimalizacji funkcji celu przy jednoczesnym uwzględnieniu ograniczeń. Problemy optymalizacyjne pojawiają się w różnych dziedzinach, takich jak inżynieria, ekonomia, finanse i badania operacyjne. Celem optymalizacji matematycznej jest poprawa wydajności, maksymalizacja zysków, minimalizacja kosztów lub osiągnięcie najlepszego możliwego wyniku w ramach danych ograniczeń. Do rozwiązywania problemów optymalizacyjnych wykorzystywane są różne techniki, takie jak programowanie liniowe, programowanie nieliniowe, programowanie całkowitoliczbowe i optymalizacja stochastyczna. Ogólnie rzecz biorąc, optymalizacja matematyczna odgrywa kluczową rolę w procesach decyzyjnych i rozwiązywaniu problemów w złożonych scenariuszach świata rzeczywistego.

    Jaki jest główny cel optymalizacji matematycznej?
A) Generowanie liczb losowych
B) Liczenie liczb pierwszych
C) Minimalizacja lub maksymalizacja funkcji celu
D) Rozwiązywanie równań
  • 2. Czym jest ograniczenie w problemach optymalizacyjnych?
A) Wzór matematyczny
B) Ograniczenie możliwych rozwiązań
C) Początkowe przypuszczenie
D) Wynik końcowy
  • 3. Który typ optymalizacji poszukuje maksymalnej wartości funkcji celu?
A) Maksymalizacja
B) Randomizacja
C) Minimalizacja
D) Uproszczenie
  • 4. Jakie jest znaczenie analizy wrażliwości w optymalizacji?
A) Generuje losowe rozwiązania
B) Znajduje globalne optimum
C) Ocenia wpływ zmian parametrów na rozwiązanie
D) Wybiera najlepszy algorytm
  • 5. Czym jest funkcja celu w problemie optymalizacji?
A) Losowa operacja matematyczna
B) Funkcja, która ma zostać zoptymalizowana lub zminimalizowana
C) Funkcja ograniczenia
D) Równanie bez zmiennych
  • 6. Co oznacza termin "wykonalne rozwiązanie" w optymalizacji?
A) Rozwiązanie losowe
B) Rozwiązanie spełniające wszystkie ograniczenia
C) Nieprawidłowe rozwiązanie
D) Rozwiązanie bez ograniczeń
  • 7. Czym jest obszar wykonalny w programowaniu liniowym?
A) Zbiór wszystkich wykonalnych rozwiązań
B) Region z maksymalną wartością
C) Obszar poza ograniczeniami
D) Przestrzeń rozwiązań
  • 8. Która metoda jest powszechnie stosowana do rozwiązywania problemów programowania liniowego?
A) Próba i błąd
B) Zgadnij i sprawdź
C) Metoda simpleks
D) Symulowane wyżarzanie
  • 9. Jak inaczej nazywa się optymalizację matematyczną?
A) Programowanie matematyczne
B) Analiza ilościowa
C) Projektowanie algorytmów
D) Maksymalizacja funkcji
  • 10. Na ile poddziedzin dzielona jest zazwyczaj matematyczna optymalizacja?
A) Na trzy: programowanie liniowe, nieliniowe i całkowitoliczbowe.
B) Na dwie: optymalizację dyskretną i optymalizację ciągłą.
C) Na jedną: optymalizację ogólną.
D) Na cztery: optymalizację kombinatoryczną, stochastyczną, dynamiczną i odporną.
  • 11. Jaki rodzaj optymalizacji polega na znajdowaniu obiektu, takiego jak liczba całkowita, permutacja lub graf?
A) Optymalizacja dyskretna
B) Optymalizacja ciągła
C) Programowanie nieliniowe
D) Programowanie liniowe
  • 12. W jakim rodzaju optymalizacji znajdują się optymalne rozwiązania z ciągłego zbioru?
A) Optymalizacja kombinatoryczna
B) Optymalizacja ciągła
C) Programowanie całkowitoliczbowe
D) Optymalizacja dyskretna
  • 13. Która dziedzina matematyki zajmuje się deterministycznymi algorytmami rozwiązywania problemów nieliniowych?
A) Matematyka dyskretna
B) Optymalizacja globalna
C) Programowanie liniowe
D) Optymalizacja lokalna
  • 14. Jaka jest najmniejsza wartość wyrażenia (x2 + 1) dla x = -2?
A) 5
B) 1
C) 4
D) 3
  • 15. Dla jakiego wartości x funkcja (x2 + 1) osiąga swoje minimum?
