TL;DR:
В этой статье мы приправляем скучный старый мир управления цепочками поставок некоторой магией трансформатора! Используя модель трансформатора, мы можем ускорить процесс решения общей проблемы цепочки поставок: проблемы расположения объекта. Обучив преобразователь прогнозировать значения бинарных переменных в задаче, мы можем быстро определить, следует ли выбирать место для распределительного центра, сократив время, необходимое для решения задачи. Кроме того, мы можем использовать классный жаргон машинного обучения и произвести впечатление на наших коллег по цепочке поставок нашей технической подкованностью!
Отказ от ответственности: в этой статье для генерации текста используется Cohere. эм>
Краткое содержание:
Модель преобразователя, первоначально разработанная для задач обработки языка, применялась во многих других областях, включая цепочку поставок. Проблема расположения объекта в цепочке поставок включает в себя создание распределительных центров среди возможных участков для удовлетворения потребительского спроса при минимизации общих затрат. Однако решение этой проблемы становится сложным для больших экземпляров из-за необходимости ветвления на целочисленных переменных. Здесь в дело вступает модель преобразователя. Обучив преобразователь предсказывать бинарную переменную y_i, указывающую, следует ли строить распределительный центр на участке i, проблема становится проблемой классификации, которую можно решить гораздо быстрее. Преобразователь обучается на наборе данных решенных экземпляров, и полученные прогнозные значения y_i используются для решения MILP с оставшимися переменными. Однако предсказанные значения y_i иногда могут привести к невозможности, требуя решения другой проблемы оптимизации. Показано, что модель трансформатора эффективна при решении проблемы размещения объекта с большими экземплярами, даже при использовании эвристики для устранения невозможности.
Ознакомьтесь с полным текстом статьи На пути к науке о данных.
Поддержите меня в этом путешествии по генеративному ИИ, став участником или купив мне кофе. Подпишитесь на меня в Linkedin или на мой сайт, чтобы быть в курсе генеративного ИИ.
