优化农业订单履行系统：一种混合树搜索方法
人工智能
2025-10-07 v2
摘要
高效的订单履行在农业行业中至关重要，尤其是由于种子供应链的季节性特征。本文针对 centralized warehouse 中种子订单履行的挑战进行了建模与优化，其中订单以波形式处理，且需考虑种子库存不可预测的到货情况以及严格的订单截止时间。我们将波 scheduling 问题建模为马尔可夫决策过程（MDP），提出一种自适应混合树搜索算法，将蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）与领域特定知识相结合，高效地导航种子分配中复杂且动态的环境。通过利用历史数据和随机建模，我们的方法实现了基于预测的信息化调度决策，平衡即时需求与长期运营效率。关键思想是：通过问题特定的侧面信息来增强蒙特卡洛树搜索算法，可在每个决策步骤动态减少候选动作的数量，以处理传统方法因状态和动作空间庞大而难以计算的瓶颈。 extensive 模拟实验使用真实参数，包括多样化的产品、大量订单以及真实的季节时长，证明了所提出方法在已有行业标准方法之外显著优于现有技术。
引用
@article{arxiv.2407.13968,
title = {Optimizing Agricultural Order Fulfillment Systems: A Hybrid Tree Search Approach},
author = {Pranay Thangeda and Hoda Helmi and Melkior Ornik},
journal= {arXiv preprint arXiv:2407.13968},
year = {2025}
}