A) x = 1
B) x = ∞
C) x = 0
D) x = -1
  • 16. Czy funkcja \(2x\) ma wartość maksymalną dla wszystkich liczb rzeczywistych?
A) Tak, jest to nieskończoność.
B) Tak, jest to 2.
C) Tak, jest to minus nieskończoność.
D) Nie, funkcja ta nie jest ograniczona.
  • 17. Kto jest uważany za autora terminu 'programowanie liniowe'?
A) John von Neumann
B) George B. Dantzig
C) Leonid Kantorowicz
D) Fermat
  • 18. W którym roku Leonid Kantorowicz wprowadził znaczną część teorii leżącej u podstaw programowania liniowego?
A) 1939
B) 1960
C) 1950
D) 1947
  • 19. Jakie typy zmiennych są używane w programowaniu półuściętym (SDP)?
A) Macierze półuścięte.
B) Zmienne binarne.
C) Zmienne dyskretne.
D) Zmienne ciągłe.
  • 20. Co się dzieje, gdy do problemu optymalizacji dodaje się więcej niż jeden cel?
A) Zwiększa złożoność.
B) Zmniejsza liczbę możliwych rozwiązań.
C) Eliminuje kompromisy.
D) Upraszcza problem.
  • 21. Jak określa się projekt, jeśli nie jest on zdominowany przez żaden inny projekt?
A) Nieskuteczny
B) Gorszy
C) Suboptymalny
D) Optymalny według Pareto
  • 22. Kto określa „najlepsze rozwiązanie” spośród rozwiązań optymalnych według Pareto?
A) Projektant systemu
B) Algorytm optymalizacji
C) Niezależny ekspert
D) Osoba podejmująca decyzje
  • 23. W jaki sposób można czasami uzyskać brakujące informacje w problemie optymalizacji wielokryterialnej?
A) Poprzez interaktywne sesje z osobą podejmującą decyzje.
B) Poprzez analizę danych historycznych.
C) Poprzez pominięcie mniej istotnych celów.
D) Automatycznie przez algorytm.
  • 24. Jaki jest szczególny przypadek optymalizacji matematycznej, w którym każde rozwiązanie jest optymalne?
A) Optymalizacja globalna.
B) Problem wykonalności.
C) Optymalizacja wielomodalna.
D) Problem istnienia.
  • 25. Jakie warunki są wykorzystywane do znajdowania optymalnych rozwiązań w problemach z ograniczeniami równości i/lub nierówności?
A) Warunki drugiego rzędu
B) Warunki Karusha-Kuhna-Tuckera
C) Warunki pierwszego rzędu
D) Warunki wykonalności
  • 26. Jakie są efektywne metody numeryczne do minimalizacji funkcji wypukłych?
A) Metody poszukiwania kierunku.
B) Regiony zaufania.
C) Relaksacja Lagrange'a.
D) Metody punktów wewnętrznych.
  • 27. Jaka metoda zapewnia zbieżność poprzez optymalizację funkcji wzdłuż jednej osi?
A) Metody poszukiwań kierunkowych.
B) Estymacja momentu pozytywnego-negatywnego.
C) Relaksacja Lagrange'a.
D) Obszary zaufania.
  • 28. Która metoda wykorzystuje przybliżoną gradientową metodę losową do optymalizacji stochastycznej?
A) Metody punktów wewnętrznych
B) Metoda elipsoidy
C) Metoda jednoczesnego zaburzenia i aproksymacji stochastycznej (SPSA)
D) Algorytmy optymalizacji kwantowej
  • 29. Która metoda ma historyczne znaczenie, ale jest powolna, i wzbudza ponownie zainteresowanie w przypadku rozwiązywania dużych problemów?
A) Metody quasi-Newtona
B) Metody gradientu skoordynowanego
C) Metoda gradientu
D) Metoda stochastycznej aproksymacji z jednoczesnymi perturbacjami
  • 30. W jakiej dziedzinie optymalizacja projektowania znajduje szczególne zastosowanie?
A) Inżynieria elektryczna.
B) Inżynieria, szczególnie inżynieria lotnicza i kosmiczna.
C) Kosmologia i astrofizyka.
D) Mikroekonomia.
  • 31. W jakiej dziedzinie wykorzystuje się programowanie stochastyczne i symulacje do wspierania procesów decyzyjnych?
A) Modelowanie molekularne
B) Inżynieria lądowa
C) Inżynieria sterowania
D) Badania operacyjne
Test utworzony z That Quiz — gdzie tworzenie i rozwiązywanie testów jest łatwe w matematyce i w innych dyscyplinach.