前言:
今天看官们对“旅行商问题的应用在学科中的应用有哪些”大概比较看重,看官们都想要剖析一些“旅行商问题的应用在学科中的应用有哪些”的相关资讯。那么小编也在网摘上网罗了一些对于“旅行商问题的应用在学科中的应用有哪些””的相关资讯,希望小伙伴们能喜欢,各位老铁们一起来了解一下吧!运输规划的问题的核心是路径规划问题,根据业务需要求解时间最短,成本最低,车辆数量最少等为目标的函数,问题类型,求解方法应该是比较明确和普遍的,如最短路径问题,旅行商问题等,但在实际的工作过程中应用的比较少,一方面是因为在运营规划的团队,拥有数学,运筹学,计算机科学的人才较少,整个组织的专业积淀,工作氛围不支持采取算法的手段求解路径规划问题,另一方面是因为实际的业务中,有太多的不确定性,不同场景不同的要求,一些约定俗成的规则,这些内容无法全部抽象为约束条件带入模型中去,因此实际的规划过程中还是较多的根据管理经验进行规划.
运输规划问题在系统规划层面应用的范围还是比较广的,如外卖员,网约车的路径规划,将算法结合沉淀到产品上,取得了突破性的效果,京东也尝试了多次配送员路径规划系统的尝试,但均失败了,快递员对规划出来的配送路径,配送方案接受度较低,主要还是因为配送员面对的揽派场景,客户特性,服务区域较复杂,无法将林林总总的约束条件全部考虑齐全,并确认条件之间的相互影响关系,有一个思路是通过机器学习的方式,让系统去学习优秀的配送员的路径安排,从而寻找到其中的优秀经验,并进行复制,但不同配送员服务的区域情况不同,A区域的配送路径方案不一定适用于B区域,再加上配送员日均揽派效能达到120以上,单量较大,算力要求高,实现起来难度较大;在社区团购领域,对网格站司机的路径规划就得到了相对较好的应用,原因是司机尽管日配送单量多,但配送点位稳定,数量少,规划起来难度小,非常适用单回路问题的求解方法.
学习运输规划问题,路径规划问题,可以通过学习运筹学的方式进行,运筹学中本身就有专门的运输规划问题的章节,涉及到的问题与实际需求也比较相符,运营规划的同学也没有必要掌握具体的求解方法,一方面本身难度较大,需要一些数学基础,再者不同的算法目前也有专门的求解软件,工作中只要与合适的算法工程师进行配合就能完成,运营同学可以多在业务场景梳理,业务需求提炼,业务问题诊断上多下功夫.
目前在工作中其实缺少的是跨学科,跨领域,跨专业的复合性人才,充当桥梁和纽带,将不同专业已经相对成熟的专业知识串联起来,在边界上寻求增量的突破,我们经常遇到的问题也是运营人员不懂技术,技术人员不了解业务场景,导致工作无从下手,有劲使不出来.