标签：Cup KDD 滴滴 学习 2020 数据挖掘 挑战赛

4月3日，由滴滴主办的KDD Cup 2020强化学习挑战赛正式开赛，邀请全球算法高手共同挑战共享出行领域优化难题。

KDD Cup（国际知识发现和数据挖掘竞赛）由美国计算机协会知识发现与数据挖掘专委会（ACM SIGKDD）发起，从1997年开始，每年举办一次，是国际公认的数据挖掘领域的最高水平的赛事。该比赛同时面向企业界和学术界，每年都会吸引世界数据挖掘界的顶尖专家、学者、工程师、学生等参加，也被誉为是数据挖掘领域的“世界杯”。每年都有很多杰出的学术组织及科技申请承办KDD Cup，但最终只有拥有深厚的学术积累和行业实践的机构能够脱颖而出。

今年KDD Cup 2020的RL Track （强化学习赛道）最终由滴滴举办。在这一挑战赛中，滴滴邀请全球参赛团队聚焦按需出行平台，尝试应用机器学习解决方案来提出智能策略，在确保用户体验的基础上，进一步提高出行效率和司机收入。此次比赛滴滴共设计了订单分配和车辆调度两个任务，在派单分配任务中，参赛团队需设计开发算法来指定在派单窗口内的订单和司机的匹配；而在车辆调度任务中，参赛团队需设计开发调度算法指引一批空闲司机开往指定目的地。两个任务既可分别开发，也有联动的空间。

比赛将主要基于滴滴盖亚数据开放计划脱敏数据集，该数据集包含一定时间内滴滴滴平台专车和快车在成都市部分区域内的脱敏轨迹数据，此外还新增加了其他比赛辅助数据。参赛团队提交的方案会在测试环境中进行评估打分。

即日起，全球企业、研究机构和院校均可组成参赛队伍在挑战赛官网（https://outreach.didichuxing.com/competition/kddcup2020/）进行报名，挑战赛将分为开发（方案验证）和决赛两个阶段，比赛将于 2020年7月17日截止，总奖金达30000美金。而最终优胜团队奖项会在 KDD2020大会上正式颁发并进行成果展示。

滴滴在强化学习领域探索已久，并成功将其用于派单、调度、运营等多种场景。此前滴滴AI Labs对网约车派单问题进行半马尔可夫过程建模，提出基于强化学习的泛化决策迭代框架，创新有效地结合了深度强化学习，时间差学习和传统组合优化方法，在确保乘客出行体验的同时进一步提升司机的收入。这一基于强化学习的网约车派单解决方案获得国际运筹学领域的顶级实践奖项2019年度瓦格纳运筹学杰出实践奖(Daniel H. Wagner Prize)。此次滴滴主办KDD Cup 强化学习挑战赛，也希望吸引、促进全球算法高手在真实业务场景中进一步探索强化学习发展和在不同环境和条件下的应用落地，激励更多创新。

标签：Cup,KDD,滴滴,学习,2020,数据挖掘,挑战赛
来源： https://blog.csdn.net/csdnsevenn/article/details/105292660

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。