Sei sulla pagina 1di 73

Set Domande

RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Generato il 05/06/2018 03:23:27


N° Domande Aperte 117
N° Domande Chiuse 270
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Indice
Indice Lezioni .......................................................................................................................... p. 2
Lezione 002 ............................................................................................................................. p. 4
Lezione 003 ............................................................................................................................. p. 7
Lezione 004 ............................................................................................................................. p. 10
Lezione 005 ............................................................................................................................. p. 12
Lezione 007 ............................................................................................................................. p. 16
Lezione 008 ............................................................................................................................. p. 19
Lezione 009 ............................................................................................................................. p. 21
Lezione 010 ............................................................................................................................. p. 24
Lezione 011 ............................................................................................................................. p. 27
Lezione 012 ............................................................................................................................. p. 30
Lezione 013 ............................................................................................................................. p. 34
Lezione 014 ............................................................................................................................. p. 36
Lezione 016 ............................................................................................................................. p. 37
Lezione 017 ............................................................................................................................. p. 39
Lezione 018 ............................................................................................................................. p. 40
Lezione 019 ............................................................................................................................. p. 41
Lezione 021 ............................................................................................................................. p. 42
Lezione 022 ............................................................................................................................. p. 43
Lezione 023 ............................................................................................................................. p. 47
Lezione 024 ............................................................................................................................. p. 49
Lezione 027 ............................................................................................................................. p. 52
Lezione 029 ............................................................................................................................. p. 54
Lezione 031 ............................................................................................................................. p. 55
Lezione 034 ............................................................................................................................. p. 56
Lezione 035 ............................................................................................................................. p. 57
Lezione 036 ............................................................................................................................. p. 59
Lezione 037 ............................................................................................................................. p. 60
Lezione 038 ............................................................................................................................. p. 66
Lezione 039 ............................................................................................................................. p. 68
Lezione 040 ............................................................................................................................. p. 69
Lezione 041 ............................................................................................................................. p. 71
Lezione 042 ............................................................................................................................. p. 72
Lezione 043 ............................................................................................................................. p. 73

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 2/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 3/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 002
01. Quali tra i seguenti è un passo previsto dall'approccio modellistico ai problemi decisionali

Soluzione numerica o matematica

Sintesi del modello

Confronto del modello matematico con altre tipologie di modelli

Soluzione grafica o visiva

02. Un modello matematico è

Indipendente dai dati specifici del problema

Dipendente dai dati specifici del problema

Dipendente dalla soluzione specifica del problema

Indipendente dalle relazioni specifiche del problema

03. Quale tra le seguenti non è una proprietà del modello valutata in fase di analisi del modello secondo l'approccio modellistico

Condizioni di ottimalità

Stabilità delle soluzioni

Determinazione della soluzione ottima

Esistenza e unicità della soluzione ottima

04. Quale tra le seguenti non è una fase prevista dall'approccio modellistico

Soluzione qualitativa del problema

Analisi del problema

Analisi del modello

Soluzione numerica del problema

05. Nei modelli matematici previsti dall'approccio modellistico la regione ammissibile è

L'insieme dei valori delle variabili che massimizzazione la funzione obiettivo

Nessuna delle opzioni

L'insieme dei valori delle variabili che soddisfano tutti i vincoli

L'insieme dei valori delle variabili che minimizzano la funzione obiettivo

06. Nei modelli matematici previsti dall'approccio modellistico la funzione obiettivo

Non può essere una costante

Non può essere vuota

È una funzione delle variabili decisionali del problema

È una funzione dei vincoli logici del problema

07. L'identificazione di un modello di Programmazione Matematica non prevede

La definizione della funzione obiettivo del problema

La definizione della soluzione del problema

La definizione delle variabili di decisione del problema

La definizione dei vincoli del problema

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 4/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Un modello matematico può essere

O stocastico o dinamico, ma non entrambi

O statico o dinamico, ma non entrambi

Nessuna delle opzioni

O statico o deterministico ma non entrambi

09. Un modello matematico può essere

O stocastico o deterministico, ma non entrambi

Sia stocastico che deterministico

O stocastico o statico, ma non entrambi

Nessuna delle opzioni

10. La definizione di modelli matematici previsti dall'approccio modellistico

Non prevede la definizione di grandezze bensì di relazioni funzionali

Prevede la definizione di opportune grandezze per rendere esplicite le principali relazioni funzionali che legano le variabili del problema tra loro

Nessuna delle opzioni

Prevede la definizione di variabili matematiche e di opportune grandezze per rendere esplicite le principali relazioni funzionali che legano le variabili del problema tra loro

11. Nei modelli matematici previsti dall'approccio modellistico la funzione obiettivo

È sempre una funzione da minimizzare

È sempre una funzione da massimizzare

È sempre una funzione lineare delle variabili del problema

È sempre una funzione da massimizzare o da minimizzare

12. L'approccio modellistico ai problemi decisionali

Prevede una serie di passi che vanno dall'analisi del problema alla validazione del modello adottato

Prevede una serie aciclica di passi

Prevede una serie di passi che vanno dall'analisi del problema alla sua soluzione numerica

Nessuna delle opzioni

13. Quali tra i seguenti è un passo previsto dall'approccio modellistico ai problemi decisionali

Confronto interno ed esterno del modello canonico

Identificazione del modello

Traduzione del modello

Soluzione per ispezione

14. Quali sono gli elementi distintivi di un problema di decisione

15. Qual è la differenza tra analisi del problema decisionale e identificazione del modello nell'approccio modellistico?

16. Quali sono i passi previsti per l'identificazione del modello nell'approccio modellistico?

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 5/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

17. Formulare il seguente problema del trasporto. Un'azienda produttrice di saponette ha uno stabilimento a Milano e uno a Napoli dove avviene la produzione.
Tale produzione è soggetta a una limitazione di 10000 pezzi prodotti a settimana. Le saponette prodotte vengono immagazzinate in tre depositi a Torino, Roma e
Matera. La domanda settimanale di saponette verso il deposito di Torino è di 3500 saponette, verso il deposito di Roma è di 2500 saponette e verso il deposito di
Matera è di 4000 saponette.
Il costo in euro del trasporto di ogni saponetta da uno stabilimento a un deposito è riportato nella seguente tabella.

Formulare il problema di decisione dell'azienda che vuol minimizzare il costo complessivo del trasporto delle saponette dagli stabilimenti ai depositi assicurando
che la domanda settimana verso ciascun deposito sia soddisfatta dalla produzione dei due stabilimenti.

18. Descrivere in maniera sintetica l'approccio modellistico per la risoluzione di problemi di decisione

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 6/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 003
01. Il problema min{e-x: x ≥ 0} è

Vuoto

Nessuna delle opzioni

Illimitato superiormente

Ammette soluzione ottima

02. Massimizzare una funzione f a valori reali su un insieme C è equivalente a

Minimizzare la funzione -f sull'insieme C

Massimizzare la funzione f sull'insieme vuoto

Minimizzare la funzione f su un insieme D con intersezione nulla con C

Minimizzare la funzione f sull'insieme complemento di C

03. Un problema di ottimizzazione è inammissibile può

O ammettere soluzione ottima o


essere inammissibile e
essere illimitato (inferiormente o superiormente)

Ammettere soluzione ottima o


essere inammissibile

O ammettere soluzione ottima o


essere illimitato (inferiormente o superiormente)

O ammettere soluzione ottima o


essere inammissibile o
essere illimitato (inferiormente o superiormente)

04. Un problema di ottimizzazione è inammissibile se

L'insieme delle soluzioni ammissibili è vuoto

L'insieme delle soluzioni ottime è vuoto

Nessuna delle opzioni

L'insieme delle variabili è vuoto

05. Un problema di ottimizzazione di minimizzazione è inferiormente illimitato se

Preso un valore M esiste sempre una soluzione ammissibile di valore maggiore di M

Preso un valore M esiste sempre una soluzione ammissibile di valore minore o uguale di M

Preso un valore M esiste sempre una soluzione ammissibile di valore maggiore o uguale di M

Preso un valore M esiste sempre una soluzione ammissibile di valore minore di M

06. Il problema min{e-x: x ≥ 0} è

Illimitato inferiormente

Ammette soluzione ottima

Nessuna delle opzioni

Vuoto

07. Un problema di ottimizzazione di massimizzazione è superiormente illimitato se

Preso un valore M esiste sempre una soluzione ammissibile di valore maggiore di M

Preso un valore M esiste sempre una soluzione ammissibile di valore minore o uguale di M

Preso un valore M esiste sempre una soluzione ammissibile di valore maggiore o uguale di M

Preso un valore M esiste sempre una soluzione ammissibile di valore minore di M

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 7/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Il valore che la funzione obiettivo assume in una soluzione ottima è detto

Nessuna delle opzioni

Valore ammissibile

Valore di decisione

Valore ottimo

09. Minimizzare una funzione f a valori reali su un insieme C è equivalente a

Massimizzare la funzione f sull'insieme vuoto

Massimizzare la funzione f su un insieme D con intersezione nulla con C

Nessuna delle opzioni

Massimizzare la funzione -f sull'insieme C

10. Un problema di ottimizzazione è illimitato

Se è non vuoto e ammette soluzione ottima

O superiormente o inferiormente

Se lo è sia inferiormente che superiormente

Se è vuoto e non ammette soluzione ottima

11. Dato un insieme non vuoto C e una funzione f definita in C a valori reali (f:C->R), il problema di massimizzazione associato alla coppia (C,f) consiste in

Determinare, se esiste, un elemento x* in C tale che f(x*) <f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) > f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) <= f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) >= f(x) per ogni x in C

12. Il problema max{x: x ≥ 0} è

Vuoto

Ammette soluzione ottima

Illimitato superiormente

Nessuna delle opzioni

13. Dato un insieme non vuoto C e una funzione f definita in C a valori reali (f:C->R), il problema di minimizzazione associato alla coppia (C,f) consiste in

Determinare, se esiste, un elemento x* in C tale che f(x*) <f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) >= f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) > f(x) per ogni x in C

Determinare, se esiste, un elemento x* in C tale che f(x*) <= f(x) per ogni x in C

14. Il problema min{5: x =1, x ≤ 0} è

Vuoto

Ammette soluzione ottima

Nessuna delle opzioni

Illimitato inferiormente

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 8/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

15. Il problema min{2x: x + y =1, x + y ≤ 0} è

Vuoto

Illimitato superiormente

Ammette soluzione ottima

Nessuna delle opzioni

16. Il problema max{x: x ≥ 0} è

Vuoto

Nessuna delle opzioni

Ammette soluzione ottima

Illimitato inferiormente

17. Il problema max{3: x =2, x ≤ 0}

Non ammette soluzione

Nessuna delle opzioni

Ammette soluzione ottima pari a 3

Ammette soluzione ottima pari a 2

18. Il problema di massimizzazione MAX(X,f) associato alla coppia (X,f)

È equivalente al problema di massimizzazione associato alla coppia (-X,-f)

È equivalente al problema di massimizzazione associato alla coppia (X,-f)

È equivalente al problema di minimizzazione associato alla coppia (X,-f)

È equivalente al problema di minimizzazione associato alla coppia (X,f)

19. Il problema max{7: x =0, y=1}

Ammette soluzione ottima di valore 1

Non ammette soluzione

Ammette soluzione ottima di valore 7

Ammette soluzione ottima di valore 0

20. Dare la definizione di problema di ottimizzazione inammissibile e di problema di ottimizzazione illimitato

21. Dare la definizione di problema di ottimizzazione, di soluzione ammissibile e soluzione ottima

22. Dimostrare che il problema di massimizzazione MAX(X,f) associato alla coppia (X,f) è equivalente al problema di minimizzazione associato alla coppia (X,-f)

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 9/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 004
01. L'insieme A={x ∈ Rn: x ≥ 0} è

