电子商务中高效履约与路由策略的多智能体学习
人工智能
2023-11-29 v1 机器学习
多智能体系统
摘要
本文提出一种集成算法框架，用于最小化电子商务中的产品交付成本（称为服务成本或 C2S）。电子商务中的主要挑战之一来自多个客户的海量时空异构订单，每个订单须由若干仓库之一借助车队完成履约。这导致两个层次的决策：（i）为每个订单选择履约节点（包括延迟至未来时刻的选项），以及（ii）车辆路由（每辆车可装载源自同一仓库的多个订单）。我们提出一种结合图神经网络与强化学习的方法来训练节点选择与车辆路由智能体。我们纳入了现实约束，如仓库库存容量、车辆特征（行驶时间、服务时间、装载能力）以及客户约束（含交付时间窗）。该问题的复杂性源于结果（奖励）同时由履约节点映射与路由算法驱动，且呈时空分布。我们的实验表明该算法流水线优于纯启发式策略。
引用
@article{arxiv.2311.16171,
title = {Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in E-Commerce},
author = {Omkar Shelke and Pranavi Pathakota and Anandsingh Chauhan and Harshad Khadilkar and Hardik Meisheri and Balaraman Ravindran},
journal= {arXiv preprint arXiv:2311.16171},
year = {2023}
}