上个月刚把一个“合作博弈综合能源系统”的Matlab仿真项目跑完趁着热乎把整个落地方案整理一下。所谓综合能源系统简单说就是把电、气、热、冷这些能源网络放在一起统筹运行园区里有热电联产机组、燃气锅炉、光伏、储能隔壁还有风电场和独立储能站大家本可以凑成一个联盟一起调度但问题随之而来——联合调度确实能省钱省下来的钱怎么分才能让每个人都愿意留在联盟里这就要用合作博弈来做利益分配了。这个项目表面上是写一个优化调度模型但真正难的点反而在调度之外的“分钱”环节。你得先让系统里每个主体单飞时的成本和收益能算清楚再把各种联盟组合两两合作、三家联盟的联合调度成本跑出来最后用Shapley值这类合作博弈方法把联盟总收益分到每个参与者头上。文章我会从参与主体设定、合作博弈原理、特征函数构建、Matlab代码框架、算例结果到踩坑经验完整讲一遍适合正在做综合能源系统研究、想用合作博弈做收益分配但还没完全理清思路的同学参考。1. 说清楚合作的对象综合能源系统里的关键参与主体1.1 系统里到底有哪些“玩家”做合作博弈之前第一件事不是找求解器而是把“谁跟谁合作”这件事钉死。很多初稿代码跑不顺根源都是因为参与主体没定义清楚导致变量不知道该归谁、成本不知道该记在谁头上。综合能源系统里的主体可以按“能源生产、能源转换、能源存储、终端用能”来划分。最常见的是下面这几类综合能源园区运营商手里有热电联产CHP机组、燃气锅炉、光伏、储能等设备同时承担园区内的电负荷和热负荷。这类主体是自己发、自己用、不够再买本质上是一个小型的多能互补系统。新能源发电商风电场或者光伏电站出力受天气影响大很多时候顶峰时段发出来的电本地消化不了只能弃掉或者低价外送。独立储能运营商电池储能或者蓄热罐可以低谷充电、高峰放电赚峰谷价差也可以给其他主体提供调节服务。外部电网友气网提供购电、购气渠道通常作为约束边界存在不参与收益分配但它们的价格曲线直接决定联盟能省多少钱。我这次项目里选了前三类作为合作博弈的参与者。理由很简单它们之间有明显的互补性风电场缺消纳能力园区缺低价电储能缺业务场景凑到一起刚好互相补短板。如果你把电网或燃气公司也放进联盟里不是不行而是它们的收益模式往往是“卖得越多赚得越多”跟联盟省成本的目标天然冲突分钱时会变得非常别扭。1.2 这些主体合作能换来什么先看一组非合作状态下的典型场景园区在晚间负荷高峰期外购电价很高但自己的光伏已经没出力了CHP机组热电比又被热负荷限制住不能无限发电只能咬牙买高价电。风电场夜里面风速大、出力高但本地负荷低输电通道又紧张不得不弃风等于白扔钱。储能运营商只能自己独立套利充电时段和放电时段都是根据预测电价定的没有人为它调整充放电策略效用有限。如果三方组成联盟情况就不一样了风电场夜间多发的那部分电可以直接供给园区替代园区的高价外购电储能安排在风电出力最大的时段充电削减弃风园区热负荷高的时候CHP适当提高发电量余热顺带供热燃气锅炉少烧气。这一个流程下来联盟的“总运行成本”一定低于三方各干各的成本之和这多出来的收益就是合作博弈要分配的对象。需要提醒的是这些“收益”不是拍脑袋估出来的而是要通过优化调度模型算出来的。每一种联盟组合都要跑一遍联合调度得到一个确定的最小运行成本再和这些主体单独运行的成本加总做减法才能得到联盟的“可分配收益”。这也是为什么整个项目里调度模型的质量直接决定收益分配结果靠不靠谱。1.3 为什么是Matlab来做这件事Matlab在这个场景下确实是最顺手的工具核心原因有三点Yalmip工具箱写优化模型非常快。你不需要手动把所有约束展开成矩阵直接声明决策变量、写约束、写目标函数内部会自动转化成求解器需要的标准形式。这对频繁修改设备参数、调整联盟方案的项目阶段来说效率是最重要的。和商业求解器对接顺畅。Yalmip底层可以无缝接Gurobi、Cplex这类成熟的混合整数线性规划求解器而综合能源系统调度模型里往往带储能充放电状态、设备启停状态这些整数变量没有好的MILP求解器撑不住。结果处理和画图一体。做完优化调度后提取各设备出力曲线、画负荷平衡图、对比不同分配方法的结果都在同一个环境里搞定不用来回倒腾数据格式。有人可能会说Python现在也能干这活确实可以但在学术课题和工程仿真这个圈子里Matlab依然是默认工具团队交接成本最低。这个项目我最后交付给同事时他只需要装一个Yalmip和求解器跑主脚本就能复现全部结果。2. 为什么联合调度能省钱合作博弈的收益来源与核心理念2.1 非合作玩法的困境合作博弈的对称面是非合作博弈。