Vuoto

Nessuna delle opzioni

Rappresentato in forma implicita

Finito

02. Dati due insiemi, A e B, l'espressione A \subseteq B indica che

Se un elemento appartiene a B, allora appartiene anche ad A

Se A è vuoto, allora anche B è vuoto

Se un elemento appartiene ad A, allora appartiene anche a B

Se un elemento appartiene a A \cup B, allora appartiene anche ad A \cap B

03. Un insieme può essere rappresentato

Solo se ha almeno due elementi

Solo se non è vuoto

Sempre in forma implicita

In forma implicita o in forma esplicita

04. L'insieme A={1,a,5,bn} è

Nessuna delle opzioni

Rappresentato in forma esplicita

Inammissibile

Vuoto

05. L'insieme dei numeri naturali è

Nessuna delle opzioni

Rappresentato in forma implicita

Finito

Vuoto

06. L'insieme A = {3 } è

Inammissibile

Nessuna delle opzioni

Linearmente indipendente

Linearmente dipendente

07. L'insieme A = {0n} è

Linearmente dipendente

Nessuna delle opzioni

Linearmente indipendente

Vuoto

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 10/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Dati i vettori x=(2 1 3)T, y=(1 2 0)T e z=(3 3 3)T

x, y e z sono linearmente dipendente

x, y e z sono linearmente indipendente

Non si può dire nulla sull'indipendenza/dipendenza lineare

Nessuna delle opzioni

09. Dati i vettori x=(2 1)T e y=(0 4)T

x e y sono linearmente indipendente

Non si può dire nulla sull'indipendenza/dipendenza lineare

x e y sono linearmente dipendente

Nessuna delle opzioni

10. Dati i vettori x=(1 2)T, y=(0 2)T e z=(1 1)T

z è il prodotto dei vettori x e y

Nessuna delle opzioni

z è la somma dei vettori x e y

z è combinazione lineare di x e y

11. L'insieme {0,1}n indica

L'insieme dei vettori di n componenti comprese tra 0 e 1, estremi esclusi

L'insieme dei vettori di n componenti comprese tra 0 e 1

L'insieme dei vettori di n componenti appartenenti all'insieme finito composto dai valori reali 0 e 1

L'insieme dei vettori di n componenti appartenenti al primo ortante

12. L'insieme dei vettori di 3 componenti a valori reali maggiori o uguali a 0 e strettamente minori di 1 può essere indicato come

[0,1]3

(0,1]

[0,1)3

(0,1)

13. Si consideri la matrice 2x2 I2. La sottomatrice ottenuta eliminando la seconda riga è

(1 0)T

(0 1)

(0 1)T

(1 0)

14. Dati i vettori x=(2 0 3)T, y=(0 1 2)T e z=(0 2 1)T

x, y e z sono linearmente dipendente

Nessuna delle opzioni

Non si può dire nulla sull'indipendenza/dipendenza lineare

x, y e z sono linearmente indipendente

15. Dare la definizione di combinazione lineare, incolucro lineare e base di un insieme

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 11/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 005
01. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Il sistema è incompatibile

Il sistema è compatibile

Una soluzione del sistema è (0,8,0,-6,4)

Due righe del sistema sono ridondanti

02. Due sistemi di equazioni compatibili con insiemi delle soluzioni X e Y si dicono equivalenti se

X \cap Y =X

X \cap Y =Y

X \cup Y = \emptyset

X=Y

03. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Nessuna delle opzioni

Una soluzione del sistema è (0,2,0,4,8)

Il sistema non ammette soluzioni

Una riga del sistema è ridondante

04. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Il sistema è compatibile

Due righe del sistema sono ridondanti

Il sistema non ammette soluzioni

Una soluzione del sistema è (3,4)

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 12/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

05. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Il sistema ammette la soluzione (4,2,0,8,0)

Il sistema non ammette soluzioni

Il sistema ammette la soluzione (8,0,0,0,4)

Una soluzione del sistema è (4,2)

06. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Una soluzione del sistema è (3,4,1)

Una riga del sistema è ridondante

Il sistema è incompatibile

Nessuna delle opzioni

07. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Nessuna riga del sistema è ridondante

Il sistema è incompatibile

Una riga del sistema è ridondante

Nessuna delle opzioni

08. Risolvendo il seguente sistema di equazioni lineari

si può concludere che

Due righe del sistema sono ridondanti

Il sistema è compatibile

Il sistema è incompatibile

Una soluzione del sistema è (0,0,1)

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 13/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

09. Due sistemi di equazioni si dicono equivalenti se

Hanno due insiemi di soluzioni ammissibili ortogonali

Hanno lo stesso insieme di soluzioni ammissibili

Hanno intersezione nulla degli insiemi di soluzioni ammissibili

Hanno una soluzione ammissibile in comune

10. Quale tra le seguenti non è un'operazione elementare sulle righe di una matrice

sommare a una riga una combinazione lineare di altre righe

permutare le righe

moltiplicare una riga della matrice per una costante nulla

moltiplicare una riga della matrice per una costante non nulla

11. Una sequenza di operazioni elementari effettuate a partire da una matrice A produce

La matrice identità

Una matrice A' uguale ad A

Una matrice A' equivalente ad A

La matrice AT

12. Un sistema Ax=b si definisce incompatibile se

La matrice A ha rango pari al numero di colonne

L'insieme delle soluzioni del sistema Ax=b è vuoto

La matrice A ha rango pari al numero di righe

L'insieme delle soluzioni del sistema Ax=b è illimitato

13. Un sistema Ax=b è compatibile se e solo se

Il vettore delle variabili x è esprimibile come combinazione lineare di una base dell'insieme B dei vettori colonna della matrice A

Nessuna delle opzioni

Il vettore dei termini noti b è esprimibile come combinazione lineare di ogni base dell'insieme B dei vettori colonna della matrice A

Il vettoredelle variabili x è esprimibile come combinazione lineare di ogni base dell'insieme B dei vettori riga della matrice A

14. Un sistema Ax=b è compatibile se e solo se

Il rango dell'insieme B dei vettori colonna della matrice A è minore del rango della matrice dei coefficienti estesa del sistema Ax=b

Una base dell'insieme B dei vettori colonna della matrice A è anche una base dell'insieme dei vettori colonna della matrice (A,b)

Nessuna delle opzioni

Il vettore dei termini noti b è esprimibile come combinazione lineare di ogni base dell'insieme B dei vettori riga della matrice A

15. Un sistema Ax=b è compatibile se e solo se

Il rango dell'insieme B dei vettori colonna della matrice A è minore del rango della matrice dei coefficienti estesa del sistema Ax=b

La matrice A ha un numero di righe inferiore al numero di colonne

Nessuna delle opzioni

Il rango dell'insieme B dei vettori colonna della matrice A è pari al rango della matrice dei coefficienti estesa del sistema Ax=b

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 14/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

16. Dato un sistema Ax=b con A matrice m x n e b vettore a m componenti, la matrice dei coefficienti estesa

Ha n righe e m+1 colonne

Ha m righe e n+1 colonne

Ha m righe e n colonne

Ha m righe e m colonne

17. Risolvere con il metodo Guass-Jordan il seguente sistema di equazioni lineari

18. Risolvere con il metodo Guass-Jordan il seguente sistema di equazioni lineari

19. Risolvere con il metodo per sostituzione il seguente sistema di equazioni lineari

20. Risolvere con il metodo per sostituzione il seguente sistema di equazioni lineari

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 15/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 007
01. Un problema di Programmazione Lineare in forma generale è

Un problema di Programmazione Lineare di massimizzazione con vincoli di minore o uguale e variabili libere in segno

Un problema di Programmazione Lineare di minimizzazione con vincoli di maggiore o uguale e variabili non negative

Un problema di Programmazione Lineare di massimizzazione con vincoli di disuguaglianza

Un problema di Programmazione Lineare di massimizzazione con vincoli di maggiore o uguale e variabili non negative

02. Un problema di PL di minimizzazione si definisce illimitato inferiormente se

Comunque scelto un valore M esiste una soluzione ammissibile di valore minore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore non maggiore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore maggiore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore non minore di M

03. Si considerino i due problemi di PL

I due problemi sono equivalenti

Nessuna delle opzioni

I due problemi non sono equivalenti

Nulla di può dire riguardo l'equivalenza dei due problemi

04. In un problema di Programmazione Lineare in forma generale le variabili

Sono vincolate in segno

Sono libere

Non sono soggette a vincoli

Sono sempre positive

05. Un problema di Programmazione Lineare in forma standard è

Un problema di Programmazione Lineare con vincoli di uguaglianza e con variabili non negative

Un problema di Programmazione Lineare con vincoli di disuguaglianza e con variabili positive e negative

Un problema di Programmazione Lineare con vincoli di uguaglianza

Un problema di Programmazione Lineare con vincoli di disuguaglianza e con variabili non negative

06. In un problema di Programmazione Lineare in forma standard le variabili

Nessuna delle opzioni

Sono dette vincolate in segno

Sono dette libere

Sono soggette a vincoli di capacità

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 16/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

07. Si considerino i due problemi di PL

I due problemi non sono equivalenti

Nessuna delle opzioni

I due problemi sono equivalenti

Nulla di può dire riguardo l'equivalenza dei due problemi

08. Si considerino i due problemi di PL

Nulla di può dire riguardo l'equivalenza dei due problemi

I due problemi non sono equivalenti

Nessuna delle opzioni

I due problemi sono equivalenti

09. Un problema di PL di minimizzazione può essere

Illimitato sia superiormente che inferiormente

Illimitato superiormente

O illimitato inferiormente o illimitato superiormente

Illimitato inferiormente

10. Un problema di PL di massimizzazione può essere

O illimitato inferiormente o illimitato superiormente

Illimitato sia superiormente che inferiormente

Illimitato superiormente

Illimitato inferiormente

11. Un problema di PL di massimizzazione si definisce illimitato superiormente se

Comunque scelto un valore M esiste una soluzione ammissibile di valore non maggiore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore non minore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore minore di M

Comunque scelto un valore M esiste una soluzione ammissibile di valore maggiore di M

12. Un problema di PL inammissibile

Può essere illimitato superiormente o inferiormente

Ammette soluzioni ammissibili ma non ottime

Non ammette soluzioni ammissibili

Ammette solo soluzioni ottime

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 17/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

13. Un problema di ottimizzazione può essere sempre scritto nella sua forma generale

Falso

Vero ma solo per problemi di Programmazione Lineare

Vero

Vero ma solo per problemi di minimizzazione

14. Si considerino i due problemi di PL

Nessuna delle opzioni

I due problemi sono equivalenti

I due problemi non sono equivalenti

Nulla di può dire riguardo l'equivalenza dei due problemi

15. Dimostrare che un problema di ottimizzazione può essere sempre scritto nella sua forma generale

16. Definire la proprietà di equivalenza tra problemi di PL e fornire almeno un esempio di due problemi di PL equivalenti

17. Scrivere la forma generale di un problema di PL e dimostrare come qualsiasi problema di PL si possa ridurre nella forma generale

18. Dare la definizione di problema di PL inammissibile e di problema di PL illimitato

19. Scrivere la forma standard di un problema di PL e dimostrare come qualsiasi problema di PL si possa ridurre nella forma standard

20. Dire se i seguenti problemi di PL siano equivalenti o meno motivando la risposta

21. Dire se i seguenti problemi di PL siano equivalenti o meno motivando la risposta

22. Dato un problema di Programmazione Lineare nella forma generale

mostrare come si possa trasformare in un problema in forma standard

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 18/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 008
01. Nel piano i punti estremi di un poliedro

