記事のソース:https://tech.meituan.com/2020/02/20/meituan-delivery-operations-research.html
TODOリスト
- アルゴリズム学習
- ヒューリスティック指向検索
- 遺伝的アルゴリズムの反復探索アルゴリズム
- 大規模な近傍探索アルゴリズム
- 可変ドメイン検索アルゴリズム
- 問題学習
- パイプラインスケジューリング問題
- タクシーのスケジュールは、運転手と乗客を一致させることです。これは、本質的に2部グラフの一致問題です。多項式時間に最適なアルゴリズムがあります:KMアルゴリズム
- 紙の読書
インテリジェントな配布のためのリソースの最適な割り当て
有線サービスとオフラインでの複雑な操作の両方。流通は、注文需要と容量供給を結び付けます。需要と供給のバランスをとるためには、オフラインの商人や運転中のライダーを運営するだけでなく、全体的な効率を向上させる目的で、これらの需要と容量の供給をオンラインで合理的に配分する必要があります。
リソースの最適な割り当ての3つのレベル
- 基本的な層は構造最適化であり、これは配電システムの効率の上限を直接決定します。この種のインフラストラクチャの最適化は、配電ネットワークの計画、容量構造の計画などを含め、比較的長いサイクルと低頻度です。
- 中間層は市場規制であり、これは主に価格設定またはマーケティング手法を通じて比較的短期的であり、需要と供給の間の比較的理想的なバランスを達成します。
- 上位層はリアルタイムマッチングであり、リアルタイムリソース最適マッチングはスケジューリングを通じて行われます。リアルタイムマッチングの頻度が最も高く、意思決定サイクルも最短です。
インテリジェントな配電システムアーキテクチャ
- 機械学習システム、IoTおよび認識システム、LBSシステム:最適な意思決定のための正確なパラメーター入力を提供するための、配布プロセス中の正確なデータ収集、認識、および推定
ビジネスアイテム
スマートエリア計画
配電網の基本概念
- 販売者の配達範囲:アプリを開いて、どの販売者が食べ物を注文できるかを決定します。
- ライダーの配達エリアの境界:一部のマーチャントコレクションに対応する範囲によって、ユーザーがMeituanでサービスを利用するためのライダーが決まります。最終配布の効率に影響を与える最も重要なポイントは、配布者が担当する領域にどれだけ精通しているかです。従来のロジスティクス分野では、流通ステーションや流通スタッフが常に特定のコミュニティを担当し、慣れ親しむほど流通効率が高くなります。また、運営・管理の要求もあり、新規加盟店がオンラインになった場合、どの配電所がサービスを提供するかを簡単に判断できます。
地域計画は流通効率に影響を与える
地域計画計画
ターゲットを最適化する
思考:地域計画の主な効果は何ですか?
->目標は、地域の需要と供給をどのように伝達するかです
->ライダーのスムーズさと空の運転に影響を与えます。つまり、注文ごとの
ライダーの平均移動コスト->ライダーの平均移動距離
->マーチャント集約度、注文集約度、注文の重心と商人の重心との間の偏差の程度(多数の地域およびサイトによって蓄積されたデータ)
制約
- 地域の境界
- 新しいマーチャントがオンラインになった場合、それはどのサイトに属しますか?
- 東の道と南の道の表現が覚えやすく理解しやすく、管理効率が向上します。
スマートライダースケジューリング
シフトをグループに分け、すべてのライダーをいくつかのグループに分け、各グループの開始時間を指定します。その後、全員がグループでローテーションでき、シフトごとに全員が順番になります。
モデリングプロセス
- 目標:注文数量を満たすための容量需要の時間単位が最も多くなります(時間は離散化され、粒度は30分です。1日では48時間単位しかなく、決定スペースが大幅に削減されます)
- 標準化モデル
- 人数の正規化:シフト数/駅総数
- 注文数量の正規化:各時間単位の着信注文数量を1日のピーク時間単位の注文数量で割ったもの
- 満たす能力を定義する
- 強い制約:管理要件、ライダーの経験、各作業期間は可能な限り継続的である、各作業期間の期間は短すぎない、異なる作業期間間の休憩時間は短すぎないなど。
結論として:
- 問題にはあまりにも多くの制約があり、最適な解決策や実行可能な解決策を見つけるのは非常に困難です。さらに、ウェブマスターがスケジューリングツールを使用する場合、彼はすぐにシステムスケジューリング計画を立て、その後の微調整を迅速に行うことを望んでいるため、アルゴリズムの実行時間も比較的長くなります。
- 制約に基づいて、ヒューリスティックアルゴリズムに従って初期スキームが構築され、ローカル検索が反復最適化に使用されます。
- 高速ソリューション
- 正規化により、任意のステーションのスケジュール計画を立てることができます
ライダーパスプランニング
ビジネスシーン
- ライダーの終わり:各ライダーのタスク実行順序を推奨します。
- ユーザー側:テイクアウトを注文した後、Meituanは、ライダーの現在のタスクを数分間実行する必要があることをリアルタイムで示し、より多くの推定情報を提供します。
- ビジネスシナリオの要件:適時性の要件は非常に高く、アルゴリズムの実行時間はできるだけ短くする必要があります。
- プラットフォーム側:割り当て、再割り当て、ルート計画、安定した優れた最適化効果が必要
シナリオ
テクニカルルート
遺伝的アルゴリズムに類似した反復検索アルゴリズムや大規模な近傍検索アルゴリズムなど、ランダム反復に基づく検索戦略には不確実性が強いため、技術的なルートは次のとおりです。
- ヒューリスティックな方向検索のみを実行でき、ランダムな外乱をアルゴリズムに追加することはできません。同じ入力で、異なる実行時に異なる最適化結果を与えることはできません。
- 通常の反復検索は使用できません。この問題の構造的特徴を掘り下げ、知識に基づいてカスタマイズされた検索を行う必要があります。
技術的解決策
これを組立ラインのスケジューリング問題と考えてください。各注文はジョブと見なすことができ、注文の2つのタスクはジョブ操作と見なすことができます。任意の2つのタスクポイント間の移動時間は、シーケンス関連の準備時間と見なすことができます。事前注文と即時注文を含む各注文の約束された納期は、組立ラインのスケジューリング問題における早期および後期のペナルティにマッピングできます。