菜鸟技术团队斩获ROADEF/EURO挑战赛全球第二

菜鸟人工智能团队获EURO/ROADEF挑战赛全球第二，针对本届赛题卡车装载优化问题，在自研的GreedSolver Bin Packing算法基础上，他们设计了一套适用于赛题的高效ItemLoading算法。     

7月14日，Challenge EURO/ROADEF 2022 Trucks Loading  Problem决赛结果公布，菜鸟人工智能团队由张鑫航、熊望祺、陈灵潇、胡佳金、刘轩组成的参赛队伍获得全球第二。

ROADEF/EURO挑战赛由法国运筹与决策支持学会、欧洲运筹学会共同发起，属于国际运筹学界的顶级赛事之一。赛事目的在于促进工业界关注运筹优化、决策分析快速发展、学术界深化研究，助力解决工业应用中的核心难题。同时，工业界期待通过挑战赛与各领域的专业研究人员建立合作伙伴关系。

ROADEF/EURO挑战赛至今已成功举办12届，赛题都为工业应用中的核心技术难题，提供历届竞赛主题的公司包括法国液化空气集团、圣戈班集团、谷歌等国际著名公司。本届赛题是由法国雷诺公司提供的卡车装载优化问题，菜鸟依靠算法团队在多目标优化、装箱算法上的技术先进性最终获奖。

本届比赛的赛题围绕卡车装载优化问题（Trucks Loading Problem），目标是设计零件装车优化方案，达成车辆成本和库存成本最小化。菜鸟的解决方案采用了一种混合多起点启发式算法（Hybrid Multi-start Heuristic Algorithm），核心部分包括基于混合整数规划的零件车型分配（ItemAssignment）算法，基于 3D 装载的零件装车（ItemLoading）算法，以及基于弹射链等多种优化算子的局部搜索策略，其中高效的ItemLoading算法则是重中之重，该算法在初始解生成以及后续局部搜索中被高频调用，对最后的求解效果至关重要。基于菜鸟多年来在GreedSolver Bin Packing上的持续投入，参赛团队沉淀了一套高效求解3D Bin Packing Problem的算法。在此基础上，一套适用于赛题的高效的ItemLoading 算法被快速使用，这也是最后获得全球第二的关键。

卡车装载效果图

3D装载问题广泛应用于物流领域中，包括航空打板、卡车装载、箱型推荐等场景。3D装箱优化算法可以帮助企业提高装载率或满箱率，减少运输成本、包材成本。借助菜鸟自研的GreedSolver Bin Packing算法，菜鸟及其合作伙伴将通过更优的装箱方案减少空间浪费，在降低成本的同时助力绿色物流。未来菜鸟将持续优化GreedSolver系列算法，并应用于更多的行业和领域。