什么是运筹学？方法与现实应用

1. 什么是运筹学？

运筹学（OR）与管理科学密切相关，是一门运用先进分析方法来帮助做出更优决策的学科。简单地说，它是一门关于如何使用有限资源的科学，比如资金、时间、人员、车辆或机器，以最能实现目标的方式加以使用。

运筹学与管理科学学会（INFORMS）是该领域最大的专业学会，它将运筹学描述为运用「先进分析方法来帮助做出更优决策」的学科。这一定义有意保持宽泛，因为运筹学与其说是某一种技术，不如说是一种思维方式。它把杂乱的现实情形转化为一个精确的数学模型，其中包含三个要素：

• 决策变量：你所控制的选择，例如派出多少辆卡车，或以每种价格出售多少个座位。
• 目标函数：你希望最大化或最小化的那个单一量，例如利润、成本、延误或风险。
• 约束条件：你不能违反的规则与上限，例如仓库容量、法定驾驶时长上限或预算。

一旦问题用这种语言写出，运筹学便用算法在天文数字般巨大的可行决策空间中搜索，找到一个可被证明为最优、或至少非常接近最优的方案。由于它处在数学、统计学、计算机科学、经济学与工程学的交叉点，运筹学常被称为「更优的科学」。

运筹学不仅预测将会发生什么，它还给出你应当采取的行动。从预测走向决策，正是这门学科的独特之处。

2. 简史：从雷达到单纯形法

运筹学是在第二次世界大战中因需要而诞生的。1937年，英国科学家开始研究如何把新发明的雷达整合进防空作战。随着战争升级，英国组建了由物理学家、数学家和生物学家组成的跨学科团队，直接研究军事「作战」，这门学科由此得名。

一个著名的团队由物理学家帕特里克·布莱克特领导，被戏称为「布莱克特的马戏团」，他们用数据分析提升了高射炮火力与反潜作战的效果。通过对护航船队规模、深水炸弹设定和搜索模式进行统计分析而非凭直觉判断，这些团队给出的建议切实地挽救了生命与船只。这个教训极具分量：严谨的定量分析能够改善那些没有任何单个专家能够完全把握的复杂作战。

战后，这些思想进入了工业界与政府。关键的数学突破出现在1947年，美国数学家乔治·丹齐格提出了求解线性规划问题的单纯形法。组织首次拥有了一种通用而高效的算法，能在数百项相互竞争的活动之间最优地分配资源。线性规划很快成为这一领域的主力工具。

随后的几十年见证了方法与机构的爆发式增长。兰德公司通过理查德·贝尔曼推进了动态规划，排队论为电话网络而成熟，专业学会纷纷成立以传播实践。在美国，美国运筹学会与管理科学研究所最终于1995年合并，组成了INFORMS。今天，运筹学已是一个全球性的学术与专业领域，拥有期刊、大学院系，以及遍布各大行业的数以千计的从业者。

3. 运筹学如何运作：建模循环

无论行业如何，一个运筹学项目往往遵循同样严谨的循环。经典教材，如希利尔与利伯曼的《运筹学导论》，将其描述为把模糊的经营困扰转化为可辩护决策的一系列阶段。

1. 定义问题。与相关方一起厘清真正的目标、可控的决策以及约束条件。这一步看似简单实则很难：精确地解错问题，比近似地解对问题更糟。
2. 建立模型。把情形转化为数学，选定决策变量、目标函数与约束条件。其艺术在于既抓住关键，又让模型可解。
3. 收集数据并估计参数。为模型提供关于成本、需求、容量与概率的现实数字，这往往是任何项目中最耗时的部分。
4. 求解模型。运用算法或求解器，找出最优或近似最优的决策。
5. 验证与检验。把解与现实和历史相对照，并进行灵敏度分析，看看假设变化时答案会如何改变。
6. 实施与监控。把决策付诸实践，随后跟踪结果，并随着条件变化不断改进模型。

