基于机器学习的拖车管理仿真优化

原文题目：Machine Learning based Simulation Optimisation for Trailer Management

摘要：在许多情况下，模拟模型被开发来处理复杂的现实世界中的业务优化问题.例如，一个离散事件仿真模型被用来模拟大型快速消费品公司的拖车管理过程。为了解决在该模拟器中寻找合适的输入以优化机群配置的问题，本文提出了一种仿真优化方法。仿真优化模型将元启发式搜索(遗传算法)与近似模型滤波器(前馈神经网络)相结合，优化仿真模型的参数配置。我们引入了一种通过近似模型排除潜在解的排除的保证概率，并证明了它的有效性。此外，我们还评估了优化模型的参数对其有效性的影响，并指出种群大小、滤波阈值和变异概率等参数对总体优化性能有显著影响。此外，我们还将所提出的方法与单全局近似模型方法和基于随机的方法进行了比较。结果表明，该方法在计算时间和求解质量上都是有效的。

原文地址：https://arxiv.org/abs/1907.07568

作者：Dylan Rijnen, Jason Rhuggenaath, Paulo R. de O. da Costa, Yingqian Zhang