基于超图神经网络的供应链韧性推断
机器学习
2025-12-05 v2 人工智能
摘要
供应链是全球经济稳定性的关键组成部分，但冲击可迅速通过相互关联的网络传播，导致重大的经济影响。准确及时推断供应链韧性——即在冲击期间维持核心功能的能力——对于主动风险缓解和健壮网络设计至关重要。然而，现有方法缺乏有效机制，无法在缺乏明确系统动力学的情况下推断供应链韧性，且难以代表供应链网络中固有的高阶、多实体依赖关系。这些局限性促使我们定义了新问题并开发了针对性的建模解决方案。为解决这些挑战，我们正式定义了一个新问题：供应链韧性推断（SCRI），即在缺乏明确动力学方程的情况下，使用超图拓扑结构和观察到的库存轨迹预测供应链韧性。为解决此问题，我们提出了供应链韧性推断超图网络（SC-RIHN），一种新型基于超图的模型，利用基于集合的编码和超图消息传递来捕获多方企业-产品互动。全面实验表明，SC-RIHN 在合成基准测试中显著优于传统的 MLP、主流图神经网络变体以及 ResInf 基线，凸显了其在复杂供应链系统中实现实际、早期预警风险评估的潜力。
引用
@article{arxiv.2511.06208,
title = {Resilience Inference for Supply Chains with Hypergraph Neural Network},
author = {Zetian Shen and Hongjun Wang and Jiyuan Chen and Xuan Song},
journal= {arXiv preprint arXiv:2511.06208},
year = {2025}
}