博客

在包装集装箱时，每一平方英寸的空白空间都是一笔钱的损失——无论是对你还是对你的公司。在仓储和物流中，为了减少集装箱的数量，在一个集装箱中装满物品，物品之间的距离越紧越好，这是一件大事。决策实验室自己确定了哪些技术可以帮助我们更快更有效地打包。阅读以了解更多关于该项目及其结果的信息。

在许多情况下，需要将训练有素的机器学习(ML)模型合并到仿真模型中。现在，由于一个新的AnyLogic库，使用ONNX ML模型更容易和更有效。

通过将此附加库集成到AnyLogic环境中，您的模型可以访问其功能，就像使用任何其他内置库一样。这只是向模型添加helper对象并对其进行配置的问题。继续往下读，了解更多。

自动化系统已经达到了极限，希望进一步增强业务流程的公司正在转向机器学习(ML)等人工智能(AI)技术。在AnyLogic研讨会上，微软自主系统首席项目经理Kence Anderson探索了机器学习的高级决策可能性，并展示了微软的机器教学概念如何实现更快的训练时间。

这个易于访问的研讨会通过微软和DeepMind研究的例子，以及说明性的空手道小子类比，对人工智能的艺术状态进行了高层次的概述。

Pathmind是一个平台，允许AnyLogic用户将强化学习集成到AnyLogic模拟中。本次网络研讨会演示了如何在AnyLogic模型中设置Pathmind强化学习，并在Pathmind web应用程序中训练AI策略。我们还分享了两个示例模型，展示了强化学习如何胜过基线启发式和其他优化工具。

了解更多信息，查看网络研讨会记录，并从示例模型中学习。

AnyLogic 8.7.4中的一个新实验链接到Pathmind的强化学习(RL)平台，帮助仿真建模师和人工智能从业者利用仿真和AI之间的协同作用。对于大规模和复杂的系统，使用Pathmind RL平台的解决方案优于完善的启发式方法。

这篇文章重点介绍了来自Engineering Group的两个使用Pathmind RL平台的工业案例研究，并介绍了集成的AnyLogic Pathmind实验。

埃森哲与总部位于旧金山的人工智能公司Pathmind合作，调查模拟中新的强化学习(RL)机会的潜力。

结果非常好。该方法产生的等待时间比最近代理启发式缩短了4倍以上。

在这篇博客文章中，Agustin Albinati总结了模型，介绍了定义神经网络时的三个关键考虑因素，并介绍了他的团队的调查结果。链接在博客文章的最后是一步一步的如何使用Pathmind。继续读下去!

随着COVID-19疫苗的问世，许多挑战需要解决。尤其是要保证充足的供给和有效的分配。

在我们2021年3月的网络研讨会上，加拿大约克大学的客座主持人Ali Asgary博士深入介绍了驾车式大规模COVID-19疫苗接种模拟的开发和使用。他提供了其机器学习模型和在线应用程序的细节，包括公共当局如何在疫苗接种推广中使用结果。以下是网络研讨会的详细信息、录音和问答。

仿真与人工智能(AI)的交集是AnyLogic在2020年冬季仿真大会上举办的人工智能研讨会的主题。这种交叉使技术本身受益，并为企业提供新的见解和决策支持。

阅读摘要，观看研讨会录音，了解更多关于模拟和AI结合所涉及的技术和概念。

在本文中，我们将介绍预测分析的广泛领域，它与机器学习的联系，以及模拟如何作为预测分析技术工作。

为什么要使用预测分析?好问题。预测分析是基于历史数据进行预测。从业者用统计算法和机器学习技术分析过去的事件，以产生未来系统的概率和预测。几乎每个人都可能受到预测分析的影响，并从中受益。了解更多…

以下是我们的网络研讨会记录和相关资源，介绍了一起使用Project Bonsai和AnyLogic模拟的关键概念和工作流程。

在此次网络研讨会上，AnyLogic和微软联手将深度强化学习和机器教学引入商业应用。观看视频并尝试示例模型。