一.问题描述：VRPOPB问题 （Vehicle Routing Problem with Outsourcing and Profit Balancing） 从前有一位商人，他要把货物送到他的顾客手中，那么他现在就必须做好运输的规划，让自己的运输成本最小。这就是我们熟知的VRP（Vehicle Routing Problem，车辆路径）问题。 但是，作为一个小小的商人，怎么可能自己拥有那么大一支车队呢？ 就算能买下一支车队，保养车辆，发放司机的工资，这不是白白地给企业增加风险吗？ 在这时，一种新的业态就产
算法，是计算机科学领域的灵魂，是解决问题的重要工具。在算法的世界里，有着各种各样的种类和特性。今天，我将带各位踏上一段探索算法种类的旅程，分享一些常见的算法种类，并给出相应的实践和案例分析。希望通过本文的介绍，能够帮助您更好地理解和应用这些算法，提高解决问题的能力。请您抽出宝贵的时间，与我一同探索这个充满魅力和挑战的算法世界。
在物流运输业务中，调度环节的存在，可以有效地实现运力的合理分配。那么，怎样才能设计出合理的调度系统，以支撑运输业务的正常运转？。
周末开始着手算法这一系列文章,说起写这一系列的初衷是发现网上很多的同学们在学习算法这个时候,会遇到很多困难,而学校书中讲的道理尽管很对,但是总是太过于晦涩,正确的知识总是晦涩,这点没错,但让晦涩的知识
作者 | 俞恺、李盛强 责编 | 何永灿 来自物流的挑战 近年来，随着电商增速的放缓，市场对电商企业提供的差异化服务提出更高要求，而物流则首当其冲，一方面需要满足用户更高的服务质量要求，而另一方面电商物流要从成本中心变成利润中心，满足企业运作的效益需求。面对这个现况，苏宁物流研发运用大数据技术，分析历史数据，预测未来趋势，运用最优化算法来合理调度资源，安排计划，以系统性的提升整体物流运营效率，降低运营成本，从而提升用户体验。 电商物流中决定用户体验的一个核心指标是时效，而决定时效的关键因素就是运输班车的衔接
通俗的讲，AGV 就是一个用来运输的移动机器人，它是一个搬运工，把货物从A处运到B处，因此AGV的大部分研究也是包含在移动机器人领域内的。
社会智能化的发展趋势和日益多元化的实际需求，奠定了物流运输行业对于实现智能规划的需求，车辆路径规划问题是其中的重点研究对象。
大家好啊，许久不见，新的一年小编在这里向大家拜个年，祝各位新年快乐，身体健康，心想事成。最近由于新冠肺炎，我们正在经历一段较为困难的日子，希望我们可以一起众志成城，共度难关。
从机器人领域的移动导航、动作规划和物体抓取等经典问题，到虚拟现实、增强现实和混合现实等图形技术，都离不开对真实场景的三维建模。
来这里找志同道合的小伙伴！ 京东物流及京东Y事业部承办的全球运筹优化挑战赛（GOC）于5月28号全面开启，从5月15日起，主办方在全国开展“智慧物流&智慧供应链校园行”分别在复旦大学、华南理工大学、
历时四个月，由京东主办的全球首个聚焦于智能物流、智能供应链两大无界零售基础设施的顶级运筹优化赛事圆满落幕。顶级的挑战吸引了顶级的人才，最终在「城市物流运输车智能调度」以及「仓储网络智能库存管理」两道赛题上诞生了两组冠军，分别是来自于南京大学与华中科技大学组成的 NJUSME 二队和清华大学与北京大学组成的 TP_AI，两组团队在算法性能分析以及创新性上有着突出的表现。
今天给大家带来的是电动汽车路径规划问题(Electric Vehicle-Routing Problem, EVRP)的介绍，按照惯例先上目录，其中第三部分的主要内容出自文献“The Electric Vehicle-Routing Problem with Time Windows and Recharging Stations”。
亚马逊无人仓和KIVA搬运自动机器人的出现掀起了仓库AGV调度研究及应用的热潮。先进的搬运机器人智能调度算法是无人仓系统高效落地应用的关键，市场需求极大。本文作者基于多年的专业研究提供了仓库搬运机器人调度优化与仿真的相关建议以供行业参考。