Non sono definibili

Sono i punti appartenenti al poliedro

Sono i vertici del poliedro

Sono i vertici del poliedro che sono intersezione di almeno tre rette

02. Si consideri l'insieme convesso [1,2] di valori compresi tra 1 e 2

Ci sono infiniti punti estremi

1 è punto estremo

Non ci sono punti estremi

2 non è punto estremo

03. In un problema della dieta

I vincoli sono di uguaglianza e pari al numero di alimenti considerati

I vincoli sono non lineari e pari al numero di fattori nutritivi considerati

I vincoli sono lineari e pari al numero di fattori nutritivi considerati

I vincoli sono di disuguaglianza e pari al numero di alimenti considerati

04. Se nel problema della dieta consideriamo 4 alimenti e 3 fattori nutritivi

La formulazione matematica ha 4 variabili e 3 vincoli

La formulazione matematica ha 3 variabili non negative

La formulazione matematica ha 4 variabili libere in segno

La formulazione matematica ha 3 variabili in funzione obiettivo

05. Se nel problema della dieta consideriamo 3 alimenti e 2 fattori nutritivi

La formulazione matematica ha 2 variabili libere in segno

La formulazione matematica ha 5 variabili in funzione obiettivo

La formulazione matematica ha 3 variabili non negative

La formulazione matematica ha 3 variabili e 3 vincoli

06. Si definisce cono di recessione di un poliedro

L'insieme di tutte le direzioni del poliedro

La più piccola direzione del poliedro

Nessuna delle opzioni

L'intersezione di tutte le direzioni del poliedro

07. Un vettore z si dice direzione di un poliedro se

Ogni semiretta con direzione z appartiene al poliedro

Ogni retta passante per un punto del poliedro e avente direzione z appartiene al poliedro

Ogni semiretta con origine in un punto del poliedro e direzione z appartiene al poliedro

Ogni retta parallela a z appartiene al poliedro

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 19/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Si consideri l'insieme convesso [-1,1] di valori compresi tra -1 e 1

-1 e 1 sono entrambi punti estremi

Né 1 né -1 sono punti estremi

Uno tra -1 e 1 è un punto estremo

Non ci sono punti estremi

09. Un poliedro è

Intersezione di un numero finito di semispazi chiusi

Unione di un numero finito di semispazi chiusi

Unione di un numero finito di semispazi aperti

Intersezione di un numero finito di semispazi aperti

10. Dare la definizione di poliedro e dimostrare che è un insieme convesso

11. Dimostrare che un iperpiano è un insieme convesso

12. Dimostrare che un semispazio chiuso è un insieme convesso

13. Dare la definizione di direzione di un poliedro

14. Dimostrare che un vettore è una direzione del poliedro P={x∈Rn: Ax≥b} se e solo se è soluzione del sistema omogeneo Ax ≥ 0

15. Dato il poliedro definito di seguito

si disegni il poliedro nel piano e se ne determini i punti estremi

16. Dato il poliedro definito di seguito

si disegni il poliedro nel piano e se ne determini i punti estremi

17. Si considerino 5 alimenti: frutta, verdura, carne, pesce e pasta. Ciascun etto di alimento contiene i quantitativi di grassi (in grammi), calorie (in cal) e proteine
(in grammi) riportati nella tabella.

Tenendo conto che il fabbisogno giornaliero minimo è di 75 grammi di grassi, 2200 calorie e 50 grami di proteine, e considerati i costi per etto di alimento riportati
nella tabella sopra, formulare il problema della dieta a costo minimo

18. Descrivere il problema della dieta e formularlo matematicamente

19. Descrivere il problema del trasporto e formularlo matematicamente

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 20/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 009
01. Una base di un problema di PL in forma standard

è invertibile solo se è una base ammissibile

esiste sempre

è invertibile solo se ha tutte le colonne non negative

è sempre invertibile

02. Una soluzione di base x di un problema di PL in forma standard con m vincoli e n variabili si definisce degenere se

la cardinalità dell'insieme delle componenti positive di x è maggiore di n

la cardinalità dell'insieme delle componenti positive di x è minore di n

la cardinalità dell'insieme delle componenti positive di x è maggiore di m

la cardinalità dell'insieme delle componenti positive di x è minore di m

03. Una soluzione di base x di un problema di PL in forma standard è ammissibile se e solo se

le righe della matrice A con indice nell'insieme di supporto S(x) sono linearmente dipendenti

le colonne della matrice A con indice nell'insieme di supporto S(x) sono linearmente indipendenti

le colonne della matrice A con indice nell'insieme di supporto S(x) sono linearmente dipendenti

le righe della matrice A con indice nell'insieme di supporto S(x) sono linearmente indipendenti

04. Una soluzione di base ammissibile di un problema di PL

è una soluzione di base ottima

è una soluzione di base a componenti non negative

esiste sempre

è una soluzione ammissibile con insieme delle colonne linearmente indipendente

05. Una soluzione di base di un problema di PL

è ammissibile se rispetta i vincoli di non negatività

è sempre ammissibile

esiste sempre

è ammissibile se l'insieme delle colonne è linearmente indipendente

06. Si consideri il problema di PL caratterizzato dal seguente poliedro

Il massimo numero di soluzioni di base è

Nessuna delle opzioni

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 21/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

07. Dato un problema di PL in forma standard con matrice dei coefficienti A ∈ Rm x n si definisce base

una sottomatrice di A con rango minore o uguale a m

una sottomatrice di A con rango minore o uguale a n

una sottomatrice di A con rango pari a n

una sottomatrice di A con rango pari a m

08. La rappresentazione interna del poliedro P relativo al seguente problema di PL ha

Ext(P) vuoto

rec(P) e conv(Ext(P)) vuoti

Nessuna delle opzioni

rec(P) vuoto

09. In un problema del trasporto con n depositi e m magazzini la formulazione matematica ha

n variabili

n + m variabili

m variabili

n x m variabili

10. In un problema del trasporto occorre determinare

la distribuzione di merce a costo minimo che garantisca il soddisfacimento della domanda di ciascun magazzino

la distribuzione di merce a ricavo massimo che garantisca l'esaurimento di disponibilità di ciascun deposito

la distribuzione di merce a costo minimo da tutti i magazzini a tutti i depositi

se attivare o meno un servizio di trasporto tra magazzini e depositi

11. Dato un problema di PL in forma standard con 3 vincoli e 4 variabili il massimo numero di soluzioni di base è

24

35

16

12. Se una soluzione di base ammissibile x=(xB, xN) è degenere

almeno una componente di xN è non nulla

almeno una componente di xB è nulla

al più una componente di xN è non nulla

al più una componente di xB è non nulla

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 22/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

13. In un problema del trasporto con n depositi e m magazzini la formulazione matematica ha

n x m vincoli

m vincoli

n + m vincoli

n vincoli

14. Dato un problema di PL in forma standard con 3 vincoli e 4 variabili il massimo numero di soluzioni di base ammissibili è

35

Nessuna delle opzioni

24

32

15. Determinare la rappresentazione interna del seguente poliedro

16. Illustrare le possibili rappresentazioni di poliedro viste nel corso

17. Dimostrare che un vettore di un poliedro è una soluzione di base ammissibile se e solo se è un vertice del poliedro

18. Dimostrare che se una soluzione di base ammissibile è non degenere allora esiste una e una sola base B tale che

19. Dare la definizione di soluzione di base degenere

20. Dare la definizione di base, soluzione di base e soluzione di base ammissibile

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 23/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 010
01. Il metodo grafico si può utilizzare per risolvere

problemi di PL che ammettano almeno una soluzione ottima

problemi di PL in 2 dimensioni

qualsiasi tipo di problema di PL

problemi di PL che ammettano almeno una soluzione

02. Il metodo grafico è

è utile a dimostare il teorema fondamentale della PL

è essenziale nella soluzione di problemi di PL01

Nessuna delle opzioni

ha applicazione limitata per i problemi di PL

03. Il metodo grafico si può utilizzare prevede

Nessuna delle opzioni

la verifica preliminare che il problema non sia illimitato, se lo è non si individua graficamente il poliedro

la determinazione per ispezione visiva di tutti i vertici del poliedro

l'esplorazione dei soli vertici ottimi del poliedro

04. Dato un problema di PL, il problema è inammissibile oppure è

Illimitato

Illimitato, altrimenti e ammette una soluzione ammissibile

Illimitato, altrimenti ammette una soluzione ottima

Vuoto

05. Dato un problema di PL non vuoto

se esiste un vettore y del cono di recessione tale che cTy>0 allora il problema è illimitato

se esiste un vettore y del cono di recessione tale che cTy<=0 allora il problema è illimitato

se esiste un vettore y del cono di recessione tale che cTy>=0 allora il problema è illimitato

se esiste un vettore y del cono di recessione tale che cTy<0 allora il problema è illimitato

06. Dato un problema di PL non vuoto

se per ogni vettore y del cono di recessione cTy <=0 allora il problema ammette una soluzione ammissibile

se per ogni vettore y del cono di recessione cTy <=0 allora il problema ammette una soluzione ottima

se per ogni vettore y del cono di recessione cTy >=0 allora il problema ammette una soluzione ottima

se per ogni vettore y del cono di recessione cTy >=0 allora il problema ammette una soluzione ammissibile

07. Il teorema fondamentale della PL implica che

se esiste una soluzione ottima allora esiste più di un vertice ottimo della regione ammissibile

tutte le soluzioni ottime si trovano nella regione ammissibile

se esiste una soluzione ottima allora esiste un vertice ottimo della regione ammissibile

tutte le soluzioni ottime si trovano su un vertice della regione ammissibile

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 24/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Il teorema fondamentale della PL implica che

il problema è vuoto o illimitato

se il problema è illimitato è anche vuoto

il problema ammette sempre soluzione

se il problema è vuoto o illitato non può ammettere soluzione ottima

09. Il metodo grafico è

un metodo di soluzione per ispezione visiva di problemi di PL in 3 dimensioni

un metodo di soluzione per ispezione visiva di problemi di PL in 2 dimensioni

un metodo algebrico di soluzione di problemi di PL in 3 dimensioni

un metodo algebrico di soluzione di problemi di PL in 2 dimensioni

10. Dato un problema di PL non vuoto

la regione ammissibile può o meno essere convessa

la regione ammissibile è sempre convessa

la regione ammissibile è sempre convessa e illimitata

la regione ammissibile è sempre convessa e limitata

11. Il metodo grafico prevede di

rappresentare la regione ammissibile nel piano tracciando le rette relativi ai vincoli di disuguaglianza e individuando il semispazio chiuso relativo ai vincoli

rappresentare la regione ammissibile nel piano tracciando le rette relativi ai vincoli di disuguaglianza con segno di minore uguale e individuando il semispazio chiuso
relativo ai vincoli

rappresentare la regione ammissibile nel piano tracciando le rette relativi ai vincoli di uguaglianza e individuando il semispazio chiuso relativo ai vincoli

rappresentare la regione ammissibile nel piano tracciando le rette relativi ai vincoli di disuguaglianza con segno di maggiore uguale e individuando il semispazio chiuso
relativo ai vincoli

12. Risolvere con il metodo grafico il seguente problema di PL

13. Risolvere con il metodo grafico il seguente problema di PL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 25/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

14. Risolvere con il metodo grafico il seguente problema di PL

15. Enunciare e dimostrare il teorema fondamentale della PL

16. Risolvere con il metodo grafico il seguente problema di PL

17. Risolvere con il metodo grafico il seguente problema di PL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 26/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 011
01. Si consideri un problema di PL in 3 variabili con costi ridotti (0,0,0)

non possiamo concludere nulla in base ai costi ridotti

possiamo concludere che la soluzione di base corrente sia ottima

possiamo concludere che il problema sia illimitato

nessuna delle opzioni

02. Dato il seguente problema di PL

il numero di soluzioni di base ammissibili è

03. Si consideri un problema di PL in 4 variabili con costi ridotti (0,0,1,1)

possiamo concludere che il problema sia illimitato

possiamo concludere che la soluzione di base corrente sia non ottima

possiamo concludere che la soluzione di base corrente sia ottima

non possiamo concludere che la soluzione di base corrente sia ottima

04. Dato il seguente problema di PL

il numero di soluzioni di base massimo è

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 27/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

