Úvod a cíle

Poměrně dlouhou dobu byla optimalizace řešena pomocí klasického matematického aparátu nebo lidského rozhodování na základě vnímání nastalé situace. Problém ale nastává ve chvíli, kdy potřebujeme nalézt uspokojivá (někdy nejlepší) řešení určitého problému, který nemá jednoduchý charakter.

Příklad takové úlohy můžeme nastínit v problému obchodního cestujícího. Tento cestující má navštívit 20 různých měst a samozřejmě chce, aby navštívil města v takovém pořadí, aby součet tras jím navštívených měst byl co nejmenší (za předpokladu, že každé město navštíví jen jednou).

Pokud se nad tímto případem zamyslíte, zjistíte, že kdyby obchodní cestující chtěl zkusit všechny možné kombinace jak navštívit různá města, bez toho aniž by navštívil jedno město dvakrát, je počet všech kombinací roven 20!=2432902008176640000 =2,43290200817664*10¹⁸ [kombinací]. Co ale dál? Je možné vyzkoušet všechny kombinace? V takovém případě je vhodné využít jako podpůrný nástroj při rozhodování výpočetní techniku - simulaci.

Pokud bychom použili počítač, který by vypočítal 10 000 takových sekvencí měst za 1 sekundu, výpočet by mu trval zhruba 7 714 681,66 let. Takové problémy zařazujeme do skupiny NP (nedeterministicky polynomiálních problémů).

Jedním z přístupů, jak řešit tento klasický problém, je využití globálních optimalizačních metod, které nám sice nezaručují nalezení nejlepšího řešení, ale jsou schopny při vhodném nastavení jejich parametrů poskytnout pro nás akceptovatelné řešení na základě definovaného kritéria či více kritérií.

Příklad řešení problému obchodního cestujícího je popsán v následujícím cvičení, ve kterém je využita aplikace, v níž je implementován genetický algoritmus.

V oblasti výrobních systémů a výrobních procesů existuje řada omezujících faktorů, které brání vytvořit optimální výrobní plán. Mezi takové faktory můžeme zahrnout strojní vybavení podniku (zejména stroje k dispozici pokud musíme plnit zadané zakázky), zásoby, logistiku, počet zaměstnanců, flexibilnost výroby, finanční možnosti podniku a spoustu dalších vnitropodnikových a vnějších faktorů. Je patrné, že dalším členěním těchto faktorů na dílčí podproblémy narůstá dimenze prostoru možných řešení.

Propočtení všech možných kombinací faktorů za účelem určit optimální rozvrh výroby je často zhola nemožné, nebo by byl zapotřebí neúměrně dlouhý výpočetní čas. V takovém případě, je vhodné využít jako podpůrný nástroj při rozhodování výpočetní techniky.

Díky využití různých sofistikovaných optimalizačních metod implementovaných v optimalizačním modulu jsme pak schopni efektivně řešit i problémy často přesahující možnosti lidské představivosti (např. nalezení maxima v mnoharozměrném prostoru).