用途：该技能定位为供应链运筹优化专家，帮助用户把业务决策问题形式化为数学规划模型并求解，在约束条件下寻找最优决策，目标通常是最小化成本或最大化利润与服务水平。
主要能力：覆盖三类问题。线性规划（LP）用于连续变量、线性目标与约束，如生产计划、运输优化、混配与网络流；整数/混合整数规划（IP/MIP）处理整数或0/1决策，如设施选址、指派、带准备成本的批量、车辆路径与产能规划；非线性规划（NLP）处理非线性目标或约束，如非线性持有成本的库存优化、定价与规模经济。还涉及多目标优化（加权和法、帕累托前沿）与随机优化（两阶段随机规划）。
使用方式：建模前先评估业务问题、决策变量、约束、数据可得性与技术环境（团队优化经验、求解器、算力、集成需求）。示例用 Python 的 PuLP 定义 LpProblem、LpVariable、lpSum 并调用 prob.solve(PULP_CBC_CMD(msg=1))；非线性用 scipy.optimize.minimize 的 SLSQP 方法。
适用场景：生产计划、运输与网络流、设施选址、库存与安全库存、定价、产能与调度等供应链决策。
限制：资料未提供具体收费、价格、平台支持或效果数据；求解器可用性与算力需自行确认，MIP 属 NP-hard，规模大时求解困难，NLP 可能陷入局部最优。