这一循环很少是一条直线。后续阶段得到的洞见会把分析人员送回去重新定义问题或重建模型，这正是为什么运筹学被描述为一种迭代实践，而非一次性的计算。

4. 运筹学的核心技术

运筹学是一个庞大的工具箱，为某个问题选对工具本身就是一门技艺。以下方法构成了该领域的骨干，出现在温斯顿的《运筹学：应用与算法》和塔哈的《运筹学导论》等标准参考著作中。

线性规划与整数规划

线性规划（LP）在线性约束下优化一个线性目标，是运筹学中使用最广泛的技术。当部分或全部决策必须为整数时，例如你无法派出2.7辆卡车，模型就变成整数规划（IP）或混合整数规划。这类问题要难得多，但现代求解器能处理拥有数百万个变量的模型。经典的配餐问题，即选择满足营养要求的最便宜食物组合，就是线性规划的教科书式例子。

网络与组合优化

许多运筹学问题存在于网络之上：最短路径、最小生成树、最大流、匹配与路径规划。这些问题直接借助图论，并且包含该领域最著名的一些挑战，例如旅行商问题和车辆路径问题。

随机方法与排队论

真实运营充满不确定性与等待。排队论对排队与拥堵建模，从呼叫中心到医院急诊室，并预测等待时间与人力需求。马尔可夫链与随机规划处理那些在随机性下随时间展开的决策，例如面对不确定需求的库存控制。

仿真

当一个系统复杂到无法用简洁方程描述时，分析人员会构建仿真：一个模仿该系统的计算机模型，运行成千上万次以观察其行为。蒙特卡洛仿真与离散事件仿真对于机场、工厂以及那些随机性与相互作用使精确分析失效的供应链而言不可或缺。

动态规划与元启发式

动态规划把一个序贯决策分解成一连串更小的子问题，这一思想也支撑着许多图算法。当精确方法对于庞大的组合问题过于缓慢时，元启发式，如遗传算法、模拟退火与禁忌搜索，能在合理时间内找到高质量的解，即使没有最优性的保证。

5. 现实应用

运筹学并非抽象的练习。它在大多数人每天使用的系统内部悄然运转。以下是运筹学带来可衡量价值的一些最重要领域。

物流与供应链

这是应用运筹学的核心地带。企业用优化来决定在哪里建仓库、持有多少库存，以及每天如何调度成千上万辆车辆。配送与物流巨头依靠路径引擎来求解车辆路径问题的各种变体，在庞大的车队上削减里程与燃料。哪怕是微小的改进，也会转化为数亿美元的节省和大幅的排放下降。

航空与交通

航空公司是很早且热情的采用者。运筹学决定航班时刻表，把飞机分配到航线（机队分配），编排合法而高效的机组排班（机组调度），并通过收益管理为座位定价，即动态调整票价以有盈利地填满航班的做法。铁路、港口与公共交通机构使用类似模型来安排列车、分配泊位并制定时刻表。

医疗

医院用运筹学来安排手术室、编排护理班次、部署救护车以实现快速响应，并管理急诊科的患者流。排队与仿真模型有助于缩短等待时间、更好地利用稀缺的床位与设备，而优化则支持器官分配与疫苗分发的规划。

能源与公用事业

电网运营商每隔几分钟就求解庞大的优化问题，以决定运行哪些发电机组、如何以最低成本调度电力并保持电网稳定，这一过程被称为机组组合与经济调度。运筹学也指导输电网络的规划，以及产出不确定的可再生能源的并网。

制造与金融

在工厂里，运筹学安排生产、为机器上的作业排序，并平衡装配线以提高产出。在金融中，优化构建在收益与风险之间权衡的投资组合，其渊源可追溯到马科维茨的投资组合理论，并支持定价、对冲与资本配置。

