结合司机经验优化配送路线

张开发
• 2026/4/11 3:57:45 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

结合司机经验优化配送路线
某机构与某高校合作将司机经验融入配送路线模型路线规划是计算机科学中研究最深入的问题之一。旅行商问题即为需访问多个不同地点的销售人员确定最高效路线是NP完全问题中最著名的例子这意味着除了最简单的情况外它在计算上都是难以处理的。最后一英里挑战赛获胜团队揭晓名为“Passing Through”的团队由三位学者组成获得10万美元一等奖。了解更多尽管如此负责为某机构配送车队开发规划软件的“最后一英里”团队仍会定期为旅行商问题寻找近似解优化安全性、体验、可持续性和效率。针对给定的配送司机和一组包裹目的地该团队的软件会尝试找出最高效的配送路线。然而司机经常偏离这些计算出的路线。司机掌握着哪些道路难走、何时交通拥堵、何时何地容易找到停车位、哪些停靠点可以方便地一起完成以及许多现有优化模型未能捕捉的其他因素。现在该团队正与某高校的运输与物流中心合作旨在将司机的经验知识融入路线优化模型。双方共同赞助了一项名为“某机构最后一英里路线规划研究挑战赛”的竞赛参赛学术团队将训练机器学习模型以预测经验丰富的司机所选择的配送路线。左侧是由该团队优化软件计算出的配送路线右侧是司机实际选择的行驶路线。地图细节已省略。绿色符号A和B表示司机的起始位置紫色符号同样为A和B表示结束位置。该机构为模型提供训练数据并将与某高校中心科学家合作评估提交结果。该中心将发布并推广关于表现优异模型的技术论文。获胜者奖金为第一名10万美元第二名5万美元第三名2.5万美元。表现优异的团队可能获得该机构最后一英里部门研究岗位的面试机会并受邀在该高校中心展示其工作。该机构提供的历史数据将包括大致配送位置、包裹尺寸、地点间的行驶时间和距离——这些是现有路线优化算法所使用的信息。此外该机构还将提供4000多条司机确定路线的轨迹数据这些数据编码了司机的经验知识。参赛者将能够利用这两种信息来源构建能够识别并预测司机与传统方式计算路线之间偏差的模型。在研究人员提交模型后该机构将另外发布1000条路线的历史数据用于评估。“我们鼓励参赛者开发创新方法利用人工智能、机器学习、深度学习、计算机视觉和其他非常规方法”该机构最后一英里部门总监兼首席科学家表示。“本次竞赛旨在为路线排序问题提供解决方案在解的质量和计算成本方面均超越传统的、以优化驱动的运筹学方法。”竞赛于2021年2月22日开放注册研究阶段于2021年3月15日开始。研究领域运营研究与优化标签人工智能、最后一英里配送、某高校、挑战赛FINISHED更多精彩内容 请关注我的个人公众号 公众号办公AI智能小助手或者 我的个人博客 https://blog.qife122.com/对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号网络安全技术点滴分享

更多文章