在非合作框架下每个主体只优化自己的目标不管别人怎么想。最后得到的往往是一个纳什均衡这个均衡通常不是全局最优。我用一个简化例子来解释园区高峰时段缺电风电场当时正好出力过剩但它如果把电低价卖给园区自己上网售电的收入就少园区如果高价从电网买电成本又太高。双方各自理性决策的结果就是风电场弃风、园区买高价电整体白白浪费了能够互惠的功率。像这种各打各算盘导致的集体低效就是我们常说的“合作剩余”没有被开发出来。非合作博弈模型里也有谈判、竞价这些机制但工程实践中调度和结算非常复杂让每个主体实时博弈收敛到均衡解往往又慢又不稳定。相比之下合作博弈干脆假设大家可以签一个有约束力的协议先联合调度把总蛋糕做大再按公认的规则分蛋糕。这个思路跟实际项目里的“战略合作协议”非常像落地性反而更强。2.2 合作博弈的基础设定个体理性与集体理性合作博弈的“合作”不是一句空话它有三个硬性规则必须满足否则这个联盟就散架个体理性某主体加入联盟后分到的收益必须不少于它自己单干时的收益。如果园区分到的钱比单飞时还少它凭什么跟你合作集体理性联盟获得的总收益要全部被分掉不能扣下一部分不分配。分不完或者分超了都说明分配方案有问题。联盟理性任意一个子联盟分到的总收益不能低于这个子联盟自己单干能获得的收益。否则这个子联盟就有动机拉帮结派单干整体联盟稳定性就会被破坏。这三个“理性”就是检验任何利益分配方案的试金石。你在代码里跑完之后第一件事就是逐条检查这三个条件只要有一条不满足方案就不能用。2.3 省下的钱来自三个“互补”综合能源系统合作收益的本质是“互补性”我总结成三类时间互补新能源出力曲线和负荷曲线往往不同步。风是夜里大电负荷是白天和傍晚大光伏是中午大。没有储能或者其他调节手段时这种错配就是浪费联盟里有储能、有可调负荷就能把时间维度上的盈余搬到缺口时段去用。能源形态互补电、热、气之间是可以互相转化的。CHP机组先发电、余热再供热综合能源利用效率比单独买电燃气锅炉供热高得多。园区热负荷反推着CHP发电发出的电如果自己用不掉还能供给联盟内的其他成员。这种“以热定电、热电协同”的耦合效益只有把电和热放在同一个优化目标里才能体现出来。调节资源互补储能既可以给新能源当“缓冲池”减少弃风弃光也可以给用户/园区当“峰谷套利工具”削减高峰购电成本。两个角色叠加在一起同一块电池的使用价值翻倍但前提是储能运营方要愿意放弃自己固有的充放电模式配合联盟整体调度。这三种互补性最后都会转化为量化结果联盟联合调度的总成本低于各自单飞成本之和。这个差值也就是合作博弈里的“联盟收益”接下来要解决的就是怎么把它公平地分到每个主体手里。3. 利益分配模型构建特征函数、Shapley值与其他分配方法3.1 把“省了多少钱”改写成特征函数合作博弈里核心的概念叫“特征函数”它定义在每一个可能的联盟上用来描述这个联盟单独行动时能获得的总收益。假设参与人集合是 N {1, 2, ..., n}任取一个子集 S比如 {园区, 储能}或者 {风电场}特征函数 v(S) 定义为该联盟相比各个成员各自单飞时多出来的收益。常见写法有两种一种直接算收益v(S) 联盟S联合运行后的收入 - 联盟S联合运行后的成本另一种是我更常用的“成本节省”写法v(S) C_ind(S) - C_coop(S)其中C_ind(S) 联盟S内每个主体单独运行时的成本之和C_coop(S) 联盟S作为一个整体联合优化时的最小总成本空联盟约定 v(∅) 0这种写法的好处是直观工程人员一看就懂联盟省下来的钱就是可以拿来分给成员的红利。算完所有非空联盟的 v(S) 之后整个合作博弈问题就变成了“给定一个特征函数找一组满足个体理性、集体理性、联盟理性的分配结果”。3.2 Shapley值的计算原理Shapley值是目前用得最多、也最容易被各方接受的分配方法。它背后的直觉特别简单如果大家随机排成一队依次加入联盟那么每个人加入时给联盟带来的边际收益就是他对联盟的贡献。把所有可能的排队顺序取平均就得到每个人应得的收益。公式长这样φ_i(v) Σ_{ S ⊆ N \ {i} } ( |S|! * (n - |S| - 1)! / n! ) * ( v(S ∪ {i}) - v(S) )其中n 是总主体数量S 是不包含主体 i 的任意子联盟|S| 是联盟 S 里的人数v(S ∪ {i}) - v(S) 是主体 i 加入联盟 S 带来的边际收益权重部分可以理解为在所有 n! 