交通物流所屬的算法領域,傳統上來說屬於運籌優化的範疇,主要由精確求解和近似求解兩條路線構成,而結合大數據機器學習的體系架構,隨着時間的推移,越來越發揮出它的價值,兩者結合的研究也開始逐漸增多,我們從在菜鳥的幾代技術體系演進的路線爲主軸,分享我們在這條路上的得失和自己的一些思考。
一、物流服務的基本挑戰
1. 物流場景特點
2. 面臨的困難和挑戰
二、菜鳥網絡的AI能力
1. 統一的運籌優化底層服務平臺
2. 機器學習、分佈式並行計算、運籌優化算法的融合
三、AI應用(車輛路徑規劃、多智能體調度)
1. 在配送場景如何針對不同的效果、響應時間、約束要求構建統一的AI服務能力
2. 以切箱、箱型設計爲例介紹在物流落地AI技術的相關要素
3. 如何結合場景特點,融合精確求解、啓發式求解、深度強化學習,在業務進化的同時堅持技術建設方向
4. 優化算法在產業互聯網的廣闊應用前景
聽衆收益:
1、瞭解工業界在智慧物流交通體系的最新嘗試和進展
2、能夠自己從無到有,更新迭代自己的技術架構體系
聽懂我的演講,需要具備這些知識儲備:
1、深度強化學習、機器學習的算法背景
2、大數據相關的基礎工程技術
3、運籌優化的基礎算法背景