用AI和MCTS实现智能行程设计的思路

点击查看全文

背景介绍

人工智能这个词，自从AlphaGo打败了围棋高手李世石之后火的不行。而早在1956年，美国计算机科学家约翰·麦卡就在“锡达特矛斯会议”上提出了人工智能的概念。但是到目前还没有人能用数学理论来证明人工智能算法，但它确实是行之有效的。AI出现之前，我们要实现复杂算法是困难的，但对于人工智能，只需要准备足够的样本集就能解决所有问题。所以，大数据是人工智能的基础。人工智能能杂乱无章的数据中总结出规律甚至做出预测，这就是它的魅力所在。

蒙特卡罗算法并不是一种算法的名称，而是对一类随机算法的特性的概括。举个例子，假如筐里有100个苹果，让我每次闭眼拿1个，挑出最大的。于是我随机拿1个，再随机拿1个跟它比，留下大的，再随机拿1个……我每拿一次，留下的苹果都至少不比上次的小。拿的次数越多，挑出的苹果就越大，但我除非拿100次，否则无法肯定挑出了最大的。这个挑苹果的算法，就属于蒙特卡罗算法。

懒猪行作为致力于为商家和游客提供靠谱出境玩乐产品S2B平台，我们一直在酝酿一个智能行程设计的产品，现在已经逐步完善了境外玩乐产品线和全球POI，以期在不久的将来，可以通过EUSS搭载智能行程设计为终端游客提供行程规划和产品预订服务。

AlphaGo与出境自由行智能行程设计

机器下棋的算法本质都是搜索树，围棋难在它的树宽可以达到好几百（国际象棋只有几十）。在有限时间内要遍历这么宽的树，就只能牺牲深度（俗称“往后看几步”），但围棋又是依赖远见的游戏，甚至不仅是看“几步”的问题。所以，要想保证搜索深度，就只能放弃遍历，改为随机采样——这就是为什么在没有MCTS（蒙特卡罗搜树）类的方法之前，机器围棋的水平几乎是笑话。而采用了MCTS方法后，搜索深度就大大增加了。

而对于智能行程设计，全球景点、酒店、机场、车站等组成的POI集合就相当于棋谱上的点，智能行程设计算法就相当于AlphaGo。与AlphaGo不同的是，智能行程设计算法会要求用户输入游玩偏好，比如价格偏好、时间安排偏好等，从而能够从数以万计的潜在游玩项目中找出最适合游客胃口的出游路线。对于平台而言，产品库存和促销方案会即时反馈到行程算法中，这为提升服务质量的提升也具有重大帮助。

游客出行之后，会对行程线路的评价和反馈。等积累的数据足够多了，AI算法就可以发挥作用了。对海量数据进行分析挖掘，优化行程算法模型，从而为游客提供越来越靠谱的游玩体验。

走，我们来一次说走就走的旅行。懒猪行在手，出境玩乐无忧。

作者信息：刘远程，杭州懒猪行CTO。知名信息安全企业产品经理出身，曾多次创业并担任技术总监和CTO，具有丰富的互联网产品设计、开发和团队管理经验。

版权声明：本文内容由互联网用户自发贡献，本社区不拥有所有权，也不承担相关法律责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至： [email protected] 进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。

点击查看全文