Dynamische optimalisatie-inzichten

Dynamische optimalisatie-inzichten

(met excuses aan Herman Melville)

Noem me Ismaël, het is net zo'n goede naam als elke andere.

In tegenstelling tot Herman Melville's Ishmael ben ik geen walvisvaarder, maar een toegepast wiskundige, en ontwerp ik optimalisatiemodellen voor de kost. Combinatorische optimalisatiemodellen, als je kieskeurig wilt zijn.

Er zijn een aantal manieren om wiskundige optimalisatie te definiëren, maar degene die ik leuk vind, is 'het kiezen van het beste / bijna-beste alternatief uit een reeks alternatieven'. Het aantal alternatieven kan variëren van een handvol (moet ik tomatensoep als lunch hebben? Mosselsoep? Of ga je voor de bisque?) biljoenen (denk aan het aantal mogelijke routes om 100 steden te bezoeken, de ene na de andere). In het echte leven is het onpraktisch om elk alternatief te onderzoeken en vervolgens het beste te kiezen - het zou gewoon te veel tijd kosten. Daarom ontwikkelden wiskundigen verschillende optimalisatiealgoritmen, die efficiënt goede/optimale oplossingen vinden voor een duizelingwekkende verscheidenheid aan problemen.

Optimalisatie beïnvloedt je dagelijks leven op een groot aantal manieren, zelfs als je het niet altijd beseft. Die verspringende opeenvolging van groene verkeerslichten die je raakte (OK, we moeten raken) vanmorgen toen je naar je werk reed? U kunt geoptimaliseerde verkeerspatronen bedanken. Ervoor zorgen dat de groenten die u in uw supermarkt koopt vers zijn, zonder dat ze beginnen te rotten? Geoptimaliseerde houdbaarheid van producten. De gestaag krimpende grootte van de laptops en andere elektronische apparatuur die u jaar na jaar koopt? Geoptimaliseerd elektronisch ontwerp. De lijst gaat maar door, en door, en verder.

De Pruisische militaire commandant Helmuth van Moltke schreef in 1880 "Geen enkel plan overleeft het eerste contact met de vijand", en dat stukje militaire wijsheid geldt ook in de wereld van optimalisatie. U kunt op maandag om 06.00 uur een perfect wekelijks leveringsplan voor uw wagenpark maken, corrigeren tot het zoveelste decimaal cijfer en beginnen met de implementatie ervan - en om 08.30 uur ontvangt u bericht dat vanwege een ongeval een heel deel van Route 101 tot nader order is afgesloten. Om 1030 belt een klant om een bestelling te annuleren waarvan de levering is gepland voor 1630. Oh, en om 15.00 uur krijg je een telefoontje van een van je chauffeurs dat de truck waar hij in reed net een stuk ijs raakte, van de weg gleed en nu niet meer operationeel is.

Elk van deze ongeplande gebeurtenissen vereist enige aanpassing van dat voorheen optimale plan - maar welke wijziging is het beste?

Een alternatief is om de invoergegevens aan te passen om rekening te houden met de gewijzigde omstandigheden en het plan opnieuw te optimaliseren , maar dit kan te veel rekentijd kosten. Zelfs als dat niet het gebeurt, kan de structuur van het nieuwe plan er radicaal anders uitzien dan die van het oude plan, en als je je chauffeurs blijft raken met het ene new_and_improved 'optimale' plan na het andere, zullen ze heel snel het vertrouwen verliezen in die zwarte doos die de plannen maakt en hun eigen improvisaties gaat doen.

Een ander alternatief is om zoveel mogelijk van het oorspronkelijke plan intact te houden en de minste wijzigingen aan te brengen die u nodig hebt om de oplossing weer haalbaar te maken. Dit is meestal een goed compromis, maar zal een deel van de kwaliteit van het plan opofferen om een snelle oplossing te krijgen.

Kiezen tussen deze alternatieven is een voorbeeld van dynamische optimalisatie, waarbij ofwel optimale oplossingen snel en herhaaldelijk moeten worden berekend omdat de gegevens vaak veranderen, of bestaande optimale oplossingen moeten worden gewijzigd omdat er ongeplande gebeurtenissen hebben plaatsgevonden.

Er zijn een groot aantal van dergelijke problemen, verspreid over het hele industriële spectrum - en het ontwikkelen van goede oplossingen voor hen kan spectaculaire voordelen opleveren. Een recent CNN-artikel gaat bijvoorbeeld over een uitvinding van Alibaba genaamd het Stadsbrein, die kunstmatige intelligentie gebruikt om informatie te verzamelen (zoals video van kruispuntcamera's en GPS-gegevens over de locaties van auto's en bussen) in de stad Hangzhou in China. Vervolgens analyseert het de informatie in realtime terwijl het meer dan 1.000 wegsignalen in de stad coördineert met als doel een blokkade te voorkomen of te verlichten. Het gebruik van City Brain heeft de reistijd verkort en eerstehulpverleners geholpen door brandweerwagens en ambulances in staat te stellen de hoeveelheid tijd die nodig is om op de plaats van noodsituaties te komen te halveren - het heeft Hangzhou ook verplaatst van de 5^e meest overbelaste stad in China naar 57^e.

Samengevat

Dynamische optimalisatie is een opwindend vakgebied dat tastbare voordelen kan opleveren voor vrijwel elk bedrijf dat er is, en de tijd vrijmaken van geschoold personeel om dingen te doen die mensen kunnen doen, maar algoritmen kunnen dat niet - zoals oordelen, onderhandelen met klanten om de vereisten voor specifieke bestellingen te wijzigen en nieuwe bedrijfsgebieden verkennen.

Immers, als kapitein Ahab net * dat geoptimaliseerde walvisvolgalgoritme had gebruikt dat rekening hield met wind- en stormvoorspellingen, had 'Moby Dick' misschien een heel ander einde gehad.

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

Foto: De Murphy's pub aan de haven. Filmlocatie voor Moby-Dick in 1956. Youghal. provincie Cork. Ierland

Verwijzingen

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