杉數(shù)科技 CTO 王子卓
鈦媒體注：本文整理自王子卓在鈦媒體 AI 大師圓桌會(huì)·深圳站關(guān)于“AI 與智慧物流”的演講。
王子卓是明尼蘇達(dá)大學(xué)助理教授，同時(shí)也是杉數(shù)科技 CTO。“AI 大師圓桌系列”是鈦媒體聯(lián)合杉數(shù)科技舉辦的深度 AI 系列論壇，也是鈦媒體大師圓桌會(huì)的重要組成部分（點(diǎn)擊報(bào)名參加 AI 大師圓桌會(huì)）。在大數(shù)據(jù)初創(chuàng)公司杉數(shù)科技的支持下，2017 年系列“AI 大師圓桌會(huì)”邀請(qǐng)到了人工智能、運(yùn)籌學(xué)等專業(yè)領(lǐng)域具有極高話語(yǔ)地位的多位國(guó)際知名學(xué)者和教授來(lái)到中國(guó)，巡回北京、上海、深圳三地，旨在共同探討 AI 對(duì)產(chǎn)業(yè)的顛覆性影響。
上海站的AI大師圓桌會(huì)系列之——“AI時(shí)代，博弈與行為分析”，鈦媒體和杉數(shù)科技將邀你來(lái)和“冷撲大師之父”面對(duì)面（報(bào)名鏈接），請(qǐng)拉到文末看詳情。
在這幾年里，人工智能和“大數(shù)據(jù)”發(fā)展的很快，已經(jīng)成為了科技行業(yè)的“香餑餑”。實(shí)際上，人工智能早在幾十年前就已經(jīng)有人做了很多研究，只不過(guò)得益于計(jì)算機(jī)技術(shù)的發(fā)展，它由重回人們的視野。而隨著互聯(lián)網(wǎng)的發(fā)展，各家企業(yè)積累了大量的數(shù)據(jù)。利用人工智能與“大數(shù)據(jù)”相結(jié)合，能夠促進(jìn)很多行業(yè)的革新。物流行業(yè)就是其中之一。
杉數(shù)科技 CTO 王子卓認(rèn)為，這兩者相結(jié)合，再輔以統(tǒng)籌學(xué)“最優(yōu)解”核心思想，能幫助物流行業(yè)解決非常多的問(wèn)題——比如最常見(jiàn)的路徑規(guī)劃問(wèn)題，中轉(zhuǎn)樞紐選址問(wèn)題，以及定制物流服務(wù)的定價(jià)問(wèn)題等等。當(dāng)然在實(shí)際應(yīng)用場(chǎng)景中，也有很多不確定的因素。除了“優(yōu)化模型”之外，統(tǒng)籌學(xué)中的“隨機(jī)建模”理念也能幫助物流行業(yè)實(shí)現(xiàn)“智慧化”。
今天我也簡(jiǎn)單跟大家分享一下我們杉數(shù)科技怎么樣去用人工智能，機(jī)器學(xué)習(xí)，優(yōu)化方法去解決物流的問(wèn)題，最終實(shí)現(xiàn)智慧物流。
在討論智慧物流之前，我們應(yīng)該討論更大的一個(gè)話題：我們?nèi)绾卧?ldquo;大數(shù)據(jù)時(shí)代”做智慧決策?，F(xiàn)在跟以前最大的不同是，我們有大量的數(shù)據(jù)。這些數(shù)據(jù)可能來(lái)源于生產(chǎn)之中，可能來(lái)源于消費(fèi)者，可能來(lái)源于各個(gè)方面，我們有大量的方法儲(chǔ)存、處理這些數(shù)據(jù)。但是對(duì)一個(gè)企業(yè)來(lái)說(shuō)，如何發(fā)揮這些數(shù)據(jù)的最終價(jià)值，是最為重要的。
