- 1. L'ottimizzazione matematica, nota anche come programmazione matematica, è una disciplina che si occupa di trovare la soluzione migliore tra un insieme di soluzioni fattibili. Comporta il processo di massimizzazione o minimizzazione di una funzione obiettivo tenendo conto dei vincoli. I problemi di ottimizzazione si presentano in vari campi come l'ingegneria, l'economia, la finanza e la ricerca operativa. L'obiettivo dell'ottimizzazione matematica è migliorare l'efficienza, massimizzare i profitti, minimizzare i costi o ottenere il miglior risultato possibile entro i vincoli dati. Per risolvere i problemi di ottimizzazione si utilizzano diverse tecniche come la programmazione lineare, la programmazione non lineare, la programmazione intera e l'ottimizzazione stocastica. In generale, l'ottimizzazione matematica svolge un ruolo cruciale nei processi decisionali e nella risoluzione di problemi in scenari complessi del mondo reale.
Qual è l'obiettivo principale dell'ottimizzazione matematica?
A) Minimizzare o massimizzare una funzione obiettivo
B) Generazione di numeri casuali
C) Risolvere le equazioni
D) Contare i numeri primi
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) La formula matematica
B) L'ipotesi iniziale
C) Limitazione delle soluzioni possibili
D) Il risultato finale
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Massimizzazione
B) Randomizzazione
C) Semplificazione
D) Minimizzazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Ricottura simulata
B) Metodo Simplex
C) Prove ed errori
D) Indovinare e controllare
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione che soddisfa tutti i vincoli
B) Una soluzione casuale
C) Una soluzione senza vincoli
D) Una soluzione errata
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Seleziona l'algoritmo migliore
B) Genera soluzioni casuali
C) Trova l'ottimo globale
D) Valuta l'impatto delle modifiche dei parametri sulla soluzione.
- 7. Che cos'è la funzione obiettivo in un problema di ottimizzazione?
A) Funzione da ottimizzare o minimizzare
B) Un'operazione matematica casuale
C) Una funzione di vincolo
D) Un'equazione senza variabili
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) L'area esterna ai vincoli
B) La regione con il valore massimo
C) L'insieme di tutte le soluzioni fattibili
D) Lo spazio delle soluzioni
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Analisi quantitativa
B) Programmazione matematica
C) Massimizzazione di funzioni
D) Progettazione algoritmica
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Uno: ottimizzazione generale.
B) Quattro: ottimizzazione combinatoria, stocastica, dinamica e robusta.
C) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
D) Due: ottimizzazione discreta e ottimizzazione continua.
- 11. Quale tipo di ottimizzazione prevede la ricerca di un oggetto come un intero, una permutazione o un grafo?
A) Ottimizzazione continua
B) Ottimizzazione discreta
C) Programmazione lineare
D) Programmazione non lineare
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Ottimizzazione continua
B) Programmazione intera
C) Ottimizzazione combinatoria
D) Ottimizzazione discreta
- 13. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Ottimizzazione globale
B) Ottimizzazione locale
C) Matematica discreta
D) Programmazione lineare
- 14. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 4
B) 1
C) 3
D) 5
- 15. Per quale valore di x la funzione (x2 + 1) raggiunge il suo valore minimo?
A) x = 1
B) x = 0
C) x = ∞
D) x = -1
- 16. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) No, la funzione non è limitata.
B) Sì, è 2.
C) Sì, è meno infinito.
D) Sì, è infinito.
- 17. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) George B. Dantzig
B) John von Neumann
C) Leonid Kantorovich
D) Fermat
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1960
B) 1950
C) 1939
D) 1947
- 19. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili binarie.
B) Variabili continue.
C) Variabili discrete.
D) Matrici semidefinite.
- 20. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Semplifica il problema.
B) Aumenta la complessità.
C) Elimina i compromessi.
D) Riduce il numero di soluzioni.
- 21. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Ottimale secondo Pareto
B) Inferiore
C) Subottimale
D) Non efficiente
- 22. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il progettista del sistema.
B) Il decisore.
C) L'algoritmo di ottimizzazione.
D) Un valutatore esterno.
- 23. Come è possibile, in alcuni casi, ricavare le informazioni mancanti in un problema di ottimizzazione multi-obiettivo?
A) Attraverso l'analisi di dati storici.
B) Ignorando gli obiettivi meno importanti.
C) Attraverso sessioni interattive con il decisore.
D) Automaticamente, tramite l'algoritmo.
- 24. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Il problema della fattibilità.
B) Ottimizzazione multi-modale.
C) Il problema dell'esistenza.
D) Ottimizzazione globale.
- 25. Quali condizioni vengono utilizzate per trovare i punti ottimali in problemi con vincoli di uguaglianza e/o disuguaglianza?
A) Le condizioni di Karush-Kuhn-Tucker
B) Condizioni di primo ordine
C) Condizioni di secondo ordine
D) Condizioni di ammissibilità
- 26. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Regioni di fiducia.
B) Metodi del punto interno.
C) Ricerca di direzioni.
D) Rilassamento lagrangiano.
- 27. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Ricerca di direzione.
B) Stima del momento positivo-negativo.
C) Rilassamento lagrangiano.
D) Regioni di fiducia.
- 28. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Algoritmi di ottimizzazione quantistica
B) Approssimazione stocastica per perturbazione simultanea (SPSA)
C) Metodi del punto interno
D) Metodo dell'ellissoide
- 29. Quale metodo è storicamente importante ma lento, e ha suscitato un rinnovato interesse per problemi di grandi dimensioni?
A) Approssimazione stocastica di perturbazione simultanea
B) Metodo della discesa del gradiente
C) Metodi di discesa coordinata
D) Metodi quasi-Newton
- 30. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Cosmologia e astrofisica.
B) Microeconomia.
C) Ingegneria elettrica.
D) Ingegneria, in particolare l'ingegneria aerospaziale.
- 31. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Ingegneria civile
B) Ingegneria dei sistemi di controllo
C) Ricerca operativa
D) Modellistica molecolare
|