Yöneylem Araştırması Profesörü Yinyu Ye: Optimizasyon algoritmaları yapay zekanın teorik temeli olarak pratikte nasıl uygulanabilir?
Lieyun.com (WeChat: ilieyun) 25 Haziran'da bildirildi
Antik çağlardan beri "optimizasyon" her zaman üretimin ve yaşamın önemli bir parçası olmuştur. Optimizasyon algoritmalarının önemli bir temeli olan yöneylem araştırmasının kökenleri İkinci Dünya Savaşı'ndan gelmektedir. II.Dünya Savaşı'nın sona ermesinden sonra, insanlar ekonominin hızlandırılmış gelişimini teşvik eden çeşitli alanlarda yöneylem araştırması başlattı. Şimdi, büyük veri ve yapay zeka çağının ortaya çıkışı, operasyon araştırmasına yeni bir canlılık getirdi. Büyük verilerin en uygun kararlara nasıl dönüştürüleceği, yöneylem araştırmasında kilit bir konu haline geldi.
Dün, Lieyun.com (WeChat: ilieyun) bir keresinde Shanshu Technology'nin Pekin'de bir AI forumu düzenlediğini bildirdi. Shanshu Technology'nin baş bilimsel danışmanı Profesör Ye Yinyu, etkinlikte izleyicilere "Algoritmaların Optimizasyonu" başlığını getirdi. "Düşünceler ve Uygulamalar" konuşması. Yinyu Ye, Stanford Üniversitesi Li Guoding Kürsüsü Profesörü ve American Society for Applied Mathematics'in Optimizasyon Şubesi Başkan Yardımcısıdır. Bir zamanlar Amerikan bilimsel araştırmalarında en etkili bilim adamlarından biri seçildi ve American Society for Operations Research and Management tarafından von Neumann Teori Ödülü'nü kazandı. .
Yöneylem araştırmasının uygulamasını öğrenmeden önce, ilk olarak yöneylem araştırmasının ne olduğunu anlayalım.
Yöneylem araştırması, kısıtlamaların karşılanması koşulu altında belirli bir hedefi en üst düzeye çıkarabilecek / en aza indirebilecek optimal karar arayışıdır. İki anahtar adımı vardır: 1. Modelleme: Problemi matematiksel formda doğru ve etkili bir şekilde ifade etme 2. Çözme: Optimal amaç fonksiyon kararını elde etme. Operasyon araştırması, gelir yönetimi, rota optimizasyonu, konum sorunları, tedarik zinciri optimizasyonu, üretim süreci optimizasyonu ve diğer konularda yaygın olarak kullanılmaktadır.
Ye Yinyu, özellikle lojistik konum ve rota optimizasyonu, envanter yönetimi ve yatırım portföyü optimizasyonu olmak üzere üç konuyu ayrıntılı olarak ele aldı.
Lieyun.com tarafından düzenlenen Ye Yinyu'nun konuşmasının tam metni aşağıdadır:
Uzun süredir yöneylem araştırması yapıyorum. 1982'de Amerika Birleşik Devletleri'ne okumak için ilk geldiğimde, AI çok ateşliydi ve o sırada neredeyse AI ile ilgileniyordum. Ancak gençler o zamanlar AI'yı bilmiyordu. O zaman, sözde "uzman sistem AI alanı" kurulacak. O zamanlar çok fazla veri yoktu ve bazıları özetlenemedi ve AI yavaş yavaş soğudu. Matematiği daha çok seviyorum, bu yüzden yöneylem araştırmasına başladım.
Yöneylem araştırması, bir optimizasyon çalışmasıdır, yani tüm gerçek hayatta nasıl en yüksek değere ulaşılacağıdır. Basitçe uygulanabilir bir çözüm bulmak değil, aynı zamanda en uygun çözümü bulmaktır.
Evrende hiç bir şekilde maksimum veya minimum kuralının ortaya çıkmadığı hiçbir şey gerçekleşmez, o halde doğal oluşuma da dayanan bu teori, aynı zamanda bir enerji fonksiyonu olan sözde denge durumundadır ve en uç noktadadır.
Öyleyse konu yöneylem araştırmasına gelince, bir matematik konusu nasıl temellendirilebilir? Nasıl yere düştü? Uygulamanın insanların yaşamları üzerinde gerçekten nasıl bir etkisi olabilir? Böylece matematikçiler böyle bir çözüm aramaya başladı. Bir de aciliyet duygusu var ... İkinci Dünya Savaşı sırasında müttefik kuvvetlerin tahsisinin nasıl çalışılacağı ve ayrıca bazı oyun problemlerinin nasıl çalışılacağı ... Daha önce "Güzel Adam" adlı bir film görmüştüm ve bu şeyi inceledim ve oyun alanını inceledim.