05. Dato il seguente problema di PL

il numero di soluzioni di base è

06. Si consideri un problema di PL in 5 variabili con costi ridotti (-1,0,1,0,1)

possiamo concludere che il problema sia illimitato

non possiamo concludere che la soluzione di base corrente sia ottima

possiamo concludere che la soluzione di base corrente sia ottima

possiamo concludere che la soluzione di base corrente sia non ottima

07. Dato il seguente problema di PL

il numero di soluzioni di base non ammissibili è

08. Enunciare e dimostrare il criterio di illimitatezza

09. Enunciare e dimostrare il criterio di ottimalità di una soluzione di base ammissibile

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 28/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

10. Dato il seguente problema di PL

determinare analiticamente le soluzioni di base e, per ognuna di esse, si determini se sia ammissibile o meno

11. Dato il seguente problema di PL

determinare analiticamente le soluzioni di base e, per ognuna di esse, si determini se sia ammissibile o meno

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 29/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 012
01. Si consideri il seguente problema di PL

Se consideriamo la soluzione di base ammissibile relativa alle colonne dei coefficienti delle variabili di slack introdotte per ridurre il problema in forma standard,
applicando un'operazione di pivot

La nuova soluzione di base ammissibile ha valore 2

La nuova soluzione di base ammissibile è ottima

La nuova soluzione di base è non ammissibile

il problema risulta vuoto

02. Si consideri il seguente problema di PL

Se consideriamo la soluzione di base ammissibile relativa alle colonne dei coefficienti delle variabili di slack introdotte per ridurre il problema in forma standard,
applicando un'operazione di pivot

Entra in base la colonna relativa alla variabile x1

Entra in base la colonna relativa alla variabile x2

il problema risulta vuoto

Esce di base la colonna relativa alla variabile x3

03. Si consideri il seguente problema di PL

Se consideriamo la soluzione di base ammissibile relativa alle colonne dei coefficienti delle variabili di slack introdotte per ridurre il problema in forma standard,
applicando un'operazione di pivot

La nuova soluzione di base ammissibile fallisce il criterio di ottimalità

il problema risulta illimitato

La nuova soluzione di base ammissibile soddisfa il criterio di illimitatezza

La nuova soluzione di base ammissibile è ottima

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 30/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

04. Applicando il criterio di ottimalità alla soluzione di base relativa alle colonne B=(1,5) del problema di seguito caratterizzato

possiamo concludere che

nessuna delle opzioni

il problema è vuoto o illimitato

la soluzione di base corrente sia ottima

occorre determinare un'altra soluzione di base

05. Si consideri il seguente problema di PL in forma standard

Applicando il criterio di illimitatezza alla seguente soluzione di base

possiamo concludere che

la soluzione di base corrente sia ottima

il problema è vuoto o illimitato

occorre determinare un'altra soluzione di base

nessuna delle opzioni

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 31/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

06. Si consideri il seguente problema di PL

Applicando il criterio di illimitatezza alla seguente soluzione di base relativa alle colonne B=(2,1)

possiamo concludere che

il problema è vuoto o illimitato

nessuna delle opzioni

il problema è illimitato

il problema non è illimitato

07. Si consideri il seguente problema di PL in forma standard

Applicando il criterio di ottimalità alla seguente soluzione di base

possiamo concludere che

occorre determinare un'altra soluzione di base

il problema è vuoto o illimitato

la soluzione di base corrente sia ottima

nessuna delle opzioni

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 32/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Si consideri il seguente problema di PL

Se consideriamo la soluzione di base ammissibile relativa alle colonne dei coefficieni delle variabili di slack introdotte per ridurre il problema in forma standard,
applicando un'operazione di pivot

Entra in base la colonna relativa alla variabile x1

il problema risulta illimitato

Entra in base la colonna relativa alla variabile x2

Esce di base la colonna relativa alla variabile x3

09. Data una soluzione di base ammissibile non necessariamente ottima, illustrare come sia possibile determinare una nuova soluzione di base ammissibile di
costo non superiore

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 33/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 013
01. Il metodo del Simplesso prevede una Fase 2 che

determini se il problema sia non vuoto o illimitato

partendo da una soluzione di base ammissibile determini una soluzione di base ammissibile ottima per il problema oppure concluda che il problema sia vuoto

partendo da una soluzione di base ammissibile determini una soluzione di base ammissibile ottima per il problema oppure concluda che il problema sia illimitato

determini una soluzione di base ammissibile per il problema oppure concluda che il problema sia vuoto

02. Applicando la Fase 2 del metodo del simplesso al seguente problema di PL

si può concludere che

l'algoritmo termina dopo la seconda iterazione concludendo che il problema è illimitato

nessuna delle opzioni

l'algoritmo termina dopo la prima iterazione determinando una soluzione ottima di valore 3/4

l'algoritmo termina dopo la seconda iterazione determinando una soluzione ottima di valore 5/4

03. Applicando la Fase 2 del metodo del simplesso al seguente problema di PL

si può concludere che

alla prima iterazione entra in base la variabile x1 ed esce la variabile x4

alla prima iterazione entra in base la variabile x2 ed esce la variabile x4

alla prima iterazione entra in base la variabile x1 ed esce la variabile x3

alla prima iterazione entra in base la variabile x2 ed esce la variabile x3

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 34/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

04. Applicando la Fase 2 del metodo del simplesso al seguente problema di PL

si può concludere che

l'algoritmo termina dopo la prima iterazione determinando una soluzione ottima di valore 1/4

l'algoritmo termina dopo la seconda iterazione determinando una soluzione ottima di valore 1/2

l'algoritmo termina dopo la prima iterazione determinando una soluzione ottima di valore 1/2

l'algoritmo termina dopo la seconda iterazione concludendo che il problema è illimitato

05. Applicando la Fase 2 del metodo del simplesso al seguente problema di PL

si può concludere che

l'algoritmo termina dopo la seconda iterazione concludendo che il problema è illimitato

alla seconda iterazione entra in base la variabile x2 ed esce la variabile x1

l'algoritmo termina dopo la prima iterazione determinando una soluzione ottima di valore 3/4

alla seconda iterazione entra in base la variabile x2 ed esce la variabile x3

06. Applicando la Fase 2 del metodo del simplesso al seguente problema di PL

si può concludere che

alla prima iterazione entra in base la variabile x2 ed esce la variabile x1

alla prima iterazione entra in base la variabile x1 ed esce la variabile x4

alla prima iterazione entra in base la variabile x1 ed esce la variabile x3

alla prima iterazione entra in base la variabile x2 ed esce la variabile x4

07. Illustrare il diagramma di flusso del metodo del simplesso per un generico problema di PL

08. Illustrare le assunzioni e le operazioni previste dalla Fase 2 del medoto del simplesso

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 35/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 014
01. Il metodo del Simplesso prevede una Fase 1 che

determini una soluzione di base ammissibile per il problema oppure concluda che il problema sia vuoto

nessuna delle opzioni

partendo da una soluzione di base ammissibile determini una soluzione di base ammissibile ottima per il problema oppure concluda che il problema sia illimitato

determini se il problema sia non vuoto o illimitato

02. Illustrare le assunzioni e le operazioni previste dalla Fase 1 del medoto del simplesso

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 36/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 016
01. In una coppia primale/duale, se il primale ha m vincoli e n variabili

Il duale ha n vincoli e m variabili

Il duale ha n vincoli e m+n variabili

Il duale è un problema di massimizzazione

Il duale ha m+n vincoli e m variabili

02. In una coppia primale/duale, se il primale è un problema di minimizzazione con m vincoli e n variabili

Il duale è un problema di minimizzazione con n vincoli e n variabili

Il duale è un problema di minimizzazione con n vincoli e m variabili

Il duale è un problema di massimizzazione con n vincoli e m variabili

Il duale è un problema di massimizzazione con m vincoli e m variabili

03. In una coppia primale/duale, se il primale è un problema di massimizzazione con m vincoli e n variabili vincolate in segno

Il duale è un problema di minimizzazione con solo vincoli di disuguaglianza

Il duale è un problema di massimizzazione con solo vincoli di disuguaglianza

Nessuna delle opzioni

Il duale è un problema di minimizzazione con n vincoli e m variabili vincolate in segno

04. In una coppia primale/duale, se il primale è un problema di minimizzazione con m vincoli di disuguaglianza e n variabili

Il duale è un problema di massimizzazione con solo vincoli di disuguaglianza

Il duale è un problema di massimizzazione con solo variabili vincolate in segno

Il duale è un problema di minimizzazione con n vincoli e m variabili libere in segno

Nessuna delle opzioni

05. In una coppia primale/duale, se il primale è un problema di massimizzazione con m vincoli di uguaglianza e n variabili

Il duale è un problema di minimizzazione con solo variabili libere in segno

Il duale è un problema di minimizzazione con m variabili vincolate in segno

Il duale è un problema di massimizzazione con solo vincoli di disuguaglianza

Nessuna delle opzioni

06. In una coppia primale/duale, se il primale è un problema di massimizzazione con m vincoli di uguaglianza e n variabili libere in segno

Il duale è un problema di massimizzazione con m vincoli di uguaglianza e n variabili vincolate in segno

Il duale è un problema di minimizzazione con n vincoli di uguaglianza e m variabili libere in segno

Il duale è un problema di minimizzazione con n vincoli di disuguaglianza e m variabili libere in segno

Il duale è un problema di minimizzazione con m vincoli di uguaglianza e n variabili vincolate in segno

07. Nella coppia prima/duale simmetrica

Sia il primale che il duale hanno vincoli di disuguaglianza e variabili non negative

Sia il primale che il duale hanno vincoli di disuguaglianza e variabili libere in segno

Il primale ha variabili non negative, mentre il duale ha variabili libere in segno

Primale e duale hanno lo stesso numero di vincoli di disguguaglianza e di variabili non negative

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 37/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Nella coppia prima/duale in cui il primale è in forma standard

Il duale ha solo vincoli di disuguaglianza e variabili vincolate in segno

Sia il primale che il duale hanno vincoli di uguaglianza e variabili non negative

Nessuna delle opzioni

Il duale ha solo vincoli di disuguaglianza

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 38/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 017
01. In una coppia primale/duale, il duale del problema duale è

Il problema duale

Il problema primale

Il problema duale in caso di problema in forma generale

Il problema primale in caso di problema in forma standard

02. Siano x e y soluzioni ammissibili per un problema di PL di minimizzazione e per il suo problema duale

Il valore della soluzione x è non maggiore del valore della soluzione y

Il valore della soluzione x è minore del valore della soluzione y

Il valore della soluzione x è maggiore del valore della soluzione y

Il valore della soluzione x è non minore del valore della soluzione y

03. Siano x e y soluzioni ammissibili per un problema di PL di massimizzazione e per il suo problema duale

Il valore della soluzione x è minore del valore della soluzione y

Il valore della soluzione x è non minore del valore della soluzione y

Il valore della soluzione x è maggiore del valore della soluzione y

Il valore della soluzione x è non maggiore del valore della soluzione y

04. Dimostrare che se il problema primale di minimizzazione è illimitato inferiormente allora il problema duale è inammissibile

05. Dimostrare che se x e y sono soluzioni ammissibili di una coppia primale/duale e il loro valore è uguale, allora x e y sono soluzioni ottime dei rispettivi
problemi

06. Enunciare e dimostrare il teorema della dualità debole

07. Dimostrare che il problema duale del duale è il problema primale

08. Spiegare le possibili relazioni che legano due problemi di PL che siano l'uno il duale dell'altro

09. Dimostrare che se il problema primale di massimizzazione è illimitato superiormente allora il problema duale è inammissibile

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 39/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 018
01. Dire quale delle seguenti affermazioni è vera

Se il problema primale è inammissibile allora il problema duale è inammissibile

Se il problema primale è inammissibile allora il problema duale è illimitato

Se il primale ammette soluzione ottima allora il duale è illimitato

Se il problema primale è inammissibile allora il problema duale è illimitato o inammissibile

