包裹分组配送背后的优化算法解析

包裹分组配送背后的科学原理

2018年，某中心首席科学家在俄勒冈州波特兰市的家中观察到，两辆配送卡车正在向相邻房屋递送包裹。这一观察促使某中心物流研究科学团队和供应链优化技术组织开始开发新方法，以同步向相邻位置的配送，避免多辆卡车在同一天访问同一区域的情况，从而改进配送服务并降低成本。

技术演进历程

到2017年左右，科学家们开发出了将同一天送达同一地址的包裹进行分组的方法。当这一方法成功后，算法扩展到了整栋建筑。

随后，团队开发了“站点整合”概念——通过小路连接的一系列地址链。例如，死胡同中的一小群房屋可以被分组在一起，如果其中两户订购了将在同一天配送的商品，系统将尝试将这些配送合并到一辆卡车上。

路由优化突破

在初步进展之后，科学家们将注意力转向通过关注路由来优化货物分配和配送系统。

研究人员借鉴了奖励收集车辆路径问题，该问题建立在旅行商问题的基础上——这是理论计算机科学和运筹学界最受欢迎的组合问题之一。

“在旅行商问题中，你只想找到遍历特定数量位置的最佳方式——或者说最短可能路线，”某中心高级应用科学家解释道。但随着目的地数量的增加，可能路线的数量超过了即使是最快计算机的处理能力。

CONDOR算法的创新

团队在过去几年中迭代改进了这种方法，开发出了新算法：客户订单和网络密度优化器。

该算法解决了比奖励收集车辆路径问题更复杂的问题：同时确定订单如何分成货物以及每个货物的来源履行中心。

“这个项目使用了多种技术的组合，”某中心高级首席科学家指出。“有数学优化、局部搜索、容量受限车辆路径问题求解器——所有这些技术都考虑到了问题的各个方面，并与我们系统的运作方式自然连接。”

CONDOR的突破在于它能够在复杂度和最优性水平之间确定正确的权衡。虽然问题涉及每个地理区块的高数量可能决策，但程序将该数量减少到每区块少于10个。

实际应用效果

科学家们在生产环境中测试了原型，并与工程师并肩工作以实现这一目标。在进行的交叉实验中，一些选定的城市被分成两组：一组使用新程序，另一组不使用。

实验确定，使用CONDOR大约需要减少0.5%的路由资源。“这意味着如果整个网络在没有CONDOR的情况下需要50,000条路线，使用CONDOR后我们只需要49,750条路线，”首席科学家表示。应用于某中心广泛的卡车运输网络，潜在收益可能是巨大的。

CONDOR于1月在一些配送站开始运行，并在今年春季扩展到更多地点。现在它已在美国全国部署，并计划在未来几个月内在其他国家部署。

客户受益机制

当客户在某中心商店下订单时，系统会立即为其保留库存。在几分钟内，物流模型评估数千个履行订单的选项。履行位置是一个变量：如果单个仓库拥有所有物品，则可以组装订单；如果没有，订单可以分成多个货物。

此时会决定订单将如何履行，但这不一定是最终决定。在货运过程开始之前，将有机会重新审视该决定。例如，如果邻居在当天晚些时候下订单，物流计划可能会更新，以便同一承运人交付两个订单。

不同程序可以协同工作以实现所有这些目标。CONDOR通过查看配送站服务的整个地理区域，将这一过程提升到新的水平。系统会定期重新评估决策，以确保路线得到优化。

团队估计，仅今年一年，CONDOR将帮助避免数百万英里的行驶，提高可持续性。“我们能够使承运人按时向更多客户交付更多包裹，同时减少行驶里程和燃料碳排放，”高级首席科学家表示。“这就是CONDOR的精髓；它重新审视所有这些决策，并为我们找到进一步取悦客户的机会。”
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）