用于选择产品运输最优箱型尺寸的决策树框架
机器学习
2022-02-10 v1
摘要
在包裹处理设施中，使用不同尺寸的箱子来运输产品。箱型尺寸远大于产品尺寸的箱子会造成浪费并无端增加运输成本。由于为 个产品中的每一个制作独一无二的定制箱子是不可行的，电子商务公司面临的基本问题是：需要制造多少个 的长方体箱子，以及它们的尺寸应该是多少？在本文中，我们针对每箱装一件产品的单件运输情形分两步提出解决方案：(i) 将其归约为长度、宽度和高度三维空间中的聚类问题，其中每个簇对应于将用某一特定尺寸变体运输的产品组；(ii) 提出一种高效的基于前向-后向决策树的聚类方法，其对 和 计算复杂度低，用以获得这 个簇及相应的箱子尺寸。我们的算法由多个组成部分构成，每一部分都专门设计以实现高质量的聚类解。由于我们的方法以增量方式生成簇而不丢弃当前解，增加或删除一个尺寸变体就像提前停止后向过程或多执行一次迭代一样简单。我们通过模拟 Amazon 在一个月内使用所提箱子尺寸运输的实际单件运输来测试我们方法的有效性。即使仅修改现有箱子尺寸而不增加新的尺寸变体，我们也实现了运输体积减少 ，促使未利用的空隙体积降低 。当我们引入 个额外箱子时，运输体积和空隙体积的减少显著提高到 和 。
引用
@article{arxiv.2202.04277,
title = {A decision-tree framework to select optimal box-sizes for product shipments},
author = {Karthik S. Gurumoorthy and Abhiraj Hinge},
journal= {arXiv preprint arXiv:2202.04277},
year = {2022}
}