【资源调度】7-20240908直播精彩QA-下

导读：本期是全网最全【资源调度】系列推文的直播QA分享。我们在2024.09.08开展了我们的第一次直播交流，本次直播由两部分组成，第一部分围绕该系列第四篇推文【客服调度问题仿真数据生成】，由董芊芊负责分享数据生成技术和假设检验方法；第二部分围绕运筹优化、机器学习落地经验以及读研深造、就业、职场经验等话题与粉丝展开交流，由张哲铭、向杜兵、董芊芊负责答疑。本篇文章主要是对第二部分QA的精华总结，由于内容较长，分两期推送，本期为第2篇。

作者1：组员（biubiu、高欣甜、黄世鸿、许佳鸣、薛博、董芊芊、潘美岑、潘瑜、李涵）
作者2：向杜兵，某制造业龙头算法专家
作者3：张哲铭，某互联网大厂算法专家

大家好！我们是IndustryOR团队，致力于分享业界落地的OR+AI技术。欢迎关注微信公众号/知乎/CSDN【运筹匠心】。

邀请大家 【加入粉丝群】，群里经常分享硬核内容，且大佬多多，说不定你未来的leader就在其中！【加群方式附在文章结尾】~~

直播QA内容回顾将分为2期推文，以下是第二期内容：

11. Q：运筹优化专业读博士的性价比高吗？

A：如果找算法工程师岗位工作的话，硕士就够了。但是，如果想往更高层次发展，比如到达总监级别（对应阿里巴巴的P9），那么博士学位会是一个挺关键的因素。因为这种级别的职位往往要求领导者具备丰富的实战经验和深厚的学术背景来指导和管理较大规模的算法团队，相比之下，达到P7或P8级别，硕士学位通常就足够了。不过，选择读博也需要多考虑毕业时的就业市场情况。从更大角度来看，工科同学毕业后大多从事工程化、实践性的工作。理科同学即使是像清华、北大这样的顶尖学府，也只有少数顶尖学生有机会在科学领域取得突破，多数人还是会选择工程化道路，或是进入企业、高校及研究机构工作。如果想去高校当老师的话，读博士那肯定是必须的，去企业相对来说门槛比较低一点。综上，还是需要平衡好读博和就业的关系，究竟是想赚钱，还是想把学术搞得特别牛。另外多提一嘴，现实的情况是：大部分取高校或者科研机构的学者把学术搞得特别牛也是为了赚钱，本着为国为民有利、突破人类知识边界做研究的学者是凤毛麟角的，这个时候你就要思考哪种赚钱的途径更适合你。

12. Q：如果原始数据会受某种调度策略的影响，如何去生成不受策略影响的数据呢？

A: 这个问题有一个典型的场景比如自动驾驶。如果车向左转、向右转或者停车，产生的数据的确会不一样。在这种情况下，我们可以通过历史数据进行学习和建模。汽车的运行方式都是基于历史情况的，首先每个时间点产生时状态需要明确，然后进行学习和生成。通过对这些状态的学习，可以生成不受特定策略影响的数据。当然，我不是自动驾驶方向的，以上观点说的可能不对，说错的点大家可以指正哈。

13. Q：目前运筹优化方向的就业形势是怎么样？未来需求量会增加吗？

A: 这个问题其实和我们的国情是息息相关的，你可以先去了解我们国家整体的经济形势、地缘格局、战略方向、以及东西方之间的博弈关系。了解之后才能知道国家未来会往哪个方向发展，对应的方向未来就会出现大量的就业岗位。例如，我国最近正在对外去美元化、对内制造业升级，制造业升级这个现象从现在运筹的就业岗位发展态势就能看出来。比如我七年前找工作的时候，搜索运筹两个字没有多少岗位。现在搜运筹的话就会发现有很多公司在招人，像阿里、字节、美的、格力、海尔、三一重工、京东、小米，还有江浙、福建等沿海地区的制造业都需要运筹这一方面的人才（我们团队里面就有在这些顶级制造业公司工作的）。

另外，我还想分享一下企业对应届生的六点能力要求：

规划能力，能设定明确目标和执行计划；
判别能力，能明辨是非，掌握标准；
动手能力，有过硬的实践操作技能；
协同能力，可以涉及跨部门合作推动项目；
落地能力，能确保方案实施并取得实际成果；
总结能力，项目完成后，懂得如何提炼经验，形成可复用的知识体系，并能有效赋能团队。

后续，我可以单开一期直播给大家讲讲在校生如何成长和择业。

14. Q：我们现在做一个高铁时刻表优化问题，但是没有每天每个站点的上座率。现在手头上有一份京沪高铁的数据，但达不到完整分布的标准。想用这份京沪高铁的数据生成京福铁路的数据，目前准备用人口密度、城市规模、站点三个维度，用多元回归的方式去生成数据？

A: 我觉得是你的思路是对的。但是你用京沪高铁去生成京福铁路肯定是不匹配的，因为北京，上海是中国两个最发达的城市，京沪之间的客流量。一定会非常大的！

因为你的数据量比较少，不需要用那些复杂的方法，你说用这种多元回归方式我觉得是没问题的，假如就搞一个线性小模型就行，这个模型应该测算的是不同城市的线路、人口密度，城市等级、城市GDP、城市面积，城市平均人口，城市收入、上市企业的规模，上市公司企业数量等等因素是否会影响数据分布？你只需要回归出来每一个特征的系数就可以了。然后，再把这套参数用到京福铁路，我觉得就可以了。

补充问题1： 另外需要考虑一个人口密度问题，以北京为例，比如居住在北京附近城市的一个人要去福州，那么他还是需要先去北京的车站，然后从北京坐车去福州。也就是说，需要对城市进行分层，可能分个两到三层，每层有不同的权重。你觉得这样合适吗？

