江苏龙网

  1. 首页 > 资讯 > 科技 > >

[]东北大学黄敏教授：看运筹优化和供应链管理剪不断理还乱的关系


『运筹OR帷幄』原创
作者：运筹OR帷幄
编者按
近年来 ， 供应链管理和运筹优化都有着蓬勃的发展 。 对于想要投入这方面研究或者刚投入这方面研究涉世未深的初学者们急需一些方向性的指引 。 本次采访我们邀请到了东北大学黄敏教授 ， 黄老师在物流与供应链管理领域深耕数十年 ， 对风险管理 ， 计划调度 ， 计算智能也有着很多的研究经验 。 小编衷心希望通过这次科普性质的采访能让供应链管理 ， 运筹优化这个领域吸引无论是学界、业界 ， 越来越多聪明、勤奋的年轻人投身其中 ， 为人类的实际生活 ， 和现代社会的发展做出有用的贡献！
嘉宾介绍
黄敏 ， 博士 ， 东北大学教授 ， 博士生导师；教育部长江学者特聘教授、国家杰出青年科学基金获得者; 辽宁省智能科学与智能系统重点实验室主任；东北大学人工智能系主任、智能科学与系统工程研究所所长、教育部“互联网+”物流与供应链管理学科创新引智培育基地(111培育基地）负责人、东北大学未来制造与服务智能分析决策国际研究中心主任；流程工业综合自动化国家重点实验室骨干成员 ， 美国密西根大学（安娜堡）高级访问学者 。 国务院政府津贴获得者、教育部新世纪优秀人才、国家自然科学基金委2个创新群体（信息学部和管理学部）骨干教授、霍英东高校青年教师奖获得者、辽宁省优秀专家、辽宁省“兴辽英才计划”科技创新领军人才、辽宁省百千万人才工程百人层次、辽宁省优秀科技工作者 。 主要从事物流与供应链管理、智能制造、制造与服务系统建模与优化、计划调度理论与应用、风险管理、行为运作管理、数据解析与机器学习、计算智能、数据孪生等方面的研究 。
1
数学优化方法与智能优化方法
问：数学优化方法和智能优化方法 ， 在组合优化和整数规划问题中都有广泛的应用您觉得这两种方法的各自优势都有哪些？
答：两种方法各有所长 。
数学优化方法优势在于 ， 基于严谨的数学推导证明可以提供有质量保证的解 。 缺陷在于 ， 对问题的特点和结构有特殊要求 ， 其次在大规模问题的求解上效率与智能优化方法相比通常略低 。 智能优化方法优势在于适用更广泛问题结构 ， 对大规模问题也能较为快速求解 ， 但它的缺点是通常仅能求得问题近优解 ， 且很难准确衡量解的精度 。
问：这两个方法分别适用的场景是什么？
答：我们需要从问题特点分析入手 。 当我们遇到一个实际问题 ， 首先要去了解问题结构特点 。 如果这个问题的模型具有特殊结构（如凸性等） ， 我们可以用数学优化方法来求解 。 但如果出现以下两种情况 ， 一是问题复杂（问题模型不具有特殊结构或难以建模）；二是需要解决具有NP难特性的大规模问题 ， 数学优化方法没办法求解或保证这些大规模问题求解的时间效率时 ， 就需要用智能优化方法去解决 。 所以对于一些实际的非凸优化问题或者具有NP难特性的大规模问题 ， 我们更多要考虑采用智能优化方法解决 。
问：这两种方法呈现着一种互相补充 ， 互相对应的关系 ， 可能对于数学优化方法来讲是缺点 ， 对于智能优化方法来讲 ， 正好是它的优势所在 。 从模型上来讲 ， 如果说数学优化方法不适用的某一类问题 ， 可能用智能方法来解恰恰比较合适 。
答：是的 ， 数学优化方法虽然可以保证求解结果精确性 ， 但却不能解决所有优化问题 。 我们可将现实问题作为一个大的集合来看 ， 数学优化方法适用于具有一定数学结构的中小规模问题 ， 而智能优化方法适用于结构复杂或中大规模问题 。 数学优化方法和智能方法是互相补充的 。
问：这两种方法有没有交叉和结合？
答：两种方法可以交叉和结合 。 一方面 ， 两种优化方法的求解思想可以相互融合 。 例如在处理问题时可以利用分解的思想 ， 具体来说就是当我们遇到大规模问题时 ， 非常自然的想法就是把问题拆成子问题 ， 这样求解效率会有很大提升 。 问题的分解思想 ， 对这两种优化方法都非常有效 。 另一方面 ， 在对问题求解时 ， 两种方法可以结合使用 ， 如智能算法的初始解可以采用数学规划的方法获得 。


推荐阅读


上一篇：『智慧』品质家居不二之选！华为智慧屏X65 让智慧生活再上新高度

下一篇：MIUI■MIUI 12要来了，你的小米手机准备好升级了吗？