在真实工业问题上切实有效的数学优化。

定制算法,也能处理现成求解器无法解完的问题。

我们把您的排程、分配、路径和规划决策转化为数学模型,并开发求解这些模型的软件。我们的方法已公开发表,并经过真实运营数据的检验。

图 1. 多商品流示意图。线宽表示边上的车辆数,节点大小表示仓储容量。 节点负载 0 → 1

我们解决的问题

只要一项决策有目标和约束,我们很可能就能为它建模。

已发表成果

我们的方法迄今取得的成果,其中很多来自物流领域。数据均引自所链接的论文。

我们构建什么

每个项目都是定制的,从最初的问题建模到可运行的软件。

优化

排程、分配、路径、设计和装箱。在规模允许时使用混合整数规划,否则开发定制启发式算法。

仿真与智能体模型

回放您的真实运营数据,遍历不同策略设置,在改动生产之前看清各种权衡。

向量搜索

改进近似最近邻搜索,从图结构设计到基于您的数据调优召回率、延迟和内存。

机器学习与计算机视觉

预测、检测和质检模型,包括优化所依赖的需求和故障预测。

真实成本是阶梯式的

机器、班次、批次和车辆都以整数单位计算,因此需求稍有增加,就可能要多付一个单位的费用。线性模型看不到这种跳跃。拖动滑块进行比较。

所需单位
–
LP 松弛
–
LP 遗漏的成本
–

示例中每单位容量 C = 20。

通用模型

为每个单位及其完成的工作付费
满足所有需求
运行足够的整数单位来承担工作

项目如何进行

我们从您的运营出发,所有成果都归您所有。

  1. 建模

    与运营负责人一起写下目标、约束和例外情况。

  2. 确定基准

    用历史数据评估您当前的流程,让每项结果都有公平的比较。

  3. 求解

    构建算法,并对照基准和数学界进行测试。

  4. 部署

    接入您的系统,并交付代码、模型和文档。

论文

可公开阅读,包含问题建模和实验。

您最想先优化什么?

告诉我们您要做什么决策、受哪些限制,以及如何衡量好的结果。粗略描述即可。