- 1. Mathematische Optimierung, auch bekannt als mathematische Programmierung, ist eine Disziplin, die sich mit der Suche nach der besten Lösung aus einer Reihe von machbaren Lösungen beschäftigt. Sie beinhaltet den Prozess der Maximierung oder Minimierung einer Zielfunktion unter Berücksichtigung von Beschränkungen. Optimierungsprobleme treten in verschiedenen Bereichen auf, z. B. in den Bereichen Technik, Wirtschaft, Finanzen und Operations Research. Ziel der mathematischen Optimierung ist es, die Effizienz zu verbessern, den Gewinn zu maximieren, die Kosten zu minimieren oder das bestmögliche Ergebnis innerhalb der gegebenen Randbedingungen zu erzielen. Zur Lösung von Optimierungsproblemen werden verschiedene Techniken wie lineare Programmierung, nichtlineare Programmierung, ganzzahlige Programmierung und stochastische Optimierung eingesetzt. Insgesamt spielt die mathematische Optimierung eine entscheidende Rolle bei Entscheidungsprozessen und Problemlösungen in komplexen realen Szenarien.
Was ist das Hauptziel der mathematischen Optimierung?
A) Generierung von Zufallszahlen
B) Zählen von Primzahlen
C) Lösen von Gleichungen
D) Minimieren oder Maximieren einer Zielfunktion
- 2. Was ist eine Nebenbedingung bei Optimierungsproblemen?
A) Die mathematische Formel
B) Einschränkung der möglichen Lösungen
C) Die erste Vermutung
D) Das Endergebnis
- 3. Bei welcher Art der Optimierung wird der maximale Wert einer Zielfunktion angestrebt?
A) Maximierung
B) Minimierung
C) Vereinfachung
D) Randomisierung
- 4. Welche Methode wird üblicherweise zur Lösung von Problemen der linearen Programmierung verwendet?
A) Simplex-Verfahren
B) Raten und Prüfen
C) Versuch und Irrtum
D) Simuliertes Glühen
- 5. Was ist die Zielfunktion bei einem Optimierungsproblem?
A) Eine Einschränkungsfunktion
B) Zu optimierende oder zu minimierende Funktion
C) Eine Gleichung ohne Variablen
D) Eine zufällige mathematische Operation
- 6. Was bedeutet der Begriff "machbare Lösung" in der Optimierung?
A) Eine zufällige Lösung
B) Eine Lösung, die alle Nebenbedingungen erfüllt
C) Eine falsche Lösung
D) Eine Lösung ohne Zwänge
- 7. Welche Bedeutung hat die Sensitivitätsanalyse bei der Optimierung?
A) Bewertet die Auswirkungen von Änderungen der Parameter auf die Lösung
B) Findet das globale Optimum
C) Wählt den besten Algorithmus aus
D) Erzeugt zufällige Lösungen
- 8. Was ist bei der linearen Programmierung die machbare Region?
A) Die Region mit dem höchsten Wert
B) Die Menge aller realisierbaren Lösungen
C) Der Bereich außerhalb der Beschränkungen
D) Der Lösungsraum
- 9. Wie wird mathematische Optimierung auch bezeichnet?
A) Funktionsmaximierung
B) Quantitative Analyse
C) Algorithmische Gestaltung
D) Mathematische Programmierung
- 10. In wie viele Teilbereiche wird mathematische Optimierung im Allgemeinen unterteilt?
A) Zwei: diskrete Optimierung und kontinuierliche Optimierung.
B) Vier: kombinatorische, stochastische, dynamische und robuste Optimierung.
C) Drei: lineare Optimierung, nichtlineare Optimierung und ganzzahlige Programmierung.
D) Eins: allgemeine Optimierung.
- 11. Welche Art der Optimierung beinhaltet die Suche nach einem Objekt wie einer ganzen Zahl, einer Permutation oder einem Graphen?
A) Nichtlineare Programmierung
B) Kontinuierliche Optimierung
C) Diskrete Optimierung
D) Lineare Programmierung
- 12. Bei welcher Art von Optimierung werden optimale Lösungen aus einer kontinuierlichen Menge von Werten gefunden?
A) Kontinuierliche Optimierung
B) Kombinatorische Optimierung
C) Integer-Programmierung
D) Diskrete Optimierung
- 13. Welche Methode gewährleistet die Konvergenz durch Optimierung einer Funktion entlang einer Dimension?
A) Vertrauensbereiche.
B) Lagrange-Relaxation.
C) Schätzung des positiven und negativen Impulses.
D) Linienmethoden.
