La mayoría de modelos de simulación tienen variables que puede controlar, como cuánto cargar para el alquiler o cuánto invertir. En Crystal Ball, estas variables controladas se denominan variables de decisión. Encontrar los valores óptimos para variables de decisión puede significar la diferencia entre alcanzar un objetivo importante y perderlo.
Para obtener los valores óptimos, normalmente es necesario que busque de una forma iterativa o ad hoc. Un método más riguroso sistemáticamente enumera todas las alternativas posibles. Este proceso puede resultar muy tedioso y tardar bastante incluso para modelos pequeños, y a menudo no queda claro cómo ajustar los valores de una simulación a la siguiente.
OptQuest supera las limitaciones de los métodos ad hoc y enumerativo buscando de forma inteligente soluciones óptimas para los modelos de simulación. Describa un problema de optimización en OptQuest y, a continuación, deje que busque los valores de las variables de decisión que maximizan o minimizan un objetivo predefinido. En casi todos los casos, OptQuest encontrará eficaz una solución óptima o casi óptima entre grandes conjuntos de posibles alternativas, incluso cuando explore sólo una pequeña fracción de ellos.
La forma más sencilla de comprender qué hace OptQuest es aplicarlo a un ejemplo sencillo. En Guía de aprendizaje 1: modelo de Futura Apartments se muestra la operación básica de OptQuest.