02. Dire quale delle seguenti affermazioni è falsa

Il problema duale del duale è il problema primale

Se il primale ammette soluzione ottima allora il duale è illimitato

Se il primale è inammissibile allora il duale è illimitato oppure inammissibile

Nessuna è falsa

03. Dire quale delle seguenti affermazioni è falsa

Il problema duale del duale è il problema primale

Ogni soluzione ammissibile di un problema primale di massimizzazione ha valore non superiore a quello di ogni soluzione ammissibile del relativo problema duale

Se il primale è illimitato (inferiormente o superiormente) allora il problema duale ammette soluzione ottima

Se il primale ammette soluzione ottima allora il duale ammette soluzione ottima e le due soluzioni hanno valore uguale

04. Dire quale delle seguenti affermazioni è falsa

Se il primale è illimitato (inferiormente o superiormente) allora il problema duale non ammette soluzioni ammissibili

Se il primale è inammissibile allora il duale ammette soluzione ottima

Se il primale ammette soluzione ottima allora il duale ammette soluzione ottima e le due soluzioni hanno valore uguale

Ogni soluzione ammissibile di un problema primale di minimizzazione ha valore non inferiore a quello di ogni soluzione ammissibile del relativo problema duale

05. Dire quale delle seguenti affermazioni è vera

Se il primale ammette soluzione ottima allora il duale ammette soluzione ottima e le due soluzioni hanno valore diverso

Se il primale ammette soluzione ottima allora il duale ammette soluzione ottima e le due soluzioni hanno valore uguale

Se il primale ammette soluzione ottima allora il duale ammette soluzione ottima e le due soluzioni hanno componenti uguali

Nessuna è vera

06. Siano x e y soluzioni ammissibili per un problema di PL di minimizzazione e per il suo problema duale

Se il loro valore è uguale allora x e y sono soluzioni ottime per i rispettivi problemi

Se il valore della soluzione x è maggiore del valore della soluzione y allora non sono soluzioni ottime

Se il valore della soluzione x è minore del valore della soluzione y allora non sono soluzioni ottime

Se il valore della soluzione x è maggiore del valore della soluzione y allora sono soluzioni ottime

07. Siano x e y soluzioni ammissibili per un problema di PL di massimizzazione e per il suo problema duale

Se il loro valore è uguale allora x e y sono soluzioni ottime per i rispettivi problemi

Se il valore della soluzione x è maggiore del valore della soluzione y allora non sono soluzioni ottime

Se il valore della soluzione x è minore del valore della soluzione y allora non sono soluzioni ottime

Se il valore della soluzione x è minore del valore della soluzione y allora sono soluzioni ottime

08. Dimostrare che se il problema primale è inammissibile allora il problema duale è illimitato o inammissibile

09. Enunciare e dimostrare il teorema della dualità forte

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 40/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 019
01. Enunciare e dimostrare le condizioni di complementarietà per la coppia primale/duale simmetrica

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 41/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 021
01. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y = 2 esprime il fatto che

Entrambi i progetti devono essere selezionati

Nessuno dei due progetti può essere selezionato

Uno solo dei due progetti deve essere selezionato

Al più uno solo dei due progetti deve essere selezionato

02. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y = 1 esprime il fatto che

Almeno uno dei due progetti deve essere selezionato

Nessuno dei due progetti può essere selezionato

Uno solo dei due progetti deve essere selezionato

Al più uno solo dei due progetti deve essere selezionato

03. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y ≤ 1 esprime il fatto che

Nessuno dei due progetti può essere selezionato

Uno solo dei due progetti deve essere selezionato

Almeno uno dei due progetti deve essere selezionato

Al più uno solo dei due progetti deve essere selezionato

04. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y ≥ 1 esprime il fatto che

Almeno uno dei due progetti deve essere selezionato

Al più uno solo dei due progetti deve essere selezionato

Nessuno dei due progetti può essere selezionato

Uno solo dei due progetti deve essere selezionato

05. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y = 0 esprime il fatto che

Almeno uno dei due progetti deve essere selezionato

Uno solo dei due progetti deve essere selezionato

Al più uno solo dei due progetti deve essere selezionato

Nessuno dei due progetti può essere selezionato

06. Definite due variabili di decisione x e y relative alla selezione di due progetti distinti, il vincolo x + y ≥ 3 esprime il fatto che

Almeno tre progetti devono essere attivati

Nessuna delle opzioni

Nessuno dei due progetti può essere selezionato

Il problema è inammissibile

07. Descrivere quali sono le principali differenze tra la Programmazione Lineare Intera e la Programmazione Lineare {0,1}

08. Definire il processo di formulazione di un problema di Programmazione Lineare Intera

09. Dati due formulazioni di un problema, definire l'equivalenza tra le due formulazioni

10. Dati due problemi di PL, definire l'equivalenza tra i due problemi

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 42/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 022
01. In generale il processo di formulazione di un problema di PL01

Produce sempre una formulazione con sole soluzioni ammissibili con componenti intere

Può ammettere più formulazioni per lo stesso problema

Determina sempre la formulazione ottima del problema

Fornisce automaticamente un potente strumento esatto di soluzione

02. Anche nel caso in cui non si conosca il valore ottimo di un problema (PL01), la conoscenza del limite inferiore per il problema ci permette di stabilire

Se una soluzione sia a componenti intere oppure no

Quanto sia intera una qualsiasi soluzione ammissibile

Se una soluzione sia ammissibile o meno per il problema

Quanto sia "buona" una qualsiasi soluzione ammissibile

03. In generale il processo di formulazione di un problema di PL01

Non fornisce automaticamente uno strumento di soluzione del problema

Produce sempre una formulazione con un numero finito di soluzioni ammissibili

Produce sempre una formulazione con sole soluzioni ammissibili con componenti intere

Fornisce automaticamente un potente strumento esatto di soluzione

04. Dato un limite inferiore LB per un problema di PL01 di minimizzazione

La somma del valore di una soluzione ammissibile e del limite inferiore (LB) ci permette di capire quanto la soluzione ammissibile sia lontana dalla soluzione ottima del
problema PL01

La differenza (gap) tra valore di una soluzione ammissibile e limite inferiore (LB) ci permette di capire quanto la soluzione ammissibile sia lontana dalla soluzione ottima
del problema PL01

La differenza (gap) tra valore di una soluzione ammissibile e limite superiore (UB) ci permette di capire quanto la soluzione ammissibile sia vicina alla soluzione ottima del
problema PL01

La differenza (gap) tra valore di una soluzione ammissibile e limite superiore (UB) ci permette di capire quanto la soluzione ammissibile sia lontana dalla soluzione ottima
del problema PL01

05. In generale il processo di formulazione di un problema di PL01

Produce sempre una formulazione con un numero finito di soluzioni ammissibili

Determina sempre la formulazione ottima del problema

Produce sempre una formulazione a componenti non negative

Non è univoco

06. ≤Determinare un lower bound per un problema di PL01 significa determinare un valore LB tale che

LB ≤ cTx* per x* ottima in S

LB ≤ cTx per ogni x in S

LB ≥ cTx per ogni x in S

LB ≥ cTx* per x* ottima in S

07. Risolvere un problema di PL01 significa determinare una soluzione ammissibile x* in S⊂{0,1}n tale che

cTx*< cTx per ogni x in {0,1}n

cTx* ≤ cTx per ogni x in {0,1}n

cTx* ≤ cTx per ogni x in S

cTx*< cTx per ogni x in S

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 43/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Dato un problema di PL01 di minimizzazione con insieme delle soluzioni S a n componenti e vettore dei costi c

L'insieme delle soluzioni ammissibili è incluso in Rn

L'insieme delle soluzioni ammissibili non è incluso in {0,1}n

L'insieme delle soluzioni ammissibili è incluso in {0,1}n

L'insieme delle soluzioni ammissibili dipende dal vettore dei costi

09. Dato un limite inferiore LB per un problema di PL01 di minimizzazione

Tanto più il valore di una soluzione ammissibile è lontano da LB, tanto migliore è la soluzione

Tanto più LB è alto meglio è

Tanto più il valore di una soluzione ammissibile è vicino a LB, tanto migliore è la soluzione

Tanto più LB è intero meglio è

10. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

La soluzione ottima del rilassamento lineare non può mai essere soluzione ottima del problema di PL01

La soluzione ottima del rilassamento lineare può essere a componenti intere solo nel caso in cui P=S

Se la soluzione ottima del rilassamento lineare ha tutte componenti intere allora è una soluzione ottima del problema di PL01

Se la soluzione ottima del rilassamento lineare ha un numero di componenti intere pari almeno al numero di vincoli del problema allora è una soluzione ottima del
problema di PL01

11. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema

Consente di separare i vettori a componenti {0,1} corrispondenti a soluzioni ammissibili in S dai vettori a componenti {0,1} che non appartengono a S solo nel caso di
funzioni obiettivo lineari

Consente sempre di separare i vettori a componenti {0,1} corrispondenti a soluzioni ammissibili in S dai vettori a componenti {0,1} che non appartengono a S solo nel caso
di problemi di minimizzazione

Consente sempre di separare i vettori a componenti {0,1} corrispondenti a soluzioni ammissibili in S dai vettori a componenti frazionarie

Consente sempre di separare i vettori a componenti {0,1} corrispondenti a soluzioni ammissibili in S dai vettori a componenti {0,1} che non appartengono a S

12. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Se esiste una soluzione ammissibile x' in S che valore minore della soluzione ottima del rilassamento lineare allora possiamo concludere che il problema di PL01 è vuoto

Se esiste una soluzione ammissibile x' in S che valore minore della soluzione ottima del rilassamento lineare allora possiamo concludere che il problema di PL01 è
illimitato

Se esiste una soluzione ammissibile x' in S che ha lo stesso valore della soluzione ottima del rilassamento lineare allora possiamo concludere che x' è soluzione ottima del
problema di PL01

Se esiste una soluzione ammissibile x' in S che valore maggiore della soluzione ottima del rilassamento lineare allora possiamo concludere che x' è soluzione ottima del
problema di PL01

13. Data un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Il problema ammette formulazione ottima solo se di minimizzazione

Il problema può non ammettere soluzione ottima

Il problema ammette sempre formulazione ottima

Il problema ammette soluzione ottima solo se esistono almeno due formulazioni del problema

14. Date due formulazioni lineari P_1 e P_2 di un problema di PL01

Se ogni soluzione di P_2 è contenuta in P_1

P_1 è migliore di P_2 se e solo se P_1⊂P_2

Se ogni soluzione di P_1 è contenuta in P_2

Non si può stabilire quale sia la formulazione migliore

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 44/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

15. Date due formulazioni lineari P_1 e P_2 di un problema di PL01

P_1 è migliore di P_2 se e solo se P_1⊂P_2

P_1 è migliore di P_2 se e solo se l'intersezione di P_1 e P_2 è l'ipercubo unitario

P_1 è migliore di P_2 se e solo se l'intersezione di P_1 e P_2 è vuota

P_1 è migliore di P_2 se e solo se l'intersezione di P_1 e P_2 è l'insieme S

16. Data un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Non è possibile determinare un criterio di preferenza che sia independente dalla funzione obiettivo per stabile se una formulazione è migliore di un'altra

È possibile determinare un criterio di preferenza (independente dalla funzione obiettivo) per stabile se una formulazione è migliore di un'altra

È possibile determinare un criterio di preferenza (dependente dalla funzione obiettivo) per stabile se una formulazione è migliore di un'altra

Tutte le formulazioni del problema sono ugualmente utili

17. Data un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Una formulazione è tanto migliore quanto più intero è il valore del lower bound

Una formulazione è tanto migliore quanto più positivo è il valore del lower bound

Una formulazione è tanto migliore quanto più basso è il valore del lower bound

Una formulazione è tanto migliore quanto più alto è il valore del lower bound

18. Data un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

A ogni formulazione lineare corrisponde un diverso rilassamento lineare e ma stesso lower bound per il problema