這些數(shù)據(jù)并不能直接給企業(yè)帶來(lái)價(jià)值，那怎樣處理它們才能給企業(yè)帶來(lái)價(jià)值呢？我們認(rèn)為大概有三個(gè)步驟：首先是數(shù)據(jù)的采集和管理。當(dāng)然采集與管理之后，你要能夠描述數(shù)據(jù)，把數(shù)據(jù)刻畫出來(lái)，這一步通常是計(jì)算機(jī)科學(xué)、信息科學(xué)完成的。下一步是，挖掘數(shù)據(jù)中隱藏的一些規(guī)律，并且通過(guò)這些規(guī)律對(duì)未來(lái)進(jìn)行更好的預(yù)測(cè)，就是所謂規(guī)律性分析或者預(yù)測(cè)性分析。這一步更多的是由統(tǒng)計(jì)學(xué)或人工智能來(lái)完成的。
然而在很多商業(yè)場(chǎng)景里面，僅僅通過(guò)這些數(shù)據(jù)做預(yù)測(cè)，是沒(méi)有完全發(fā)揮它們的價(jià)值的。想要完全發(fā)揮其實(shí)際價(jià)值，我們就需要把這些預(yù)測(cè)轉(zhuǎn)換為決策。這個(gè)過(guò)程中有些場(chǎng)景是比較簡(jiǎn)單的，如果有了可循規(guī)律，那么就比較容易做出一個(gè)好的決策。但在實(shí)際商業(yè)領(lǐng)域中，比如說(shuō)物流行業(yè)，它非常復(fù)雜，有很多需要考慮的因素。在這個(gè)場(chǎng)景下，很多時(shí)候，從規(guī)律到?jīng)Q策仍然有很多工作需要做，這部分就是我們所說(shuō)的決策的建模與分析。這部分可能通常用到一些運(yùn)籌學(xué)和優(yōu)化技術(shù)。
所以利用大數(shù)據(jù)做智能決策，我們需要這三個(gè)步驟：數(shù)據(jù)收集與管理，規(guī)律性分析，決策性分析。如果從另外一個(gè)角度來(lái)看待這三個(gè)步驟，我們會(huì)認(rèn)為這是認(rèn)識(shí)世界，理解世界，最終改變世界的過(guò)程。
這幾年，機(jī)器學(xué)習(xí)人工智能有了極大的發(fā)展，并且在很多應(yīng)用領(lǐng)域獲得極大成功。而且提到了圖象識(shí)別，人工語(yǔ)言識(shí)別，智能游戲等一些這樣的應(yīng)用，當(dāng)然這些應(yīng)用確實(shí)是非常的令人震撼。這些都不是新概念，這些在三十年前甚至更久之前都被人研究過(guò)了。但是由于兩個(gè)方面：首先我們有了更強(qiáng)的計(jì)算能力，允許我們對(duì)大量數(shù)據(jù)進(jìn)行計(jì)算，只有能在有效時(shí)間內(nèi)進(jìn)行計(jì)算，才會(huì)有深度、神經(jīng)網(wǎng)絡(luò)，否則不可能在有限時(shí)間內(nèi)得到好的結(jié)果。另外我們有了大量數(shù)據(jù)，這些數(shù)據(jù)很多適用于我們信息技術(shù)的發(fā)展，收集大量數(shù)據(jù)之后，然后通過(guò)這些數(shù)據(jù)訓(xùn)練能夠得到一個(gè)更好的模型。
這些方法應(yīng)用到商業(yè)場(chǎng)景里面，比如應(yīng)用到物流場(chǎng)景里，我們需要的不僅僅是一個(gè)模型。不同的行業(yè)里的每一個(gè)問(wèn)題，都有它不同的一些特點(diǎn)，我們需要了解各個(gè)商業(yè)環(huán)境里的不同點(diǎn)。那么如果只是把一個(gè)簡(jiǎn)單的模型，比如說(shuō)直接把一些數(shù)據(jù)扔到深度學(xué)習(xí)的網(wǎng)絡(luò)里面，幾乎是不可能有很好的效果。要得到很好的效果，要有深度場(chǎng)景的了解，然后選擇一個(gè)模型。
