【专家观点】朱礼君：开放式柔性物流系统中的运筹优化问题

今天也非常荣幸有这个机会来跟各位专家一起探讨优化算法运筹学在开放式的柔性物流系统中的应用。

首先简单介绍一下我们公司，我叫朱礼君，来自杭州壹悟科技有限公司，我们专注于物流自动化技术研发和柔性物流解决方案设计，依托与软件和多种机器人设备的有机组合，向客户提供机器人兼容性调度、智能物流仿真、自动化流程编排等高效率、高柔性的解决方案，为客户在未来变幻莫测的商业环境中带来灵活应对风险、高投资回报、高效率、高柔性的独特价值，为行业发展带来新契机，与我们的合作伙伴共同进化。今天非常荣幸能够跟大家分享一下我们在做这个事情过程中碰到的一些问题，用了哪些优化的算法，也会跟大家分享一些经验。

首先我个人认为物流这个行业非常适合优化算法、优化使用。原因有几点：第一点，数字化的改造相当完善。在物流行业，OTWB这些系统在大部分业务场景是非常全面的，所以物流的基本每个环节，不管仓内还是仓外，不管是在车上还是仓库里还是货架上，我们都有非常详细的信息记录，所以数据已经完善了。第二点，优化目标相当清晰。很简单——成本、效率、时效。第三点，结果的可执行性也很强。如果这个系统是自动化的，那你下个机器人，机器人不得不干，你甚至知道机器人大概几秒钟可以完成执行的任务，所以可执行性非常强。这看上去基本是一个数学的问题，把数学题解了就OK了。好像这个世界是一个巨大的机器，只要知道它的初始条件，知道运动方式，能把后面的公式算出来。似乎物流也是这样，但实际上经过多年的应用、实践，发现其实还是有很多问题。

第一，我们怎么去确定我们怎么建模。这是核心问题。其实在很多行业、商业的应用，最核心的一个问题可能就是建模，我们到底用什么样的模型模拟我们的业务过程。复杂模型可能非常的漂亮，可能考虑的因素也非常多，但是我们知道它肯定有所谓的“过拟合”的风险，我们过于专注在一些细节上，使得随机的扰动也会遗漏，所以在物流中的应用怎么使用我们的优化算法，最核心的第一点就是把模型建好，后面的事儿相对来说会简单很多。

第二是约束条件非常多。我们在学术界研究了很多优化算法或者人工智能算法，其实有非常非常多的假设，这些假设可能跟现实中约束条件不太一样，现实中的约束条件一般是更多的，而且会更复杂，而且它会要求建模的人员更加了解真正的业务细节，所以反过来推到底是复杂模型还是简单模型需要行业的经验。

还有一点就是变化其实非常快。学术研究中也会去做一些静态的假设，就算我们是一个随机的问题我们也会假设它的分布是知道的，但是实际中其实很多时候数据、约束、优化目标这些都会变，而且会不可预测地变。所以两者融合，理论与实践的融合是非常难的一个问题，而且需要很多的时间和经验，今天也跟大家分享我们在这个过程中碰到的一些问题。

