Использование моделей глубокого обучения для оптимизации отслеживания грузов и повышения эффективности транспортировки в логистике

Аннотация

Калит сўзлар: Логистика соҳасининг рақамли трансформацияси ақлли логистика давомида ақлли логистика алгоритмлари самарадорликни алгоритмлари, ошириш ва харажатларни камайтириш учун муҳим йўналишни технологияга айланди. Ушбу мақолада анъанавий логистика оптималлаштириш, илғор мустаҳкамлашга технологияларининг ривожланиши таҳлил қилиниб, Internet асосланган ўрганиш; of Things(IoT), катта маълумотлар таҳлили, сунъий интеллект маълумотларни таҳлил ва автоматлаштириш каби ютуқларнинг логистика қилиш, инновациясини ривожлантиришдаги асосий роллари транспорт таъкидланади. У ақлли логистика алгоритмларининг самарадорлигини ошириш. йўналишни оптималлаштириш, ақлли режалаштириш, маълумотларни қазиб олиш ва прогнозлаш, ҳамда ақлли омборни бошқариш каби соҳалардаги қўлланилишига тўхталади. Тренинг ва тест мақсадлари ўртасидаги номувофиқлик муаммосини ҳал қилиш учун мақолада DRL4Route-GAE – йўналишни оптималлаштириш учун чуқур мустаҳкамланишга асосланган ўқув тизими, шунингдек DRL4Route-GAE модели тақдим этилади. Кенг кўламли офлайн тажрибалар ва онлайн жорий этишлар моделнинг ҳақиқий маълумотлар тўпламида мавжуд оптимал мезон усулларидан сезиларли даражада устун эканлигини тасдиқлайди, масалан, жойлашувдаги четланиш квадрати ва энг яхши учта жойлашув прогнози аниқлиги каби кўрсаткичларни яхшилайди. Ушбу тадқиқот натижалари логистика соҳасининг ақлли ривожланишини қўллаб-қувватлашда муҳим асос бўлиб хизмат қилади. Использование моделей глубокого обучения для оптимизации отслеживания грузов и повышения эффективности транспортировки в логистике АННОТАЦИЯ Ключевые слова: В условиях цифровой трансформации логистической умные алгоритмы отрасли интеллектуальные алгоритмы логистики стали логистики, ключевой технологией для повышения эффективности и оптимизация маршрутов, снижения издержек. В данной статье рассматривается продвинутое обучение с подкреплением, эволюция традиционных логистических технологий, а также анализ данных, подчеркивается важная роль таких достижений, как повышение Интернет вещей (Internet of Things), аналитика больших эффективности данных, искусственный интеллект и автоматизация, в транспортировки. стимулировании инноваций в логистике. В статье исследуются области применения интеллектуальных логистических алгоритмов, включая оптимизацию 182 Жамият ва инновациялар – Общество и инновации – Society and innovations Issue – 5 № 6 (2024) / ISSN 2181-1415 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.