所謂的神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)，只是眾多機(jī)器學(xué)習(xí)里面的一種，很多時(shí)候可能并不是最合適的一個(gè)。我們希望根據(jù)實(shí)際場(chǎng)景思考，到底用什么模型能達(dá)到最好的預(yù)測(cè)效果。在選擇模型之后，最重要的是要選擇高效的辦法。有的模型比較簡(jiǎn)單可以處理大量數(shù)據(jù)，有的模型需要非常復(fù)雜的方法才可以得到模型參數(shù)，使這個(gè)模型發(fā)揮作用。這里面涉及到大量的運(yùn)籌學(xué)和優(yōu)化方面的問(wèn)題。只有結(jié)合這幾個(gè)要點(diǎn)之后，我們才能做出一個(gè)好的預(yù)測(cè)。
那么如何把一個(gè)預(yù)測(cè)的結(jié)果，轉(zhuǎn)化成實(shí)際的價(jià)值，轉(zhuǎn)化成實(shí)際中更優(yōu)的一個(gè)決策。比如智慧物流，我們關(guān)心的不僅僅是，可以預(yù)測(cè)未來(lái)的快遞件數(shù)，或者未來(lái)的發(fā)展，這里的“智慧物流”是決策上的事——一個(gè)物流公司如何能讓資源更好分配，更有效把貨物運(yùn)到消費(fèi)者手里，更低的成本去轉(zhuǎn)運(yùn)不同貨物。剛開(kāi)始我們可能更多的會(huì)應(yīng)用到一些優(yōu)化和技術(shù)上。
接下來(lái)，我想要和大家分享的是運(yùn)籌學(xué)的一些背景。比如在這三個(gè)場(chǎng)景下，如何將這三個(gè)方法進(jìn)行結(jié)合，最終更好的解決物流當(dāng)中的決策問(wèn)題。
簡(jiǎn)而言之，運(yùn)籌學(xué)就是將實(shí)際問(wèn)題轉(zhuǎn)化成數(shù)學(xué)模型，并高效求解的一套方法。運(yùn)籌學(xué)大約起源于上世紀(jì)四十年代，第二次世界大戰(zhàn)的時(shí)候。當(dāng)時(shí)軍隊(duì)有很多關(guān)于資源調(diào)配的問(wèn)題：如何去部署雷達(dá)，如何去調(diào)配軍隊(duì)，投炸彈等等，這些問(wèn)題需要一個(gè)系統(tǒng)的方法來(lái)解決，所以當(dāng)時(shí)人們研究出了一系列運(yùn)籌學(xué)的方法。
值得一提的是 1947 年，研究出的線性優(yōu)化的單純算法，直到到現(xiàn)在它仍然被廣泛使用——它被列舉為 20 世紀(jì)十大算法。戰(zhàn)爭(zhēng)結(jié)束之后，人類就想如何把這個(gè)優(yōu)化方法，用到生產(chǎn)生活中，尤其用到商業(yè)中。于是這個(gè)學(xué)科也得到了高速的發(fā)展，產(chǎn)生了各種各樣的分支，物流也是其中之一。
在過(guò)去二十年里，運(yùn)籌學(xué)和優(yōu)化領(lǐng)域獲得了非常高速發(fā)展，其主要的原因是計(jì)算機(jī)技術(shù)的智能化。1947 年以前我們有算法，但可能仍然是人在進(jìn)行運(yùn)算，計(jì)算機(jī)只是提供了系統(tǒng)的方法。但是現(xiàn)在，我們可以真正用計(jì)算機(jī)和算法解決一些實(shí)際規(guī)模的問(wèn)題。這兩者的結(jié)合能解決成百上千，甚至百萬(wàn)級(jí)的問(wèn)題——全部都在幾秒內(nèi)完成。然后在過(guò)去幾年里，大數(shù)據(jù)產(chǎn)生推動(dòng)了這個(gè)領(lǐng)域的發(fā)展，拓廣了更多的應(yīng)用。這些數(shù)據(jù)可以去運(yùn)用我們的模型，使得我們的模型可以真正做出對(duì)企業(yè)有價(jià)值的決策。
