Matematična optimizacija - Test
  • 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) Reševanje enačb
C) Generiranje naključnih številk
D) Štetje praštevil
  • 2. Kaj je omejitev v optimizacijskih problemih?
A) Matematična formula
B) Končni rezultat
C) Začetna ocena
D) Omejitev možnih rešitev
  • 3. Katera vrsta optimizacije išče največjo vrednost ciljne funkcije?
A) Maksimizacija
B) Minimalizacija
C) Randomizacija
D) Poenostavitev
  • 4. Kaj je ciljna funkcija v optimizacijskem problemu?
A) Omejitvena funkcija
B) Naključna matematična operacija
C) Enačba brez spremenljivk
D) Funkcija, ki jo je treba optimizirati ali minimizirati
  • 5. Katera metoda se običajno uporablja za reševanje problemov linearnega programiranja?
A) Simulirano žarjenje
B) Simpleksna metoda
C) Ugibajte in preverite
D) Poskusi in napake
  • 6. Kaj v optimizaciji pomeni izraz "izvedljiva rešitev"?
A) Naključna rešitev
B) Rešitev, ki izpolnjuje vse omejitve
C) Rešitev brez omejitev
D) Nepravilna rešitev
  • 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) Izbira najboljšega algoritma
B) Ustvari naključne rešitve
C) ocenjuje vpliv sprememb parametrov na rešitev
D) Poišče globalni optimum
  • 9. Kako se še imenuje matematična optimizacija?
A) Algoritmična zasnova
B) Matematično programiranje
C) Kvantitativna analiza
D) Maksimiranje funkcij
  • 10. V koliko podpodročij je matematična optimizacija običajno razdeljena?
A) V tri: linearno, nelinerno programiranje in celoštevilčno programiranje.
B) V eno: splošna optimizacija.
C) V dve: diskretna optimizacija in neprekinjena optimizacija.
D) V štiri: kombinatorna, stohastična, dinamična in robustna optimizacija.
  • 11. Katera vrsta optimizacije vključuje iskanje objekta, kot je celo število, permutacija ali graf?
A) Neprekinjena optimizacija
B) Linearno programiranje
C) Nelinearno programiranje
D) Diskretna optimizacija
  • 12. V kateri vrsti optimizacije se iščejo optimalni argumenti iz neprekinjene množice?
A) Celotna programiranje
B) Diskretna optimizacija
C) Kombinatorna optimizacija
D) Neprekinjena optimizacija
  • 13. Katere pogoje se uporabljajo za iskanje optimalnih rešitev pri problemih, ki imajo omejitve v obliki enakosti in/ali neenakosti?
A) Pogoji Karusha-Kuhna-Tuckerja
B) Pogoji izpolnitve
C) Pogoji drugega reda
D) Pogoji prvega reda
  • 14. Kdo je zaslužen za uvedbo izraza 'linearno programiranje'?
A) John von Neumann
B) George B. Dantzig
C) Leonid Kantorovič
D) Fermat
  • 15. Katera metoda zagotavlja konvergenco z optimizacijo funkcije vzdolž ene dimenzije?
A) Ocena pozitivnega-negativnega gibalnega momenta.
B) Regije zaupanja.
C) Lagrangeova relaksacija.
D) Linearni iskalniki.
  • 16. Kaj je posebni primer matematične optimizacije, kjer je vsaka rešitev optimalna?
A) Optimizacija z več lokalnimi minimumi.
B) Globalna optimizacija.
C) Problem izvedljivosti.
D) Problem obstojnosti.
  • 17. Kaj se zgodi, če dodamo več kot en cilj optimizacijski nalogi?
A) Poenostavi problem.
B) Poveča kompleksnost.
C) Zmanjša število rešitev.
D) Odstrani kompromise.
  • 18. Kakšna je najmanjša vrednost izraza \(x2 + 1\) za \(x = -2\)?
A) 1
B) 3
C) 4
D) 5
  • 19. Katera metoda je zgodovinsko pomembna, vendar počasna, in je v zadnjih letih spet pridobila zanimanje za reševanje velikih problemov?
A) Metode kvazi-Newtona
B) Metoda gradientnega spusta
C) Metoda stohastične aproksimacije s hkratnimi perturbacijami
D) Metode koordinate spusta
  • 20. Katere so učinkovite numerične metode za minimizacijo konveksnih funkcij?
A) Metode iskanja po liniji.
B) Metode notranjih točk.
C) Regije zaupanja.
D) Lagrangeova relaksacija.
  • 21. Kdo določi najboljšo rešitev med rešitvami, ki so Pareto optimalne?
A) Odločevalec
B) Algoritem za optimizacijo
C) Zunanji ocenjevalec
D) Projektant sistema
  • 22. Kako ocenimo načrt, če ga ne prevladuje noben drug načrt?
A) Neučinkovit
B) Pareto optimalen
C) Manjši
D) Suboptimalen
  • 23. Ali ima funkcija \(2x\) največjo vrednost za vse realne številke?
A) Da, največja vrednost je negativna neskončnost.
B) Da, največja vrednost je neskončnost.
C) Da, največja vrednost je 2.
D) Ne, funkcija je neomejena.
  • 24. V katerem področju se optimizacija načrtovanja uporablja posebej pogosto?
A) Kosmologija in astrofizika.
B) Elektrotehnika.
C) Inženirstvo, zlasti letalsko inženirstvo.
D) Mikroekonomija.
  • 25. Katera metoda uporablja naključno aproksimacijo gradienta za stohastično optimizacijo?
A) Kvantni algoritmi za optimizacijo
B) Metode notranjih točk
C) Eliptična metoda
D) Simultana perturbacija stohastične aproksimacije (SPSA)
  • 26. V katerem letu je Leonid Kantorovič predstavil veliko teorijo, ki je podlaga linearnemu programiranju?
A) 1947
B) 1950
C) 1939
D) 1960
  • 27. Kakšne vrste spremenljivk se uporabljajo v polsemidefinitni programski optimizaciji (SDP)?
A) Neprekinjene spremenljivke.
B) Diskretne spremenljivke.
C) Binarni spremenljivke.
D) Polsemidefinitne matrike.
  • 28. Kako je mogoče včasih pridobiti manjkajoče informacije v problemu optimizacije z več cilji?
A) Z ignoriranjem manj pomembnih ciljev.
B) Z analizo zgodovinskih podatkov.
C) Samodejno s pomočjo algoritma.
D) Z interaktivnimi sejami z odločevalcem.
  • 29. V katerem področju se stohastično programiranje in simulacije uporabljata za podporo odločanju?
A) Gradbeništvo
B) Tehnika krmiljenja
C) Operacijska raziskava
D) Molekularno modeliranje
  • 30. Katero področje matematike se ukvarja z determinističnimi algoritmi za probleme, ki niso konveksni?
A) Lokalna optimizacija
B) Diskreta matematika
C) Linearna programiranje
D) Globalna optimizacija
  • 31. Za katero vrednost x funkcija \(x2 + 1\) doseže svojo najmanjšo vrednost?
A) x = 0
B) x = 1
C) x = -1
D) x = ∞
Ustvarjeno z That Quiz — stran za ustvarjanje matematičnih testov in testov za druge predmete.