¡GoConqr estrena diseño! Cuéntanos qué te parece.

Regístrate gratis

Fichas

Operations Research Kurzfragen

Robin Ga Alemán 51 fichas

Fichas del conjunto (51)

  1. 11.: Beim Simplex-Algorithmus sind die Schattenpreise der Ressourcennutzung an den Werten der Schlupfvariablen im Endtableau ablesbar.1.: NEIN, die Zielfunktions-Koeffizienten sind die Schattenpreise (Kap. 2, Folie 47)
  2. 22.: Die duale Simplexmethode kann als Verfahren zur Bestimmung einer zulässigen Ausgangslösung genutzt werden.2.: JA (Kap. 4, Folie 12)
  3. 33.: Die optimale Lösung eines primalen linearen Programms ist identisch mit der optimalen Lösung des zugehörigen dualen Programms.3.: JA (Kap. 4, Folie 21 ff.)
  4. 44.: Kurzzyklen erhöhen die Lösungsqualität beim Traveling Salesman Problem.4.: NEIN, wenn Kurzzyklen existieren, ist es keine gültige TSP-Lösung mehr (Kap. 9, Folie 9)
  5. 55.: Simulated Annealing führt niemals zur optimalen Lösung eines Rucksackproblems.5.: JA (irrelevant, nicht behandelt!)
  6. 61.: Das Traveling Salesman Problem kann als klassisches Zuordnungsproblem formuliert werden.1.: JA (Kap. 9, Folie 8)
  7. 72.: Der Lösungswert für ein TSP ohne Zyklusbedingungen ist eine untere Grenze für den Wert der optimalen Lösung.2.: JA (Kap. 9, Folie 13)
  8. 83.: Im Selektionsschritt eines Genetischen Algorithmus kann eine Lösung mehrfach als Elternteil ausgewählt werden.3.: JA (Vgl. Kap. 11, Folie 33)
  9. 94.: Immer dann, wenn bei der Tabusuche eine unzulässige Lösung betrachtet wird, gerät das Verfahren ins Kreisen.4.: NEIN, nur Strafkosten (Kap. 11, Folie 12 ff.)
  10. 105.: Transportprobleme können aufgrund ihrer Ganzzahligkeit mit dem Simplex-Algorithmus nicht optimal gelöst werden.5.: NEIN, bei unimodularer Matrix ist es möglich. (Kap. 5, Folie 7)
  11. 111.: Bei der Durchführung des Branch & Bound Verfahrens gilt zu jedem Zeitpunkt, dass die größte untere Schranke gleich der kleinste oberen Schranke ist.1.: NEIN, nur im Optimum (Kap. 5, Folie 11)
  12. 122.: Im Separationsschritt des Branch & Bound Verfahrens wird entschieden, in welchem Teilproblem das Verfahren fortgesetzt wird.2.: NEIN, das ist die Auslotung (Kap. 5, Folie 12)
  13. 133.: Der Simplex-Algorithmus kann Teil des Branch & Bound Verfahrens sein.3.: JA (Vgl. Tutorium #3 vom 05.12.12)
  14. 144.: Das Branch & Bound Verfahren liefert immer eine optimale Lösung.4.: JA (Vgl. Kap. 5, Folie 10 ff.)
  15. 155.: Das Branch & Bound Verfahren kann nur zur Lösung binärer linearer Programme verwendet werden.5.: NEIN, auch für andere Probleme (Kap. 5, Folie 32)
  16. 161.: Eine Optimale Lösung eines linearen Programms mit reellwertigen Variablen kann in einigen Fällen außerhalb des zulässigen Bereiches liegen.1.: NEIN, dann wäre sie nicht durchführbar  nicht optimal (?)
  17. 172.: Jedes Lineare Programm kann graphisch gelöst werden.2.: NEIN, bei mehr als 2 Strukturvariablen (theoretisch 3  3D) nicht mehr möglich (?)
