标签：raw 网上 信息 相对 市场 链接 idt height origin
本文章译自OptaPlanner官网上，Geoffrey De Smet先生的博文，链接如下：
https://www.optaplanner.org/blog/2015/06/03/HowGoodAreHumanPlanners.html
在规划方面，我们人类比机器（计算机）更强吗？或者说，自动规划技术能击败人类吗？我与一组软件工程师做了一个实验，结果如下。
我让参与者手动解决一个简单的规划问题，向他们讲解规划优化的难度。我给了他们一个旅行商问题(TSP),如下图。让他们连接图上所有点，以找出最短连通路径，并回到原点。
参与者们笑了，他们说这不是一场小孩游戏吗？没错，除了每个点没有编号之外，你也不是在点上找米老鼠（也没有特定的连接要求）。
在纸上计算旅行距离是不现实的，因此，他们基于OptaPlanner中的TSP示例，来研究他们自己的访问方案（即连接方案），以便自动计算路线间的距离。读者也可以自己在TSP示例中尝试一下这个方法，在那个示例中，你用鼠标右键点击一下界面，就可以增加一个点了。
他们首次最佳的尝试，30分钟时间内的方案被记录下来（如下图），这是我们希望得到的最优方案了。最终得到的旅行方案是-674分，也就是说得到的最佳方案，其旅行距离是674.
人可以找到约对最优解，包括我在内，大部分人甚至连接接近绝对最优解都找不到。结果如下表：
平均上，人类可以找到的最佳路径相对最绝对最佳路径差了9%,若将其反映到实际的车辆运行路线规划工作中，意味着需要多花费9%的时间和油料来完成对所有地点的游历。这是相当高的代价。
这仅仅是一个只有一个约束条件的简单路线规划问题，而在现实世界中，还需要将其它的约束条件考虑进行，例如车辆的运量，现实公路网络限制及一些个性化的业务约束。这些约束将会形成一个更为复杂的问题。
以下是个别情况的规则结果：
31个人工规划结果
可以看到，最佳的一个人工规划中的最佳结果，比绝对最优解只差了0.3%,这是一个相当好的结果。如果我没记错的话，他花了越过30分钟才能找到这个最佳解。这是一个规划水平的体现，还是运气使然？还是两者结合的结果？结果排行第二的最佳结果，比绝对最佳解差了2%.
通过使用自动规划引擎，例如OptaPlanner, 我们可以在更短的时候内击败人类，可以处理更多的约束和更大的数据值（即处理更多城市的TSP问题）。这是否意味着我们的规划工作，可以摆脱规划人员而自动进行？
我们仍然需要人工规划，需要规划人员，但并不是用于寻找最优解，而是用来定义寻找什么解。搜索引擎，例如Google可以搜索Web的内容，但它需要人们指定它需要搜索什么信息。类似地，一个自动求解器(包括OptaPlanner）可以优化一个规划工作，但其前提是需要人们告诉它应该优化些什么东西。
在一个非凡的企业里，定义什么业务需要或想要优化，并非易事。这项工作包含大量部门间沟通，业务约束调整等内容。我们仍然需要规划师，因为，随着业务的变化(市场变化，劳工法律变化等引起的业务变化），这些业务约束也需随之改变。同时，我们也需要人工规划师来监控自动规划程序，给程序输入数据并核验规划结果。此外，人们还需保持对规划程的控制。
但我们自问一下，以下两个竞争者，谁能更有机会赢得最终知识测验？
同样地，如果从两个人中选一个，你希望谁在你的组织中做规划优化的工作？一个可以将自动规划引擎作为辅助工具，而别一个人则没有此工具。
本系列文章在公众号不定时连载，请关注公众号（让APS成为可能）及时接收,二维码：
如需了解更多关于Optaplanner的应用，请发电邮致：kentbill@gmail.com
或到讨论组发表你的意见：https://groups.google.com/forum/#!forum/optaplanner-cn
若有需要可添加本人微信（13631823503）或QQ(12977379)实时沟通，但因本人日常工作繁忙，通过微信,QQ等工具可能无法深入沟通，较复杂的问题，建议以邮件或讨论组方式提出。(讨论组属于google邮件列表，国内网络可能较难访问，需自行解决)
标签：raw 网上 信息 相对 市场 链接 idt height origin
原文地址：https://www.cnblogs.com/kentzhang/p/11420931.html
