Компьютерное моделирование.doc

1. Какое высказывание наиболее точно определяет понятие «модель»:

1)      точная копия оригинала;

2)      оригинал в миниатюре;

3)      образ оригинала с наиболее присущими свойствами;

4)      начальный замысел будущего объекта?

2. Компьютерное моделирование – это:

1)процесс построения модели компьютерными средствами;

2) процесс исследования объекта с помощью компьютерной модели;

3) построение модели на экране компьютера;

4) решение конкретной задачи с помощью компьютера.

3.  Вербальной моделью является:

1) модель автомобиля;

2) сборник правил дорожного движения;

3) формула закона всемирного тяготения;

4) номенклатура списков товаров на складе.

       4. Математической моделью является:

 1) модель автомобиля;

 2) сборник правил дорожного движения;

 3) формула закона всемирного тяготения;

 4) номенклатура списка товаров на складе.

5. Информационной моделью является:

 1) модель автомобиля;

 2) сборник правил дорожного движения;

 3) формула закона всемирного тяготения;

 4) номенклатура списка товаров на складе.

6. К детерминированным моделям относятся:

 1) модель случайного блуждания частицы;

 2) модель формирования очереди;

 3) модель свободного падения тела в среде с сопротивлением;

 4) модель игры «орел – решка».

7. К схоластическим моделям относятся:

 1) модель движения тела, брошенного под углом к горизонту;

 2) модель броуновского движения;

 3) модель таяния кусочка льда в стакане;

 4) модель обтекания газом крыла самолета.

8. Последовательность этапов моделирования:

 1) цель, объект, модель, метод, алгоритм, программа, эксперимент, анализ, уточнение;

 2) цель, модель, объект, алгоритм, программа, эксперимент, уточнение выбора объекта;

 3) объект, цель, модель, эксперимент, программа, анализ, тестирование;

 4) объект, модель, цель, алгоритм, метод, программа, эксперимент.

9. Индуктивное моделирование предполагает:

 1) гипотетическое описание модели;

 2) решение задачи методом индукции;

 3)решение задачи дедуктивным методом;

 4) построение модели как частного случая глобальных законов природы.

10. Дедуктивное моделирование предполагает:

 1) гипотетическое описание модели;

 2) решение задачи методом индукции;

 3)решение задачи дедуктивным методом;

 4) построение модели как частного случая глобальных законов природы.

11. компьютерный эксперимент – это:

 1) решение задачи на компьютере;

 2) исследование модели с помощью компьютерной программы;

 3) подключение компьютера для обработки физических экспериментов;

 4) автоматизированное управление физическим экспериментом.

  12. Модель свободного падения тела в среде с трением:

1)                 ma=mg – kV, m – масса, a- ускорение, V – скорость, k – коэффициент;

2)                 ma=mg – kX, m – масса, a – ускорение, X – перемещение, k – коэффициент;

3) ma = mg – kP, m – масса, a – ускорение, P – давление, k – коэффициент;

4) ma = mg – kR, m – масса, a – ускорение, R – плотность, k – коэффициент.

13. Модель движения тела, брошенного под углом к горизонту в системе координат, в которой ось x направлена по горизонту, y – вертикально вверх:

1) ma_x = - kV_x, ma_y = mg – kV_y , V_0x = V₀cosA, V_0y = V₀sinA, где a_x, a_y, V_x, V_y  -

проекции ускорения и скорости, m – масса, A – угол бросания;

2) ma_x = mg - kV_x, ma_{y =} mg - kV_y, V_0x = V₀cosA, V_0y = V₀sinA, где a_x, a_y, V_x, V_y  -

проекции ускорения и скорости, m – масса, A – угол бросания;

3) ma_x = mg - kV_x, ma_y = – kV_y , V_0x = V₀cosA, V_0y = V₀sinA, где где a_x, a_y, V_x, V_y  -

проекции ускорения и скорости, m – масса, A – угол бросания;

4) ma_x = mg - kV_x, ma_{y =} mg - kV_y, V_0x = V₀sinA, V_0y = V₀cosA, где где a_x, a_y, V_x, V_y  -

проекции ускорения и скорости, m – масса, A – угол бросания.

