Обоснование эффективности применения генеративного искусственного интеллекта для оптимизации логистических процессов на базе метода Ньютона

Abstract

Рассматриваются перспективы применения нейронных сетей для оптимизации различных параметров логистических систем на базе метода Ньютона. Выделены ключевые преимущества и недостатки рассматриваемого метода, которые требуют внедрения новых цифровых решений для повышения общей эффективности. В качестве одного из возможных направлений оптимизации предлагается использовать языковую генеративную модель нейронной сети, которая обучена на матрицах различных порядков. Разработанная модель на базе генеративного искусственного интеллекта существенно сокращает время вычисления обратной матрицы Гессе, что позволяет повысить эффективность оптимизации логистических процессов. Предложенная модель апробирована на результатах сравнения временных затрат на вычисление обратной матрицы Гессе с использованием табличного процессора и нейронной сети. Эмпирические данные позволяют сделать вывод, что частный случай применения нейронной сети может существенно сократить время необходимых вычислений.