論文の概要: Harvesting Efficient On-Demand Order Pooling from Skilled Couriers: Enhancing Graph Representation Learning for Refining Real-time Many-to-One Assignments

• arxiv url: http://arxiv.org/abs/2406.14635v1
• Date: Thu, 20 Jun 2024 18:03:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-24 18:23:10.665062
• Title: Harvesting Efficient On-Demand Order Pooling from Skilled Couriers: Enhancing Graph Representation Learning for Refining Real-time Many-to-One Assignments
• Title（参考訳）: 熟練したクーリエからの高効率オンデマンド注文ポーリング:リアルタイム多対一アサインの修正のためのグラフ表現学習の強化
• Authors: Yile Liang, Jiuxia Zhao, Donghui Li, Jie Feng, Chen Zhang, Xuetao Ding, Jinghua Hao, Renqing He,
• Abstract要約: オンデマンドフードデリバリー(OFD)サービスでは、注文後数十分以内に配送のフルフィルメントを提供する。 OFDでは、リアルタイムの順序割り当てで同時配信のために複数の順序をプールすることは、重要な効率源である。 オーダー割り当ての複雑さとリアルタイムの性質は、広範囲な計算を非現実的にし、オーダー統合の可能性を大幅に制限する。 SC配信ネットワーク(SC Delivery Network, SCDN)は、OFDに適した非均一なネットワーク埋め込みを改良した手法に基づいて構築される。
• 参考スコア（独自算出の注目度）: 11.0829498096027
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The recent past has witnessed a notable surge in on-demand food delivery (OFD) services, offering delivery fulfillment within dozens of minutes after an order is placed. In OFD, pooling multiple orders for simultaneous delivery in real-time order assignment is a pivotal efficiency source, which may in turn extend delivery time. Constructing high-quality order pooling to harmonize platform efficiency with the experiences of consumers and couriers, is crucial to OFD platforms. However, the complexity and real-time nature of order assignment, making extensive calculations impractical, significantly limit the potential for order consolidation. Moreover, offline environment is frequently riddled with unknown factors, posing challenges for the platform's perceptibility and pooling decisions. Nevertheless, delivery behaviors of skilled couriers (SCs) who know the environment well, can improve system awareness and effectively inform decisions. Hence a SC delivery network (SCDN) is constructed, based on an enhanced attributed heterogeneous network embedding approach tailored for OFD. It aims to extract features from rich temporal and spatial information, and uncover the latent potential for order combinations embedded within SC trajectories. Accordingly, the vast search space of order assignment can be effectively pruned through scalable similarity calculations of low-dimensional vectors, making comprehensive and high-quality pooling outcomes more easily identified in real time. SCDN has now been deployed in Meituan dispatch system. Online tests reveal that with SCDN, the pooling quality and extent have been greatly improved. And our system can boost couriers'efficiency by 45-55% during noon peak hours, while upholding the timely delivery commitment.
• Abstract（参考訳）: 最近はオンデマンドフードデリバリー(OFD)サービスが急増しており、注文後数十分以内で配送が完了している。 OFDでは、複数注文の同時配送をリアルタイムに行うことが、デリバリ時間を延ばす重要な効率源である。 プラットフォーム効率と消費者と宅配業者の体験を調和させるため、高品質な注文プールを構築することは、OFDプラットフォームにとって不可欠である。 しかし、注文代入の複雑さとリアルタイム性により、広範囲な計算が現実的ではないため、注文統合の可能性は著しく制限される。 さらに、オフライン環境は、しばしば未知の要因によって取り除かれ、プラットフォームが認識し、決定をプールすることの難しさを浮き彫りにしている。 それでも、環境をよく知る熟練宅配業者(SC)の配送行動は、システム意識を改善し、意思決定を効果的に伝えることができる。 SC配信ネットワーク(SCDN)は、OFDに適した非均一なネットワーク埋め込みを改良した手法に基づいて構築される。 それは、豊富な時間的・空間的な情報から特徴を抽出し、SC軌道に埋め込まれた順序の組み合わせの潜在ポテンシャルを明らかにすることを目的としている。 そのため、低次元ベクトルのスケーラブルな類似性計算により、注文代入の広い探索空間を効果的に切断することができ、包括的かつ高品質なプール結果がリアルタイムにより容易に識別できる。 SCDNは現在、Meituanディスパッチシステムに配備されている。 オンラインテストによると、SCDNではプールの品質と範囲が大幅に改善されている。 また,本システムでは,ピーク時の給油効率を45～55%向上すると同時に,タイムリーな納入コミットメントを維持できる。

