王金予，魏欣然，石文磊，张佳

微软亚洲研究院，北京 100080

1 引言

资源优化关心如何更有效地管理与利用资源以提高整体的收益。资源优化问题无处不在，大到国与国之间的贸易往来，小到每个人的衣食住行，整个人类的经济、生产、生活活动都是围绕着资源运行的。一直以来，传统的运筹学方法，如组合优化、线性规划、非凸优化等技术被广泛地应用于海运优化[1-4]、出租车派单[5-6]、供应链管理[7-9]、货物装箱[10-11]等资源优化场景，并且成果斐然。

虽然基于运筹学的方法对解决上述资源优化问题提供了很大帮助，但实际中仍然存在的很多挑战严重地降低了运筹学方法的求解效果。这些挑战主要来自以下3个方面。

● 求解空间非常巨大。很多实际场景涉及的资源节点众多、依赖关系复杂、待求解周期长，导致构造的运筹学模型动辄几十万变量、上百万约束，使得求解速度缓慢、计算成本高昂，造成运筹学模型很难应用于一些时效性要求高的场景，如出租车派单。

● 不确定性强。资源优化问题通常是针对未来的情况的，例如海运公司需要根据未来的供需情况进行集装箱的平衡调度，出租车派单中需要根据未来的订单情况进行匹配，供应链中需要考虑未来各环节的产能与仓储能力以及最终的客户需求进而决定供给方案。在这种情况下使用基于运筹学的方式进行求解就需要对未来的情况进行显式的预测，并且基于这些预测建立模型。但是预测的精度总是有限的，尤其需要较长时间的预测时，准确度更加难以保证。……