- 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) Generazione di numeri casuali
B) Contare i numeri primi
C) Risolvere le equazioni
D) Minimizzare o massimizzare una funzione obiettivo
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) La formula matematica
B) L'ipotesi iniziale
C) Il risultato finale
D) Limitazione delle soluzioni possibili
- 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) Prove ed errori
B) Ricottura simulata
C) Indovinare e controllare
D) Metodo Simplex
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione casuale
B) Una soluzione errata
C) Una soluzione senza vincoli
D) Una soluzione che soddisfa tutti i vincoli
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Seleziona l'algoritmo migliore
B) Trova l'ottimo globale
C) Genera soluzioni casuali
D) Valuta l'impatto delle modifiche dei parametri sulla soluzione.
- 7. Che cos'è la funzione obiettivo in un problema di ottimizzazione?
A) Un'operazione matematica casuale
B) Un'equazione senza variabili
C) Una funzione di vincolo
D) Funzione da ottimizzare o minimizzare
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) L'insieme di tutte le soluzioni fattibili
B) La regione con il valore massimo
C) Lo spazio delle soluzioni
D) L'area esterna ai vincoli
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Programmazione matematica
B) Massimizzazione di funzioni
C) Progettazione algoritmica
D) Analisi quantitativa
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Due: ottimizzazione discreta e ottimizzazione continua.
B) Uno: ottimizzazione generale.
C) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
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) Ottimizzazione discreta
B) Ottimizzazione continua
C) Programmazione non lineare
D) Programmazione lineare
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Ottimizzazione discreta
B) Ottimizzazione continua
C) Ottimizzazione combinatoria
D) Programmazione intera
- 13. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 3
B) 5
C) 1
D) 4
- 14. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Modellistica molecolare
B) Ricerca operativa
C) Ingegneria dei sistemi di controllo
D) Ingegneria civile
- 15. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Aumenta la complessità.
B) Elimina i compromessi.
C) Riduce il numero di soluzioni.
D) Semplifica il problema.
- 16. Quale metodo è storicamente importante ma lento, e ha suscitato un rinnovato interesse per problemi di grandi dimensioni?
A) Metodi di discesa coordinata
B) Metodi quasi-Newton
C) Approssimazione stocastica di perturbazione simultanea
D) Metodo della discesa del gradiente
- 17. 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) Automaticamente, tramite l'algoritmo.
C) Attraverso sessioni interattive con il decisore.
D) Ignorando gli obiettivi meno importanti.
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1950
B) 1947
C) 1960
D) 1939
- 19. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Un valutatore esterno.
B) Il decisore.
C) Il progettista del sistema.
D) L'algoritmo di ottimizzazione.
- 20. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Matematica discreta
B) Ottimizzazione globale
C) Programmazione lineare
D) Ottimizzazione locale
- 21. 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 infinito.
D) Sì, è meno infinito.
- 22. 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
- 23. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Rilassamento lagrangiano.
B) Ricerca di direzione.
C) Stima del momento positivo-negativo.
D) Regioni di fiducia.
- 24. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili binarie.
B) Matrici semidefinite.
C) Variabili continue.
D) Variabili discrete.
- 25. 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.
- 26. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Algoritmi di ottimizzazione quantistica
B) Metodo dell'ellissoide
C) Approssimazione stocastica per perturbazione simultanea (SPSA)
D) Metodi del punto interno
- 27. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Subottimale
B) Non efficiente
C) Inferiore
D) Ottimale secondo Pareto
- 28. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Ottimizzazione globale.
B) Il problema dell'esistenza.
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) Le condizioni di Karush-Kuhn-Tucker
C) Condizioni di ammissibilità
D) Condizioni di primo ordine
- 30. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) George B. Dantzig
B) Fermat
C) Leonid Kantorovich
D) John von Neumann
- 31. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Ingegneria elettrica.
B) Ingegneria, in particolare l'ingegneria aerospaziale.
C) Cosmologia e astrofisica.
D) Microeconomia.
|