Aperçus d’optimisation dynamique

Aperçus d’optimisation dynamique

(avec des excuses à Herman Melville)

Appelez-moi Ismaël, c’est un aussi bon nom que n’importe quel autre.

Contrairement à Ismaël d’Herman Melville, je ne suis pas un baleinier, mais un mathématicien appliqué, et je conçoive des modèles d’optimisation pour vivre. Modèles d’optimisation combinatoire, si vous voulez être pointilleux.

Il ya un certain nombre de façons de définir l’optimisation mathématique, mais celui que j’aime est « le choix de la meilleure / presque meilleure alternative parmi un ensemble d’alternatives ». Le nombre d’alternatives peut varier d’une poignée (dois-je avoir de la soupe aux tomates pour le déjeuner? Une chaudrée de palourdes ? Ou aller avec la bisque?) à des billions (pensez au nombre de routes possibles pour visiter 100 villes, l’une après l’autre). Dans la vraie vie, il n’est pas pratique d’examiner chaque alternative, puis de choisir la meilleure – cela prendrait tout simplement trop de temps. C’est pourquoi les mathématiciens ont développé divers algorithmes d’optimisation, qui trouvent efficacement de bonnes solutions optimales à une variété stupéfiante de problèmes.

L’optimisation affecte votre vie quotidienne de plusieurs façons, même si vous ne vous en rendez pas toujours compte. Cette séquence décalée de feux de circulation verts que vous avez frappé (OK, nous sommes censés frapper) ce matin quand vous avez conduit au travail? Vous pouvez remercier les modèles de trafic optimisés. S’assurer que les légumes que vous achetez à votre supermarché sont frais, sans que personne ne commence à pourrir? Durée de conservation optimisée pour les produits. La taille de plus en plus réduite des ordinateurs portables et autres équipements électroniques que vous achetez, année après année? Conception électronique optimisée. La liste est longue, et ainsi de suite.

Le commandant militaire prussien Helmuth van Moltke écrivit en 1880 : « Aucun plan ne survit au premier contact avec l’ennemi », et ce morceau de sagesse militaire tient aussi dans le monde de l’optimisation. Vous pouvez créer un plan de livraison hebdomadaire parfait pour votre flotte de véhicules à 6 h le lundi, corriger le énième chiffre décimal, et commencer à le mettre en œuvre – et à 8 h 30, vous recevez la nouvelle qu’en raison d’un accident, une section entière de la route 101 a été fermée jusqu’à nouvel ordre. À 10 h 30, un client appelle pour annuler une commande dont la livraison est prévue pour 16 h 30. Oh, et à 15 heures, vous obtenez un appel d’un de vos chauffeurs que le camion qu’il conduisait vient de frapper une plaque de glace, a dérapé hors de la route, et est maintenant non opérationnel.

Chacun de ces événements imprévus nécessite une certaine modification de ce plan précédemment optimal – mais quelle modification est la meilleure?

Une alternative est de modifier les données d’entrée pour tenir compte des circonstances modifiées, et de ré-optimiser le plan - mais cela peut prendre trop de temps de calcul. Même si ce n’est pas le cas, la structure du nouveau plan peut sembler radicalement différente de celle de l’ancien, et si vous continuez à frapper vos pilotes avec new_and_improved un plan « optimal » après l’autre, ils vont très vite perdre confiance dans cette boîte noire barattage sur les plans et commencer à faire leurs propres improvisations.

Une autre alternative est de garder autant de plan original intact que vous le pouvez et d’apporter le moins de changements dont vous avez besoin pour ramener la solution à la faisabilité. Il s’agit généralement d’un bon compromis, mais sacrifiera une partie de la qualité du plan afin d’obtenir une solution rapide.

Décider entre ces alternatives est un exemple d’optimisation dynamique, où soit des solutions optimales doivent être calculées rapidement et à plusieurs reprises parce que les données changent fréquemment, soit les solutions optimales existantes doivent être modifiées parce que des événements imprévus se sont produits.

Il existe un grand nombre de ces problèmes, couvrant l’ensemble du spectre industriel – et le développement de bonnes solutions pour eux peut générer des avantages spectaculaires. Par exemple, un article récent de CNN parle d’une invention d’Alibaba appelée le cerveau de la ville, qui utilise l’intelligence artificielle pour recueillir des informations (telles que la vidéo à partir de caméras d’intersection et des données GPS sur l’emplacement des voitures et des bus) à travers la ville de Hangzhou en Chine. Il analyse ensuite l’information en temps réel car il coordonne plus de 1000 signaux routiers autour de la ville dans le but de prévenir ou d’atténuer l’engorgement. L’utilisation du cerveau de ville a réduit le temps de navettage et a aidé les premiers intervenants en permettant aux camions de pompiers et aux ambulances de réduire de moitié le temps qu’il faut pour se rendre à la scène des urgences - il a également déplacé Hangzhou de la^5ème ville la plus congestionnée en Chine à 57^e.

En résumé,

L’optimisation dynamique est un domaine passionnant qui peut apporter des avantages tangibles à pratiquement n’importe quelle entreprise là-bas, et libérer le temps du personnel qualifié pour faire des choses que les gens peuvent faire, mais les algorithmes ne peuvent pas - comme faire des appels de jugement, négocier avec les clients pour changer les exigences pour des commandes spécifiques, et d’explorer de nouveaux domaines d’activité.

Après tout, si le capitaine Achab venait d’utiliser * * cet algorithme optimisé de suivi des baleines qui a pris en compte les prévisions de vent et de tempête, « Moby Dick » peut avoir eu une fin très différente.

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

Photo: Le pub Murphy’s au port. Lieu du tournage de Moby-Dick en 1956. Youghal. comté de Cork. Irlande

références

Steveblank.com : aucun plan ne survit-premier contact avec les clients-/-business-plans-versus-business-models

cnn.com: alibaba-ville-cerveau-hangzhou

blog.seannewmanmaroni.com: no-battle-plan-survive-first-contact-with-the-enemy