求解器：数字化转型的技术核心

作者|DataView 来源|DataView数据科技研究院(ID：data-view)

数字化转型是当下企业谋求未来发展机会的必经之路，内部的流程自动化和外部的效益最大化是转型浪潮中的两个重要的着力点。但数字化转型产品或服务大同小异，从数据治理、数据安全、数据分析、商业智能再到AI辅助决策，每个赛道上都有众多奔跑者。

当前，决策智能已经成为各家企业抢占的下一个高地。求解器这一概念也由此被持续曝光，这是一项长期被欧美垄断的技术，如今开始走向国产化研发和替代之路。

求解器是优化算法的“核”

很多企业在数字化转型中，不可避免地会遇到优化组合问题，譬如生产计划与排产管理、线路规划、航班管控等，这些问题通常可以采用精确算法、启发式算法或元启发式算法来求解。其中，精确算法与特殊设计的启发式算法结合使用，是大部分求解器最基本的方法。

以Vestel的集成销售和运营计划(S&OP)问题为例，Vestel是欧洲制造巨头之一，专门生产消费电子产品、移动技术、显示器和LED照明以及家用和专业电器。

由于制造商的供应链涉及太多的产品、组件、约束和不断变化的需求，处理的数据规模和复杂程度逐渐增加，很难使其销售和营销、采购、制造和研发之间能够持续响应和无缝协作，更不用说平衡需求和供应，在全球化商业环境中降低成本。

ICRON是解决Vestel问题的服务商，若要解决Vestel的S&OP问题，就需要面对由15万个决策变量(其中3万个是整数变量)和20万个约束组成的难题。这就需要一个能够快速生成最优计划的求解器。

ICRON在其提供的S&OP解决方案中采用的是Gurobi数学编程求解器。全面运行后，该解决方案将Vestel销售和运营之间的同步时间从两周缩短到1天，计划准确性提高20%，计划时间减少50%以上，从而提高Vestel应对需求、供应或市场状况不可预见变化的能力。此外，该解决方案还将Vestel的库存水平降低了5%。

这也就意味着，求解器在企业优化决策中，承担着相当核心的角色。

求解器破局之路

Gurobi是商业求解器之一，它与CPLEX和XPRESS称为“三巨头”，这三巨头基本上也就是整数规划(IP)，线性规划(LP)，混合整数规划(MIP)的前三名，几乎占领了全球所有的市场。

而在全球产业链深度重构，不确定性风险增加的当下，企业尤其需要考虑众多可能性，并决策出最优方案。一旦需要求解器，就不得不寻求与国外商业求解器

另一方面，优化的目的是找到能让函数最大化的决策输入值，本质上是黑盒优化问题。这就存在结果的准确性取决于用例的设计，自动化测试的复用性较低等问题。一旦企业有特殊化的需求，还需要重新订制，沟通、操作和使用成本都较高。

在市场被国外垄断，且技术一定要掌握在自己手中的情况下。国内也开始有相关求解器的研发和发布，比如中科院团队在2018年开发了CMIP求解器，阿里达摩院推出了MindOpt，华为推出了天筹，杉数科技推出了COPT。

此前有媒体报道，杉数科技发布的“COPT数学优化求解器”，可以使企业的生产排程订单满足率提高20%，产能损失率降低30%，排产排程人工干预降低70%，非计划维修降低15%。

除了国产求解器研发正在突破重围之外，求解器本身技术的发展也在一步一步突破其“规则边界”。大部分主流求解器采用的是启发式算法，这些基于专家经验的启发式规则在大多数情况下只能找到局部最优的策略。且专家经验一般从特定问题或场景中总结，具有一定的局限性。

但是，AlphaGo的曝光让强化学习成为焦点，基于强化学习和运筹优化，来对各模型求解，是当下研究的方向热点之一。而这一路径可以加快求解速度，还具备模型泛化能力强的优势。

目前，国产求解器正在持续迭代，随着未来决策市场需求的扩大，产业链深度重构，求解器的角色将尤为重要。

编者按：本文转载自微信公众号：DataView数据科技研究院(ID：data-view)，作者：DataView