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