Dönüm noktası niteliğindeki sonuç, 1947'de George Dantzig'in optimizasyondaki en klasik algoritma olan doğrusal optimizasyonu önermesiydi. Dönüm noktasının anlamı budur. Ekonomik kalkınmada kullanıldıktan sonra, yöneylem araştırması, özellikle bilgisayarların hızlı gelişimi, hızla gelişmiştir. Eskiden 1 saat sürebilen yapısal bir problemdi ama şimdi 1 saniyeden daha kısa sürede çözülebilir. Bu nedenle, bu donanımın kontrolü de algoritmayı geliştirir.
Operasyon araştırması, AI'dan daha eskidir, ancak AI ve makine öğrenimi başka bir fırsat sağlar. Pek çok üst düzey şey, ister öğrenme ister az önce bahsedilen karar verme sorunu olsun, optimizasyona dayanır.
Genel olarak, sözde optimizasyonun bizi tatmin edecek birçok kararı vardır ve hepsinin göreceli olarak ölçülmesi gerekir.Belirli kısıtlamalar altında, belirli bir işlevi maksimize etmek için, bu bir optimizasyon problemidir. Bir problemi bu şeye dönüştürmek, modellemeyi gerektirir. Bu yüzden genellikle modellemeden çözmeye ve sonra karar vermeye geçiyoruz ve sonra çözmek için bir dizi algoritmaya ihtiyacımız var.
Bunda asıl problem matematiksel bir probleme, ardından bir optimizasyon problemine dönüştürülür ve sonra çözülür.
Büyük veri nedir? Bunun birçok farklı yorumu var. Veriler yeterince büyük olduğunda ölçülebilir. Daha sonra ölçülürse, matematiksel denklemler ve formüllerle tanımlayabilir ve ardından onu nicel bir karar verme problemi haline getirmeye karar verebiliriz. Bence büyük veri artı makine öğrenimi onu daha nicel hale getiriyor.
1982'de Amerika Birleşik Devletleri'ne gittiğimde yapay zekayı deneyimledim. O zamanlar en popüler olanıydı, ama sonra soğudu ve şimdi yeniden sıcak. Elbette bazıları değişti, ama bazı noktalar benim için aynı kaldı. "Optimizasyon" her zaman sabit bir nokta gibi görünüyor. Hayatın her alanında olsanız da buna ihtiyacınız var, çünkü bu noktada istatistik, matematik veya bazı mekanizmalar gibi olduğu da söylenebilir. Çok sayıda algoritmik problem var, çok fazla derin öğrenme var, MDP vb.
bence, Yapay zekanın rolü, özellikle de büyük veri çağında iş kararları nasıl anlaşılır, veri toplama dahil olmak üzere makine öğrenimi dahil olmak üzere çok sayıda bilgisayar ve bilişim kullanmalıyız ve ardından çok sayıda makine öğrenimi yoluyla bazı düzenli analizler yapmalıyız. Ve sonra modelleme ve karar verme.
Kişisel olarak, bu süreç biraz veri toplamaya ve sonra toplamaya benzer. Çin tıbbı açısından bakıldığında bu biraz nabız atmak gibidir.Eski Çinli doktor nabzı çektikten sonra karar verir, yani karar verir.Çin tıbbı için ilaç yazmak ve reçete yazmaktır. Bu süreçte, doğruluğun nasıl değerlendirileceği, sonra hangi reçetenin yazılacağı ve nasıl reçete yazılacağı konusunda da farklılıklar vardır.
Bazı şeyler üç dolara, bazıları dört dolara mal oluyor. Bununla birlikte, bazı Çin tıbbı bunda iyi değilse oldukça belirsizdir. Birazcık angelica olup olmadığını bilmiyorum. Bence Japonlar bunda daha iyi, bu yüzden tarif edebiliyorlar. Japonya'da okuduğumda Japonlar yemek yapmayı çok ama çok titizlikle öğretti. Biraz değil, daha fazla tuz veya sadece birkaç kelime.
Bu nedenle, bazı miktarların belirlenmesi, talep yönetimi ve düzenli analizler yapılması gerekiyor. Makine öğreniminin iyi bir iş çıkardığını düşünüyorum. Ancak nasıl karar alınır, bazı çok geleneksel optimizasyon modelleri ve operasyonel araştırma modelleri vardır.
Size birkaç basit örnek vereyim, neden bazı karar verme modellerinin derinlemesine anlaşılmadan türetilebileceği.
1. Lojistik konum ve rota optimizasyonu
Örneğin bu lokasyon probleminde, en düşük maliyetli bir bölgede en iyi depo seçimini aramak. 5 kütüphane inşa etmek istiyorum, nerede inşa ediliyorlar? O zaman pek çok değiş tokuş var. İnşaat maliyeti ne kadar? İnşaat ücretinden sonra hizmet alanım ne kadar büyük? Alan büyüdüğünde insanlar çok uzaklardan gelecek ve ulaşım maliyeti daha yüksek olacaktır.
