0
| 本文作者： 黃善清 | 2019-02-24 15:18 |
雷鋒網 AI 研習社按：現代社會環境下，優化思想已經應用到商業、生產、乃至生活的方方面面，在本次公開課中，講者結合生活場景普及運籌優化的思想，并借助優化問題和具體案例深入剖析定制化算法所能帶來的巨大價值。
分享嘉賓：
高季堯，本科畢業于清華大學化學工程系，博士就讀于美國康奈爾大學，并從事能源系統供應鏈的數學建模與運籌優化研究。博士期間以第一作者的身份在行業頂級期刊發表數十篇論文，擔任多個國際學術期刊的審稿人，并多次在國際會議上做學術報告。曾參與中國石化公司的多項生產優化項目，加入杉數后為多家標桿企業提供技術服務。
公開課回放地址：
分享主題：
定制優化算法：為復雜商業問題「量體裁衣」
分享提綱：
何為運籌優化
生活中的優化思想
優化算法概述
MILFP 問題的高效定制算法
其他案例分享
雷鋒網 AI 研習社將其分享內容整理如下：
運籌學的繁榮發展始于二戰，當時盟軍使用數學模型/運籌優化思想來解決與作戰相關的問題；戰爭結束后，算法被頻繁使用到企業與政府的運作當中，為經濟的發展加速提供支持；隨著現代計算機技術的發展，運籌學得以為人們解決更大、更復雜的問題；一直到了 21 世紀，如何將大數據轉化為最優決策成為運籌學的重點課題。
簡單來講，「優化」是指尋找在滿足約束的條件下能夠最大化/最小化某一目標的最優決策，一共分為 2 個關鍵步驟：建模與求解——優化的專長體現在建立好的模型以及選用有效的方法進行求解。
關于常見問題的數學形式具體如下：
生活中我們也會遇到很多需要進行「優化」的時候，講者以小明吃麻辣香鍋的情況為例，在面臨開心（飽腹感）與省錢（控制預算）的兩難抉擇以及一系列約束的條件下，將如何通過優化算法對此進行取舍，從而獲得最優結果。
其中數學方式展示如下：
【關于這部分的具體講解，請從視頻 00：05：35 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
如果按照變量類型與約束條件類型進行劃分的話，常見優化問題一共可以分為 4 種類型：
而常見的求解算法與求解器具體如下：
為何要對算法進行定制化？
我們可以從兩個角度來看待這個問題：
筆者分享了他在讀博期間針對特殊 MINLP 問題的優化算法探索工作，該問題的具體介紹如下：
【關于這部分的具體講解，請從視頻 00：17：54 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
講者對該問題的幾個定制優化算法及其優缺點進行了詳盡介紹，其中包括：
化比值為差值的 Parametric Algorithm
【關于這部分的具體講解，請從視頻 00：22：33 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
結合 Charnes-Cooper transformation 與 Glovers's Linearization 兩種方法的 Reformulation-Linearization Algorithm
【關于這部分的具體講解，請從視頻 00：26：55 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
基于分支定界法的 B&B & C-C algorithm
【關于這部分的具體講解，請從視頻 00：29：52 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
最后，講者對所有算法進行了對比測試，該測試充分考慮了連續變量的數量、二元變量以及約束范圍等一系列條件：
結果顯示，Parametric Algorithm 以及 Reformulation-Linearization Algorithm 整體表現最好；而常見的局部最優求解器 DICOPT 和 SBB 在解決小問題上的表現與兩個定制化算法扯平，可在大問題的解決上速度則有些不濟，且未能成功解決所有問題；至于由講者提出的 B&B & C-C algorithm 在解決小問題的表現上勉強跟上了常見局部最優求解器，但在解決大問題的表現上卻很穩定，后期甚至趕上了常見局部最優求解器。
總的來說，這些案例給了我們 3 點啟發：
定制化算法針對特定問題往往能夠出奇制勝，輕易打敗通用優化求解算法。
針對同種問題的定制化算法同樣有其最適合的應用環境。
多嘗試，多探索，也許能擦出不一樣的火花
最后，講者也分享了其在杉樹科技參與過的智慧工業項目，并介紹了杉樹科技如何給各行業的供應鏈環節賦能，作為本次分享的結尾。
【關于這部分的具體講解，請從視頻 00：38：09 處看起，http://www.mooc.ai/open/course/630?=Leiphone】
以上就是本期嘉賓的全部分享內容。更多公開課視頻請到雷鋒網 AI 研習社社區（http://ai.yanxishe.com/）觀看。關注微信公眾號：AI 研習社（okweiwu），可獲取最新公開課直播時間預告。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
