Fermer le menu
Pieuvre
    Facebook X (Twitter) Instagram
    PieuvrePieuvre
    • Accueil
      • Qui sommes-nous?
      • Travaillez avec nous
      • Work with us
      • Abonnez-vous à l’infolettre
      • Encouragez Pieuvre
      • Nos abonnés
      • Contactez-nous
    • Culturel
      • Festivals
        • Cinémania
        • Fantasia
        • FIFA
        • FIJM
        • FIL
        • FNC
        • Fringe
        • FTA
        • Image+Nation
        • OFFTA
        • Montréal complètement cirque
        • Mutek
        • Nuits d’Afrique
        • RIDM
        • RVQC
        • Vues d’Afrique
        • Zoofest
      • Arts visuels
      • Cinéma / Télévision
      • Danse
      • Littérature
        • Romans
        • Essais
        • Bandes dessinées
        • Beaux livres
        • Biographie
        • Poésie
        • Recettes
      • Musique
      • Théâtre / Cirque
    • Politique / Économie
      • Politique
      • Économie
      • Afrique
      • Amériques
        • Élections québécoises 2026
      • Asie
      • Europe
      • Moyen-Orient
      • Océanie
    • Science
      • Science
      • Environnement
    • Société
      • Société
      • Médias
      • Santé
      • Vie tentaculaire
      • Jeux de société
      • Jeux de rôle
      • 45 ans du Stade olympique
    • Techno / Jeux
      • Technologie
        • Séance de test
      • Jeux vidéo
        • Jeux préférés de…
        • Rétroctopode
    • Podcasts
      • Entretiens journalistiques
      • Rembobinage
        • La Voûte
        • Projection
      • SVGA
      • Pixels et préjugés
      • Heure supplémentaire
      • Des nouvelles de l’Oncle Sam
      • Dans les coulisses de…
    • Encouragez Pieuvre
    Pieuvre
    Accueil»Technologie»L’apprentissage machine pour accélérer les livraisons

    L’apprentissage machine pour accélérer les livraisons

    0
    Par Pieuvre.ca le 12 décembre 2021 Technologie

    Vous attendez la livraison d’un colis pour les fêtes? Il existe un problème mathématique insidieux qui doit être résolu avant que le camion de la compagnie de transport n’arrive à votre porte, et des chercheurs du MIT ont conçu une stratégie qui pourrait accélérer l’obtention d’une solution.

    Selon ce qu’ils rapportent, l’approche s’applique à des véhicules chargés du transport dit du « dernier kilomètre », dont l’objectif consiste à livrer des marchandises à partir d’un dépôt central, et à destination de plusieurs villes, tout en minimisant les coûts. S’il existe des algorithmes conçus pour régler ce problème dans quelques centaines de villes, ces solutions deviennent trop lentes lorsqu’elles sont étendues à davantage de municipalités.

    Pour surmonter cet obstacle, Cathy Wu, professeure en génie civil et environnemental, ainsi que ses étudiants, ont conçu une stratégie d’apprentissage machine qui permet d’accélérer, par un facteur allant de 10 à 100, la vitesse de certains solutionneurs algorithmiques les plus puissants.

    Ceux-ci fonctionnent en morcelant le problème de la livraison en quantité de sous-problèmes pour résoudre, par exemple, 200 sous-problèmes de détermination des trajets pour les véhicules répartis dans 2000 villes. Mme Wu et ses collègues ont renforcé ce processus avec un nouvel algorithme d’apprentissage machine qui identifie les sous-problèmes les plus importants à résoudre, plutôt que de tous les résoudre, ce qui accroît la qualité des solutions, tout en utilisant bien moins de puissance de calcul.

    Leur approche, que les chercheurs qualifient « d’apprendre à déléguer », peut être employée par plusieurs solutionneurs servant à résoudre de nombreux problèmes similaires, y compris la planification et la circulati0on de robots dans un entrepôt, disent-ils.

    Au dire de Marc Kuo, fondateur de Routific, une plateforme logistique utilisée pour optimiser les trajets de livraison, les nouveaux travaux repoussent les limites lorsque vient le temps de résoudre les problèmes entourant la conception de trajets pour un grand nombre de véhicules de livraison.

    « La plupart des travaux dans ce domaine tendent à se concentrer sur des algorithmes spécialisés destinés à résoudre de petits problèmes, en tentant de trouver de meilleures solutions, en sacrifiant le temps de calcul. Mais dans le vrai monde, les entreprises n’ont cure de trouver de meilleures solutions, particulièrement si cela prend trop de temps à déterminer.

    « Dans le monde des logistiques du dernier kilomètre, le temps, c’est de l’argent, et vous ne pouvez pas faire attendre l’ensemble des activités de votre entrepôt, histoire qu’un algorithme lent vous revienne avec des trajets. Un algorithme doit être hyper rapide pour être utile. »

    Choisir de bons problèmes

    Les problèmes de détermination de trajets pour des véhicules font partie d’un groupe de problèmes combinatoires qui nécessitent l’utilisation d’algorithmes spéciaux servant à trouver des solutions « satisfaisantes » à un problème. Il n’est habituellement pas possible de trouver la « meilleure » réponse à ces problèmes, puisque le nombre de solutions est trop élevé.

