解決組織中的供應(yīng)短缺問題就像擊中一個移動的目標(biāo)一樣——隨著情況的發(fā)展，問題可能會隨著即時的供應(yīng)和需求而發(fā)生變化。
在 COVID-19 大流行的早期階段，美國的醫(yī)院就目睹了這種困境：隨著病毒的迅速傳播，各州的重要物資短缺加劇。
然而，現(xiàn)代分析模型可以成為解決此類復(fù)雜問題的強(qiáng)大工具，特別是結(jié)合機(jī)器學(xué)習(xí)(人工智能的一種形式)的模型。
圣路易斯華盛頓大學(xué)奧林商學(xué)院研究人員團(tuán)隊根據(jù)大流行初期三周期間美國各地呼吸機(jī)需求的真實數(shù)據(jù)，測試了共享呼吸機(jī)的算法模型。數(shù)據(jù)分析實踐教授杜萊·桑達(dá)拉莫蒂 (Durai Sundaramoorthi)指出，在此期間，有時一個州對呼吸機(jī)有迫切需求，而另一個州卻有大量未使用的設(shè)備。
“通常情況下，一個地方有可用資源，而另一個地方有大量需求，并且沒有真正的共享機(jī)制，”Sundaramoorthi 說。“我們認(rèn)為這肯定是我們可以創(chuàng)建一個模型來系統(tǒng)地共享資源的問題之一。”
該團(tuán)隊發(fā)現(xiàn)，最有效的模型使用深度 Q 學(xué)習(xí)，這是一種機(jī)器學(xué)習(xí)形式，允許模型從解決問題的多次迭代中學(xué)習(xí)。他們的工作題為“使用數(shù)據(jù)驅(qū)動分析管理應(yīng)急響應(yīng)中的資源共享”，最近發(fā)表在《運籌學(xué)年鑒》雜志上。
深度 Q 學(xué)習(xí)模型的可教性使其比更傳統(tǒng)的整數(shù)規(guī)劃更具優(yōu)勢，后者可以在一組條件下一次性解決問題。
Sundaramoorthi 說：“Q 學(xué)習(xí)模型的美妙之處在于，一旦你訓(xùn)練了(決策)代理，你就可以在將來使用它。”“在整數(shù)規(guī)劃中，如果你以后想做同樣的事情，你就必須再次解決這個問題。”
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！