案例库 · 工程与运营 · 技术决策 · 2016–2021
阿里巴巴教机器用秒级规划城市配送，而非靠计划员的头脑
菜鸟构建了ALNS+深度强化学习的车辆路径算法，将半小时达承诺转化为可派单的路线。
阿里巴巴集团 · 菜鸟网络
那一手
阿里巴巴率先实现了线上线下一体化零售，因此手机下单可以从附近门店最快30分钟送达。每天数百万订单的履约是一个人工无法解决的路径规划问题。
其供应链和运筹研究团队构建了车辆路径（VRP）算法套件，将自适应大邻域搜索（ALNS）与深度强化学习相结合。在标准方法所需时间的一小部分内，它就能达到接近80-90%的最优性能。
该系统应用于盒马、菜鸟和Lazada：指导仓库内商品摆放以提高拣货效率，优化多主体运输，并在毫秒级返回最后一公里配送的实时路线。
为什么管用
- 它针对业务实际需要的规模和速度解决路径问题，而不是按学术节奏。
- ALNS与深度强化学习的结合使其快到能实时重新规划路线。
- 算法开发人员嵌入运营中，解决方案得以持续构建和交付。
- 它适用于拣货、干线和最后一公里，同一引擎覆盖全链路。
值了多少把求解器放进业务中，而不是请顾问神来之笔
可以搬走什么
处理以机器速度到达的运营问题，意味着自己要拥有求解器并放在业务内运行，而不是委托一次性优化研究。
后来呢
该工作入围2021年INFORMS弗兰茨·艾德尔曼奖决赛，被公认为全球最先进的应用运筹研究项目之一，算法运行在阿里巴巴主要物流平台。由长期嵌入业务的运筹研究人员团队领导，这被视为算法开发者应成为业务一部分而非外部顾问的证明。
资料来源
- 2021 Franz Edelman Competition: Alibaba Vehicle Routing Algorithms
- 阿里的路径规划算法入围全球最高工业应用奖 (Alibaba's routing algorithms reach INFORMS finals)
发现哪里写错了？告诉我们。