A ogni formulazione lineare corrisponde lo stesso rilassamento lineare ma un diverso lower bound per il problema

A ogni formulazione lineare corrisponde un diverso rilassamento lineare e un diverso lower bound per il problema

A ogni formulazione lineare corrisponde un lo stesso rilassamento lineare e lo stesso lower bound per il problema

19. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Se P=conv(S) allora la soluzione ottima del rilassamento lineare è una soluzione ottima del problema di PL01

Se l'unione di P e di conv(S) è pari all'ipercubo unitario allora il problema non ammette soluzione

Se P=conv(S) allora la soluzione ottima del rilassamento lineare ha tutte componenti frazionarie

Se l'intersezione di P e di conv(S) è pari all'ipercubo unitario allora il problema non ammette soluzione

20. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

La soluzione ottima del rilassamento lineare non può mai essere a componenti intere

Se la soluzione ottima del rilassamento lineare ha tutte componenti frazionarie tranne una allora è una soluzione ottima del problema di PL01

Se la soluzione ottima del rilassamento lineare ha tutte componenti intere allora è una soluzione ottima del problema di PL01

Se la soluzione ottima del rilassamento lineare ha tutte componenti non negative allora è una soluzione ottima del problema di PL01

21. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c

Il valore ottimo del rilassamento lineare fornisce una limitazione inferiore del problema di PL01 solo nel caso in cui di minimizzazione

Il valore ottimo del rilassamento lineare fornisce una limitazione superiore del problema di PL01 solo nel caso in cui di minimizzazione

Il valore ottimo del rilassamento lineare fornisce una limitazione inferiore del problema di PL01 solo nel caso in cui di massimizzazione

Il valore ottimo del rilassamento lineare fornisce una limitazione superiore del problema di PL01 solo nel caso in cui di massimizzazione

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 45/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

22. Data una formulazione lineare P di un problema di PL01 con insieme delle soluzioni ammissibili S e vettore dei costi elementari c, si definisce rilassamento
lineare del problema

Il problema di PL ottenuto rimuovendo i vincoli di non negatività sulle componenti intere del vettore delle variabili di decisione

Il problema di PL ottenuto rimuovendo i vincoli di interezza sulle componenti intere del vettore delle variabili di decisione

Il problema di PL01 ottenuto rafforzando i vincoli di interezza sulle componenti intere del vettore delle variabili di decisione

Il problema di PL01 ottenuto invertendo la funzione obiettivo del problema originale

23. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema

Può contenere un numero infinito di soluzioni a componenti intere

È tale che l'intersezione di P con l'ipercubo unitario è uguale a S

È tale che l'intersezione di P con S è l'ipercubo unitario

È tale che l'intersezione di P con l'insieme dei numeri naturali è uguale a S

24. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema

È tale che l'unione di P con l'ipercubo unitario è uguale a S

È tale che l'unione di S con l'ipercubo unitario è uguale a P

È tale che l'intersezione di S con l'ipercubo unitario è uguale a P

È tale che l'intersezione di P con l'ipercubo unitario è uguale a S

25. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema

Esiste solo se il problema ammette un numero finito di soluzioni ammissibili

Può non esistere

Esiste solo se il problema è di minimizzazione

Esiste sempre

26. Definire un criterio di ordinamento delle formulazioni di un problema di PL01

27. Dare la definizione di formulazione ottima di un problema di PL01

28. Dare la definizione di formulazione lineare di un problema di PL01

29. Dare la definizione di lower bound di un problema di PL01

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 46/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 023
01. Gli elementi principali del metodo branch and bound sono

Impiego di tecniche di euristiche di soluzione

Decomposizione una tantum del problema originale

Decomposizione ricorsiva del problema corrente e soluzione approssimata dei sottoproblemi

Soluzione esatta dei sottoproblemi generati ricorsivamente

02. Il metodo branch and bound

È un metodo euristico di soluzione per problemi di PL01

È un metodo euristico di soluzione per problemi di PL01

È un metodo esatto di soluzione per problemi di PL01

Si applica solo a problemi di minimizzazione

03. Il metodo branch and bound

Procede finché la lista dei sottoproblemi aperti è non vuota

Si arresta quando l'upper bound viene aggiornato

Procede finché la lista dei sottoproblemi aperti è vuota

Si arresta quando determina una soluzione ammissibile intera

04. Nel metodo branch and bound

Il sottoproblema corrente viene decomposto quando il valore della soluzione approssimata del sottoproblema è minore dell'upper bound e la soluzione non è a componenti
intere

Il sottoproblema corrente viene decompostoin base alla strategia di soluzione dei sottoproblemi

Il sottoproblema corrente viene decomposto quando il valore della soluzione approssimata del sottoproblema è minore dell'upper bound

Il sottoproblema corrente viene decomposto quando la soluzione approssimata del sottoproblema corrente non è a componenti intere

05. Nel metodo branch and bound

Quando la soluzione approssimata del sottoproblema corrente è a componenti intere, l'upper bound viene aggiornato se il valore della soluzione è minore del precedente

Quando la soluzione approssimata del sottoproblema corrente è a componenti intere, l'upper bound viene sempre aggiornato

Quando la soluzione approssimata del sottoproblema corrente è a componenti intere, il problema viene decomposto

Quando la soluzione approssimata del sottoproblema corrente è a componenti intere, l'upper bound viene aggiornato se il valore della soluzione è non superiore del
precedente

06. Nel metodo branch and bound

Quando il valore della soluzione approssimata del sottoproblema corrente è superiore all'upper bound il problema viene eliminato dalla lista dei sottoproblemi aperti

Quando il valore della soluzione approssimata del sottoproblema corrente è inferiore all'upper bound allora il problema viene chiuso

Quando il valore della soluzione approssimata del sottoproblema corrente è superiore all'upper bound il problema viene eliminato dalla lista dei sottoproblemi aperti ma
non chiuso (potrebbe ancora contenere una soluzione ottima)

Quando il valore della soluzione approssimata del sottoproblema corrente è inferiore all'upper bound il problema viene eliminato dalla lista dei sottoproblemi aperti

07. Nel metodo branch and bound

L'algoritmo si arresta quando la lista dei sottoproblemi aperti è vuota

L'algoritmo si arresta quando viene determinata una soluzione ammissibile

L'algoritmo si arresta quando la lista dei sottoproblemi chiusi è vuota

L'algoritmo si arresta quando viene trovato un sottoproblema vuoto

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 47/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Le possibili strategie di selezione del metodo branch and bound

Determinano come gestire la lista dei sottoproblemi generati dall'inizio del metodo all'iterazione corrente

Selezionano quali sono le soluzioni migliori dei sottoproblemi chiusi

Determinano come gestire la lista dei sottoproblemi aperti

Determinano come gestire le soluzioni ottime dei sottoproblemi ancora aperti

09. Le possibili strategie di separazione del metodo branch and bound

Determina come partizionare l'insieme delle soluzioni ammissibili in due sottoinsiemi

Determina quali dei sottoproblemi aperti sono vuoti

Determina come partizionare l'insieme delle soluzioni ammissibili in due o più sottoinsiemi

Determina come chiudere tutti i sottoproblemi aperti

10. Le possibili strategie di soluzione del metodo branch and bound

Risolvono in maniera approssimata due sottoproblemi alla volta

Risolvono in maniera esatta il sottoproblema corrente

Risolvono in maniera approssimata solo il primo sottoproblema

Risolvono in maniera approssimata il sottoproblema corrente

11. Il metodo branch and bound

Esplora parte delle soluzioni ammissibili di un problema di PL01 quindi non può certificare l'ottimalità della soluzione ammissibile restituita

Esplora in maniera implicita (parziale) l'insieme delle soluzioni ammissibili di un problema di PL01

Esplora in maniera esplicita (completa) l'insieme delle soluzioni ammissibili di un problema di PL01 ma lo fa in maniera rapida

Esplora in maniera implicita (parziale) l'insieme delle soluzioni ammissibili di un problema di PL01 e valuta la funzione obiettivo su sottoinsiemi limitati di soluzioni
ammissibili

12. Descrivere la metodologia branch and bound per la soluzione di un problema di PL01

13. Descrivere le possibili strategie di soluzione per il metodo branch and bound per la soluzione di un problema di PL01

14. Descrivere le possibili strategie di separazione per il metodo branch and bound per la soluzione di un problema di PL01

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 48/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 024
01. Si consideri il seguente problema di PL01 in cinque variabili decisionali e un vincolo di diseguaglianza

l'ordinamento degli indici delle variabili in ordine crescente di rapporto costo/ingombro è

{5,4,3,2,1}

{5,1,2,3,4}

{5,1,2,4,3}

{5,2,3,2,2}

02. Applicando il metodo branch and bound al seguente problema di PL01

L'algoritmo si arresta alla terza iterazione restituendo una soluzione ottima di valore 3

L'algoritmo si arresta alla prima iterazione restituendo una soluzione ottima di valore 8

L'algoritmo si arresta alla prima iterazione restituendo una soluzione ottima di valore 3

L'algoritmo si arresta alla seconda iterazione restituendo una soluzione ottima di valore 3

03. Si consideri il seguente problema di PL01 in cinque variabili decisionali e un vincolo di diseguaglianza

l'ordinamento degli indici delle variabili in ordine crescente di rapporto costo/ingombro è

{5,4,3,2,1}

{5,1,3,3,3}

{5,1,2,4,3}

{1,2,3,4,5}

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 49/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

04. Si consideri il seguente problema di knapsack binario

Qual è il minimo valore non nullo del parametro k tale che il metodo branch and bound converga alla soluzione ottima alla prima iterazione?

Nessuna delle opzioni

05. Si consideri il seguente problema di knapsack binario

Qual è il minimo valore non nullo del parametro k tale che il metodo branch and bound converga alla soluzione ottima alla prima iterazione?

Nessuna delle opzioni

06. Applicando il metodo branch and bound al seguente problema di knapsack binario

Al termine della seconda iterazione il numero di problemi aperti nella lista è 4

Al termine della seconda iterazione il numero di problemi aperti nella lista è 2

Nessuna delle opzioni

Al termine della prima iterazione il numero di problemi aperti nella lista è 3

07. Un problema di knapsack binario con 4 variabili di decisione

Si può risolvere solamente con il metodo del branch and bound

Ammette al più 16 soluzioni ammissibili

Ammette al più 32 soluzioni ammissibili

Nessuna delle opzioni

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 50/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Un problema di knapsack binario con 5 variabili di decisione

Ammette al più 32 soluzioni ammissibili

Ammette al più 16 soluzioni ammissibili

Si può risolvere solamente con il metodo del branch and bound

Nessuna delle opzioni

09. Applicando il metodo branch and bound al seguente problema di PL01

All'ultima iterazione il lower bound è maggiore dell'upper bound

All'ultima iterazione non è disponibile un upper bound

All'ultima iterazione il lower bound e l'upper bound hanno valore uguale a 3

All'ultima iterazione il lower bound è minore dell'upper bound

10. Applicando il metodo branch and bound al seguente problema di PL01

Alla prima iterazione non è disponibile un upper bound

Alla prima iterazione il lower bound e l'upper bound hanno valore uguale

Alla prima iterazione il lower bound è maggiore dell'upper bound

Alla prima iterazione il lower bound è minore dell'upper bound

11. Descrivere una possibile strategia di soluzione per i problemi di PL01 caratterizzati da n variabili decisionali in {0,1} e da un vincolo lineare di disuguglianza

12. Descrivere i problemi di knapsack con particolare attenzione al problema di knapsack binario

13. Descrivere una strategia di soluzione esatta per il problema di knapsack binario

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 51/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 027
01. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Kruskal

02. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Prim

03. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Kruskal

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 52/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

04. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Prim

05. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Kruskal

06. Dato il grafo in figura ed i costi associati agli archi

determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Prim

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 53/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 029
01. Dato il grafo in figura ed i costi associati agli archi

determinare il cammino di costo minimo tra i nodi c e g

02. Dato il grafo in figura ed i costi associati agli archi

determinare l'arborescenza dei cammini minimi dal nodo s

03. Dato il grafo in figura ed i costi associati agli archi

determinare l'arborescenza dei cammini minimi dal nodo s

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 54/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 031
01. Dato il grafo in figura

verificare che il flusso dato sia ammissibile e, in caso affermativo, calcolare il valore del flusso massimo s-t

02. Dato il grafo in figura

determinare il taglio s-t di capacità minima

03. Dato il grafo in figura

verificare che il flusso dato sia ammissibile e, in caso affermativo, calcolare il valore del flusso massimo s-t

04. Dato il grafo in figura

determinare il taglio s-t di capacità minima

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 55/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 034
01. AMPL è

Un linguaggio di programmazione che permette di definire solo alcune classi specifiche di problemi di programmazione matematica

Un problema di programmazione matematica

Un server di calcolo per la risoluzione di problemi di programmazione matematica

Un linguaggio di programmazione che permette di definire un qualsiasi problema di programmazione matematica

02. AMPL è

Un pacchetto software per la soluzione di problemi di Programmazione Lineare {0,1}

Un linguaggio di programmazione che permette di definire un qualsiasi problema di programmazione matematica

Un server di calcolo per la risoluzione di problemi di programmazione matematica

Un pacchetto software per la soluzione di problemi di Programmazione Lineare

03. AMPL è

Un linguaggio di programmazione che permette la modellazione di problemi di programmazione matematica lineari e non lineari, caratterizzati da variabili continue

Un linguaggio di programmazione che permette la modellazione di problemi di programmazione matematica lineari, caratterizzati da variabili intere e continue

Un linguaggio di programmazione che permette la modellazione di problemi di programmazione matematica lineari e non lineari, caratterizzati da variabili intere e
continue

Un linguaggio di programmazione che permette la modellazione di problemi di programmazione matematica non lineari, caratterizzati da variabili intere

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 56/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 035
01. In AMPL la dimensione di un insieme

Non si può dichiarare ma solo definire

Dipende dal numero degli elementi dell'insieme

È la lunghezza della lista che rappresenta ogni elemento dell'insieme

È la lunghezza delle liste che rappresentano un numero di elementi dell'insieme pari alla dimensione

02. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme differenza A/B

{i in A: i not in B}

{i in A, j in B}

{j in A}

A-B

03. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme differenza B/A

B/A

Nessuna delle opzioni

{i in B, j not in A}

{i in B: i not in A}

04. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme unione di A e di B

A diff B

{i in A: i in B}

Nessuna delle opzioni

A union B

05. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme intersezione di A e di B

{i in A, j in B}

{i in A: i in B}

{i in A: i not in B}

{A,B}

06. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme B

{i in B: i not in A}

Nessuna delle opzioni

{i in A, j in B}

{i in B}

07. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni identifica tutti gli elementi dell'insieme A

{i in A: i not in B}

{A}

{i in A: i in B}

{B}

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 57/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. In AMPL gli elementi di un insieme

Devono essere tutti distinti solo se l'insieme ha dimensione pari a uno

Possono ripetersi nell'insieme solo se l'insieme ha dimensione superiore a due

Devono essere tutti distinti

Possono ripetersi nell'insieme

09. In AMPL un insieme

Può contenere solo valori interi

Può avere una o più dimensioni

Non può avere dimensione uno

Non si può né dichiarare né definire a meno di casi specifici

10. In AMPL un insieme

Si può dichiarare ma non definire

Contiene almeno un elemento

Può contenere solo valori interi

Contiene zero o più elementi

11. In AMPL è bene

Indicare simultaneamente struttura e dati del problema ma non nello stesso file

Rendere disponibili solo le dichiarazioni ma non le definizioni

Separare la struttura del modello e i dati del problema in due file distinti

Separare la struttura del modello e la struttura del problema in due file distinti

12. Un insieme in AMPL

Può assumere un valore di default purchè diverso dall'insieme vuoto

Non può assumere un valore di default

Può assumere un valore di default

Non può mai essere vuoto

13. Definiti in AMPL due insiemi A e B, quale tra le seguenti espressioni non identifica tutti gli elementi dell'insieme intersezione di A e di B

{i in B: i in A}

{i in A: i in B}

A inter B

{A,B}

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 58/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 036
01. Dato un insiemi di prezzi definiti sull'insieme di prodotti P = {bottiglie, lattine, cartoni, scatole, barattoli}, con
Prezzo(bottiglie) = 10
Prezzo(lattine) = 4
Prezzo(cartoni) = 2
Prezzo(scatole) = 3
Prezzo(barattoli) = 5
dichiarare e definire in AMPL delle adeguate strutture dati per rappresentare tale dati

02. Dato un grafo orientato G(N,A) dichiarare e definire in AMPL delle adeguate strutture dati per rappresentare tale dati

03. Illustrare i principali operatori per gli insiemi disponibili in AMPL

04. Spiegare le principali differenze tra insiemi e parametri in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 59/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 037
01. Si consideri il grafo G(N,A) in figura e si determini il valore della componente M(a,ce) della matrice di incidenza nodi archi di G(N,A)

-1

Non si può calcolare

02. In una rete di flusso

La somma delle domande associate ai nodi è non nulla

La somma delle domande associate agli archi è positiva

La somma delle domande associate ai nodi è nulla

La somma delle domande associate agli archi è nulla

03. In AMPL l'istruzione display

Restituisce il valore ottimo del problema, se disponibile, e il vettore soluzione solo se unica soluzione ottima del problema

È seguita dal nome del file contenente le dichiarazioni del modello che si vuole risolvere

È seguita dal nome dell'entità di cui visualizza il valore

Restituisce errore se seguita dal nome identificativo di un parametro o di un insieme

04. In AMPL l'istruzione solve

Determina sempre la soluzione ottima del problema

Restituisce il valore ottimo del problema, se disponibile, senza restituire il vettore soluzione

Restituisce sempre il numero di iterazioni del metodo del simplesso duale

Restituisce il valore ottimo del problema, se disponibile, e il vettore soluzione solo se unica soluzione ottima del problema

05. In AMPL l'istruzione solve

Non è seguita dal nome identificativo di alcun solutore solo se diverso da quello di default

È seguita dal nome del file contenente le dichiarazioni del modello che si vuole risolvere

È preceduta dal nome del solutore che si vuole usare per risolvere il modello

Richiama il solutore per risolvere il modello correntemente caricato

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 60/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

06. Si consideri il grafo G(N,A) in figura e si determini il valore della componente M(a,ce) della matrice di incidenza nodi archi di G(N,A)

-1

Non si può calcolare

07. In AMPL

Le istruzioni model e data vanno eseguite esattamente in questo ordine

Nessuna delle opzioni

Le istruzioni model e data possono essere eseguite in qualsiasi ordine

Non c'è alcuna dipendenza tra le istruzioni model e data: possono far riferimento anche a problemi diversi

08. In AMPL

È possibile selezionare un solutore e richiamarlo per risolvere un modello se sono stati precedentemente caricati un file .mod e un file .dat

È possibile invocare un unico solutore per risolvere un modello

È possibile selezionare un solutore e richiamarlo per risolvere un modello se è stato precedentemente caricato un file .mod o un file .dat

È possibile selezionare un solutore ma non richiamarlo per risolvere un modello

09. Il problema di flusso di costo minimo

Ammette un'unica soluzione ammissibile

Ammette solo soluzioni con flusso non negativo

Ammette un'unica soluzione ottima

Ammette solo soluzioni con flusso non nullo

10. Nel problema di flusso di costo minimo

La regione ammissibile è un insieme di dimensione pari al numero degli archi della rete di flusso

La regione ammissibile non si può definire

La regione ammissibile è un insieme di dimensione pari al numero dei nodi della rete di flusso

La regione ammissibile è un insieme di dimensione pari al numero di sottoinsiemi dell'insieme dei nodi

11. Nel problema di flusso di costo minimo

La funzione obiettivo è lineare nelle componenti del flusso a coefficienti pari alle capacità

Nessuna delle opzioni

La regione ammissibile è composta di tutte le clique ammissibili per la rete di flusso

La regione ammissibile è composta di tutti i flussi ammissibili per la rete di flusso

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 61/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

12. Nel problema di flusso di costo minimo

La funzione obiettivo è lineare nelle componenti del flusso e va massimizzata

I vincoli sono lineari tranne nel caso di costi nulli

La funzione obiettivo è lineare nelle componenti del flusso e va minimizzata

I vincoli sono lineari tranne nel caso di somma delle domande non nulla

13. Il problema di flusso di costo minimo è

Il problema di determinare un flusso ammissibile cui corrisponda la minima somma delle domande

Il problema di determinare un taglio di costo minimo sulla rete di flusso

Il problema di determinare un flusso ammissibile a costo minimo

Il problema di determinare un flusso ammissibile a capacità minima

14. In una rete di flusso tutti i vincoli

Sono lineari

Sono vincoli di capacità

Sono vincoli di non negatività

Sono vincoli di costo

15. In AMPL

L'istruzione option è usata solo per selezionare un solutore specifico se sono precedentemente stati caricati i parametri del problema

L'istruzione option è usata solo per risolvere un modello se sono precedentemente stati caricati i parametri del problema

L'istruzione option può essere usata per selezionare un solutore specifico

L'istruzione option può essere usata per selezionare il solutore di default

16. In una rete di flusso

I costi sono non negativi

I costi associati agli archi compaiono nei vincoli di capacità

I costi sono associati ai nodi

I costi sono associati agli archi

17. Si consideri il grafo G(N,A) in figura e si determini il valore della componente M(e,ce) della matrice di incidenza nodi archi di G(N,A)

-1

Non si può calcolare

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 62/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

18. La componente (i,j) della matrice di incidenza nodi archi di un generico grafo G(N,A) è

Non definita

0 se i è il nodo sorgente dell'arco j

0 se i è il nodo destinazione dell'arco j

0 se il nodo i non è né sorgente né destinazione dell'arco j

19. La componente (i,j) della matrice di incidenza nodi archi di un generico grafo G(N,A) è

1 se i è il nodo destinazione dell'arco (i,j)

1 se i è il nodo destinazione dell'arco j

1 se i è il nodo sorgente dell'arco j

1 se j è il nodo sorgente dell'arco (i,j)

20. La matrice di incidenza nodi archi di un generico grafo G(N,A) ha

Tante righe quanti sono gli archi in A e tante colonne quanti sono i nodi in N

Tante righe e colonne quanti sono i nodi in N

Tante righe e colonne quanti sono gli archi in A

Tante righe quanti sono i nodi in N e tante colonne quanti sono gli archi in A

21. La matrice di incidenza nodi archi di un generico grafo G(N,A) ha

Componenti definite in {-1,0,1}

Componenti definite in {0,1}

Componenti definite in [-1,1]

Componenti definite in [0,1]

22. Si consideri il grafo G(N,A) in figura e si determini il valore della componente M(c,ce) della matrice di incidenza nodi archi di G(N,A)

Non si può calcolare

-1

23. La componente (i,j) della matrice di incidenza nodi archi di un generico grafo G(N,A) è

1 se j è il nodo sorgente dell'arco (i,j)

-1 se i è il nodo destinazione dell'arco j

1 se i è il nodo sorgente dell'arco j

-1 se i è il nodo sorgente dell'arco j

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 63/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

24. Si consideri il grafo G(N,A) in figura e si consideri le componenti della riga della matrice di incidenza nodi archi M di G(N,A) relativa al nodo c

Nella riga ci saranno 6 componenti in tutto

Nella riga ci saranno 3 componenti di valore -1 e 2 di valore 1 e

Non si può dire nulla delle componenti della riga considerata

Nella riga ci saranno tutte componenti nulle

25. Si consideri il grafo G(N,A) in figura e si consideri le componenti della colonna della matrice di incidenza nodi archi M di G(N,A) relativa all'arco cf

