Dynamische Optimierungs-Insights

Dynamische Optimierungs-Insights

(mit Entschuldigung an Herman Melville)

Nennen Sie mich Ishmael, es ist so gut wie jeder andere.

Im Gegensatz zu Herman Melvilles Ishmael bin ich kein Walfänger, sondern ein angewandter Mathematiker, und ich entwerhe Optimierungsmodelle für den Lebensunterhalt. Kombinatorische Optimierungsmodelle, wenn Sie wählerisch sein wollen.

Es gibt eine Reihe von Möglichkeiten, mathematische Optimierung zu definieren, aber die, die ich mag, ist "die beste / nahezu beste Alternative aus einer Reihe von Alternativen zu wählen". Die Anzahl der Alternativen kann von einer Handvoll reichen (sollte ich Tomatensuppe zum Mittagessen haben? Clam Chowder? Oder gehen Sie mit dem Bisque?) Billionen (man denke an die Anzahl der möglichen Routen, um 100 Städte nacheinander zu besuchen). Im wirklichen Leben ist es unpraktisch, jede einzelne Alternative zu untersuchen und dann das Beste zu wählen – es würde einfach zu viel Zeit in Anspruch nehmen. Aus diesem Grund entwickelten Mathematiker verschiedene Optimierungsalgorithmen, die effizient gute/optimale Lösungen für eine erstaunliche Vielfalt von Problemen finden.

Optimierung wirkt sich auf vielfältige Weise auf Ihr tägliches Leben aus, auch wenn Sie es nicht immer erkennen. Diese gestaffelte Folge von grünen Ampeln, die Sie getroffen haben (OK, wir sollen treffen) heute Morgen, wenn Sie zur Arbeit gefahren? Sie können sich bei optimierten Verkehrsmustern bedanken. Sicherstellen, dass das Gemüse, das Sie in Ihrem Supermarkt kaufen, frisch ist, ohne zu verrotten? Optimierte Haltbarkeit für Produkte. Die stetig schrumpfende Größe der Laptops und anderen elektronischen Geräte, die Sie kaufen, Jahr für Jahr? Optimiertes elektronisches Design. Die Liste geht weiter, und weiter und weiter.

Der preußische Militärkommandant Helmuth van Moltke schrieb 1880: "Kein Plan überlebt den ersten Kontakt mit dem Feind", und dieses Stück militärischer Weisheit gilt auch in der Welt der Optimierung. Sie können am Montag um 6 Uhr einen perfekten wöchentlichen Lieferplan für Ihren Fuhrpark erstellen, die x-te Dezimalstelle korrigieren und mit der Umsetzung beginnen – und um 0830 erhalten Sie die Nachricht, dass wegen eines Unfalls ein ganzer Abschnitt der Route 101 bis auf Weiteres gesperrt wurde. Bei 1030 ruft ein Kunde an, um eine Bestellung zu stornieren, deren Lieferung für 1630 geplant ist. Oh, und um 1500 Stunden erhalten Sie einen Anruf von einem Ihrer Fahrer, dass der LKW, den er gefahren ist, gerade einen Fleck Eis getroffen hat, von der Straße gerutscht ist und jetzt nicht mehr betriebsbereit ist.

Jedes einzelne dieser ungeplanten Ereignisse erfordert eine Änderung dieses zuvor optimalen Plans – aber welche Änderung ist die beste?

Eine Alternative besteht darin, die Eingabedaten an die veränderten Umstände anzupassen und den Plan neu zu optimieren – dies kann jedoch zu viel Rechenzeit in Anspruch nehmen. Selbst wenn dies nicht der Grund ist, kann die Struktur des neuen Plans radikal anders aussehen als die des alten, und wenn Sie Ihre Fahrer immer wieder mit einem new_and_improved "optimalen" Plan nach dem anderen treffen, werden sie sehr schnell den Glauben an diese Black Box verlieren, die die Pläne ausstößt und ihre eigenen Improvisationen macht.

Eine andere Alternative besteht darin, so viel wie möglich vom ursprünglichen Plan intakt zu halten und die wenigsten Änderungen vorzunehmen, die Sie benötigen, um die Lösung wieder in die Machbarkeit zu bringen. Dies ist in der Regel ein guter Kompromiss, aber wird einen Teil der Qualität des Plans opfern, um eine schnelle Lösung zu erhalten.

Die Entscheidung zwischen diesen Alternativen ist ein Beispiel für dynamische Optimierung, bei der entweder optimale Lösungen schnell und wiederholt berechnet werden müssen, weil sich die Daten häufig ändern, oder vorhandene optimale Lösungen geändert werden müssen, weil ungeplante Ereignisse aufgetreten sind.

Es gibt eine Vielzahl solcher Probleme, die das gesamte industrielle Spektrum umfassen – und die Entwicklung guter Lösungen für sie kann spektakuläre Vorteile bringen. Zum Beispiel spricht ein kürzlich erschienener CNN-Artikel über eine Alibaba-Erfindung namens City Brain, die künstliche Intelligenz nutzt, um Informationen (wie Video von Kreuzungskameras und GPS-Daten über die Standorte von Autos und Bussen) in der Stadt Hangzhou in China zu sammeln. Anschließend werden die Informationen in Echtzeit analysiert, da sie mehr als 1.000 Straßensignale in der Stadt koordiniert, um Stillstand zu verhindern oder zu lockern. Die Nutzung von City Brain hat die Pendelzeit verkürzt und Ersthelfern geholfen, indem sie Es Feuerwehrfahrzeugen und Krankenwagen ermöglichte, die Zeit zu halbieren, die benötigt wird, um zum Ort der Notfälle zu gelangen - es hat auch Hangzhou von der^5. am stärksten überlasteten Stadt in China auf^57.verschoben.

Zusammenfassend

Dynamische Optimierung ist ein spannendes Feld, das praktisch jedem Unternehmen da draußen greifbare Vorteile bringen und qualifiziertes Personal für Dinge zur Verfügung stellen kann, die Menschen tun können, aber Algorithmen können es nicht – wie Urteilsanrufe tätigen, mit Kunden verhandeln, um die Anforderungen für bestimmte Aufträge zu ändern, und neue Geschäftsfelder erkunden.

Denn wenn Captain Ahab gerade *diesen optimierten Wal-Tracking-Algorithmus verwendet hätte, der Wind- und Sturmvorhersagen berücksichtigte, hätte 'Moby Dick' vielleicht ein ganz anderes Ende gehabt.

Urheber: K.N.Srikanth | [email protected]

Foto: Murphy es Pub am Hafen. Drehort für Moby-Dick im Jahr 1956. Youghal. Grafschaft Cork. Irland

Verweise

Steveblank.com: no-plan-survives-first-contact-with-customers-/-business-plans-versus-business-models

cnn.com: alibaba-city-brain-hangzhou

blog.seannewmanmaroni.com: No-battle-plan-survives-first-contact-with-the-enemy