ThatQuiz Knjižnica testov Naredi ta test sedaj
Matematična optimizacija
Prispevano od: Hribar
  • 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) Štetje praštevil
D) Reševanje enačb
  • 2. Kaj je omejitev v optimizacijskih problemih?
A) Omejitev možnih rešitev
B) Končni rezultat
C) Matematična formula
D) Začetna ocena
  • 3. Katera vrsta optimizacije išče največjo vrednost ciljne funkcije?
A) Maksimizacija
B) Minimalizacija
C) Poenostavitev
D) Randomizacija
  • 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) Simulirano žarjenje
B) Ugibajte in preverite
C) Poskusi in napake
D) Simpleksna metoda
  • 6. Kaj v optimizaciji pomeni izraz "izvedljiva rešitev"?
A) Rešitev, ki izpolnjuje vse omejitve
B) Nepravilna rešitev
C) Naključna rešitev
D) Rešitev brez omejitev
  • 7. Kaj je v linearnem programiranju izvedljivo območje?
A) Območje zunaj omejitev
B) Prostor rešitev
C) Množica vseh izvedljivih rešitev
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) Kvantitativna analiza
B) Algoritmična zasnova
C) Maksimiranje funkcij
D) Matematično programiranje
  • 10. V koliko podpodročij je matematična optimizacija običajno razdeljena?
A) V tri: linearno, nelinerno programiranje in celoštevilčno programiranje.
B) V eno: splošna optimizacija.
C) V dve: diskretna optimizacija in neprekinjena 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) Nelinearno programiranje
C) Linearno programiranje
D) Diskretna optimizacija
  • 12. V kateri vrsti optimizacije se iščejo optimalni argumenti iz neprekinjene množice?
A) Kombinatorna optimizacija
B) Diskretna optimizacija
C) Neprekinjena optimizacija
D) Celotna programiranje
  • 13. Katero področje matematike se ukvarja z determinističnimi algoritmi za probleme, ki niso konveksni?
A) Lokalna optimizacija
B) Globalna optimizacija
C) Linearna programiranje
D) Diskreta matematika
  • 14. Kakšna je najmanjša vrednost izraza \(x2 + 1\) za \(x = -2\)?
A) 3
B) 5
C) 4
D) 1
  • 15. Za katero vrednost x funkcija \(x2 + 1\) doseže svojo najmanjšo vrednost?
A) x = ∞
B) x = -1
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 2.
D) Da, največja vrednost je neskončnost.
  • 17. Kdo je zaslužen za uvedbo izraza 'linearno programiranje'?
A) Leonid Kantorovič
B) Fermat
C) John von Neumann
D) George B. Dantzig
  • 18. V katerem letu je Leonid Kantorovič predstavil veliko teorijo, ki je podlaga linearnemu programiranju?
A) 1950
B) 1960
C) 1947
D) 1939
  • 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) Zmanjša število rešitev.
C) Odstrani kompromise.
D) Poveča kompleksnost.
  • 21. Kako ocenimo načrt, če ga ne prevladuje noben drug načrt?
A) Manjši
B) Neučinkovit
C) Suboptimalen
D) Pareto optimalen
  • 22. Kdo določi najboljšo rešitev med rešitvami, ki so Pareto optimalne?
A) Algoritem za optimizacijo
B) Zunanji ocenjevalec
C) Projektant sistema
D) Odločevalec
  • 23. Kako je mogoče včasih pridobiti manjkajoče informacije v problemu optimizacije z več cilji?
A) Z analizo zgodovinskih podatkov.
B) Z interaktivnimi sejami z odločevalcem.
C) Samodejno s pomočjo algoritma.
D) Z ignoriranjem manj pomembnih ciljev.
  • 24. Kaj je posebni primer matematične optimizacije, kjer je vsaka rešitev optimalna?
A) Problem izvedljivosti.
B) Optimizacija z več lokalnimi minimumi.
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 prvega reda
B) Pogoji Karusha-Kuhna-Tuckerja
C) Pogoji izpolnitve
D) Pogoji drugega reda
  • 26. Katere so učinkovite numerične metode za minimizacijo konveksnih funkcij?
A) Metode notranjih točk.
B) Metode iskanja po liniji.
C) Lagrangeova relaksacija.
D) Regije zaupanja.
  • 27. Katera metoda zagotavlja konvergenco z optimizacijo funkcije vzdolž ene dimenzije?
A) Linearni iskalniki.
B) Regije zaupanja.
C) Ocena pozitivnega-negativnega gibalnega momenta.
D) Lagrangeova relaksacija.
  • 28. Katera metoda uporablja naključno aproksimacijo gradienta za stohastično optimizacijo?
A) Kvantni algoritmi za optimizacijo
B) Metode notranjih točk
C) Simultana perturbacija stohastične aproksimacije (SPSA)
D) Eliptična metoda
  • 29. Katera metoda je zgodovinsko pomembna, vendar počasna, in je v zadnjih letih spet pridobila zanimanje za reševanje velikih problemov?
A) Metoda stohastične aproksimacije s hkratnimi perturbacijami
B) Metoda gradientnega spusta
C) Metode koordinate spusta
D) Metode kvazi-Newtona
  • 30. V katerem področju se optimizacija načrtovanja uporablja posebej pogosto?
A) Elektrotehnika.
B) Inženirstvo, zlasti letalsko inženirstvo.
C) Kosmologija in astrofizika.
D) Mikroekonomija.
  • 31. V katerem področju se stohastično programiranje in simulacije uporabljata za podporo odločanju?
A) Gradbeništvo
B) Molekularno modeliranje
C) Operacijska raziskava
D) Tehnika krmiljenja
Ustvarjeno z That Quiz — stran za ustvarjanje matematičnih testov in testov za druge predmete.