在運(yùn)籌學(xué)里面，我想跟大家簡(jiǎn)單介紹一下有兩個(gè)非常非常重要的工具，第一個(gè)工具是優(yōu)化工具：大家考慮優(yōu)化問(wèn)題之時(shí)，只需要記住三個(gè)點(diǎn)：第一，這個(gè)問(wèn)題里面你要做的決策是什么，你可以控制的因素是哪些；第二，通過(guò)這個(gè)決策能達(dá)到什么樣的一個(gè)目標(biāo)——比如說(shuō)最大化效益，最小化成本，或者縮減送貨時(shí)間；第三個(gè)，就是這個(gè)決策可能受到哪些方面的約束。把這三點(diǎn)考慮起來(lái)就是一個(gè)優(yōu)化問(wèn)題。
所謂優(yōu)化問(wèn)題就是我們要去尋找在滿足約束條件下的決策，并盡量實(shí)現(xiàn)我們希望達(dá)到的目標(biāo)。什么是你的決策，什么是你的目標(biāo)，什么是你的約束，這三點(diǎn)都需要通過(guò)數(shù)學(xué)的方法表述出來(lái)。由于現(xiàn)實(shí)問(wèn)題要比模型復(fù)雜得多，所以把這個(gè)實(shí)際的問(wèn)題轉(zhuǎn)化成描述，并不那么簡(jiǎn)單，而在這里面卻是非常重要的一步，并且需要相當(dāng)?shù)慕?jīng)驗(yàn)。
智能決策
有了數(shù)學(xué)的表述之后，就需要尋找一套算法幫助我們找到合適的決策目標(biāo)。這就是求解的過(guò)程。這其中涉及到很多優(yōu)化算法的問(wèn)題——如何在最短時(shí)間內(nèi)，最精確的找到一個(gè)問(wèn)題的最優(yōu)解。大家可以看優(yōu)化問(wèn)題被我寫成一個(gè)數(shù)學(xué)形式，可以通常寫成右邊這樣一個(gè)形式。你要有一個(gè)目標(biāo)函數(shù)——需要達(dá)到多少，最大化目標(biāo)或最小化目標(biāo)，還要滿足一些約束。在運(yùn)籌學(xué)里面，一個(gè)好的模型可以很好的刻畫和提問(wèn)，并且可以支持大模型求解，這是優(yōu)化運(yùn)籌里面最重要的一項(xiàng)技術(shù)。當(dāng)然，有時(shí)候也需要自己設(shè)計(jì)一個(gè)算法去求解，這也是運(yùn)籌學(xué)里面第一項(xiàng)非常重要的技術(shù)。
另外除了優(yōu)化以外，運(yùn)籌學(xué)里面另外一個(gè)非常重要的技術(shù)是隨機(jī)建模的技術(shù)。我們知道生活中很多事情，包括商業(yè)中，都是不確定的。再怎么精確預(yù)算，也不能準(zhǔn)確預(yù)算某一天的需求量，而這正是隨機(jī)建模關(guān)心的事情。這里面我簡(jiǎn)單列舉了幾個(gè)模型：比如隨機(jī)優(yōu)化模型，魯棒優(yōu)化，隨機(jī)模型、馬爾科夫決策過(guò)程，這些都會(huì)適用于我們物流行業(yè)。運(yùn)籌學(xué)主要是這兩大塊技術(shù)，優(yōu)化和隨機(jī)建模。將它們結(jié)合起來(lái)可以解決很多非常復(fù)雜的實(shí)際問(wèn)題。
