[论文解读] A Multi-task Selected Learning Approach for Solving New Type 3D Bin Packing Problem.

Haoyuan Hu, Lu Duan+3 more|arXiv (Cornell University)|Apr 17, 2018

Optimization and Packing Problems参考文献 8被引用 8

一句话总结

本文提出了一种多任务选择性学习框架，以解决一种新型的3D bin packing问题，其箱子尺寸不固定，目标是通过联合优化物品序列、放置位置和方向，最小化箱子表面积。该方法通过动态损失选择结合深度强化学习与监督学习，相较于基线方法实现了7.52%的性能提升。

ABSTRACT

This paper studies a new type of 3D bin packing problem (BPP), in which a number of cuboid-shaped items must be put into a bin one by one orthogonally. The objective is to find a way to place these items that can minimize the surface area of the bin. This problem is based on the fact that there is no fixed-sized bin in many real business scenarios and the cost of a bin is proportional to its surface area. Based on previous research on 3D BPP, the surface area is determined by the sequence, spatial locations and orientations of items. It is a new NP-hard combinatorial optimization problem on unfixed-sized bin packing, for which we propose a multi-task framework based on Selected Learning, generating the sequence and orientations of items packed into the bin simultaneously. During training steps, Selected Learning chooses one of loss functions derived from Deep Reinforcement Learning and Supervised Learning corresponding to the training procedure. Numerical results show that the method proposed significantly outperforms Lego baselines by a substantial gain of 7.52%. Moreover, we produce large scale 3D Bin Packing order data set for studying bin packing problems and will release it to the research community.

研究动机与目标

• 解决一种新型的3D bin packing变体，其中箱子成本与表面积成正比，而非固定尺寸，以反映现实世界物流约束。
• 通过优化长方体物品的排列顺序、空间位置和方向，最小化最终箱子的表面积。
• 开发一个统一框架，同时学习物品的排列顺序和方向，以提高箱子的使用效率。
• 通过结合深度强化学习与监督学习的混合学习策略，克服该问题的NP难性质。
• 发布一个大规模的3D bin packing数据集，以支持该新兴问题类别未来的科研工作。

提出的方法

• 提出一种多任务学习框架，通过共享神经网络架构联合预测物品的排列顺序和方向。
• 实现一种动态损失选择机制——选择性学习（Selected Learning），根据训练进度在深度强化学习损失与监督学习损失之间进行选择。
• 使用强化学习通过稀疏奖励优化长期的箱子表面积最小化目标。
• 通过监督学习在早期训练阶段提供密集的监督信号，提升收敛速度与训练稳定性。
• 通过环境反馈（强化学习）与真实包装配置（监督学习）相结合的方式，端到端训练模型。
• 将箱子表面积定义为主要优化目标，物品的放置与方向决策直接影响最终成本。

实验结果

研究问题

• RQ1 如何通过统一的深度学习框架有效优化不固定尺寸3D bin packing中物品的排列顺序与方向？
• RQ2 在组合优化任务中，强化学习与监督学习之间的动态损失选择能否提升学习效率与最终性能？
• RQ3 在新型3D BPP设置下，所提方法相较于现有基线方法在减少箱子表面积方面达到何种程度的改进？
• RQ4 该方法在不同物品配置与包装场景下的泛化能力如何？
• RQ5 大规模基准数据集对3D bin packing研究的可复现性与进展有何影响？

主要发现

• 所提出的多任务选择性学习框架在最小化箱子表面积方面，相较于基线方法实现了7.52%的性能提升。
• 动态损失选择机制相比固定损失策略，显著提升了训练稳定性与收敛速度。
• 该方法有效学习到物品排列顺序与方向决策之间的协同关系，从而生成更紧凑、更节省成本的箱子配置。
• 随论文发布的大型3D bin packing数据集为未来在不固定尺寸3D BPP领域的研究提供了宝贵的基准。
• 数值实验结果证实，与标准基线方法相比，使用所提方法可显著降低最终箱子的表面积。
• 该方法在多种多样的包装场景中表现出强大的泛化能力，表明其对输入变化具有鲁棒性。