Nella colonna ci sarà il valore 1 in corrispondenza della riga relativa al nodo f e il valore -1 in corrispondenza della riga relativa al nodo c

Nella colonna ci sarà il valore 1 in corrispondenza della riga relativa al nodo f e il valore 1 in corrispondenza della riga relativa al nodo c

Non si può dire nulla delle componenti della colonna considerata

Nella colonna ci saranno tutte componenti nulle

26. In una rete di flusso

Le capacità definite sui nodi sono positive

Le capacità definite sugli archi sono positive

Le capacità definite sugli archi sono non negative

Le capacità definite sui nodi sono non negative

27. In una rete di flusso

Le capacità definite sui nodi sono non negative

Le domande definite sugli archi compaiono nei vincoli di capacità

Le domande definite sui nodi compaiono nei vincoli di conservazione del flusso

Le domande definite per ogni coppia (nodo, arco) compaiono nei vincoli di conservazione del flusso e nei vincoli di capacità

28. In una rete di flusso

Devono essere rispettati sia i vincoli di capacità che quelli di conservazione del flusso se il flusso è discreto

Devono essere rispettati i vincoli di capacità ma solo in presenza di capacità non nulle

Devono essere rispettati sia i vincoli di capacità che quelli di conservazione del flusso

Devono essere rispettati i vincoli di conservazione del flusso ma solo in presenza di domande nulle

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 64/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

29. Si consideri il grafo G(N,A) in figura e si consideri le componenti della riga della matrice di incidenza nodi archi M di G(N,A) relativa al nodo e

Nella riga ci saranno tutte componenti nulle

Nella riga compariranno solo i valori 0 e -1

Non si può dire nulla delle componenti della riga considerata

Nella riga compariranno solo i valori 0 e 1

30. Dare la definizione di flusso e di rete di flusso

31. Formulare il problema di flusso di costo minimo come problema di Programmazione Matematica

32. Illustrare il problema del flusso di costo minimo (MCF)

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 65/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 038
01. Nel problema del cammino di costo minimo da s a t

Possiamo trascurare i vincoli di capacità perché le capacità dei nodi sono infinite

Possiamo trascurare i vincoli di conservazione del flusso perché le domande ai nodi sono nulle

Possiamo trascurare i vincoli di capacità perché le capacità degli archi sono infinite

La somma delle domande è diversa da 0

02. Il problema del cammino di costo minimo da s a t

Può essere dichiarato in AMPL con lo stesso file .mod e definito con lo stesso file .dat del problema di flusso di costo minimo

Può essere dichiarato in AMPL con lo stesso file .mod contenente le dichiarazioni del problema di flusso di costo minimo

Può essere dichiarato in AMPLsenza file .mod

Può essere definito in AMPLsenza file .dat

03. Il problema del cammino di costo minimo da s a t è

Ammette un'unica soluzione ammissibile

Ammette solo soluzioni con flusso non negativo su tutti gli archi

Ammette solo soluzioni con flusso non negativo su tutti i nodi

Ammette solo soluzioni corrispondenti a cammini di costo negativo

04. Il problema del cammino di costo minimo da s a t è

Il problema di determinare un cammino da s a t di capacità minima

Il problema di determinare un cammino da s a t che soddisfa tutte le domande ai nodi

Il problema di determinare un cammino da s a t che soddisfa tutte le domande agli archi

Il problema di determinare un cammino da s a t di costo minimo

05. Nel problema del cammino di costo minimo da s a t

La regione ammissibile non si può definire

La regione ammissibile è un insieme di dimensione pari al numero dei nodi della rete di flusso

La regione ammissibile è un insieme di dimensione pari al numero di sottoinsiemi dell'insieme dei nodi

La regione ammissibile è un insieme di dimensione pari al numero degli archi della rete di flusso

06. Nel problema del cammino di costo minimo da s a t

La funzione obiettivo è una combinazione lineare a coefficienti pari alle domande degli archi

La funzione obiettivo è una combinazione lineare a coefficienti pari alle domande dei nodi

La funzione obiettivo è una combinazione lineare a coefficienti pari alla capacità degli archi

La funzione obiettivo è una combinazione lineare a coefficienti pari al costo degli archi

07. Nel problema del cammino di costo minimo da s a t

Possiamo trascurare i vincoli di capacità perché le capacità dei nodi sono nulle

Possiamo trascurare i vincoli di capacità perché le capacità dei nodi sono infinite

Possiamo trascurare i vincoli di capacità perché le capacità degli archi sono infinite

Possiamo trascurare i vincoli di capacità perché le capacità degli archi sono molto grandi

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 66/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Il problema del cammino di costo minimo da s a t

È un caso particolare di problema di flusso di costo minimo

È un problema di flusso senza vincoli di conservazione

È un problema di flusso in cui la somma delle domande è sempre positiva

È un problema di flusso in cui la somma delle capacità è sempre finita

09. Nel problema del cammino di costo minimo da s a t

Le domande sono pari a -1 per il nodo s, 1 per il nodo t e 0 per tutti gli altri nodi

Le domande sono pari a -1 per il nodo s, 1 per il nodo t e 0 per i nodi connessi a s e a t

Le domande sono nulle per tutti i nodi

Le domande sono pari a -1 per il nodo s e a 1 per tutti gli altri nodi

10. Descrivere le istruzioni utili alla dichiarazione del problema di flusso di costo minimo in AMPL

11. Illustrare le principali istruzioni AMPL per la dichiarazione di variabili, funzione obiettivo e vincoli

12. Descrivere le istruzioni utili al caricamento e soluzione di un modello in AMPL

13. Descrivere come è possibile formulare il problema di flusso di costo minimo in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 67/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 039
01. In AMPL se è stato precedentemente caricato un modello e un primo file .dat, caricando un secondo file .dat (relativo sempre allo stesso modello) l'interprete
AMPL

Considera solo le definizioni contenute nel secondo file .dat

Restituisce la soluzione ottima della prima istanza di problema definita

Restituisce un errore

Restituisce la soluzione ottima della seconda istanza di problema definita

02. Nel problema del cammino di costo minimo da s a t

Il numero di archi considerato nella rete di flusso è pari al numero di archi del grafo più uno

Il numero di archi considerato nella rete di flusso è maggiore del numero di archi del grafo

Il numero di archi considerato nella rete di flusso è pari al numero di archi del grafo

Nessuna delle opzioni

03. Definire il problema del cammino di costo minimo da s a t

04. Dimostrare che il problema del cammino di costo minimo da s a t è un caso particolare di problema di flusso di costo minimo

05. Spiegare la differenza tra una rete di flusso e una rete di flusso con i nodi speciali pozzo e destinazione

06. Descrivere come è possibile formulare il problema del cammino di costo minimo da s a t in AMPL

07. Descrivere le istruzioni utili alla dichiarazione del problema del cammino di costo minimo da s a t in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 68/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 040
01. Nel problema del massimo flusso da s a t

La somma delle domande associate agli archi è non nulla

Le domande associate ai nodi sono tutte nulle

La somma delle domande associate agli archi è nulla

La somma delle domande associate ai nodi è non nulla

02. Nel problema del massimo flusso da s a t

Possiamo trascurare i vincoli di capacità perché la capacità sull'arco fittizio è infinita

Possiamo trascurare i vincoli di capacità perché sono le domande dei nodi sono nulle

Dobbiamo considerare sia i vincoli di conservazione del flusso che i vincoli di capacità

Possiamo trascurare i vincoli di capacità perché sono le capacità degli archi sono infinite

03. Nel problema del massimo flusso da s a t

La funzione obiettivo è lineare nelle componenti del flusso e va minimizzata

I vincoli sono lineari tranne nel caso di somma delle domande non nulla

I vincoli sono lineari tranne nel caso di capacità nulle

La funzione obiettivo è lineare nelle componenti del flusso e va massimizzata

04. Nel problema del massimo flusso da s a t

La regione ammissibile è composta di tutti i flussi ammissibili per la rete di flusso che ha domande tutte nulle associate ai nodi

Nessuna delle opzioni

La funzione obiettivo è lineare nelle componenti del flusso a coefficienti pari alle capacità

La regione ammissibile è composta di tutte le clique ammissibili per la rete di flusso

05. Nel problema del massimo flusso da s a t

La regione ammissibile non si può definire

La regione ammissibile è un insieme di dimensione pari al numero dei nodi della rete di flusso

La regione ammissibile è un insieme di dimensione superiore al numero degli archi della rete di flusso

La regione ammissibile è un insieme di dimensione pari al numero degli archi della rete di flusso

06. Il problema del massimo flusso da s a t

Ammette un'unica soluzione ammissibile

Ammette un'unica soluzione ottima

Ammette solo soluzioni con flusso non nullo

Ammette solo soluzioni con flusso non negativo

07. Nel problema del massimo flusso da s a t

Il numero di archi considerato nella rete di flusso è minore del numero di archi del grafo

Nessuna delle opzioni

Il numero di archi considerato nella rete di flusso è pari al numero di archi del grafo più uno

Il numero di archi considerato nella rete di flusso è pari al numero di archi del grafo

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 69/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

08. Il problema del massimo flusso da s a t è

Il problema di determinare la massima quantità di flusso uscente da s ed entrante in t

Il problema di determinare un flusso ammissibile a capacità massima

Il problema di determinare un taglio di costo minimo sulla rete di flusso

Il problema di determinare un flusso ammissibile cui corrisponda la minima somma delle domande

09. Definire il problema del massimo flusso da s a t

10. Scrivere la formulazione del problema del massimo flusso da s a t

11. Dimostrare che il problema del massimo flusso da s a t è un caso particolare di problema di flusso di costo minimo

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 70/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 041
01. In AMPL è possibile

Dichiarare modelli con più gruppi di vincoli purché si assegnino identificativi diversi a ogni gruppo e ogni elemento del gruppo sia indicizzato

Nessuna delle opzioni

Dichiarare modelli con un solo gruppo di vincoli

Definire istanze di problemi non ancora dichiarati nel file .mod

02. Descrivere come è possibile formulare il problema del massimo flusso da s a t in AMPL

03. Definire le istruzioni MODEL e DATA in AMPL e descrivere ruolo e caratteristiche dei file .mod e .dat

04. Definire le istruzioni SOLVE e DISPLAY in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 71/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 042
01. Il problema del minimo taglio s-t è

Il problema di determinare il taglio s-t di costo minimo

Il problema di determinare il taglio di capacità minima nel grafo

Il problema di determina il minimo flusso da s a t

Il problema di determinare il taglio s-t di capacità minima

02. Data una rete di flusso, ogni taglio s-t

Ha capacità superiore al massimo flusso da s a t

Ha capacità inferiore al minimo flusso da s a t

Ha capacità non inferiore al massimo flusso da s a t

Ha capacità pari al minimo flusso da s a t

03. Data una rete di flusso, il taglio s-t di capacità minima

Ha capacità data dalla somma delle capacità meno il valore del flusso a ogni arco

Ha capacità pari al valore del massimo flusso da s a t

Ha capacità non inferiore al massimo flusso da s a t

Ha capacità data dalla somma delle capacità dei nodi

04. Definire il problema del minimo taglio s- t

05. Dimostrare che il problema del minimo taglio s-t è un il duale del problema di massimo flusso da s a t

06. Scrivere la formulazione del problema del minimo taglio s-t

07. Descrivere come è possibile formulare il problema del minimo taglio s-t in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 72/73
Set Domande: RICERCA OPERATIVA
INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE (D.M. 270/04)
Docente: Canale Silvia

Lezione 043
01. Illustrare il ruolo del comando DATA in AMPL, sia da riga di comando che da file .dat

02. Illustrare il ruolo del comando RESET in AMPL, sia da riga di comando che da file .dat

03. Definire le istruzioni di gestione input/output in AMPL

04. Illustrare il ruolo del comando COMMANDS in AMPL

© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 73/73
Powered by TCPDF (www.tcpdf.org)

Potrebbero piacerti anche