  18. 183.: Ein Basistausch des Simplex-Algorithmus kann zur Bestimmung einer zulässigen Lösung genutzt werden.3.: JA (Kap. 2, Folie 15)
  19. 194.: Der duale Simplex-Algorithmus kann zur Bestimmung einer zulässigen Lösung genutzt werden.4.: JA (Vgl. Kap. 4, Folie 12)
  20. 205.: Wenn der Zielfunktionswert des primalen Programms dem Zielfunktionswert des dualen Programms entspricht, sind die jeweils zugehörigen Lösungen optimal.5.: JA (Vgl. Kap. 4, Folie 28) (?)
  21. 211.: Heuristische Lösungsverfahren können nur zur Lösung NP-schwerer Optimierungsprobleme eingesetzt werden.1.: NEIN, auch zur Lösung von P-Problemen (Kap.10, Folie 6)
  22. 222.: Ein Verbesserungsverfahren für das binäre Rucksackproblem kann ohne Festlegung einer Nachbarschaft durchgeführt werden.2.: NEIN, Verbesserungsverfahren = Untersuchen der Nachbarschaft (Kap. 10, Folie 50)
  23. 233.: Das Traveling Salesman Problem kann prinzipiell mit dem Branch & Bound Verfahren gelöst werden.3.: JA (Kap. 5, Folie 32)
  24. 244.: Die Lösung eines Traveling Salesman Problems mit einem Genetischen Algorithmus erfordert zwingend die Repräsentation einer Lösung mittels Permutationscodierung.4.: NEIN, auch andere Möglichkeiten (Kap. 11, Folie 23)
  25. 255.: Die Tabusuche mit einer statischen Tabuliste kann mit starrer oder flexibler Listelänge durchgeführt werden.5.: JA (kap. 11, Folie 13)
  26. 261.: Der Simplex-Algorithmus kann Teil des Branch & Bound Verfahrens sein.1.: JA (Vgl. Tutorium #3 vom 05.12.12)
  27. 272.: Metaheuristiken verbieten die Verschlechterung des Zielfunktionswertes um möglichst schnell zur optimalen Lösung zu gelangen.2.: NEIN, genau das macht METAheuristiken aus (Vgl. Kap. 11, Folie 11 ff.)
  28. 283.: Simulated Annealing führt niemals zur optimalen Lösung eines Traveling Salesman Problems.3.: JA (irrelevant, nicht behandelt!)
  29. 294.: Das 2opt Verfahren liefert eine Ausgangslösung für ein Traveling Salesman Problem.4.: NEIN, dort beginnt es (Kap. 10, Folie 52)
  30. 305.: In einem Pfad eines Graphen können Knoten mehrfach vorkommen.5.: JA (Kap. 7, Folie 10)
  31. 311.: Bei zwei komplementären Zielen entsteht ein Zielkonflikt.1.: NEIN, bei konkurrierenden der Fall (Kap. 3, Folie 30)
  32. 322.: Das Traveling Salesman Problem lässt sich mit polynomiellem Aufwand lösen.2.: Nein (Kap. 9, Folie 5)
  33. 333.: In einem Euler-Netzwerk besitzt jeder Knoten einen ungeraden Knotengrad.3.: NEIN, geraden Knotengrad (Kap. 8, Folie 19)
  34. 344.: Der 2-opt zählt zu den heuristischen Lösungsverfahren für Traveling Salesman Probleme.4.: NEIN, lediglich Verbesserung und nicht Lösung (Kap. 10, Folie 52)
  35. 355.: Nach der Dualisierung eines linearen Programms muss der duale Simplex angewendet werden um die optimale Lösung zu finden.5.: JA (Kap. 4, Folie 27)
  36. 361.: Für ein TSP mit N Städten gibt es (N—1)! alternative Traveling Salesman Touren.1.: JA (kap. 9, Folie 5)
