A) 生成随机数 B) 数质数 C) 解方程 D) 最小化或最大化目标函数
A) 数学公式 B) 最终结果 C) 最初的猜测 D) 对可能解决方案的限制
A) 最大化 B) 最小化 C) 简化 D) 随机化
A) 约束函数 B) 随机数学运算 C) 需要优化或最小化的功能 D) 没有变量的方程
A) 满足所有约束条件的解决方案 B) 不正确的解决方案 C) 随机解决方案 D) 无约束解决方案
A) 找到全局最优 B) 评估参数变化对解决方案的影响 C) 选择最佳算法 D) 生成随机解决方案
A) 限制范围之外的区域 B) 求解空间 C) 最大值区域 D) 所有可行解的集合
A) 单纯形法 B) 模拟退火 C) 试错 D) 猜测和检查
A) 函数最大化 B) 算法设计 C) 数学规划 D) 定量分析
A) 两个：离散优化和连续优化。 B) 三个：线性规划、非线性规划和整数规划。 C) 四个：组合优化、随机优化、动态优化和鲁棒优化。 D) 一个：一般优化。
A) 离散优化 B) 线性规划 C) 非线性规划 D) 连续优化
A) 连续优化 B) 组合优化 C) 整数规划 D) 离散优化
A) 全局优化 B) 线性规划 C) 离散数学 D) 局部优化
A) 3 B) 5 C) 1 D) 4
A) x = ∞ B) x = -1 C) x = 0 D) x = 1
A) 是的，它是无穷大。 B) 是的，它是 2。 C) 没有，它没有上下界。 D) 是的，它是负无穷大。
A) 乔治·丹齐格 (George B. Dantzig) B) 约翰·冯·诺伊曼 (John von Neumann) C) 费马 (Fermat) D) 列昂尼德·坎托罗维奇 (Leonid Kantorovich)
A) 1960 B) 1939 C) 1947 D) 1950
A) 二元变量。 B) 半定矩阵。 C) 连续变量。 D) 离散变量。
A) 减少解决方案的数量 B) 增加复杂性 C) 简化问题 D) 消除权衡
A) 帕累托最优 (Pareto optimal) B) 非最优 (Non-efficient) C) 次优 (Suboptimal) D) 劣于 (Inferior)
A) 优化算法 B) 决策者 C) 系统的设计者 D) 外部评估者
A) 由算法自动推导。 B) 通过对历史数据的分析。 C) 通过忽略不太重要的目标。 D) 通过与决策者的互动。
A) 全局优化 B) 存在性问题 C) 多模态优化 D) 可行性问题
A) 一阶条件 B) 卡鲁什-库恩-塔克条件 C) 可行性条件 D) 二阶条件
A) 拉格朗日松弛法。 B) 置信域法。 C) 内点法。 D) 线性搜索法。
A) 置信域。 B) 线搜索。 C) 正负动量估计。 D) 拉格朗日松弛法。
A) 同步扰动随机逼近法 (SPSA) B) 椭球法 C) 量子优化算法 D) 内点法
A) 坐标下降法 B) 梯度下降法 C) 准牛顿法 D) 同步扰动随机逼近法
A) 电气工程。 B) 工程学，尤其是航空航天工程。 C) 宇宙学和天体物理学。 D) 微观经济学。
A) 分子建模 B) 土木工程 C) 控制工程 D) 运筹学 |