Sunteți pe pagina 1din 5

Problema Optimizarii

Cresterea extraordinara a complexitatii sistemelor concepute in ultimele decenii a


impus, in proiectarea acestora, utilizarea aproape exclusiva a calculatoarelor. Un
numar mare de metode de calcul au fost dezvoltate si implementate in acest
domeniu, metode care acopera astazi toate etapele muncii de proiectare, de la
studiul cerintelor, pana la stabilirea detaliilor tehnologice. Evident, toate aceste
activitati stau sub semnul maximizarii performantelor si intrarea lor sub incidenta
optimizarilor (de orice fel) este inerenta, conducand la aparitia unor algoritmi de
proiectare din ce in ce mai sofisticati si performanti.

Optimizarea reprezinta disciplina matematica care se ocupa cu gasirea minimei sau


maximei unei functii numita constrangeri. Optimizarea cuprinde o arie foarte mare
de tehnici din cadrul cercetarii, inteligentei artificiale, informatica si este folosita
pentru a imbunatatii procesele oricare ar fi acele procese si din orice domeniu ar
face parte(sanatate afaceri, financiar industrial etc). Folosirea puterii de calcul in
procesul de optimizare acopera aproape toate metodele din cauza complexitatii si
surclaseaza puterea umana de calcul. In lume au fost dezvoltate multe aplicatii
pentru optimizarea problemelor complexe.

Calculul evolutiv, un domeniu care evolueaza foarte rapid in domeniul


calculatoarelor, acopera toate aspectele proceselor evolutive simulate. Pe o parte
simularea evolutiei naturale a fost folosita de catre biologi pentru studierea
adaptarii in medii schimbatoare pentru a intelege mai bine evolutia organismelor
complexe de pe pamant. Pe de alta parte, s-a demonstrat ca problemele complexe
de optimizare pot fi rezolvate prin tehnici de evolutii simulate. In ultimile decenii 
calculul evolutiv a fost aplicat cu succes la diverse probleme de optimizare in
domenii variate precum economic financiar managerial productie, medicina,
chimie biologie etc.

Pentru a deveni competitivi cu alte tehnici traditionale de optimizare, in algoritmii


evolutivi, trebuiesc introduse notiuni de cunoastere ale domeniului respectiv.
Pentru a indeplini aceast obiectiv(introducerea de cunostinte specifice)exista mai
multe modalitati.Pentru a rezolva problema optimizarii, o abordare cu rezultate
bune ar fi aceea a hibridizarii cu alte metode euristice din domeniul respectiv.
Algoritmul evolutionar hybrid rezultat, in cele mai multe dintre cazuri apartine
categoriei algoritmilor memetici. Acestia sunt similari cu algoritmii evolutivi
traditionali dar au mai multe in comun cu cu pincipiile din cultura umana decat cu
evolutia biologica.

Modelarea

Un model este reprezentarea abstracta sau matematica a unei probleme si este o


parte esentiala a procesului de rezolvare optima a acelei probleme. Este dificil sa
dezvoltam un model matematic care are toate aspectele problemei precum si
spatiul problemei respectiv din moment ce majoritatea problemelor din lumea reala
sunt prea complexe. Din acest motiv cercetatorii si practitionistii incearca sa
formuleze  ori un model simplificat ori sa faca numeroase presupuneri si
aproximari cu privire la acea problema. Pentru ca modelarea in acest caz este
simplificata si/sau aproximata, de cele mai multe ori exista discrepante majore
intre rezultatele obtinute si solutia reala la problema respectiva. Aceste discrepante
pot duce la decizii nepotrivite daca acea decizie este luata numai dupa solutia
problemei simplificate, iar asta se intampla des in procese decizionale sau de
proiectare.
Modelul matematic este numele dat unui set de instrumente proiectate pentru a
rezolva probleme manageriale, de planificare si proiectare unde factorul decizional
trebuie sa aloce resurse greu de gasit sau limitate de-a lungul unor activitati variate
pentru a optimiza un scop masurabil. Caracteristica de baza a unei probleme ce
poate fi rezolvata prin modelare matematica este aceea de a dezvolta un model
matematic foarte bine definit.
Modelele matematice au 3 componente majore: variabilele decizionale, functiile
obiectiv si constrangerile.

