編者按：為何國內(nèi)對運籌學(xué)的認識普遍比較低？截止2021年2月23日該問題在知乎上有481人關(guān)注，145727人次瀏覽量和30個回答。本文收集了該問題的三個優(yōu)秀回答，從不同角度闡述運籌學(xué)在國內(nèi)的發(fā)展情況。

▎本篇由『運籌OR帷幄』原創(chuàng)，作者：留德華叫獸，周鴻煒，王源

作者 留德華叫獸 系美國Clemson大學(xué)數(shù)學(xué)碩士(運籌學(xué)方向)、Ph.D. candidate，歐盟瑪麗居里學(xué)者，德國海德堡大學(xué)數(shù)學(xué)博士(離散優(yōu)化、圖像處理)，讀博期間前往意大利博洛尼亞大學(xué)、IBM實習(xí)半年，巴黎綜合理工訪問一季?，F(xiàn)任德國某汽車集團無人駕駛部門，從事大數(shù)據(jù)和計算機視覺算法的研發(fā)。讀博期間創(chuàng)辦【運籌OR帷幄】、【DIY飛躍計劃】社區(qū)并運營至今，2020.08創(chuàng)辦【DeepMatch交友AI】社區(qū) ，知乎｜今日頭條｜微博等平臺科普自媒體創(chuàng)作者（近20w關(guān)注者）。

知乎問題：為什么國內(nèi)對運籌學(xué)的認識普遍比較低？

面試過一些公司，也了解一些國內(nèi)主要大學(xué)的運籌學(xué)培養(yǎng)。感覺國內(nèi)運籌學(xué)的培養(yǎng)強度不高（包括理論的證明與算法的培養(yǎng)），國內(nèi)企業(yè)對于運籌學(xué)的了解也很少（絕大多數(shù)不知道運籌學(xué)是干嘛的）。本科生的教育也只停留于課本，對于案例的解析也比較少。上過運籌學(xué)的課程本不等于了解運籌學(xué)的研究領(lǐng)域。國外的亞馬遜以及臺積電的運籌學(xué)畢業(yè)生薪資不低。

▎作者知乎ID：留德華叫獸

作為【運籌OR帷幄】的創(chuàng)始人&主編，與60多位遍布全球的責(zé)編們一起在國內(nèi)推廣運籌學(xué)也有3個年頭了，因此也算有點體會，僅從學(xué)術(shù)界和工業(yè)界兩個方面聊聊。

學(xué)術(shù)界

正如所說，運籌學(xué)集合是數(shù)學(xué)、計算機、工程以及各個特定應(yīng)用領(lǐng)域的高度交叉的學(xué)科，其基礎(chǔ)是數(shù)學(xué)、計算機：運籌學(xué)與控制論、優(yōu)化理論、算法，按應(yīng)用領(lǐng)域又廣泛應(yīng)用于：物流、供應(yīng)鏈、交通、能源、電力等國內(nèi)和運籌學(xué)高度相關(guān)的專業(yè)：

• 數(shù)學(xué)系下的運籌學(xué)與控制論專業(yè)

• 管理學(xué)院下的管理科學(xué)系/專業(yè)

• 工程學(xué)院下的工業(yè)工程系/專業(yè)

不僅在國內(nèi)，就連國外也很少存在運籌學(xué)這個專業(yè)，更別說以運籌學(xué)命名的院系了。

因此不是這些專業(yè)的學(xué)生，對運籌學(xué)這個名詞甚至都是陌生的，而上述相關(guān)專業(yè)的學(xué)生因為運籌學(xué)只是其中的一個小分支/研究方向，并且運籌學(xué)學(xué)科需要牢固的數(shù)學(xué)原理和算法基礎(chǔ)，大多數(shù)人對此懷著敬畏之心，因此對于運籌學(xué)的認同/歸屬感不足。

工業(yè)界

因為其在美國工業(yè)界的經(jīng)驗剖析得已經(jīng)比較全面和生動了，這里僅作補充。

在全球范圍運籌學(xué)只能為企業(yè)錦上添花，而做不了從0到1開創(chuàng)性的貢獻。因此，其實運籌學(xué)在全球的認可度都不高，這里舉一個導(dǎo)航軟件APP的例子：