14. Модель движения небесного тела относительно Земли (плоский случай):

1) d²x/dt² = -GMx/; d²x/dt² = -GMy/; где G – гравитационная постоянная, М – масса Земли, x, y -  координаты тела;

2) dx/dt = -GMm/; dy/dt = -GMm/; где G – гравитационная постоянная, М – масса Земли, x, y -  координаты тела, m – масса тела;

3) d²V_x/dt^{2 =} -GMV_x/; d²V_y/dt^{2 =} -GMV_y/; где G – гравитационная постоянная, М – масса Земли, V_x,V_y – скорость тела;

4) d²x/dt² = -GM/mx²  ; d²y/dt² = -GM/my² ; где G – гравитационная постоянная, М – масса Земли, x, y -  координаты тела, m – масса тела/

15. Для краевой задачи теплопроводности в одномерном стержне, концы которого имеют координаты x = 0 и x = L, в случае, когда на границах задана температура, уравнение теплопроводности дополняют граничными условиями вида (u(x,t) - температура в стержне):

1) u(0,t) = 0; u(L,t) = 0;

2) u(0,t) = T₀; u(L,t) = T_L;

3) u/ x= T₀; u/ x= T_L;

4) u/ x= 0; u/ x= 0.

16. Для краевой задачи теплопроводности в одномерном стержне, концы которого имеют координаты x = 0 и x = L, в случае, когда границы теплоизолированы, уравнение теплопроводности дополняют граничными условиями вида (u(x,t) - температура в стержне):

1) u(0,t) = 0; u(L,t) = 0;

2) u(0,t) = T₀; u(L,t) = T_L;

3) u/ x= T₀; u/ x= T_L;

4) u/ x= 0; u/ x= 0.

17. Для краевой задачи теплопроводности в одномерном стержне, концы которого имеют координаты x = 0 и x = L, в случае, когда на границах задан тепловой поток, уравнение теплопроводности дополняют граничными условиями вида (u(x,t) - температура в стержне):

1) u(0,t) = 0; u(L,t) = 0;

2) u(0,t) = T₀; u(L,t) = T_L;

3) u/ x= Q₀; u/ x= Q_L;

4) u/ x= 0; u/ x= 0.

18.Дискретная модель численности популяции, зависящей в основном от чистой скорости воспроизводства (без учета внутривидовой конкуренции, R – скорость воспроизводства):

1)      ;

2)      ;

3)      ;

4)      .

19.Дискретная модель роста популяций, ограниченная внутривидовой конкуренцией (R – скорость воспроизводства, a,b – коэффициенты):

1)     ;

2)      ;

3)      ;

4)      .

20.Непрерывная модель численности популяции, без учета внутривидовой конкуренции (r – скорость роста численности, K – предельная плотность насыщения):

1)      ;

2)      ;

3)      ;

4)      .

21.Непрерывная (логическая) модель численности популяций с учетом внутривидовой конкуренции (r – скорость рода численности, K – предельная плотность насыщения):

1)      ;  2)   ;

3)  ;    4)  .

22. Модель межвидовой конкуренции для случая двух популяций с численностью  и (,  - врожденные скорости роста популяций; ,  - предельные плотности насыщения; ,  - коэффициенты конкуренций):

1) ;

2) ;

3);

4).

23.Модель межвидовой конкуренции «хищник-жертва» (N_1, r, a-численность, скорость роста и коэффициент смертности популяций жертвы; N_2, b, q-численность, эффективность добычи и коэффициент смертности популяции хищника):

        1) dN_{1  /} dt = rN₁ - aN₁N_2,  dN₂  /dt=bN₁ – qN_2;

            2) dN_{1  /} dt = rN₁- aN₁N_2,  dN₂  /dt =ab N₁N₂ – qN_2;

            3) dN_{1  /} dt = rN₁(N₁-N₂-aN₂), dN₂/dt = aN₂ (N₁-N₂-qN₁);

        4) dN_{1  /} dt = rN₁ - aN₂,  , dN₂/dt=bN₁ – qN₂.

