对我们来说，事情很清楚：这听起来像是我们最喜欢的问题之一——不，不是担心或不便意义上的“问题”。恰恰相反——从我们可以用正确的人工智能技术掌握的任务的意义上来说：“圣诞老人，你正在描述一个非常著名的优化问题！我们称之为旅行商问题（TSP）。”
“除了我不卖任何东西，我只是送礼物给人们……”圣诞老人坚定地补充道，因为他似乎觉得不被理解。
我们毫不犹豫地回答：“当然可以！但问题是一样的：我们正在寻找经过地图上很多地方的最短往返路程。”我们很快拿出笔记本电脑，模拟了一个横跨七大洲的小型往返问题来说明这一点。 7大洲，有360种可能的不同航线组合可供路线规划！您可能会忘记一切，并且无法真正知道您刚刚选择的路线是否是最好的。然而，我们用我们的方法非常准确地提出了一个解决方案，并且知道这是最好的解决方案！ “看，亲爱的圣诞老人！在此示例路线中，七大洲各只有一个进场点，这条路线是最短的，因此对您的资源来说是最经济的！最短的总航线只有53,377.43飞行英里！”
“是的！正是如此！”圣诞老人又说：“这是否意味着你可以告诉我 医疗保险线索电子邮件列表 我目前的飞行效率如何，或者更好的是，我如何才能以更经济、最环保的方式分发礼物？可能的？”
“目前为止，你的路线规划得怎么样了？假设您有 50 个起飞地点。”我们在白板上画了几个点。” “你从右上角的红点开始。那么你的路线是什么？”我们把笔递给圣诞老人，并指着白板上的点。
路线点
圣诞老人拿起笔开始画画。 “我实际上正在尽我所能进行优化——至少我这么认为。当我们把礼物卸到一个地方后，我的驯鹿就准备再次出发。在这段时间里，我会寻找距离我们最近的地方，即我们的飞行路线最短的地方。这正是我们前进的方向。”
我们有它：优化潜力！我们解释说：“哦，这是一个启发式的方法。我们称其为简单的贪心程序。你贪婪地选择最近的位置。目前看来这似乎是明智的，但从整体来看，这绝不是最佳选择。例如，您还会发现，在旅行即将结束时，航班时间会变得更长。”
“你说得对！”圣诞老人叹了口气。 “在旅行接近尾声时，雪橇队总是抱怨很多，因为有时飞行距离很长。但我该怎么办呢？随着时间的推移，可飞的地方越来越少，航线自然而然就变长了，不是吗？”圣诞老人似乎听天由命，又重新燃起了希望：“你的解决办法是什么？我能得到多少改善，我能节省多少资源？”