論文の概要: Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in
E-Commerce
- arxiv url: http://arxiv.org/abs/2311.16171v1
- Date: Mon, 20 Nov 2023 10:32:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:05:50.022051
- Title: Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in
E-Commerce
- Title(参考訳): 電子商取引における効率的ファーム化とルーティング戦略のマルチエージェント学習
- Authors: Omkar Shelke and Pranavi Pathakota and Anandsingh Chauhan and Harshad
Khadilkar and Hardik Meisheri and Balaraman Ravindran
- Abstract要約: 電子商取引における製品配送コストを最小化するための統合的アルゴリズムフレームワークを提案する。
電子商取引における大きな課題の1つは、複数の顧客からの時間的に多様な注文が大量にあることだ。
本稿では,グラフニューラルネットワークと強化学習を組み合わせたノード選択と車両エージェントの学習手法を提案する。
- 参考スコア(独自算出の注目度): 11.421159751635667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an integrated algorithmic framework for minimising
product delivery costs in e-commerce (known as the cost-to-serve or C2S). One
of the major challenges in e-commerce is the large volume of spatio-temporally
diverse orders from multiple customers, each of which has to be fulfilled from
one of several warehouses using a fleet of vehicles. This results in two levels
of decision-making: (i) selection of a fulfillment node for each order
(including the option of deferral to a future time), and then (ii) routing of
vehicles (each of which can carry multiple orders originating from the same
warehouse). We propose an approach that combines graph neural networks and
reinforcement learning to train the node selection and vehicle routing agents.
We include real-world constraints such as warehouse inventory capacity, vehicle
characteristics such as travel times, service times, carrying capacity, and
customer constraints including time windows for delivery. The complexity of
this problem arises from the fact that outcomes (rewards) are driven both by
the fulfillment node mapping as well as the routing algorithms, and are
spatio-temporally distributed. Our experiments show that this algorithmic
pipeline outperforms pure heuristic policies.
- Abstract(参考訳): 本稿では,eコマースにおける製品提供コストを最小化するための統合的アルゴリズムフレームワークを提案する。
電子商取引における大きな課題の1つは、複数の顧客からの大量の時空間的な注文であり、それぞれが車両群を使用して複数の倉庫の1つから満たされなければならない。
これは2段階の意思決定をもたらす。
(i)各順序(将来の時刻に延期するオプションを含む。)の充足ノードの選択
二 車両の経路(いずれも同一倉庫から発する複数の注文を運べるもの)
本稿では,グラフニューラルネットワークと強化学習を組み合わせたノード選択と車両ルーティングエージェントの訓練手法を提案する。
倉庫の在庫容量、旅行時間、サービス時間、輸送能力、配送の時間窓を含む顧客の制約など、現実的な制約が含まれています。
この問題の複雑さは、結果(逆)がフルフィルメントノードマッピングとルーティングアルゴリズムの両方によって駆動され、時空間分布が時空間分布であるという事実から生じる。
実験の結果,このパイプラインは純粋ヒューリスティックな政策よりも優れていた。
関連論文リスト
- AUTOACT: Automatic Agent Learning from Scratch via Self-Planning [56.81725335882185]
AutoActは、大規模アノテートデータやクローズドソースモデルからの合成軌跡に依存しない自動エージェント学習フレームワークである。
我々は異なるLLMを用いて総合的な実験を行い、AutoActは様々な強力なベースラインと比較して優れた性能または並列性能が得られることを示した。
論文 参考訳(メタデータ) (2024-01-10T16:57:24Z) - Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with
Robotic and Human Co-Workers [51.71901155656791]
我々は、多数の移動ロボットと人間のピッカーが協力して倉庫内でアイテムを収集、配達する倉庫を構想する。
我々は、マネージャが労働者エージェントに目標を割り当てる階層的MARLアルゴリズムを開発し、管理者と労働者の政策は、グローバルな目的を最大化するために協調訓練される。
我々の階層的アルゴリズムは、多様な倉庫構成において、サンプル効率とベースラインMARLアルゴリズムの全体的な選択率を大幅に向上させる。
論文 参考訳(メタデータ) (2022-12-22T06:18:41Z) - Modeling routing problems in QUBO with application to ride-hailing [0.0]
このようなルーティング問題のひとつ,RPP(Ride Pooling Problem)に注力しています。
このタスクは、小規模な柔軟なバスルートに似た、限られた車両セットを使用して顧客の要求を最適にプールすることである。
論文 参考訳(メタデータ) (2022-12-09T14:55:34Z) - No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand
Distribution [48.27759561064771]
我々は[Cachon and Zipkin, 1999]で導入された2つのエケロンサプライチェーンモデルについて, 2つの異なる設定で検討する。
両設定の最適在庫決定に対する後悔と収束の両面において良好な保証を達成するアルゴリズムを設計する。
私たちのアルゴリズムは、オンライングラディエントDescentとOnline Newton Stepをベースとしています。
論文 参考訳(メタデータ) (2022-10-23T08:45:39Z) - DC-MRTA: Decentralized Multi-Robot Task Allocation and Navigation in
Complex Environments [55.204450019073036]
本稿では,倉庫環境における移動ロボットのためのタスク割り当てと分散ナビゲーションアルゴリズムを提案する。
本稿では,共同分散タスク割り当てとナビゲーションの問題について考察し,それを解決するための2段階のアプローチを提案する。
ロボットの衝突のない軌道の計算では,タスク完了時間において最大14%の改善と最大40%の改善が観察される。
論文 参考訳(メタデータ) (2022-09-07T00:35:27Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳(メタデータ) (2022-05-06T18:44:29Z) - Learning to Minimize Cost-to-Serve for Multi-Node Multi-Product Order
Fulfilment in Electronic Commerce [3.3865605512957457]
サプライチェーンの最も多くのノードから製品を提供するコストが重要な課題であることに気付きました。
大規模で高確率で地理的に広がるeコマースサプライチェーンは、慎重に設計されたデータ駆動意思決定アルゴリズムに理想的だ。
強化学習に基づくアルゴリズムは,これらのポリシーと競合し,実世界における効率的なスケールアップの可能性を示す。
論文 参考訳(メタデータ) (2021-12-16T09:42:40Z) - DeepFreight: Integrating Deep Reinforcement Learning and Mixed Integer
Programming for Multi-transfer Truck Freight Delivery [38.04321619061474]
DeepFreightは、マルチトランスファー貨物配送のためのモデルフリーのディープ強化学習ベースのアルゴリズムである。
提案システムは非常にスケーラブルで,低納車時間と燃料消費を維持しつつ,100%の納車成功を実現する。
論文 参考訳(メタデータ) (2021-03-05T03:06:48Z) - Formulating and solving integrated order batching and routing in
multi-depot AGV-assisted mixed-shelves warehouses [1.2117737635879038]
本稿では, 混合棚の蓄え方とAGVを用いた混合棚の採水システムを提案する。
そこで本研究では,より効率的に近似問題を解くために,変数近傍探索アルゴリズムを開発した。
単行および複数行の注文に対して,AGVを用いた混合棚システムにおいて,混合棚ストレージポリシは通常のストレージポリシよりも適している,と結論付けた。
論文 参考訳(メタデータ) (2021-01-27T15:04:05Z) - A Multi-Agent System for Solving the Dynamic Capacitated Vehicle Routing
Problem with Stochastic Customers using Trajectory Data Mining [0.0]
Eコマースはロジスティクス企業にとって新たな課題を生み出している。
本研究は、軌道データマイニング技術を用いて、領域パターンを抽出し、ラストマイル経路の動的生成に利用するマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2020-09-26T21:36:35Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。