Paniere Ricerca Operativa Mio

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
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
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
08. Un modello matematico può essere
O stocastico o dinamico, ma non entrambi
O statico o dinamico, ma non entrambi
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
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
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
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?
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).
15) ANALISI DEL PROBLEMA DECISIONALE – Si analizza la struttura del problema

decisionale per individuare i legami logici tra gli elementi della decisione e gli
obiettivi da perseguire nel processo decisionale
IDENTIFICAZIONE DEL MODELLO – Si identifica il modello matematico e se ne
descrivono le caratteristiche principali (variabili, vincoli e funzione obiettivo) in
termini matematici
16) L’identificazione del modello prevede i seguenti passi

– Definizione di opportune variabili di decisione, dette anche incognite
del problema: occorre definirne una per ogni grandezza reale del problema
– Definizione della funzione obiettivo da massimizzare o da minimizzare che sia
funzione delle variabili di decisioni
– Definizione dell’insieme dei vincoli del problema: ciascun vincolo (o famiglia di vincoli)
esprime matematicamente i legami esistenti tra le
variabili di decisioni e le limitazioni cui tali variabili sono soggette
18) Si modella la famiglia delle soluzioni ammissibili come un insieme di soluzioni di un

problema matematico, detto modello. Le fasi della modellazione sono:
ANALISI DEL PROBLEMA DECISIONALE – Si analizza la struttura del problema
decisionale per individuare i legami logici tra gli elementi della decisione e gli
obiettivi da perseguire nel processo decisionale
IDENTIFICAZIONE DEL MODELLO – Si identifica il modello matematico e se ne
descrivono le caratteristiche principali (variabili, vincoli e funzione obiettivo) in termini
matematici
ANALISI DEL MODELLO – In base al tipo di modello matematico, si derivano
matematicamente (i) condizioni di esistenza e (eventualmente) unicità della
soluzione ottima; (ii) condizioni di ottimalità e (iii) stabilità delle soluzioni
SOLUZIONE NUMERICA – In base al tipo di modello matematico, si seleziona e si
adotta un algoritmo di calcolo (algoritmo di soluzione) che determini la soluzione
ottima del problema decisionale
VALIDAZIONE DEL MODELLO – La soluzione ottima determinata viene interpretata
dal punto di vista decisionale e validata attraverso una verifica sperimentale
oppure tramite metodi di simulazione.
Se la soluzione ottima determinata non è accettabile oppure non ha rilievo pratico,
occorre tenere conto di ulteriori vincoli nel problema decisionale.
Lezione 003
01. Il problema min{e-x: x ≥ 0} è
Vuoto
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


essere inammissibile o
04. Un problema di ottimizzazione è inammissibile se
L'insieme delle soluzioni ammissibili è vuoto
L'insieme delle soluzioni ottime è vuoto
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
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
08. Il valore che la funzione obiettivo assume in una soluzione ottima è detto
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
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
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
15. Il problema min{2x: x + y =1, x + y ≤ 0} è
Vuoto
16. Il problema max{x: x ≥ 0} è
Vuoto
17. Il problema max{3: x =2, x ≤ 0}
Non ammette soluzione
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
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)
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].
21) 22) Sul paniere aperte
Lezione 004
01. L'insieme A={x ∈ Rn: x ≥ 0} è
Vuoto
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
Rappresentato in forma esplicita
Inammissibile
Vuoto
05. L'insieme dei numeri naturali è
Rappresentato in forma implicita
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
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 se il determintante è uguale a 0 sono L.D., invece