种排队顺序里前 |S| 个人正好组成集合 S、且第 |S|1 个人是 i 的顺序数量是 |S|! * (n-|S|-1)! 种除以总顺序数 n!就得到了这个边际贡献被“取到”的概率。Shapley值之所以流行是因为它满足几个很好的公理有效性所有主体的值加起来等于总联盟收益、对称性能力相同的主体分配相同、虚拟性不产生边际贡献的人分0、可加性两个独立博弈合并后分配可以相加。这些公理在谈判中非常有用可以直接拿来说服对方接受这个分配结果。3.3 比Shapley更“凶悍”的替代方案Shapley值虽然好但它不是唯一的选择而且它算出来的解可能落在“核心”之外。所谓核心是同时满足所有联盟理性条件的分配方案的集合如果某个分配不在核心内就一定存在某几个主体联合起来脱离整体能过得更好。实际项目中常用的替代方案有三个核仁法Nucleolus它的思路是让最不满的联盟的“不满程度”尽量小。在每个主体分配已知的情况下联盟 S 对分配方案 x 的不满可以定义为 e(S, x) v(S) - Σ_{i∈S} x_i核仁法就是通过线性规划迭代最小化所有联盟的最大不满值。这个方法保证解在核心内但计算量明显更大。最小核心法Least Core放宽核仁法的目标只要求最小化全体联盟中超出的最大不满值然后在这个集合里再选一个解。它保证分配落在核心但解可能不唯一工程上还要人为加别的规则来筛选。带修正因子的Shapley值在标准Shapley值基础上额外考虑风险承担、资源投入、环保贡献等因素调整分配权重。比如某个风电场出力波动大、给联盟带来较高的备用成本就可以按风险系数调低它的分配值或者某个电站主动承担了更多调节义务就调高分配比例。我个人的做法是先跑标准Shapley值再跑一个核仁法做对比。如果两者差别不大就采用Shapley值因为计算简单、解释成本低如果差别大说明联盟里某个子联盟对分配极度不满那就要回头检查模型设置或者改用什么修正方案。4. 联盟运行的成本模型目标函数与关键约束怎么设计4.1 目标函数的通用形式合作博弈的收益是从联合调度模型里算出来的所以这一章要交代清楚联盟版本的优化调度长什么样。对于任意联盟 S目标函数都是让这个联盟在调度周期内的总运行成本最小min F Σ_{t1}^{T} [ C_gas * V_gas(t) C_grid_buy(t) * P_buy(t) - C_grid_sell(t) * P_sell(t) Σ_k C_om_k * P_k(t) ]各项含义C_gas 是天然气价格V_gas(t) 是 t 时段联盟消耗的气量C_grid_buy(t) 是分时电价中的购电价P_buy(t) 是从电网购入的功率C_grid_sell(t) 是上网电价P_sell(t) 是向电网卖出的功率C_om_k 是第 k 台设备的单位运维成本P_k(t) 是它的出力这里有个注意点目标函数里要不要把售电收入算成“负成本”我建议算因为联盟可能用不完某些时段的电倒卖给电网虽然单价低但也能分担固定成本。只要你把购电和售电分别设了约束这个问题在模型里是自动权衡的。4.2 设备模型与运行约束综合能源系统联盟的约束本质上就是把所有成员的设备约束拼在一起同时保证电、热、气三大平衡不破坏。下面这些是我这次项目里实际用到的核心约束其他场景可以按需增删。电功率平衡P_chp(t) P_pv(t) P_wind(t) P_dis(t) P_buy(t) P_load(t) P_ch(t) P_sell(t) P_eb(t)其中 P_eb 是电锅炉/电制热设备消耗的电。等式左右两边任何一个设备都要先定义清楚它归属哪个主体否则联盟组合变化时变量会乱。热功率平衡H_chp(t) H_boiler(t) H_dis_tank(t) H_eb(t) H_load(t) H_ch_tank(t)CHP的供热量和发电量之间有耦合关系这里我用了线性热电比约束H_chp(t) R_hp * P_chp(t)如果要做更精细的可行域建模还可以写成加权的多边形约束把CHP的运行区间限制在一个凸包内。储能电池约束SOC(t1) SOC(t) ( P_ch(t) * η_ch - P_dis(t) / η_dis ) * Δt 0 ≤ P_ch(t) ≤ P_ch_max * u_ch(t) 0 ≤ P_dis(t) ≤ P_dis_max * u_dis(t) u_ch(t) u_dis(t) ≤ 1 SOC_min ≤ SOC(t) ≤ SOC_max SOC(T) SOC_0字符串浮点变量 u_ch、u_dis 是用来防止同时充放电的。