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