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