optimeringar

Optimeringar är processen att förbättra ett system eller en verksamhet genom att hitta det bästa möjliga utfallet för en målfunktion under givna begränsningar. Målfunktionen kan vara kostnad, nytta, tid eller någon annan kvantitativ måttstock, och begränsningarna beskriver vad som är praktiskt eller politiskt möjligt.

Vanliga optimeringsproblem inkluderar linjär programmering, heltalsprogrammering och icke-linjär optimering. Exakta metoder som simplexmetoden och inre punkter används främst för konvexa problem, medan större eller mer komplexa problem ofta löses med heuristiker och metaheuristiker som genetiska algoritmer, simulering av annealing och tabu search. För vissa problem kan man också använda stokastiska eller robusta metoder för att hantera osäkerhet i data eller modellantaganden.

Användningsområden spänner över teknik, ekonomi, logistik, energisystem och maskininlärning. Inom näringsliv och offentlig sektor används optimeringar till bland annat leveranskedje- och ruttplanering, schemaläggning, portföljval och hyperparametertuning i modeller. Digitala optimeringar omfattar även områden som sökmotoroptimering och konverteringsoptimering.

Utmaningar inkluderar ofta osäkerhet i data, icke-konvexa problem och höga beräkningskostnader. Begreppet omfattar även robust optimering, stokastisk optimering och känslighetsanalys för att bedöma hur resultat påverkas av förändringar i modellen eller data.

Historiskt utvecklades optimering inom operations research och matematisk optimering under 1900-talet och har sedan blivit en central komponent i både forskning och praktisk tillämpning.