Vi är omgivna av optimeringsproblem hela tiden men få av dem löses. Man måste se att det är ett optimeringsproblem, formulera det på ett matematiskt lösbart sätt och finna en lämplig lösningsmetod. Det kan handla om snöröjning, produktionsplanering, personalplanering, eller placering av obemannade flygande farkoster.
För att kunna formulera en lösbar men relevant modell krävs erfarenhet, och för att kunna utveckla en effektiv lösningsmetod krävs ett både djupt och brett kunnande inom olika fält inom optimering. Ofta krävs nyutveckling av metoder och programvara för att lösa modellerna. Dessutom krävs en gedigen kännedom om det ursprungliga problemet, och därför bygger vårt arbete på en hög grad av samarbete.
Forskning i samverkan med samhälle och industri
Vår forskning baseras på verkliga problem inom vitt skilda områden och sker oftast i samverkan med uppdragsgivare och andra samarbetspartners inom kommuner, landsting, myndigheter och företag. Vår huvudsakliga kompetens ligger i att formulera och lösa verkliga optimeringsproblem som inte har lösts tidigare. Utmaningarna finns i samhälle och industri, och det är där vi kan göra störst nytta med vår forskning. Vi arbetar därför för en ökad användning av optimering, vilket kommer att medföra bättre beslutsunderlag, bättre beslut och en ökad nytta för alla.
Alla våra projekt börjar med personliga möten där vi försöker bena ut vad problemet egentligen handlar om. Vi ställer gärna upp med diskussioner med alla som kan tänkas ha ett optimeringsproblem i sin verksamhet, och vill lösa det.
Tillämpningar inom optimering
Optimering kan användas inom vitt skilda områden. Det vi forskar om just nu är (stort som smått):
- Optimal digital kartmatchning.
- Optimal formering av studentgrupper.
- Optimal snöröjning.
- Optimal placering av obemannade flygande farkoster som kommunikationsreläer.
- Optimal planering av militära attackmönster.
- Optimal planering av kollektivtrafik med elfordon.
- Optimal schemaläggning av aktiviteter i elektroniksystem i flygplan.
Tidigare forskning har även handlat om design av kullager, stråldosering vid cancerbehandling, design och styrning av IP-nät, planering av skogsavverkning samt optimerade dagbrott, med mera.
Om optimering
Gemensamt för alla optimeringsproblem är att vi börjar med att formulera problemet, genom att tillsammans med samarbetspartners ta reda på vad man vill optimera och vilka begränsningar som finns. Sedan konstruerar vi en matematisk modell, samlar in data, väljer en lämplig optimeringsmetod, löser problemet och utvärderar sedan resultatet och modellen.
När vi gör den matematiska modellen är målet att få med allt som påverkar vilken lösning som är optimal och undvika det som är irrelevant. Modellen ska vara korrekt och göra det vi vill att den ska göra. Modellen ska också vara lösbar på rimlig/tillgänglig tid. Data ska kunna tas fram. De förenklingar vi kan tvingas göra ska vara medvetna och genomtänkta. Vi ska också undvika onödiga komplikationer i modellen.
När det gäller val av optimeringsmetod så är målet att lösa problemet så effektivt som möjligt. Detta är viktigt eftersom verkliga problem är stora, så en dålig metod kan ta mycket lång tid. Optimeringsmodellerna har på senare tid även riktats in mer mot hållbar utveckling och hänsyn till miljön.
