A) Rozwiązywanie równań B) Liczenie liczb pierwszych C) Minimalizacja lub maksymalizacja funkcji celu D) Generowanie liczb losowych
A) Ograniczenie możliwych rozwiązań B) Wynik końcowy C) Początkowe przypuszczenie D) Wzór matematyczny
A) Minimalizacja B) Uproszczenie C) Randomizacja D) Maksymalizacja
A) Wybiera najlepszy algorytm B) Znajduje globalne optimum C) Generuje losowe rozwiązania D) Ocenia wpływ zmian parametrów na rozwiązanie
A) Funkcja, która ma zostać zoptymalizowana lub zminimalizowana B) Równanie bez zmiennych C) Funkcja ograniczenia D) Losowa operacja matematyczna
A) Rozwiązanie spełniające wszystkie ograniczenia B) Rozwiązanie losowe C) Rozwiązanie bez ograniczeń D) Nieprawidłowe rozwiązanie
A) Zbiór wszystkich wykonalnych rozwiązań B) Region z maksymalną wartością C) Przestrzeń rozwiązań D) Obszar poza ograniczeniami
A) Symulowane wyżarzanie B) Próba i błąd C) Metoda simpleks D) Zgadnij i sprawdź
A) Programowanie matematyczne B) Maksymalizacja funkcji C) Analiza ilościowa D) Projektowanie algorytmów
A) Na jedną: optymalizację ogólną. B) Na dwie: optymalizację dyskretną i optymalizację ciągłą. C) Na cztery: optymalizację kombinatoryczną, stochastyczną, dynamiczną i odporną. D) Na trzy: programowanie liniowe, nieliniowe i całkowitoliczbowe.
A) Programowanie liniowe B) Optymalizacja ciągła C) Optymalizacja dyskretna D) Programowanie nieliniowe
A) Programowanie całkowitoliczbowe B) Optymalizacja dyskretna C) Optymalizacja ciągła D) Optymalizacja kombinatoryczna
A) x = ∞ B) x = 1 C) x = -1 D) x = 0
A) Zmienne binarne. B) Zmienne dyskretne. C) Zmienne ciągłe. D) Macierze półuścięte.
A) John von Neumann B) Leonid Kantorowicz C) Fermat D) George B. Dantzig
A) Estymacja momentu pozytywnego-negatywnego. B) Metody poszukiwań kierunkowych. C) Obszary zaufania. D) Relaksacja Lagrange'a.
A) Poprzez analizę danych historycznych. B) Poprzez pominięcie mniej istotnych celów. C) Automatycznie przez algorytm. D) Poprzez interaktywne sesje z osobą podejmującą decyzje.
A) Metoda gradientu B) Metody quasi-Newtona C) Metody gradientu skoordynowanego D) Metoda stochastycznej aproksymacji z jednoczesnymi perturbacjami
A) Metoda jednoczesnego zaburzenia i aproksymacji stochastycznej (SPSA) B) Algorytmy optymalizacji kwantowej C) Metody punktów wewnętrznych D) Metoda elipsoidy
A) Optymalny według Pareto B) Gorszy C) Nieskuteczny D) Suboptymalny
A) Relaksacja Lagrange'a. B) Metody punktów wewnętrznych. C) Metody poszukiwania kierunku. D) Regiony zaufania.
A) Eliminuje kompromisy. B) Zmniejsza liczbę możliwych rozwiązań. C) Zwiększa złożoność. D) Upraszcza problem.
A) 3 B) 4 C) 5 D) 1
A) Programowanie liniowe B) Optymalizacja globalna C) Matematyka dyskretna D) Optymalizacja lokalna
A) Tak, jest to minus nieskończoność. B) Nie, funkcja ta nie jest ograniczona. C) Tak, jest to nieskończoność. D) Tak, jest to 2.
A) Problem wykonalności. B) Optymalizacja globalna. C) Problem istnienia. D) Optymalizacja wielomodalna.
A) 1950 B) 1960 C) 1947 D) 1939
A) Projektant systemu B) Niezależny ekspert C) Algorytm optymalizacji D) Osoba podejmująca decyzje
A) Warunki Karusha-Kuhna-Tuckera B) Warunki drugiego rzędu C) Warunki pierwszego rzędu D) Warunki wykonalności
A) Inżynieria sterowania B) Inżynieria lądowa C) Modelowanie molekularne D) Badania operacyjne
A) Inżynieria, szczególnie inżynieria lotnicza i kosmiczna. B) Kosmologia i astrofizyka. C) Mikroekonomia. D) Inżynieria elektryczna. |