- 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) Risolvere le equazioni
C) Contare i numeri primi
D) Minimizzare o massimizzare una funzione obiettivo
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) La formula matematica
B) Il risultato finale
C) L'ipotesi iniziale
D) Limitazione delle soluzioni possibili
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Semplificazione
B) Randomizzazione
C) Massimizzazione
D) Minimizzazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Indovinare e controllare
B) Ricottura simulata
C) Metodo Simplex
D) Prove ed errori
- 5. Che cosa significa il termine "soluzione fattibile" nell'ottimizzazione?
A) Una soluzione senza vincoli
B) Una soluzione errata
C) Una soluzione casuale
D) Una soluzione che soddisfa tutti i 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) Una funzione di vincolo
B) Un'equazione senza variabili
C) Funzione da ottimizzare o minimizzare
D) Un'operazione matematica casuale
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) L'insieme di tutte le soluzioni fattibili
B) L'area esterna ai vincoli
C) La regione con il valore massimo
D) Lo spazio delle soluzioni
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Massimizzazione di funzioni
B) Analisi quantitativa
C) Programmazione matematica
D) Progettazione algoritmica
- 10. In quanti sottocampi è generalmente suddivisa l'ottimizzazione matematica?
A) Due: ottimizzazione discreta e ottimizzazione continua.
B) Quattro: ottimizzazione combinatoria, stocastica, dinamica e robusta.
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) Ottimizzazione discreta
B) Programmazione non lineare
C) Ottimizzazione continua
D) Programmazione lineare
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Programmazione intera
B) Ottimizzazione discreta
C) Ottimizzazione continua
D) Ottimizzazione combinatoria
- 13. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 5
B) 3
C) 1
D) 4
- 14. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Modellistica molecolare
B) Ingegneria dei sistemi di controllo
C) Ricerca operativa
D) Ingegneria civile
- 15. Cosa comporta l'aggiunta di più di un obiettivo a un problema di ottimizzazione?
A) Aumenta la complessità.
B) Riduce il numero di soluzioni.
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) Metodo della discesa del gradiente
C) Approssimazione stocastica di perturbazione simultanea
D) Metodi di discesa coordinata
- 17. Come è possibile, in alcuni casi, ricavare le informazioni mancanti in un problema di ottimizzazione multi-obiettivo?
A) Automaticamente, tramite l'algoritmo.
B) Attraverso l'analisi di dati storici.
C) Attraverso sessioni interattive con il decisore.
D) Ignorando gli obiettivi meno importanti.
- 18. In quale anno Leonid Kantorovich ha introdotto gran parte della teoria alla base della programmazione lineare?
A) 1939
B) 1960
C) 1947
D) 1950
- 19. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il decisore.
B) L'algoritmo di ottimizzazione.
C) Un valutatore esterno.
D) Il progettista del sistema.
- 20. 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
- 21. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) No, la funzione non è limitata.
B) Sì, è 2.
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 = 0
B) x = -1
C) x = 1
D) x = ∞
- 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) Variabili discrete.
B) Variabili binarie.
C) Matrici semidefinite.
D) Variabili continue.
- 25. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Metodi del punto interno.
B) Rilassamento lagrangiano.
C) Regioni di fiducia.
D) Ricerca di direzioni.
- 26. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Metodi del punto interno
B) Algoritmi di ottimizzazione quantistica
C) Metodo dell'ellissoide
D) Approssimazione stocastica per perturbazione simultanea (SPSA)
- 27. Come viene valutato un progetto se non è dominato da nessun altro progetto?
A) Ottimale secondo Pareto
B) Subottimale
C) Non efficiente
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) Condizioni di ammissibilità
B) Condizioni di secondo ordine
C) Condizioni di primo ordine
D) Le condizioni di Karush-Kuhn-Tucker
- 30. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) John von Neumann
B) George B. Dantzig
C) Leonid Kantorovich
D) Fermat
- 31. In quale ambito viene applicata principalmente l'ottimizzazione del design?
A) Ingegneria elettrica.
B) Cosmologia e astrofisica.
C) Microeconomia.
D) Ingegneria, in particolare l'ingegneria aerospaziale.
|