Variabilele decizionale 

Variabilele decizionale depind de tipul problemei si pot fi cantitatile de resurse ce


urmeaza sa fie alocate sau numarul de unitati produse sau amandoua. Factorul
decizional cauta setul de valori necunoscute care poate oferi o solutie optima a
problemei. Deobicei ele sunt de genul: x1,x2…xn sau x,y,z.

Functiile Obiectiv

Functiile Obiectiv reprezinta scopul/obiectivele problemei in termenii variabilelor


decizionale. Factorul decizional incearca sa minimizeze sau maximizee aceste
functii cum ar fi spre exemplu sa maximizeze profitul total sau sa minimizeze
costul total al productiei atunci cand produce sau vinde anumite produse. Date
precum profitul(pentru maximizare) sau costul(pentru minimizare) pe bucata sunt
parametrii ceruti in asociatie cu deciziile variabile pentru a forma o functie
obiectiv.

Constrangeri(Restrictii)

Constrangerile sunt cunoscute ca si restrictii sau limitari ale problemei ce urmeaza


a fi optimizate. O constrangere are doua componente, deobicei o functie si o
constanta, asociata unei egalitati sau inegalitati. Pentru o resursa
constransa(limitata) functia reprezinta totalul resuresei cerute in termeni al
variabilelor decizionale si constanta specificata in totalul resureselor disponibile.
Date precum resursele necesare pe bucata produs sunt necesare pentru a forma
restrictiile sau coeficientul tehnologic.
Definirea Problemei

Uneori este dificil sa se faca deosebirea intre simptome si cauze  deoarece


problemele reale sunt complicate de multi factori interconectati. Prin definirea
problemei se intelege ca o problema exista, determinam magnitudinea ei o definim
précis. Cateodata ceea ce este descries ca o problema poate fi doar un simptom.
Faza definirii problemei este faza unde rezulta o declaratie clara si concisa a acelei
problemei rezultate in urma observatiilor precum si  identificarea si clarificarea
stadiului. Aceasta definitie clara a problemei trebuie sa defineasca obiectivele.
Masurarea eficacitatii trebuie folosita pentru a compara alternative, interesele
factorilor executivi, ipoteze, restrictii si reserve, precum si posibile informatii
asupra resurselor si paramatrilor implicati in problema.
Experienta arata ca definirea eronata a problemei, este cauza majora a esecului.
Formularea problemei des, necesita numeroase incercari sau rafinare. Procesele de
formulare incep cu incercari de formulari urmate de o procesiune de reformulari
progressive si rafinari pe masura ce proiectul se desfasoara iar mambrii echipei
merg din ce in ce mai adanc spre miezul problemei.

Dezvoltarea modelului matematic

Odata ce problema care trebuie analizata este definita, urmatorul pas este acela de
a dezvolta un model matematic. El reprezinta o reprezentare matematica a
sistemului real si reprezinta inputurile importante ale problemei, intr-o forma usor
de interpretat. Modelul matematic este testul experimental unde pot fi testate noi
decizii alternative si impactul asupra sistemului existent fara a deregla sistemul
real. Initial construirea modelului poate fi calitativ implicand mai mult apropierea
descriptiva informala. Din acest model informal calitativ, poate fi dezvoltat un
model cantitativ. Modelele matematice sunt dezvoltate pentru a reprezenta anumite
atribute specifice de interes in modelul real si deobicei ele nu includ inputuri care
sunt irelevante pentru problema respectiva. Exista 3 feluri de modele:

    Imagistic un model la scara redusa a sistemului (ex. Modelul unui avion)
    Analog utilizeaza o proprietate fizica pentru a reprezenta alta proprietate fizica
(folosind un circuit electronic pentru a investiga o suspensie hidraulica mecanica)
    Simbolic(matematic) foloseste un set de simboluri matematice si relatii pentru a
situatii fizice.

