2017年7月7日至9日，全球人工智能与机器人峰会CCF-GAIR大会在深圳大中华喜来登酒店举行。本次由CCF中国计算机学会主办、雷锋网与香港中文大学（深圳）承办的大会聚集了全球30多位*院士、近300家AI明星AI企业 ，参会人数规模高达3000人，都是国内*阵容。雷锋网记者在会议期间第一时间进行现场报告。

在9日下午的智能物流专场，菜鸟网络高级算法专家朱礼君为大家带来了主题为“大数据时代的物流优化问题”的演讲。朱礼君有美国马里兰大学的物理学博士学位，也曾在Facebook做算法优化工作。

根据朱礼君介绍，菜鸟网络是全国性的物流网络基础设施，是一个以数据为核心的物流平台。物流优化问题也在大数据时代被赋予了新的意义。

菜鸟网络遇到的第一个问题是一个比较传统的问题，就是商家选仓问题，帮助商家从全国范围内的菜鸟仓库中选择合理的仓库，优化配送时效和各方面成本。由于需要对不同的商家单独求解，传统方法会有一些局限性。根据朱礼君介绍，只是用机器学习模型进行销量预测从而进行囤货是不行的，销量具有很大的波动性；从仓库捡货的任务分配与路径规划问题也是难点；还有一个问题是箱型推荐问题，要在订单下发的那一刻就计算清楚需要几个、什么型号的包装，而且还要最小化成本，那么这本来就是一个非常复杂的问题。

对于装箱的问题，为了优化算法，他们把装箱问题进行了转化，转而根据历史订单数据设计每个仓库最适合的箱型；同时他们还用到深度学习的方法预测装箱顺序。

下一个问题是车辆路径规划，把哪里的、什么样的活、派给什么样的车，并且规划车辆的路径。针对这个问题开发的基于机器学习的算法除了解决这个问题，同类问题都能解决。

包裹整理好以后，下面就需要智能分单了。在面单电子化之后，就还要考虑如何根据各有不同的区域规则下发包裹到网点。由于实际情况中网点与配送区域的对应关系错综复杂，无法用结构化的方法直接安排，朱礼君就说他们想了个好办法，根据历史数据安排，高效、实际。

还有一个问题是智能发货，把以往人做的时候非常困难的、根据不同任务选择不同的物流公司的问题，用机器学习的方法进行精准数据分析和预测。

在开放了以上算法以后，菜鸟网络下一步考虑的是把现在的模型驱动的方法转换为数据驱动的方法，能够更好地利用历史数据解决问题，毕竟网点和路线都是相对稳定的，模型驱动的方法却每一次都需要重新计算。算法的产品化、算法的平台化、算法能力的对外开放也可以解决更多类似的问题，给整个物流行业的智能化添砖加瓦。

更多大会内容精彩报道、本演讲图文全文，请继续关注雷锋网(公众号：雷锋网)。

本文作者：杨晓凡

本文转自雷锋网禁止二次转载，原文链接