Matematična optimizacija - Test
  • 1. Matematična optimizacija, znana tudi kot matematično programiranje, je disciplina, ki se ukvarja z iskanjem najboljše rešitve med množico izvedljivih rešitev. Vključuje postopek maksimiranja ali minimiziranja ciljne funkcije ob upoštevanju omejitev. Optimizacijski problemi se pojavljajo na različnih področjih, kot so inženirstvo, ekonomija, finance in operacijske raziskave. Cilj matematične optimizacije je izboljšati učinkovitost, povečati dobiček, zmanjšati stroške ali doseči najboljši možni rezultat v okviru danih omejitev. Za reševanje optimizacijskih problemov se uporabljajo različne tehnike, kot so linearno programiranje, nelinearno programiranje, celoštevilsko programiranje in stohastična optimizacija. Na splošno ima matematična optimizacija ključno vlogo pri procesih odločanja in reševanju problemov v zapletenih scenarijih realnega sveta.

    Kaj je glavni cilj matematične optimizacije?
A) Štetje praštevil
B) Generiranje naključnih številk
C) Minimiziranje ali maksimiziranje ciljne funkcije
D) Reševanje enačb
  • 2. Kaj je omejitev v optimizacijskih problemih?
A) Omejitev možnih rešitev
B) Končni rezultat
C) Začetna ocena
D) Matematična formula
  • 3. Katera vrsta optimizacije išče največjo vrednost ciljne funkcije?
A) Minimalizacija
B) Poenostavitev
C) Maksimizacija
D) Randomizacija
  • 4. Kaj je ciljna funkcija v optimizacijskem problemu?
A) Enačba brez spremenljivk
B) Funkcija, ki jo je treba optimizirati ali minimizirati
C) Naključna matematična operacija
D) Omejitvena funkcija
  • 5. Katera metoda se običajno uporablja za reševanje problemov linearnega programiranja?
A) Poskusi in napake
B) Ugibajte in preverite
C) Simpleksna metoda
D) Simulirano žarjenje
  • 6. Kaj v optimizaciji pomeni izraz "izvedljiva rešitev"?
A) Nepravilna rešitev
B) Naključna rešitev
C) Rešitev, ki izpolnjuje vse omejitve
D) Rešitev brez omejitev
  • 7. Kaj je v linearnem programiranju izvedljivo območje?
A) Množica vseh izvedljivih rešitev
B) Prostor rešitev
C) Območje zunaj omejitev
D) Območje z največjo vrednostjo
  • 8. Kakšen je pomen analize občutljivosti pri optimizaciji?
A) ocenjuje vpliv sprememb parametrov na rešitev
B) Poišče globalni optimum
C) Ustvari naključne rešitve
D) Izbira najboljšega algoritma
  • 9. Kako se še imenuje matematična optimizacija?
A) Algoritmična zasnova
B) Kvantitativna analiza
C) Matematično programiranje
D) Maksimiranje funkcij
  • 10. V koliko podpodročij je matematična optimizacija običajno razdeljena?
A) V štiri: kombinatorna, stohastična, dinamična in robustna optimizacija.
B) V tri: linearno, nelinerno programiranje in celoštevilčno programiranje.
C) V eno: splošna optimizacija.
D) V dve: diskretna optimizacija in neprekinjena optimizacija.
  • 11. Katera vrsta optimizacije vključuje iskanje objekta, kot je celo število, permutacija ali graf?
A) Neprekinjena optimizacija
B) Nelinearno programiranje
C) Diskretna optimizacija
D) Linearno programiranje
  • 12. V kateri vrsti optimizacije se iščejo optimalni argumenti iz neprekinjene množice?
A) Kombinatorna optimizacija
B) Neprekinjena optimizacija
C) Diskretna optimizacija
D) Celotna programiranje
  • 13. Katero področje matematike se ukvarja z determinističnimi algoritmi za probleme, ki niso konveksni?
A) Globalna optimizacija
B) Lokalna optimizacija
C) Diskreta matematika
D) Linearna programiranje
  • 14. Kakšna je najmanjša vrednost izraza \(x2 + 1\) za \(x = -2\)?
A) 3
B) 1
C) 5
D) 4
  • 15. Za katero vrednost x funkcija \(x2 + 1\) doseže svojo najmanjšo vrednost?