A：听起来是可行的，至少你推断的理论是能说服得了我，一定要切记公式不要搞得特别麻烦。

15. Q：我现在在做一个订单分配的问题，阿姨大概有1000-2000人，订单每天3000单左右，每个订单是带时间窗的。我想求得这个问题的最优解，目前是用贪心算法做的，无法解到最优解。我上网查了一些资料，有的是用图神经网络做的，有的是用遗传算法做的。我想问一下，对于这个大规模订单分配的问题我如何才能解到最优解？

A: 行，我听明白了，我理解没错的话，你做的场景应该是家政阿姨的派单问题。我先回答你提问的这个问题，然后再对实际场景中的家政派单问题做一些延伸。你这个问题想解到最优解可以参考VRP类问题，阿姨其实就相当于与车辆，订单相当于VRP中需要被服务的点，但二者还是有一些细小的差别，如VRP问题可能需要考虑车场，而阿姨派单问题不需要，但阿姨派单问题可能需要考虑阿姨间工作的各种公平性、技能类型、订单接续和休息规则等，大差不差，可以参考VRP问题建立一个订单间的接续网络，想求得最优解的话可采用分支定价算法求解，也就是列生成那一套。

接下来讲一讲实际业务场景中的阿姨派单问题，大家如果在平台上下单过保洁服务就会有一个感性的认知，这个场景的服务不是实时的，比如你点个美团外卖或者滴滴打车，马上就会被服务到，但是家政保洁服务不一样，你可能提前几天就预约下单了，服务时间和你的下单时间可能相差几天，这就给我们计算留下了充足的时间。外卖打车的订单分配问题强调的是求解的实时性，所以这个场景的求解算法的时间复杂度必然不能太高，这样才能保证在高并发的情况下在毫秒级时间内给出匹配结果，先要保证算得快然后才是算的准。而家政场景的派单问题不需要这样，一般用户在下单的那一刻只需要知道下单预约成功即可，不需要知道具体是由哪个阿姨上门服务（高端客户可以选定服务阿姨的除外），因此我们可以设计一套时间复杂度低的简单算法快速求出可行解(如：规则或贪心)，在用户下单的时刻能计算出用户是否预约成功即可，然后还有一套更复杂的算法可以计算出全局最优匹配，每有新订单过来或者每隔一定的时间调度计算，这样可以极大地提升阿姨的工时利用率。

另外，派单算法一般是在业务成熟期才会被重点建设的，在业务初期最重要的是供需平衡增长问题，即我需要招聘多少阿姨（供给），引流多少订单（需求），才能保证业务规模是不断提升的，阿姨多订单少会导致阿姨接不到单而流失，阿姨少订单多会导致客户无法被服务而流失，这个问题是十分致命的，这时期的订单分配往往基于业务规则匹配即可。

16. Q:我找工作找的运筹，但是实际工作内容是做大数据挖掘，应该怎么抉择？

A: 数据挖掘是属于大数据开发工程师岗。运筹优化工程算法工程属于算法工程师岗，这两个岗位还是有很大差别的。大数据挖掘工程师，只能干大数据的事，他干不了算法的事。但是你做算法工程师的话，大数据开发这一套是基本技能。我觉得你还得想一想，如果有选择，尽可能不要选择数据开发工程师岗，哪怕做数据挖掘与分析的工作，尽可能选择算法工程师。

17. Q：运筹学学的太杂，大数据，机器学习，深度学习等都要学吗？

A：这个必须要学。你学运筹也是需要学那些东西，不然怎么跟深度学习的同学竞争，你一旦学会了之后。你就有了一些相对优势，因为他们做不了运筹优化但你能做，而他们能做的你全能做。例如说我现在的工作中没有做运筹的项目，做的都是深度学习的事，甚至还做一些大模型的事，这个就体现出了学优化出身的人可塑性比较高的特点，因为通常学优化出身的人理论基础比较扎实，机器学习还有点理论基础，深度学习理论基础其实不是特别深，可以理解为是大数据+统计+凸优化的结合。优化基础打好了，学习起来这些都比较简单。

18. Q：我发现一个问题，很多企业，他们比如说运输的那种企业，他自己有车队的那种。按理说车队100多辆车已经不算规模很小了。但是去他们那边就会发现他们现在用的本质上是一种heuristic的方法，效果很好，优化空间已经不大了。按照他们现有的经验做法，已经做的足够好了。我在想什么样的规模才能通过运筹优化，可以给他们真的省出成本来？

A：100个车也不算大规模，肯定得是超大规模的。而且不能只看规模，得看规模之后形成的这个钱。例如，如果一个公司拥有100多架飞机和相应的机组人员，其中顶级机长的年薪达到200万，那么人力成本可能就达到数亿甚至数十亿。在这种情况下，运筹优化就变得尤为重要。运筹并不是开源的算法，它是节流的算法，规模大的企业才需要。比如对于顺丰、菜鸟这样的大型物流公司，以及拥有超过50架飞机的航空公司，肯定都需要运筹。

另一种情况，像美团和滴滴这样的即时配送平台，如果没有高效的订单分配和路线规划算法，可能都无法维持业务的正常运行。就如同搜索推荐之于阿里京东。电商平台没有推荐你看不到货，就意味着没有信息流。类似的还有百度的搜索，抖音小红书的推荐等。所以像这种决定企业生死存亡的算法一定得需要。你进这样的团队，这样的部门，肯定是最好。但是现在大多是基本的建设已经完成了，你去里面估计也只是修修补补。