1、全局運輸網(wǎng)絡(luò)規(guī)劃與算法實踐全局運輸網(wǎng)絡(luò)規(guī)劃-場景介紹技術(shù)方案介紹數(shù)學(xué)規(guī)劃簡介獨立規(guī)劃模塊多模塊集成的全局規(guī)劃算法實踐心得算法全景圖 - 選擇指引理論與實踐的鴻溝企業(yè)級大規(guī)模的模型構(gòu)建應(yīng)用場景與要求算法場景年長期規(guī)劃月中期規(guī)劃天短期規(guī)劃 小時執(zhí)行規(guī)劃秒線上至線下 毫秒線上最重要：快 注重：可行最重要：精確 注重：可解釋 多方案對比場景要求全局運輸網(wǎng)絡(luò)規(guī)劃：場景介紹需求：300+ 城市互寄多時效要求多貨品類360,000 流向-時效要求-貨類運輸資源：場地（機(jī)場，中轉(zhuǎn)場。）多式聯(lián)運（全貨機(jī)，腹艙，貨車。）全局運輸網(wǎng)絡(luò)規(guī)劃：需回答的問題運輸網(wǎng)絡(luò)：如何鋪網(wǎng)？成本，時效貨量增長何時 + 需要多少：場地，

2、全貨機(jī)。如何用各資源？樞紐：有哪些效益，價值是什么？未來50年，每5年的運作情況集中起降夠不夠時間？分揀量，布局牽一發(fā)，動全身。技術(shù)方案介紹I1. 擬定規(guī)劃量（產(chǎn)品、時效要求、量）A1. 空網(wǎng)航空站點組合甄選 (MP)G1. 陸網(wǎng)中轉(zhuǎn)場組合甄選 (PY) A2. 空網(wǎng)時效達(dá)成分析 (PY)G2. 陸網(wǎng)時效達(dá)成分析 (PY)I2. 按時效要求分陸散空網(wǎng)歸屬 (PY)A3. 空網(wǎng)航段規(guī)劃 (MP)B1. 散航次日規(guī)劃 (PY)G3. 直發(fā)干線規(guī)劃 (PY) A4. 空網(wǎng)航線規(guī)劃 (MP)B2. 散航隔日規(guī)劃 (PY)G4. 干線網(wǎng)規(guī)劃 (MP)A5. 航段排班 (PY)G5. 樞紐陸側(cè)規(guī)劃 (PY

3、)I3. 截單時間、派送時效達(dá)成分析 (PY) I4. 分析、計劃發(fā)布技術(shù)方案全景圖MP - 數(shù)學(xué)規(guī)劃模型PY - PYthon綜合規(guī)劃空運散航陸運A1：數(shù)學(xué)規(guī)劃 機(jī)場選址目標(biāo)：用最少機(jī)場 規(guī)則：次晨城市次日城市數(shù)據(jù)：可選機(jī)場距離，行車速度分析結(jié)果：機(jī)場組合算法問題描述分析結(jié)果決策KPI機(jī)場組合次晨/次日城市數(shù)據(jù)距離行車速度可選機(jī)場機(jī)場屬性目標(biāo)，規(guī)則，約束，優(yōu)先級，假設(shè)目標(biāo)：最少機(jī)場需次晨、次日派送的城市優(yōu)先選大機(jī)場min/maxf(x) 衡量標(biāo)準(zhǔn)選x 決策參數(shù)不違反 約束g1(x) 0gn(x) 0 物理約束 業(yè)務(wù)規(guī)則數(shù)學(xué)規(guī)劃: 線性規(guī)劃、混合整數(shù)規(guī)劃分析結(jié)果決策KPI機(jī)場組合次晨/次日城市

4、Math Program: Linear Program - LP, Mixed Integer Linear Program - MILP目標(biāo)，規(guī)則，約束，優(yōu)先級，假設(shè)目標(biāo)：最少機(jī)場需次晨、次日派送的城市優(yōu)先選大機(jī)場數(shù)據(jù)距離行車速度可選機(jī)場機(jī)場屬性A3：數(shù)學(xué)規(guī)劃 航段規(guī)劃目標(biāo)：用最低成本航段組合 規(guī)則：機(jī)場-機(jī)場需要足夠運力機(jī)場：航段平衡機(jī)場屬性數(shù)據(jù)：可選機(jī)型機(jī)型航段成本分析結(jié)果：航段組合樞紐航段非樞紐航段A3：數(shù)學(xué)規(guī)劃 航段規(guī)劃目標(biāo)：用最低成本航段組合 規(guī)則：機(jī)場-機(jī)場需要足夠運力機(jī)場：航段平衡機(jī)場屬性數(shù)據(jù)：可選機(jī)型機(jī)型航段成本分析結(jié)果：航段組合A4：數(shù)學(xué)規(guī)劃 航線規(guī)劃目標(biāo)：用最少貨機(jī) 規(guī)

