全局最優與局部最優有什麼不同？
一些古典經濟學家認為，追求個人利益的最大化，就能累加成群體利益的最大化。但保羅·薩繆爾森指出，這是「合成謬誤」——誤以為在局部成立的事，就能在全局成立。
舉過一個例子：會場裡一個觀眾站起來，他看得更清楚了，能推廣到整體嗎？當所有觀眾都站起來，那誰也看不清了，還更難受。
在運籌學領域，「貪心算法」寄希望於，通過每一步選擇當前的最優，從而實現結局的最優。但這樣做難免有急功近利、貪小失大的問題。
一個雪球，面對一條很陡很短的賽道和一條很緩很長的賽道，該怎麼選？貪心算法會選擇初期增長快的，然後早早陷入停滯。而巴菲特會說：人生就像滾雪球，重要的是發現很濕的雪和很長的坡。
人們漸漸發現，全局最優沒那麼容易，甚至總結出了一些經典有爭議的模型：
公地悲劇
一塊公有草地，人人有權利使用，卻無人有義務維護，結局是什麼呢？每個牧羊人都會帶大群的羊來吃草（局部最優）——他們知道草地承受不住，就更不願落後於人——最後公地不復存在（全局最劣），這就是「公地悲劇」。
公地悲劇有很多衍生情況，例如濫用抗生素：
「抗生素的有效性」是一塊公共資源，自1928年發現青黴素以來，全人類都受益於此，但沒人需要對這種有效性負責。
於是，為了一次治病效果好，很多人大劑量使用抗生素。可是這樣做的人多了，就會產生耐藥性強的超級細菌，令抗生素逐漸失效。
每年，中國生產並消耗著全球近一半的抗生素，雖然其中多半用於飼養禽畜，但這並不改變濫用催生超級細菌的事實。
除此之外，大到全球氣候、海洋資源、生物多樣性，小到人行道上的空間，都面臨著公地悲劇的問題。
搭便車問題
公地悲劇稍作變化，就成了搭便車問題：當一個公共品不付錢也能用的時候，每個人都傾向於不付錢（局部最優），但所有人都不付錢的話，就沒公共品可用了（全局最劣）。
相同的案例還有網貸徵信：
一群網貸公司，為了提升風控水平、降低風控成本，決定共享用戶的信用和借貸記錄。然而，每一家都想著，我不用認真做徵信，直接用平台上別人家的數據就好……結果就是互相坑隊友，集中爆雷。
除此之外，大到聯合國事務，小到團隊作業，都少不了關於搭便車的爭論。
囚徒困境
甲乙合夥作案，被警方抓獲，但警方沒有足夠的證據指控，於是分開審訊兩人。這時，甲乙的命運面臨四種可能：
如果兩人都不招供，各判1年；甲招供並檢舉對方，而乙沉默，則釋放甲，判乙10年；甲沉默乙招供，則判甲10年，釋放乙；如果甲乙都招供，各判5年。
不難看出，「無論對方招不招供，自己都招」對每個囚徒來說都是最有利的選擇（局部最優），而雙方都這樣選，就會共同落入背叛結局（全局最劣）——這就是「囚徒困境」。
囚徒困境同樣有很多衍生情況，例如企業價格戰：
甲乙公司都不打價格戰，則維持現狀；甲打乙不打，甲會搶到更多的市場；甲不打乙打，乙會搶到更多的市場；甲乙都打，非但市場份額不變，雙方的營收壓力還大幅增加。
又如國家關稅摩擦：
甲乙兩國都不搞事情，好好開門做生意；甲打乙不打，甲國企業的競爭力增強；甲不打乙打，乙國企業的競爭力增強；甲乙都打，就是我們正在經歷的事，中美貿易關係受損，各國經濟也受影響。
人際關係、城際發展、國際政治、生物進化……隨處可見囚徒困境的案例。
全局最優
那麼，回到主題，全局最優是什麼樣呢？並不是所有場景都能實現全局最優，因為全局最優往往需要「上帝視角」和「頂層規劃」。
往大里說，氣候變化協定、關稅貿易協定、央行徵信系統、全民防疫計劃、高鐵航運規劃就是追求全局最優；往小里說，打車軟體的車輛調配方案就是追求全局最優。
很多人有過疑問，為什麼明明附近有車，打車軟體卻要派一個遠處的單？
打車軟體本質上是一個協調者、撮合者，運用大數據算法和經濟學規律，在高峰期儘量讓更多乘客能打到車，讓低谷期司機能夠有單可接。
大數據算法意味著，讓更多的人更快打到車，未必是個別用戶打到最近的車，但所有人的整體等待時間縮短了。
經濟學規律則意味著，通過分時計價等方式，平衡、撮合供需雙方，實現市場均衡。
（如果您覺得文章對您有幫助，歡迎關注作者的微信ID：fcscfixedincome，訂閱更多優質原創內容！）