procedure wordt na een eindig aantal iteraties de beste
oplossing bereikt, mits weer het totaal aantal alternatieven
eindig is. Een dergelijke optimaliseringsprocedure of
-algoritme is alleen mogelijk als exacte verbeteringsvoor-
waarden gevonden kunnen worden, en de snelheid van
dat algoritme is afhankelijk van de selectiviteit van die
voorwaarden.
Dikwijls is het niet mogelijk voorwaarden op te stellen,
die een stelselmatige verbetering garanderen. Er wordt
dan getracht zgn. heuristische criteria te vinden, die
het zoeken naar een betere oplossing in een goede richting
sturen; dat „verstandig zoeken" wordt aangeduid als
heuristiek. In dit geval wordt niet bij elke iteratie verbe
tering bereikt, en is er geen garantie meer, dat de optimale
oplossing uiteindelijk gevonden wordt.
Bij ontbreken van een bruikbaar verbeteringscriterium
kan de oplossingsruimte worden onderzocht door middel
van „steekproeven": de zgn. monte carlo-methode.
Hierbij is het vinden van een „zeer goede" oplossing een
kwestie van „toeval"; de beoordeling van een oplossing
geschiedt evenals bij de methode van enumeratie door
vergelijking van de bijbehorende waarden van de doelstel
lingsfunctie. Ook wordt wel geprobeerd voor nadere
vergelijking een grenswaarde voor het optimum te bepalen
door middel van een grove approximatie.
In de vorige gevallen wordt steeds verondersteld, dat het
mogelijk is oplossingen te construeren, die aan de neven
voorwaarden voldoen. Ontbreekt ook deze mogelijkheid,
dan gaat men over tot nabootsing van de probleem
situatie door middel van simulatie met behulp van een
computer.
Onzekerheid en dynamiek in de keuze uit alternatieven
Naast de indeling naar modellen en problemen kan het
gebied van de Operationele Analyse worden onderscheiden
naar twee andere fundamentele aspecten: de mate van
onzekerheid van de gegevens enerzijds, en de mogelijke
invloed van het tijdsverloop als element van de probleem
stelling anderzijds. In vele O.R.-problemen is de tijd
een natuurlijke factor als drager van het verloop van het
42