电信与公共部门

电信企业用网络优化来设计网络拓扑、路由流量并选址基站。政府与非政府组织把运筹学应用于选区划分、灾害响应、垃圾收集，以及消防站等公共设施的选址，力求用有限的预算服务最多的人。

一条有用的经验法则：只要一个组织在规则与不确定性下反复分配有限资源，运筹学通常都能改善其结果。

有据可查的成功案例

运筹学之所以引人注目，靠的不是数学的优雅，而是收益的规模。这一领域有着一长串有据可查的成功，其中许多发表在INFORMS的期刊Interfaces（今为INFORMS Journal on Applied Analytics）上，其旗舰奖项弗朗茨·埃德尔曼奖表彰那些具有可衡量、大规模影响的项目。

美国航空在20世纪80年代开创了航空收益管理，公司将其收益管理系统在三年内带来的约十亿美元额外收入归功于此，如今每家大型航空公司都在效仿这一做法。快递承运商也报告了类似数字：为司机决定停靠顺序的路径优化系统，据称每年节省了数以千万计的行驶里程和数百万加仑的燃料，同时削减了成本与碳排放。

这一模式在各行各业不断重演。制造商用排产优化从同样的机器中榨取更多产出，零售商用降价优化以最佳价格清理库存，公共机构则用分区与选址模型在紧张的预算下更公平地提供服务。几乎在每一个案例中，故事都是一样的：一个曾凭直觉或电子表格做出的决策被交给了模型，而那种对顾客不可见的改善，在总量上却极其巨大。

6. 与图论的联系

如果你读过本站的其他文章，运筹学的很多内容都会让你觉得熟悉，因为其中很大一部分建立在图论之上。由节点与边构成的网络，是路径规划、物流、调度与流问题的天然语言。

• 像Dijkstra这样的最短路径算法驱动着导航与网络路由，是运筹学的直接应用。参见我们关于最短路径算法的指南。
• 最小生成树以最低成本连接网络，用于电信与公用事业网络的设计。阅读关于最小生成树的文章。
• 最大流与最小割为管道、交通与分配问题中的容量建模。探索最大流最小割定理。
• 图着色解决需要避免冲突的调度与频率分配问题。参见图着色问题。

这种联系十分深厚，因为两个领域怀着同样的关切：在离散结构上做出最优选择。学习图算法是培养运筹学功底最实用的途径之一，而掌握运筹学则赋予图论在现实世界中最有说服力的用途。

7. 工具、职业与运筹学的未来

现代运筹学从业者很少再手工求解模型。他们依靠强大的商业与开源求解器，如Gurobi、IBM CPLEX，以及开源的COIN-OR与Google OR-Tools项目，并通过AMPL、GAMS、Pyomo或JuMP等建模语言来驱动。借助这些工具，分析人员只需几行就能表达一个模型，并求解那些在一代人以前根本不可能求解的实例。

该领域也正与数据科学和人工智能融合。这种结合常被以「分析学」的名义推广，INFORMS将其分为三个层次：描述性分析（发生了什么）、预测性分析（将会发生什么）与规范性分析（该怎么办）。运筹学正是最后这一规范性层次的引擎。一种常见的现代范式是：用机器学习预测需求或价格，再把这些预测输入优化模型，由它来决定最优行动。

运筹学的职业以多种头衔出现：运筹学分析师、优化工程师、数据科学家、供应链分析师、收益管理分析师以及管理顾问。这类工作一直被评为最有成就感的技术职业之一，正是因为它把深厚的数学与可见的现实影响结合在一起。随着数据增长与算力扩张，运筹学的触角正延伸到气候规划、网约车、云计算等更多领域。

然而，其核心承诺自布莱克特的团队在20世纪40年代研究护航船队以来从未改变。面对一个艰难的决策、有限的资源和一个明确的目标，运筹学提供了一条通往更优答案的严谨路径。正因如此，在诞生八十多年后，它依然是现代世界中最具低调影响力的学科之一。