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