机器之心专栏 作者：李思哲、黄志翱、淦创等 来自于mit-ibm 机器人研究院院长淦创团队的工作提出了一种接触点发现算法 CPDeform，将基于最优传输的接触点发现算法集成到可微物理求解器中，克服了初始接触点次优或接触点切换时的局部极小值问题。 最近的研究表明，可微分物理是解决软体控制任务的强大工具。然而，当末端执行器的初始接触点次优或在多阶段任务中执行接触点切换时，可微物理求解器经常会卡住并导致局部最小值。 为了解决该问题，来自于mit-ibm 机器人研究院院长淦创团队的研究者提出了一种接触点发现方法
事实证明，深度学习在大量标记数据的学习中是非常有效的。很少有shot learning，相反，试图学习只有少数标签数据。
该论文主要是关于目标检测中的标签分配问题，作者创新性地从全局的角度重新审视了该问题，并提出将标签分配问题看成是一个最优运输问题。要知道最优传输问题是当前最优化理论和GAN理论研究领域中的一个很火的研究课题。论文的实验效果俱佳，而且作者还提供了相应的源码。
近几年来，快递行业发展迅猛，其中的程序设计涉及到运送路径的最优选择问题，下面我们尝试模拟实现快递路径优化问题，假设为快递公司设计快递投递路线优化程序：
如果你现在需要亲手寄送20个快递包裹，你将如何计划最佳的投递路线？
新零售的兴起及“最后一公里”概念的提出，使物流这个传统行业获得空前巨大的市场前景，也受到越来越多企业的关注。
1、层次分析法，简称AHP，是指将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究”根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。
大数据文摘作品 在4月13号刚结束的O'Reilly和Intel AI Conference上，美团点评的配送算法策略架构师郝井华博士详细介绍了美团外卖即时配送业务的重难点，让我们来看看大数据文摘整理的演讲精华。 郝井华，美团点评研究员 美团外卖是全球最大的外卖平台，以及全球最大的即时配送平台。其共有骑手60万，签约商家150万，每天配送外卖1800万单。 美团要做的是即时配送，也就是在一个小时之内把订单送到客户手中。那么配送模式是如何配置的呢？60万骑手如何能够高效率低成本地工作？ 优化配送模式 后台是把
今天为大家介绍的是选址-路径问题(Location-Routing Problem, LRP)，首先上目录
有N个传教士和N个野人来到河边渡河，河岸有一条船，每次至多可供k人乘渡。河两岸以及船上的野人数目总是不超过传教士的数目(否则不安全，传教士有可能被野人吃掉)。即求解传教士和野人从左岸全部摆渡到右岸的过程中，任何时刻满足M(传教士数)≥C(野人数)和M+C≤k的摆渡方案。针对以上问题，采用java编程语言设计实现界面程序集成A*算法解决运输方案。
在开始介绍最短路问题之前我们先来简单讨论网络流问题（network flow problems）
第一题倒是一贯的挺简单的，最简单的思路就是直接做个二层循环就是了，不过我在比赛的时候想岔了，想着那样的算法复杂度恐怕有点高，就想着先将它转换为集合来处理，虽然也没啥问题，但是后来想想，完全没有对时间复杂度有所优化。
作为中国自主汽车品牌领军者，吉利汽车制定了明确的智能制造战略规划与总体思路，在物流数智化转型升级方面走在了众多自主品牌前列。在“由分步试点到广泛推广”的探索发展路径指引下，自主研发智慧车间、数字化工厂，打造OTWB一体化物流信息平台，探索多样化智慧物流场景的落地……，系列举措正在驱动吉利汽车数智化物流体系加速形成。
泛泛来讲，网络层在计算机网络中承担的主要功能是：将数据从一台主机移动到另外一台主机。详细一点说，网络层的主要功能是：路由和转发。
基于出行大数据，滴滴如何将AI融入地图系统中，更好地为出行服务？背后有怎样的AI技术支持？
网址：https://learning.oreilly.com/library/view/graph-algorithms-/9781492060116/
