למה אופטימיזציה היא לא למצוא את הפתרון המושלם

כשאנחנו שומעים את המילה "אופטימיזציה", רובנו מדמיינים מחשב חכם שמוצא את הפתרון הטוב ביותר האפשרי. הפתרון המושלם. כזה שאי אפשר לשפר אפילו במעט.

אבל באופן מפתיע, בעולם האמיתי אופטימיזציה כמעט אף פעם לא נראית כך.

למעשה, אחד השיעורים הראשונים והחשובים ביותר בתחום הוא:

אופטימיזציה אינה אמנות מציאת הפתרון המושלם. היא אמנות מציאת הפתרון הטוב ביותר שניתן למצוא במסגרת הזמן והמשאבים העומדים לרשותנו.

החלום: למצוא את הפתרון הטוב ביותר

נניח שאתם צריכים לתכנן מסלול לשליח שמבקר בעשר כתובות.

באופן תיאורטי, אפשר לבדוק את כל סדרי הביקור האפשריים ולבחור את הקצר ביותר. אם יש עשר כתובות, מדובר בכ-362 אלף אפשרויות. מחשב מודרני יכול להתמודד עם זה.

אבל מה קורה אם יש 20 כתובות?

כבר מדובר בכ-121 קווינטיליון אפשרויות (121 ואחריו 18 אפסים).

ומה אם יש 100 כתובות? או אלפי לקוחות? או מאות רכבים?

בשלב מסוים, גם המחשב החזק ביותר לא יוכל לבדוק את כל האפשרויות בזמן סביר.

וכאן מתחיל העולם האמיתי של האופטימיזציה.

מה אנחנו באמת מנסים לעשות?

במקום לשאול:

"מהו הפתרון הטוב ביותר שקיים?"

אנחנו מתחילים לשאול:

"מהו הפתרון הטוב ביותר שנצליח למצוא בזמן שעומד לרשותנו?"

זה שינוי תפיסתי עמוק.

הוא מעביר אותנו מעולם של שלמות מתמטית לעולם של קבלת החלטות תחת אילוצים.

אופטימיזציה - מושלם מול מספיק טוב

דמיינו שני תרחישים:

תרחיש א'

אתם מוצאים את הפתרון המושלם אחרי 48 שעות חישוב.

תרחיש ב'

אתם מוצאים פתרון שטוב ב-99.5% מהפתרון המושלם בתוך 30 שניות.

איזה מהם עדיף?

במחקר אקדמי, ייתכן שהפתרון המושלם הוא המטרה.

אבל בעולם העסקי, בלוגיסטיקה, בייצור ובמערכות מידע – התשובה בדרך כלל תהיה התרחיש השני.

הזמן עצמו הוא אילוץ.

למה זה קורה?

הסיבה לכך היא שרבות מבעיות האופטימיזציה הן בעיות קומבינטוריות.

כל החלטה קטנה יוצרת הסתעפות של אפשרויות חדשות:

• איזה רכב יקבל כל לקוח?

• באיזה סדר יבקר בכל תחנה?

• כיצד לאזן עומסים?

• כיצד לעמוד בחלונות זמן?

• כיצד לצמצם עלויות?

מספר השילובים האפשריים גדל בקצב עצום.

לכן, חיפוש מלא של כל האפשרויות הופך לבלתי מעשי.

אז מה עושים במקום?

במקום לחפש את כל התשובות האפשריות, בונים תהליך של שיפור:

1. מתחילים מפתרון חוקי.

2. מבצעים שינויים קטנים.

3. בודקים האם חל שיפור.

4. מאמצים את השינוי אם הוא מועיל.

5. חוזרים על התהליך שוב ושוב.

המטרה אינה להגיע לשלמות מוחלטת.

המטרה היא להשתפר באופן עקבי.

לא רק במדעי המחשב

הרעיון הזה נכון גם הרבה מעבר לאלגוריתמים.

אנחנו כמעט אף פעם לא מקבלים החלטות לאחר שבחנו את כל האפשרויות האפשריות.

אנחנו:

• אוספים מידע.

• בוחנים חלופות סבירות.

• משפרים את ההחלטות שלנו לאורך הדרך.

• עוצרים כשהמחיר של המשך החיפוש גבוה מהתועלת הצפויה ממנו.

במובן מסוים, זו גם הדרך שבה בני אדם מקבלים החלטות.

מחשבה לסיום

אולי התובנה החשובה ביותר בעולם האופטימיזציה היא זו:

השאלה הנכונה אינה "האם מצאנו את הפתרון המושלם?", אלא "האם מצאנו פתרון טוב יותר מזה שהיה לנו, בזמן שהיה לנו?"

ברגע שמבינים את זה, מפסיקים לראות אופטימיזציה כחיפוש אחר שלמות, ומתחילים לראות אותה כפי שהיא באמת:

תהליך מתמשך של קבלת החלטות חכמות תחת אילוצים.