目的:人工智能 (AI) 的应用有可能与运筹学方法相结合带来巨大进步。在我们的研究中,我们探索了当前使用 AI 方法解决优化问题的方法。目的是概述最新进展并研究它们如何适应海运物流。方法:进行并呈现结构化的文献综述。对已确定的论文和贡献进行分类和归类,并总结一些特别相关的贡献的内容和结果。此外,还进行了评估,确定了现有的研究差距并展望了未来的研究方向。发现:除了在优化领域大量使用 AI 关键词外,人们对使用机器学习自动学习优化问题的启发式方法的兴趣也日益浓厚。我们的研究表明,这些方法大多尚未适应海运物流问题。所发现的差距为未来研究中开发海运物流学习模型奠定了基础。原创性:在运筹学领域使用机器学习方法是一个有前途且活跃的研究领域,具有广泛的应用范围。从海运物流的角度回顾这些最新进展是一种新颖的方法,可以为未来研究和实践中开发海运物流大规模优化问题的解决方案带来优势。
全球经济的联系日益紧密,企业面临着越来越大的压力,需要高效运营、降低成本并保持竞争力。在这种环境下,供应链管理 (SCM) 在确保公司能够满足客户需求的同时,最大限度地减少运营效率低下方面发挥着关键作用。优化良好的供应链有助于公司提高绩效、提高盈利能力并确保可持续性。然而,优化供应链是一项复杂的任务,涉及需求不确定性、运输成本、交货时间和库存管理等众多变量。运筹学 (OR) 技术提供了系统的方法来分析和优化供应链的各个方面。运筹学是一门使用数学模型、算法和统计分析来帮助复杂系统中的决策的学科。通过利用运筹学技术,企业可以改善从采购和生产到分销和库存控制等多个供应链职能的决策。这篇评论文章探讨了用于优化供应链网络的关键运筹学技术,研究了它们的应用,并讨论了实施这些技术的好处和挑战 [1]。
在计算机科学的发展过程中,不同的作者都曾用恰当的词语来定义人工智能 (AI),几乎所有这些词语都同样有效。从广义上讲,人工智能的定义考虑到了它的起源以及智能的编码方式,并将其传输到设备以执行操作或优化决策流程。因此,它与多个领域的关系非常显著,例如运筹学 (OR),它利用数学建模、统计分析和优化技术进行决策。可以看出,AI 和 OR 在决策领域都有交集,但这并不意味着这是它们唯一的交集。尽管许多领域都使用 AI 来解决问题,但它现在是并且仍将是计算机科学的一个分支。AI 为计算应用引入了有效的算法,以在以更高的精度和速度执行任务的同时呈现智能的类人行为;此外,AI 旨在模拟人类的行为,例如推理甚至创造力,就像人造艺术一样。AI 近年来取得了长足的进步,已经扩展到许多领域和许多不同的地方。一个涉及许多领域、概念、过程等的交叉领域是 OR。例如,OR 通常被认为是应用数学的一个子领域,但它包括各种技术和方法来改善决策和系统的效率;这些技术和方法包括优化、排队理论和模拟。 2 供应链 在随机过程模型领域,马尔可夫决策过程、计量经济模型、神经网络、专家系统和决策分析脱颖而出。然而,这些方法通常需要构建试图描述系统的数学模型,这反过来又假设存在与这些工具的计算链接。当必须解决如此规模的问题时,OR 研究人员面临的挑战是选择适用的正确方法。一开始,研究人员或学生在处理 OR 工具时,由于相互关联的领域和技术众多,通常会混淆“属于”和“被使用”。这里讨论的一个说明性示例是物流,它使用 OR 工具并应用于供应链 (SC) 问题。另一方面,SC 也使用 AI,稍后将进行介绍。物流的两种方法可以理解其目标:第一种方法断言物流属于供应链,而第二种方法则声称供应链中的物流网络是供应链各组成部分之间实物流动的管理网络系统,受地理分布和运输系统的制约,以降低物流成本并协调生产-分销流程。另一方面,物流的定义是“由供应商、制造商、分销商和销售商(批发和零售)组成的企业集合,通过合作关系在其关键流程中进行有效协调,以最低的成本在准确的时间将所需的供应品或产品放置在链的每个环节,寻求在成员价值链中产生最大的影响,以满足最终消费者的要求”(见图1)。
• 网络安全涉及高度复杂的工作问题 • 网络工作者应整合可用性协作团队的各个方面 – 具有不同专业知识的个人共同工作 – 国家科学院研讨会 – I3P/NIST 研讨会信息 – 高度复杂的工作问题
在苏联读者熟知的美国专家的专着中,在现代水平上概述了运筹学的一般方法,并考虑了所有类别的运筹问题,以及用于解决问题的数学工具的基础知识他们。涵盖了解决问题的操作方法的原则,如问题陈述、数学模型的构建、找到的解决方案的获取、评估和实际使用。这本书充满了有趣、有启发性的例子。每章结尾都有一系列有用的练习,以评估您对材料的理解。本书对于技术类专业本科生和研究生来说是一本有价值的教材。作为一本面向广大读者的原创科学专着,它也具有独立的意义。