Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
I:
S: В нелинейном программировании выделяют два основных типа задач…
+: задачи выпуклого и задачи невыпуклого программирования
-: условной и безусловной оптимизации
-: однопараметрические и многопараметрические
-: детерминированные и недерминированные
I:
S: В постановках задач нелинейного программирования предполагается, что переменные оптимизации…
+: непрерывны
-: могут принимать только положительные значения
-: могут принимать только целочисленные значения
-: разрывны
I:
S: В рамках нелинейного программирования задачу оптимизации называют классической, если предполагается известной аналитическая зависимость функции…
-: от аргументов, а также существование обычных или частных производных до первого порядка включительно
-: от аргументов, а также существование обычных или частных производных до третьего порядка включительно
+: от аргументов, а также существование обычных или частных производных до второго порядка включительно
-: от аргументов
I:
S: Какое из следующих утверждений истинно?
Многоэкстремальность целевой функции в задаче нелинейного программирования означает, что…
А) целевая функция может иметь несколько локальных и глобальных экстремумов
В) целевая функция может иметь несколько глобальных экстремумов
-: A – да, B – нет
-: A – да, B – да
+: А – нет, В – нет
-: A – нет, B - да
I:
S: Метод множителей Лагранжа, сводит задачу условной оптимизации, где ограничения заданы равенствами к задаче…
-: условной минимизации целевой функции
+: безусловной минимизации функции Лагранжа
-: безусловной минимизации целевой функции
-: условной минимизации функции Лагранжа
I:
S: Основой графического представления функциональных ограничений типа равенств является изображение на плоскости (x1,x2) линии пересечения поверхности, отвечающей целевой функции и поверхности, задаваемой…
-: ограничением неравенством вида g1(x1,x2)≥0
-: ограничением неравенством вида g1(x1,x2)≠0
-: ограничением-равенством g1(x1,x2)=х1+х2
+: ограничением-равенством g1(x1,x2)=0
I:
S: Особенностью задач нелинейного программирования, вызываемая нелинейностью функции z(X), является ее возможная…
-: неоднозначность
-: стохастичность
+: многоэкстремальность
-: недетерминированность
I:
S: По длине искомого вектора Х методы нелинейного программирования делятся на…
-: однокритериальные и многокритериальные
-: детерминированные и недетерминированные
-: 1-го порядка и 2-го порядка
+: однопараметрические и многопараметрические
I:
S: По количеству локальных критериев в целевой функции методы нелинейного программирования делятся на…
-: сходящиеся и расходящиеся
-: 1-го порядка и 2-го порядка
+: однокритериальные и многокритериальные
-: детерминированные и недетерминированные
I:
S: По наличию ограничений методы нелинейного программирования делятся на методы…
-: 1-го порядка и 2-го порядка
-: детерминированные и недетерминированные
+: безусловной и условной оптимизации
-: однопараметрические и многопараметрические
I:
S: По типу информации, используемой в алгоритме поиска экстремума методы нелинейного программирования делятся на методы…
-: однопараметрические и многопараметрические
+: прямого поиска, первого порядка, второго порядка
-: безусловной и условной оптимизации
-: детерминированные и недетерминированные
I:
S: Дискретные задачи математического программирования входят в класс
-: недерминированных задач
+: нерегулярных задач
-: регулярных задач
-: многопараметрических задач
I:
S: Дискретные задачи характеризуются тем, что область допустимых решений…
-: невыпукла и связна
-: выпукла и связна
+: невыпукла и несвязна
-: выпукла и несвязна
I:
S: Для непрерывных дважды дифференцируемых по всем переменным функций для определения необходимых и достаточных условий их выпуклости используются…
-: модуль градиента функции
-: детерминант обратной матрицы Гессе
+: миноры матрицы Гессе
-: интеграл функции
I:
S: Для того, чтобы найденная стационарная точка была точкой экстремума, необходимо выполнение…
+: достаточных условий экстремума функции
-: положительность значения функции в этой точке
-: необходимых условий экстремума функции
-: равенство нулю функции в этой точке
I:
S: Истинно следующее утверждение?
