Pathmind AIは、従来のソルバーやオプティマイザーを超越したパフォーマンス提供

AnyLogicは、Pathmindと協力して、AIエージェントを簡単にトレーニングし、より良い意思決定を行える環境を提供します。AIエージェントは、複雑なツールやインフラストラクチャを維持する必要なしに、単純なWebアプリケーションを使用して迅速にトレーニングします。Pathmindは、最新の深層強化学習手法と使い慣れたツールを組み合わせることで、AnyLogicシミュレーションをAIに適応させ、実験し、Pathmindポリシーを使用して意思決定を行うことを容易にします。Pathmindは、結果を改善する戦略をすばやく簡単に見つけるのに役立ちます。


深層強化学習は、AIエージェントがシミュレーションなどの複雑な環境を探索できるようにする人工知能の一種です。試行錯誤を通じて、エージェントは最良の結果につながるアクションと最適な解を発見します。AIエージェントをガイドするために、AIの専門家とシミュレーションモデラーは、彼らの望む結果が何であるかを定義します。

シミュレーションモデラーのベースラインソリューションとして機能する従来のソルバーやオプティマイザーは、多くのエージェントとデータの変動性があるモデルでは十分に効果を発揮でない場合があります。データが予期せずシフトした場合(たとえば、需要のショックや新しい機器の導入など)、ソルバーまたはオプティマイザーを再計算または書き換えるのに時間が必要です。

深層強化学習は、非常に変動性の高いデータを処理し、リアルタイムで意思決定を行うことができるため、長時間の再計算や書き換えが不要になります。また、一度に多くのエージェントのアクションを調整できるため、シミュレーションモデラーはまったく新しいタイプの問題を最適化できます。

Pathmindは、シミュレーションモデラー、産業エンジニア、オペレーションズリサーチャーがAIエージェントをトレーニングして目標をすばやく達成できるようサポートします。PathmindのシンプルなWebアプリケーションを使用すると、強力な深層強化学習手法とクラウド計算に簡単にアクセスできます。これらの手法は、ベースラインソルバーまたはオプティマイザーソリューションにまさり、ビジネスにとって価値のある新しい運用戦略を発見することができます。

Pathmind Helperは、わずか数ステップでAnyLogicモデルにAIを追加します

Pathmindを使用すると、AIを簡単に追加して、シミュレーションモデルの結果を補強できます。Pathmind Helperを使用すると、追跡する変数をすばやく監視および検証できます。これは、AIエージェントが直面する選択肢や、環境から受け取る観測など、AnyLogicモデル内からRLトレーニングの大部分を設定するのに役立ちます。また、AnyLogicモデルをPathmindウェブアプリケーションに簡単にアップロードして、AIエージェントをトレーニングすることができます。

AnyLogic's Reinforcement Learning Experiment内の [Export to Pathmind] をクリックして、AnyLogic ProfessionalまたはPLEからPathmindウェブアプリケーションにモデルをエクスポートするだけです。これにより、さまざまな報酬関数、観測変数、およびその他のパラメーターを使用して実験を実行できます。AIエージェントのトレーニングに成功し、Pathmindを使用すると、そのエージェントをAnyLogicに配置したり、運用に組み込んだりして、その決定の結果を簡単に確認できます。


PATHMIND HELPERに移動する

Pathmind入門

単純な確率モデルを使用したPathmindの概要。モデルでは、ステートチャートはStartIntermediate状態および最終目標を特徴としています。エージェントは、目標に到達する前に、 Intermediate状態で指定された時間待機することを学習する必要があります。


始める
Pathmindデモ: 製品配送

モデルの例


以下のAnyLogicサンプルモデルは、Pathmind Helperを使用してAI用に拡張されており、強化学習の意思決定力を実証するためのトレーニング済みAIエージェントが含まれています。これらのモデルとそのドキュメントは、リンクをクリックして入手できます。


  • 01

    製品の配送

    製品配送モデル
    製造業者と配送業者はヨーロッパの地域全体に広がっています。モデルは、待機時間と移動距離を最小限に抑えるために、どのメーカーがどの配送業者に配送するかを決定します。モデルでの考慮事項は、注文を満たすための在庫がない場合、最寄りのメーカーが最良の選択ではない場合があるということです。

  • 02

    倉庫ルーティング

    倉庫ルーティングモデル
    2つの工場が、2つの倉庫のうちの1つに配送できる商品を生産しています。可能な各配送ルートに沿ったブロックと遅延は、収益性と効率に影響を与えます。このモデルは、利益を最大化するためにどの倉庫が配達を受けるべきかを判断するのに役立つように設定されています。

  • 03

    サプライチェーンの最適化

    サプライチェーン最適化モデル
    単純なサプライチェーンは、小売業者、卸売業者、および工場で構成されています。ある場所に保管する在庫が少なすぎると、顧客の待ち時間が長くなります。在庫が多すぎると、保有コストにより利益が減少します。このサプライチェーンモデルは、各場所で最適な在庫レベルを決定し、顧客の満足と高利益のバランスを保ちます。