1. 课程导论：智能寻源算法在中标场景中的价值、约束求解参数调试的核心挑战、课程目标与学习路径

1.1 智能寻源算法在中标场景中的核心价值

在供应链寻源与采购中标场景中，企业面临的核心矛盾是：如何在满足多维度业务约束（成本、交期、质量、合规、供应商关系）的前提下，快速生成最优或近似最优的中标方案。传统人工寻源依赖采购专家的经验判断，面对数百个SKU、数十家供应商、上千条约束条件时，往往只能给出“可行解”而非“最优解”，且耗时数天甚至数周。

智能寻源算法（通常基于约束求解、混合整数规划、启发式搜索或图论）将这一过程转化为数学优化问题，其核心价值体现在以下三个维度：

1.2 约束求解参数调试的核心挑战

尽管智能寻源算法在理论上具备巨大优势，但在实际中标场景落地时，约束求解参数调试成为决定算法能否“跑得动、跑得快、跑得准”的关键瓶颈。以下是实践中反复出现的四大核心挑战：

1. 约束冲突与不可行解：业务约束之间（如“最低价供应商”与“本地化率≥80%”）可能相互矛盾，导致求解器返回“无可行解”。调试者需要快速定位冲突约束集，并决定是放松约束还是调整权重。
2. 求解时间与质量权衡：增加约束数量或收紧约束边界会显著延长求解时间。如何在可接受的时间窗口内（如30分钟）获得足够好的解，需要精细调节MIP Gap、搜索策略、启发式频率等参数。
3. 参数空间爆炸：现代求解器（如Gurobi、CPLEX、OR-Tools）暴露了数十个可调参数，且参数之间存在非线性交互效应。盲目调参不仅效率低下，还容易陷入局部最优。
4. 业务场景动态变化：不同品类（电子元器件 vs 大宗原材料）、不同市场环境（卖方市场 vs 买方市场）对约束的敏感度差异巨大。一套参数无法通吃所有场景。

1.3 课程目标与学习路径

本课程旨在培养学员在真实中标场景下，系统化调试约束求解参数的能力。课程不追求理论上的数学完备性，而是强调实战可复现、可验证、可迁移的调试方法论。

课程结束后，学员将能够：

• 独立诊断中标场景中的约束冲突，并制定松弛或重构策略；
• 针对不同品类与业务目标，设计参数调试实验（DOE），快速收敛到最优参数组合；
• 利用灵敏度分析与后验统计，向业务方解释求解结果并建立信任；
• 构建可复用的参数调试流水线，将调试时间从数天压缩至数小时。

学习路径分为四个阶段，每个阶段对应一个核心能力模块：