Twoja przeglądarka nie obsługuje JavaScript!
Ucz się szybciej
Testy
Fiszki
Notatki
Zaloguj
Fiszki
Metody Metaheurystyczne
Test w formie fiszek
Ilość pytań:
88
Rozwiązywany:
2295 razy
Dlaczego modelowanie problemu jest istotne?
Decyduje o przestrzeni poszukiwań i sposobie kodowania reprezentacji
Wyznacza jedynie teoretyczny zbiór rozwiązań
Nie ma wpływu na sposób szukania rozwiązania
Określa jedynie wielkość przestrzeni poszukiwań
Decyduje o przestrzeni poszukiwań i sposobie kodowania reprezentacji
Jakie są elementy reprezentacji w problemie TSP?
Lista miast
Liczby naturalne
Ciąg binarny
Sześciocyfrowa dokładność
Lista miast
Jaki jest cel w problemie TSP?
Znalezienie najdłuższej trasy między punktami
Znalezienie najkrótszej trasy między punktami
Maksymalizacja odległości między punktami
Brak określonego celu
Znalezienie najkrótszej trasy między punktami
Co jest funkcją oceny w problemie TSP?
Nie istnieje w tym problemie
Podaje numer miasta
Zwraca liczbę miast
Zwraca długość trasy dla danego rozwiązania
Zwraca długość trasy dla danego rozwiązania
Co umożliwia funkcja oceny w problemie TSP?
Porównanie efektywności różnych metod
Porównanie różnych modeli
Brak możliwości porównania rozwiązań
Porównanie długości tras dla różnych rozwiązań
Porównanie długości tras dla różnych rozwiązań
Czym charakteryzuje się funkcja oceny w problemie TSP?
Nie ma wpływu na wybór najlepszej trasy
Jest nieistotna w rozwiązaniu problemu
Określa liczbę miast
Zwraca wartość opisującą jakość rozwiązania
Zwraca wartość opisującą jakość rozwiązania
Jaka jest główna różnica między heurystyką a metaheurystyką?
Metaheurystyka zapewnia zawsze optymalne rozwiązania
Metaheurystyka nie jest praktyczna w rozwiązywaniu problemów.
Heurystyka działa wyłącznie na bazie teorii
Heurystyka koncentruje się na rozwiązaniu grupy problemów, a metaheurystyka na jednym konkretnym problemie
Heurystyka koncentruje się na rozwiązaniu grupy problemów, a metaheurystyka na jednym konkretnym problemie
Czym charakteryzuje się iteracyjne wspinanie w kontekście optymalizacji?
Wykonywaniem kroków w kierunku najszybszego spadku wartości funkcji celu
Utrzymywaniem aktualnego rozwiązania bez zmian
Poszukiwaniem rozwiązania poprzez zastosowanie funkcji losowej
Sprawdzaniem losowych przekształceń w rozwiązaniu
Wykonywaniem kroków w kierunku najszybszego spadku wartości funkcji celu
Czym jest Symulowane Wyżarzanie w kontekście optymalizacji?
Stałym poszukiwaniem rozwiązania optymalnego
Metodą iteracyjną wykorzystującą jedynie przekształcenia losowe
Iteracyjnym podejściem, które uwzględnia prawdopodobieństwo zaakceptowania gorszego rozwiązania
Zmianą rozwiązania bez uwzględnienia prawdopodobieństwa
Iteracyjnym podejściem, które uwzględnia prawdopodobieństwo zaakceptowania gorszego rozwiązania
Co to jest Lista Tabu w metodzie Przeszukiwania z Tabu?
Nie ma wpływu na proces podejmowania decyzji
Zapamiętuje zmiany, aby uniknąć powtórzeń lub zbyt podobnych zmian
Zawiera informacje o najmniejszych zmianach w rozwiązaniu
Jest używana jedynie jako pamięć długotrwała
Zapamiętuje zmiany, aby uniknąć powtórzeń lub zbyt podobnych zmian
Jaka jest główna wada iteracyjnego wspinania?
Wpadanie w minimum lokalne i brak informacji o odległości od minimum globalnego
Zbyt duża liczba kroków w poszukiwaniu rozwiązania
Zależność wyniku od wyboru punktu początkowego
Brak informacji o aktualnym rozwiązaniu
Wpadanie w minimum lokalne i brak informacji o odległości od minimum globalnego
Czym charakteryzuje się symulowane wyżarzanie w kontekście optymalizacji?