24. В имитационной модели «Жизнь» (Д. Конвей) количество

стационарных конфигураций:

            1) 2; 2) 3; 3) 4; 4) более 10.

25.Компьютерная модель «очередь» не может  быть применена для оптимизации в следующих задачах:

5)      обслуживание в магазине;

6)      телефонная станция;

3) компьютерная сеть с выделением серверов;

4) спортивные соревнования.

26. В модели «очередь» случайный процесс формирования очереди является:

1) марковским;

2) немарковским;

3) линейным;

4) квазистационарным.

27. Для моделирования очереди менее всего подходит распределение длительности ожидания:

1) равновероятностное;

2) пуассоновское;

3) нормальное;

4) экспоненциальное.

28. Пусть автобусы двигаются интервалом в 10 минут. Каково среднее время ожидания транспорта на остановке при наличии одного маршрута:

1) 10 мин;

2) 0 мин;

3) 5 мин;

4) не определено?

29. Пусть автобусы двигаются интервалом в 10 минут. Каково среднее время ожидания транспорта на остановке при наличии двух маршрутов:

1) 5 мин;

2) менее 5 мин;

3) более 5 мин;

4) 10 мин?

30. Методом случайных испытаний (метод Монте-Карло) невозможно вычислить:

1) число π;

2) площадь;

3) числа Фибоначчи;

4) корень уравнения.

31. С помощью имитационной системы случайного блуждания точек невозможно изучать:

1) законы идеального газа;

2) броуновское движение;

3) законы кинематики;

4) тепловые процессы.

32. Моделирование логических устройств без памяти:

1) это устройства, которые работают только лишь в двух дискретных состояниях: истина и ложь;

2) зависят не только от аргумента, но и от прежнего состояния устройства;

3) Устройства без памяти не зависят ни от аргумента, ни от прежнего состояния устройства;

4) законы кинематики.

33. Моделирование логических устройств с памятью:

1) это устройства, которые работают только лишь в двух дискретных состояниях: истина и ложь;

2) зависят не только от аргумента, но и от прежнего состояния устройства;

3) Устройства без памяти не зависят ни от аргумента, ни от прежнего состояния устройства;

4) законы кинематики.

34. Модель дешифратора:

1) В зависимости от того, какое двоичное число поступает на входы дешифратора x₀, x₁, x₂, на одном из выходов, соответствующих двоичному числу(y₀ , ...,y₇) появляется значение 1, на остальных выходах значение 0.

2) гипотетическое описание модели;

 3) решение задачи методом индукции;

 4)решение задачи дедуктивным методом;

35. Модель суммирующего устройства:

1) В зависимости от того, какое двоичное число поступает на входы дешифратора x₀, x₁, x₂, на одном из выходов, соответствующих двоичному числу(y₀ , ...,y₇) появляется значение 1, на остальных выходах значение 0.

2) Для того, чтобы построить суммирующее устройство надо иметь три входа и два выхода:  

 3) решение задачи методом индукции;

 4)решение задачи дедуктивным методом;

36.  Модель динамики одномерного движения

1) V_i+1=Vi+()×Dt ;

2);

3);

4).

37. Модель статистического математического ожидания:

1) V_i+1=Vi+()×Dt ;

2)

3);

4).

38. Модель статистической математической дисперсии:

1) V_i+1=Vi+()×Dt ;

2)

3);

4)

39. Модель значения частоты:

1) V_i+1=Vi+()×Dt ;

2)

3) ,;

4)

40. Генерирование случайных чисел, распределенных по равномерному закону распределения.

1)

2)

3)

4)

41. Генерирование случайных чисел, распределенных по экспоненциальному закону распределения.

1)

2)

3)

4)

42. Генерирование случайных чисел, распределенных по нормальному закону распределения.

1)

2)

3)

4)

43. Модель жребия бросания монеты:

1) V_i+1=Vi+()×Dt ;

2)

3)Предположим, что получено некоторое значение случайной величины R Î [0,1]. R моделировано по равномерному закону.

Тогда будем считать, что событие А произошло, если R<=P, и не произошло в противном случае. Такой опыт еще называют опытом с бросанием монеты.