関連論文リスト

• Deep Reinforcement Learning based Online Scheduling Policy for Deep Neural Network Multi-Tenant Multi-Accelerator Systems [1.7724466261976437]
  本稿では,マルチテナント環境におけるDNNのオンラインスケジューリングを目的とした低オーバーヘッド深層強化学習アルゴリズムRELMASを提案する。 ヘテロジニアス多加速器システムへのRELMASの適用により、SLAの満足度は最大で173%向上した。
  論文  参考訳（メタデータ） (2024-04-13T10:13:07Z)
• Neural Approximate Dynamic Programming for the Ultra-fast Order Dispatching Problem [1.519321208145928]
  我々は,集中倉庫における宅配業者への注文のマッチングと送達を含む超高速オーダーディスパッチ問題(ODP)に焦点を当てる。 我々は、より現実的な操作表現を提供し、納品効率を向上させるために、注文ポリシーや明示的なクーリエ割り当てなどの超高速ODPに重要な拡張を導入する。 我々は,ODPに適した4つの異なる現実的データセットを用いて提案手法を検証し,NeurADPの性能を筋電図およびDRLベースラインと比較した。
  論文  参考訳（メタデータ） (2023-11-21T20:23:58Z)
• Multi-Agent Learning of Efficient Fulfilment and Routing Strategies in E-Commerce [11.421159751635667]
  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。
  論文  参考訳（メタデータ） (2023-11-20T10:32:28Z)
• A Fast Task Offloading Optimization Framework for IRS-Assisted Multi-Access Edge Computing System [14.82292289994152]
  我々は,IOPO(Iterative Order-Preserving Policy Optimization)と呼ばれるディープラーニングに基づく最適化フレームワークを提案する。 IOPOはエネルギー効率のよいタスクオフロード決定をミリ秒で生成できる。 実験の結果,提案フレームワークは短時間でエネルギー効率の高いタスクオフロード決定を生成できることがわかった。
  論文  参考訳（メタデータ） (2023-07-17T13:32:02Z)
• KAPLA: Pragmatic Representation and Fast Solving of Scalable NN Accelerator Dataflow [0.0]
  汎用的で最適化され、高速なデータフロー解決器KAPLAを構築し、効果的な妥当性チェックと効率推定により設計空間を探索する。 KAPLAは、トレーニングと推論のための結果データフローにおいて、わずか2.2%と7.7%のエネルギーオーバーヘッドしか達成していない。 また、ランダムおよび機械学習ベースのアプローチよりも優れており、より最適化された結果と桁違いに高速な検索スピードアップを実現している。
  論文  参考訳（メタデータ） (2023-06-09T03:12:42Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
  我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。 トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
  論文  参考訳（メタデータ） (2021-08-20T11:53:05Z)
• A Deep Value-network Based Approach for Multi-Driver Order Dispatching [55.36656442934531]
  そこで本研究では,注文発送のための深層強化学習に基づくソリューションを提案する。 DiDiの配車プラットフォーム上で大規模なオンラインA/Bテストを実施している。 その結果,CVNetは近年提案されているディスパッチ手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2021-06-08T16:27:04Z)
• Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud System [54.588242387136376]
  エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。 まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。 次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。 第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
  論文  参考訳（メタデータ） (2021-01-17T03:45:25Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。