Zastosowaniem tylko najlepszego rozwiązania
Uwzględnieniem prawdopodobieństwa akceptacji gorszego rozwiązania
Iteracyjnym podejściem, które zawsze akceptuje lepsze rozwiązanie
Wykorzystaniem funkcji losowej do generowania rozwiązania
Uwzględnieniem prawdopodobieństwa akceptacji gorszego rozwiązania
Jakie korzyści niesie ze sobą lista tabu w przeszukiwaniu z tabu?
Utrzymuje jedynie informacje o najgorszych zmianach w rozwiązaniu
Jest używana jedynie jako pamięć krótkotrwała
Pozwala na wykonywanie identycznych kroków w poszukiwaniu rozwiązania
Zapobiega powtórzeniom i zbyt podobnym zmianom
Zapobiega powtórzeniom i zbyt podobnym zmianom
Czym jest dywersyfikacja w kontekście przeszukiwania z tabu?
Wykorzystywaniem jedynie pamięci długotrwałej w procesie optymalizacji
Skupianiem się jedynie na pojedynczym rozwiązaniu
Badaniem tylko jednego rodzaju zmian w rozwiązaniu
Próbowaniem modyfikacji rozwiązań, które nie były wcześniej badane przez wiele iteracji
Badaniem tylko jednego rodzaju zmian w rozwiązaniu
Jakie są parametry przeszukiwania z tabu?
Wyłącznie kodowanie rozwiązania i określenie jakości rozwiązania
Tylko lista tabu i kryterium zatrzymania
Kodowanie rozwiązania i określenie miary otoczenia
Lista tabu i sposób określania/generowania otoczenia
Lista tabu i sposób określania/generowania otoczenia
Czym charakteryzuje się temperatura w symulowanym wyżarzaniu?
Określa jedynie możliwość zaakceptowania gorszego rozwiązania
Jest stała przez cały proces optymalizacji
Nie ma wpływu na przebieg procesu
Początkowo wysoka, później maleje, wpływając na akceptację gorszych rozwiązań
Początkowo wysoka, później maleje, wpływając na akceptację gorszych rozwiązań
Czym charakteryzuje się K-opt w algorytmie lokalnej optymalizacji?
Usuwa k krawędzi i zastępuje je innymi krawędziami w celu utworzenia innego prawidłowego cyklu
Sprawdza każdą krawędź i wybiera najkrótszą ścieżkę
Usuwa krawędzie z dokładnością do ich długości
Nie zmienia cyklu, lecz dodaje nowe krawędzie
Usuwa k krawędzi i zastępuje je innymi krawędziami w celu utworzenia innego prawidłowego cyklu
Co to oznacza, że iteracyjne wspinanie może wpadać w minimum lokalne?
Brak możliwości poprawy znalezionego rozwiązania
Zawsze osiąga najlepsze możliwe rozwiązanie
Znalezienie rozwiązania, które nie jest najlepsze globalnie, ale najlepsze w otoczeniu
Zawsze znajduje się w maksimum globalnym
Znalezienie rozwiązania, które nie jest najlepsze globalnie, ale najlepsze w otoczeniu
Jak działa proces iteracyjnego wspinania w kontekście optymalizacji?
W każdej iteracji losuje nowe rozwiązanie i je akceptuje
Wykonuje kroki w kierunku najszybszego wzrostu wartości funkcji celu
Wybiera losowe rozwiązanie i sprawdza, czy jest lepsze od obecnego
Wykonuje kroki w kierunku najwolniejszego spadku wartości funkcji celu
Wykonuje kroki w kierunku najszybszego wzrostu wartości funkcji celu
Czym jest fenotyp w algorytmach ewolucyjnych?
Informacja o zachowaniu osobnika
Punkt w przestrzeni kodów genetycznych
Zakodowana informacja o osobniku
Zapis genotypu
Informacja o zachowaniu osobnika
Początek
Pokaż poprzednie pytania
Pokaż kolejne pytania
Powiązane tematy
#algorytmty
#informatyka
#heurystyki
#metaheurystyki
#metodymetaheurystyczne
Inne tryby
Nauka
Test
Powtórzenie