运筹优化的7步建模方法论
本文介绍了如何用7步来完成针对运筹优化的建模工作。
此方法来源自《Operations Research: Applications and Algorithms》。
在OR书籍《Operations Research: Applications and Algorithms》中， 作者在第一章就介绍了如何用7步来进行运筹优化项目的建模， 其共分为如下7步：
- Formulate the Problem
- Observe the System
- Formulate a Mathematical Model of the Problem
- Verify the Model and Use the Model for Prediction
- Select a Suitable Alternative
- Present the Results and Conclusion of the Study to the Organization
- Implement and Evaluate Recommendations
我们展开讲讲这7步：
1. Formulate the Problem
首先，我们需要充分的了解业务的诉求以及期望，就是我们要知道我们到底要解决的是一个什么样的问题。
2. Observe the System
在我们知晓我们需要解决的是什么样的问题后，拿我们就需要查看现有系统的数据情况。 在有必要的情况下，我们还需要搭建新的系统以满足我们的业务需要。
3. Formulate a Mathematical Model of the Problem
紧接着，我们就需要在拿到数据以及需求的情况下，针对我们的问题，通过数学的语言进行建模。
4. Verify the Model and Use the Model for Prediction
随后，我们需要对我们在上一步数学建模的基础上，对模型进行验证。 同时，如果有可能的情况下，我们还需要使用模型进行预测。
这一步主要是观察我们的模型是否可以准确恰当的解决我们的问题。
5. Select a Suitable Alternative
此一步，主要就是要确认我们整体要呈现给业务用户的解决方案的细节。 然后，我们需要回顾所有可能的解决方案，并选择一个最适合我们问题解决的一个方案。
6. Present the Results and Conclusion of the Study to the Organization
在这一步，我们需要将我们的解决方案呈现给业务，并获得业务的认可。
如果业务对我们最终的方案无法认可，或者又指出不足之处，那么我们就需要从头开始，审视我们完成的过程中是否忽略了某些重要的条件或者限制等，也就需要重新对方案进行修改和设计。
如果我们的方案得到了业务的认可，那么我们就可以推进部署和落地的事项。
7. Implement and Evaluate Recommendations
最后一步，就是要实际部署我们的方案，我们需要在这一步，将结果推到生产环境，并持续不断的对我们的方案进行数据的收集以及模型准确性的持续跟踪和监控。
以确保我们的方案，可以及时捕获新的改动以及异常，以确保方案可以持续不断的服务业务用户。 以满足业务需要。
总结下来，我们在解决运筹优化，以及其他类型的数据或者算法项目的过程中，可以参考相关的流程。在深入分析，并彻底了解问题的基础上，通过真实的数据进行方案的设计以及验证。 最后在通过业务的审核后，上线并持续运行监控我们方案的效果。
以上就是运筹优化领域的7步建模方法。