接下來(lái)，我想和大家討論一下，在這些場(chǎng)景里面如何用這些方法，結(jié)合一些機(jī)器學(xué)習(xí)，統(tǒng)計(jì)人工智能的方法，解決物流行業(yè)中的一些重要的問(wèn)題：首先是有關(guān)這個(gè)區(qū)域的劃分和選址的問(wèn)題。顯然對(duì)物流行業(yè)而言，這個(gè)問(wèn)題還是非常重要的。因?yàn)槲覀兛赡苄枰贫恳粋€(gè)送貨小哥負(fù)責(zé)哪個(gè)區(qū)域，每一輛車負(fù)責(zé)哪個(gè)區(qū)域，這會(huì)直接影響我們物流效益。
實(shí)際上，這就是一個(gè)優(yōu)化問(wèn)題，為什么說(shuō)是優(yōu)化的問(wèn)題呢？這里面要做的決策，就是如何劃分區(qū)域，或者說(shuō)每一個(gè)點(diǎn)到底應(yīng)該屬于哪個(gè)區(qū)域。這個(gè)問(wèn)題目標(biāo)是保證劃分的區(qū)域大致面積相同，里面需求量大致相同，可能每一個(gè)車輛需要投遞時(shí)間，我們盡可能保證每個(gè)區(qū)域平衡。但是我們會(huì)把這樣一個(gè)目的寫成一個(gè)數(shù)學(xué)的形式。第二個(gè)，在劃分過(guò)程中，可能有很多實(shí)際約束，比如說(shuō)某兩個(gè)點(diǎn)屬于同一個(gè)區(qū)域，某兩個(gè)點(diǎn)不屬于同一個(gè)區(qū)域等等。這就有了我們第三個(gè)重要部分，這需要一些優(yōu)化。在這個(gè)場(chǎng)景中最簡(jiǎn)單的是二維優(yōu)化。
我們只考慮在平面上做固定的劃分，但是實(shí)際中我們還會(huì)靠時(shí)間緯度，因?yàn)橛袝r(shí)候投遞是有時(shí)間窗口的，這個(gè)會(huì)導(dǎo)致對(duì)區(qū)域劃分不僅僅是靜態(tài)，還會(huì)隨著時(shí)間的變化，甚至考慮到一些其他因素，比如說(shuō)有一些是送貨，一些是取貨，這都會(huì)使得問(wèn)題劃分更多元化。實(shí)際上，這個(gè)用到的都是我說(shuō)的優(yōu)化技術(shù)，在這個(gè)需求點(diǎn)上我們會(huì)用到機(jī)器學(xué)習(xí)，人工智能的方法，將這個(gè)結(jié)合之后可能得到最好的一個(gè)劃分。
有的時(shí)候在進(jìn)行區(qū)域劃分之后，我們還有一件事情要做，就是對(duì)區(qū)域中進(jìn)行一些選址決策。我的區(qū)域里面哪些地方是網(wǎng)點(diǎn)，哪些地方是投送點(diǎn)，我的目標(biāo)送貨員哪里出發(fā)最近，或者來(lái)我這個(gè)站的距離最短。這些問(wèn)題，大家可以看又是一個(gè)優(yōu)化的不同。
選址問(wèn)題公式
這里我給大家放一個(gè)簡(jiǎn)單的公式，意思就是這樣一個(gè)形式，我們需要去定義我的決策變量，定義我的目標(biāo)函數(shù)，定義我的約束，把它寫成一個(gè)數(shù)據(jù)形式，通過(guò)這樣的優(yōu)化問(wèn)題，我們可以得出最終選址在什么地方。但是也有一些約束，庫(kù)存約束，同時(shí)我們考慮一些不確定的因素。比如說(shuō)怎么樣平均送貨時(shí)間最短，最長(zhǎng)的送貨時(shí)間最短等等，考慮一些這樣的元素。
