本文章譯自OptaPlanner官網上，Geoffrey De Smet先生的博文，鏈接如下：
https://www.optaplanner.org/blog/2015/06/03/HowGoodAreHumanPlanners.html
在規劃方面，我們人類比機器（計算機）更強嗎？或者說，自動規劃技術能擊敗人類嗎？我與一組軟件工程師做了一個實驗，結果如下。
實驗方法
我讓參與者手動解決一個簡單的規劃問題，向他們講解規劃優化的難度。我給了他們一個旅行商問題(TSP),如下圖。讓他們連接圖上所有點，以找出最短連通路徑，並回到原點。
參與者們笑了，他們說這不是一場小孩遊戲嗎？沒錯，除了每個點沒有編號之外，你也不是在點上找米老鼠（也沒有特定的連接要求）。
在紙上計算旅行距離是不現實的，因此，他們基於OptaPlanner中的TSP示例，來研究他們自己的訪問方案（即連接方案），以便自動計算路線間的距離。讀者也可以自己在TSP示例中嘗試一下這個方法，在那個示例中，你用鼠標右鍵點擊一下界面，就可以增加一個點了。
他們首次最佳的嘗試，30分鐘時間內的方案被記錄下來（如下圖），這是我們希望得到的最優方案了。最終得到的旅行方案是-674分，也就是說得到的最佳方案，其旅行距離是674.
結果
人可以找到約對最優解，包括我在內，大部分人甚至連接接近絕對最優解都找不到。結果如下表：
平均上，人類可以找到的最佳路徑相對最絕對最佳路徑差了9%,若將其反映到實際的車輛運行路線規劃工作中，意味着需要多花費9%的時間和油料來完成對所有地點的遊歷。這是相當高的代價。
這僅僅是一個只有一個約束條件的簡單路線規劃問題，而在現實世界中，還需要將其它的約束條件考慮進行，例如車輛的運量，現實公路網絡限制及一些個性化的業務約束。這些約束將會形成一個更爲複雜的問題。
以下是個別情況的規則結果：
31個人工規劃結果
可以看到，最佳的一個人工規劃中的最佳結果，比絕對最優解只差了0.3%,這是一個相當好的結果。如果我沒記錯的話，他花了越過30分鐘才能找到這個最佳解。這是一個規劃水平的體現，還是運氣使然？還是兩者結合的結果？結果排行第二的最佳結果，比絕對最佳解差了2%.
通過使用自動規劃引擎，例如OptaPlanner, 我們可以在更短的時候內擊敗人類，可以處理更多的約束和更大的數據值（即處理更多城市的TSP問題）。這是否意味着我們的規劃工作，可以擺脫規劃人員而自動進行？
我們還需要規劃人員嗎？
我們仍然需要人工規劃，需要規劃人員，但並不是用於尋找最優解，而是用來定義尋找什麼解。搜索引擎，例如Google可以搜索Web的內容，但它需要人們指定它需要搜索什麼信息。類似地，一個自動求解器(包括OptaPlanner）可以優化一個規劃工作，但其前提是需要人們告訴它應該優化些什麼東西。
在一個非凡的企業裏，定義什麼業務需要或想要優化，並非易事。這項工作包含大量部門間溝通，業務約束調整等內容。我們仍然需要規劃師，因爲，隨着業務的變化(市場變化，勞工法律變化等引起的業務變化），這些業務約束也需隨之改變。同時，我們也需要人工規劃師來監控自動規劃程序，給程序輸入數據並覈驗規劃結果。此外，人們還需保持對規劃程的控制。
但我們自問一下，以下兩個競爭者，誰能更有機會贏得最終知識測驗？
- 地球上最聰明的人。
- 一個平均水平，但可以訪問互聯網和維基百科的畢業生。
同樣地，如果從兩個人中選一個，你希望誰在你的組織中做規劃優化的工作？一個可以將自動規劃引擎作爲輔助工具，而別一個人則沒有此工具。
本系列文章在公衆號不定時連載，請關注公衆號（讓APS成爲可能）及時接收,二維碼：
如需瞭解更多關於Optaplanner的應用，請發電郵致：[email protected]
或到討論組發表你的意見：https://groups.google.com/forum/#!forum/optaplanner-cn
若有需要可添加本人微信（13631823503）或QQ(12977379)實時溝通，但因本人日常工作繁忙，通過微信,QQ等工具可能無法深入溝通，較複雜的問題，建議以郵件或討論組方式提出。(討論組屬於google郵件列表，國內網絡可能較難訪問，需自行解決)