始末电量相等这个约束很重要如果不加模型会为了省成本把储能初始电量当成免费能量算出来的联盟收益是虚高的。与电网的交互约束0 ≤ P_buy(t) ≤ P_buy_max 0 ≤ P_sell(t) ≤ P_sell_max我这里没有加“不能同时买卖”因为分时电价下不会出现又买又卖的荒谬结果但如果你用固定电价就需要额加一个 u_buy u_sell ≤ 1 防止套利。新能源约束0 ≤ P_wind(t) ≤ P_wind_pred(t) 0 ≤ P_pv(t) ≤ P_pv_pred(t)允许弃风弃光但是弃掉的量不产生收益对应机会成本自动通过目标函数体现。4.3 让同一套代码适配不同联盟这是代码实现里最关键的模块设计。你不可能为每一种联盟组合单独写一个调度模型而是要把设备数组做成“可选成员”的开关让一个通用模型能处理任意联盟组合。我的做法是维护一个全局设备参数表每一台设备都额外带一个owner字段表示它属于哪个主体。在求解联盟 S 时代码先根据 S 生成一个布尔数组active凡是owner不在 S 里的设备它的出力变量不加入约束矩阵或者直接固定为0。这样跑一个coalition_dispatch(members, params)函数就能覆盖所有非空联盟。这种写法会有少量计算浪费比如主体A不参与联盟时它的CHP变量被固定成0但变量本身还在模型里。好处是代码结构简单、容易查错如果项目规模变大再用逻辑条件在变量生成阶段就跳过非联盟设备代价也不高。5. Matlab代码的框架设计从联盟枚举到Shapley计算5.1 整体模块怎么切这个项目的Matlab代码我拆成了五个模块每个模块都是独立函数测试和调试都方便load_data.m读入所有参数包括各设备容量、效率、负荷曲线、新能源预测出力、分时电价、天然气价格。coalition_dispatch.m核心调度函数输入参与的成员列表输出联盟最小运行成本和各设备出力计划。coalition_values.m枚举所有非空联盟调用coalition_dispatch.m计算每个联盟的特征函数值。shapley_value.m根据特征函数数组计算每个参与人的Shapley值。check_solution.m做个体理性、集体理性、联盟理性的检查并打印分配前后各主体的成本收益对比表。主脚本只需要按顺序调用数据加载、特征值计算、Shapley计算、结果校验最后画几张关键曲线整体思路很清晰。5.2 联盟枚举与特征值批量求解先看联盟枚举部分的代码n params.n_subjects; num_nonempty 2^n - 1; v_all zeros(1, 2^n); % v_all(mask1) 对应联盟 mask下标1对应空联盟 v_all(1) 0; % v(空集)0 for mask 1:num_nonempty members find(bitget(mask, 1:n)); [cost, ~] coalition_dispatch(members, params); % 单独运行成本之和 cost_ind sum(params.cost_ind(members)); % 联盟节省额 单独成本之和 - 联合调度成本 v_all(mask 1) cost_ind - cost; end这里有个很容易踩的坑Matlab 数组下标从 1 开始而空联盟 mask0 对应数组下标 1。如果不统一处理好这个映射关系后面 Shapley 值计算一定会出现错位而且这种错位非常隐蔽手算几组合格后才会暴露。我的建议是内部统一用mask1作为特征函数的存储下标并且在注释里反复标明。如果 n 比较大联盟数量会指数增长这一步可以用并行加速parfor mask 1:num_nonempty members find(bitget(mask, 1:n)); [cost, ~] coalition_dispatch(members, params); v_all(mask 1) sum(params.cost_ind(members)) - cost; end前提是你机器上有并行计算工具箱并且coalition_dispatch内部不依赖随机状态。共享的数据对象在 parfor 里只读不会有冲突。