Veri-yönelimli karar destek sistemleri için değerli model ve veri yönetimi araçlarına sahiptir. Bu araçlardan en yaygın olanları şunlardır: Sınıflama (classification), kümeleme (clustering), ilişkilendirme (association), dizi keşfi (sequence discovery). Bununla birlikte kümeleme sınıfların önceden bilinmediği veya tanımlanmadığı sınıflama problemi olarak tanımlanabilir. Kümelemede amaç, nesneleri öyle gruplara ayırmaktır ki nesnelerin, ait olduğu gruptaki bireylerle arasındaki benzerlik düzeyi yüksek iken, ait olmadığı gruplardaki bireylere benzerlik düzeyi düşük olsun. Dolayısıyla doğru cevap A'dır. 

İntelligent computer-assisted instruction,insanları eğiten makineler ve bilgisayar yazılımlarıdır.

Bir Çözücü makrosu kaydetmeden önce, VBA editöründe Tools (Araçlar) ve References
(Başvurular) seçeneğinden açılan listede Çözücüyü (Solver) görmeli ve işaretli değilse aktif hale getirmek için işaret kutusunu kullanmalısınız

Tam Sayımlama: Bir problemin çözüm uzayındaki tüm çözümlerin tek tek incelenerek eniyi çözümün bulunması sürecine verilen isimdir. Küçük problemler için uygun bir yaklaşım olabilir. Bazı tamsayılı ve kombinatoryal problemlerin çözüm uzayı üstel (exponential) olarak artmaktadır. Bu problemlerin tam sayımlama (complete enumeration veya exhaustive search) ile çözülmesi olanaksızdır. 

Doğru cevap A şıkkı ile belirtilen optimizasyondur.

Uzmanlık eğitim, okuma ve deneyimle edinilir ve pratikle geliştirilebilir. Bir uzman sistemin taşıması gereken özelliklerden bazıları şunlardır:

1. Uzmanbilgisi

2. Sembolik akıl yürütme

3. Derin yöntembilgisi (deep knowledge)

4. Kendini bilme (self-knowledge)

İki-amacın birlikte gözetildiği optimizasyon tabanlı bir karar destek sistemi geliştirilirken bir karar vericinin tercihlerini her iki amacın tatmin edilme düzeylerine göre yapması beklenir. Dolayısı ile karar vericiye pareto-optimal çözümlerin bir listesi sunulmalıdır. Sayısal değerlerin değerlendirilmesi, grafiksel gösterimlere göre bazı yönlerden daha güç olur. Böyle bir durumda, bir pareto-optimal çözümler listesinin yanında grafiksel bir gösterim de faydalı olacaktır. Bu listelerin veya grafiğin oluşturulması için bir dizi koşullu optimizasyon uygulanması gerekir. Koşullara esas olan aralıklar ne kadar dar olursa elde edilen listenin pareto optimum çözümleri türetme olasılığı o kadar artar.

Genetik Algoritmanın Adımları
A.1 Başlatma: Belirli bir sayıda rassal kromozomlardan bir popülasyon oluştur. En fazla koşulacak iterasyon (jenerasyon) sayısını belirle.
A.2 Değerlendirme: Kromozomların uyum değerlerini hesapla.
A.3 Durma: En fazla koşulacak iterasyon sayısı aşıldı ise dur. Aksi halde A.4’e git.
A.4 Seçim ve kopyalama: Kromozomlardan incelemeye değer olmayanları sil. Mevcut kromozomlardan katkısının daha fazla olacağı düşünülenlerin kopyalarını türet.
A.5 Çaprazlama: Mevcut çözümlerin kendi aralarında eşleştirilmesine ve bazı parçalarını birbirlerine aktararak daha iyi çözümlerin oluşmasına zemin hazırla.
A.6 Mutasyon: Kromozomda rassal değişiklikler yaparak daha iyi özelliklerin dolayısı ile daha iyi çözümlerin keşfedilmesine fırsat ver. A.2’ye dön.

Rassal tamsayı = TAMSAYI (S_SAYI_ÜRET ()) fonksiyonu ile oluşturulur. Doğru cevap B'dir.

Deterministik Arama doğru olan kavramdır.

Doğru cevap A şıkkında belirtilmiştir.

Kod satırı 1, 2, 3 makro kaydetmenin standart satırlarıdır. Doğru cevap D'dir.

Hücreler yerine satırlar kullanma diye bir şey söz konusu değildir. 

Zaman zaman hazırladığınız veri tablolarında değerler, çalışma içerisinde sabit olabilir. Bu bir şeyleri yanlış yaptığınız anlamına gelir. Buna karşın büyük bir olasılıkla problem hesaplama ayarlarından kaynaklanmaktadır. Bunun kontrol etmek amacıyla, Formüller sekmesinde, Hesaplama Seçenekleri aşağıya açılır oku tıklayınız. Eğer varsayılan ayarlama, Otomatik değilse, Hesaplama bölümünde yer alan Şimdi Hesapla butonunu veya veri tablosu hesaplamasını doğru bir şekilde yapmak için F9 tuşunu tıklayınız (Şimdi Hesapla ve F9 tuşu çalışma sayfasındaki her şeyi yeniden hesaplayacaktır. Hesaplama Tablosu seçeneği yalnızca aktif sayfada yeniden hesaplama yapar). Veri Tabloları Dışında Otomatik seçeneğinin var olmasının bir gerekçesi vardır. Karmaşık benzetim modeli içeren veri tabloları için yeniden hesaplama süresi çok fazla zaman alabilir. Varsayılan ayarlama seçeneğinin aktif olduğu durumda, çalışma sayfasında herhangi bir şey değiştirildiğinde hesaplamalar yeniden yapılır. Bu yüzden Formüller › Hesaplama Seçenekleri yana açılır penceresinde Veri Tabloları Dışında Otomatik seçeneğinin seçili olması durumunda veya Hesapla butonlarından biri veya F9 tuşu tıklanmadığında, veri tablolarında yeniden hesaplama yapılmayacaktır. Buna karşın, boş bir hücre seçiliyken Sil (Delete) tuşu tıklanarak model yeniden çalıştırılabilir.

Kâr enbüyükleme makrosu olan BenimMakrom’un içeriği birkaç değişiklikle kayıp enküçükleyen çözücü makrosuna dönüştürülecektir. Bu yeni makroya SeninMakron adını vermiş olalım. SeninMakron Şekil 5.25’teki gibi görünecektir. BenimMakrom ile SeninMakron arasında sadece iki fark vardır. Bunlar SetCell parametresinin Kullanlmayan_Kaynak olarak ve MaxMinVal parametresinin ikinci sıradaki amaç fonksiyonuna atfen 2 olarak değiştirilmesidir. Yani SetCell:=”Kullanlmayan_Kaynak”, MaxMinVal:=2 dışındaki tüm kod satıları diğeriyle aynıdır.

Karar modelinin kurulumu ve çözümünde çözücü ekranda çözümlemeler yapılırken menüde ayarlamalar tamamlandıktan sonra Çöz isimli düğmeye basılırsa Simpleks Algoritması başlatılmış olur.

Modeldeki mantığın doğru olup olmadığını rassal sayılardan dolayı kontrol etmek zor olabilir. Bunun nedeni, oluşturulan belirli rassal sayılara bağlı olarak genellikle farklı çıktı değerlerinin elde edilmesidir. Bu yüzden, kurulan mantığın sadece doğru olup olmadığını kontrol etmek amacıyla, zaman zaman rassal girdiler için iyi seçilmiş sabit değerler girmek iyi olabilir