Peki böyle bir problem nasıl seçilir? Önceki algoritma için tamsayı planı olarak yazdım ve yalnız bıraktım. şimdi değil. Müşterinin talebi, birkaç aydır çözülemeyen bazı algoritmalar var gibi görünüyor. Günümüzde pek çok şeyin her an ulaşılabilir olması gerekiyor ve bazı şeyler İnternet olarak kabul ediliyor Bu nokta en üste konulmalı ve her an dağıtılmalı ve yeniden site seçimi yapılmalıdır.
Şu anda algoritmam çok hızlı ve sonra pek çok yaklaşık algoritma olacak. Bu konuda da bazı çalışmalar yaptık, bu görece deterministik bir sorun, ortaklarımızın çalışma sürecinde bu tür birçok sorun var.
Sonra biraz daha karmaşık bir sorun var, bu yer seçimi değil. Sonra bölgesel bir hizmet sunmak için bir depo seçin, ancak buna HUB konumu denir.Bazıları depodan belirli bir müşteriye gönderilmez ve bir kısmı bir transit istasyondan geçmek zorundadır. , Ve sonra müşteriye, örneğin, uçuş sevkiyatı sorunu. Peki bu aktarma istasyonu nasıl seçilir? Bir sorun varsa, bazı seçenekler olacaktır.
Genellikle yer seçimi konusuna stratejik bir karar diyoruz. Seçildikten sonra önümüzdeki birkaç yıl içinde değişmeyecek. Karar verme ayrıca stratejik karar verme, taktiksel karar verme ve operasyonla ilgili karar verme olarak ikiye ayrılır. Ve işte operasyon kararı.
Malları bu kadar çok noktaya teslim etmek istiyorum, hepsini nasıl teslim edebilirim ve tüm mesafeyi en aza indirmek için başlangıç noktasına geri dönebilirim? Bu sorun nedir, seyyar satıcı sorunu. Bu da çok klasik ve çok belirleyici, mesela lojistik firmaları ve lojistik firmaları bu sorunu çözüyor.
Bütün yer aynı zamanda araç çizelgeleme problemi olarak da adlandırılır. Elbette asıl sorun bundan daha karmaşıktır. Bir araba çalışamaz. On binlerce araba olabilir. Kim hangi lokasyonlarda, hangi alanlarda ve siteyi nasıl seçmeli, bu çok, çok karmaşık. , Ve aynı anda malları alıp teslim etmeniz gerekiyor.Malları teslim alırsanız, belirli bir zaman noktasında veya zaman aralığında olduğundan emin olmalısınız. Yöneylem araştırmasının daha iyi olduğu sorun budur. Bu sorunları çok gerçek zamanlı olarak yapın.
Bu basit bir çözüm, böl ve fethet. Şimdi 5 arabam var ve bu alana hizmet etmek istiyorum. İlk olarak, bir hizmet alanı konseptini belirleyin. Bu geniş alan nasıl 50 parçaya bölünür ve her alan için bir nokta seçilir. Buna çok büyük olan "alan seçimi" denir.
Seçim yaptıktan sonra, bu alanı böldüğümde her alanın iş yükünün ne olduğunu biliyorum, eşit olmaya çalışıyorum, aksi takdirde iki gün geniş bir alanda koşabilir, yarım günde bir alanda koşabilirim.
Bu pratik problemler için geçerlidir. Gördün mü? İçinde 50 araba var. Bu resim şu an ne yapıyor? Yolu bulun. Bu aslında pratik bir problem ve büyük bir coğrafi veri haritası olduğu ortaya çıktı, bu yüzden problemi her sokağın koşmak zorunda olması. Bu alanı böldüğümde, her alandaki caddelerin toplam uzunluğu temelde benzer.
Ama cadde aynı olsa bile, koşmak için bu arabanın her rengini almam gerekiyor. Bu bölgeyi çalıştırdığımda, en büyüğüne nasıl koşarım ve tüm sokakları koşarım, bu sefer bir patika sorunu var. Optimizasyon ve yöneylem araştırması söz konusu olduğunda bu sorun çok eski bir sorundur. Her cadde birlikte yürünmeli ve sonra her alan tamamlanmalıdır. Bu, esas olarak harita şirketleri içindir.
Amerika Birleşik Devletleri'nde tanınmış bir harita şirketi var. Onu Nokia'dan satın aldım. GPS kullanmış olmanız gerektiğine inanıyorum. Bu iki temel teknoloji. Bir çekirdek teknoloji uydu konumlandırmadır. Boylam ve enlem konumlandırmasından sonra, tüm coğrafi bilgi konumları Toplanmış. O zaman caddelerin ve şehirlerin coğrafi verileri sürekli değişiyor, bu nedenle ne zaman bir araba göndermeniz gerekse veya sokak bilgilerini değiştirmek için görüntü bilgilerini kullanmanız gerektiğinde, yeniden toplamalısınız, her caddede koşmak için bir araba göndermektir. , Üzerinde çok verimli olan bir kamera var ve ardından bu sorunu çözmek için hepsini araştırın.
