|
||
Základním společným problémem globální optimalizace je, jak co nejrychleji najít optimum v okolí výchozího bodu. S tím také souvisí otázka, jak nejlépe prohledat prostor, ve kterém se nacházejí možná řešení (většinou přijímáme uspokojivá řešení daného problému). Často si většinou nemůžeme dovolit prohledávat celý prostor možných (přípustných) řešení z důvodu velkých nároků na operační paměť počítače, nebo času vynaloženého na prohledávání prostoru.
Dalším problémem je, že v mnoha případech nelze jednoznačně určit, zda nejlepší nalezené řešení je lokálním nebo globálním optimem. Jinými slovy lze říci, že není jednoznačně dané, zda se zaměřit na jemnější prohledávání nalezení dosavadního "optima", nebo raději vyzkoušet prohledávat jiné části prostoru.
Globální optimalizační proces může předčasně konvergovat k lokálnímu optimu. To se stává v případech, kdy již nejsme dále schopni prozkoumávat další části prostoru možných řešení (je aktuálně prohledávána jen určitá oblast) a zároveň existuje další oblast prostoru (která není dosud známa) obsahující lepší řešení vzhledem k aktuálně nalezenému řešení.
Na obrázku (viz 
) je ilustrována předčasná konvergence optimalizačního algoritmu k lokálnímu optimu. Optimalizační algoritmus, než dojde k dobrému výsledku, by měl projít několika lokálními optimy. Může se ale stát, že uvázne v určité oblasti, kde se zacyklí a nemůže pokračovat v hledání všech dalších bodů („myslí si“, že našel oblast, kde se nalézá globální optimum a tu se snaží jemněji prohledávat).