你还记得网约车平台还没出现的时候，人们是怎么“打车”的吗？那会儿，出租车需要在城市里巡游来招揽生意，但总会出现需求与供给不匹配的情况。客户如果在路边等不到空出租，就可以拨打出租车的客服热线，人工客服会调度离客户比较近的出租车去服务。
网约车平台的出现使得私乘服务更为便利。一方面，有越来越多的私家车加入服务，增加车辆的供给；但另一方面，网约车平台对用户的优惠激励也使得“打车”的需求在增加。
大多数的网约车平台在全国各个城市都可以运营，那么，面对这样庞大的需求，怎样调度车辆，使得供给和需求能得到最好的匹配呢？
过去的人工调度显然在当前大量的实时订单需求下已经不适合了。大量的人工客服需要巨额的开支来维持，新老员工的熟练程度也有差别，人员的更替会带来效率的差异，更不用说人工查找、联系和匹配本来就效率不高。
因此，现在的平台都是使用计算机算法来实现这一自动匹配的过程，计算机可以每天24小时都运行，而且可以同时快速处理多个订单请求。如此，平台在客服人力上就省了一大笔钱，同时，算法的精进研发可以使得订单满足率越来越高，平台通过抽成获得的收益自然也水涨船高。
调度算法的好处如此之多，它的原理是什么，又是怎么实现的呢？相信你上了《运筹学》这门课，就能明白些许。
运筹学主要就是在讲怎么解决一个优化问题。
那么什么样的问题是一个优化问题呢？又该如何通过计算机来求解呢？
优化问题模型通常通过三个要素来刻画：目标、决策变量、约束。意思就是我可以在一定范围内（约束）通过操纵什么（决策变量）来优化目标。在网约车平台这个例子中，就是通过匹配车辆类型符合订单要求的司机，来最大化订单满足率。目标就是订单满足率，决策变量就是司乘匹配，约束就是车辆类型要符合订单要求。
描述出优化问题模型以后，如何通过算法解决呢？
《运筹学》这门课将会告诉你优化模型可以分为哪几类、哪些优化问题已经有成熟的算法可以解决了、算法的具体步骤是怎样研究出来的。学习完这门课，相信你就能针对实际问题建立数学优化模型、识别出模型属于哪一类优化问题、有哪些工具可以解决它了。
运筹学的应用范围其实很广泛，它属于应用数学的一个分支，可以为解决很多实际问题提供系统的、科学有效的指导。调度问题仅仅是其中一个应用层面，生产计划编制、航空定价、库存管理等等也是运筹学常见的应用问题。
相信学完这门课后，你将能从更系统、更科学的视角去识别、分析一个实际优化问题，知道有什么工具可以用、它们是怎么创造出来的，也有能力去探索出新的、更契合实际需求的方法。
主讲教师
王焕钢，副研究员，博士，清华大学自动化系本科生《运筹学》课组负责人，长期从事运筹学教学与研究工作。
王老师先后获得2011年度清华大学青年教师教学优秀奖、2014年清华大学第六届青年教师教学大赛一等奖、2015年北京高校青年教师基本功比赛一等奖、最佳演示奖和最受学生欢迎奖、2016年度清华大学年度教学优秀奖、2020年清华大学疫情防控期间在线教学优秀教师奖等。运筹学课组教学改革与实践也先后获得2010年清华大学教学成果二等奖和2017年中国自动化学会高等教育教学成果二等奖。
