第4章 不确定战场：随机优化与排队

第4章 · 不确定战场：随机优化与排队

本章要回答的三个问题：当需求数据只是随机变量时，"求最优解"这句话该怎么重新定义？排队等待的长度与时间如何估算、产能该配多少？库存补到多少才能在缺货与积压之间站稳？本章把第 3 章的确定性沙盘推倒重来，让雾进入战场。

为什么会有这一章

第 3 章的四件兵器有一个共同前提：模型里的每个数字都是确定的。可现实里，明天的需求是一张概率分布，顾客到达是一场泊松过程，供应商交期是一个随机变量。把期望值塞进确定性模型再求最优，是最常见也最隐蔽的错误——平均需求下最优的备货量，在需求波动大时一半日子缺货、一半日子积压，两边都在亏钱。

本章三节对应三种"带雾作战"的兵法。随机规划与鲁棒优化处理一次性决策面对随机参数：前者用概率分布建模（期望模型、机会约束、两阶段 recourse），后者干脆只用"不确定参数落在某个集合里"这一弱假设。排队论处理随机到达与服务容量的匹配：系统里有多少人、要等多久、加一个服务台值不值。库存论把两者落地到最普遍的商业场景：不确定需求下的补货节奏。

读完能解决什么

• 用报童模型算出不确定需求下的最优订货量，并解释临界分位数的含义；
• 用 M/M/1 公式估算排队长度与等待时间，判断扩容的边际收益；
• 区分期望最优、机会约束、鲁棒保守三种解的态度差异并按场景选用。

各节怎么分工

本章知识点清单

• 期望值模型的盲区：均值最优不等于分布最优；
• 两阶段随机规划：第一阶段决策 + 第二阶段追偿（recourse）的结构；
• 机会约束与 VaR/CVaR 风险度量的联系；
• 鲁棒优化的不确定集与最坏情况代价；
• 泊松到达、指数服务、Little 公式 L = λW；
• 利用率 ρ 与系统稳定条件 ρ < 1；
• 报童临界分位数 = 缺货成本 ÷（缺货成本 + 滞销成本）；
• 决策树回溯与期望效用、风险规避的态度表达。

不确定战场的三条战线

确定性优化求的是"最好的方案"，随机优化求的是"在所有可能的世界里平均最好或最不坏"的方案——一字之差，模型全换。

不确定战场的学习要诀

这一章的概念密度是全册最高的，三条要诀帮你站稳。第一，始终分清"谁随机"：需求随机走随机规划与库存论，到达随机走排队论，参数连分布都不知道走鲁棒优化——混淆随机来源是本章最常见的建模事故。第二，把"服务语言"翻译成数学：业务方说"九成五的顾客两分钟内接起"，这就是机会约束与排队论分位数的组合命题；说"不能出现断供"，要看它是指绝对不（鲁棒）还是概率意义上的不（机会约束）。第三，警惕均值：本章所有模型都在对抗均值思维——均值最优的备货、均值算出的坐席数、均值意义上的"够用"，都是第 1 章开环思维的翻版。读完本章回头再看第 1 章的烤箱与面包房，你会发现自己已经能识别当初看不见的那层雾。

先决条件

• 第 3 章线性规划与动态规划（4.1 的两阶段模型两者都用）；
• 基础概率：期望、方差、常见分布、条件概率。

往下走到哪

本章的"不确定性"来自自然。下一章回到确定性世界，但战场换成网络结构——不过图上的组合爆炸会带来另一种意义上的"不可全知"。