- 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) Generazione di numeri casuali
C) Minimizzare o massimizzare una funzione obiettivo
D) Risolvere le equazioni
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) Il risultato finale
B) Limitazione delle soluzioni possibili
C) La formula matematica
D) L'ipotesi iniziale
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Massimizzazione
B) Semplificazione
C) Minimizzazione
D) Randomizzazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Prove ed errori
B) Metodo Simplex
C) Indovinare e controllare
D) Ricottura simulata
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione casuale
B) Una soluzione errata
C) Una soluzione che soddisfa tutti i vincoli
D) Una soluzione senza vincoli
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Valuta l'impatto delle modifiche dei parametri sulla soluzione.
B) Trova l'ottimo globale
C) Seleziona l'algoritmo migliore
D) Genera soluzioni casuali
- 7. Che cos'è la funzione obiettivo in un problema di ottimizzazione?
A) Un'equazione senza variabili
B) Funzione da ottimizzare o minimizzare
C) Una funzione di vincolo
D) Un'operazione matematica casuale
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) L'insieme di tutte le soluzioni fattibili
B) Lo spazio delle soluzioni
C) L'area esterna ai vincoli
D) La regione con il valore massimo
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Analisi quantitativa
B) Programmazione matematica
C) Progettazione algoritmica
D) Massimizzazione di funzioni
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Due: ottimizzazione discreta e ottimizzazione continua.
B) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
C) Uno: ottimizzazione generale.
D) Quattro: ottimizzazione combinatoria, stocastica, dinamica e robusta.
- 11. Quale tipo di ottimizzazione prevede la ricerca di un oggetto come un intero, una permutazione o un grafo?
A) Programmazione non lineare
B) Programmazione lineare
C) Ottimizzazione continua
D) Ottimizzazione discreta
- 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. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Ottimizzazione globale
B) Programmazione lineare
C) Matematica discreta
D) Ottimizzazione locale
- 14. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 1
B) 3
C) 4
D) 5
- 15. Per quale valore di x la funzione (x2 + 1) raggiunge il suo valore minimo?
A) x = 0
B) x = 1
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 meno infinito.
C) Sì, è 2.
D) Sì, è infinito.
- 17. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) Fermat
B) John von Neumann
C) Leonid Kantorovich
D) George B. Dantzig
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1947
B) 1950
C) 1939
D) 1960
- 19. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili continue.
B) Variabili discrete.
C) Matrici semidefinite.
D) Variabili binarie.
- 20. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Elimina i compromessi.
B) Riduce il numero di soluzioni.
C) Semplifica il problema.
D) Aumenta la complessità.
- 21. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Non efficiente
B) Subottimale
C) Inferiore
D) Ottimale secondo Pareto
- 22. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il decisore.
B) Un valutatore esterno.
C) L'algoritmo di ottimizzazione.
D) Il progettista del sistema.
- 23. Come è possibile, in alcuni casi, ricavare le informazioni mancanti in un problema di ottimizzazione multi-obiettivo?
A) Ignorando gli obiettivi meno importanti.
B) Automaticamente, tramite l'algoritmo.
C) Attraverso sessioni interattive con il decisore.
D) Attraverso l'analisi di dati storici.
- 24. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Ottimizzazione globale.
B) Il problema della fattibilità.
C) Il problema dell'esistenza.
D) Ottimizzazione multi-modale.
- 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 ammissibilità
D) Condizioni di secondo ordine
- 26. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Regioni di fiducia.
B) Ricerca di direzioni.
C) Metodi del punto interno.
D) Rilassamento lagrangiano.
- 27. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Ricerca di direzione.
B) Regioni di fiducia.
C) Rilassamento lagrangiano.
D) Stima del momento positivo-negativo.
- 28. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Metodo dell'ellissoide
B) Algoritmi di ottimizzazione quantistica
C) Approssimazione stocastica per perturbazione simultanea (SPSA)
D) Metodi del punto interno
- 29. Quale metodo è storicamente importante ma lento, e ha suscitato un rinnovato interesse per problemi di grandi dimensioni?
A) Metodi di discesa coordinata
B) Approssimazione stocastica di perturbazione simultanea
C) Metodi quasi-Newton
D) Metodo della discesa del gradiente
- 30. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Ingegneria, in particolare l'ingegneria aerospaziale.
B) Ingegneria elettrica.
C) Cosmologia e astrofisica.
D) Microeconomia.
- 31. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Modellistica molecolare
B) Ricerca operativa
C) Ingegneria civile
D) Ingegneria dei sistemi di controllo
|