ในการสร้างแบบจำลองทางคณิตศาสตร์ค่าคาดเดามักจะเรียกว่าค่าเริ่มต้นหรือค่าเริ่มต้นซึ่งจำเป็นสำหรับปัญหาการหาค่าเหมาะสม ที่สุดส่วนใหญ่ที่ใช้ อัลกอริธึมการค้นหาเนื่องจากอัลกอริธึมเหล่านั้นส่วนใหญ่เป็นแบบกำหนดและแบบวนซ้ำและจำเป็นต้องเริ่มต้นจากที่ใดที่หนึ่ง แอปพลิเคชันประเภทหนึ่งที่พบได้ทั่วไปคือ การถดถอยแบบไม่เชิงเส้น^{[ 1 ]}

คุณภาพของค่าเริ่มต้นมีผลกระทบอย่างมากต่อความสำเร็จหรือความล้มเหลวของอัลกอริทึมการค้นหา เนื่องจากฟังก์ชันความเหมาะสมหรือฟังก์ชันเป้าหมาย (ในหลายกรณีคือผลรวมของกำลังสองของข้อผิดพลาด ( SSE )) อาจมีรูปร่างที่ซับซ้อน ในบางส่วนของบริเวณการค้นหา ฟังก์ชันอาจเพิ่มขึ้นแบบเลขชี้กำลัง ในบางส่วนเพิ่มขึ้นแบบกำลังสอง และอาจมีบริเวณที่ฟังก์ชันลู่เข้าสู่ ที่ราบ ค่าเริ่มต้นที่อยู่ในบริเวณเลขชี้กำลังอาจนำไปสู่ความล้ม เหลวของอัลกอริทึมเนื่องจากค่าเกินขีดจำกัดทางคณิตศาสตร์ ค่าเริ่มต้นที่ อยู่ในบริเวณที่ราบลู่เข้าสู่ที่ราบอาจนำไปสู่ความล้มเหลวของอัลกอริทึมเนื่องจาก " การแกว่งไปมา " อัลกอริทึมการค้นหาแบบกำหนดอาจใช้ฟังก์ชันความชันเพื่อไปยังค่าต่ำสุด หากความชันมีขนาดเล็กมาก ข้อผิดพลาดจากค่าต่ำกว่าขีดจำกัดอาจทำให้อัลกอริทึมแกว่งไปมาอย่างไม่มีจุดหมาย ซึ่งก็คือการแกว่งไปมานั่นเอง

สามารถกำหนดค่าประมาณได้หลายวิธี การเดาเป็นหนึ่งในนั้น หากคุ้นเคยกับประเภทของปัญหาแล้ว การเดานี้ก็ถือเป็นการเดาอย่างมีเหตุผลหรือการประมาณค่าโดยประมาณเทคนิคอื่นๆ ได้แก่ การทำให้ เป็นเชิง เส้น การแก้ สมการ พร้อมกันการลดมิติการจัดการปัญหาเป็นอนุกรมเวลาการแปลงปัญหาเป็นสม การเชิง อนุพันธ์เชิงเส้น (หวังว่าจะเป็นเช่นนั้น) และการใช้ ค่า เฉลี่ยนอกจากนี้ วิธีการอื่นๆ ในการกำหนดค่าเริ่มต้นและค่าที่เหมาะสมที่สุดนั้นมาจาก วิธี การเชิงสุ่มซึ่งวิธีที่รู้จักกันมากที่สุดคืออัลกอริธึม เชิงวิวัฒนาการ โดยเฉพาะอย่างยิ่ง อั ลก อริธึมทางพันธุกรรม