Şu anda, her şehir bu caddeyi birlikte çalıştırmak zorunda ise, bir araba veya 50 araba çalıştırmak imkansız. Bu aracın alanını nasıl böleriz? Daha önce, bölmek için posta kodları kullanıyorduk. Bazıları birkaç kat daha büyük olacak, bu yüzden bölünme mantıksız, bu anlık duruma göre analiz etmemiz gerekiyor. Etkililiği nasıl değerlendirilir? Başlangıçta 75 araba aldı. Şimdi 60 araba yeterli. Eskiden 2 gün sürüyordu ve şimdi bir buçuk gün sürüyordu. Gerçekten% 25 ila% 30 diyoruz. Bu teknoloji hala Nokia tarafından kullanılıyor. Dünyanın 26 ülkesinde kullanılıyor. kullanın.
Beni ayırma sürecinde az önce gördünüz mü ve bu yolda kimse onunla karşılaşmadı mı bilmiyorum. Başlangıçta koştuğum son mesafenin en uzun olduğunu düşünmüştüm. Sonra bize ne kadar sola dönmem gerektiğini sordum. Yolu düzenleyebildiğiniz zaman olabildiğince sağa dönün. Dikkate alınması gereken tamamlama zamanı olduğundan, sola dönme süresi sağa dönmekten 5 ila 10 kat daha fazladır. Trafik ışıkları olduğu için, bunu çözmek için yöneylem araştırması kullanıyoruz.
Size başka bir yol optimizasyon problemi vereyim. Herkes sözde insansız depoda çalışıyor. Mallarla birlikte paletleri atıl tezgaha taşıyan bazı arabaları vardır ve daha sonra arabaları paletleri tezgahtan deponun boş depolama alanına taşır ve tekrar depoya çağırırız. Daha sonra el arabası boş paletleri tezgahtan palet toplama noktasına taşır ve biz buna geri dönüşüm diyoruz. İçinde bazı kaplar var, nasıl sürükleneceği ve nasıl kullanılacağı ve yönlendirilmesi ve koordine edilmesi gerekiyor.
Ülkemizde robotlarla ilgili araştırmanın her robotun yeteneklerini artıracağını düşünüyorum. Bence çok iyi Kişisel yetenekler çok iyidir, ancak ülkemizin pek çok konuda kapsamlı konuşlandırma ve düzenlemelerden yoksun olduğunu düşünüyorum. Robotlar çok güçlü, takım halinde çalışırken güçlüler mi?
Koordineli bir yazılım karar sistemimiz yok , Tıpkı Çin futbol takımımızın çok güçlü olması gibi, ama birlikte olamayız. Çoğu durumda Çinliler böyledir. Kişisel yeteneğin geliştirilmesine büyük önem veriyoruz. Başlangıç çizgisinde kaybetmeyin. fakat Ülkemizin uzun zamandır bu tür kararların geliştirilmesi için bir tür kolektif genel planlamadan yoksun olduğunu hissediyorum. Ya da yeteneğin gelişmesi.
İnsansız araçlar da dahil olmak üzere her robot ortalıkta dolanıyorsa kesinlikle çalışmayacaktır. Pek çok firma insansız araç teknolojisinin ne kadar güçlü olduğunu düşünüyor ama asıl sorun nedir? Bunun yerine, insansız araçlar arasındaki koordinasyon, konuşlandırma ve birleşik komuta.
Mesela işte tezgah ... Mallar belli bir alana geldikten sonra onları paylaşacağız. Malların genel paylaşımında pek çok sorun var. Araştırma sürecimizde, örneğin, içerideki yol. Yol belirlendikten sonra yolu nasıl bulacağımı söyledim Tasarım açısından, ister tek yönlü bir hat ister iki yönlü bir hat tasarlıyor olun, bu konuda bilgi vardır.Tek yön hattın mesafesi daha uzun olacak şekilde ayarlanmışsa, çarpışma olasılığı daha azdır ve bu optimizasyonla çözülebilir.
Örneğin, lojistik depo dağıtımını, yine algoritmalarla hesaplanan bir e-ticaret ortağıyla koordine ettik. Örneğin robotlar konteynere nasıl dağıtılır, bu istasyon nasıl kontrol edilir, bu yöntem şu anda robotu palete gitmek, konteyneri sürüklemek, yanındaki taraftaki tüm kabı kullanmak, sonra bunu aşağı çekmek ve ardından paleti geri göndermek için kullanır. .
