Различие между строго научным, математизированным и «общепринятым», житейским пониманием оптимальности, в общем-то, невелико [192]. Правда, нередко встречающиеся выражения вроде «более оптимальный», строго говоря, некорректны (нельзя достичь эффективности, больше максимальной). Но люди, использующие эти выражения, на самом деле просто нестрого и неудачно выражают правильную мысль: как только дело касается конкретной оптимизации, они достаточно легко исправляют формулировки.

Если не вдаваться в подробности оптимизации в рамках математических моделей, то интуитивно оптимизация сводится, в основном, к сокращению числа альтернатив и проверке модели на устойчивость.

Если специально стремиться к тому, чтобы на начальной стадии было получено как можно больше альтернатив, то для некоторых проблем их количество может достичь большого числа возможных решений. Очевидно, что подробное изучение каждой из них приведет к неприемлемым затратам времени и средств. На этапе неформализованной оптимизации рекомендуется проводить «грубое отсеивание» альтернатив, проверяя их на присутствие некоторых качеств, желательных для любой приемлемой альтернативы. К признакам «хороших» альтернатив относятся надежность, многоцелевая пригодность, адаптивность, другие признаки «практичности». В отсеве могут помочь также обнаружение отрицательных побочных эффектов, недостижение контрольных уровней по некоторым важным показателям (например, слишком высокая стоимость) и пр. Предварительный отсев не рекомендуется проводить слишком жестко; для детального анализа и дальнейшего выбора необходимы хотя бы несколько альтернативных вариантов.

Важным требованием, предъявляемым к моделям, является требование их устойчивости при возможных изменениях внешних и внутренних условий, а также устойчивости по отношению к тем или иным возможным изменениям параметров самой модели проектируемой системы. Проблемам устойчивости математических моделей систем посвящена довольно обширная литература (см., например, [150, 182, 192 и др.]).