全局最优与局部最优有什么不同？
一些古典经济学家认为，追求个人利益的最大化，就能累加成群体利益的最大化。但保罗·萨缪尔森指出，这是“合成谬误”——误以为在局部成立的事，就能在全局成立。萨缪尔森的侄子、哈佛前校长劳伦斯·萨默斯举过一个例子：会场里一个观众站起来，他看得更清楚了，能推广到整体吗？在运筹学领域，“贪心算法”寄希望于，通过每一步选择当前的最优，从而实现结局的最优。一个雪球，面对一条很陡很短的赛道和一条很缓很长的赛道，该怎么选？贪心算法会选择初期增长快的，然后早早陷入停滞。而巴菲特会说：人生就像滚雪球，重要的是发现很湿的雪和很长的坡。
人们渐渐发现，全局最优没那么容易，甚至总结出了一些经典错误模型比如公地悲剧。
一块公有草地，人人有权利使用，却无人有义务维护，结局是什么呢？每个牧羊人都会带大群的羊来吃草——他们知道草地承受不住，就更不愿落后于人——最后公地不复存在，这就是“公地悲剧”。公地悲剧有很多衍生情况，例如滥用形容词下调“形容词的有效性”。多年以前，“美女”一词表达了对女性容貌的赞美。但是逢人就喊“美女”的人越多，这个词的效力就越弱。
日本人又发明了一种办法——加时间或空间限定词。先是“十年一遇的逸才”松井珠理奈，后是“千年一遇的美少女”桥本环奈，中国的鞠婧祎被他们冠以“4000年一遇的偶像”，小栗有以是“20000年一遇的美少女”，百川晴香是“300万光年一遇的美少女”……时空还在持续贬值中。拉长时间尺度，更容易看出词义的弱化。《左传》里，“饿”表示比饥更严重，已经无法自主进食的状态，“饿死”表示真的饿死。两千多年后的今天，下午四点就能听到“我饿啦，饿死啦！”
公地悲剧稍一变化，就成了搭便车问题：
当一个公共品不付钱也能用的时候，每个人都倾向于不付钱（局部最优），但所有人都不付钱的话，就没公共品可用了（全局最劣）。
搭便车问题也有很多衍生情况，例如公共防疫：
假如全国只有一个人没打疫苗，那他和打了疫苗一样，几乎不可能染病，但是这样的人多到一定比例，疫情就会暴发。
2000年，美国宣布消灭麻疹。2010年到2017年，美国有超过250万儿童未接种麻疹疫苗，结果2019年上半年，麻疹疫情在美国卷土重来，染病人数创下近25年新高。
那么，全局最优是什么样呢？并不是所有场景都能实现全局最优，因为全局最优往往需要“上帝视角”和“顶层规划”。
往大里说，气候变化协定、关税贸易协定、央行征信系统、全民防疫计划、高铁航运规划就是追求全局最优；往小里说，滴滴的车辆调配方案就是追求全局最优。
很多人有过疑问，为什么明明附近有车，滴滴却要派一个远处的单？——为的就是全局最优。
滴滴本质上是一个协调者、撮合者，运用大数据算法和经济学规律，在高峰期尽量让更多乘客能打到车，让低谷期司机能够有单可接。
大数据算法意味着，让更多的人更快打到车，未必是個别用户打到最近的车，但所有人的整体等待时间缩短了。
互联网、大数据、人工智能，让全局最优成为可能。
最新评论