Biz Çinliler yabancı şeyler getirmeyi severiz.Önce robotlar, tüm kabı yukarı sürükleyin, belki konteyner memuru bir şeyi kontrol edecek, o halde neden konteynerin hareket etmediği ve malların kaynağı robotun üzerine oturup sonra teftiş ettiği söyleniyor. Mallar için insanlar daha fazlasına ihtiyaç duyabilir, ancak konteynerler daha yüksek yüklenebilir ve alan kullanım oranı daha yüksektir.
Sanırım daha iyilerini düşünebiliriz ama bu teknoloji seti kullanılabilir ve bu makinede oturan insanlar sadece ileri geri hareket etmekle kalmaz, aynı zamanda daha yükseğe yerleştirilebilen konteyneri kaldırıp indirebilir.İşlem sırasında düz bir yüzey yerine üç haneli bir depo oluşturulur. depo. Böylelikle malların yoğunluğunu, ne kadar arttığını, deponun kullanım oranının ne kadar artabileceğini hesaplayabiliriz.O halde bizimki gibi bir ülke için insan gücü nispeten ucuz ama ev çok pahalı, daha mı iyi, ama hepsi de Çözüme yönelik sorunu optimize etmek için ürün nakliyesine güvenin.
Optimize edilmiş modelden, çeşitli kararlardan ve algoritmalardan, Çin'de bir süredir endüstri ile temas halindeyim. Sektör her zaman derin öğrenmeye, makine öğrenimine ve tahmin doğruluğunu% 1 artırma ihtiyacına ihtiyacımız olduğunu düşünüyor. Bazen bir noktayı gözden kaçırdığımı hissediyorum, belli bir zamanda iyileştirilemeyen bir belirsizlik teoremi var. Orada belirsiz bir yasa var.
Eğer% 100 olabiliyorsanız, Çin borsasını tahmin edin. Borsa bir ya da iki yüz yıldır var ve kimse borsanın nasıl olacağını tahmin etmiyor. Öyleyse belirsizlik durumunda, karar vermede biraz iş yapmak mümkün müdür? Ölçümün yanlış olduğunu ve farklı durumlar olabileceğini bilerek kararım ayarlanabilir mi?
Veriden karar vermeye kadar bazı işler de yapabilir miyiz? Örneğin, beklenen değerde biraz zaman kazanacağımı garanti edebilirim, ancak asla iflas etmeyeceğime ve kısır olayların meydana gelmesini önleyeceğime söz veriyorum. Dolayısıyla bu modeller ameliyathanedeki birçok kişiye uygulanır.
Örneğin, rota optimizasyonu ponyplus için, bugün bir görev için bir teslimatçıya 10 sipariş göndermem gerekiyor ve yardımcı bir araç sağlayacağım.Rota nasıl alınır en iyisi. Bir tane ayarladım.İçinde bazı araçlar var.
İkincisi, envanter yönetimi
Buradaki en tipik sorun envanterdir. Büro testlerinde ve envanterde en iyisini nasıl yapabilirim? İlk günlerde derin öğrenme yoktu. Örneğin, küçük bir perakendeciyseniz, ne kadar satın alıyorsunuz ve bir haftalık mal satın alırsanız, ne kadar çok kaybederseniz, o kadar az kaybedersiniz. Dolayısıyla yöneylem araştırmasının şu anda bu problemle başa çıkmak için bir dizi yöntemi vardır.
Son zamanlarda United Airlines'da kimse olmadığını duydunuz mu, çünkü bilet çok satıldı, uçak aşağı sürüklendi ve sonra birkaç yüz milyon kaybetti. Bu neden tipik bir sorundur? Belirsiz bir ortamda alınan bir karardır.
Uçakta sabit 300 koltuk var. Önceden yalnızca 300 bilet satarsınız ve çok fazla satmazsınız. Gelen herkes kaydolabilir. Sorun, insanların% 5 ila% 10'unun çeşitli nedenlerle gelmeyecek olmasıdır. O zaman 300 bilet satarsan% 5-% 10 gelmeyecek, o kısım kaybolacak. Yani havayolları genellikle daha fazla satıyor.
Prensip aynıdır ve tartılması gerekir. Kiminin gelmediğini biliyor, nasıl daha çok kopya satabilirim, en iyisi kiminin gelmemesi, gelmeyenlerin sayısı tam olarak sattığım kişi sayısı. Ancak bu her zaman yanlıştır, dolayısıyla United Airlines'ın bu sorunu ortaya çıkar.
Genel olarak, kararımız nedir? Sektördeki müzayedeler yoluyla, bir sonraki uçuşa ne kadar razı oluyorsunuz? United Airlines söz konusu 600 yuan olduğunda bunu yükseltmeyecek, bu yüzden bir değiş tokuş bulmalı ve birkaç kopya daha satmalıyız. bu iyi.
