Dalam beberapa dekade, ilmuan telah mengembangkan solusi matematika yang cukup efektif. Agar dapat mengalokasikan sumber daya di berbagai industri dan skenario. Sehingga mereka dapat mencoba untuk memenuhi tuntutan sehari-hari yang ditimpakan oleh kehidupan kita pada mereka. Tetapi ketika alokasi yang dibuat pada satu waktu mempengaruhi alokasi berikutnya, masalahnya menjadi dinamis. Dan berlalunya waktu harus dipertimbangkan sebagai bagian dari persamaan. Ini melempar kunci matematika dalam pengerjaan, membutuhkan solusi ini untuk sekarang memperhitungkan sifat dunia nyata yang berubah dan tidak pasti.

Masalah seperti itu secara kolektif dikenal sebagai masalah alokasi sumber daya dinamis. Mereka muncul di mana pun Anda menemukan sumber daya terbatas yang perlu ditetapkan secara real time. (Baca tentang bagaimana serangan kekerasan mengubah seseorang menjadi jenius matematika.)

Apakah Anda sedang menunggu taksi atau pengiriman keesokan harinya. Daftar masalah alokasi sumber daya dinamis dan penerapannya sehari-hari “hampir tak ada habisnya”. Disampaikan oleh Warren Powell, peneliti Universitas Princeton  sejak 1980-an .

Tetapi masalah alokasi sumber daya dinamis tidak hanya berkaitan dengan memberi manusia apa yang mereka inginkan, pada saat mereka menginginkannya. Mereka juga akan sangat penting untuk menangani beberapa masalah dunia yang paling mendasar dan kompleks termasuk perubahan iklim. Karena mereka membantu kita mengalokasikan sumber daya planet kita yang sering kali langka dan habis dengan cara yang seefisien mungkin.

Ilustrasi

Namun, pertama mari kita lihat contoh yang disederhanakan. Agar kita memahami masalah alokasi sumber daya dinamis dan apa yang membuatnya begitu sulit untuk dipecahkan.

Bayangkan Anda sedang memasak makan malam panggang untuk keluarga berempat Anda. Anda memilih daging sapi dengan segala fasilitasnya, aman karena mengetahui bahwa itu adalah favorit keluarga. Namun saat Anda akan menyajikannya, putri Anda mengumumkan bahwa dia vegetarian. Selain itu, pasangan Anda mengirim pesan untuk mengatakan bahwa mereka akan terlambat. Putra Anda memberi tahu Anda bahwa dia juga mengundang “beberapa” teman untuk makan malam. Kemudian, anjing Anda kabur dengan membawa daging sapi. Sementara Anda mati-matian mencoba mencari tahu bagaimana Anda akan memenuhi kebutuhan semua individu yang sangat menuntut dan sulit diatur ini.

Ini adalah contohdari masalah alokasi sumber daya dinamis. Namun, ini menunjukkan beberapa tantangan inti yang dihadapi para peneliti saat menangani masalah ini. Tidak mungkin Anda dapat memperkirakan secara akurat semua kebutuhan. Diet baru putri Anda, keterlambatan pasangan Anda, atau tamu tambahan putra Anda saat Anda menyiapkan makanan ini.

Dalam jangka panjang, permintaan makan di rumah Anda juga berubah dari hari ke hari. Anda mungkin perlu memberi makan dua atau 20 orang setiap kali duduk. Dari makan hingga makan, Anda tidak tahu siapa yang ingin memberi makan, apa yang mereka inginkan atau kapan mereka menginginkannya. Anda dapat mengambil tebakan berdasarkan pengalaman sebelumnya. Namun, ini bukan metode yang kuat karena sifat manusia dan banyak parameter lain yang memengaruhi permintaan tidak dapat diprediksi.

“Semua contoh [alokasi sumber daya dinamis] perlu menangani input dan lingkungan yang berubah, yang sangat dinamis dan sulit diperkirakan serta diprediksi, karena beban di masa mendatang tidak bergantung secara statistik pada beban saat ini,” kata Eiko Yoneki. “Satu perubahan memicu perubahan lain, dan jika Anda ingin mengontrol sistem dengan keputusan yang akurat. Seseorang harus mempertimbangkan status masa depan sistem.”

Alokasi Sumber Daya Dinamis

Inilah yang mungkin dihadapi rumah sakit besar, misalnya, ketika mencoba memberi makan semua pasien yang masuk. Hal yang sama berlaku saat mencoba merawat pasien ini. Obat-obatan yang mereka butuhkan, yang dengan sendirinya memiliki masa simpan yang terbatas. Sementara peralatan yang diperlukan untuk diagnosis dan pengobatan akan terus berubah seiring kedatangan pasien yang berbeda. Sumber daya yang terbatas seperti pemindai MRI, dokter, dan perawat juga perlu dialokasikan. Untuk mengatasi hal ini, dan mencegah biaya melonjak di luar kendali. Manajemen rumah sakit mungkin menggunakan model matematika untuk membantu mengoordinasikan semua hal ini.

Masalahnya adalah sebagian besar metode yang ada mengandalkan data historis untuk membuat prediksi. Metode ini tidak dapat diskalakan dengan baik untuk sistem semacam itu dan tidak dapat mengatasi perubahan sekecil apa pun. Jika perubahan benar-benar terjadi, mereka kembali ke titik awal dan mulai mencari solusi dari awal lagi. Masalah tersebut dengan cepat menjadi sulitdipecahkan secara komputasi. Bahkan untuk sejumlah kecil orang dan sumber daya – baik itu makanan atau pemindai MRI.