我们公司主要做的事情可能跟制造业和物流业的柔性系统相关，所以稍微介绍一下这个背景。从我们过去10—20年的经验来看，整个中国的商业变得非常快，从实体零售转到C2C电商到B2C电商到拼团直播，这也给物流带来了变化，从传统制造物流到快递网络到全渠道库存仓库，到高频次的C2M的模式。之所以可以看到一直在变，是因为前端的销售、消费者的行为一直在变，它会催生后端一直在变，后端的变化一定是离不开前端的，并且不可预测，我们不知道前端会怎么变，所以适应变化的能力会变成制造业和物流行业的核心能力。因此我们需要更柔性的软件系统和硬件系统来应对这个变化。传统的自动化系统通常会有几家集成商，会集成多家的硬件设备，比如分解机，一体库之类的设备，通过软件把它们集合在一起，打造一个整体的解决方案，所以我们认为未来以机器人为核心的柔性智能物流系统，自动化的物流系统同样会走到这一步，也就是通过一个开放的系统来整合多种不同类型的机器设备和自动化设备，打造一套整体的解决方案。那价格应该是什么样子呢？从技术层面来讲，最合理的价格应该是这样，首先下层有各种各样不同的设备，市场上肯定会有越来越多的非常优秀的机器人公司做各种各样的机器人，能够完成一种或者多种物料的搬运，或者加工。上层我们觉得需要有一个标准的接口层，把所有的设备都连接到更上层的系统中去，不一定是每一家一定要遵守标准协议，可以通过翻译的形式把这个数据翻译到更上层的设备调动系统，在更上层的设备调动系统就用RCS，它会负责路径的分配，这些机器人怎么走，怎么完成它的任务。再上面可能有真正的业务调动系统，会负责业务流程规划。再上层就会有真正的业务系统，WMS或者MES，主要管的是物流的信息。我们认为中间的平台层面，就是调动层，其实平台化带来的价值是非常大的，能整合多家不同的设备，同时应用到多种场景，大幅降低问题的程度。

在做这个系统的过程中我们也碰到很多优化的问题。第一个最核心的问题就是机器人集群的调度。在学术界叫做多智能体路径规划问题。这个问题还是比较简单的。描述起来非常简单，应该每个人都看得懂，输入条件就是我们有一个地图，地图上面有一些机器人，我们叫智能体，给它一些起点和终点，要输出它的路径，有一个约束，就是所有机器人不能碰到，路上不能有障碍物，优化目标也很简单，总体完成任务的时间最短。这个问题描述起来非常清晰，比如蓝色这个机器人从S1到G1，如果它自己规划自己的路径会走这么一条，这是最短的。S2规划到G2规划这么一条路径，我们就知道它中间会碰到。所以虽然这个问题描述得很简单，但是单个机器人自己规划自己的路径，我们知道最后的结果肯定是不行的。真正合理的路径是这样，S1绕个道，S2这样过去，所以并不是每个机器人自己规划自己的路径就OK了。不管你多聪明都不行，因为你没有全局的信息。所有难的问题都有一个共性，第一眼看上去非常简单。这是一个在优化算法方向，在人工智能方向非常复杂的一个问题，非常难的一个问题。传统的问题有很多很多的假设，首先我们假设我们的地图是网格状的，就像刚才看到的地图一样，是四四方方的地图，时间是离散的，机器人大小也一样，这是最基本的假设，传统的研究都是假设，匀速运动，这是传统学术界研究这个问题最基础的假设。但是有了这些假设这个问题还是一个非常难的问题，这是在2013年的时候被证明了它是NP难的问题。假设有20个智能体，每一步有五种可能，总体每一步就有5的20次方，大概95万亿种可能，所以如果把所有的搜索空间都全局的话是不可能的，但是这个问题很难，它是一个简化的问题，真实的应用更多是在电脑游戏里面，用的其实是学术界研究的这些算法方案。传统的求解方法主要有两类，一类是非完备算法，还有一类是完备算法。非完备算法其实就是简单的把所有机器人做一个排序，谁先优化它的问题，谁在第二个优化，谁在第三个优化，我们在时空上去做优化，不仅仅是空间还有时间，它会考虑在某一个时刻不会跟另外一个机器人撞上。第二种类型的算法叫最优的算法，每个智能体刚开始选自己最短的路径，找到冲突的时候我们加一个约束，在T等于X的时候这个机器人不能这儿，重复多次找到解，这是完备和最优的算法，能够保证它找到最优，但是对时间没有任何的保证。我们发现在真实的应用中，刚在学术研究中得到了一些结果，直接应用不是非常合适，首先第一点实际应用场景中并不是网格地图，时间并不是延续的，并不是1、2、3、4、5，中间是连续的，我们不能拆得特别细。然后机器人大小是不一样的，我们不能要求机器人大小一样，这样不合理。然后它也不是匀速运动，它有加速运动。任务也是源源不断下发的，不是大家都在一个地方开始，听指令，出发，不是这样的，机器人都是接到指令就完成它的下一个任务，而且任务有优先级，有些加急的订单就是重要级，而且机器人会坏，有异常的情况，就会拥堵，怎么办？所以我们也探索了一下，我们探索了一种新的算法去考虑连续的时间和机器人应用方程，就是加速减速的过程，不让它T等于1，等于2，等于3，这样离散的情况。我们用一种简单的T形的速度曲线来拟合其实就OK了，这样需要对原来的算法做一些改造的。也就是说传统的算法一般会找自己最匀净的点，但是在这个算法会找所有可能会出现的点，这样在很多场景中效率能提高30%-50%，计算复杂就稍微高那么一点点，大概一两倍左右，会高50%-100%，但是时间快一倍，如果你的效率好30%以上那无所谓。

