阿里IJCAI2017Workshop论文：使用深度强化学习方法求解一类新型三维装箱问题

本文由机器之心编辑，“机器之心”专注生产人工智能专业性内容，适合开发者和从业者阅读参考。点击右上角即刻关注。
据机器之心了解，阿里巴巴有 11 篇论文入选如今正在墨尔本进行的 IJCAI 2017 大会，其中 6 篇来自阿里巴巴-浙大前沿技术联合研究中心，3 篇来自蚂蚁金服，均被主会收录。另外 2 篇来自天猫和菜鸟物流，被主题为「AI Applications in E-Commerce」的 Workshop 收录。本文介绍了来自阿里菜鸟物流人工智能部的一篇应用论文。

论文地址：https://arxiv.org/abs/1708.05930
摘要：三维装箱问题是一类经典的组合优化问题，具有巨大的学习研究和实际应用价值。传统的三维装箱问题都是给定了箱子的尺寸并以最小化箱子的使用数量为优化目标，但是在某些实际业务场景中并没有固定尺寸的箱子。基于此类场景，本文提出了一类新型的三维装箱问题。在本问题中，需要将若干个长方体物体逐个放入一个箱子中（物品的摆放位置不能倾斜），优化目标为最小化能够容纳所有物品的箱子的表面积，因为箱子的表面积与其成本直接正相关。本文证明了此类新问题为 NP-hard 问题。对于装箱问题，箱子的表面积取决于物品的放入顺序、摆放的空间位置和摆放朝向。在这些因素中，物品的放入顺序有着非常重要的影响。所以本文基于近些年被提出的、能够有效解决某些组合优化问题的深度强化学习方法—Pointer Network 方法来优化物品的放入顺序。