DOI
https://doi.org/10.47689/2181-1415-vol5-iss6-pp181-192Ключевые слова
умные алгоритмы логистики / оптимизация маршрутов / продвинутое обучение с подкреплением / анализ данных / повышение эффективности транспортировкиАннотация
В условиях цифровой трансформации логистической отрасли интеллектуальные алгоритмы логистики стали ключевой технологией для повышения эффективности и снижения издержек. В данной статье рассматривается эволюция традиционных логистических технологий, а также подчеркивается важная роль таких достижений, как Интернет вещей (Internet of Things), аналитика больших данных, искусственный интеллект и автоматизация, в стимулировании инноваций в логистике. В статье исследуются области применения интеллектуальных логистических алгоритмов, включая оптимизацию маршрутов, интеллектуальное планирование, добычу данных и прогнозирование, а также умное управление складскими процессами. Для решения проблемы несоответствий между целями обучения и тестирования представлена система DRL4Route, основанная на глубоком обучении с подкреплением, для оптимизации маршрутов, а также модель DRL4Route-GAE. Широкие оффлайн-эксперименты и онлайн-развертывания подтверждают, что предложенная модель значительно превосходит существующие оптимальные эталонные методы на реальных наборах данных, улучшая такие показатели, как квадрат отклонения от местоположения и точность прогнозирования местоположения в топ-3. Результаты исследования обеспечивают важную поддержку для дальнейшего интеллектуального развития логистической отрасли.
Скачивания
Библиографические ссылки
Liang, P., Song, B., Zhan, X., Chen, Z., & Yuan, J. (2024). Automating the training and deployment of models in MLOps by integrating systems with machine learning. Applied and Computational Engineering, 67, 1- 7
Li, A., Yang, T., Zhan, X., Shi, Y., & Li, H. (2024). Utilizing Data Science and AI for Customer Churn Prediction in Marketing. Journal of Theory and Practice of Engineering Science, 4(05), 72-79.
Xu, J., Wu, B., Huang, J., Gong, Y., Zhang, Y., & Liu, B. (2024). Practical applications of advanced cloud services and generative AI systems in medical image analysis. Applied and Computational Engineering, 64, 82-87.
Zhang, Y., Liu, B., Gong, Y., Huang, J., Xu, J., & Wan, W. (2024). Application of machine learning optimization in cloud computing resource scheduling and management. Applied and Computational Engineering, 64, 9-14.
Huang, J., Zhang, Y., Xu, J., Wu, B., Liu, B., & Gong, Y. Implementation of Seamless Assistance with Google Assistant Leveraging Cloud Computing.
Lin, Y., Li, A., Li, H., Shi, Y., & Zhan, X. (2024). GPU-Optimized Image Processing and Generation Based on Deep Learning and Computer Vision. Journal of Artificial Intelligence General science (JAIGS) ISSN: 3006-4023, 5(1), 39-49.
Chen, Zhou, et al. “Application of Cloud-Driven Intelligent Medical Imaging Analysis in Disease Detection.” Journal of Theory and Practice of Engineering Science 4.05 (2024): 64-71.
Wang, B., Lei, H., Shui, Z., Chen, Z., & Yang, P. (2024). Current State of Autonomous Driving Applications Based on Distributed Perception and Decision-Making.
Li, Zihan, et al. “Robot Navigation and Map Construction Based on SLAM Technology.” (2024).
Fan, C., Ding, W., Qian, K., Tan, H., & Li, Z. (2024). Cueing Flight Object Trajectory and Safety Prediction Based on SLAM Technology. Journal of Theory and Practice of Engineering Science, 4(05), 1-8.
Sarkis, R. A., Goksen, Y., Mu, Y., Rosner, B., & Lee, J. W. (2018). Cognitive and fatigue side effects of antiepileptic drugs: an analysis of phase III add-on trials. Journal of neurology, 265(9), 2137-2142.
Загрузки
95 5Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Азам Нуруллаев (Автор)
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
