2. 业务问题结构化与变量识别

把一段业务叙述变成可计算的数学模型，中间最关键的一步不是套公式，而是结构化：把模糊的业务语言翻译成“目标—约束—变量—参数”四类要素，并写成一份别人能读懂、自己能复算的问题陈述文档。本节围绕这一转换过程展开，重点讲清楚拆解场景的方法、变量与参数的区分标准，以及如何落成一份可交付的问题陈述。

一、从业务叙述到结构化要素

业务方给出的原始描述通常带有大量背景、情绪和隐含假设，例如“最近华东仓经常爆仓，希望降低仓储成本，但客户投诉也变多了”。这句话里至少藏着三个不同层次的信息：现象（爆仓、投诉上升）、目标（降成本）、以及未被说出的约束（服务水平不能继续恶化）。结构化的第一步，就是把这些信息按四类要素归位。

• 决策目标：模型要优化或判断的对象，必须可量化，并明确方向（最小化成本、最大化满足率等）。
• 约束条件：决策不能突破的边界，包括资源上限、服务水平下限、法规与业务规则。
• 决策变量：由模型求解、可以由决策者主动选择其取值的量。
• 参数：在本次决策期内视为已知或给定的量，不随决策改变。

这里最容易出错的是变量与参数的混淆。判断标准只有一条：这个量是否由我们的决策决定。例如在仓网规划中，“是否启用某仓库”是 0-1 决策变量，而该仓库的固定租金是参数；但如果租金可以谈判并作为决策内容，它就升级为变量。同一个量在不同问题边界下身份可能不同，因此必须在文档中写明“在本问题中视为参数”的理由。

二、界定目标与约束的实操方法

目标界定要避免“既要又要”的伪目标。可行做法是先列出全部诉求，再区分“必须满足”和“希望优化”：前者进入约束，后者进入目标。若存在多个优化诉求，可采用加权、分层（先保服务水平再降成本）或帕累托分析处理，并在文档中说明取舍逻辑。

约束的梳理建议按来源分类：物理约束（仓库容量、车辆载重）、资源约束（预算、人力工时）、业务规则约束（最小起订量、区域配送时限）、逻辑约束（选址与配送的关联关系）。每一条约束都应写成可检验的不等式或逻辑表达式，并标注数据来源，避免出现“大致不能超过”这类无法验证的表述。

三、变量识别与粒度控制

变量识别要回答三个问题：决策者能控制什么、控制到什么粒度、在什么时间尺度上控制。以某区域配送中心为例，若决策是“各线路每日发车频次”，则变量为线路×日期的整数变量；若决策是“是否在某城市建设前置仓”，则为城市级的 0-1 变量。粒度越细，模型越贴近现实，但数据需求和求解难度也同步上升，因此需要与可用数据匹配。

下图展示了一个配送网络优化问题中，目标、约束、变量与参数之间的结构化关系，可作为整理同类问题的参照框架。

四、形成问题陈述文档

结构化结果必须固化为文档，否则讨论中极易反复。一份可用的问題陈述通常包含：业务背景与决策周期、目标函数及其方向、约束清单（含表达式与数据来源）、变量定义表（符号、含义、类型、取值范围）、参数表（符号、取值、单位、来源与更新频率）、以及明确写出的假设与边界。假设部分尤其重要，例如“需求在决策期内视为确定值”“运输成本与距离线性相关”，这些假设决定了模型结论的适用范围。

下面给出一个可直接套用的变量与参数定义片段，以配送网络问题为例：

集合：I = 候选仓库集合；J = 需求区域集合
决策变量：
  y_i ∈ {0,1}   是否启用仓库 i（i ∈ I）
  x_ij ≥ 0      仓库 i 向区域 j 的配送量（i ∈ I, j ∈ J）
参数：
  d_j           区域 j 的需求量（件/日，来源：近 3 个月出库均值）
  f_i           仓库 i 的日固定成本（元/日，来源：租赁合同摊销）
  c_ij          单位运输成本（元/件，来源：承运商报价表）
  Cap_i         仓库 i 日处理能力（件/日，来源：仓容测算）
目标：min  Σ_i f_i·y_i + Σ_i Σ_j c_ij·x_ij
约束：
  Σ_i x_ij = d_j                对每个 j（需求满足）
  Σ_j x_ij ≤ Cap_i·y_i          对每个 i（容量与启用联动）
  x_ij ≤ d_j·y_i                对每个 i,j（未启用仓不可发货）

注意约束 x_ij ≤ d_j·y_i 的作用：它把连续变量与 0-1 变量绑定，保证未启用的仓库不会出现在解中。这类“联动约束”是结构化过程中最容易被遗漏、却直接决定模型是否可执行的部分，写文档时应专门检查。

五、结构化质量的检查

完成初稿后，可用几个问题自检：目标函数中的每一项是否都能对应到参数表里的数据？每条约束是否能用现有数据算出具体数值？每个变量是否真的由决策者控制？假设是否写到了可以被质疑的程度？若某个参数在决策期内会显著波动（如旺季需求），应说明是采用情景分析还是将其改为随机参数，而不是含糊带过。

结构化的产出不是一张漂亮的图，而是一份能让建模者、业务方和数据提供方对齐认识的文档。当目标、约束、变量、参数四类要素各归其位，且每条都带有来源与假设说明时，后续的模型选择、求解与结果解读才有可靠基础。