交通物流所属的算法领域，传统上来说属于运筹优化的范畴，主要由精确求解和近似求解两条路线构成，而结合大数据机器学习的体系架构，随着时间的推移，越来越发挥出它的价值，两者结合的研究也开始逐渐增多，我们从在菜鸟的几代技术体系演进的路线为主轴，分享我们在这条路上的得失和自己的一些思考。

一、物流服务的基本挑战

1. 物流场景特点
2. 面临的困难和挑战

二、菜鸟网络的 AI 能力

1. 统一的运筹优化底层服务平台
2. 机器学习、分布式并行计算、运筹优化算法的融合

三、AI 应用（车辆路径规划、多智能体调度）

1. 在配送场景如何针对不同的效果、响应时间、约束要求构建统一的 AI 服务能力
2. 以切箱、箱型设计为例介绍在物流落地 AI 技术的相关要素
3. 如何结合场景特点，融合精确求解、启发式求解、深度强化学习，在业务进化的同时坚持技术建设方向
4. 优化算法在产业互联网的广阔应用前景

听众收益：

1、了解工业界在智慧物流交通体系的最新尝试和进展
2、能够自己从无到有，更新迭代自己的技术架构体系

听懂我的演讲，需要具备这些知识储备：

1、深度强化学习、机器学习的算法背景
2、大数据相关的基础工程技术
3、运筹优化的基础算法背景