程序員和前后端開發(fā)做出了0到1的開創(chuàng)，導(dǎo)航中的核心算法“路徑規(guī)劃、最短路徑問題”屬于運籌學(xué)的范疇，但作為用戶你最關(guān)心的導(dǎo)航軟件一定是它的UI（用戶操作界面）以及支持的功能（例如是否有限速提醒、探頭提醒等），算法部分只要夠用就行（最簡單的貪婪算法拿來用），作為用戶你會不會打開兩個導(dǎo)航軟件，對比哪個軟件的線路更短、用時更快？比如從上海浦東機場到上海大學(xué)寶山校區(qū)，百度地圖給出的路徑長53.5公里、用時52分鐘。

而騰訊地圖給出的路徑長53.7公里、用時56分鐘。

而作為用戶的你是因為這多出來的0.2公里和4分鐘才選擇的百度而不是騰訊么？

因此全球的中小公司都寧愿選擇砸錢雇很多UI、美工設(shè)計師，也不愿花錢雇第二個運籌學(xué)算法工程師。

中國當前發(fā)展狀況而言，數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)，運籌學(xué)這門學(xué)科的基本假設(shè)是建立在數(shù)據(jù)基礎(chǔ)上的，這是一個長期基礎(chǔ)建設(shè)和積累的過程，這也是我與國內(nèi)許多運籌學(xué)咨詢公司CEO們聊天過程中，他們一再向我吐槽的——在國內(nèi)開展業(yè)務(wù)的痛點。

例如工廠流程優(yōu)化的項目需要工廠流水線相關(guān)的一系列數(shù)據(jù)的收集，包括人員排班情況、每部機器的運行參數(shù)和數(shù)據(jù)、傳感器數(shù)據(jù)、生產(chǎn)計劃數(shù)據(jù)等，并且將之系統(tǒng)地保存在一個大一統(tǒng)的MES系統(tǒng)中以便調(diào)用。

但是目前國內(nèi)中小企業(yè)更關(guān)心的只是生存問題，根本還沒有多余的精力和資金購買昂貴的傳感器和管理信息系統(tǒng)，更不用說再雇用運籌學(xué)算法工程師或額外購買優(yōu)化系統(tǒng)了，而大型公司則是充斥著很多套系統(tǒng)，每套系統(tǒng)不互相兼容，沒有統(tǒng)一的行業(yè)規(guī)范，因此需要招募大量的大數(shù)據(jù)工程師，從不同系統(tǒng)中調(diào)出運籌學(xué)優(yōu)化模型所需要的數(shù)據(jù)并做數(shù)據(jù)清理、補全等等。

這樣一來企業(yè)管理者一看上一套流程優(yōu)化的系統(tǒng)需要傷筋動骨花費這么多人力物力，也就望而卻步了，更不用提真正的業(yè)務(wù)實施過程中與人打交道的因素，人力排班優(yōu)化后減少了N個head count，導(dǎo)致他們失業(yè)導(dǎo)致工頭手下人數(shù)減少不配合你怎么辦?

道阻且長，但相信明天會更好。

借著人工智能、智慧供應(yīng)鏈和智能制造的東風(fēng)。

▎作者知乎ID：周鴻煒

回答鏈接：https://www.zhihu.com/question/270498281/answer/849211680

開不了天眼，找不到最優(yōu)解

先說句題外話，不光國內(nèi)對運籌學(xué)的認識低，國外也不高。

國外的亞馬遜、臺積電的運籌學(xué)畢業(yè)生薪資不低，但是就業(yè)率不一定高啊。

榜樣的力量是無窮的，但是既然選擇了榜樣，就要承認選擇偏差 selection bias 。畢竟優(yōu)秀的例子比比皆是，中位數(shù)才是普遍大眾的參照物啊。

