çok amaçlı (non-linear) optimizasyonları modellemekte çok fazla zorlanıyor.
Model geliştirirken aşama aşama ilerlemek ve hatta örneklemek gerekiyor. Bunu anlama zorluğuna (terminolojik farklılık vs.) yorsak bile belli bir noktada kısıtları unuttuğu yahut lineer hesaplamaya döndüğü oluyor.
Bu tür sapmalara anlam vermek çok zor. Çünkü modelin nihai halini sebep sonuç ilişkisiyle çok iyi ifade ediyor. Dahası, sözel açıklamada ıskalanan bir şey olma ihtimalini göz önüne alarak modelin matematiksel halini isteyince yine matematiksel olarak gayet uyumlu bir formülasyon çıkarıyor.
Ancak denemelerin bir noktasında saçmalamaya başlıyor. o formülasyondaki kısıt ve amaç fonksiyonuyla ortaya çıkması mümkün olmayan sapmalar oluşuyor.
Problem çözümsüz olsa yahut feasible area vermese yahut optimizasyon çok sonuçlu olsa saçmalamasına anlam vermek mümkün olabilir ama çok net sonucu olan optimizasyonlarda garip sonuçlar veriyor.
Tam bu anlarda modeli tekrar açıklamasını istediğinizde saçma bir noktaya gittiğini ya da tamamen lineer bir hale döndüğünü anlıyorsunuz.
Sanırım anlık hesaplama kapasitesini zorlayan herhangi bir durumda modeli habersiz güncelliyor.
Bu da çok ciddi güvensizlik yaratıyor.
Tutarsızlığı vurguladığınızda ve sebebini sorduğunuzda açıklama yok, özür dileyip modeli başa almaya çalışıyor. Hatta bazen tamamen karmaşa haline getiriyor. Bu sefer ya bütün hatalarını tek tek düzeltmek yahut her şeyi en baştan anlatmak gerekiyor.
Bu tür sapmalara karşı modellere net isimler verip belleğine kaydettirmiş olsam bile oradan veri çekemeyip karmaşa haline getirdiği yeri nihai durum kabul ediyor.
Konu matematiksel formülasyon olunca hatayı fark etmek zor da olsa mümkün oluyor ama mesela böyle bir modellemeyi herhangi bir dilde kodlamasını istemiş olsanız fark etmesi çok daha zor olacak.
O yüzden Henüz buna güvenerek reelde bir iş yapmış değilim. Ne durumda ne şekilde karar alabileceğini kestirmek oldukça zor.
