企业资源的优化组合有两类问题:
1.在资源有限的情况下，通过资源的合理配置，实现产出最大化；2.在产出确定的条件下，通过资源的合理配置，使资源的总投入最小化。
这不仅是一个资源规划的技术问题，也是一个规划和解决的问题。它是运筹学的研究内容之一。比如有M个快递包裹要投递到N个小区，距离最短、时间最少的投递顺序就是最好的方法；如果要投递的货物很多，但快递员的投递能力和时间有限，那么在时间和精力固定的情况下，每个快递员投递最多货物的方法是最佳方法。比如企业按订单生产。只要订单确定了，工厂的任务确定了，那么最好的方法就是投入最少的资源，也就是人力最少，材料最密集，资源消耗最少。如果公司产品供不应求，但厂房、设备、人员有限，在产能确定的情况下，能生产最多产品的方法就是最好的方法。
美国数学家丹杰格最先提出了线性规划的解法。之后，线性规划在理论上趋于成熟，在实践中的应用也日益广泛和深入。从解决技术问题中的优化设计到工业、农业、商业、交通、军事、经济计划与管理、决策等各个领域。从范围上，小到一个小团体的日常工作和规划，大到整个部门最佳方案的提出，国民经济计划，都有用途。它具有适应性强、应用广泛、计算技术简单等特点，是现代管理科学的重要基础和手段之一。
一些定量的资源优化问题需要规划和求解工具。Excel提供的计划和求解功能就是为这种方法设置的，在企业资源计划中被广泛使用。最佳采购数量、最佳生产能力、最佳路径规划、最佳库存、最佳产品组合等。都将使用规划解决方法。
规划求解的方法和思路其实很简单，就是在给定的约束条件下，比如资源约束、产量约束等。，将待求解的最优问题构造成方程，求最优解。如果没有最优解，就说明这个问题没有最优方法，有时会得到多个最优解，也就是说每种资源分配方式都会得到最优输出。这时可以先选择最简单的操作和最可行的方案。
一般规划解的算法原理是以迭代的方式尝试，直到尝试到最优解。
解决问题要根据不同的问题采取不同的方法。下图所示的方法比较成熟，有兴趣的朋友可以搜索网上资源，获取更详细的信息。
由于最佳组合可以通过使用规划解决方案来获得，因此它也可以用于评估资源组合是否是最佳的。假设我们有几个相似的业务单元，比如分布在各个区域市场的业务分支机构，在不同地点开设的门店，在不同产品上投入不同资源所获得的结果等。这些都可以看作是类似的业务单元，每个业务单元都有独立核算的投入和独立核算的产出。投入是一个资源投入的公式问题，产出也是一个要求不同的过程，包括销售产出、客户量产、利润产出、品牌影响力产出、渠道覆盖产出等。，与独立事业单位的考核指标有关。然后我们可以建立一个数学模型来评估哪个业务单元是最优配置，哪个业务单元是不合理的，哪个业务单元应该在哪些方面增加投资或者减少投资。
不同的业务部门可能有不同的业务模式。有的是雇佣少量高水平销售人员实现销售，有的是雇佣大量低水平销售人员进行推广。不同模型中哪个更有效，如何优化每个模型？这些问题是经常遇到的，应用也很广泛。因为中国的市场是巨大的，大多数大型企业都会有多个分支机构，多个业务部门，以及多种产品和服务。我们可以根据利润产出、销售增长产出等来评价一个业务单元的管理者是否表现良好。，但是我们要考虑到我们投入到不同业务单元的资源是不一样的。比如这个事业部业绩不错，但是消耗公司资源多，广告投入比其他区域多，派驻的业务代表多。如果单纯从产出的角度来评价绩效会导致不公平，那么如何更合理地评价业务单元的绩效，是这类企业人力资源部门必须解决的问题。
应该用什么方法来解决以上两个问题？有一个DEA模型供你参考。这里有一个简单的例子来解释。
下面有三个业务单元，每个业务单元都有不同的资源输入和多个绩效输出，如下图所示。
那么我们可以建立一个数学模型来模拟这种投入产出的情况，假设任何一种资源发挥同样的力量，具有同样的资源投入产出比系数λ，每个业务单元在使用这些资源时都存在一个产出效率问题κ。在多输出的情况下，我们有一个标准化的输出计算方法，即使用一个权重系数υ进行核算。比如销售的产出和客户数量，我们把标准化总产出=销售× υ 1，销售产出的权重系数+客户数量× υ 2，客户数量产出的权重系数。这样我们就可以评估总产出。输入权重系数也是如此。投入的人数和投入的资金如何相互重叠，需要输入权重系数来解决标准化问题。因此，我们可以构建一个数学模型来转换上图中的投入产出问题:
我们的规划模型是求Ka，Kb，Kc的最大值，这个规划模型就变成了分式规划模型。
这里需要进行数学变换，将分式规划模型转化为线性规划模型，从而找出Ka、Kb、Kc最大化时每个投入应该是多少，然后对比实际投入情况，哪些资源应该投入少，哪些资源投入不够，哪些方面的组合不平衡；同样的资源投入，每个业务单元的最佳产出是多少？这些都是可以计算的。
DEA模型的实用性吸引了大量的人来研究这个模型，并且对这个初始模型进行了大量的改进，出现了十几个适应不同条件的模型品种。有兴趣的读者可以搜索和查阅相关资料进行深入研究。