A) x = -1
B) x = 0
C) x = 1
D) x = ∞
  • 16. Ali ima funkcija \(2x\) največjo vrednost za vse realne številke?
A) Ne, funkcija je neomejena.
B) Da, največja vrednost je neskončnost.
C) Da, največja vrednost je negativna neskončnost.
D) Da, največja vrednost je 2.
  • 17. Kdo je zaslužen za uvedbo izraza 'linearno programiranje'?
A) Leonid Kantorovič
B) John von Neumann
C) Fermat
D) George B. Dantzig
  • 18. V katerem letu je Leonid Kantorovič predstavil veliko teorijo, ki je podlaga linearnemu programiranju?
A) 1939
B) 1960
C) 1947
D) 1950
  • 19. Kakšne vrste spremenljivk se uporabljajo v polsemidefinitni programski optimizaciji (SDP)?
A) Binarni spremenljivke.
B) Polsemidefinitne matrike.
C) Diskretne spremenljivke.
D) Neprekinjene spremenljivke.
  • 20. Kaj se zgodi, če dodamo več kot en cilj optimizacijski nalogi?
A) Zmanjša število rešitev.
B) Poveča kompleksnost.
C) Odstrani kompromise.
D) Poenostavi problem.
  • 21. Kako ocenimo načrt, če ga ne prevladuje noben drug načrt?
A) Pareto optimalen
B) Manjši
C) Neučinkovit
D) Suboptimalen
  • 22. Kdo določi najboljšo rešitev med rešitvami, ki so Pareto optimalne?
A) Projektant sistema
B) Odločevalec
C) Zunanji ocenjevalec
D) Algoritem za optimizacijo
  • 23. Kako je mogoče včasih pridobiti manjkajoče informacije v problemu optimizacije z več cilji?
A) Z interaktivnimi sejami z odločevalcem.
B) Z ignoriranjem manj pomembnih ciljev.
C) Z analizo zgodovinskih podatkov.
D) Samodejno s pomočjo algoritma.
  • 24. Kaj je posebni primer matematične optimizacije, kjer je vsaka rešitev optimalna?
A) Globalna optimizacija.
B) Optimizacija z več lokalnimi minimumi.
C) Problem obstojnosti.
D) Problem izvedljivosti.
  • 25. Katere pogoje se uporabljajo za iskanje optimalnih rešitev pri problemih, ki imajo omejitve v obliki enakosti in/ali neenakosti?
A) Pogoji prvega reda
B) Pogoji Karusha-Kuhna-Tuckerja
C) Pogoji drugega reda
D) Pogoji izpolnitve
  • 26. Katere so učinkovite numerične metode za minimizacijo konveksnih funkcij?
A) Metode notranjih točk.
B) Regije zaupanja.
C) Metode iskanja po liniji.
D) Lagrangeova relaksacija.
  • 27. Katera metoda zagotavlja konvergenco z optimizacijo funkcije vzdolž ene dimenzije?
A) Linearni iskalniki.
B) Regije zaupanja.
C) Lagrangeova relaksacija.
D) Ocena pozitivnega-negativnega gibalnega momenta.
  • 28. Katera metoda uporablja naključno aproksimacijo gradienta za stohastično optimizacijo?
A) Kvantni algoritmi za optimizacijo
B) Eliptična metoda
C) Metode notranjih točk
D) Simultana perturbacija stohastične aproksimacije (SPSA)
  • 29. Katera metoda je zgodovinsko pomembna, vendar počasna, in je v zadnjih letih spet pridobila zanimanje za reševanje velikih problemov?
A) Metode koordinate spusta
B) Metoda stohastične aproksimacije s hkratnimi perturbacijami
C) Metode kvazi-Newtona
D) Metoda gradientnega spusta
  • 30. V katerem področju se optimizacija načrtovanja uporablja posebej pogosto?
A) Mikroekonomija.
B) Kosmologija in astrofizika.
C) Elektrotehnika.
D) Inženirstvo, zlasti letalsko inženirstvo.
  • 31. V katerem področju se stohastično programiranje in simulacije uporabljata za podporo odločanju?
A) Operacijska raziskava
B) Molekularno modeliranje
C) Gradbeništvo
D) Tehnika krmiljenja
Ustvarjeno z That Quiz — stran za ustvarjanje matematičnih testov in testov za druge predmete.