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
- 物流场景特点
- 面临的困难和挑战
二、菜鸟网络的 AI 能力
- 统一的运筹优化底层服务平台
- 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）
- 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
- 以切箱、箱型设计为例介绍在物流落地 AI 技术的相关要素
- 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
- 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