5.3 Shapley值计算与结果校验Shapley值计算的Matlab代码核心逻辑是这样function phi shapley_value(v_all, n) phi zeros(1, n); fact factorial(0:n); for i 1:n % 枚举所有不包含 i 的联盟 all_masks 0:(2^n - 1); masks_without_i all_masks(~bitget(all_masks, i)); for mask masks_without_i s sum(bitget(mask, 1:n)); S_with_i bitset(mask, i); weight fact(s 1) * fact(n - s) / fact(n 1); contribution v_all(S_with_i 1) - v_all(mask 1); phi(i) phi(i) weight * contribution; end end end这段代码里的权重就是刚才公式里的|S|! * (n-|S|-1)! / n!。因为我用的是数组下标从0的mask逻辑所以注意fact的索引要对齐当|S| s分子是s! * (n-s-1)!分母是n!。我这里为了直接用fact(s1) * fact(n-s) / fact(n1)其实等价于除以阶乘后再乘需要确保任何边界都不会越界。跑完 Shapley 后一定要做一次“有效性”的 sanity checktotal sum(phi); assert(abs(total - v_all(end)) 1e-6, 效率和总联盟收益不一致);然后就是稳定性检查for mask 1:(2^n - 1) members find(bitget(mask, 1:n)); sum_phi sum(phi(members)); if sum_phi v_all(mask 1) - 1e-6 fprintf(联盟理论值偏高分配方案可能不被该联盟接受); fprintf(%d , members); end end这一步很关键因为 Shapley 值计算出来的分配方案理论上满足个体理性但不一定对所有子联盟都满足“联盟理性”。如果出现某几个主体分到的总和低于它们自己组成小联盟的收益你就需要考虑改用核仁法或者在模型里加额外的约束做修正。我项目里第一次跑出来的 Shapley 结果就出现过这种问题后来加了约束修正才解决。6. 三主体算例演示特征值计算与利益分配结果校验6.1 案例基本信息为了把整套逻辑讲明白我设计了一个三个主体的简化算例全部数据为虚构只用于验证方法流程。主体A综合能源园区含2台50MW级CHP、燃气锅炉、100MWp光伏、30MW/60MWh储能日最大电负荷约150MW日最大热负荷约100MWth。主体B风电场装机200MW日预测发电量约2400MWh但由于输电通道限制单独运行时有约15%的弃风。主体C独立储能电站100MW/200MWh单独运行时靠峰谷价差套利。三主体单独运行/合作运行的特征函数值如下联盟单独运行成本之和万元/日联合调度最小成本万元/日联盟节省额 v(S)万元/日{A}60.060.00{B}20.0收益为正这里按基准换算20.00{C}10.0收益为正10.00{A,B}80.071.09.0{A,C}70.060.010.0{B,C}30.027.03.0{A,B,C}90.068.022.0这里需要说明一下单主体 {B}、{C} 的“收益为正”折到成本节省式子里自然就是0而 {A,B} 联盟的“单独运行成本之和”是1867之类我直接取了最终节省额数字实际跑代码时cost_ind组合会把这些数字统一换算成万元/日不影响计算。6.2 特征值表与Shapley分配用上一节的Shapley公式逐个主体计算边际贡献。主体A的边际贡献加入空集v({A}) - v(∅) 0加入 {B}v({A,B}) - v({B}) 9 - 0 9加入 {C}v({A,C}) - v({C}) 10 - 0 10加入 {B,C}v({A,B,C}) - v({B,C}) 22 - 3 19对应权重分别是 1/3、1/3、1/3、1/6所以 φ_A (0910) / 3 19 / 6 19/3 19/6 57/6 9.5主体B的边际贡献加入空集0加入 {A}9加入 {C}3加入 {A,C}22 - 10 12φ_B (093) / 3 12 / 6 12/3 12/6 4 2 6主体C的边际贡献加入空集0加入 {A}10加入 {B}3加入 {A,B}22 - 9 13φ_C (0103) / 3 13 / 6 13/3 13/6 26/6 13/6 39/6 6.5汇总主体Shapley分配值万元/日A园区9.5B风电场6.0C储能6.5合计22.0可以看到合计正好等于总联盟节省额 22 万元/日说明分配满足集体理性。