Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
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
04. Quale tra le seguenti non è una fase prevista dall'approccio modellistico
© 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
Prevede la definizione di opportune grandezze per rendere esplicite le principali relazioni funzionali che legano le variabili del problema tra loro
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
Prevede una serie di passi che vanno dall'analisi del problema alla validazione del modello adottato
Prevede una serie di passi che vanno dall'analisi del problema alla sua soluzione numerica
13. Quali tra i seguenti è un passo previsto dall'approccio modellistico ai problemi decisionali
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
14) Un problema di scelta in cui si deve prendere una decisione tra un elevato numero di soluzioni (ammissibili),
alternative tra loro, sulla base di uno o più criteri. Ogni soluzione ammissibile rappresenta una decisione ed è
caratterizzata da un costo (da minimizzare) o da un vantaggio (da massimizzare).
© 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
Illimitato superiormente
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
Illimitato inferiormente
Vuoto
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
© 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
Valore ammissibile
Valore di decisione
Valore ottimo
O superiormente o inferiormente
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
Vuoto
Illimitato superiormente
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
Vuoto
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
Vuoto
Illimitato superiormente
Vuoto
Illimitato inferiormente
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)
20) Un problema di ottimizzazione si dice inammissibile o vuoto se non esistono soluzioni ammissibili,
vale a dire se risulta vuoto l’insieme delle soluzioni ammissibili X= 0(tagliato).
Un problema di minimizzazione o massimizzazione si dice illimitato inferiormente o superiormente se
comunque scelto un valore M esiste una soluzione ammissibile x € X tale che f(x) < M [f(x)>M].
© 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
Finito
Inammissibile
Vuoto
Finito
Vuoto
06. L'insieme A = {3 } è
Inammissibile
Linearmente indipendente
Linearmente dipendente
PS: se è diverso da 0 è L.I.
07. L'insieme A = {0n} è se è uguale a 0 è L.D.
Linearmente dipendente
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
z è combinazione lineare di x e y
L'insieme dei vettori di n componenti appartenenti all'insieme finito composto dai valori reali 0 e 1
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
matrice identità
(0 1)
(0 1)T
(1 0)
© 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
Il sistema è incompatibile
Il sistema è compatibile
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
Il sistema è compatibile
© 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
Il sistema è incompatibile
Il sistema è incompatibile
Il sistema è compatibile
Il sistema è incompatibile
© 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
10. Quale tra le seguenti non è un'operazione elementare sulle righe di una matrice
permutare le righe
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
La matrice AT
Il vettore delle variabili x è esprimibile come combinazione lineare di una base dell'insieme B dei vettori colonna della matrice A
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
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)
Il vettore dei termini noti b è esprimibile come combinazione lineare di ogni base dell'insieme B dei vettori riga della matrice A
Il rango dell'insieme B dei vettori colonna della matrice A è minore del rango della matrice dei coefficienti estesa del sistema Ax=b
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 m righe e n colonne
Ha m righe e m colonne
SUL QUADERNO
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 maggiore o uguale e variabili non negative
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
Sono libere
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 disuguaglianza e con variabili non negative
© 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
Illimitato superiormente
Illimitato inferiormente
Illimitato superiormente
Illimitato inferiormente
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
© 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
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
19. Scrivere la forma standard di un problema di PL e dimostrare come qualsiasi problema di PL si possa ridurre nella 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
Sono i vertici del poliedro che sono intersezione di almeno tre rette
1 è punto estremo
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
© 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
09. Un poliedro è
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
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
© 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
esiste sempre
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
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
esiste sempre
è sempre ammissibile
esiste sempre
© 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
Ext(P) vuoto
rec(P) vuoto
n variabili
n + m variabili
m variabili
n x m variabili
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
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
© 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
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
24
32
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
© 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 in 2 dimensioni
la verifica preliminare che il problema non sia illimitato, se lo è non si individua graficamente il poliedro
Illimitato
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
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
se esiste una soluzione ottima allora esiste più di un vertice ottimo della regione ammissibile
se esiste una soluzione ottima allora esiste un vertice ottimo 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
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
© 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
© 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)
© 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
© 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
determinare analiticamente le soluzioni di base e, per ognuna di esse, si determini se sia ammissibile o meno
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
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
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
© 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
© 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
Applicando il criterio di illimitatezza alla seguente soluzione di base relativa alle colonne B=(2,1)
il problema è illimitato
© 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
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
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
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
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
© 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
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 prima iterazione determinando una soluzione ottima di valore 3/4
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
partendo da una soluzione di base ammissibile determini una soluzione di base ammissibile ottima per il problema oppure concluda che il problema sia 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
02. In una coppia primale/duale, se il primale è un problema di minimizzazione con m vincoli e n variabili
03. In una coppia primale/duale, se il primale è un problema di massimizzazione con m vincoli e n 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
05. In una coppia primale/duale, se il primale è un problema di massimizzazione con m vincoli di uguaglianza e n variabili
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
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
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
Sia il primale che il duale hanno vincoli di uguaglianza e variabili non negative
© 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
02. Siano x e y soluzioni ammissibili per un problema di PL di minimizzazione e per il suo problema duale