在上一篇博客 【运筹学】表上作业法 ( 求初始基可行解 | 最小元素法 ) 中 , 按照 " 最小元素法 " 找到了初始基可行解 ,
我们在运筹学教学|Benders decomposition（一）技术介绍篇中已经介绍了Benders Decomposition的基本原理，下面为大家提供具体的应用实例和相应的代码。 实例 带固定花费的运输问题： 已知某种物资有m个供应点（源点）， ，i = 1, 2，…, m，供应量分别为 ；有n个需求点（终点）， ，j = 1, 2, …, n，需求量分别为 。从 到 运输单位物资的运价为cij，固定费用为 。若用xij表示从 到 的运量， 表示是否有物资从
从1991由意大利学者 M. Dorigo，V. Maniezzo 和 A. Colorni 通过模拟蚁群觅食行为提出了一种基于群体的模拟进化算法——蚁群优化。极大关注，蚁群算法的特点：
大数据文摘出品 打开滴滴App叫车，你最先看到的就是绿色的上车站点推荐。地图数据的准确性和时效性、基于地图的路径规划、预估到达时间等服务是顺畅出行的基础。 基于海量实时出行数据，滴滴如何将机器学习、深度学习算法融入地图系统中，更好地为出行服务？其产品和功能背后有怎样的AI技术支持？ 今天上午，在北京国家会议中心举办的WGDC 2018（全球地理信息开发者大会）上，滴滴出行地图事业部总经理张弦详细解释了滴滴地图背后的AI技术。 △张弦在WGDC发表演讲 基于海量实时出行数据，滴滴地图提供ETA（预估到达时间）
本文介绍了无人机检修服务领域的现状，包括无人机、机器人、数据等技术在检修服务中的应用，以及无人机检修服务的市场前景。
来源：机器之心本文约3600字，建议阅读7分钟这项新研究被誉为“扣篮大赛中最精彩的扣篮”。 计算机科学家组成的科研团队，为计算机领域中经典的最大流问题提出了一种速度极快的算法。最大流问题是一种组合最优化问题，讨论如何充分利用装置的能力，使得运输的流量最大以取得最好的效果。 这个问题在网络流理论中非常基础。「新算法快的离谱。其实，我本来坚信这个问题不可能存在这么高效的算法，」来自耶鲁大学的 Daniel Spielman 说道。 自 20 世纪 50 年代以来，人们一直在研究最大流量，当时研究最大流是为了
选自quantamagazine 作者：Erica Klarreich 机器之心编译 编辑：rome rome 计算机科学家组成的科研团队，为计算机领域中经典的最大流问题提出了一种速度极快的算法。最大流问题是一种组合最优化问题，讨论如何充分利用装置的能力，使得运输的流量最大以取得最好的效果。 这个问题在网络流理论中非常基础。「新算法快的离谱。其实，我本来坚信这个问题不可能存在这么高效的算法，」来自耶鲁大学的 Daniel Spielman 说道。 自 20 世纪 50 年代以来，人们一直在研究最大流量，当
我们在运筹学教学|Benders Decomposition（一）技术介绍篇中已经介绍了Benders Decomposition的基本原理，下面为大家提供具体的应用实例和相应的代码。
行早 发自 凹非寺 量子位 | 公众号 QbitAI 你印象中的线性规划是什么样的？ 先在二维平面上画图再找最优解？ 但毕竟是学理论嘛，大家或多或少都会觉得枯燥晦涩。 那么为何不试试更加直观、好玩的学习方式呢？例如这样： 这是一位国外博主发布的机器学习3D教程，用可视化的方法展示如何在线性规划问题中逐步逼近最优解。 这篇帖子仅在一天之内就在Reddit上收获了接近200点的热度： 还收到了很多网友的好评： 我喜欢对数学问题高度可视化的描述，太棒了！ 是什么内容这么优质？不妨看看他到底做了什么工作。 线
来源：新智元本文共2100字，建议阅读9分钟青海羊曲大坝建筑项目将由核心AI操控无人工程车队，用3D打印技术建造。 据《南华早报》和Insider杂志报道，据参与该项目的科学家称，中国正在利用人工智能实质上将青藏高原上的一个水坝项目变成世界上最大的3D打印机。 羊曲大坝将成全球最大3D打印出的建筑物 黄河干流上游的青海羊曲水电站将采用3D打印的相同增材制造工艺，「逐片」建造。工程参与者是无人驾驶的挖掘机、卡车、推土机、摊铺机和压路机，全部由AI规划与控制。 如果工程能按期结束，羊曲水电站将在2024
