IV. OPTIMIZATION TECHNIQUES MAP - O

IV. OPTIMIZATION TECHNIQUES MAP - OTM
Choosing incorrectly the optimization technique required
for the business application can consequently lead to a wrong selection of the optimization software package. Thus, business will face many biased decisions as well as incorrect strategic directions that mostly cause financial losses. The suitability of optimization technique depends on the type of application area, the nature of decision variables and constraints, and the target objectives from the optimization process. Many classification schemes have been proposed in literature for classifying optimization techniques. For example, decision variables can be used to classify optimization methods into continuous input parameter methods and discrete input parameter methods [16]. Continuous input parameter methods include gradient and non-gradient methods, on the other hand; discrete input parameter methods include statistical methods, ordinal optimization, and meta-heuristics algorithms. The shape of the response surface (i.e. global as compared with local optimization) can be used also to categorize optimization techniques into local optimization techniques (e.g. discrete decision space and continuous decision space) and global optimization techniques (e.g. meta-heuristic, sampling algorithms, and gradient surface method) [17]. Unfortunately, these classifications do not consider the fact that real-world business systems have a critical feature of multiple conflicting objectives. Optimization techniques can also be classified based on the timing of when the preference information of decision maker or system optimizer is gathered: progressive, apriori, posterior or no articulation of preference [18]. One of the main factors that control the way methods are classified is the measurement tool that is used to assess the system performance (e.g. simulation models and/or mathematical models). Simulation models are only considered in the aforementioned classifications which neglect other modeling approaches. System modeling methods and different approaches of uncertainty handling have to be considered to provide a consistent and comprehensive classification of optimization methods [19].
A major challenge that faces researchers and managers is the lack of a clear guideline and comprehensive classification that considers different aspects of the underlying problem. In [20], optimization mechanism, decision variables, and dimension of the solution space have been concurrently considered in selecting optimization technique for supply chain application. This paper extends that study to include the modeling approach: mathematical models and simulation models. Showing in Fig. 2, is the Optimization Techniques Map (OTM). From left to right, the OTM starts with the modeling approach to classify the optimization techniques into mathematical programming and direct search methods. Afterwards, decision variables and solution space are used respectively for further categorization. The OTM can be viewed at the right side as a classification of methods in terms of the optimization mechanism: mathematical programming, gradient-based, meta-model-based, statistical methods, and meta-heuristics.

Kết quả (Việt) 2:

IV. KỸ THUẬT TỐI ƯU MAP - OTM
Chọn không đúng kỹ thuật tối ưu hóa cần thiết
cho các ứng dụng kinh doanh do đó có thể dẫn đến một lựa chọn sai lầm của gói phần mềm tối ưu hóa. Như vậy, doanh nghiệp sẽ phải đối mặt với nhiều quyết định thiên vị cũng như định hướng chiến lược không chính xác mà chủ yếu gây ra thiệt hại tài chính. Sự phù hợp của kỹ thuật tối ưu hóa phụ thuộc vào loại khu vực ứng dụng, bản chất của các biến quyết định và ràng buộc, và các mục tiêu mục tiêu từ quá trình tối ưu hóa. Nhiều đề án phân loại đã được đề xuất trong văn học để phân loại các kỹ thuật tối ưu hóa. Ví dụ, các biến quyết định có thể được sử dụng để phân loại các phương pháp tối ưu hóa các phương pháp tham số đầu vào liên tục và phương pháp tham số đầu vào rời rạc [16]. Phương pháp tham số đầu vào liên tục bao gồm gradient và phi-gradient phương pháp, mặt khác; phương pháp tham số đầu vào riêng biệt bao gồm các phương pháp thống kê, tối ưu hóa thứ tự, và các thuật toán meta-heuristics. Hình dạng của bề mặt phản ứng (tức là toàn cầu so với tối ưu hóa địa phương) có thể được sử dụng cũng để phân loại các kỹ thuật tối ưu hóa các kỹ thuật tối ưu hóa địa phương (ví dụ như không gian rời rạc quyết định và không gian quyết định liên tục) và các kỹ thuật tối ưu hóa toàn cầu (ví dụ như meta-heuristic, thuật toán lấy mẫu, và phương pháp Gradient bề mặt) [17]. Thật không may, những phân loại không xem xét thực tế rằng các hệ thống kinh doanh thực tế có một tính năng quan trọng của nhiều mục tiêu mâu thuẫn nhau. Các kỹ thuật tối ưu hóa cũng có thể được phân loại dựa trên thời gian khi những thông tin ưu đãi của nhà sản xuất quyết định hoặc tối ưu hệ thống được thu thập: tiến bộ, apriori, sau hoặc không phát âm rõ ràng ưu tiên [18]. Một trong những yếu tố chính mà kiểm soát cách các phương pháp được phân loại là công cụ đo lường được sử dụng để đánh giá hiệu năng hệ thống (ví dụ như mô hình mô phỏng và / hoặc các mô hình toán học). Mô hình mô phỏng được chỉ xem xét trong phân loại nói trên mà bỏ bê các cách tiếp cận mô hình khác. Phương pháp mô hình hệ thống và phương pháp tiếp cận khác nhau trong việc xử lý không chắc chắn phải được xem xét để cung cấp một phân loại thống nhất và toàn diện về các phương pháp tối ưu hóa [19].
Một thách thức lớn mà phải đối mặt với các nhà nghiên cứu và các nhà quản lý là việc thiếu một hướng dẫn rõ ràng và phân loại toàn diện mà xem xét các khía cạnh khác nhau của các vấn đề tiềm ẩn. Trong [20], cơ chế tối ưu hóa, biến quyết định, và kích thước của không gian giải pháp đã được đồng thời xem xét trong việc lựa chọn kỹ thuật tối ưu hóa cho các ứng dụng chuỗi cung ứng. Bài viết này kéo dài mà nghiên cứu bao gồm các phương pháp tiếp cận mô hình: mô hình toán học và các mô hình mô phỏng. Hiển thị trong hình. 2, là Bản đồ thuật tối ưu hóa (OTM). Từ trái sang phải, OTM bắt đầu với cách tiếp cận mô hình để phân loại các kỹ thuật tối ưu hóa vào chương trình toán học và phương pháp tìm kiếm trực tiếp. Sau đó, các biến quyết định và không gian giải pháp được sử dụng tương ứng để phân loại hơn nữa. Các OTM có thể được xem ở phía bên phải là một phân loại các phương pháp về cơ chế tối ưu hóa: lập trình toán học,, meta-dựa trên mô hình, phương pháp thống kê dựa trên gradient, và meta-heuristics.