- 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) Generazione di numeri casuali
D) Minimizzare o massimizzare una funzione obiettivo
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) Limitazione delle soluzioni possibili
B) Il risultato finale
C) L'ipotesi iniziale
D) La formula matematica
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Semplificazione
B) Massimizzazione
C) Randomizzazione
D) Minimizzazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Prove ed errori
B) Ricottura simulata
C) Metodo Simplex
D) Indovinare e controllare
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione errata
B) Una soluzione casuale
C) Una soluzione che soddisfa tutti i vincoli
D) Una soluzione senza vincoli
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Genera soluzioni casuali
B) Trova l'ottimo globale
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) Un'operazione matematica casuale
B) Una funzione di vincolo
C) Funzione da ottimizzare o minimizzare
D) Un'equazione senza variabili
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) Lo spazio delle soluzioni
B) L'insieme di tutte le soluzioni fattibili
C) La regione con il valore massimo
D) L'area esterna ai vincoli
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Programmazione matematica
B) Progettazione algoritmica
C) Analisi quantitativa
D) Massimizzazione di funzioni
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Quattro: ottimizzazione combinatoria, stocastica, dinamica e robusta.
B) Due: ottimizzazione discreta e ottimizzazione continua.
C) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
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) Programmazione non lineare
D) Ottimizzazione continua
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Programmazione intera
B) Ottimizzazione continua
C) Ottimizzazione discreta
D) Ottimizzazione combinatoria
- 13. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Matematica discreta
B) Ottimizzazione locale
C) Programmazione lineare
D) Ottimizzazione globale
- 14. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 4
B) 5
C) 3
D) 1
- 15. Per quale valore di x la funzione (x2 + 1) raggiunge il suo valore minimo?
A) x = -1
B) x = 0
C) x = 1
D) x = ∞
- 16. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) No, la funzione non è limitata.
B) Sì, è infinito.
C) Sì, è meno infinito.
D) Sì, è 2.
- 17. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) George B. Dantzig
B) John von Neumann
C) Leonid Kantorovich
D) Fermat
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1950
B) 1939
C) 1947
D) 1960
- 19. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili discrete.
B) Variabili binarie.
C) Variabili continue.
D) Matrici semidefinite.
- 20. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Elimina i compromessi.
B) Riduce il numero di soluzioni.
C) Aumenta la complessità.
D) Semplifica il problema.
- 21. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Subottimale
B) Ottimale secondo Pareto
C) Inferiore
D) Non efficiente
- 22. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il decisore.
B) L'algoritmo di ottimizzazione.
C) Il progettista del sistema.
D) Un valutatore esterno.
- 23. 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) Automaticamente, tramite l'algoritmo.
D) Ignorando gli obiettivi meno importanti.
- 24. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Il problema dell'esistenza.
B) Ottimizzazione multi-modale.
C) Il problema della fattibilità.
D) Ottimizzazione globale.
- 25. 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 ammissibilità
C) Condizioni di primo ordine
D) Condizioni di secondo ordine
- 26. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Rilassamento lagrangiano.
B) Ricerca di direzioni.
C) Regioni di fiducia.
D) Metodi del punto interno.
- 27. 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.
- 28. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Metodo dell'ellissoide
B) Metodi del punto interno
C) Algoritmi di ottimizzazione quantistica
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) Approssimazione stocastica di perturbazione simultanea
B) Metodi di discesa coordinata
C) Metodo della discesa del gradiente
D) Metodi quasi-Newton
- 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) Ricerca operativa
B) Modellistica molecolare
C) Ingegneria dei sistemi di controllo
D) Ingegneria civile
|