3991万6800种。古希腊英雄奥德修斯结束特洛伊战争后,在返乡途中于地中海漂流十年。他归乡途中停留的地方共11处。如果奥德修斯顺从必须经过全部11处的命运,但可自行决定路线,那么回家的路径会有多少种?11的阶乘(11!),多达3991万6800种。此外,假设奥德修斯测量一条路径的距离需要10秒,那么比较所有情形需要12年8个月。
奥德修斯的苦恼即“旅行商问题”
奥德修斯面临的难题在数学界被称为旅行商问题。该问题是求一名推销员各访问多个城市一次时的最短移动路径。访问城市较少时并不困难。若中途站为3个,全部组合仅为6种。然而如奥德修斯的例子所示,中途站越多,情形数就呈几何级数增加,达到人脑或计算器无法承受的水平。
为大幅缩短求得最优解所需的时间与成本而设计的概念就是数学最优化。核心在于建立数学式,快速得出最佳变量组合。数学最优化源于在现实各种约束条件下,以有限资源取得最大成果的思考。研究者们共同探索在遵守既定约束条件的同时大幅缩短最优解计算时间的方法。
像旅行商问题那样需要快速计算最优路径的导航,是日常生活中最容易接触到的数学最优化案例。此外,物流仓库的货量分配、工厂生产设备运行日程编排、零售门店商品陈列方式、企业人力配置等多个领域都使用数学最优化。
为现实问题寻找答案才是数学最优化的本质
首尔大学产业工程系教授李庆植表示:“数学最优化并不只停留在论文中”,“定义现实问题并找出答案才是数学最优化的本质。”
数学最优化的基本构成要素有四项:△决策变量 △外部因素 △目标函数 △约束条件。决策变量指决策者可以控制和选择的要素。相反,外部因素指决策者无法随意控制的状况。企业制定生产计划时,生产品目和产量是决策变量,汇率和原材料价格则是外部因素。
目标函数是决策过程中要达成的最终目标。企业引入数学最优化的终极用途——成本最小化、利润最大化即属于此。约束条件是决策过程中必须遵守的现实条件。法律、公司内部规范、与客户企业的交易条件等都可视为约束条件。李教授解释称:“把问题定义清楚,就等于解开了一半的问题”,“当现实决策问题中的四项要素被明确界定时,模糊的苦恼就会转变为可以解决的问题。”
基本要素定义工作完成后,接下来要代入这四项要素建立数理模型。同一问题若采用不同数理模型,最优解结果也可能不同。数理模型按形态分为△线性规划 △整数规划 △凸优化等细分方法。其中凸优化因被曝用于SpaceX计算航天运载火箭“猎鹰9号”的地面着陆轨迹,近来在信息技术(IT)业界重新受到关注。
企业复杂问题也可用数学最优化解决
把数学最优化代入企业的复杂问题,数理模型必然变得庞大。在输入和计算复杂冗长的数学式时颇为有用的软件工具统称为求解器。求解器可通过编程语言使用,输入数理模型和数据等即可计算出最优解,还具备同时处理多个目标函数或高效评估各种情景的功能。
全球广泛使用的求解器之一是“Gurobi”。这款由同名美国企业开发的软件,被法国航空公司法航、德国能源系统企业Encoord等用于经营决策。Gurobi首席技术官(CTO)奥利弗·巴斯特特指出:“如今仍有很多人尝试仅用Excel来解决问题”,“但企业想解决的问题规模越大、越复杂,使用Excel的尝试必然会遇到极限。”巴斯特特CTO自信地表示:“Gurobi导出最优解的速度和精度优异,可以快速评估各种情景。”
然而,并非所有企业都能自行操作求解器、将数学最优化能力内部化。切入这一空隙的就是咨询公司。值得注意的是,在咨询领域,数学最优化已不再只停留于数字较量。在实际业务现场,咨询从精准指出客户企业痛点的阶段开始。因为即使是深感数学最优化必要性而找上门的企业,也往往无法准确提出自身的问题和目标。要把事业的第一颗纽扣扣好,就必须读出隐藏在文件背后的客户企业盲点。
得出库存管理、人力配置、商品陈列的最优方案
开展数学最优化咨询业务的LG CNS,在定义客户企业问题之前,也会掌握客户企业的业务流程、相关组织现况、业务数据、既有业务诀窍等,做足充分准备。LG CNS最优化咨询专门委员李周韩表示:“数学最优化咨询除了需要客户企业所属产业的基本知识外,还要综合理解客户企业的商业模式、核心竞争力、竞争对手动向、近期业务环境变化等,然后得出客户的问题点与解决方法。”
LG CNS自2017年启动数学最优化业务后,至今年上半年承接的项目超过200件。代表性成果是将国内一家空调制造商的仓库库存减少一半的项目。该客户企业因空调室内机与室外机生产速度不同而头痛不已。两种产品需要成套出货,但未能配对的产品被转移到另设的物流仓库堆积。所生产产品的70%长期滞留仓库,库存管理成本全部由客户企业承担。
LG CNS以工序数据为基础,用数学最优化改进了室内机与室外机的生产顺序和生产数量。在不扩建生产线或引入新设备的情况下,通过改变生产计划编制方式改善了生产周期不一致问题。仓库保管库存比此前减少57%,库存管理成本每年也减少数亿韩元。
借力AI更加精细的“数学最优化”
专家们一致认为,产业界对数学最优化的关注将逐渐增大。企业深感需要顺应经营环境变化快速决策。数学最优化正是减少不必要风险、快速提供更优选项以辅助决策的工具。研究数学最优化的企业与研究机构也在回应市场关注。它们正在结合生成式人工智能(AI)、智能体AI、量子计算机等尖端技术,使数学最优化技术精细发展。
李专门委员展望称:“当前所有产业的热点都是随AI技术扩散而引入智能化自动化”,“由于需要更快更准确的决策,数学最优化的重要性也会随之提升。”