Scopul unui model este acela de a explica prezice sau controla comportamentul
entitatii modelate.

Exista 4 modele ale modelelor matematice. Modelul descriptiv care permite


analistului sa reprezinte anumite situatii intrun mod vizual. Simularile apartin
acestei categorii. A doua categorie sunt cele prescriptive/normative. Majoritatea
tehnicilor precum programare liniara, algoritmii de transport si managementul
proiectului intra in aceasta categorie. Aceste tipuri de modele incearca sa
optimizeze anumite functii obiectiv dar sunt destul de limitate. Al trei-lea model se
foloseste in operatii de investigare si este cel euristic. Modelele euristice implica
reguli de baza  sau intuitive ghidate de simtul realitatii. Al patru-lea model este
reprezentata de modelele predictive care au fost dezvoltate pentru a estima trenduri
viitoare in directii cum ar fi planificarea fortei de munca sau planificare financiara
etc.

In cazurile unde toate relatiile dintre functii si parametrii sunt cunoscute cu


siguranta sunt capabili sa creeze modele deterministice, in timp ce modelele
stochastice se aplica in situatii unde incertitudinea este implicata, iar datele sunt
descrise in termeni ai distributiei probabilistice.
Cand sunt construite modele, ar trebui respectate anumite reguli precum cele
descrise:
    Simple - modelele ar trebui pe cat posibil sa fie simple astfel incat pot fi intelese
de catre oameni nespecializati si care nu au o pregatire stiintifica.
    Robust - modelele ar trebui create astfel incat sa ofere raspunsuri valide intr-un
spectru larg de inputuri
    Adaptive - daca un model este creat sa reprezinte situatia reala care este un
sistem foarte dinamic, atunci modelul trebuie sa fie suficient de adaptabil sa poata
incorpora toate aceste schimbari rapide care ar putea aparea
    Complete - cum modelele trebuie sa reprezinte totalitatea problemei si a
mediului problemei, modelul ar trebui sa prezinte toate aspectele(importante)
problemei si nu doar anumite componente ale problemei.

In modelul matematic, proprietatile obiectelor luate in considerare deobicei au


forma unor variabile decizionale ale caror valori optimale vor fi determinate de
catre model. Valorile de inceput ale modelului deobicei sunt cele date de catre
factorul decizional dintr-un set specificat de valori cunoscute pentru a livra o
solutie fesabila la acea problema.
Acele variabile care sunt peste factorul de control sunt reprezentate ca si variabile
random sau parametrii si constante. Functia obiectiv sau masurarea eficacitatii
exprima contributia fiecarei variabile decizionale care fac fata obiectivelor definite
de catre factorul decizional. Constrangerile sunt reprezentate de relatiile dintre
variabile care pot fi sub forma unor functii ecuatii sau inecuatii.
Scopul unui model general este un model matematic care poate fi folosit o mare
categorie de probleme care indeplinesc anumite ipoteze intro forma a variabilelor
decizionale si include natura relatiilor functionale dintre ele. Este un scop specific
daca structura modelului se adreseaza unei probleme unice(sisteme expert).

Clasificarea problemelor de optimizare

In cazul problemelor multi obiectiv, deobicei obiectivele contravin unul altuia.


Daca nu contravin obiectivele multiple pot fi convertite intr-o problema mono
obiectiv. Clasificarea problemei indica daca problema contine sau nu
constrangeri(restrictii). In lumea reala majoritatea problemelor contin restrictii sau
functii restrictive, variabile limitate sau amandoua. Clasificarea functiilor in
principal se ocupa cu functii, proprietati matematice, care sunt foarte importante
din punct de vedere al abordarii solutiei. Obiectivele sau functiile restrictive pot fi
liniare sau neliniare sau amandoua. Abordarea solutiilor la modelele neliniare sunt
destul de diferite si mult mai complexe decat cele liniare.