Bu noktada, özellikle nispeten büyük yurt içi e-ticaretimizde birçok pratik durum yaptık, ayarlamasına yardımcı olduk, genellikle ciro oranı 29 gün, yani şimdi% 16,5'e düştü. Herkes envanter miktarını bilir, Perakendecilerin en çok korktuğu şey, stok devir hızının çok düşük olmasıdır. Başkalarının eşyalarını aldım ama satamadım. Stok miktarı% 19,2 düştü, spot oran arttı, GMV% 1,9 arttı ve ciro günleri% 16,5'e düştü. Yani insan gücünün bu kısmını kaybetmeden ağırlıklı olarak azalttık. İki standart olması durumunda. Herkesin anlaması daha kolay.
Başka bir yolu daha var.Belirli bir e-ticaret firmasının özelliğine göre flash satış deniyor.Bir ürün bir hafta satılacak ve satılmayacak.Şu anda e-ticaret firması genellikle o haftanın tahmini ve ne kadar mal stoklaması gerektiğine karar veriyor. .
İki aşamalı bir strateji benimsiyoruz: Öncelikle toplam bir tahminim var ama malları gönderdiğimde üç günlük mal var.Satışların ilk gününden sonra malların peşinden gitmemeye karar veriyorum. Anlıyor musunuz bilmiyorum. Bir haftalık talep 100'dü. Aslında sınırdaki depoya 60 parça teslim ettim. İlk günkü satış hacmi yeterli. Bu 40 parçayı tamamlamamın gerekip gerekmediği ilk günkü satış hacmine bağlı. , İlk günkü satışlar, takip için daha yüksek bir tahmin derecesine sahiptir.
Wang Xi aynı zamanda Stanford'da bir öğrenci ve şu anda Shanshu'nun ürün müdürü. Stockgo adında bir borsa tasarladık E-ticaret şirketleriyle başka temaslarımız olduğu kanuna göre, her küçük ve orta ölçekli e-ticaret şirketine en az bir olası envanter cirosunun belirlenmesi ve karar vermesine yardımcı olması gerektiğini düşünüyoruz.
Bunda, mevcut envanter durumunun nicel değerlendirmesi, yüksek hassasiyetli satış tahmini, yüksek hassasiyetli ikmal stratejisi, birçok makine öğrenimi aracını içeren tedarik zinciri yönetiminin akıllı dönüşümü gibi birçok işlev vardır ve Derin öğrenme araçları, envanter durumunuzu her bir SKU için doğru şekilde değerlendirebilir. Ayrıca yenileme stratejileri ve kişiselleştirilmiş tam bulut çözümleri de vardır.Ayrıca verileri doğrudan Shanshu'ya gönderebilir ve ardından nabzınızı teşhis etmenize yardımcı olabilirsiniz.
Genel amaç, bu ameliyathane şeylerinin ekonomide önemli bir rol oynamasını sağlamaktır. Bu zaten birçok ERP şirket yasası tarafından kullanılmaktadır. Genellikle ciro oranı% 50'ye yükselecek, sermaye ve işçilik maliyetleri azalacak ve e-ticaret otomatikleştirilmiş envanter yetenekleri Aynı zamanda gelişiyor, bu küçük bir araç ... Zamanı geldiğinde, bu sözde şeyler küçük e-ticaret şirketlerinin çoğuna hizmet edebilir. Kendiniz de ayarlayabilirsiniz, ancak en azından size bir olasılık verir.
3. Portföy optimizasyonu
Son olarak söylediklerimden bahsedeceğim Son zamanlarda riskleri önlemek için bazı yatırım portföylerini de inceledim.
Modern yatırım sınırı teorisi olarak adlandırılan bir markowitz'in olduğu birçok durum vardır.Bu markowitz, Stanford'da da bir süre çalıştı ve portföy problemini ikinci nesil bir programlama olarak yazdı.Nesnel fonksiyonu doğrusal bir fonksiyon veya ikinci dereceden bir fonksiyon değildir. Kısıtlamalar da doğrusaldır. Bu sorunun nasıl çözüleceği en hızlı çözümdür.
Şu anda birçok sorunumuz var, öyleyse neden bu modelin ikinci dereceden bir işlevi var? Herkes istatistikte ikinci dereceden X karesinin genellikle değişikliğinizi açıkladığını bilir, genellikle çok fazla dalgalanmaya ihtiyacımız yoktur.Bu basit ikinci dereceden fonksiyondur. Aslında çözmemiz gereken şey ikinci dereceden programlamadır. , Barra, axioma, ITG, mosek, mosek vb.
O zaman ticaret sürecinde, algoritmanız ve çözücünüz diğerlerinden daha hızlıdır.Kişisel olarak yüksek frekanslı ticaretin rekabetinin aynı zamanda algoritma hızının rekabeti olduğunu düşünüyorum. Çin'de böyle bir modelin kullanıldığını ve kendi başıma çözmem 10 saniye sürdüğünü biliyorum. 10 saniyeden 0.04 saniyeye kadar, algoritmanın bir modeli var.
