2017年7月7日至9日，全球人工智能與機器人峰會ccf-gair大會在深圳大中華喜來登酒店舉行。本次由ccf中國計算機學會主辦、雷鋒網與香港中文大學（深圳）承辦的大會聚集了全球30多位頂級院士、近300家ai明星ai企業
，參會人數規模高達3000人，都是國内頂級陣容。雷鋒網記者在會議期間第一時間進行現場報告。
在9日下午的智能物流專場，菜鳥網絡進階算法專家朱禮君為大家帶來了主題為“大資料時代的物流優化問題”的演講。朱禮君有美國馬裡蘭大學的實體學博士學位，也曾在facebook做算法優化工作。
根據朱禮君介紹，菜鳥網絡是全國性的物流網絡基礎設施，是一個以資料為核心的物流平台。物流優化問題也在大資料時代被賦予了新的意義。
菜鳥網絡遇到的第一個問題是一個比較傳統的問題，就是商家選倉問題，幫助商家從全國範圍内的菜鳥倉庫中選擇合理的倉庫，優化配送時效和各方面成本。由于需要對不同的商家單獨求解，傳統方法會有一些局限性。根據朱禮君介紹，隻是用機器學習模型進行銷量預測進而進行囤貨是不行的，銷量具有很大的波動性；從倉庫撿貨的任務配置設定與路徑規劃問題也是難點；還有一個問題是箱型推薦問題，要在訂單下發的那一刻就計算清楚需要幾個、什麼型号的包裝，而且還要最小化成本，那麼這本來就是一個非常複雜的問題。
對于裝箱的問題，為了優化算法，他們把裝箱問題進行了轉化，轉而根據曆史訂單資料設計每個倉庫最适合的箱型；同時他們還用到深度學習的方法預測裝箱順序。
下一個問題是車輛路徑規劃，把哪裡的、什麼樣的活、派給什麼樣的車，并且規劃車輛的路徑。針對這個問題開發的基于機器學習的算法除了解決這個問題，同類問題都能解決。
包裹整理好以後，下面就需要智能分單了。在面單電子化之後，就還要考慮如何根據各有不同的區域規則下發包裹到網點。由于實際情況中網點與配送區域的對應關系錯綜複雜，無法用結構化的方法直接安排，朱禮君就說他們想了個好辦法，根據曆史資料安排，高效、實際。
還有一個問題是智能發貨，把以往人做的時候非常困難的、根據不同任務選擇不同的物流公司的問題，用機器學習的方法進行精準資料分析和預測。
在開放了以上算法以後，菜鳥網絡下一步考慮的是把現在的模型驅動的方法轉換為資料驅動的方法，能夠更好地利用曆史資料解決問題，畢竟網點和路線都是相對穩定的，模型驅動的方法卻每一次都需要重新計算。算法的産品化、算法的平台化、算法能力的對外開放也可以解決更多類似的問題，給整個物流行業的智能化添磚加瓦。
更多大會内容精彩報道、本演講圖文全文，請繼續關注雷鋒網(公衆号：雷鋒網)。
本文作者：楊曉凡