这是一个号称Google官方的开源优化sdk， 包括建模框架，CP求解器，支持市面上主流求解器，同时自带部分算法。这套框架已经上线好几年了，一直没有机会尝试。这次就实现一个简单的CVRP(Capacitated Vehicle Routing Problem， 运力约束的车辆路径规划)来测试一下。之后会将尝试VRPTW/MDCVRPTW等更加实际的模型。

搞运筹优化，离不开建模和求解。市面上主流的优化平台如cplex和gurobi对于各种优化问题都有极佳的表现。但缺点也十分明显，那就是贵！ 早先Gurobi在同IBM cplex竞争的时候，价格十分低廉，但随着Gurobi慢慢证明了自己一哥的地位之后，定价策略也就不那么亲民了。颇有屠龙勇士变成恶龙的感觉。

经费在燃烧，老板在咆哮，对于初创团队和小型项目，模型一般不大，有没有便宜又可靠的优化解决方案呢？ 有的，我们自己动手丰衣足食，可以完全用开源工具高效的工作！ 这就是今天要介绍的pyomo + GLPK/ipopt.

今年4月初，INFORMS 商业分析年会 (Business Aanalytics)在美国赌城拉斯维加斯召开。在三天的时间里，听了不少有意思的报告，也感受到了许多令人激动的趋势。几天下来，不知不觉积累了好多笔记。趁着记忆犹新，整理一下笔记和心得，希望尽量能从门票钱里再抠出一点价值。同时，对于不了解或者没机会参加今年INFORMS B&A 的朋友也能对今年的会议有个大致的了解。

胜败乃兵家常事。不论是一线的数据科学家，还是业务负责人，多少都会遇到失败的项目。开头一片光明，看似机会无限。简单估算一下，哇塞，一年可以直接/间接创造百万元的效益。于是雄心勃勃开场，但做着做着却发现势头不对，随后不知为什么就慢性搁浅了。这样的体验，相信很多人都有。项目失败固然令人沮丧，酸甜苦辣也不尽相同，但总归也还是有些规律可寻。

是故胜兵先胜而后求战，败兵先战而后求胜。 –孙武

孙子兵法这句话，很是精妙。在当下的语境中，应该说的是这样一个意思：成功的项目，多半是积累了成功条件方才开始，而失败的项目往往是开始之后才发现忽视了关键的因素。那到底有哪些因素会导致项目的失败呢？

欢迎来到”分析观”, 一个交流运筹分析(Analytics)知识的平台。

Analytics是一个新兴领域，甚至还没有一个贴切的中文翻译，我暂且称它为“运筹分析”。但提起她的内涵却并不会让人感到陌生。概括说来，它是运用商业分析+数据科学+数学建模+数据可视化为企业提供决策支持。解决的核心问题就一句话：

怎么做正确的商业决策？

毫不夸张的说，及早在Analytics领域进行战略布局，已经成为未来企业的核心竞争力。未来十年，胜负将决于此间！
作为开门第一篇文章，和大家聊聊Analytics的前世今生，应该是再合适不过了。