4)Жребий отвечает на вопрос:

        Какое из событий А₁, А₂, ..., А_n произошло?

Предположим, что имеется случайное число RÎ[0,1].Тогда будем считать, что событие А_i произошло, если выполняется условие :

44. Модель бросания кости:

1) V_i+1=Vi+()×Dt ;

2)

3)Предположим, что получено некоторое значение случайной величины R Î [0,1]. R моделировано по равномерному закону.

Тогда будем считать, что событие А произошло, если R<=P, и не произошло в противном случае. Такой опыт еще называют опытом с бросанием монеты.

4)Жребий отвечает на вопрос:

        Какое из событий А₁, А₂, ..., А_n произошло?

Предположим, что имеется случайное число RÎ[0,1].Тогда будем считать, что событие А_i произошло, если выполняется условие :

45. Модель системы массового обслуживания. Формула Литтла:

1)

2)

3)

4) W_сист. = L_сист

46. Линейная модель Бауэра:

1)

2)

3)

4) P_t=1-a^t*q₀

_{47. Модель скорости химической реакции:}

1)

2)

3) X=(1-()^3t)/(1-()()^3t).

4) P_t=1-a^t*q₀

48. Модель гибели и размножения:

1) X(t)=x₀*^(a-b)*(t-t₀⁾.

1)

2)

3) X=(1-()^3t)/(1-()()^3t).

49. Компьютерная модель «очередь» не может  быть применена для оптимизации в следующих задачах:

7)      обслуживание в магазине;

8)      телефонная станция;

3) компьютерная сеть с выделением серверов;

4) спортивные соревнования.

50. В модели «очередь» случайный процесс формирования очереди является:

1) марковским;

2) немарковским;

3) линейным;

4) квазистационарным.

51. Для моделирования очереди менее всего подходит распределение длительности ожидания:

1) равновероятностное;

2) пуассоновское;

3) нормальное;

4) экспоненциальное.

52. Пусть автобусы двигаются интервалом в 10 минут. Каково среднее время ожидания транспорта на остановке при наличии одного маршрута:

1) 10 мин;

2) 0 мин;

3) 5 мин;

4) не определено?

53. Пусть автобусы двигаются интервалом в 10 минут. Каково среднее время ожидания транспорта на остановке при наличии двух маршрутов:

1) 5 мин;

2) менее 5 мин;

3) более 5 мин;

4) 10 мин?

54. Методом случайных испытаний (метод Монте-Карло) невозможно вычислить:

1) число π;

2) площадь;

3) числа Фибоначчи;

4) корень уравнения.

55. С помощью имитационной системы случайного блуждания точек невозможно изучать:

1) законы идеального газа;

2) броуновское движение;

3) законы кинематики;

4) тепловые процессы.

56. Моделирование логических устройств без памяти:

1) это устройства, которые работают только лишь в двух дискретных состояниях: истина и ложь;

2) зависят не только от аргумента, но и от прежнего состояния устройства;

3) Устройства без памяти не зависят ни от аргумента, ни от прежнего состояния устройства;

4) законы кинематики.

57. Моделирование логических устройств с памятью:

1) это устройства, которые работают только лишь в двух дискретных состояниях: истина и ложь;

2) зависят не только от аргумента, но и от прежнего состояния устройства;

3) Устройства без памяти не зависят ни от аргумента, ни от прежнего состояния устройства;

4) законы кинематики.

58. Какое высказывание наиболее точно определяет понятие «модель»:

1)точная копия оригинала;

2)оригинал в миниатюре;

3)образ оригинала с наиболее присущими свойствами;

4)начальный замысел будущего объекта?

59. Компьютерное моделирование – это:

1)процесс построения модели компьютерными средствами;

2) процесс исследования объекта с помощью компьютерной модели;

3) построение модели на экране компьютера;

4) решение конкретной задачи с помощью компьютера.

60. Стохастическое моделирование изучает

1) процессы, содержащие некоторый случайный фактор.

2) процесс исследования объекта с помощью компьютерной модели;

3) построение модели на экране компьютера;

4) решение конкретной задачи с помощью компьютера.