利用图神经网络优化供应链网络
机器学习
2025-01-14 v1 综合经济学
经济学
摘要
图神经网络（GNN）已成为建模复杂关系数据的变革性工具，在预测和优化等任务中提供了前所未有的能力。本研究使用SupplyGraph数据集（一个用于基于图的供应链分析的基准）调查了GNN在供应链网络需求预测中的应用。通过利用先进的GNN方法，我们提高了预测模型的准确性，揭示了潜在依赖关系，并解决了供应链运营中固有的时间复杂性。比较分析表明，基于GNN的模型显著优于传统方法，包括多层感知器（MLP）和图卷积网络（GCN），特别是在单节点需求预测任务中。图表示学习与时间数据的整合凸显了GNN在库存管理、生产调度和物流优化方面革新预测能力的潜力。这项工作强调了预测在供应链管理中的关键作用，并为推进该领域的研究和应用提供了一个稳健的框架。
引用
@article{arxiv.2501.06221,
title = {Optimizing Supply Chain Networks with the Power of Graph Neural Networks},
author = {Chi-Sheng Chen and Ying-Jung Chen},
journal= {arXiv preprint arXiv:2501.06221},
year = {2025}
}