详细内容或原文请订阅后点击阅览
解决复杂计划问题的更快方法
通过消除冗余计算，一种新的数据驱动方法可以简化调度列车，路由交付驱动程序或分配机组人员等过程。
来源:MIT新闻 - 人工智能当一些通勤火车到达线路的尽头时，他们必须前往开关平台进行转动，以便以后可以离开车站，通常从与到达的平台不同的平台上。
工程师使用称为算法求解器的软件程序来计划这些动作，但是在每周有数千个到达和出发的电台中，问题变得太复杂了，以至于传统的求解器立即揭开所有问题。
使用机器学习，麻省理工学院的研究人员开发了一种改进的计划系统，该系统将求解时间降低了50％，并产生了一种更好地满足用户目标的解决方案，例如准时火车出发。新方法还可以用于有效地解决其他复杂的后勤问题，例如安排医院工作人员，分配机组人员或将任务分配给工厂机器。
工程师经常将这些问题分解为一系列重叠的子问题，每个问题都可以在可行的时间内解决。但是重叠会导致许多决策被不必要地重新计算，因此求解器需要更长的时间才能达到最佳解决方案。
新的，人工智能增强的方法了解每个子问题的哪些部分应保持不变，从而冻结这些变量以避免冗余计算。然后，传统的算法求解器可以解决其余变量。
“通常，一个敬业的团队可能会花费数月甚至数年的时间设计算法来解决这些组合问题之一。现代深度学习使我们有机会利用新的进步来帮助简化这些算法的设计。我们可以将我们所知道的工作效果很好，并使用AI来加速，” Cathy Wu，Cathy Wu，Thery Wu. Cabor and Virginia and Virical and Virical and Vightial and Virical and Virical and virginia and virginia and virginia and virenia and virginia wo。 （CEE）以及麻省理工学院的数据，系统和社会研究所（IDS），以及信息和决策系统实验室的成员（LIDS）。
纸