FICO aynı zamanda bir ikincil planlama problemidir.Birçok büyük veri şirketi optimizasyona gittikçe daha fazla önem veriyor. Şahsen, Amerika Birleşik Devletleri'ndeki en eski büyük veri şirketinin FICO üreten bir şirket olduğunu düşünüyorum. Çin'de buna kredi notu deniyor. Bu kişinin güvenilirliğine bir puan vermek için tüm bilgileri toplayın. 1982'de bankada para açmak için bir ev kiralamak için Amerika Birleşik Devletleri'ne gittim. İnsanların FICO'ya ihtiyacı vardı. Çin'den gelmediğimi söyledim. Amerika Birleşik Devletleri'nde bir ev kiralamak istiyorsam önce buna bakmalıyım FICO, bu puanı puanla.
Bu şirket daha sonra iyi bir iş çıkardı. Herkes FICO'sunu bu hizmeti sağlamak için kullandı, buna internette krediyi kontrol etmek ve bunun için ödeme yapmak dahil Bu, Amerika Birleşik Devletleri'nde çok erken bir büyük veri şirketidir. Herkesin de bir puanı vardır. Bahsettiğim İngiliz optimizasyon şirketi bu FICO şirketi tarafından satın alındı, büyük veri işlemede optimize edilmesi ve yeteneklerinin güçlendirilmesi gerekiyor.
Ben şahsen bu konuda daha önce bahsetmiştim ve Shantou dahil American Express ile çok şey yaptık.Kredi kartıyla bir şey harcarsanız, bir şey harcarsanız, bir öncekini geri ödeyin, yapacak bir şeyiniz yok. Faiz ödemeniz gerekmiyorsa, insanlara her zaman American Express'in yasal bir tefecilik şirketi olduğunu söylerim.
Bazı yerli tefeciler daha acımasız olabilir. Ama görece yasal ve faiz oranı gerçekten de görece yüksek. Öyleyse kaynakları nelerdir ve temel teknolojisi riskleri önlemek içindir. Umarım tüketirsiniz ama umarım parayı geri ödemezsiniz ve umarım çok çabuk geri ödemezsiniz, ama asla geri ödemenizi istemiyorum.
O zamanlar, American Express'te onun için çalışırken, bunu özel bir ekip yaptı. Aynı zamanda bir büyük veri firmasıdır, özellikle bazı kişisel verilerde internet olmadığında, kredi kartı işlem kayıtlarından daha fazla veri bulunur ve bu veriler kimlik tespiti için kullanılır. Belirli öğelerden emin değilim.
Birincisi, borçlarını tahsil etmenin bir yolunu bulmasına yardım ettik. American Express kredi kartı parayı arka arkaya üç ay boyunca ödeyemezse, parayı geri ödemezlerse insanlar bir katili kiralayamazlar. Bu nedenle, oyun ve psikoloji gibi makul yöntemler kullanmaları gerekir. , Çok karmaşık bir süreç. Bu yüzden bazıları borç tahsilat şirketleriyle güçlerini birleştirdi.
Birçoğu algoritmalara dayalıdır.Yerel şirketler tarafından geliştirilen AI çok popüler ve eğilim çok sıkı. Bazı konularda, araştırma ve geliştirme yapmak için Çin özelliklerini birleştiriyor. Kişisel olarak, AI devrimi sırasında Çin sisteminin bu avantajını gördüm.
Neden? Yani kültürün avantajları ... Nasıl ifade etmeliyim? Yapay zeka konusunu aştınız.Dürüst olmak gerekirse derin öğrenmenin pek çok teorik temeli var.Derin öğrenme süreci biraz Çin tıbbımıza benziyor.Sorun varsa çok etkilidir. , Ama gerçekten doğruyu söyleyemem. Bazen% 100 doğru değildir, ancak doğruluk çok iyidir. Bir kanser hastası birkaç doz ilaç almış. Nasıl açıklayabilirim, açıklayamam, bu yüzden kendimi özel hissediyorum Bu kültür Çin'e uygundur, nedeni ne olursa olsun ve sadece etkisi, Batı bu alanda daha muhafazakar.
Bu yüzden Çin'in verileri açmakta nispeten özgür olduğunu söylüyorum Amerika Birleşik Devletleri gibi büyük şirketler size asla veri vermeyecek, bu yüzden yapay zeka için pek çok gelecek açtığını düşünüyorum.