    « Le truc, c’est de concevoir des algorithmes efficaces qui sont optimaux selon certains paramètres », explique Mme Wu. « Mais le but, ce n’est pas de trouver des solutions optimales. C’est trop difficile. Nous voulons plutôt trouver les meilleures solutions possibles. Même une amélioration de 0,5 % de nos solutions peut entraîner une forte hausse des revenus pour une entreprise. »

    Au cours des dernières décennies, des chercheurs ont mis au point diverses techniques pour résoudre des problèmes combinatoires. Cela débute habituellement avec une solution peu efficace, mais valide, solution qui est graduellement améliorée, notamment en apportant de petites corrections qui améliorent le transit entre deux villes, par exemple. Pour un problème plus vaste, comme la détermination de trajet pour plus de 2000 villes, cependant, cette approche est simplement trop lente.

    Plus récemment, des méthodes d’apprentissage machine ont été développées pour résoudre ce problème, mais si elles sont plus rapides, elles tendent à être imprécises, même à l’échelle de quelques dizaines de villes. Mme Wu et ses collègues ont décidé de voir s’il existait une méthode bénéfique de combiner les deux méthodes pour trouver des solutions rapidement, mais qui sont aussi de bonne qualité.

    Chose surprenante, s’il a été déterminé que certains sous-problèmes étaient plus utiles, en un sens, pour s’attaquer au problème principal, plus vaste, Mme Wu et ses collègues disent ne pas savoir, exactement, pourquoi cette situation se produit.

    Malgré tout, la chercheuse et ses collègues se disent confiants de pouvoir faire passer la vitesse de résolution des problèmes, qui est maintenant environ deux fois ce qu’elle était avant l’application de la nouvelle méthode, à un facteur allant de 10 à 100, ce qui réduirait d’autant le temps nécessaire pour concevoir ces trajets essentiels pour assurer des livraisons rapides de centaines, voire de milliers de colis par jour.

    Abonnez-vous à notre infolettre tentaculaire

    Encouragez-nous pour le prix d’un café

    Partager. Facebook Twitter Pinterest LinkedIn Tumblr E-mail

    Articles connexes

    13 novembre 2026

    Big Tech rate ses cibles de réduction de GES

    25 octobre 2026

    Pour de l’asphalte plus durable, ajoutez-y du plastique

    12 octobre 2026

    Les parents veulent faire interdire les médias sociaux… même s’ils les utilisent

    Pieuvre.ca
    • Site web
    • Facebook
    • X (Twitter)

    Laisser un commentaire Annuler la réponse

    Vous cherchez un contenu?
    Abonnez-vous à l’infolettre!

    Suivez-nous
    Dossiers spéciaux
    • Cinémania
    • FNC
    • Élections québécoises 2026
    • Séance de test
    Nos podcasts
    • Entretiens journalistiques
    • Rembobinage
    • Projection
    • Des nouvelles de l’Oncle Sam
    • SVGA
    • Pixels et préjugés
    • Heure supplémentaire
    • Dans les coulisses de…
    Récemment publié
    16 novembre 2026

    La Gradiva: les cendres de Cupidon

    16 novembre 2026

    Les quatre saisons de Vivaldi, « nouvelles et améliorées ».

    16 novembre 2026

    Les ultrariches polluent plus que vous et 3,5 milliards d’autres personnes

    15 novembre 2026

    En haut de la pile: l’amour suffira

    15 novembre 2026

    33 Days Till Extraction, le combat de tous les instants

    Informations
    • Votre semaine tentaculaire
    • Qui sommes-nous?
    • Contactez-nous
    © 2009-2026 Pieuvre.ca. Tous droits réservés.

    Tapez ci-dessus et appuyez sur Entrée pour rechercher. Appuyez sur Échap pour annuler.

    Gérez votre confidentialité

    Pour offrir les meilleures expériences, nous et nos partenaires utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations de l’appareil. Le consentement à ces technologies nous permettra, ainsi qu’à nos partenaires, de traiter des données personnelles telles que le comportement de navigation ou des ID uniques sur ce site et afficher des publicités (non-) personnalisées. Ne pas consentir ou retirer son consentement peut nuire à certaines fonctionnalités et fonctions.

    Cliquez ci-dessous pour accepter ce qui précède ou faites des choix détaillés. Vos choix seront appliqués uniquement à ce site. Vous pouvez modifier vos réglages à tout moment, y compris le retrait de votre consentement, en utilisant les boutons de la politique de cookies, ou en cliquant sur l’onglet de gestion du consentement en bas de l’écran.

    Fonctionnel Toujours activé
    Le stockage ou l’accès technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’internaute, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
    Préférences
    L’accès ou le stockage technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’internaute.
    Statistiques
    Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques. Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
    Marketing
    Le stockage ou l’accès technique est nécessaire pour créer des profils d’internautes afin d’envoyer des publicités, ou pour suivre l’internaute sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
    Statistiques

    Marketing

    Fonctionnalités
    Toujours activé

    Fonctionnalités spéciales

    Finalités spéciales
    Toujours activé

    • Gérer les options
    • Gérer les services
    • Gérer {vendor_count} fournisseurs
    • En savoir plus sur ces finalités
    Gérer les options
    • {title}
    • {title}
    • {title}

    logo

     Ne manquez aucun article ou épisode de podcast: abonnez-vous à l’infolettre!