剛剛說(shuō)的是區(qū)域的選址問(wèn)題，作為更高層的還有樞紐選址問(wèn)題。我們?cè)谌澜缍加幸恍┪锪?，我們需要設(shè)立一些樞紐。如果選址樞紐使得我送貨最優(yōu)化，這跟剛才一樣，可以轉(zhuǎn)化為問(wèn)題，你的目標(biāo)和你的約束。在格式確定之后轉(zhuǎn)化為問(wèn)題，再配以一個(gè)合適的算法，最終可以得到很好的一個(gè)決策。當(dāng)然這也很復(fù)雜，我們會(huì)考慮到很多約束，不管是多少約束，只要通過(guò)合適的方法都可以盡量建模。最終給你一個(gè)答案。這是我想講的第一個(gè)應(yīng)用。
第二個(gè)是定價(jià)和收益管理的應(yīng)用。實(shí)際上對(duì)物流行業(yè)非常重要，那么什么是定價(jià)與收益管理問(wèn)題呢？當(dāng)然名字很簡(jiǎn)單，無(wú)非就是這些商家怎么去做一些定價(jià)和銷售，這樣的一些決策，或者說(shuō)這個(gè)定價(jià)與收益管理的目標(biāo)，就是在正確的時(shí)間，把正確的商品以正確的價(jià)格賣給正確的人，這句話里面可以看到我們所需要做的一些決策。就是說(shuō)要去選擇合適的時(shí)間，把合適的不同的商品推薦給合適的人，然后給你一個(gè)合適的價(jià)格。
想做一個(gè)很好的收益管理，在智能決策里面第一個(gè)步驟我們要對(duì)數(shù)據(jù)進(jìn)行一個(gè)采集以及整理，這里面最需要的是有關(guān)消費(fèi)者對(duì)你服務(wù)價(jià)值的一些數(shù)據(jù)，包括消費(fèi)之前的一些選擇，消費(fèi)之前面臨的一些情況，這些都是有關(guān)數(shù)據(jù)，我們需要收集的一些數(shù)據(jù)。然后有了這些數(shù)據(jù)之后，我們可能會(huì)用一些機(jī)器學(xué)習(xí)的方法，去預(yù)測(cè)新來(lái)的消費(fèi)可能對(duì)我們的服務(wù)，對(duì)我們產(chǎn)品的一些價(jià)格，這里我們會(huì)用到剛才所說(shuō)的統(tǒng)計(jì)，機(jī)器學(xué)習(xí)的方法。
最后有了這樣一個(gè)預(yù)測(cè)之后，我們要去決定對(duì)這樣的產(chǎn)品，這樣的消費(fèi)制定什么樣的價(jià)格，甚至包括我們的菜單怎么制定，這都需要通過(guò)剛才預(yù)測(cè)的結(jié)果，加以優(yōu)化模型，最終得到戰(zhàn)略的某些目標(biāo)。
不管是哪一類目標(biāo)，我們都可以寫成這樣一個(gè)決策問(wèn)題，最終優(yōu)化的這樣一個(gè)方法進(jìn)行求解。這里具體的幾個(gè)實(shí)例也提到了，物流行業(yè)很重要一個(gè)問(wèn)題是如何制定它的產(chǎn)品線，或者這個(gè)目錄，消費(fèi)者在選擇中會(huì)從你的目錄里面選擇一種服務(wù)，對(duì)不同服務(wù)里面有相關(guān)性，可能要拉這個(gè)里面的相關(guān)性。
然后你要決定選擇哪些商品展示給消費(fèi)者，這是一個(gè)選址問(wèn)題。然后還有定價(jià)決策，比如說(shuō)在目錄里面，整體的一個(gè)最大化的收入，這里要考慮到不同服務(wù)，不同產(chǎn)品之間一些影響因素等等，但是最終通過(guò)一些建模和求解。
