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