Imagine, por exemplo, que a prefeitura de uma cidade decidiu pela despoluição de um rio mediante um tratamento natural com plantas específicas para esse fim, e pretende usar um modelo de otimização para determinar a melhor e mais barata composição de plantas, a qual deva resultar em um determinado padrão de qualidade da água. Seria muito importante para os usuários, questionar se o modelo está levando em conta o impacto que as plantas terão no ambiente, como vão afetar as demais espécies de plantas nativas, os peixes e outros animais e potenciais usos do rio para o lazer, como pescaria e outras diversões. A menos que essas considerações sejam explicitamente incorporadas no modelo, seu valor poderá ser severamente questionado.

A linearidade é um outro problema que pode afetar seriamente a validade de um modelo de otimização. Como os problemas de otimização típicos podem ser muito complexos, envolvendo centenas ou milhares de variáveis e restrições, sua solução matemática pode ser extremamente difícil. Para abordar esses problemas, os modeladores costumam simplificar muitos relacionamentos tornando-os lineares. De fato, a técnica mais comum de otimização é a programação linear, mas isso requer que as restrições e o objetivo sejam lineares.