从《缎面娃娃》到集装箱调度：序列优化启示

音乐与物流排序问题的比较

Knut Alicke 2026年7月10日

音乐和物流都依赖于其序列，但评判方式却截然相反：一种靠耳朵，一种靠成本函数。从我二十多年前的资格演讲中，我开发了两个实验：数学分析杜克·艾灵顿（Duke Ellington）的《缎面娃娃》（Satin Doll）（即使完美匹配其统计数据，仍然产生了一首毫无生气的曲子），并将一个真实集装箱码头的起重机调度转换成可演奏的三声部乐谱。

该实验展示了物流和音乐排序问题之间的相似性，尽管在任何领域中形式上的正确性和质量并不是一回事。这适用于当今的生成式AI音乐工具和AI规划副驾。

感谢阅读！免费订阅以接收新文章并支持我的工作。

我以从音乐实践中为物流从业者总结的四个具体收获作为结尾：从现有模式中学习，将人类判断纳入评估环节，管理整个网络的元结构，并标准化以实现实时分散协调。

在1990年代末期，我坐在一位负责德国汽车厂最终装配线排序的计划员对面。他已经花了6个月的时间开发新的软件来优化最终装配线上汽车的顺序。这项任务并不容易，需要处理一套复杂的排序规则，比如“不能连续出现3辆内燃机车”。优化运行的结果是一个数字，例如3498，代表目标函数的值，表明所有约束条件被满足的程度。他看着这个数字就像看着一个用他不懂的语言写的电话号码。另一个结果是一张图：一张散点图显示了装配线上的汽车列表，其中满足约束条件的地方密集，其他地方稀疏。他毫不讽刺地称之为他的星空（Sternenhimmel）。

他没有优化那个数字。他优化的是那张图。他会使用工具手动调整订单，直到星星均匀分布在天空中。这种调整可能会使3498变得更糟。当我问他如何判断解决方案的质量时，他非常明确地说：“生产线上的工人会给出反馈，而最好的反馈是当星星分布均匀时。”他还谈到了大多数有经验的计划员所说的“好模式”，这些是他随身携带并在每个班次重复使用的子序列，因为他知道它们有效。

优化模型花费了数年时间才得以实施，而计划员并不关心目标函数。输出的质量就是星空，只有经过多年现场训练的人眼才能读懂它。

我在白天是一名供应链专业人士和大学教授，而在性格上则是一名萨克斯手。在我停止将其视为巧合之前，我已经从生活的两方面收集了类似的观察结果很长时间了。

资格演讲

几年后，我将这一观察转化为正式的研究，即我在卡尔斯鲁厄大学的资格演讲，标题用德语直白的方式表达，比英语更优雅：“音乐与物流排序问题的比较”。前提很简单，但很难证明。在音乐和物流中，核心变量都是序列。拣货运行、集装箱码头的起重机调度、最终装配线。解决方案的质量完全取决于事情发生的顺序。旋律也提出了同样的要求，相同的七个音符重新排列，可以成为热门歌曲或一团糟。

那次演讲的核心内容，以及接下来的论点的核心，是一个真实的集装箱码头（图片1），在那里火车交换集装箱就像乘客换乘平台一样。我的想法是将集装箱的顺序，通常以甘特图（Gantt chart）（图片2）的形式展示，表示为音乐序列。一个想法诞生了，并需要进一步详细研究。这篇文章讲述了我发现的内容，包括音乐和物流及供应链方面的相似之处和经验教训。

每个领域如何构建和评判序列

让我们从物流排序开始：物流清晰地将其排序问题分为两类。

离线问题是那些在你开始计算和优化序列之前就已经知道所有订单的问题。明天生产计划的最终装配顺序、仓库管理系统中已经存在的订单波次的拣货顺序。你有时间，所以你可以使用精确或近似的方法：分支定界法、约束满足、以及禁忌搜索或遗传算法等元启发式方法。

在线问题则相反，订单实时到达，就像电梯银行中的呼叫一样，你必须立即决定执行哪个序列。这种情况发生在信息不完整的情况下，使用简单到可以在毫秒内执行的规则。

这些序列优化目标函数（即最小化成本、最小化延迟、最大化利用率）并确保约束条件得到满足。通常，计划员称一个好的解决方案为和谐的、设计良好的等。

音乐也做了相同的划分，只是名称不同。

作曲是一个离线问题：想象约翰·塞巴斯蒂安·巴赫独自坐在钢琴前创作一首康塔塔，或者杜克·艾灵顿创作《缎面娃娃》。他们确实有几乎无限的时间去探索、尝试、改变序列并重新评估，直到符合他们的期望。约翰内斯·勃拉姆斯将这种奢侈发挥到了极致：他的第一交响曲从最初的草稿到首演用了21年，最终于1876年在卡尔斯鲁厄演出。勃拉姆斯觉得自己是在贝多芬的阴影下作曲，不断抛弃他写的东西。