Les mathématiques de l’optimisation dans la récupération, suite

Dans la première partie de cette série sur l’optimisation et la récupération, nous avons examiné deux limites des processus d’optimisation et la lumière qu’ils apportent à la pseudo-récupération. Réfléchissons maintenant davantage aux implications de l’optimisation pour obtenir une récupération complète. Dans la première partie, nous n’avons considéré que les problèmes où il n’y avait qu’un seul objectif, c’est-à-dire juste une chose à minimiser ou à maximiser. Bien sûr, ce n’est pas nécessairement réaliste. Dans cet article, nous nous appuyons sur ces principes plus simples pour explorer la situation d’optimisation la plus réaliste avec plusieurs objectifs.

Souvent, lorsque nous avons plusieurs objectifs, ils sont en conflit: vous ne pouvez pas obtenir tout ce que vous voulez d’une chose sans faire de compromis sur une autre (souvent sur plusieurs autres). Chaque fois que vous essayez d’optimiser pour plus d’un objectif, il existe toujours une famille de solutions. Tout choix que vous faites entraînera un problème d’optimisation pour lequel il existe une solution optimale, et vous ne pouvez pas dire qu’une solution est «meilleure» qu’une autre. Techniquement, ils sont tous optimaux.

Disons que vos deux fonctions de coût sont la mauvaise santé et le poids corporel. (Nous choisissons une mauvaise santé plutôt qu’une bonne santé pour la simplicité, donc nous minimisons les deux «mauvaises» choses. Et nous choisissons le poids corporel parce que la peur de la prise de poids a tendance à être le plus grand point de friction pour la majorité des personnes qui ont du mal à obtenir pleinement mieux que les troubles alimentaires restrictifs.) Cela signifie qu’il existe plusieurs combinaisons différentes de mauvaise santé et de poids corporel qui satisferont l’exigence d’optimalité, car lorsque vous obtenez plus de l’un, vous obtenez généralement moins de l’autre.

A lire aussi  Prédictions orientées psychologiquement pour 2022

Comment choisir parmi la gamme de solutions techniquement optimales que génère votre algorithme d’optimisation de récupération (explicite ou inexplicite)? Certains choix doivent être écartés en incluant des contraintes appropriées et en excluant les points extrêmes sur la courbe. Ne pas faire l’une ou l’autre de ces choses ou les deux peut être considéré comme responsable de la raison pour laquelle de nombreux efforts de récupération se soldent par un échec. Ces types d’erreurs peuvent souvent se produire parce que les versions «classiques» d’un processus d’optimisation, héritées de modèles cliniques ou culturels qui peuvent ou non ressembler étroitement à ce dont vous avez besoin, sont considérées comme suffisantes à l’évidence.

Des algorithmes d’une complexité souvent diabolique sont à l’œuvre dans nos vies tout le temps, que nous le réalisions ou non, et si nous ne le réalisons pas, les paramètres par défaut auront tendance à dominer. Compte tenu de la qualité médiocre du traitement des troubles de l’alimentation et de son adéquation avec les peurs anorexiques les plus courantes, les valeurs par défaut ne vous feront probablement pas autant de bien que vos versions personnalisées: elles sont susceptibles de vous pousser à des erreurs telles que psychologisation infructueuse ou respect de limites d’IMC absurdes (Troscianko et Leon, 2020). Votre définition personnelle de la santé combinée à la physiologie de votre corps, par exemple, signifie que tous les points de la courbe théoriquement optimale ne sont pas également optimaux pour vous. Dans les processus d’optimisation constamment en cours pour dicter nos comportements (qu’il s’agisse de marcher ou de courir à la fenêtre en ce moment, d’augmenter mon apport énergétique de 500 calories à partir de demain), des choix sont faits, avec des priors façonnés par ceux de toute une vie. valeur de l’apprentissage et des décisions prises via des simulations rapides et complexes des résultats prévus. Porter un regard critique sur certains de ces choix souvent quasi-automatiques et injecter un peu plus d’intuition orientée individuellement (ou de bon sens, peu importe comment vous voulez l’appeler), est souvent crucial pour aider une optimisation algorithmique à se traduire réellement en bien.

A lire aussi  4 façons de se remettre des déceptions de la vie

Dans un sens plus directement positif également, l’existence d’une courbe de solutions optimales est une chose utile à garder à l’esprit car elle contrecarre la paralysie qu’il est facile de ressentir lors de la récupération à l’idée qu’il n’y a qu’un seul point final. Ceci est en contraste frappant avec la réalité, qui est que complètement rétabli est par définition flexible, non singulier, habitant confortablement une gamme d’options – dans votre poids corporel et tout le reste.

Vous pouvez trouver notre exploration complète de ces idées, avec des exemples et des illustrations graphiques, ici.