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