某中心与某机构合作将司机经验融入配送路径模型

在新举办的竞赛中，研究团队将训练机器学习模型，以纳入司机对计算路线的偏离行为。

路径问题是计算机科学中研究最多的问题之一。旅行商问题（即确定销售人员访问多个不同目的地的最有效路线）是NP完全问题中最著名的例子，这意味着除了最简单的实例外，该问题在计算上是难以处理的。

尽管如此，某中心最后一英里团队（为某中心配送车队开发规划软件）定期为旅行商问题找到近似解决方案（优化安全性、体验、可持续性和效率）。给定配送司机和一组包裹目的地，最后一英里团队的软件会尝试找到最有效的配送路线。

然而，司机经常偏离这些计算出的路线。司机掌握着哪些道路难以通行、何时交通状况不佳、何时何地容易找到停车位、哪些站点可以方便地一起服务等信息，以及许多现有优化模型未捕捉到的其他因素。

现在，某中心最后一英里团队正与某机构运输与物流中心合作，旨在将司机专业知识纳入路径优化模型。两个组织正在赞助一项名为"某中心最后一英里路由研究挑战赛"的竞赛，学术团队将在竞赛中训练机器学习模型来预测经验丰富司机选择的配送路线。

某中心将为模型提供训练数据，并在某机构科学家的技术支持下评估提交作品。某机构将发布并推广关于顶级性能模型的技术论文。获奖者奖金为一等奖10万美元、二等奖5万美元、三等奖2.5万美元。表现优异的团队可能会接受某中心最后一英里组织的研究职位面试，并受邀在某机构展示他们的工作。

某中心提供的历史数据将包括近似配送位置、包裹尺寸以及位置之间的行程时间和距离——这些是现有路径优化算法使用的信息。但某中心还将提供4000多条司机确定路线的轨迹，这些轨迹编码了司机的专业知识。使用这两种信息来源，参赛者将能够构建模型来识别和预测司机对传统计算路线的偏离。

研究人员提交模型后，某中心将发布另外1000条路线的历史数据用于评估目的。

“我们鼓励参赛者利用人工智能、机器学习、深度学习、计算机视觉和其他非常规方法开发创新方法，“某中心最后一英里总监兼首席科学家表示，“竞赛旨在为路径排序问题提供解决方案，在解决方案质量和计算成本方面优于传统的优化驱动运筹学方法。”

竞赛于2月22日开始注册，研究期于2021年3月15日开始。

研究领域

运筹学与优化