7-4 基于循环神经网络架构的大规模供应链网络的仿真和优化.pdf

《7-4 基于循环神经网络架构的大规模供应链网络的仿真和优化.pdf》由会员分享，可在线阅读，更多相关《7-4 基于循环神经网络架构的大规模供应链网络的仿真和优化.pdf（23页珍藏版）》请在三个皮匠报告上搜索。

1、基于循环神经网络架构的大规模供应链网络的仿真和优化复旦大学管理学院&大数据学院洪 流 教授论文链接：https:/arxiv.org/abs/2201.05868|近十年来人工智能技术不断取得突破性进展推荐系统YouTube,Netflix,Amazon,字节跳动强化学习AlphaGo,自动驾驶、机器人图像识别图像识别，人脸识别，指纹识别，医学诊断自然语言处理Google Translate,舆情监测，自动问答算力提高是人工智能技术发展的原动力摩尔定律集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍工业革命带来了机械力的提升（突破了人的体力限制）摩尔定律带来了计算力的提升（突破了人的脑力限

2、制）=,如果汽车按照这个速度发展，1970年的一万美元的甲壳虫汽车今天只需要1美分，而且时速可以达到5000公里/小时。供应链建模与优化传统的供应链建模和优化方法（例如线性规划、混合整数规划、离散事件仿真等）无法充分利用并行计算的大规模算力，例如最有名的优化问题求解器Gurobi和CPLEX只能支持最多32核。物流网络规划人员排班问题配送路径优化需求预测问题生产计划问题库存管理问题线性规划/混合整数规划模型基于人工智能方法的供应链建模与优化 目前已有一些将人工智能技术应用于供应链管理的尝试，例如利用机器学习模型进行需求预测等，主要是模型或算法的直接使用。我们团队致力于将人工智能技术的底层逻辑和

3、方法应用于供应链管理之中，解决当前供应链管理领域遇到问题和挑战。AI for Supply Chain案例：大规模库存优化 物 料 清 单（BOM，bill ofmaterials）用于描述生产最终产品所需的原材料、半成品的构成关系以及所需数量 我们的库存优化问题试图确定BOM网络中每个节点的安全 库 存 水 平（base-stocklevel）来最小化成本大规模库存优化国内某知名头部制造商BOM 节点超过50万个，链接超过400万条；活跃节点超过5万个，链接超过50万条；极为复杂的网络结构；库存价值约为￥200亿。库存策略优化问题：安全库存应该存放在那些节点上？安全库存量应该如何设定？这是一

4、个超大规模优化问题，主要的挑战来自于计算能力和计算速度现有方法和挑战随机服务模型（Stochastic service models,Clark&Scarf1960,Rosling 1989,Chen et al.2014）针对串行系统/装配系统，无法处理复杂BOM网络结构保证服务模型（Guaranteed service models，Simpson 1958,Graves&Willems 2000）主要针对生成树结构的网络 需要将随机问题转换为确定性问题仿真方法（Simulation approach，Glasserman&Tayur 1995）允许更一般的网络结构 运行时间通常很长问题定

5、义假设库存系统根据 base stock policy 运行，周期性（每天）检查需求和库存。仿真过程：计算inventory positions，产生orders；接收完成的orders，满足外部需求，更新on-hand inventories 和 backlogs 根据orders和可用的原材料决定生产情况 计算成本0,1,1,1,1,max 0,min 0,outoutt itit itit ioutoutoutt itit itit iIIPBDBIPBD=+=+(),outt it itiiiChpIB=+变量：库存位置、库存量优化目标：期望总成本最小、安全库存位置稀疏,1,1,1,1

6、,min 0,inoutt ititititioutint it it it iiIPIPODDOIPDDS=+=()1mintTStECS=基于仿真的优化方法仿真优化框架(Glasserman&Tayur 1995)：建立仿真模型 梯度估计（IPA）随机梯度下降（SGD）传统库存仿真方法的复杂度：其中T为仿真的时段数，n为BOM网络节点个数传统库存仿真方法的耗时（单次采样）：节点个数仿真模型梯度计算50001小时多个小时仿真模型梯度计算()2Tn()3Tn我们的目标是将运行时间降到可以接受的水平，从而至少可以实现50,000个节点的库存优化循环神经网络 循环神经网络是一类所有节点（循环单元）