Les ingrédients d’une optimisation, issue d’un processus de modélisation sont représentées par : Paramètres du modèle : constantes associées aux contraintes et à la fonction objective. Identifier d’abord les variables (inconnues) qui seront les variables de décision et les représenter par des symboles.
Les problèmes d'optimisation déterministe considèrent que les données sont connues parfaitement, alors que dans les problèmes d'optimisation stochastique, ce n'est pas le cas ; par exemple une approche stochastique peut être pertinente dans le cas où les variables d'un problème sont les ventes futures d'un produit.
Analyse du problème : Il s'agit tout d'abord d'identifier un problème par ses composantes, ses enjeux, ses limites (c.à.d identification des objectifs et des variables à optimiser). 2.2. La modélisation du problème : C’est une étape importante. L'optimisation repose toujours sur des modèles mathématiques.
La résolution d'un problème d'optimisation mathématique consiste à trouver la meilleure solution à un problème qu'on a su préalablement exprimer sous une forme mathématique particulière qui fait intervenir un ou plusieurs critères. Ce ou ces critères sont exprimés sous la forme d'une fonction mathématique, appelée souvent fonction objectif.