03. Siano x e y soluzioni ammissibili per un problema di PL di massimizzazione e per il suo problema duale
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
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
Nessuna è falsa
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
Se il primale è illimitato (inferiormente o superiormente) allora il problema duale non ammette soluzioni ammissibili
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
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
© 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
1) 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 nell'insieme dei vettori a n componenti 0-1
© 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
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
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
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
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
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
Il problema è inammissibile
07. Descrivere quali sono le principali differenze tra la Programmazione Lineare Intera e la Programmazione Lineare {0,1}
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
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
Produce sempre una formulazione con sole soluzioni ammissibili con componenti intere
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
Non è univoco
06. ≤Determinare un lower bound per un problema di PL01 significa determinare un valore LB tale che
07. Risolvere un problema di PL01 significa determinare una soluzione ammissibile x* in S⊂{0,1}n tale che
© 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
Tanto più il valore di una soluzione ammissibile è lontano da LB, tanto migliore è la soluzione
Tanto più il valore di una soluzione ammissibile è vicino a LB, tanto migliore è la soluzione
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 soluzione ottima solo se esistono almeno due formulazioni del problema
© 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
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
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
23. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema
24. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema
25. Dato un problema di PL01 con insieme delle soluzioni ammissibili S, una formulazione lineare del problema
Esiste sempre
© 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
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
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
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
© 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
Determinano come gestire la lista dei sottoproblemi generati dall'inizio del metodo all'iterazione corrente
Determina come partizionare l'insieme delle soluzioni ammissibili in due o più sottoinsiemi
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
{5,4,3,2,1}
{5,1,2,3,4}
{5,1,2,4,3}
{5,2,3,2,2}
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
{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
Qual è il minimo valore non nullo del parametro k tale che il metodo branch and bound converga alla soluzione ottima alla prima iterazione?
Qual è il minimo valore non nullo del parametro k tale che il metodo branch and bound converga alla soluzione ottima alla prima iterazione?
06. Applicando il metodo branch and bound al seguente problema di knapsack binario
© 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
Alla prima iterazione il lower bound e l'upper bound hanno valore uguale
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
© 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
© 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
1) L'algoritmo di Prim:
-Restituisce un albero ricoprente di peso minimo
2) L'algoritmo di Kruskal:
-Aggiunge iterativamente un arco all'albero ricoprente parziale
© 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
verificare che il flusso dato sia ammissibile e, in caso affermativo, calcolare il valore del flusso massimo s-t
© 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
02. AMPL è
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
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
{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}
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}
{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
Indicare simultaneamente struttura e dati del problema ma non nello stesso file
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
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
© 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
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
Restituisce il valore ottimo del problema, se disponibile, senza restituire il vettore soluzione
Restituisce il valore ottimo del problema, se disponibile, e il vettore soluzione solo se unica soluzione ottima del problema
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
© 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
07. In AMPL
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 selezionare un solutore e richiamarlo per risolvere un modello se è stato precedentemente caricato un file .mod o un file .dat
La regione ammissibile è un insieme di dimensione pari al numero degli archi della rete di flusso
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 funzione obiettivo è lineare nelle componenti del flusso a coefficienti pari alle capacità
© 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
I vincoli sono lineari tranne nel caso di somma delle domande non nulla
Il problema di determinare un flusso ammissibile cui corrisponda la minima somma delle domande
Sono lineari
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
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
© 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
19. La componente (i,j) della matrice di incidenza nodi archi di un generico grafo G(N,A) è
Tante righe quanti sono gli archi in A e tante colonne quanti sono i nodi in N
Tante righe quanti sono i nodi in N e tante colonne quanti sono gli archi in A
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)
-1
23. La componente (i,j) della matrice di incidenza nodi archi di un generico grafo G(N,A) è
© 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
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
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
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
31. Formulare il problema di flusso di costo minimo come problema di Programmazione Matematica
© 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
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
Ammette solo soluzioni con flusso non negativo su tutti gli archi
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
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
dubbio con c
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
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
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 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
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
Restituisce un errore
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
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
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
I vincoli sono lineari tranne nel caso di somma delle domande non nulla
La regione ammissibile è composta di tutti i flussi ammissibili per la rete di flusso che ha domande tutte nulle associate ai nodi
La funzione obiettivo è lineare nelle componenti del flusso a coefficienti pari alle capacità
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
Il numero di archi considerato nella rete di flusso è minore del numero di archi del grafo
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
Il problema di determinare un flusso ammissibile cui corrisponda la minima somma delle domande
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
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
© 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
Ha capacità data dalla somma delle capacità meno il valore del flusso a ogni arco
05. Dimostrare che il problema del minimo taglio s-t è un il duale del problema di massimo flusso da s a 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
© 2016 - 2018 Università Telematica eCampus - Data Stampa 05/06/2018 03:23:27 - 73/73
Powered by TCPDF (www.tcpdf.org)