物流平台的实时优化算法

朱胜火  阿里巴巴集团 

物流平台的实时优化算法 

个人简介 

• 2014加入阿里巴巴  @  S eattle 

– 2004  N EC  L abs  @  S ilicon  V alley 

– 2003  A mazon  @  S eattle 

• 机器学习与优化算法 

– 应用：机器视觉，搜索推荐，自然语言处理，分布系统，物流 

菜鸟网络 

智能物流平台 

E-­‐shipping label Op0miza0on Engine

Dispatch Engine

Infrastructure Services

Globally Op0mized Order Fulfillment

Smart Logis0cs Recommenda0on

Engine

Smart Warehousing

Smart distribu0on

Rou0ng

Warehouse Robots

Delivery Robots

Drones

Fron0er Technology

Smart Warehouse

Supply Chain Op0miza0on PlaHorm

Warehouse Automa0on

Warehouse Op0miza0on

Smart Distribu0on/Delivery

Smart Zone Coding

Guoguo Crowd -­‐sourcing PlaHorm

Route Op0miza0on

Address Database

智能物流算法 

机器  学习 

在线 

实时  流式 

优化 

算法 

智能物流算法应用 

仓储  末端 

实时优化：前置切箱 

• 目标：减少包裹，拣选，运输成本  • 减少包裹个数 

• 减少包裹尺寸 

• 缩短拣选距离 

• 优化计算时间：～10ms 

装箱算法 

• 组合优化问题，复杂度高 

• 启发式算法初步解决优化问题  • 考虑计算时间与最优的平衡 

• 节省每单0.2元，估计每年

节省3.6亿人民币（每天50

0万单） 

• 探索利用大数据 

• 估算装箱的“势” 

• 利用估算，优选决策 

流式优化：拣选 

• 目标：减少总体拣选成本 

• 难点： 

– 电商的订单流式到达 

– 拣选单实时发布 

拣选：拨次和路径 

• 利用拣选通路，进行拣选池中分配优化，减少拣选路径长度  • 增量的方式处理流式拣选需求 

• 目前整体路径长度比优化前减少10% 

Order pool

Order

Order Order

Order

Order

Order

Order

Pick bill

Picking

Order

Order

Order

Pick bill

Batching

拣选机器人 

机器学习：智能分单 

Distribution center Delivery station

Delivery Personnel 分拨中心 

快递员  配送网点  • 电子面单 

• 目标：自动确定 

⎯ 分拨中心  ⎯ 配送网点 

⎯ 快递员 

智能分单 

• 难点： 

⎯ 收件地址是非标准的 

⎯ 快递员边界是模糊的，动态的 

⎯ 高精确度 

• 机器学习利用投递成功与失败的数据，以及地图的信息确定三段码的划分 

智能分单 

• 三段码的自动划分缩短拣选每天时间30分钟 

• 估计每年节省4000万人民币（每天500万单） 

上海市奉贤区南桥

三段码使用前派扫单量曲线 三段码使用后派送单量

0.25

0.2

0.15

0.1

0.05

6 6.5

7 7.5

8 8.5

9 9.5 10 10.5 11

智能分单 

Level 4 Address Database Penetration(1)

~83%

Sorting Error Rate Reduction (3)

~40%

Cainiao E-Shipping Label Penetration(2)

~71%

Smart Routing Accuracy (3)

98%+

( 2

2

) 31

)

• 裹裹：菜鸟的APP 

• 查件，收件，寄件 

• 寄件：小件员两小时内上门 

• 目标：提升裹裹揽件的用户体验与运力 

裹裹：分配 

• 机器学习预估小件员的服务质量 

裹裹：近邻 

• 利用小件员的历史揽收记录，划分小件员的工作区域。  • 机器学习减少取消率20%