运筹学真的很难吗？

2024-11-18 05:36 来源：网络点击：

运筹学真的很难吗？

机工出版《数据、模型与决策》的书我也看了一半了，做了一些习题，虽然决策思维上得到了很多启发，但是学科理论研究上却陷入了僵局。“这个很简单的，不要怕。”正是龙教授经常说的这句话鼓励，我才一直学到了今天没有放弃。下面分享一点学习心得体会。

一、

先谈收获吧

入门运筹学最起码要有基本的数学知识，但就我深入学习的过程中，发现自己的微积分、线性代数能力已经严重余额不足了，这是一个警醒。同时，在建模的过程中，我感觉也许过去应该学一门编程语言可能现在会更轻松，但实际情况是，目前能培养比较好的编程逻辑思维就很不错了。

所以，无论是决策还是优化，运筹学的思考方式可能才是我最近最大的收获。毕竟我要从一个“人治”的环境中慢慢把自己的“理性”给找回来。在有限的资源上做谋划，让结果达到最理想，在现在自己的瓶颈阶段确实是很有用的。至少从时间管理上来说，就是这样。

不得不说，运筹学有很多理论知识，而且在实际中的应用太广泛了，比如定量分析、生产战略、投资策略、财务管理、人力资源优化、运输库存应用、工程层次规划等。就算只是停留在理论层面的学习，也能直接深入了解到企业各个模块中间的管理和决策选择。

二、

研究运筹学的动力

以前读书的时候并没有单独学习运筹学这门学科，但是其理论知识基本上在其他学科中都有体现。后来在工作中的应用，原则上是很广泛的，但就整个民营企业的规模和经营模式上来说，这个应用又显得很匮乏，因为进行运算和决策是有人力成本和认知成本的。而再看国企，虽然支付得起这笔成本，但是对于很多“人治”型企业来说，认知是跟上了，但是实际却并未广泛应用。

以我浅薄的行业研究来说，金融、物流、互联网、超级规模制造业对运筹学的应用还是显而易见的。这里我弱弱地说一句，对于很多人所知道的瑞幸咖啡，其实就是一家典型的“算法企业”，在我看来，他只是选择了咖啡这个赛道，其实彻彻底底是一家科技公司。

因为瑞幸已经在快销这个领域完成了数字化和部分自动化，数字化和自动化也是运筹学能应用的基本前提，因为我们建模是需要大量的数据的。不过数据不全，数据质量不高，对于算法优化来说就没有太大的意义。所以，明明制造业更需要算法来解决业务逻辑，却因为人才的素质，远远被互联网公司甩开了十几条街。这也算是市场空间。

三、

运筹学实践的难点

用我自己的话来总结就是：算法人员不理解业务逻辑，而业务人员不擅长数学。如果我们是在学校里沟通，整个运筹学的应用可以聊得比较通畅。但是到企业开个会，做个咨询，你就会发现找“目标函数”“约束条件”都不是什么难事儿，最大的问题是沟通成本很高。有幸参加过几个科技项目和数据项目，一般都是十几次讨论都不能聊明白一个问题。

每个行业、每个部门都有些自己的“黑话”，大家相互不理解很正常。我记得我做过的最简单的一个项目就是“智慧党建”的项目，需求采集就花了一个月，接着和科技部沟通，又花了一个月，但就这么两个月过去了，大家还是你不太懂我，我也不太明白你的意思。

技术说得最多的一句：这个技术上办不到（很难）。需求方说得最多的一句：上级说这个必须要。很庆幸的是，因为这些项目，我开发了我一个新的技能——“翻译”。我能把两边说的话翻译给彼此能够尽量听懂，这大概就是一个文理综合读书人的一丁点优势吧。

四、

关于运筹学的教学

运筹学在我看来是很多学科的交叉，数学院的也学，工科的就更不谈了，经管这些年也逐渐跟上了。对于城市规划、产业升级、降本增效等这些国家宏观层面的运用就不多说了，人才挤得满满的。但是对于企业实际中的运用，甚至就在数学这一点上，我们的教学好像就不太过关。网上有个笑话：数学好的都去做金融了，没人搞学术和生产了。

不过就算我们解决了数学教学的问题，我觉得更大的难题是工具。我读书那会儿，我听好多人说，他们建模是用手算，我对中国人的勤奋真的惊叹。但21世纪了，计算机普及到小学生都会用了，深山里都能用上了，而我们却没有用编程代替重复繁琐的手动运算。十几年过去了，我依然觉得学校的上机时间太短了，甚至没有，而且软件古老，非国产化。我们的电脑不用做算力，都干嘛去了？

虽然“破解版”这玩意儿在国内太容易弄了，但我一个mac用户也倔强到给外国软件商写邮件申请学习用license的地步。所以，从回归到运筹学，我们把数学补完了，我们还要补计算机，而现在的运筹学就像教育一样流于表面，理论也许还没完全搞懂，实践我甚至都用不好计算机。（明显这话不是针对老师）