【运筹】运筹优化实践

http://www.taodudu.cc/news/show-4866522.html

智能区域规划

背景

确定商家的配送范围，确定骑手（专送）所属商圈的范围，提高配送效率。
合理的商圈划分需要解决的问题主要有：
· 区域商家不集中
· 区域形状不规则
· 区域单量少

优化目标

业务目标：单均行驶距离
优化指标：商家聚合度、订单的聚合度（合单率）、订单重心和商家重心的偏离程度

思路：思考区域规划主要影响的是什么、大量的统计分析

约束

· 单量上下界
· 区域无交集
· AOI无遗漏
· 区域边界沿路网 （ 为了有新商家入驻的时候比较容易划定区域）

整体方案

优化求解商家最优集合 -> 画区域边界 -> 仿真系统

智能骑手排班

背景

外卖场景峰谷效应明显，又需要根据骑手的个人需求来排班，站长人工排班是很困难的

优化目标

目标：最大化满足运力需求的时间单元数

怎样定义满足运力需求：将时间离散化到半小时粒度，人数归一化，算法分配每个班次的骑手比例，单量也归一化，每个时间单元的进单量除以每天峰值时间单元的单量。如果某个时间单元内人数比例大于单量比例，那么叫作运力得到满足

约束条件

问题涉及大量复杂的约束，如管理的诉求、骑手的体验等：
· 每个工作时段尽量连续
· 每个工作时段持续的时间不过短
· 不同工作时段之间休息的时间不过短
· …

解决方案

基于约束条件，根据启发式算法构造初始方案，再用局部搜索迭代优化。不保证最优解，满意解即可

骑手路径规划

背景

骑手身上多个单，如何选择最优的取送顺序

而且，系统派单、改派、时间预估，都依赖路径规划，所以对时效性要求也很高；都是核心模块，优化求解能力要求也很高

方案

· 为保证稳定性和时效性，只能使用启发式定向搜索，不能在算法中加随机扰动。
· 不能用普通迭代搜索，必须把这个问题结构特性挖掘出来，做基于知识的定制化搜索
· 将路径规划问题看作流水线调度问题，每个订单是job, 取/送是operation。任意两个任务点之间的通行时间，是序列相关的准备时间。承诺的送达时间，包括预订单和即时单，可以映射到流水线调度问题中的提前和拖期惩罚上。