說回正題：為什么運籌學(xué)不被重視認可呢？

企業(yè)的銷售是市值前面的“1”， 運籌是后面的“0”，沒有“1”，“0”毫無意義。

運籌學(xué)不能讓企業(yè)起死回生，只能讓企業(yè)活著更舒服點，但得先活著。企業(yè)決策，開不了天眼，找不到最優(yōu)解。

運籌學(xué)主要是圍繞著優(yōu)化理論的一門學(xué)科，不設(shè)計新的產(chǎn)品，不提供新的功能，往往在現(xiàn)有的基礎(chǔ)上提供高效的解決方案，用更高的效率、更低的成本來完成既定的任務(wù)。對于數(shù)據(jù)各方面的依賴程度非常高，但更多時候不能夠給企業(yè)運營帶來有效的收入，稍有不當，還損失嚴重。

同時企業(yè)當中，對這方面的需求不是不可或缺。管理層的態(tài)度也很是曖昧，如果沒有，企業(yè)也能活著，如果有，也不一定能活的好到哪里去。如果企業(yè)是做技術(shù)輸出產(chǎn)品的，可能技術(shù)層面需要運籌學(xué)方面的專家解決一些優(yōu)化問題，比如

• 數(shù)控機床怎么排序完成加工工序

• 外賣小哥怎么優(yōu)化送餐路線

• 共享單車怎么優(yōu)化定價效益最優(yōu)

這些都是一個很窄的技術(shù)領(lǐng)域的技術(shù)問題，很難成為公司運營的支柱。

舉個例子，外賣公司沒有運籌團隊，用個貪婪算法找個局部最優(yōu)優(yōu)化一下送餐路線，也能完成任務(wù)，就是凈利潤少點。但是如果花大力氣做市場開發(fā)，想方設(shè)法增加訂單數(shù)量，訂單多了，市場占有率高了，可能優(yōu)化水平不強也看不出太大的問題。

再加上所謂的最優(yōu)化的解又可能因為數(shù)據(jù)、時間、市場外部變化等等的因素給實施帶來很多的限制，最后實施出來的并不一定是最優(yōu)解，那么也就很難讓公司運營的大佬們提起興趣，因為他們關(guān)注的永遠是銷量、市場占有率，先能賣出產(chǎn)品賣出服務(wù)，才能談優(yōu)化。

這也是核心運籌學(xué)得不到普遍認可的原因吧。

企業(yè)當中目前這個階段，數(shù)據(jù)永遠是不完善的，除了很多細小的技術(shù)層面的問題，很難創(chuàng)造實驗室科研的那樣的理想環(huán)境，沒人開天眼，也難兼顧到方方面面，也就很難用運籌學(xué)找到一個最優(yōu)解。這也是運籌學(xué)在應(yīng)用的企業(yè)應(yīng)用的瓶頸。

反觀程序員，哪個app有bug大家上網(wǎng)罵，不好用最后棄用，那這個企業(yè)就黃了，那程序員不重要誰重要呢。否則，還沒優(yōu)化呢，產(chǎn)品都沒了，企業(yè)也就沒了。

大部分中小型企業(yè)需要解決運籌學(xué)的問題也著實不多，請個咨詢公司做做應(yīng)急也不是不可以，也沒必要花大價錢維護一個運籌學(xué)的團隊，畢竟沒太聽說哪個公司沒有一個好的運籌團隊而倒閉了。

最后說回工資的問題，國外大企業(yè)運籌學(xué)畢業(yè)生工資不低？

國外大學(xué)單開運籌學(xué)專業(yè)就不多，大企業(yè)只招運籌學(xué)的也不多，運籌學(xué)基本就是武器庫中常規(guī)武器。造詣深一點的，做的更specialized的工作，造詣淺的基本理念也能聊。這些大企業(yè)招運籌畢業(yè)生工資不低，招別的專業(yè)的畢業(yè)生工資一樣不低啊，可能就是大企業(yè)對應(yīng)屆畢業(yè)生的薪資標準高，和專業(yè)關(guān)系不大。

