DeliverAI：基于强化学习的食品配送分布式路径共享网络
机器学习
2024-02-13 v2 人工智能
摘要
过去十年间，物品从生产者到消费者的配送经历了显著增长，并受到近期大流行的极大推动。Amazon Fresh、Shopify、UberEats、InstaCart 和 DoorDash 正快速发展，并共享消费品或食品配送的相同商业模式。现有食品配送方法并非最优，因为每次配送都被单独优化为经最短时间路径从生产者直接到消费者。我们观察到在当前模型下完成配送的成本存在显著的降低空间。我们将食品配送问题建模为多目标优化，其中消费者满意度和配送成本均需优化。受出租车行业顺风车成功的启发，我们提出 DeliverAI——一种基于强化学习的路径共享算法。与以往路径共享尝试不同，DeliverAI 可利用启用强化学习的智能体系统提供实时的、时间高效的决策。我们的新颖智能体交互方案利用配送间的路径共享来减少总行驶距离，同时将配送完成时间控制在合理范围内。我们使用来自芝加哥市的真实数据在仿真设置上充分生成并测试了我们的方法。结果表明，与基线相比，DeliverAI 能将配送车队规模减少 12%，行驶距离减少 13%，并实现高出 50% 的车队利用率。
引用
@article{arxiv.2311.02017,
title = {DeliverAI: Reinforcement Learning Based Distributed Path-Sharing Network for Food Deliveries},
author = {Ashman Mehra and Snehanshu Saha and Vaskar Raychoudhury and Archana Mathur},
journal= {arXiv preprint arXiv:2311.02017},
year = {2024}
}