决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
预算有限的网络投资--组合优化如何实现影响最大化
为什么传统的扩张决策会失败？
分类
网络投资是企业中资本最密集、战略最敏感的决策之一、 市政和基础设施部门。无论是光纤、能源、物流、分支网络、服务中心还是配送路线： 预算几乎总是有限的，而潜在的投资点却很多。
这正是一个经典数学问题与现实决策的结合点： 旅行推销员问题（TSP）--由预算、优先权和影响约束扩展而来、 优先级和影响限制。
核心问题不再是：
我们在哪里投资？
而是
怎样的投资顺序、选择和组合才能利用有限的资源产生最大的影响？
1. 作为网络投资模式的 TSP
经典的旅行推销员问题描述了这样一项任务，即以如下方式访问一组节点（地点）：
- 考虑到每个相关点
- 成本（如距离、时间、精力）最小化
- 优化整体路线
应用于网络投资，这意味着
- 节点：投资点（地点、区域、网络节点）
- 边：成本、依赖性、实施工作
- 目标：以最少的资源产生最大的影响
但实际上，这个问题比传统的 TSP复杂得多。
2. 为什么网络投资不是线性问题
典型的投资决策通常是在线性基础上做出的：
- 按投资回报率排序
- 根据政治或地区压力确定优先次序
- "由外而内 "连续扩张，反之亦然
然而，这些方法忽略了系统效应：
- 网络效应（只有通过联系才能创造价值）
- 投资点之间的依赖关系
- 规模经济和门槛
- 时间序列
结果是：投资成本高，而影响却不成比例地低。
3. 真正的问题：限制条件下的 TSP
真实的网络投资涉及更多限制：
- 预算有限
- 优先级（关键区域、主要客户、监管要求）
- 依赖性（节点 A 使节点 B 有用）
- 部分效益（并非每个节点都能单独产生价值）
在数学上，它是以下问题的组合：
- 旅行推销员问题
- 背包问题
- 组合优化
这种组合无法靠人类的直觉来解决。
4. 最常见的错误：完整性而非影响力
网络投资中的一个典型错误是
"既然要投资，那就尽可能全面"。
这导致
- 太多半成品网络
- 产能利用率低
- 高资本投入
- 政治上 "有吸引力 "但经济上薄弱的解决方案
最佳解决方案往往不是完整的，而是有针对性的综合解决方案。
5. 顺序比面积更重要
对于 TSP 来说，不仅要看哪些点，还要看顺序。 在投资中，这意味着
- 初始投资设置不当会阻碍预算
- 正确设置起始节点会使后期效果倍增
- 某些投资只有在现有基础上才有价值
6. 为什么仅靠经验和 Excel 是不够的
超过一定的网络规模，可能的变体数量就会激增：
- 10 个投资点 → 百万种组合
- 15 个投资点 → 数十亿种变体
- 包括序列→指数爆炸
Excel、研讨会和优先列表人为地降低了这种复杂性--从而 从而造成系统性的效率损失。
证明（正式）：为什么经验和 Excel 在结构上不充分
经典网络投资决策方法的结构局限性 在数学上是合理的。即使网络规模适中 解决方案的空间也不是线性增长，而是面性或指数增长。 这种效应与经验、组织或工具选择无关。
6.第一个选择问题：预算有限的子集
假设n是潜在投资点的数量。由于预算有限 预算，只能实现这些投资点中的一个子集。 所有可能子集的个数为 ：
|\u1d4f(n)| =2n
举例说明：
- n = 10:210= 1,024 个组合
- n = 15:215= 32 768 种组合
这个数字只描述了选择--还没有按顺序排列。 只有在下一步才会出现实际的复杂性。
6.第二个序列问题：经典对称 TSP
在对称的旅行推销员问题（TSP）中，有一个固定的起点和相同的去程和返程方向。 的对称旅行推销员问题（TSP）中，如果起点固定，且去程和回程方向相同，则可能的往返次数为 次往返：
|u1d4fTSP(n)| = (n - 1)！/ 2
举例说明：
- n = 10:9! / 2 = 181 440 次旅行
- n = 15：14！/ 2 = 43 589 145 600 次旅行
即使没有预算限制，这也意味着在 15 个点的情况下 超过 430 亿条可能的路线。
6.3. 实际投资问题：选择和顺序
在实际的网络投资中，并非所有的点都会被扩展。 而是选择大小为k的子集，并确定一个最佳序列。 确定最佳序列。
大小为k的子集是固定的：
(k - 1)!/ 2
可能的往返次数。这种大小的子集的数量为
n over k = n! / (k！- (n - k)!
因此，完整的搜索空间结果为
Σ (k = 2 to n) [ (n over k) - (k - 1)! / 2 ]
6.4 结果：搜索空间的数量级
| 点数 (n) | 仅选择 (2ⁿ) | 仅排序 ((n-1)! /2) | 选择 + 序列 (Σ) |
|---|---|---|---|
| 10 | 1.024 | 181.440 | ≈556,036（≈111 万，无定向缩减） |
| 15 | 32.768 | 43.589.145.600 | ≈127,661,752,459（不定向缩减时≈2,550亿） |
6.5. 后果
从大约10-15 个投资点开始，决策空间就远远超出了 远远超出Excel 可以列举的范围，也远远超出人 人的经验所能可靠监督的。
Excel 通过预选不可避免地缩小了这一空间、 启发式或线性假设。经验取代计算 直觉。这两种方法都不会带来最佳解决方案、 而是结构上的次优决策。
因此，限制因素不是能力，而是 组合学。这种网络投资 不是一个经验问题，而是一个 一个纯粹的优化问题。
7. 作为优化问题的网络投资
网络投资是一个组合优化问题：
- 目标值：整体效果最大化
- 变量：投资选择和顺序
- 约束条件预算、时间、依赖性、风险
这是了解预算在哪些方面具有实际杠杆作用的唯一途径。
8. 战略附加值
系统优化的网络投资可以
- 用同样的预算产生更大的影响
- 减少政治和业务摩擦
- 决策透明、合理
- 更好的可扩展性
9. 管理和责任角度
可计算、可理解的决策逻辑可降低责任风险、 声誉损失和政治攻击面。 因此，透明度本身已成为一种战略资产。
结论
预算有限的网络投资不是一个分配问题，而是一个优化问题、 而是一个优化问题。
继续投资的人可以线性地分配预算，但却无法实现效果最大化。 将网络理解为组合系统的人则能以更少的资源取得更多的成果。 用更少的资源取得更多的成果。
关键问题不在于
我们能投入多少？
而是
在实际限制条件下，哪种投资途径能产生最大的整体效益？