这里介绍第二个问题，就是库存分配问题。假设我们有很多容器，容器里有一些SKU，有一些商品，这其实就是供给和需求的匹配问题，我有不同的方法来匹配这种供给和需求，我可以做订单一，用容器一的商品来匹配，然后用容器二里的商品来匹配，订单三用容器三里的商品匹配。我也可以都只用容器二和容器三来匹配，这样我选容器就更少。这在学术界类似的问题叫MSMC，就是多极的覆盖问题，这也是NP难的问题，但是其实真实的问题比这个还要复杂，每一个容器的内部库存就是多集合，外部的订单也就是要满足的需求，求解的结果就是分配的关系需要用最小的容器来完成这个任务。但是应用中，这个应用最多的就是机器人的场景，我们怎么选库存满足订单，我们选最小的货架满足订单的需求。但是实际应用中有复杂的因素，多功能站需要不同的容器，订单也有优先级，机器人数量也是变的，库存可能会发生变化，如果用刚才的优化方法会发现跑很长时间发现货架上只有一两件商品，那也是不好的，传统的方法能用，但是需要做很多很多的改造解决现实中碰到的这些问题。我们也认为在智能物流这个系统中仿真是非常重要的事情，我们很难真正在现实中去做实验，我们有一个算法，我们怎么知道是好的？所以我们要做仿真，我们真实的机器人调度系统。从这个角度来看，如果改了算法，我们知道最后效率会提高多少，或者降低多少，这是个非常重要的事情，这个就相当于把互联网中AB测试的工具引入到物流这个行业。

最后稍微介绍一下我们公司的产品。最开始也介绍了我们公司主要以软件为主，打造智能物流的方案。所以我们主要是三个最大的产品，第一是智能物流的调度系统，第二是机器人调度系统，还有仿真系统。希望能够给整个物流行业提供一套软件工具，让大家能够很快速地运维一些项目，并且让客户自主掌握自主优化的能力。我们的WCS智能物流调度系统背后有比较强大的优化引擎，实施起来也比较简单，因为我们服务的是这些集成商和客户，让他们能自己解决自己的问题，并且能够处理行业内比较复杂的情况。我们RCS机器人调度系统最核心的特点就是它是开放式的，能对接市面上大部分机器人厂商的设备，我们直接调度机器人，让它混合在一个场景里操作，我们发现在业内是一个强需求，背后RCS融合了像FMP的算法以及改进，比如考虑不同种类的机器人，不同大小的机器人，加减速，时间连续之类这些全部考虑进去，所以背后算法引擎比较强大，能够支持集群规模也能到上千台机器人同时运行。这两者之上打造的仿真系统，就是让客户一起快速地迭代，去仿真，能够在一个自动化的项目上线的初期就能知道我总体吞吐量大概多少，可能会有怎么样的品级。

最后总结一下，我们认为新的智能物流的时代一定是需要更强的分工，不同的合作伙伴一起，做不同的事情，然后大家一起来打造新的智能物流的系统。因为实在太庞大了，服务的行业太多，服务的客户太多，影响面太广，所以一个成熟健康的行业一定分工更明细，大家一起协作的行业，我们也希望和所有的合作伙伴一起，能够通过技术方面研发一些创新，能够协力一起打造新一代的物流时代新引擎，希望能够通过我们的一些技术跟我们的合作伙伴一起“共同进化”，谢谢大家。