- 14. Welche Arten von Variablen werden in der semidefinerten Programmierung (SDP) verwendet?
A) Stetige Variablen.
B) Binäre Variablen.
C) Semidefinite Matrizen.
D) Diskrete Variablen.
- 15. Welcher Zweig der Mathematik befasst sich mit deterministischen Algorithmen für nicht-konvexe Probleme?
A) Diskrete Mathematik
B) Lokale Optimierung
C) Globale Optimierung
D) Lineare Programmierung
- 16. Wer bestimmt die 'bevorzugte Lösung' unter den Pareto-optimalen Lösungen?
A) Der Entscheidungsträger
B) Der Entwickler des Systems
C) Ein externer Gutachter
D) Der Optimierungsalgorithmus
- 17. Welche Methode verwendet eine stochastische Gradientenapproximation für die stochastische Optimierung?
A) Ellipsoid-Methode
B) Innere-Punkt-Methoden
C) Quantenoptimierungsalgorithmen
D) Gleichzeitige Störungs-Stochastische-Approximation (SPSA)
- 18. Was ist der minimale Wert von (x² + 1) für x = -2?
A) 1
B) 4
C) 3
D) 5
- 19. Welche Methode ist historisch bedeutsam, aber langsam, und erfreut sich aufgrund ihrer Eignung für große Probleme wieder wachsender Beliebtheit?
A) Gleichzeitige stochastische Approximationsverfahren mit Perturbation
B) Quasi-Newton-Methoden
C) Koordinatenabstiegsverfahren
D) Gradientenabstieg
- 20. In welchem Bereich wird die Designoptimierung besonders angewendet?
A) Mikroökonomie.
B) Ingenieurwesen, insbesondere Luft- und Raumfahrttechnik.
C) Kosmologie und Astrophysik.
D) Elektrotechnik.
- 21. In welchen Bereichen werden stochastische Programmierung und Simulation zur Entscheidungsfindung eingesetzt?
A) Operationsforschung
B) Bauingenieurwesen
C) Molekulare Modellierung
D) Regelungstechnik
- 22. Welche effizienten numerischen Verfahren gibt es zur Minimierung konvexer Funktionen?
A) Lagrange-Relaxation.
B) Vertrauensregionen.
C) Innere Punktmethoden.
D) Linienmethoden.
- 23. Wer hat den Begriff "lineare Programmierung" eingeführt?
A) George B. Dantzig
B) Leonid Kantorovich
C) John von Neumann
D) Fermat
- 24. Welche Bedingungen werden verwendet, um Optima in Problemen mit sowohl Gleichheits- als auch Ungleichungsbedingungen zu finden?
A) Bedingungen zweiter Ordnung
B) Zulässigkeitsbedingungen
C) Die Karush-Kuhn-Tucker-Bedingungen
D) Bedingungen erster Ordnung
- 25. In welchem Jahr führte Leonid Kantorowitsch einen Großteil der theoretischen Grundlagen der linearen Programmierung ein?
A) 1960
B) 1947
C) 1939
D) 1950
- 26. Wie können fehlende Informationen in einem Mehrzieloptimierungsproblem manchmal ermittelt werden?
A) Automatisch durch den Algorithmus.
B) Durch Analyse historischer Daten.
C) Durch interaktive Sitzungen mit dem Entscheidungsträger.
D) Indem weniger wichtige Ziele ignoriert werden.
- 27. Was ist der spezielle Fall der mathematischen Optimierung, bei dem jede Lösung optimal ist?
A) Das Zulässigkeitsproblem
B) Das Existenzproblem
C) Globale Optimierung
D) Multimodale Optimierung
- 28. Gibt es einen Maximalwert für die Funktion \(2x\) über alle reellen Zahlen?
A) Ja, er ist unendlich.
B) Nein, sie ist nicht beschränkt.
C) Ja, er ist minus unendlich.
D) Ja, er beträgt 2.
- 29. Was passiert, wenn man einer Optimierungsaufgabe mehr als ein Ziel hinzufügt?
A) Reduziert die Anzahl der Lösungen
B) Vereinfacht das Problem
C) Erhöht die Komplexität
D) Beseitigt Kompromisse
- 30. Wie wird ein Design bewertet, wenn es nicht von einem anderen Design dominiert wird?
A) Nicht effizient
B) Unterlegen
C) Suboptimal
D) Pareto-optimal
- 31. Für welches x erreicht die Funktion \(x2 + 1\) ihren minimalen Wert?
A) x = ∞
B) x = 0
C) x = 1
D) x = -1
|