璀璨资讯网
首页 >> 互联网 >> 正文

微软亚洲研究院表示,MARO,技术创建自己的资源调度优化模型

日期:2020-12-01 23:30:13 来源:互联网 编辑:小狐 阅读人数:257

环球网科技综合报道过去三年,在与微软亚洲研究院“创新汇”成员企业探讨 AI 如何在各行业落地的过程中,微软亚洲研究院的研究员们发现,资源调度优化是很多领域都存在的通用问题,这也是为什么经久不衰的“运筹学”广泛应用于各行各业的原因。基于三年来与成员企业的合作研究,微软亚洲研究院近日发布了多智能体资源优化平台“群策 MARO”并将其开源。

微软亚洲研究院表示,MARO,技术创建自己的资源调度优化模型(图1)

记者了解到,微软亚洲研究院的研究员们将资源调度优化这个场景高度抽象,搭建出了一个可以让 AI 技术更好赋能这一场景的、通用的技术平台 MARO。具体而言,MARO是一个面向多行业横截面上的全链条资源优化 AI 解决方案,对于 MARO 已经涵盖的场景,用户只需合规的数据,MARO 就可以构建仿真环境并支持分布式并行训练,进而给出最终的解决方案;而对于尚未支持的场景(如不同的资源实体,不同的资源产生和消耗逻辑等)MARO 则可以在限定的成本下帮助构建可行的方案。

据微软亚洲研究院介绍,MARO 适用于由资源供需不平衡导致的资源利用率低的问题,致力于更好地在不同参与者间以合理的成本提高资源利用率,为行业创造更大的利润空间,且为社会节省不必要的资源浪费。这其中,利用创新技术助力企业和组织在关键场景中高效配置资源、节能减排,也是微软可持续发展战略中的重要一环。

微软亚洲研究院表示,双11其实就是一个典型的仓储物流行业资源匹配的场景,由于大家的“爆发式”采购,几年前曾出现“爆仓”的问题,但近两年这个问题相对得到了缓解,其主要原因就是仓储物流调度水平的大幅提升。其他常见的、需要资源调度优化的场景还有共享单车中自行车与站点、人的匹配,物流运输中集装箱与港口、船只、货物的匹配,电信领域无线基站带宽与用户流量的匹配等。

从技术角度来看,智能资源调度优化可以分为三个层面:最底层是信息感知层,在这里需要通过一些智能感知技术把整个过正数字化,比如共享单车场景里的每个停车点、每辆单车,或是航运物流里的每个集装箱、船只、港口等;第二层是信息的推理层,它建立在信息感知层之上,通过预测模型刻画未来的资源供需情况,基于这些情况来设计算法去优化资源调度;最高层则是智能决策层,该层无需额外的算法模型,因为智能模型可以直接利用第一层和第二层的信息给出最终的优化方案,实现完全的、端到端的决策。目前,业界的优化应用大多处于第二层,而 MARO 在兼顾第二层需求的前提下,可助力资源优化实现第三层中的智能决策。

本文相关词条概念解析:

资源

资源县位于广西壮族自治区东北部越城岭山脉腹地,是广西的北大门,属桂林市管辖。境内有华南第一高峰猫儿山,是长江水系和珠江水系的发源地之一。资源县东西横距65.5公里,南北纵距63.4公里,总面积1961.14平方公里,是一个少数民族聚居县。属亚热带季风气候,全县平均海拔在800米以上,是典型的高寒山区。全县气候温和,四季宜人,年均气温16.7℃。被评为“全国造林绿化先进单位”、“全国扫除文盲先进县”、“全国绿化模范单位”、“全国林业公安基层建设先进单位”、“全国学雷锋先进集体”、“全国行政区域界限管理工作先进集体”、“全国村务公开民主管理示范县”、“全国婚姻登记规范化管理示范窗口单位”。

网友评论