se è diverso da 0 sono L.I.
09. Dati i vettori x=(2 1)T e y=(0 4)T
x e y sono linearmente indipendente
x e y sono linearmente dipendente
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
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
matrice identità
(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
x, y e z sono linearmente indipendente
15. Dare la definizione di combinazione lineare, incolucro lineare e base di un insieme
15) sul paniere aperte
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
Una soluzione del sistema è (0,2,0,4,8)
Il sistema non ammette soluzioni
Una riga del sistema è ridondante
Una soluzione del sistema è (3,4)
Il sistema ammette la soluzione (4,2,0,8,0)
Il sistema ammette la soluzione (8,0,0,0,4)
Una soluzione del sistema è (4,2)
Una soluzione del sistema è (3,4,1)
Nessuna riga del sistema è ridondante
Una soluzione del sistema è (0,0,1)
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
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
La matrice A ha un numero di righe inferiore al numero di colonne
Il rango dell'insieme B dei vettori colonna della matrice A è pari al rango della matrice dei coefficienti estesa del sistema Ax=b
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
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
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
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
Sono dette vincolate in segno
Sono dette libere
Sono soggette a vincoli di capacità
Nessuna delle opzioni dubbio

09. Un problema di PL di minimizzazione può essere
Illimitato sia superiormente che inferiormente
O illimitato inferiormente o illimitato superiormente
10. Un problema di PL di massimizzazione può essere
O illimitato inferiormente o illimitato superiormente
Illimitato sia superiormente che 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
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
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
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
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
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
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
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
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
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
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
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
ha applicazione limitata per i problemi di PL
03. Il metodo grafico si può utilizzare prevede
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
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
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
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
15. Enunciare e dimostrare il teorema fondamentale della PL
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 la soluzione di base corrente sia non ottima
non possiamo concludere che la soluzione di base corrente sia ottima
il numero di soluzioni di base massimo è
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)
non possiamo concludere che la soluzione di base corrente sia ottima
possiamo concludere che la soluzione di base corrente sia non ottima
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
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
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
Entra in base la colonna relativa alla variabile x1
il problema risulta vuoto
Esce di base la colonna relativa alla variabile x3
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
04. Applicando il criterio di ottimalità alla soluzione di base relativa alle colonne B=(1,5) del problema di seguito caratterizzato
possiamo concludere che
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
Applicando il criterio di illimitatezza alla seguente soluzione di base relativa alle colonne B=(2,1)
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
Se consideriamo la soluzione di base ammissibile relativa alle colonne dei coefficieni delle variabili di slack introdotte per ridurre il problema in forma standard,
il problema risulta illimitato
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
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
l'algoritmo termina dopo la seconda iterazione concludendo che il problema è illimitato
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
alla prima iterazione entra in base la variabile x1 ed esce la variabile x4
l'algoritmo termina dopo la seconda iterazione determinando una soluzione ottima di valore 1/2
alla seconda iterazione entra in base la variabile x2 ed esce la variabile x1
alla seconda iterazione entra in base la variabile x2 ed esce la variabile x3
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
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
determini se il problema sia non vuoto o illimitato
02. Illustrare le assunzioni e le operazioni previste dalla Fase 1 del medoto del simplesso
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
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 variabili vincolate in segno
Il duale è un problema di minimizzazione con n vincoli e m variabili libere in segno
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
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
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
Il duale ha solo vincoli di disuguaglianza
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
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
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
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
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 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
Lezione 019
01. Enunciare e dimostrare le condizioni di complementarietà per la coppia primale/duale simmetrica
DOMANDE DEL QUIZ LEZIONE 20 SULLA LEZIONE 19
1) In una coppia primale/duale, se il primale ha m vincoli e n variabili:

-Le condizioni di complementarietà saranno m+n
2) In una coppia primale/duale, le condizioni di complementarietà:

-Sono soddisfatte da una soluzione ottima primale e da una soluzione ottima duale
3) In una coppia primale/duale, se la soluzione ottima primale è (3,0,-1) allora:

-La soluzione ottima duale soddisferà all'uguaglianza il primo e il terzo vincolo duale
DOMANDA DEL QUIZ LEZIONE 26 SULLA LEZIONE 21
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
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
Almeno uno 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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}
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?
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?
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
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
08. Un problema di knapsack binario con 5 variabili di decisione
Si può risolvere solamente con il metodo del branch and bound
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
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
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
determinare l'albero ricoprente di costo minimo utilizzando l'algoritmo di Prim
QUIZ ALLA LEZIONE 33 SULLE LEZIONI 27 E 28:
1) La coppia V=(1,2,3,4) e E=(12,13,14,23,24) definisce un grafo:

-Senza loop
2) Sia G il grafo con V=(1,2,3,4) e E=(12,13,14,23,24):

-La somma dei gradi dei nodi in V è 10
3) Si definisce taglio d(A) in un grafo G(V,E):

-Un sottoinsieme di archi che connettono nodi in A con nodi in V-A
Lezione 029
determinare il cammino di costo minimo tra i nodi c e g
determinare l'arborescenza dei cammini minimi dal nodo s
determinare l'arborescenza dei cammini minimi dal nodo s
QUIZ ALLA LEZIONE 33 SULLA LEZIONE 29
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
3) Dato un grafo connesso G(V,E), un albero ricoprente di peso minimo è:

-Un albero T(V,E) con |F|= |V| -1
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
determinare il taglio s-t di capacità minima
verificare che il flusso dato sia ammissibile e, in caso affermativo, calcolare il valore del flusso massimo s-t
determinare il taglio s-t di capacità minima
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
QUIZ ALLA LEZIONE 33 SULLA LEZIONE 30:
1) L'algoritmo di Dijkstra determina:

-Un cammino di costo minimo da una sorgente a una destinazione
2) L'algoritmo di Dijkstra determina:

-In un numero di passi pari al più al numero dei nodi del grafo
3) Nella formulazione matematica del problema di flusso di costo minimo:

-Il numero di variabili è pari al numero degli archi del grafo
QUIZ ALLA LEZIONE 33 SULLE LEZIONI 31 E 32:
1) Il problema del massimo flusso st consiste del determinare:

-Una distribuzione del flusso che rispetti ivincoli di capacità e di conservazione del flusso
e massimizzi la quantità di flusso da s a t
2) Un flusso st ammissibile è massimo se e solo se:

-Il valore del massimo flusso è pari alla capacità del taglio minimo st
3) L'algoritmo di Ford and Fulkerson:

-Converge in un numero finito di passi
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
{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}
{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
{A}
{i in A: i in B}
{B}
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}
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
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
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
Le istruzioni model e data vanno eseguite esattamente in questo ordine
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
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
La regione ammissibile è composta di tutti i flussi ammissibili per la rete di flusso
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
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
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
1 se i è il nodo destinazione dell'arco (i,j)
1 se i è il nodo destinazione 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)
-1
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
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
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
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
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
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)
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 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
La regione ammissibile è un insieme di dimensione pari al numero di sottoinsiemi dell'insieme dei nodi
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
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
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
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
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
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
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
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
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
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 composta di tutte le clique ammissibili per la rete di flusso
La regione ammissibile è un insieme di dimensione superiore al numero degli archi della rete di flusso
06. Il problema del massimo flusso da s a t
Ammette un'unica soluzione ottima
Ammette solo soluzioni con flusso non nullo
Ammette solo soluzioni con flusso non negativo
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
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
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
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
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 dubbio con D

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
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
Powered by TCPDF (www.tcpdf.org)

Paniere Ricerca Operativa Mio

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Paniere Ricerca Operativa Mio

Caricato da

Copyright:

Formati disponibili

Set Domande

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

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

Stabilità delle soluzioni

Determinazione della soluzione ottima

Esistenza e unicità della soluzione ottima

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

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

Nessuna delle opzioni

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 aciclica di passi

Nessuna delle opzioni

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) ANALISI DEL PROBLEMA DECISIONALE – Si analizza la struttura del problema

16) L’identificazione del modello prevede i seguenti passi

18) Si modella la famiglia delle soluzioni ammissibili come un insieme di soluzioni di un

Nessuna delle opzioni