程式設計師的午餐思考：從自助餐談資源分配與貪婪演算法

場景重現

中午去公司附近的自助餐，面對琳瑯滿目的菜色，腦海裡不自覺跑起了最佳化演算法：

• 背包問題：胃容量有限 (W)，每道菜有「滿足度」 (v) 與「體積」 (w)，目標最大化總滿足度 Σv。
• 貪婪策略：優先挑「單位體積滿足度」最高的菜 (v/w)，卻發現現實有約束條件——

現實約束條件

1. 不可分割性：紅燒肉不能只吃一半 (0/1 背包)，除非你不介意被服務員盯著。
2. 依賴關係：吃冰淇淋前最好墊點鹹食，否則胃痙攣 (前置條件)。
3. 時間窗：排隊燒烤攤需 10 分鐘，可能錯過限量甜點 (機會成本)。
4. 動態補貨：剛端走的麻婆豆腐 5 分鐘後又滿了 (資源再生)。
5. 社交干擾：同事推薦「這個超好吃」，干擾你的客觀評分函數。

程式設計師的優化解法

// 偽代碼：自助餐決策引擎
function optimizeLunch(array $dishes, int $stomachCap, int $timeLimit): array {
    // 1. 預處理：過濾過敏源、已吃膩的
    $dishes = array_filter($dishes, fn($d) => !$d['allergic'] && $d['novelty'] > 0.3);

    // 2. 評分模型：滿足度 = 味道*0.4 + 營養*0.3 + 新鮮度*0.2 + 稀有度*0.1
    foreach ($dishes as &$d) {
        $d['score'] = $d['taste']*0.4 + $d['nutrition']*0.3 + $d['freshness']*0.2 + $d['rarity']*0.1;
        $d['efficiency'] = $d['score'] / $d['volume'];
    }

    // 3. 貪婪 + 回溯修正 (近似最佳)
    usort($dishes, fn($a,$b) => $b['efficiency'] <=> $a['efficiency']);
    $selected = [];
    $usedVol = 0;
    foreach ($dishes as $dish) {
        if ($usedVol + $dish['volume'] <= $stomachCap) {
            // 檢查依賴：若需配菜且未選，嘗試加入配菜
            if ($dish['requires'] && !in_array($dish['requires'], array_column($selected, 'id'))) {
                $side = findDish($dish['requires']);
                if ($side && $usedVol + $dish['volume'] + $side['volume'] <= $stomachCap) {
                    $selected[] = $side;
                    $usedVol += $side['volume'];
                }
            }
            $selected[] = $dish;
            $usedVol += $dish['volume'];
        }
    }

    // 4. 時間成本懲罰
    $selected = array_filter($selected, fn($d) => $d['queueTime'] < $timeLimit * 0.3);

    return $selected;
}

延伸思考：軟體工程的對應關係

實戰建議

1. 建立 專案「菜單」：維護優先級待辦清單，每項標註價值、成本、依賴、風險。
2. 每 Sprint 開始執行 「排餐演算法」：依 ROI 排序，納入容量上限，輸出 Sprint Backlog。
3. 保留 10-20% 緩衝容量：應對緊急缺陷、技術債償還、學習新工具。
4. 定期 複盤「用餐體驗」：Retrospective 檢視預測與實際偏差，調整評分模型權重。

結語

自助餐是資源受限下的即時最佳化演練；軟體專案則是持續迭代的長期最佳化。學會在自助餐前「建模、評分、取捨」，同樣的思維框架能幫你在專案規劃中做出更理性的決策——只是別忘了，身體才是本錢，別真把胃吃壞了。