Компоненты матрицы Гессе представляют собой значения
А) первых частных производных целевой функции
В) целевой функции в граничных точках
-: A – да, B – нет
-: A – нет, B - да
-: A – да, B – да
+: А – нет, В – нет
I:
S: Аналитическими методами безусловной оптимизации называются методы, предусматривающие…
-: возможность построения области допустимых решений
+: получение аналитических соотношений, позволяющих найти точку экстремума
-: численного интегрирования целевой функции
-: получение значений целевой функции в любой точке
I:
S: В методах второго порядка при поиске экстремума целевой функции используются…
-: только значения функции
+: значения ее вторых производных
-: только значения ее первых производных
-: только значения функции и ее первых производных
I:
S: В методах первого порядка при поиске экстремума целевой функции используются…
+: значения ее первых производных
-: только значения функции
-: значения функции и ее вторых производных
-: значения ее вторых производных
I:
S: В методах прямого поиска при поиске экстремума целевой функции используются…
-: значения целевой функции и значения ее производной
+: только ее значения
-: только значения ее 2-й производной
-: только значения ее производной
I:
S: В методе покоординатного спуска поочередно изменяют все переменные оптимизации так, чтобы по каждой из переменных достигалось…
-: нулевое значение функции
+: наименьшее (наибольшее) значение
-: целое положительное значение функции
-: целое отрицательное значение функции
I:
S: В задачах регулярного математического программирования…
-: если точки и близки, то значения и также близки
-: если точки и близки, то значения и также близки
+: если точки и близки, то значения и также близки
-: если точки и близки, то значения и также близки
I:
S: В задачах стохастического программирования…
+: в целевой функции или в ограничениях содержатся случайные величины, которые подчиняются законам теории вероятностей
-:только в целевой функции содержатся случайные величины, которые подчиняются законам теории вероятностей
-: в целевой функции и в ограничениях содержатся только целочисленные параметры
-: только в ограничениях содержатся случайные величины, которые подчиняются законам теории вероятностей
I:
S: Линейная функция является…
+: одновременно и выпуклой и вогнутой
-: является и не выпуклой и не вогнутой
-: только вогнутой
-: только выпуклой
I:
S: Линии уровня образуются на основе линий пересечения поверхности, являющейся графиком целевой функции f(x1,x2)…
-: плоскостями, перпендикулярными плоскости (x1,x2)
-: линиями, лежащими в плоскости (x1,x2)
-: линиями, пересекающими плоскость (x1,x2)
+: плоскостями, параллельными плоскости (x1,x2)
I:
S: Другое название метода покоординатного спуска -
-: метод Эйлера
-: метод Гаусса
+: метод Гаусса-Зейделя
-: метод Ньютона
I:
S: Если при изменении одного или нескольких значений переменных наблюдается уменьшение значений целевой функции, то такое движение в пространстве любого числа переменных называется…
-: итерацией
-: сходимостью
-: подъемом
+: спуском
I:
S: Компоненты матрицы Гессе представляют собой значения…
-: первых частных производных функции
-: функции в граничных точках
-: третьих частных производных функции
+: вторых частных производных функции
I:
S: Функции Лагранжа имеет следующий вид:
-:
-:
+:
-:
I:
S: Функция называется вогнутой, если отрезок, соединяющий две любые точки этой функции,
-: лежит выше ее значений
-: пересекает график функции
+: лежит ниже ее значений
-: совпадает с графиком функции
I:
S: Функция называется выпуклой, если отрезок, соединяющий две любые точки этой функции,
+: лежит выше ее значений
-: совпадает с графиком функции
-: пересекает график функции
-: лежит ниже ее значений
I:
S: Численные шаговые методы обеспечивают нахождение
+: только локального экстремума
-: локального экстремума и глобального экстремума
-: только глобального экстремума
-: только области предполагаемого экстремума
V2:Выпуклые задачи оптимизации
I:
S: Какое из следующих утверждений истинно?