  37. 372.: Das Erlauben von Kurzzyklen erhöht die Lösungsqualität beim Traveling Salesman Problem.2.: NEIN, wenn Kurzzyklen existieren, ist es keine gültige TSP-Lösung mehr (Kap. 9, Folie 9)
  38. 383.: Besteht ein Baum aus n-1 Kanten so hat er n-1 Knoten.3.: NEIN, er hätte n Knoten (Definition: n Knoten = n-1 Kanten) (Kap. 7, Folie 15)
  39. 394.: Das Verfahren des besten Nachfolgers für Traveling Salesman Probleme fällt in die Klasse der Greedy-Verfahren.4.: JA (Kap. 10, Folie 13)
  40. 405.: Das Netzwerkflussproblem ist ein lineares Optimierungsproblem und damit grundsätzlich mit dem Simplex-Algorithmus lösbar.5.: JA (Kap. 8, Folie 7)
  41. 411.: Mittels Sensitivitätsanalyse kann die Lösungsqualität bei linearen Programmierung erhöht werden.1.: NEIN, nur in welchem Bereich sich die opt. Lösung nicht ändert (Kap. 3, Folie 4)
  42. 422.: Das Branch & Bound Verfahren kann unter Umständen zur vollständigen Enumeration tendieren.2.: JA (Kap. 5, Folie 32)
  43. 433.: Kein ganzzahliges lineares Programm kann mit dem Simplex-Algorithmus gelöst werden.3.: NEIN, bei unimodularer Matrix ist es möglich. (Kap. 5, Folie 7)
  44. 444.: In einem zusammenhängendem Graphen beinhaltet der spannende Baum alle Knoten.4.: JA (Kap. 7, Folie 15) (Vgl. auch Wikipedia „Spannbaum“)
  45. 455.: Ein lineares Programm mit 2 Nebenbedingungen kann nach einer Dualisierung meist mit dem Kruskal-Algorithmus gelöst werden.5.: NEIN, der Kruskal-Alg. ist ein „Greedy-Alg.“ zur Graphentheorie (Kap. 7, Folie 19 ff.) (?)
  46. 461.: Der Dijkstra-Algorithmus liefert eine untere Schranke für das Traveling Salesman Problem.1.: NEIN, Kruskal-Alg. würde „Untere Schranke“ liefern. Dijkstra gibt lediglich Entfernung zwischen den einzelnen Knoten an (Kap. 7, Folie 24 ff.) (?)
  47. 472.: Das dynamische Losgrößenproblem lässt sich als kürzeste Wege Problem formulieren.2.: JA (kap. 7, Folie 36)
  48. 483.: In jedem zusammenhängendem Netzwerk N = (V,E) ist die Anzahl von Knoten mit ungeradem Knotengrad gleich Null oder eine gerade positive Zahl.3.: JA (Kap. 8, Folie 21)
  49. 494.: Heuristiken weisen meiste eine höhere Laufzeit auf als exakte Verfahren, dafür liefern sie aber auch bessere Ergebnisse.4.: NEIN, Heuristiken = „Pi mal Daumen“, dafür schneller (Kap. 10, Folie 7)
  50. 505.: Das Netzwerkflussproblem kann mit dem Simplex-Algorithmus gelöst werde.5.: JA (Kap. 8, Folie 7)
  51. 51Definieren Sie die Begriffe Euler-Netzwerk und Euler-Tour.EN: Zusammengehöriges Netzwerks, in dem jeder Knoten einen geraden Knotengrad von mindestens zwei hat.
    ET: Ein Zyklus in einem EN, bei dem jede Kante genau einmal durchlaufen wird.

Información

Descripción
Fichas sobre Operations Research Kurzfragen, creado por Robin Ga el 10/02/2015.
Creado por
Robin Ga
Visitas
107
Valoración

Escríbenos

¿Sobre qué es tu mensaje?

¿Qué te parece el nuevo diseño?

¿Te gusta?