単一モデルで配送計画を賢く！東大が新技術発表

皆さんは、Amazonなどで注文した商品が、どうやって効率よく皆さんの元へ届いているか考えたことはありますか？

実は、その裏側では「配送計画の最適化」という、とても複雑で頭を使う作業が行われています。具体的には、どのお客さんに、どの順番で、どの車で荷物を届けるのが一番ムダがないか、ということを計算しているんです。

これまで、こうした配送計画を立てるシステムは、問題の種類（例えば、配達先が近い場合と遠い場合、配達時間が決まっている場合とそうでない場合など）ごとに、それぞれ別のコンピューターモデルを作る必要がありました。これは、たくさんの種類の問題を解こうとすると、モデルもたくさん必要になり、時間もコストもかかってしまうという課題があったんです。

そんな中、東京大学の研究チームが、この課題を解決するかもしれない新しい技術を発表しました。

この技術のすごいところは、大きく分けて二つあります。

一つは、新しい学習アルゴリズム「POLAR（ポーラー）」です。これは、配送計画を立てる際に、より賢く、より効率的に「答え」を見つけ出すための工夫がされています。具体的には、「局所探索」という考え方を取り入れています。これは、いきなり完璧な答えを目指すのではなく、まずは「今の状態からちょっとだけ改善する」という作業を繰り返していくことで、全体としてより良い結果にたどり着こうとする方法です。

もう一つは、「制約条件に関連する表現を分離する」という考え方です。配送計画には、「この時間までに届けなければならない」「この車にはこの荷物しか積めない」といった、様々な「制約条件」があります。これまでは、問題の種類ごとにこれらの制約条件の扱い方も変わってしまっていましたが、新しい技術では、これらの制約条件に関する情報を、問題の種類によらず共通で扱えるように整理しました。これにより、一つのモデルで、さまざまな種類の配送問題をまとめて扱えるようになるのです。