Задачи выпуклого программирования – это задачи, в которых
А) определяется минимум выпуклой функции (или максимум вогнутой), и кроме того заданной на выпуклом замкнутом множестве
В) определяется минимум (или максимум) функции, заданной на выпуклом замкнутом множестве
-: A – нет, B - нет
-: A – нет, B – да
+: А – да, В – нет
-: A – да, B – да
I:
S: Допустимое множество, высекаемое в n-мерном пространстве нелинейными ограничениями…
-: обязательно является выпуклым
-: обязательно является выпуклым многогранником
+: может быть не только невыпуклым, но и несвязным
-: обязательно является несвязным
I:
S: В задачах выпуклого программирования ограничения задают
+: выпуклое множество допустимых решений
-: вогнутое множество допустимых решений
-: дискретное множество допустимых решений
-: несвязное множество допустимых решений
I:
S: В задачах выпуклого программирования целевая функция является квадратичной…
+: выпуклой (при минимизации) или вогнутой (при максимизации)
-: выпуклой (при максимизации) или вогнутой (при минимизации)
-: положительно определенной
I:
S: В задачах квадратичного программирования целевая функция…
+: квадратичная, а ограничения – линейны
-: и ограничения – квадратичны
-: и ограничения – линейны
-: линейная, а ограничения – квадратичны
I:
S: В задачах выпуклого программирования любой локальный минимум целевой функции…
-: равен нулю
-: является положительной величиной
-: является отрицательной величиной
+: является единственным
I:
S: Задачей безусловной оптимизации называется задача, в постановке которой…
+: отсутствуют ограничения на оптимизируемые переменные
-: присутствуют ограничения на оптимизируемые переменные
-: отсутствуют ограничения на значения функции
-: присутствуют ограничения на значения функции
I:
S: Задачи безусловной оптимизации функции одной или нескольких переменных рассматриваются в рамках…
-: теории множеств
-: аналитической геометрии
-: теории вероятности
+: математического анализа
I:
S: Задачи выпуклого программирования – это задачи, в которых определяется минимум выпуклой функции (или максимум вогнутой), заданной на…
-: выпуклом не замкнутом множестве
-: на дискретном множестве точек
-: на не связном множестве
+: выпуклом замкнутом множестве
I:
S: Существенной особенностью выпуклого программирования является…
+: совпадение локального и глобального экстремумов
-: отсутствие глобальных и локальных экстремумов
-: отсутствие локальных экстремумов
-:отсутствие глобальных экстремумов
I:
S: Необходимое условие существования экстремума функции одной переменной в некоторой точке состоит в том, чтобы
+: ее первая производная в этой точке была равна нулю
-: ее вторая производная в этой точке была равна нулю
-: значение функции в этой точке было больше нуля
-: значение функции в этой точке было равно нулю
I:
S: Необходимым и достаточным условием вогнутости функции z(X) является…
-: отрицательность четных миноров и положительности нечетных миноров гессиана целевой функции
+: отрицательность нечетных миноров и положительности четных миноров гессиана целевой функции
-: отрицательность всех миноров целевой функции
-: положительность всех миноров целевой функции
I:
S: Необходимым и достаточным условием выпуклости функции z(X) в окрестности точки X0 является…
+: не отрицательность всех главных миноров гессиана этой функции, рассчитанных для этой точки
-: равенство нулю функции на границе области
-: равенство нулю гессиана
-: не положительность всех главных миноров гессиана этой функции, рассчитанных для этой точки
I:
S: Необходимым и достаточным условиями минимума функции z(X) в точке X будут следующие:
-: 1) gradz(X) > 0
2) матрица Гессе G(X) - положительно определена.
+: 1) gradz(X) = 0
2) матрица Гессе G(X) - положительно определена.
-: 1) gradz(X) ≠ 0
2) матрица Гессе G(X) - положительно определена.
-: 1) gradz(X) = 0
2) матрица Гессе G(X) - отрицательно определена.
Дата публикования: 2014-11-29; Прочитано: 4678 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!