基于任务导向图聚类的均衡订单批处理
机器学习
2020-08-21 v1 人工智能
系统与控制
系统与控制
摘要
均衡订单批处理问题（BOBP）源于中国最大物流平台菜鸟仓内拣选流程。在拣选过程中将订单批量合并形成单一拣选路径，可减少行走距离。其重要性在于订单拣选是劳动密集型过程，采用良好批处理方法可带来可观节省。BOBP是NP难组合优化问题，在准实时系统响应要求下设计针对性启发式方法并非易事。本文不设计启发式，而是提出名为均衡任务导向图聚类网络（BTOGCN）的端到端学习与优化框架，将BOBP归约为均衡图聚类优化问题求解。BTOGCN中引入任务导向估计网络，引导类型感知异构图聚类网络寻找与BOBP目标更优的聚类结果。通过在单图与多图上的综合实验，我们表明：1）我们的均衡任务导向图聚类网络可直接利用目标信号引导，优于两阶段深度嵌入与深度聚类方法；2）相较专家设计算法，我们的方法在单图与多图集上平均减少拣选距离4.57m与0.13m（“m”为米（国际单位制基本长度单位）的缩写），且具备良好泛化能力以应用于实际场景。
引用
@article{arxiv.2008.09018,
title = {Balanced Order Batching with Task-Oriented Graph Clustering},
author = {Lu Duan and Haoyuan Hu and Zili Wu and Guozheng Li and Xinhang Zhang and Yu Gong and Yinghui Xu},
journal= {arXiv preprint arXiv:2008.09018},
year = {2020}
}
备注
10 pages, 6 figures