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