- 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) Minimizzare o massimizzare una funzione obiettivo
C) Contare i numeri primi
D) Generazione di numeri casuali
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) L'ipotesi iniziale
B) Limitazione delle soluzioni possibili
C) Il risultato finale
D) La formula matematica
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Massimizzazione
B) Minimizzazione
C) Semplificazione
D) Randomizzazione
- 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 senza vincoli
B) Una soluzione casuale
C) Una soluzione errata
D) Una soluzione che soddisfa tutti i vincoli
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Trova l'ottimo globale
B) Genera soluzioni casuali
C) Seleziona l'algoritmo migliore
D) Valuta l'impatto delle modifiche dei parametri sulla soluzione.
- 7. Che cos'è la funzione obiettivo in un problema di ottimizzazione?
A) Una funzione di vincolo
B) Funzione da ottimizzare o minimizzare
C) Un'operazione matematica casuale
D) Un'equazione senza variabili
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) La regione con il valore massimo
B) L'area esterna ai vincoli
C) L'insieme di tutte le soluzioni fattibili
D) Lo spazio delle soluzioni
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Programmazione matematica
B) Analisi quantitativa
C) Massimizzazione di funzioni
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) Programmazione lineare
B) Ottimizzazione discreta
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 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 locale
B) Matematica discreta
C) Programmazione lineare
D) Ottimizzazione globale
- 14. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 4
B) 1
C) 5
D) 3
- 15. Per quale valore di x la funzione (x2 + 1) raggiunge il suo valore minimo?
A) x = 1
B) x = -1
C) x = 0
D) x = ∞
- 16. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) Sì, è infinito.
B) Sì, è meno infinito.
C) No, la funzione non è limitata.
D) Sì, è 2.
- 17. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) John von Neumann
B) Leonid Kantorovich
C) Fermat
D) George B. Dantzig
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1960
B) 1947
C) 1950
D) 1939
- 19. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili binarie.
B) Variabili discrete.
C) Matrici semidefinite.
D) Variabili continue.
- 20. 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.
- 21. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Subottimale
B) Non efficiente
C) Ottimale secondo Pareto
D) Inferiore
- 22. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) L'algoritmo di ottimizzazione.
B) Il progettista del sistema.
C) Il decisore.
D) Un valutatore esterno.
- 23. 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.
- 24. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Ottimizzazione multi-modale.
B) Il problema della fattibilità.
C) Ottimizzazione globale.
D) Il problema dell'esistenza.
- 25. 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) Condizioni di ammissibilità
D) Le condizioni di Karush-Kuhn-Tucker
- 26. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Ricerca di direzioni.
B) Rilassamento lagrangiano.
C) Metodi del punto interno.
D) Regioni di fiducia.
- 27. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Regioni di fiducia.
B) Stima del momento positivo-negativo.
C) Ricerca di direzione.
D) Rilassamento lagrangiano.
- 28. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Metodo dell'ellissoide
B) Algoritmi di ottimizzazione quantistica
C) Metodi del punto interno
D) Approssimazione stocastica per perturbazione simultanea (SPSA)
- 29. Quale metodo è storicamente importante ma lento, e ha suscitato un rinnovato interesse per problemi di grandi dimensioni?
A) Metodo della discesa del gradiente
B) Metodi quasi-Newton
C) Metodi di discesa coordinata
D) Approssimazione stocastica di perturbazione simultanea
- 30. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Microeconomia.
B) Ingegneria, in particolare l'ingegneria aerospaziale.
C) Ingegneria elettrica.
D) Cosmologia e astrofisica.
- 31. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Ingegneria civile
B) Modellistica molecolare
C) Ingegneria dei sistemi di controllo
D) Ricerca operativa
|