Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://er.nau.edu.ua/handle/NAU/61773
Название: Використання динамічного програмування та технології паралельної обробки інформації для вирішення завдання управління запасами у сфері логістики
Другие названия: Using dynamic programming and parallel information processing technology to solve the problem of inventory management in the field of logistics
Авторы: Федоров, Євген Євгенович
Fedorov, Yevhen
Нечипоренк, Ольга Володимирівна
Nechyporenko, Olga
Нескородєва, Тетаня Василівна
Neskorodieva, Tetiana
Лещенко, Марина Миколаївна
Leshchenk, Marina
Ключевые слова: запаси
товар
буфер
програмування
управління
технології
inventory
goods
buffer
programming
management
technology
Дата публикации: 27-окт-2023
Издательство: Національний авіаційний університет
Библиографическое описание: Федоров Є.Є., Нечипоренко О.В., Нескородєва Т.В., Лещенко М.М. Використання динамічного програмування та технології паралельної обробки інформації для вирішення завдання управління запасами у сфері логістики // Проблеми підготовки професійних кадрів з логістики в умовах глобального конкурентного середовища: Збірник доповідей ХХІ Міжнародної науково практичної конференції. - Національний авіаційний університет. - Київ, 2023. С.463-467
Краткий осмотр (реферат): Дослідження розглядає інтелектуалізацію технології ощадливого виробництва та технології Теорії обмежень; задачі мінімізації витрат, пов'язаних з перевиробництвом та надлишковими запасами, шляхом створення методів оптимізації на основі динамічного програмування та технології паралельної обробки інформації
The study examines the intellectualization of lean production technology and Theory of Constraints technology; problems of minimizing costs associated with overproduction and excess stocks by creating optimization methods based on dynamic programming and parallel information processing technology
Описание: 1. Goldberg D.A., Katz-Rogozhnikov D.A., Lu Y., Sharma M., Squillante M.S. Asymptotic optimality of constant-order policies for lost sales inventory models with large lead times. Mathematics of Operations Research. 2016. Vol. 41(3). P. 745– 1160. 2. Bertsekas D.P. Reinforcement learning and optimal control. Belmont, MA: Athena Scientific, 2019. 3. François-Lavet V., Henderson P., Islam R., Bellemare M.G., Pineau J. An introduction to deep reinforcement learning. Foundations and Trends in Machine Learning. 2018. Vol. 11(3-4). P. 219–354. 4. Hessel M., Modayil J., Van Hasselt H., Schaul T., Ostrovski G., Dabney W., et al. Rainbow: Combining improvements in deep reinforcement learning. In Proceedings of the 32nd AAAI conference on artificial intelligence. 2018. P. 3215– 3222). 5. Mnih V., Kavukcuoglu K., Silver D., Rusu A.A., Veness J., Bellemare M.G. Human-level control through deep reinforcement learning. Nature. 2015. Vol. 518 (7540). P. 529–533
URI (Унифицированный идентификатор ресурса): https://er.nau.edu.ua/handle/NAU/61773
Располагается в коллекциях:Матеріали конференцій кафедри логістики

Файлы этого ресурса:
Файл Описание РазмерФормат 
103.Фед., Неч.,Неск. ,Лещ.pdfТези149.4 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.