另外我們開(kāi)始可能沒(méi)有很多關(guān)于消費(fèi)者的數(shù)據(jù)，在這種情況下我們需要?jiǎng)討B(tài)進(jìn)行學(xué)習(xí)，對(duì)數(shù)據(jù)進(jìn)行積累和分析，在這里設(shè)計(jì)一個(gè)動(dòng)態(tài)機(jī)器學(xué)習(xí)的過(guò)程。這里需要做決策的就是如何去學(xué)習(xí)這些消費(fèi)者的一些行為，消費(fèi)者選擇的一些規(guī)律，那么這里就也是一個(gè)機(jī)器學(xué)習(xí)的問(wèn)題，怎么樣決策呢？比如說(shuō)我是多少不同的價(jià)格，每一個(gè)多長(zhǎng)時(shí)間，然后通過(guò)這些結(jié)果如何去制定一個(gè)未來(lái)最優(yōu)的決策，這個(gè)問(wèn)題需要機(jī)器學(xué)習(xí)和人工智能結(jié)合。
最后一個(gè)部分我想講一下路徑優(yōu)化的問(wèn)題。那么顯然在物流行業(yè)里面，路徑優(yōu)化是最基本的一項(xiàng)技術(shù)。如何設(shè)計(jì)一個(gè)路線滿足定制的需求，實(shí)現(xiàn)成本最小化，最短時(shí)間內(nèi)拿到派單，還有車輛調(diào)度問(wèn)題等等。
在實(shí)際場(chǎng)景中，這些問(wèn)題會(huì)變得非常復(fù)雜，因?yàn)橛蟹浅６嗟囊蛩匾紤]。比如說(shuō)首先有多個(gè)需求，多個(gè)送貨員，多個(gè)出發(fā)點(diǎn)。第二，實(shí)時(shí)需求，有的是時(shí)間窗口，有的是取貨，有的是送貨，會(huì)有不同的限制。另外因?yàn)橹袊?guó)的承重限制，這會(huì)有很多路程上的不確定性，時(shí)間上的不確定性，以及每單的不確定性，這樣情況下如何制定一個(gè)路線可以更好的服務(wù)消費(fèi)者，也是一個(gè)非常重要的問(wèn)題。這需要很多運(yùn)籌學(xué)優(yōu)化技術(shù)以及機(jī)器學(xué)習(xí)的技術(shù)。預(yù)測(cè)更準(zhǔn)確的時(shí)間，也是在物流中一個(gè)非常重要的應(yīng)用的場(chǎng)景。
當(dāng)然最后路徑優(yōu)化除了路上的優(yōu)化，還有倉(cāng)庫(kù)內(nèi)的擺放，取貨送貨，這些實(shí)際上也是一個(gè)優(yōu)化問(wèn)題，同樣我們需要機(jī)器學(xué)習(xí)的方法去預(yù)測(cè)每個(gè)貨物出貨次數(shù)以及需求，然后用運(yùn)籌優(yōu)化方法設(shè)計(jì)擺放方案，路徑方案，這也是可以將機(jī)器學(xué)習(xí)和運(yùn)籌學(xué)優(yōu)化結(jié)合到一起的場(chǎng)景。
我想說(shuō)的就是真正實(shí)現(xiàn)智慧物流，我們需要結(jié)合多個(gè)方面，一些技術(shù)，需要機(jī)器學(xué)習(xí)人工智能的方法去預(yù)測(cè)未來(lái)的規(guī)律，我們也需要運(yùn)籌優(yōu)化幫助大家將這些規(guī)律轉(zhuǎn)化為實(shí)際決策，最終使我們物流更加有效率，最終為咱們中國(guó)的企業(yè)、產(chǎn)業(yè)創(chuàng)造更大的價(jià)值。
--------------下一場(chǎng)精彩預(yù)告-------------
時(shí)間：7月20日下午 地點(diǎn)：上海財(cái)大豪生大酒店
鈦媒體AI大師圓桌會(huì)·上海站日程
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論
人工智能能替代人工嗎?某天沒(méi)電了，看你乍辦