|
||
Protože i my (a také počítače) jsme při výpočtech limitováni pamětí a časem, nelze využívat programy, které prohledávají celý rozlehlý prostor všech řešení 
, potažmo jeho podmnožinu - prohledávaný prostor 
.
Jsou proto definována různá omezení (Constraints), abychom tento prostor zmenšili, nebo tato omezení popisují reálnou modelovanou situaci, podle níž je sestaven model. Respektování nadefinovaných omezení, pokud jsou definována, je nutností, která musí být vždy splněna. Zvyšováním počtu takových omezujících podmínek se zvyšuje reálnost výsledků získaných pomocí simulačního modelu.
Pokud řešení vyhovuje nadefinovaným podmínkám, jedná se o tzv. přípustné (možné, proveditelné) řešení. Neproveditelnost nastává v případě, že žádnou kombinací hodnot rozhodovacích proměnných nelze vyhovět souboru omezení. Je také zapotřebí dostatečně analyzovat model a řešený problém, zda je vůbec možné dosáhnout přípustného řešení. [4]
Pokud není úloha omezena žádnými podmínkami, hledá se extrém volný (Free Optimization Problem). Při existenci omezujících podmínek hledáme extrém vázaný (Constraint Optimization Problem).
Daný prohledávaný prostor , který je prohledáván optimalizačním algoritmem, je často omezen díky definovaným omezením na vlastní podmnožinu (podprostor) přípustných řešení.
Omezení popisují vztahy mezi rozhodovacími proměnnými a omezují hodnoty těchto proměnných a také účelové funkce. Taková omezení jsou:
• Omezení vztažená na rozhodovací proměnné:
o Logická - např. součet ploch strojů (počet strojů byl určen optimalizačním algoritmem) nesmí být větší, než plocha dílny.
o Praktická - např. vyhodnocování „všech“ argumentů účelové funkce, které jsou podmnožinou oboru reálných čísel (např. hranice prohledávaného prostoru).
• Omezení vztažená na účelovou funkci - omezení vyplývají ze situace, která je řešena pomocí modelu