Ancak Çin'in geliştirme sürecinde algoritmaların gücü ihmal edilmiştir.Genellikle problemi kökünden alırlar.Bazı referans materyalleri buldular ve denemek için açık kaynak yazılımda bir algoritma buldular.Çok çaba gerektiriyor ve gerçekten sabırlı olmak gerekiyor. Yalnız kalabilirsiniz, ancak başkalarının açık kaynaklı yazılımlarını kullanmak istiyorsanız, kaynak kodunu vermezseniz her zaman burun tarafından yönlendirileceksiniz. Gerçekten doğrusal planlamaya veya diğer operasyonel planlamaya ihtiyaçları olduğunu biliyorum. Ancak bir başkasının evini satın almak istiyorsanız, güvenlik nedeniyle bu iyi değildir.
Örneğin, CPLEX, mosek ve şimdi, Teacher Lan ve Shanshu Technology dahil olmak üzere Finans ve Ekonomi Üniversitesi de dahil olmak üzere bazı üniversiteler sadece pratik uygulamalar yapmakla kalmıyor, aynı zamanda kendi algoritma geliştirmelerini de geliştiriyorlar, böylece daha fazla çekirdek teknolojiye sahipler. Gerçekten bir danışmanlık şirketi yerine bir teknoloji şirketi haline gelin.
Yani çok para yatırırsanız, yalnızlığa katlanmanız ve temel teknolojiye sahip olmanız gerekir.
Gelecekte yapay zeka, derin öğrenme ve makine öğreniminin çok fazla destek sağladığını düşünüyorum ve modelin ölçeği de hızla büyüyor, çünkü süper büyük ölçekli optimizasyon algoritmaları gerekiyor. Daha önce, tüm doğrusal çözümleri çözmek için evrensel bir algoritma bulacağımı düşünmüştüm Planlama hızlı bir şekilde çözülmeli, ancak daha sonra AI insanların düşüncelerini izledim, o değil, çok özelleştirilmiş.
Belirli bir yöntem türü için hangi yöntemi kullanabilirsem, birleşik bir algoritma veya kategori yöntemi peşinde koşmak yerine bu yöntemi kullanıyorum. Aksine, daha özelleştirilmiş ve günahlaştırma açısından daha pragmatiktir. Mutlaka teorik mükemmelliğin peşinde koşmak değil, birleşik bir algoritma var, bu noktada yapay zekanın bu işimizi büyük ölçüde desteklediğini düşünüyorum.Hangi problem için ne tür bir algoritmaya ihtiyaç var ve bir öğrenme sürecine ihtiyacı var.
Başka bir sorun daha var: Eskiden dışbükey planlamaya daha çok dikkat ederdik.Çok sayıda sorun dışbükey olmayan planlamadır. Kümeleme, yazılım ve donanımın birleşimi, paralel bilgi işlem elde etmek için GPU'nun nasıl kullanılacağı, akıllı tedarik zinciri, akıllı finans, sağlık yönetimi ve diğer alanlardaki uygulamalar dahil, ülkemizin kayıt sistemi hakkında daha iyi bir yaklaşım benimseyip benimseyemeyeceğimiz hakkında birçok sorum var , Bu herkes için iyidir. Ameliyathanede sıralama diyoruz.
Genel olarak, optimizasyonla da uğraştığım için yöneylem araştırması yapıyorum. 1982'den günümüze, hayatımın çoğunda akademik araştırmaların iniş çıkışlarını gördüm. Teoriye daha çok dikkat ediyordum. Bazı şeyleri kanıtlamak için birçok soru yazılıyor ve küçük başarılarım var. , Ama insanlar yaşlandıklarında, iş çıkarlarını korurlar. En iyi çıkarların hala sıradan insanların yaşamları üzerinde bir miktar etkisi olduğunu düşünüyorum. Bu teorik kanıtların sonuçlarının ne olduğunu kimse bilmiyor.
Dikkatlice düşünüyorum, ponyplus kullananlar, kanıtlamazsanız bu yöntemi yine de kullanabileceğimi kanıtlarsınız.Bu, belli bir yaşa geldiklerinde, bu gençleri sadece belirli akademik başarılara sahip olmaları için değil, akademik başarılarını da dönüştürmeleri için cesaretlendirmeye çalışırlar. Teknolojinin insanların temel yaşamı üzerinde etkisi olması ameliyathanenin özüdür.
YA DA yeryüzüne inen bir bilim, topraklanmış bir bilim, bulutlara nasıl topraklanabilir ve deneylerimizden sonra sis korkutucu ve Shan Shu, bu gençlerin hepsi Stanford'dan dönen öğrenciler, derin öğrenme ve makineler gibi. Öğrenmenin JD.com üzerinde bir etkisi vardır.
Bu yüzden, umarım herkes Çin şirketlerini görece kaba bir formdan, kararlar almak için büyük veriye ve uluslararası teknolojiye dayanan bir ortama doğru genişlemeye zorlamada bize destek olur.
Bu makale Lieyun.com'dandır. Yeniden basıldıysa, lütfen kaynağı belirtin:
