Optimaliteitsgebaseerde

Optimaliteitsgebaseerde is een term die wordt gebruikt om benaderingen, analyses of criteria te beschrijven die gebaseerd zijn op het bereiken van optimaliteit ten opzichte van een vooraf gedefinieerd doel. In de praktijk wordt doorgaans een objectieve functie geformuleerd die moet worden gemaximaliseerd of geminimaliseerd, en worden haalbare beperkingen vastgesteld; het doel is een oplossing te vinden die optimaal is binnen die haalbare set. De term onderstreept dat beslissingsregels, algoritmen of modellen hoofdzakelijk worden beoordeeld op hoe dicht zij bij het best mogelijke resultaat komen onder het gegeven model.

In meerdere vakgebieden worden optimaliteitsgebaseerde methoden ondersteund door wiskundige optimalisatie en algoritmen uit operationeel onderzoek, economie, besturingstheorie en informatica. Voorbeelden zijn lineaire programmering en integer programming voor exacte optimalisatie, convex optimization voor betrekkelijk tractabele problemen, en optimaal besturen voor dynamische systemen. In machine learning wordt training vaak gezien als het minimaliseren van een verliesfunctie om modellen te verkrijgen met optimale voorspellende prestaties onder de gekozen maatstaf. De notie van optimaliteit kan verwijzen naar een globaal optimum of, bij moeilijkere problemen, naar efficiënt bereikte lokale optima of gebonden garanties.

Hoewel optimaliteitsgebaseerde benaderingen vaak garanties bieden op de kwaliteit van de oplossing, zijn zij afhankelijk van een juist model en kunnen zij worstelen bij onzekerheid of hoge rekentijden. In dergelijke gevallen worden robuuste- of stochastische optimaliteitsbenaderingen toegepast, en kan men kiezen voor gedeeltelijk optimale oplossingen met bewezen garanties. De concepten van optimaliteit en optimaliteitscriteria vormen een kern van zowel theorie als toepassing in wetenschappelijke besluitvorming.