[論文レビュー] A Multi-task Selected Learning Approach for Solving 3D Flexible Bin Packing Problem

Lu Duan, Haoyuan Hu+5 more|arXiv (Cornell University)|Apr 17, 2018

Optimization and Packing Problems参考文献 26被引用数 44

ひとこと要約

本論文は、3D柔軟ビン詰めの表面積を最小化するために項目列と向きを共同で学習するマルチタスク選択学習フレームワーク（MTSL）を提案し、いくつかのベースラインを上回り、オンライン生産の利益を示す。

ABSTRACT

A 3D flexible bin packing problem (3D-FBPP) arises from the process of warehouse packing in e-commerce. An online customer's order usually contains several items and needs to be packed as a whole before shipping. In particular, 5% of tens of millions of packages are using plastic wrapping as outer packaging every day, which brings pressure on the plastic surface minimization to save traditional logistics costs. Because of the huge practical significance, we focus on the issue of packing cuboid-shaped items orthogonally into a least-surface-area bin. The existing heuristic methods for classic 3D bin packing don't work well for this particular NP-hard problem and designing a good problem-specific heuristic is non-trivial. In this paper, rather than designing heuristics, we propose a novel multi-task framework based on Selected Learning to learn a heuristic-like policy that generates the sequence and orientations of items to be packed simultaneously. Through comprehensive experiments on a large scale real-world transaction order dataset and online AB tests, we show: 1) our selected learning method trades off the imbalance and correlation among the tasks and significantly outperforms the single task Pointer Network and the multi-task network without selected learning; 2) our method obtains an average 5.47% cost reduction than the well-designed greedy algorithm which is previously used in our online production system.

研究の動機と目的

• 3D Flexible Bin Packing Problem (3D-FBPP)をeコマース物流の実世界の詰め作業として定式化する。
• アイテムの順序と向きを共同で学習してビン表面積を最小化するニューラルポリシーを開発する。
• タスクの不均衡を緩和し、マルチタスク選択学習(MTSL)フレームワークを介してタスク間の相関を活用する。
• 大規模な実世界データセットとオンラインABテストで評価し、実用的な影響を示す。

提案手法

• シーケンス（アイテム）と向きの2つの出力ストリームを持つエンコーダ-デコーダニューラルネットワークを使用し、共通の表現を共有。
• 反復的なアイテム制約を扱うために、シーケンスタスクに内部注意機構を組み込む。
• ベストエバー解法からのグラウンドトゥルース向きでヒルクライミングに触発された向き学習を適用する。
• 損失関数をハイブリッド損失 L_all = alpha*L_seq + (1-alpha)*L_ori と、L_seq、L_ori、L_all をサンプリングするマルチタスク選択学習スケジュールで訓練する。
• ポインタ-network風のデコードと方針最適化のためのPPOを用いる。
• ビームサーチ（サイズ5）とサンプリング（128解）で評価し、最良の詰めを選択。

実験結果

リサーチクエスチョン

• RQ1 3D-FBPPにおいて、マルチタスク学習フレームワークは詰め順序と向きを同時に学習してビン表面積を最小化できるのか。
• RQ2 Selected Learningは不均衡で相関のあるタスク（順序 vs 向き）をバランスさせ、単一タスクまたは非選択のマルチタスクベースラインより解の品質を改善するのか。
• RQ3 提案手法の大規模実世界の注文データとオンライン生産環境での実用的な性能向上はどの程度か。

主な発見

モデル	BIN8	BIN10	BIN12
LWSC	43.97	47.33	49.34
BRKGA (GA+DFTRC)	43.44	47.84	50.01
GA+LWSC	42.44	44.49	48.77
GA+DBLF	42.22	46.87	50.70
RL-vanilla	41.82	45.02	46.70
RL-intra	41.69	44.84	46.67
MTSL	41.26	42.76	45.27
RL-intra-sample	41.12	44.03	45.58
MT-sample	42.31	45.01	45.62
MTSL-sample	41.24	42.31	45.12

• MTSLはオフライン実験でLWSCヒューリスティックに対してBIN10およびBIN12で最大9.66%の表面積削減を達成し、BIN8–BIN12全体で6.16%〜8.25%の利得を示す。
• MTSLは単一タスクのPointer NetworkおよびSelected Learningなしのマルチタスクモデルの両方を著しく上回る。
• オンラインABテストでは詰めコストが平均5.47%削減された。
• シーケンスタスクに対する内部注意機構は、従来のRLモデルよりも詰め表面積を改善する。
• 複数解をサンプリングする（128解）は結果をさらに改善し、MTSL-sampleが他の代替手法を上回ることが多い。