連知乎勸退大戶生化環(huán)材的畢業(yè)生大企業(yè)也有給高工資的，就是崗位少嘛。

牛人能人sell的是自己的學(xué)習(xí)能力，不是自己什么專業(yè)，所以高薪也就是買人家的學(xué)習(xí)能力。牛人讀了不好的專業(yè)，換個方向沖一沖，還是牛人。非牛人，能以牛人為榜樣，但能不能走出牛人的軌跡就因人而異，大多還是腳踏實地，找到適合自己的發(fā)展道路，努力給自己的職業(yè)發(fā)展找到一個近似最優(yōu)解。

▎作者知乎ID：王源

我認為目前在國內(nèi)認識比較低的原因有以下幾個：

/ 1 /?? 研究運籌學(xué)的人非常分散

運籌學(xué)本就是交叉學(xué)科，目前國內(nèi)在本科階段學(xué)科劃分上并沒有單獨一個叫做運籌學(xué)的學(xué)科。

那么目前研究運籌學(xué)的人分散在如下幾個學(xué)科：

1. 數(shù)學(xué)學(xué)院下面的二級學(xué)科運籌學(xué)與控制論，這波人主要是搞應(yīng)用數(shù)學(xué)的，主要是從數(shù)學(xué)角度來研究運籌學(xué)；

2. 工科里邊自動化下屬的二級學(xué)科系統(tǒng)工程，可能看學(xué)科名字大家不太能將系統(tǒng)工程和運籌學(xué)結(jié)合在一起，但是系統(tǒng)工程主要也是研究優(yōu)化理論的；

3. 經(jīng)管學(xué)院下屬的管理科學(xué)與工程，管科不用說了很多問題最后回歸到本質(zhì)還是運籌學(xué)的問題，高中生可能覺得管科偏人文學(xué)科，但是內(nèi)行知道管科里邊真正硬核的東西都是偏理工科的；

4. 工業(yè)工程專業(yè)（IE專業(yè)），本來IE專業(yè)應(yīng)該是研究運籌學(xué)最正宗的專業(yè)了，可是國內(nèi)的IE專業(yè)貌似和國外稍有不同；

5. 其它一些專業(yè)，例如物流相關(guān)專業(yè)，經(jīng)濟學(xué)金融學(xué)相關(guān)專業(yè)，交通運輸相關(guān)專業(yè)，這些專業(yè)都會以運籌學(xué)為工具來解決自己學(xué)科的問題。CS專業(yè)中也有做運籌學(xué)研究了，例如圖論，組合優(yōu)化等等這些都是CS專業(yè)也有研究的。

由此可以看到研究運籌的人分散在各個學(xué)科里邊，這就導(dǎo)致很多人可能在用運籌優(yōu)化作為工具解決自己的問題，但并沒有特別關(guān)注運籌優(yōu)化這個學(xué)科本身。

當然你會想目前大火的人工智能，機器學(xué)習(xí)不也是比較分散嘛，近1-2年是剛成立了人工智能專業(yè)，可在這之前人工智能也面臨著和運籌學(xué)類似的問題。

/ 2 /? ?運籌學(xué)在業(yè)界的應(yīng)用有著諸多瓶頸（制造業(yè)尤為突出）

雖然運籌學(xué)在金融領(lǐng)域，物流領(lǐng)域等等新興行業(yè)中也有很多應(yīng)用，但是個人感覺運籌學(xué)在制造業(yè)中的推廣應(yīng)用尤為重要。那么運籌學(xué)在制造業(yè)中的推廣應(yīng)用和前面提到的新興行業(yè)有什么不同？我覺得有以下幾點：

• 國內(nèi)多數(shù)制造業(yè)企業(yè)甚至還未完成數(shù)字化和自動化，數(shù)字化和自動化是運籌優(yōu)化能應(yīng)用的一個基本前提。

  
  

  我們運籌優(yōu)化問題建模需要數(shù)據(jù)，分析優(yōu)化得到的結(jié)果也需要數(shù)據(jù)，很多制造業(yè)企業(yè)沒有數(shù)據(jù)或者數(shù)據(jù)不全或者數(shù)據(jù)質(zhì)量不高（數(shù)據(jù)有大量錯誤）或者數(shù)據(jù)分散在不同部門不同的軟件系統(tǒng)里導(dǎo)致提取數(shù)據(jù)難度極高，對于做優(yōu)化算法的人來講數(shù)據(jù)是我們的輸入，輸入不好，你的算法也是巧婦難為無米之炊。

