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) Štetje praštevil
C) Reševanje enačb
D) Generiranje naključnih številk
  • 2. Kaj je omejitev v optimizacijskih problemih?
A) Končni rezultat
B) Omejitev možnih rešitev
C) Matematična formula
D) Začetna ocena
  • 3. Katera vrsta optimizacije išče največjo vrednost ciljne funkcije?
A) Minimalizacija
B) Poenostavitev
C) Randomizacija
D) Maksimizacija
  • 4. Kaj je ciljna funkcija v optimizacijskem problemu?
A) Funkcija, ki jo je treba optimizirati ali minimizirati
B) Omejitvena funkcija
C) Naključna matematična operacija
D) Enačba brez spremenljivk
  • 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) Naključna rešitev
B) Rešitev brez omejitev
C) Nepravilna rešitev
D) Rešitev, ki izpolnjuje vse omejitve
  • 7. Kaj je v linearnem programiranju izvedljivo območje?
A) Območje z največjo vrednostjo
B) Prostor rešitev
C) Množica vseh izvedljivih rešitev
D) Območje zunaj omejitev
  • 8. Kakšen je pomen analize občutljivosti pri optimizaciji?
A) ocenjuje vpliv sprememb parametrov na rešitev
B) Izbira najboljšega algoritma
C) Ustvari naključne rešitve
D) Poišče globalni optimum
  • 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 štiri: kombinatorna, stohastična, dinamična in robustna optimizacija.
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) Linearno programiranje
D) Diskretna optimizacija
  • 12. V kateri vrsti optimizacije se iščejo optimalni argumenti iz neprekinjene množice?
A) Celotna programiranje
B) Neprekinjena optimizacija
C) Diskretna optimizacija
D) Kombinatorna optimizacija
  • 13. Katero področje matematike se ukvarja z determinističnimi algoritmi za probleme, ki niso konveksni?
A) Lokalna optimizacija
B) Diskreta matematika
C) Globalna optimizacija
D) Linearna programiranje
  • 14. Kakšna je najmanjša vrednost izraza \(x2 + 1\) za \(x = -2\)?
A) 4
B) 3
C) 5
D) 1
  • 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) Da, največja vrednost je 2.
B) Ne, funkcija je neomejena.
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) 1960
B) 1939
C) 1947
D) 1950
  • 19. Kakšne vrste spremenljivk se uporabljajo v polsemidefinitni programski optimizaciji (SDP)?
A) Polsemidefinitne matrike.
B) Diskretne spremenljivke.
C) Binarni spremenljivke.
D) Neprekinjene spremenljivke.
  • 20. Kaj se zgodi, če dodamo več kot en cilj optimizacijski nalogi?
A) Odstrani kompromise.
B) Poveča kompleksnost.
C) Zmanjša število rešitev.
D) Poenostavi problem.
  • 21. Kako ocenimo načrt, če ga ne prevladuje noben drug načrt?
A) Neučinkovit
B) Suboptimalen
C) Manjši
D) Pareto optimalen
  • 22. Kdo določi najboljšo rešitev med rešitvami, ki so Pareto optimalne?
A) Zunanji ocenjevalec
B) Algoritem za optimizacijo
C) Odločevalec
D) Projektant sistema
  • 23. Kako je mogoče včasih pridobiti manjkajoče informacije v problemu optimizacije z več cilji?
A) Samodejno s pomočjo algoritma.
B) Z analizo zgodovinskih podatkov.
C) Z ignoriranjem manj pomembnih ciljev.
D) Z interaktivnimi sejami z odločevalcem.
  • 24. Kaj je posebni primer matematične optimizacije, kjer je vsaka rešitev optimalna?
A) Problem izvedljivosti.
B) Problem obstojnosti.
C) Optimizacija z več lokalnimi minimumi.
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 drugega reda
D) Pogoji izpolnitve
  • 26. Katere so učinkovite numerične metode za minimizacijo konveksnih funkcij?
A) Lagrangeova relaksacija.
B) Metode iskanja po liniji.
C) Metode notranjih točk.
D) Regije zaupanja.
  • 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) Metode notranjih točk
B) Kvantni algoritmi za optimizacijo
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 gradientnega spusta
B) Metode koordinate spusta
C) Metoda stohastične aproksimacije s hkratnimi perturbacijami
D) Metode kvazi-Newtona
  • 30. V katerem področju se optimizacija načrtovanja uporablja posebej pogosto?
A) Mikroekonomija.
B) Elektrotehnika.
C) Inženirstvo, zlasti letalsko inženirstvo.
D) Kosmologija in astrofizika.
  • 31. V katerem področju se stohastično programiranje in simulacije uporabljata za podporo odločanju?
A) Gradbeništvo
B) Molekularno modeliranje
C) Tehnika krmiljenja
D) Operacijska raziskava
Ustvarjeno z That Quiz — stran za ustvarjanje matematičnih testov in testov za druge predmete.