内容介绍

交通物流所属的算法领域,传统上来说属于运筹优化的范畴,主要由精确求解和近似求解两条路线构成,而结合大数据机器学习的体系架构,随着时间的推移,越来越发挥出它的价值,两者结合的研究也开始逐渐增多,我们从在菜鸟的几代技术体系演进的路线为主轴,分享我们在这条路上的得失和自己的一些思考。

一、物流服务的基本挑战

复制代码
1. 物流场景特点
2. 面临的困难和挑战

二、菜鸟网络的 AI 能力

复制代码
1. 统一的运筹优化底层服务平台
2. 机器学习、分布式并行计算、运筹优化算法的融合

三、AI 应用(车辆路径规划、多智能体调度)

复制代码
1. 在配送场景如何针对不同的效果、响应时间、约束要求构建统一的 AI 服务能力
2. 以切箱、箱型设计为例介绍在物流落地 AI 技术的相关要素
3. 如何结合场景特点,融合精确求解、启发式求解、深度强化学习,在业务进化的同时坚持技术建设方向
4. 优化算法在产业互联网的广阔应用前景

听众收益:

1、了解工业界在智慧物流交通体系的最新尝试和进展
2、能够自己从无到有,更新迭代自己的技术架构体系

听懂我的演讲,需要具备这些知识储备:

1、深度强化学习、机器学习的算法背景
2、大数据相关的基础工程技术
3、运筹优化的基础算法背景

评论

发布