A) Minimizar ou maximizar uma função objetivo B) Geração de números aleatórios C) Contagem de números primos D) Resolver equações
A) Limitação das soluções possíveis B) A fórmula matemática C) O palpite inicial D) O resultado final
A) Maximização B) Simplificação C) Randomização D) Minimização
A) A área fora dos condicionalismos B) A região com o valor máximo C) O conjunto de todas as soluções viáveis D) O espaço de solução
A) Uma solução incorrecta B) Uma solução que satisfaz todas as restrições C) Uma solução aleatória D) Uma solução sem restrições
A) Uma equação sem variáveis B) Uma função de restrição C) Função a ser optimizada ou minimizada D) Uma operação matemática aleatória
A) Recozimento simulado B) Adivinhar e verificar C) Tentativa e erro D) Método Simplex
A) Avalia o impacto das alterações dos parâmetros na solução B) Encontra o ótimo global C) Gera soluções aleatórias D) Seleciona o melhor algoritmo
A) Análise quantitativa B) Maximização de funções C) Programação matemática D) Projeto de algoritmos
A) Uma: otimização geral. B) Duas: otimização discreta e otimização contínua. C) Três: programação linear, programação não linear e programação inteira. D) Quatro: otimização combinatória, otimização estocástica, otimização dinâmica e otimização robusta.
A) Programação linear B) Otimização discreta C) Otimização contínua D) Programação não linear
A) Otimização discreta B) Programação inteira C) Otimização combinatória D) Otimização contínua
A) George B. Dantzig B) Fermat C) John von Neumann D) Leonid Kantorovich
A) O projetista do sistema B) O algoritmo de otimização C) Um avaliador externo D) O tomador de decisão
A) Algoritmos de otimização quântica B) Método da elipsoide C) Métodos do ponto interior D) Aproximação estocástica por perturbação simultânea (SPSA)
A) As condições de Karush-Kuhn-Tucker B) Condições de primeira ordem C) Condições de segunda ordem D) Condições de viabilidade
A) Buscas ao longo de linhas. B) Regiões de confiança. C) Métodos de ponto interior. D) Relaxamento lagrangiano.
A) Por meio da análise de dados históricos. B) Através de sessões interativas com o tomador de decisão. C) Automaticamente, pelo próprio algoritmo. D) Ignorando os objetivos de menor importância.
A) Matrizes semidefinidas. B) Variáveis binárias. C) Variáveis discretas. D) Variáveis contínuas.
A) Reduz o número de soluções. B) Aumenta a complexidade. C) Elimina os compromissos (trade-offs). D) Simplifica o problema.
A) 5 B) 3 C) 4 D) 1
A) Otimização global B) Matemática discreta C) Programação linear D) Otimização local
A) 1947 B) 1939 C) 1960 D) 1950
A) Ineficiente B) Inferior C) Ótimo de Pareto D) Subótimo
A) Engenharia civil B) Pesquisa operacional C) Modelagem molecular D) Engenharia de controle
A) Sim, é 2. B) Sim, é menos infinito. C) Sim, é infinito. D) Não, ela não tem limite superior.
A) Engenharia elétrica. B) Microeconomia. C) Engenharia, especialmente engenharia aeroespacial. D) Cosmologia e astrofísica.
A) Aproximação estocástica por perturbação simultânea B) Métodos quase-newtonianos C) Métodos de descida coordenada D) Descida do gradiente
A) O problema de existência. B) Otimização global. C) O problema de viabilidade. D) Otimização multimodada.
A) x = 1 B) x = 0 C) x = -1 D) x = ∞
A) Estimativa de momento positivo-negativo. B) Relaxamento lagrangiano. C) Regiões de confiança. D) Buscas diretas (ou métodos de busca linear). |