6.3 分配结果的合理性校验把 Shapley 分配值落到各主体最终的账面上主体单独运行结果万元/日分到的联盟收益万元/日参与联盟后的最终结果万元/日A成本 60.09.5实际成本 50.5B收益 20.06.0实际收益 26.0C收益 10.06.5实际收益 16.5个体理性检查A分到 9.5 万后实际成本从 60 降到 50.5比单飞好B 实际收益从 20 涨到 26比单飞好C 从 10 涨到 16.5也比单飞好。三方都有动力留在联盟。联盟理性检查任意两两联盟分到的合计也要不小于它们两两联盟自己单飞时的收益。比如 AB 在整体联盟中分到 9.5615.5 万元大于它们两两合作时的 9 万元AC 分到 16 万大于 10 万BC 分到 12.5 万大于 3 万。整体联盟是最稳定的。在这个例子里Shapley 值给出的分配方案本身就落在“核心”里不需要额外修正。但现实项目的数据不一定会这么理想所以代码里保留检查模块是必要的。7. 仿真中容易踩的坑求解失败、分配不合理与数据陷阱7.1 联盟求解失败或结果不合理的常见原因我真正跑项目时最崩溃的一次是单个主体运行模型都正常两两联盟也没问题一旦三个主体联盟就开始报“infeasible”。排查到最后原因是某个主体单独运行时的负荷曲线和联盟模型里“所有设备一起建”的负荷曲线不匹配出现了电功率平衡缺口而且缺口出现在凌晨低谷时段。这类问题主要有三个来源量纲不统一。有的设备参数用MW有的用kW储能容量用MWh热负荷用GJ/h混在一起自然解不出来。我的习惯是全部统一成MW、MWh、元/MWh时间步长固定1小时。储能始末SOC约束设错。联盟模型里如果多了一个成员储能的容量变量范围就会变化此时还沿用单主体时的初始SOC会出现起始电量高出容量上限这种荒谬约束直接导致不可行。设备归属不清。比如某台设备在主体A单独运行时要考虑但联盟AB里它的出力被置0后原本由它承担的热负荷没有其他设备补上平衡方程就崩了。这时候要在约束生成逻辑里同步处理“设备关闭后的替代设备”不能只把变量清零了事。7.2 Shapley 值合理区间怎么把握如果算出来的分配结果不满足个体理性或者某主体分到的值小于0我建议先别急着换算法按这个顺序排查先检查特征函数有没有算错。空联盟是否为0、每个非空联盟的联合调度成本是否真的低于单独运行成本之和。如果某些联盟根本不具备互补性v(S)是负数也很正常但合作博弈要求超可加性不满足超可加性时Shapley值没有足够的稳定性保证。再看联盟的调度模型是否把“重复投资的固定成本”算重了。比如同一台储能如果同时挂在两个主体名下联盟收益会被莫名抬高分配结果自然不可信。如果上面都没问题再换核仁法或者最小核心法做对比。它们会用线性规划把分配结果强制拉回核心内虽然解释起来略复杂但至少大家能接受方案。7.3 关于代码执行效率的一个提醒联盟枚举的计算量是 2^n 个组合。n3 时只有 7 次调度n5 是 31 次n7 到 127 次n9 就是 511 次。如果每个联盟的 MILP 求解耗时 20 秒511 次就是接近 3 小时这个增长速度是很快的。我的建议是先用短周期比如 24 小时跑通全流程确认分配逻辑正确。再考虑并行parfor在联盟枚举阶段几乎是无脑收益。如果主体数超过 8不要硬枚举改为按实际可能存在互补性的组合剪枝或者用抽样估计 Shapley 值否则计算时间完全失控。7.4 工程落地的两个实操小技巧最后补充两个我从这个项目里总结出的技巧。技巧一输出“分配后实际成本/收益变化表”。不要只给一个 Shapley 值列表要把每个主体单飞时的成本和收益、参与联盟后的成本收益变化一起打印出来。拿去跟项目方汇报时这张表最有说服力因为每个人都能直接看到自己的利益变化。技巧二保留一个手工可验的小例子。我在代码库里留了一个 3 主体、2 时段的最小测试用例所有数据都是整数肖普利值可以手算。每次修改模型后先跑这个小例子确认输出和手算一致再跑完整案例。这个习惯帮我排掉了至少三次索引错位导致的“假正确”结果。