除了让企业了解运筹学遇到了很大阻力之外，组建团队时葛冬冬也遇到了问题，“运筹学在国内是个非常小众的学科。”既精通理论、又代码纯熟的人凤毛麟角。

　　开发传统的求解器是件吃力不讨好的事。要想提升求解器的运算速度，就必须对代码的每一个细节反复优化，耗时又耗力，还不见得能出论文，很难说服人来干。

　　在最近召开的中国运筹学会数学规划分会理事会年会上，葛冬冬站上讲台，第一次向外界报告他们团队正在开发的优化求解器。讲到最后，想起这些年的开发经历，已近不惑之年的汉子情难自抑，声音哽咽，双眼泛红。

　　优化求解器是运筹学的概念，是用来解决运筹建模问题的基础支撑软件。2013年，葛冬冬来到上海财经大学，担任管理科学与量化信息研究中心主任，着手求解器开发项目。

　　目前，上财团队已经完成国内第一个具有自主知识产权的开源线性优化求解器的初步技术工作，其运行效率和数值稳定性已经堪比当前主流的开源求解器。并针对大数据问题特点，探索用一阶算法求解超大规模线性规划问题。

　　围墙里的运筹学

　　叶荫宇是斯坦福大学教授，华人运筹学的领袖级学者，同时也是葛冬冬的导师。2013年与国家电网合作，探索全国电力的实时调度和匹配问题。解决方案中，采用的是国外公司的求解器，但是源代码被封装，很难根据国家电网的特点做针对性改良加速。

　　不只是电网，几乎所有的管理优化项目都可以归结为数学规划问题的求解，而求解器包含了解决问题的核心算法，决定着问题解决的效率。国外的商业求解器代码不对外公开，且售价极高，开源的求解器又不稳定，国内运筹学的发展，对求解器的诉求越来越迫切。

　　另一方面，随着大数据的兴起，计算任务越来越繁重，基于单一处理器的传统算法渐渐无法满足需求。基于GPU架构的算法并行化是解决大数据问题的一项关键技术。针对所有经典优化算法，开发并行计算版本的求解器，这在国际上也才刚刚起步。

　　“中国不能没有自己的求解器！”于是叶荫宇教授提出了开发并行版本优化求解器的意向。葛冬冬一听，觉得这不仅是在国内开荒，还能占领国际研究高地，是个机会，非常高兴地主动应了下来。

　　但随即葛冬冬就发现，这事儿非常难做，是个大“坑”。

　　和国外氛围不同，国内的运筹学被看作是数学的一个分支，锁在大学的围墙里。“注重理论，和工业结合不紧密，企业对于运筹学的认识普遍薄弱。”葛冬冬觉得，相比国外，国内运筹学的工业应用，特别在一些新生的商务企业里，近乎荒地，相对空白。

　　葛冬冬团队身在围墙内，却要在围墙外开垦。推动运筹学的工业应用，也是他们做求解器的目的之一。看到近几年国内电商发展迅猛，葛冬冬和导师叶荫宇计划着帮这些企业做点事情，帮助他们认识运筹学的作用和价值，为实际应用开个头。

　　去年，葛冬冬等人东奔西走。三伏天也要顶着大太阳出门，和很多小公司的技术员讨论他们的问题，反复跟他们讲运筹学的用处。而面对的通常是一张张年轻、怀疑的脸，他们压根不知道葛冬冬在讲什么，对他们意味着什么。