  
  

  這一點是運籌學(xué)應(yīng)用和人工智能的不同，人工智能主要是互聯(lián)網(wǎng)IT公司來引領(lǐng)的，互聯(lián)網(wǎng)公司天生就是數(shù)字化的，自然這方面問題就少很多了。

  
  

• 制造業(yè)企業(yè)業(yè)務(wù)人員的素質(zhì)相比互聯(lián)網(wǎng)行業(yè)新興產(chǎn)業(yè)確實是要差一些，這造成一個問題就是業(yè)務(wù)人員和優(yōu)化算法工程師之間溝通成本極高。

  
  

  業(yè)務(wù)人員不理解運籌優(yōu)化，算法人員不理解業(yè)務(wù)邏輯。以前在學(xué)校里覺得這溝通應(yīng)該不是問題，坐下來開個會，你業(yè)務(wù)人員把你的工藝要求（約束條件）和你的考核指標（目標函數(shù)）都告訴我，我咔嚓就把優(yōu)化模型給你寫出來，完事一求解就可以了。

  
  

  實際中企業(yè)中溝通成本極高，并不是坐下來開一個會就能解決，可能要開十幾個會，還需要去現(xiàn)場調(diào)研若干次，和一線操作工溝通和部門領(lǐng)導(dǎo)溝通和IT溝通。

  
  

  舉個例子來說：我第一次去業(yè)務(wù)部門開會，他們PPT里出現(xiàn)十幾個英文首字母簡寫我都不理解是什么意思？一次兩次你可以問人家，十次你能都問嗎？每個行業(yè)甚至每個部門都有自己的術(shù)語（黑話），你不理解這些你連對方說啥都聽不懂，何談溝通呢。

我們國家要完成產(chǎn)業(yè)升級，我覺得運籌學(xué)在制造業(yè)的應(yīng)用就是產(chǎn)業(yè)升級，提高生產(chǎn)質(zhì)量降低成本的最好的一個途徑。但是如上所述想推動運籌學(xué)在業(yè)界的應(yīng)用絕非那么簡單，很多問題并不是算法層面的，我們的任務(wù)還任重而道遠。

/ 3 /? ?運籌學(xué)需較高的數(shù)學(xué)和CS基礎(chǔ)，優(yōu)質(zhì)人才培養(yǎng)難度大

我本科是自動化專業(yè)出身，本科修過運籌學(xué)這門課，很多工科專業(yè)貌似也有修過運籌學(xué)。國內(nèi)本科階段運籌學(xué)教育仍側(cè)重計算，而且是用手算。

我想這都21世紀了，計算機早都普及了啊，我們還在用手算完成單純性法進基出基那些繁瑣的計算，人類聰明的大腦是讓你思考有價值的問題的，不是讓你做這些重復(fù)的運算的。

難道就不能編程實現(xiàn)嗎，哪怕你不懂單純型法的原理，你照著書本用C++,Java,Python擼一遍單純型法也比用手算強太多啊。

想想本科課程這么做有兩個原因，1是本科課程設(shè)計思維模式還停留在上世紀，停留在計算機不發(fā)達的時代，還在延續(xù)著以前的慣性，2是考計算方便考試。這樣的本科教育導(dǎo)致大家學(xué)完運籌學(xué)課程后感覺就是一通計算，背后的數(shù)學(xué)原理沒掌握，編程實現(xiàn)也沒碰過。真正到要用的時候理論和應(yīng)用兩抓瞎。

所以回歸到運籌學(xué)的基礎(chǔ)就是數(shù)學(xué)和CS，這兩項功底深厚了才能支撐住運籌學(xué)，否則就像我們本科運籌學(xué)的教育一樣，流于表面上的計算形式，看著學(xué)生們熱火朝天的進行了一堆運算，考試考完了大家也都忘記了。

最后就是理論理論沒搞懂，編程實現(xiàn)編程實現(xiàn)也沒做。

—— 完 ——

丨歡迎感興趣的小伙伴加我微信與我交流：Legend_Sen