ThatQuiz Elenco di test Affronta questo test adesso
Ottimizzazione matematica - Quiz
Con il contributo di: Rizzi
  • 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) L'ipotesi iniziale
B) Limitazione delle soluzioni possibili
C) La formula matematica
D) Il risultato finale
  • 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Semplificazione
B) Minimizzazione
C) Massimizzazione
D) Randomizzazione
  • 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Metodo Simplex
B) Prove ed errori
C) Indovinare e controllare
D) Ricottura simulata
  • 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione che soddisfa tutti i vincoli
B) Una soluzione errata
C) Una soluzione senza vincoli
D) Una soluzione casuale
  • 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Genera soluzioni casuali
B) Seleziona l'algoritmo migliore
C) Valuta l'impatto delle modifiche dei parametri sulla soluzione.
D) Trova l'ottimo globale
  • 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) L'insieme di tutte le soluzioni fattibili
C) La regione con il valore massimo
D) Lo spazio delle soluzioni
  • 9. Come viene anche definita l'ottimizzazione matematica?
A) Analisi quantitativa
B) Massimizzazione di funzioni
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) Uno: ottimizzazione generale.
C) Due: ottimizzazione discreta e ottimizzazione continua.
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) 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) Programmazione intera
B) Ottimizzazione combinatoria
C) Ottimizzazione discreta
D) Ottimizzazione continua
  • 13. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 5
B) 3
C) 4
D) 1
  • 14. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Ingegneria dei sistemi di controllo
B) Ricerca operativa
C) Ingegneria civile
D) Modellistica molecolare
  • 15. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Riduce il numero di soluzioni.
B) Aumenta la complessità.
C) Elimina i compromessi.
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 quasi-Newton
B) Metodi di discesa coordinata
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) Ignorando gli obiettivi meno importanti.
B) Attraverso l'analisi di dati storici.
C) Automaticamente, tramite l'algoritmo.
D) Attraverso sessioni interattive con il decisore.
  • 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) Il progettista del sistema.
B) Un valutatore esterno.
C) L'algoritmo di ottimizzazione.
D) Il decisore.
  • 20. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Ottimizzazione locale
B) Programmazione lineare
C) Matematica discreta
D) Ottimizzazione globale
  • 21. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) Sì, è meno infinito.
B) Sì, è 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 = ∞
C) x = 0
D) x = -1
  • 23. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Regioni di fiducia.
B) Rilassamento lagrangiano.
C) Stima del momento positivo-negativo.
D) Ricerca di direzione.
  • 24. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Matrici semidefinite.
B) Variabili binarie.
C) Variabili continue.
D) Variabili discrete.
  • 25. 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.
  • 26. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Metodi del punto interno
B) Algoritmi di ottimizzazione quantistica
C) Approssimazione stocastica per perturbazione simultanea (SPSA)
D) Metodo dell'ellissoide
  • 27. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Inferiore
B) Non efficiente
C) Subottimale
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) Condizioni di primo ordine
C) Condizioni di ammissibilità
D) Le condizioni di Karush-Kuhn-Tucker
  • 30. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) George B. Dantzig
B) John von Neumann
C) Leonid Kantorovich
D) Fermat
  • 31. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Ingegneria elettrica.
B) Microeconomia.
C) Cosmologia e astrofisica.
D) Ingegneria, in particolare l'ingegneria aerospaziale.
Creato con That Quiz — un sito di test di matematica per studenti di tutti i livelli.