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