---- 新智元报道 编辑：袁榭 【新智元导读】青海羊曲大坝建筑项目将由核心AI操控无人工程车队，用3D打印技术建造。 据《南华早报》和Insider杂志报道，据参与该项目的科学家称，中国正在利用人工智能实质上将青藏高原上的一个水坝项目变成世界上最大的3D打印机。 羊曲大坝将成全球最大3D打印出的建筑物 黄河干流上游的青海羊曲水电站将采用3D打印的相同增材制造工艺，「逐片」建造。工程参与者是无人驾驶的挖掘机、卡车、推土机、摊铺机和压路机，全部由AI规划与控制。 如果工程能按期结束，羊曲水电站将
随着互联网的兴起，人工智能和大数据成为了热门领域，越来越多的企业开始通过对数据的挖掘分析来为商业决策提供建议，在国内市场，人工智能和大数据领域人才出现巨大的缺口。而数据分析师入行需要的技术能力较易，转行/自学性价比极高，成为大数据领域的热门职业。
近年来，紧致化智能机器人存取系统(Robotic compact storage and retrieval systems)得到了广泛应用。该类系统将货物存储在标准化物料箱(bin)中，然后采用堆叠(stack)的形式进行存储。智能机器人在网格顶部行走，将货物在工作站与堆叠之间进行运输。本研究在该系统中考虑指定(dedicated)和分享式(shared)存储策略，并结合随机与分区存储方案，旨在建立有效的绩效指标评估模型，分别从系统吞吐率与运行成本的角度来优化系统结构和运行策略。首先，建立半开半闭排队网络(semi-open queueing network)；然后采用近似矩阵几何算法进行求解，并使用仿真和真实案例进行模型验证。该绩效评估模型可用于优化系统结构和运行策略选择，结果表明，指定存储策略可显著提升系统吞吐能力；最后，本研究构建带吞吐时间约束的成本优化模型，比较不同存储策略下的最优运行成本。结果表明，分享式存储策略可大幅提升系统存储空间利用率，从而降低约40%的运行成本。
大家好，小编最近新学了一个求解器OR-Tools，今天给大家介绍一下如何用OR-Tools求解器求解网络流问题中的最大流问题和 最小费用流问题。
今天我们给大家带来的是Dial a ride问题(DAR)的介绍，文中所用资料多参考于文献。先上目录
最近学习到的关于求解器的新知识总结。首先求解器是用在数学规划问题中的常见工具，那么问题来了，数学中用到的工具和供应链业务有什么相关呢？我们还要继续再往前走一步，看看数学规划问题能为我们解决些什么业务问题。带着这些疑惑请耐心往下看，文章较长。
有个朋友跟我说，现在看到大公司说大数据、云计算、物联网这些概念都犯晕，都被说得云里雾里，这位朋友总结说现在大公司搞这些玩意儿都是噱头，与这位朋友心态相似的人应该不少。不过，如果你看到阿里云与浙江省交通运输厅关于大数据预测交通的合作，应该会更加认可大数据的价值。 浙江交通运输厅基于其拥有的高速历史数据、实时数据与路网状况，与阿里云大数据计算能力相结合，来预测未来1小时内的路况，预测准确率稳定在91%以上，成全球已公开的最好成绩，阿里云还在联合广州做公交车拥挤情况的预测。 大数据最核心的利用价值之一便是预测，
AI+制药再生潜力军：百度LinearDesign算法促药物发现由“大海捞针”变“按图索骥”
(Network Centre, Huazhong University of Science and Tecnology,Wuhan 430074)
运输规划中不存在 ① 无界解 , ② 无可行解 两种情况 , 运输问题是一个实际的问题 , 运费肯定有一个可行的解 ;
本文作者聚焦公路运输领域，就物流运输软件的发展阶段及发展趋势等内容进行了分享，指出软硬件一体数字化是物流运输软件的重要发展趋势。此外，他结合20多年的丰富从业经历，重点就企业的数字化实施路径给出了专业指导和建议。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
