四个月，十六个格子。捷运公司要在第1、2、3、4个月初签下租期为1、2、3、4个月的仓库，每个格子代表一种组合。算出来的最优解是：x11=3，x31=8，x14=12，其他变量取值均为零。总费用118400元。十六个格子里，只有三个有数。剩下的十三格，干干净净，全是零。
这不是算错了。这是线性规划最诚实的地方：最优解常常落在可行域的顶点上，也就是几个约束边界交汇的角落。它不追求面面俱到，它只在对的地方使力，其余地方松手。
一家捷运公司要租四个月的仓库，模型给出十六个变量，最优解里只有三个不是零。这本书不讲玄学，它把“怎么在约束里找到最好的那一步”拆成三件事：决策变量、约束条件、目标函数。看懂这三件事，你手里那团乱麻就有了坐标。
《数学建模算法与应用（第3版）》不是一本教你“数学有多美”的书。它是一本操作手册，司守奎和孙玺菁把多年竞赛辅导里磨出来的案例摆在你面前：仓库租借、投资组合、运输调度、乳腺癌诊断、图像水印。每一个案例都从“设变量”开始，到“写出目标函数”结束。中间没有抒情。
但恰恰是这种不抒情，让它的解释力变得很硬。你跟着它把捷运公司的租借表翻译成十六个变量，把“每月仓库面积不少于需求”翻译成四行不等式，把“总费用最小”翻译成一个求和式。翻译完，问题就不再是一团乱麻，而是一个有边界的可行域。最优解不在别处，就在某个角上。
把乱麻写成三行
书里第1章讲线性规划，开篇就给了一个三步框架：分析问题，找出决策变量；根据条件，找出约束条件；根据目标，构造目标函数。三个要素齐了，模型就立起来了。
这三步可以随身带。你手头任何一件烦事——选专业、换工作、安排一个项目的排期——都可以先写成三行：
- 我能动的变量是什么？
- 我不能越过的约束是什么？
- 我到底要最大化或最小化什么？
写不出来，说明问题还没想清楚。写得出来，哪怕你不会Matlab，也已经完成了一半建模。剩下的才是算法。
书里所有例题都配了Matlab或Lingo源程序，程序设计简单精炼，注释详尽。节选里那个仓库问题，Matlab代码只有几行：定义优化问题、设变量下界、写目标函数、写约束、调用solve。但代码之前那三行，才是真正的门槛。
所有系数都是估计值
书里有一句话，放在第1章，很容易被跳过：“对于数学规划模型，一定要做灵敏度分析。”
为什么一定要做？因为模型里的a_ij、b_i、c_j，在纸上都是常数，在现实里都是估计值或预测值。市场条件一变，c_j就变；生产工艺一改，b_i就变；a_ij也会由于种种原因产生改变。你算出来的那个“最优解”，是建立在一组假设上的。假设一动，最优解还成立吗？
书里给了两个问题：参数中一个或几个变了，现行最优方案会有什么变化？把这些参数的变化限制在什么范围内，原最优解仍是最优？这两个问题，比“最优解是多少”更接近现实。现实里没有一劳永逸的最优，只有带保质期的最优。
书里另一个例子更贴近钱包。它先列假设，再建模型：
模型假设：（1）可供投资的资金数额M相当大。（2）投资越分散，总的风险越小，总体风险可用所投资的S_i中最大的一个风险来度量。（3）可供选择的n+1种资产（含银行存款）之间是相互独立的。（4）每种资产可购买的数量为任意值。（5）在当前投资周期内，r_i，q_i，p_i，u_i（i=0,1,⋯,n）固定不变。（6）不考虑在资产交易过程中产生的其他费用，如股票交易印花税等。模型建立：（1）总体风险用所投资的S_i中最大的一个风险来衡量，即max{q_i x_i | i=1,2,⋯,n}。
这六条假设里，最危险的是第（5）条：“固定不变”。现实里没有什么是固定不变的。书里接着就给了笨办法：给定参变量一个步长，重复求解线性规划问题，观察最优解的变化。特别是用计算机求解时，这不失为一种可用的数值方法。笨，但诚实。
最优解里那一片零，像一盘全白的录像带。站内那篇《墙上时钟是15:20，他们的录像带全白了》，标题本身就像一个模型：时间停了，记录没了，剩下的全是空白。仓库问题里那十三个零，不是没发生的事，是被模型判定为“不必发生”的事。灵敏度分析要问的，就是哪个零本来可能不是零。
今晚，只写四行
不用打开软件，不用装Matlab。今晚拿一张纸，把你手头最烦的那件事写成四行：
- 我能决定的变量：______
- 我不能越过的约束：______
- 我要最大化的目标：______
- 哪个数变多少，这个方案就废了：______
前三行来自书里的三要素，第四行来自灵敏度分析。写完这四行，你再决定要不要翻书里的算法。书很厚，目录从差分方程、支持向量机、偏最小二乘回归，一路排到模拟退火、遗传算法、数字图像处理、PageRank。但你不需要一次吃完。你只需要先把手头这一件事，翻译成模型。
目录翻过去，第9章的支持向量机落在乳腺癌诊断上，第13章的数字图像处理讲水印防伪和图像加密，第14章的综合评价方法里藏着PageRank算法和招聘公务员问题。这些案例的底层逻辑是同一个：先把现实写成变量，再在约束里找那个角。
如果你想把“预测”再往前推一步，可以看看《因果推断方法及其应用》；如果你好奇今天那些更大的模型怎么运转，《图解大模型》是一张不错的地图。它们和《数学建模算法与应用（第3版）》放在一起，像三个接力站：一个教你把现实写成约束，一个教你在约束里找最优，一个问你在相关之外还能不能找到原因。
如果这五分钟让你对自己手头那团乱麻多看了一眼，哪怕只是想把“决策变量”四个字写在纸上，导游的工作就完成了。去吧，放下这篇文章，去读属于你的原著。
