0
| 本文作者： AI研习社 | 2019-03-29 11:27 |
雷锋网AI研习社按：随着网购和电商的高速发展，物流运输也和每个人的生活产生了紧密的联系。作为整条产业链的血液，如何提高运输效率、降低运输成本，成为一个至关重要的问题。
近日，在雷锋网 AI 研习社公开课上，来自杉数科技的高级算法工程师陈尧宇将物流行业中运筹优化思想与具体案例相结合，深入剖析定制化算法给物流界带来的巨大价值。
分享嘉宾：
陈尧宇，杉数科技高级算法工程师，本科毕业于华东师范大学数学系，硕士就读于北卡罗来纳大学教堂山分校（UNC）统计与运筹专业，并从事网络优化的数学建模与运筹优化研究。曾入围 Informs Global Finalist。曾参加洋山深水港智能化码头项目和多项物流优化及生产制造项目，加入杉数后为多家标杆企业提供技术服务。
公开课回放视频网址：
分享主题：
深度融合中的物流界与运筹优化算法
分享提纲：
物流行业的背景介绍
物流行业中出现的优化问题
如何解决这些问题
案例分享
雷锋网 AI 研习社将其分享内容整理如下：
大家好，我是陈尧宇，是杉数科技的运筹优化算法工程师，今天跟大家介绍一下我在工作过程中所遇到的一些物流行业的运筹优化问题以及相对应的一些算法和解法。
先简单介绍一下今天要分享的几个主题。第一个是物流背景介绍，我想强调的是运筹优化问题，对业务的认知则是非常关键的要求，因为你对业务问题的理解会决定你在运筹优化问题上使用什么样的算法模型去解决这个问题，从而影响到最后的结果。因此我会花比较大的篇幅去介绍现在物流领域有哪些痛点、难点，然后通过什么手段去解决这些痛难点问题。其中，我会穿插讲一下物流中的优化问题以及它们对应使用的算法模型，最后会通过案例介绍，跟大家解释一下看到项目应该如何去解决及选择对应的算法。
我们来看一下，一家物流公司是怎样从一家小型物流公司成长为一家中小型物流公司的，通过这种简单介绍让大家了解一下物流公司的成长路径。我们常见的快递公司，服务的是个人用户，实际上传统物流主要面向的领域是农副产品、大宗商品，例如建筑材料等，做这些业务的物流公司非常零散，说零散是因为在这个领域没有一家独大的，而且很大的一个特性是区域性特别强，所以我在这里介绍的就是这一类型物流公司的运作模式。
其实现在做物流的门槛非常低，你只需要花二三十万买一辆货车做点对点运送（从寄货方送到收货方）即可，不需要花太多人力物力就能实现。但是如果想把公司做大，就不能够只做单纯的点对点服务了，因为要把更多的货物送到更多的地方，再用点对点服务，运送效率上会大大降低。因此物流公司通常会建立中转场或分拨中心，即上游货物先送到分拨中心分拣，然后再安排配送到对应的目的地。那么，中转场为何有如此重要的作用？
【有关本部分的具体讲解，请回看视频00:05:15，http://www.mooc.ai/open/course/639?=Leiphone】
我们从物流的上游过程可以看到，在选择先去哪个网点揽收的问题上已经是一个典型的路径优化问题了 —— 如何串联起网点的路径，从而使得行驶距离更短、在途成本更少。另外，车子的装箱体积是有限的，那么则升级为含装载率的路径优化问题。第二个优化点是车型，如何用最少的成本串联这些网点运更多的货物。
【有关物流中转场的更多内容，请回看视频00:09:50，http://www.mooc.ai/open/course/639?=Leiphone】
总结以上所说，物流领域中会遇到以下三大优化问题：厢内装载优化、司机排班优化、配送路径优化。接下来我将会介绍如何解决这些问题。
首先说厢内装载优化，这是一个非常经典的优化问题，因为货厢是一个三维结构，装载的可能性更多，解决起来更加复杂。
【有关本部分的具体讲解，请回看视频00:15:55，http://www.mooc.ai/open/course/639?=Leiphone】
第二个是司机排班问题，司机排班问题简单地说就是一个二部图匹配问题，那我们应该如何解决这个问题呢？
【有关本部分的具体讲解，请回看视频00:21:45，http://www.mooc.ai/open/course/639?=Leiphone】
下一个是路径优化问题，具体的算法就不详细介绍，因为解决路径优化问题的算法有很多，在不同场景下有不同对应的算法，在这里主要介绍路径优化问题可能会碰到的潜在需求和变化，详情可回看视频00:26:20。从例子中，我们了解到在做优化问题的时候，其实是分了很多层进行优化的，并不是一步到位的。
最后就是案例介绍。
【有关案例介绍部分的具体讲解，请回看视频00:37:00，http://www.mooc.ai/open/course/639?=Leiphone】
今天的分享就到这里，感兴趣的同学可以关注杉数科技的官方微信了解更多详情。
以上就是本期嘉宾的全部分享内容。更多公开课视频请到雷锋网AI研习社社区（http://ai.yanxishe.com/）观看。
关注微信公众号：AI 研习社（okweiwu），可获取最新公开课直播时间预告。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
