W jakiej metodzie optymalizacji globalnej cząstki poruszają się w przestrzeni poszukiwań w celu znalezienia optymalnego rozwiązania?
Simulated Annealing
Genetic algorithms
Ant colony optimization
Particle swarm optimization
Particle swarm optimization
Która heurystyczna metoda optymalizacji polega na iteracyjnym przeszukiwaniu przestrzeni rozwiązań w celu znalezienia lepszego rozwiązania?
Guided local search
Genetic algorithms
Iterative local search
Ant colony optimization
Iterative local search
W jakiej metodzie optymalizacji globalnej temperatura jest stopniowo zmniejszana, aby unikać pułapek lokalnych maksimów, imitując proces hartowania stali?
Tabu Search
Genetic algorithms
Simulated Annealing
Particle swarm optimization
Simulated Annealing
Który z algorytmów optymalizacji globalnej jest inspirowany zachowaniem roju pszczół w poszukiwaniu pożywienia?
Cuckoo search
Artificial bee colony
Ant colony optimization
Firefly algorithm
Artificial bee colony
Który z poniższych opisów najlepiej odzwierciedla działanie algorytmu Cuckoo Search w kontekście optymalizacji globalnej?
Technika optymalizacyjna oparta na procesach ewolucyjnych, takich jak krzyżowanie i mutacja, w celu generowania nowych rozwiązań.
Metoda optymalizacji, w której cząstki poruszają się w przestrzeni poszukiwań, przyciągając się nawzajem w celu optymalizacji rozwiązania.
Algorytm, który unika powtarzania ruchów zakazanych (tabu) i przemieszcza się w przestrzeni poszukiwań, podążając za liderem roju.
Algorytm, który inspirowany jest strategią ptaka kukułki, zastępującej jaja obcego gatunku w cudzym gnieździe.
Algorytm, który inspirowany jest strategią ptaka kukułki, zastępującej jaja obcego gatunku w cudzym gnieździe.
Która z poniższych metod ocenia tylko pełne rozwiązania?
Dziel i zwyciężaj
lgorytm A*
Algorytmy zachłanne
Metoda sympleksowa
Metoda sympleksowa
Która z poniższych metod działa na bazie częściowych lub niepełnych rozwiązań?
Przeszukiwanie wyczerpujące
Metoda sympleksowa
Algorytmy wyliczeniowe
Algorytmy zachłanne
Algorytmy zachłanne
Które z poniższych stwierdzeń są prawdziwe w odniesieniu do algorytmów zachłannych?
Zawsze znajdują rozwiązanie optymalne.
Mogą utknąć w lokalnym optimum.
Są często stosowane w przypadku problemów NP trudnych.
Są skuteczne w przypadku problemów, w których istnieje duża różnorodność w przestrzeni rozwiązań.
Mogą utknąć w lokalnym optimum.
Są często stosowane w przypadku problemów NP trudnych.
Są skuteczne w przypadku problemów, w których istnieje duża różnorodność w przestrzeni rozwiązań.
W metodzie sympleksowej, w każdym kroku algorytmu, wybierana jest zmienna, która zostanie zastąpiona inną zmienną. Jakie jest kryterium wyboru tej zmiennej?
Kryterium losowe
Kryterium najmniejszego przyrostu funkcji celu
Kryterium Blanda
Kryterium największego przyrostu funkcji celu
Kryterium Blanda
W algorytmie zachłannym, w każdym kroku algorytmu, wybierane jest rozwiązanie, które poprawia wartość funkcji celu. Jaki jest sposób wyboru takiego rozwiązania?
Wybiera się rozwiązanie z maksymalną wartością funkcji celu
Wybiera się rozwiązanie z wartością funkcji celu równą 0
Można stosować różne metody, np. wybierać rozwiązanie z maksymalną wartością funkcji celu, minimalną wartością funkcji celu, itp.
Wybiera się rozwiązanie z minimalną wartością funkcji celu
Można stosować różne metody, np. wybierać rozwiązanie z maksymalną wartością funkcji celu, minimalną wartością funkcji celu, itp.
W metodzie podziału i ograniczeń, przestrzeń poszukiwań rozwiązań jest reprezentowana jako drzewo. Jakie są dwa podstawowe pojęcia związane z tym drzewem?
Węzeł i granica
Węzeł i wierzchołek
Węzeł i przyrost funkcji celu
Węzeł i granica
W algorytmie A*, w każdym kroku algorytmu, wybierane jest wierzchołek, który będzie następnym krokiem. Jaki jest sposób wyboru tego wierzchołka?
Wybiera się wierzchołek, dla którego suma drogi pomiedzy wierzchołkiem początkowym a tym wierzchołkiem i rzeczywistej drogi od tego wierzchołka do wierzchołka docelowego jest minimalna
Wybiera się wierzchołek, dla którego suma drogi pomiedzy wierzchołkiem początkowym a tym wierzchołkiem jest minimalna
Wybiera się wierzchołek, dla którego suma drogi pomiedzy wierzchołkiem początkowym a tym wierzchołkiem jest maksymalna
ybiera się wierzchołek, dla którego suma drogi pomiedzy wierzchołkiem początkowym a tym wierzchołkiem i przewidywanej przez heurystykę drogi od tego wierzchołka do wierzchołka docelowego jest minimalna
ybiera się wierzchołek, dla którego suma drogi pomiedzy wierzchołkiem początkowym a tym wierzchołkiem i przewidywanej przez heurystykę drogi od tego wierzchołka do wierzchołka docelowego jest minimalna
Która z poniższych metod jest najczęściej stosowana w przypadku problemów komiwojażera?
Programowanie dynamiczne
Metoda podziału i ograniczeń
Algorytm zachłonny
Metoda sympleksowa
Algorytm zachłonny
W przypadku problemów liniowych, metoda sympleksowa działa w czasie:
logarytmicznym
stałym
wielomianowym
eksponencjonalnym
wielomianowym
W metodzie podziału i ograniczeń, w każdym kroku algorytmu, rozważane są wszystkie możliwe rozwiązania:
Tak
Zależy od złożoności problemu
Nie
Nie zawsze
Nie
Czym charakteryzuje się heurystyka?
Zapewnia doskonałe rozwiązania
Bazuje wyłącznie na teorii
Oferuje jedno optymalne rozwiązanie
Stosuje metodę praktyczną, nie gwarantującą otrzymania doskonałego rozwiązania
Stosuje metodę praktyczną, nie gwarantującą otrzymania doskonałego rozwiązania
Jakie podejście prezentuje metaheurystyka w rozwiązywaniu problemów?
Opiera się wyłącznie na teoretycznych założeniach
Dostarcza optymalnych rozwiązań dla wszystkich problemów
Skupia się na jednym konkretnym problemie
Koncentruje się na rozwiązaniu grupy problemów
Koncentruje się na rozwiązaniu grupy problemów
Co jest zaletą metaheurystyk?
Szybkość znalezienia rozwiązania nie jest istotna
Są mniej skuteczne od klasycznych metod
Zapewnia idealne rozwiązania dla wszystkich problemów
Dostarczają wystarczająco dobrych rozwiązań dla NP-trudnych problemów
Dostarczają wystarczająco dobrych rozwiązań dla NP-trudnych problemów
Jakie są główne przyczyny trudności w rozwiązaniu niektórych problemów?