23、ECML PKDD 2023:机器学习与数据挖掘的盛会

ECML PKDD 2023:机器学习与数据挖掘的盛会

1. 会议概况

2023 年欧洲机器学习与数据库知识发现原理与实践会议(ECML PKDD 2023)于 9 月 18 日至 22 日在意大利都灵举行。该会议每年举办一次,是展示机器学习和数据库知识发现最新进展的全球平台,拥有成功举办多届的历史,已成为欧洲领先的机器学习和数据挖掘会议,为研究人员和从业者提供了交流知识和想法的绝佳机会。

1.1 会议主要内容

  • 论文展示 :会议主要议程包括 255 篇已接受论文的展示。
  • ** keynote 演讲**:有三场 keynote 演讲,分别是阿姆斯特丹大学的 Max Welling 的“Neural Wave Representations”、牛津大学的 Michael Bronstein 的“Physics-Inspired Graph Neural Networks”以及南加州大学安嫩伯格传播与新闻学院的 Kate Crawford 的“Mapping Generative AI”。
  • 其他活动 :此外,还有 30 个研讨会、9 个组合的研讨会 - 教程、5 个教程、3 个发现挑战和 16 个演示。同时,博士论坛为初级博士生提供了一个友好的环境,让他们可以与同行交流想法和经验,并从资深研究人员那里获得建设性反馈。会议还设有人工智能打击金融犯罪特别日,用于讨论、分享和展示基于人工智能的金融犯罪检测的最新发展。

1.2 伦理与多样性

  • 伦理声明
内容概要:本文系统阐述了智能物流路径规划的技术体系实践应用,涵盖其发展背景、核心问题建模、关键算法、多目标动态环境处理、系统架构及典型应用场景。文章以车辆路径问题(VRP)及其变体为核心数学模型,介绍了从Dijkstra、A*等单智能体算法到多车VRP的元启发式求解方法(如遗传算法、蚁群算法、大规模邻域搜索),并深入探讨了多目标优化(成本、时间、碳排放)动态环境(实时订单、交通变化)下的自适应规划策略。结合城市配送、干线运输、场内物流等案例,展示了路径规划在提升效率、降低成本方面的实际价值,并分析了当前面临的复杂性、不确定性等挑战,展望了AI融合、数字孪生、车路协同等未来趋势。; 适合人群:具备一定物流、运筹学或计算机基础,从事智能交通、物流调度、算法研发等相关工作的技术人员管理人员,工作年限1-5年为宜。; 使用场景及目标:①理解智能物流路径规划的整体技术架构核心算法原理;②掌握VRP建模方法多目标、动态环境下路径优化的实现策略;③为物流系统设计、算法选型系统优化提供理论依据实践参考; 阅读建议:建议结合文中案例数学模型,重点理解算法选择实际业务场景的匹配逻辑,关注动态规划多目标优化的工程实现难点,可配合仿真工具或开源求解器进行实践验证。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值