5、則：可執(zhí)行航線（飛行時間）數(shù)據(jù)：距離，飛行速度各機(jī)場起降時段限制需執(zhí)行的航段分析結(jié)果：航線計劃，起降時間， 貨機(jī)數(shù)2 X 貨機(jī)組合3 X 貨機(jī)組合A4：數(shù)學(xué)規(guī)劃 航線規(guī)劃目標(biāo)：用最少貨機(jī) 規(guī)則：可執(zhí)行航線（飛行時間）數(shù)據(jù)：距離，飛行速度各機(jī)場起降時段限制需執(zhí)行的航段分析結(jié)果：航線計劃，起降時間， 貨機(jī)數(shù)需回答的問題場景對比747幾條跑道時效提升 成本溢出國際件算法實踐心得運籌的定義“ is an applied science utilizing all known scientific techniques as tools in solving a specific problem”Phi

6、lip M. Morse美國的運籌學(xué)之父Methods of Operations Research, Morse & Kimball運籌是項應(yīng)用科學(xué)，用任何科學(xué)方法、 技術(shù)和工具來分析（求解）實際問題不限于管理問題，不限于優(yōu)化運籌數(shù)學(xué) 規(guī)劃啟發(fā) 式模擬 仿真神經(jīng) 網(wǎng)絡(luò)圖論排隊數(shù)據(jù) 科學(xué)算法全景圖 - 選擇指引各有強(qiáng)弱項，適用于不同場景 依癥下藥 每種算法都可以融入“學(xué)習(xí)”的能力AI（廣義）/ AGI，算法，運籌數(shù)據(jù)科學(xué)啟發(fā)式AI（狹義）數(shù)學(xué)規(guī)劃特殊方法大數(shù)據(jù)，可視統(tǒng)計，簡單算法貪心，局部搜索GA，集群神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)線性規(guī)劃，最優(yōu)化網(wǎng)絡(luò)流，混合整數(shù)圖論，排隊論仿真，蒙地卡羅通用時限場景：需快

7、全局搜索感知場景圖像識別 語音語義分析精準(zhǔn)場景可解釋 多約束特殊場景依癥下藥算法場景模擬仿真 數(shù)學(xué)規(guī)劃啟發(fā)式數(shù)學(xué)規(guī)劃年長期規(guī)劃月中期規(guī)劃天短期規(guī)劃 小時執(zhí)行規(guī)劃秒線上至線下 毫秒線上啟發(fā)式AI最重要：快 注重：可行最重要：精確 注重：可解釋 多方案對比場景要求有了問題描述，最適合的方法通常已定限時應(yīng)用，不需最佳多規(guī)則，需對比，需解釋圖像識別，語音語義特別問題結(jié)構(gòu) 啟發(fā)式 數(shù)學(xué)規(guī)劃 神經(jīng)網(wǎng)絡(luò) 排隊論，仿真，圖論算法分析結(jié)果數(shù)據(jù)目標(biāo)，規(guī)則，約束，優(yōu)先級，假設(shè)不同背景的算法人員數(shù)據(jù)科學(xué)啟發(fā)式特殊方法大數(shù)據(jù)，可視 統(tǒng)計，簡單算法貪心，局部搜索 GA，集群神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)線性規(guī)劃，最優(yōu)化 網(wǎng)絡(luò)流，混合

8、整數(shù)圖論，排隊論 仿真，蒙地卡羅小案例小LP圖論，排隊圖論圖論，仿真背景 運籌 計算機(jī) 工程人工智能AI（廣義）/ AGI，算法，運籌AI（狹義）數(shù)學(xué)規(guī)劃識別自己的盲點了解各方法的強(qiáng)弱項求解時需要選擇一個算法 多個算法/模型可以并用！預(yù)處理模型、算法后處理 可視多算法并用前后處理已常會用很多算法NP-Hard 的問題 就不可以用數(shù)學(xué)規(guī)劃有幾秒就可求解的MILP理論與實踐的鴻溝BC基準(zhǔn)場景A學(xué)術(shù)文章發(fā)表C基準(zhǔn)場景AB實際場景實踐理論不重要，理論不實用 需更深了解理論實踐需 試驗 + 經(jīng)驗累積 識別實用，通用的方法企業(yè)級、大規(guī)模的模型構(gòu)建大規(guī)模 模型最小+足夠 豐富案例可解釋先算對 再算快獨立核查逐步延伸極端例子 測試模型明確問題 描述識別網(wǎng)絡(luò) 結(jié)構(gòu)識別網(wǎng)絡(luò)結(jié)構(gòu)：大問題通常有重復(fù)的邏輯結(jié)構(gòu)目標(biāo)：滿足最多需求用最低成本規(guī)則：產(chǎn)品，供應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)品，需求優(yōu)先級數(shù)據(jù)：需求，在制，在途運輸，采