嘉宾:香港大学工业及制造系统工程学系助理教授郭永鸿

「 大家好，我是郭永鸿，是香港大学工业及制造系统工程系助理教授，亦是现任香港运筹学会主席。我的研究包括运筹学、优化和大数据分析，而主要的应用是物流、交通和医疗管理。」

 学者指，运筹学在学术界被称为管理科学，它的应用有悠久历史，和其他很多不同的工科技术一样，起源于战争的时候。

 「在第二次世界大战开始时，运筹学成为一个正式的科目，英国请了一批科学家去优化战争时的决策，提高胜算和减少伤亡。在第二次世界大战之后，运筹学开始应用在不同的领域，包括制造业、物流、交通、能源和医疗等。

 运筹学其中一个最常用的工具是优化，一个现实生活例子，其实可以用数学的模型去表示，首先要定义决策的变量、目标函数和约束条件。一个常见的例子就是最短距离路径问题，大家都应该用过导航，在这个问题上，首先我们有了城市的网络，然后决策是会不会经过一条街， 如果经过的话会是1 ，不经过的话会是0，目标的函数是所有经过的街道的距离加起来， 约束条件会是路径要符合城市网路的规则，当有数学模型之后，我们可以用算法去解决问题，例如线性规划或Dijkstra algorithm去求解，所以当大家有GPS定位，再用自己位置和终点去找路径，其实已经解决了一个优化的问题。在大数据和人工智能的快速发展下，尤其是在智慧城市的框架下，运筹学家不停研发一些对社会有帮助的应用。例如公共交通工具，以前坐巴士可能付车费的时候，很多时候用硬币， 很多时候坐车的讯息是没有被记录到的，但现在利用电子支付技术的场景下，公共交通工具公司其实可以了解不同时间、不同车站乘客的流量，他们在哪里上车、哪里下车，亦可用他们过往的交通时间，去作整体公交时间表的编制、车辆调度，而实时的数据亦都可以作为实时车辆调动、调班，乘客亦都可以透过手机软件，重新编制自己的交通计划， 这些全都是大数据结合优化的应用。

在医疗方面，传统的病人病历用纸和笔去记录，现时数字化下，不同的医疗讯息，好像医疗仪器对病人采集的数据、图像的分析，都可以作讯息数据化。医疗系统可以为病人建设个性化的数学模型，从而用数学去优化医疗计划，而医院亦都可以从病人的数据，甚至医院的地理位置、 日期 、天气等讯息，去作医疗系统需求的预测，从而可以优化医院的病床、人手的分配，甚至药物的库存等。 」

随着社会各类机构需要储存和分析的数据量越来越多，科学家亦要研究如何提高算法的速度。

「在未来十年或更长的时间，大数据、人工智能和优化会继续对世界有一个重大、正面的影响，但我们都要留意当中的挑战。数据量持续地增长，不单对储存量的需求越来越大，所需的电脑计算能力亦会越来越大，可能有人认为电脑设备的发展会更加厉害，但其实我们现在去做优化的不同问题的参数、决策都有所增加。在我们学术界有一件事叫做维数诅咒，是一个学术界和业界都发现到的问题，令到计算未必可以在合理的时间完成，所以其实科学家都需要研发提高算法的速度。而现实生活中，事件亦经常出现随机性，通常我们做优化的时候，都会想优化目标的平均值，但可能当事件随机发生的时候，会出现一定的风险，要怎样优化我们的目标，但同时间可以令风险降低，也是另一个我们现在着眼的问题。 最后在数据驱动优化的框架之下， 很多时候最优的决策，会偏向于某一群利益的相关者。在这个情况下，我们如何制定算法、优化模型，可以令到我们的优化决策可以更公平，这些都会是我们未来需要去着眼的问题。」