- 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) Generazione di numeri casuali
C) Contare i numeri primi
D) Minimizzare o massimizzare una funzione obiettivo
- 2. Che cos'è un vincolo nei problemi di ottimizzazione?
A) L'ipotesi iniziale
B) La formula matematica
C) Limitazione delle soluzioni possibili
D) Il risultato finale
- 3. Quale tipo di ottimizzazione cerca il valore massimo di una funzione obiettivo?
A) Randomizzazione
B) Semplificazione
C) Massimizzazione
D) Minimizzazione
- 4. Quale metodo viene comunemente utilizzato per risolvere i problemi di programmazione lineare?
A) Metodo Simplex
B) Ricottura simulata
C) Indovinare e controllare
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 che soddisfa tutti i vincoli
D) Una soluzione casuale
- 6. Qual è l'importanza dell'analisi di sensibilità nell'ottimizzazione?
A) Seleziona l'algoritmo migliore
B) Trova l'ottimo globale
C) Genera soluzioni casuali
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) Un'operazione matematica casuale
D) Funzione da ottimizzare o minimizzare
- 8. Nella programmazione lineare, che cos'è la regione fattibile?
A) La regione con il valore massimo
B) L'insieme di tutte le soluzioni fattibili
C) Lo spazio delle soluzioni
D) L'area esterna ai vincoli
- 9. Come viene anche definita l'ottimizzazione matematica?
A) Massimizzazione di funzioni
B) Programmazione matematica
C) Progettazione algoritmica
D) Analisi quantitativa
- 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) Uno: ottimizzazione generale.
D) Tre: programmazione lineare, programmazione non lineare e programmazione intera.
- 11. Quale tipo di ottimizzazione prevede la ricerca di un oggetto come un intero, una permutazione o un grafo?
A) Ottimizzazione continua
B) Ottimizzazione discreta
C) Programmazione non lineare
D) Programmazione lineare
- 12. In quale tipo di ottimizzazione si trovano gli argomenti ottimali appartenenti a un insieme continuo?
A) Ottimizzazione discreta
B) Programmazione intera
C) Ottimizzazione continua
D) Ottimizzazione combinatoria
- 13. Qual è il valore minimo di (x2 + 1) per x = -2?
A) 1
B) 5
C) 4
D) 3
- 14. In quali settori la programmazione stocastica e la simulazione vengono utilizzate per supportare il processo decisionale?
A) Ricerca operativa
B) Ingegneria civile
C) Ingegneria dei sistemi di controllo
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) 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) Ignorando gli obiettivi meno importanti.
B) Automaticamente, tramite l'algoritmo.
C) Attraverso sessioni interattive con il decisore.
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) 1950
D) 1939
- 19. Chi determina la 'soluzione preferita' tra le soluzioni ottimali di Pareto?
A) Il decisore.
B) Un valutatore esterno.
C) Il progettista del sistema.
D) L'algoritmo di ottimizzazione.
- 20. Quale branca della matematica si occupa di algoritmi deterministici per problemi non convessi?
A) Programmazione lineare
B) Ottimizzazione globale
C) Matematica discreta
D) Ottimizzazione locale
- 21. Esiste un valore massimo per la funzione \(2x\) considerando tutti i numeri reali?
A) Sì, è 2.
B) Sì, è meno infinito.
C) No, la funzione non è limitata.
D) Sì, è infinito.
- 22. 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 = ∞
- 23. Quale metodo garantisce la convergenza ottimizzando una funzione lungo una sola dimensione?
A) Ricerca di direzione.
B) Stima del momento positivo-negativo.
C) Rilassamento lagrangiano.
D) Regioni di fiducia.
- 24. Quali tipi di variabili vengono utilizzate nella programmazione semidefinita (SDP)?
A) Variabili continue.
B) Variabili binarie.
C) Matrici semidefinite.
D) Variabili discrete.
- 25. Quali sono le tecniche numeriche efficienti per minimizzare funzioni convesse?
A) Regioni di fiducia.
B) Metodi del punto interno.
C) Rilassamento lagrangiano.
D) Ricerca di direzioni.
- 26. Quale metodo utilizza l'approssimazione del gradiente casuale per l'ottimizzazione stocastica?
A) Algoritmi di ottimizzazione quantistica
B) Metodi del punto interno
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) Inferiore
B) Subottimale
C) Ottimale secondo Pareto
D) Non efficiente
- 28. Qual è il caso particolare dell'ottimizzazione matematica in cui qualsiasi soluzione è ottimale?
A) Ottimizzazione multi-modale.
B) Ottimizzazione globale.
C) Il problema dell'esistenza.
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 primo ordine
B) Condizioni di ammissibilità
C) Condizioni di secondo ordine
D) Le condizioni di Karush-Kuhn-Tucker
- 30. A chi è attribuito l'aver introdotto il termine 'programmazione lineare'?
A) Fermat
B) John von Neumann
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) Ingegneria elettrica.
C) Microeconomia.
D) Cosmologia e astrofisica.
|