- 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) Minimizzare o massimizzare una funzione obiettivo
B) Contare i numeri primi
C) Generazione di numeri casuali
D) Risolvere le equazioni
- 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) Minimizzazione
D) Semplificazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Ricottura simulata
B) Metodo Simplex
C) Prove ed errori
D) Indovinare e controllare
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione che soddisfa tutti i vincoli
B) Una soluzione senza vincoli
C) Una soluzione casuale
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) Seleziona l'algoritmo migliore
C) Genera soluzioni casuali
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'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) Progettazione algoritmica
C) Massimizzazione di funzioni
D) Analisi quantitativa
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Uno: ottimizzazione generale.
B) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
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) Programmazione lineare
B) Ottimizzazione continua
C) Programmazione non lineare
D) Ottimizzazione discreta
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Ottimizzazione discreta
B) Ottimizzazione combinatoria
C) Ottimizzazione continua
D) Programmazione intera
- 13. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 3
B) 1
C) 4
D) 5
- 14. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Ingegneria dei sistemi di controllo
B) Modellistica molecolare
C) Ingegneria civile
D) Ricerca operativa
- 15. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Semplifica il problema.
B) Riduce il numero di soluzioni.
C) Aumenta la complessità.
D) Elimina i compromessi.
- 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) Metodo della discesa del gradiente
D) Approssimazione stocastica di perturbazione simultanea
- 17. 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) Ignorando gli obiettivi meno importanti.
C) Automaticamente, tramite l'algoritmo.
D) Attraverso l'analisi di dati storici.
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1947
B) 1960
C) 1939
D) 1950
- 19. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il progettista del sistema.
B) Un valutatore esterno.
C) Il decisore.
D) L'algoritmo di ottimizzazione.
- 20. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Programmazione lineare
B) Matematica discreta
C) Ottimizzazione locale
D) Ottimizzazione globale
- 21. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) Sì, è 2.
B) No, la funzione non è limitata.
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 = ∞
B) x = 1
C) x = 0
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) Matrici semidefinite.
B) Variabili continue.
C) Variabili binarie.
D) Variabili discrete.
- 25. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Metodi del punto interno.
B) Ricerca di direzioni.
C) Rilassamento lagrangiano.
D) Regioni di fiducia.
- 26. 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
- 27. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Non efficiente
B) Ottimale secondo Pareto
C) Subottimale
D) Inferiore
- 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) Le condizioni di Karush-Kuhn-Tucker
B) Condizioni di secondo ordine
C) Condizioni di ammissibilità
D) Condizioni di primo ordine
- 30. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) John von Neumann
B) Fermat
C) George B. Dantzig
D) Leonid Kantorovich
- 31. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Ingegneria, in particolare l'ingegneria aerospaziale.
B) Cosmologia e astrofisica.
C) Ingegneria elettrica.
D) Microeconomia.
|