商业求解器的前世：数学规划问题与算法实践

求解器一般用来解决大规模现实问题中的最优解，基于深度学习和运筹优化技术的发展，求解器可以在数秒内给出决策答案。作为重要的工业软件之一，目前已经应用到能源电力、航空航天、轨道交通等各领域。

目前，Gurobi、CPLEX和Xpress被视为三大主流求解器，占据90%的国际市场份额。针对任何约束条件下的问题最优解，它都可以在数秒内给出答案，大大地提升了决策效率。而这一技术的发展，也要从一个饮食优化问题说起。

01

斯蒂格勒饮食和旅行商问题

单纯形法是求解线性规划（LP）问题最为常见的算法之一，也是当前很多求解器的算法框架之一。线性规划作为数学规划的一个重要的分支，可以追溯到1945年George Stigler提出的饮食问题。而针对这一问题的求解，也是单纯形法问世的开始。

“斯蒂格勒饮食”是以 1982 年诺贝尔经济学奖得主George Stigler命名的优化问题，“对于一个体重154磅（70 公斤）的适度运动的人来说，为了满足9种不同营养素的摄入量达到国家研究委员会在 1943 年建议的推荐膳食摄入量(RDA)，每天应该摄入77种食物中的哪些品类，且成本最低？”

这一问题包含9个约束条件，77个变量。这一问题提出之际，线性规划算法尚未出现，但他使用了启发式方法进行求解，从最初的77种食物中剔除62种（这些食物被剔除是因为它们与其余15种相比缺乏营养），通过计算出剩余的15种食物中，每种食物所需的数量，得出成本最小化解决方案，每年成本是39美元。