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