Masalah alokasi sumber daya dinamis juga muncul dari berbagai skenario yang berbeda dan masing-masing memiliki masalah spesifiknya sendiri. Misalnya, Yoneki sedang menyelidiki implikasi dari masalah ini untuk membantu sistem dan aplikasi komputer untuk lebih cepat dan lebih efisien.

Jadi, komputer tempat Anda membaca artikel ini hampir pasti bergulat dengan beberapa masalah alokasi sumber daya dinamis saat ini. Jaringan telepon seluler dan komputasi awan juga bergantung pada pemecahan masalah ini.

Rantai pasokan adalah “masalah lain yang tidak akan pernah hilang”, kata Powell, karena sifat kompleks produk saat ini. Misalnya, jika Anda ingin membuat ponsel cerdas standar. Anda perlu mengoordinasikan ratusan komponen dari seluruh dunia, yang semuanya disatukan dalam urutan tertentu di lantai pabrik. “Gangguan rantai pasokan adalah masalah utama saat mencoba memenuhi kebutuhan masyarakat,” tambahnya.

Keragaman Masalah Alokasi Sumber Daya Dinamis

Sebenarnya, Anda akan berjuang untuk menemukan industri yang tidak menghadapi tantangan. Tangtangan dalam mengelola masalah alokasi sumber daya dinamis dalam satu atau lain bentuk. “Harga listrik, hasil suku cadang dalam rantai pasokan, waktu tempuh, kegagalan peralatan. Dan perilaku orang adalah masalah yang harus saya tangani,” kata Powell. .”

Ini adalah poin penting. Keragaman masalah alokasi sumber daya dinamis berarti perlu ada standarisasi. Standarisasi seluruh industri dari berbagai teknik komputasi dan metode yang digunakan untuk mengatasinya. Powell adalah salah satu dari mereka yang mencoba menyatukan komunitas yang berbeda yang bekerja pada masalah alokasi sumber daya dinamis. “Pendekatan kami tidak menggantikan pekerjaan sebelumnya,” katanya. “Sebaliknya, ini menyatukan semua pekerjaan ini dan membantu mengidentifikasi peluang untuk fertilisasi silang.”

Kemajuan dalam pembelajaran mesin menawarkan harapan baru untuk mengatasi masalah alokasi sumber daya dinamis.

Efektivitas dalam Alokasi Sumber Daya

Sangat efektif selama beberapa dekade terakhir untuk mengatasi masalah alokasi sumber daya yang dinamis, membantu maskapai penerbangan dunia, perusahaan logistik. Serta jaringan jalan raya meningkatkan kinerja mereka dalam berbagai cara. Namun, “dimensi tinggi” – di mana banyak parameter berbeda perlu diperhitungkan – dan ketidakpastian “tetap menjadi tantangan”, menurut Powell.

Kemajuan dalam pembelajaran mesin menawarkan harapan baru untuk mengatasi masalah alokasi sumber daya dinamis. Teknik kecerdasan buatan yang disebut pembelajaran penguatan mendalam memungkinkan algoritme untuk mempelajari apa yang harus dilakukan dengan berinteraksi dengan lingkungan. Algoritme ini dirancang untuk belajar tanpa campur tangan manusia. Dengan diberi penghargaan karena melakukan dengan benar dan dihukum karena melakukan yang salah. Dengan mencoba memaksimalkan penghargaan dan meminimalkan penalti, itu dapat dengan cepat mencapai keadaan optimal.

Sebuah tim peneliti di startup kecerdasan buatan bernama Prowler.io, yang berbasis di Cambridge di Inggris. Menggunakan pendekatan pembelajaran mesinnya sendiri untuk mengatasi masalah alokasi sumber daya dinamis. Algoritmanya memberikan insentif untuk memicu perilaku tertentu dalam sistem. Dalam konteks dunia nyata, ini bisa setara dengan memperkenalkan tol pintar. Bertugas untuk memberi insentif kepada pengemudi untuk menggunakan jalan tertentu dan meminimalkan kemacetan lalu lintas dan polusi.

Karena populasi kita terus bertambah dan rasa lapar kita akan layanan sesuai permintaan meningkat, kerumitan masalah alokasi sumber daya dinamis hanya akan meningkat.

Banyak Pekerjaan yang Masih Perlu Dilakukan

Namun masih banyak pekerjaan yang harus dilakukan di bidang pembelajaran mesin, kata Yoneki.

“Penggunaan pembelajaran penguatan akan memajukan masalah alokasi sumber daya dinamis. Tetapi membutuhkan banyak data untuk membangun model pembelajaran penguatan. Serta masih dalam tahap percobaan. Terutama sistem komputer di mana parameter yang lebih kompleks harus ditangani daripada yang sederhana kasus permainan.” katanya. “Penelitian tentang topik ini berkembang pesat.”

Kami masih agak jauh memecahkan rangkaian masalah unik ini. Karena teknik dan sumber daya komputasi sekarang dengan cepat kehabisan tenaga. Saat kami mencoba mengatasi kompleksitas dan sifat acak dari dunia nyata. Tetapi seiring dengan pertumbuhan populasi kita dan rasa lapar kita akan layanan sesuai permintaan meningkat. Kerumitan masalah alokasi sumber daya dinamis dan dampaknya pada kehidupan kita sehari-hari hanya akan meningkat.

Dan jika kita tidak mulai menangani masalah alokasi sumber daya dinamis sekarang. Kita tidak akan hanya berjuang untuk mendapatkan makan malam di atas meja – seluruh dunia dapat terhenti