Domande d'esame VERIFICATO
Domande esame Decision Models
155 visualizzazioni
24 download
★ 3,0 (2)
Di cosa parla
Riassunto AI · si legge in un minuto
L'esame di Decision Models copre argomenti chiave di ottimizzazione e ricerca operativa, con quesiti che spaziano dal metodo del gradiente per la minimizzazione di funzioni quadratiche alla programmazione lineare applicata a scenari reali, come l'ottimizzazione dei costi per una campagna pubblicitaria con vincoli demografici e temporali. Include inoltre l'analisi dell'algoritmo Hill-Climbing, la risoluzione di problemi di programmazione lineare standard con analisi di sensibilità sull'obiettivo, e una discussione comparativa sui pro e contro dei metodi euristici ed esatti. Un quesito sugli alberi decisionali è menzionato ma non dettagliato.
Leggi il riassunto completo
- Ottimizzazione con Metodo del Gradiente: Risoluzione di un problema di minimizzazione per una funzione quadratica (f(x, y) = x² + xy + y² + 2x + 3y) utilizzando il metodo del gradiente per una singola iterazione, partendo dal punto (0,0).
- Programmazione Lineare per Agenzia Pubblicitaria: Definizione di un problema di ottimizzazione per minimizzare i costi di una campagna pubblicitaria. I vincoli includono:
- Numero minimo di contatti per diverse fasce demografiche (uomini/donne 18-40, uomini/donne >=40 anni).
- Costi differenziati per chiamata al mattino (1.1 euro) e al pomeriggio (1.6 euro).
- Percentuali medie di successo per raggiungere il target, variabili per fascia demografica e orario.
- Vincolo aggiuntivo sul numero di chiamate al mattino (non più del doppio di quelle del pomeriggio).
- Algoritmo Hill-Climbing: Domanda relativa all'applicazione e al funzionamento dell'algoritmo Hill-Climbing, con l'identificazione di funzioni per le quali non sarebbe efficace.
- Risoluzione e Analisi di Programmazione Lineare:
- Risoluzione di un problema di massimizzazione (max z = x1 + x2) soggetto a un set di vincoli lineari e di non negatività.
- Analisi di sensibilità: come la soluzione ottimale cambia se l'obiettivo diventa "max 2x1 + 2x2" o "min 2x1 + 2x2".
- Metodi Euristici vs. Metodi Esatti: Discussione sui vantaggi e svantaggi comparativi dei metodi euristici rispetto ai metodi esatti nell'ambito dell'ottimizzazione.
- Albero Decisionale: Menzionato come argomento d'esame, sebbene i dettagli specifici del quesito non siano stati ricordati.
Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo
Stai vedendo l'anteprima delle prime pagine. Il file completo è gratis: registrati per leggerlo tutto.
Studia questi appunti con l'AI
Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.
In preparazione: di solito è pronto in giornata.
Questo appunto è gratis. Registrati in 30 secondi per leggere tutte le pagine e scaricarlo.
Simula l'esame con domande costruite su questi appunti.