Inventory optimization model parameter search speed-up through similarity reduction

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F21%3A10245331" target="_blank" >RIV/61989100:27740/21:10245331 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-51992-6_9" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-51992-6_9</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-51992-6_9" target="_blank" >10.1007/978-3-030-51992-6_9</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Inventory optimization model parameter search speed-up through similarity reduction

Popis výsledku v původním jazyce

This paper is concerned with finding near optimal parameters for the inventory optimization model on large dataset. It is shown that our proposed method allows for very good model parameter estimation with great reduction in computation time. Model developed in cooperation with K2 atmitec s.r.o. company has four input parameters which must be set before the run. These parameters are estimated through computationally complex simulations by hyperparameter search. Since it is impossible to make grid search of the optimal parameters for all the input time series, it is necessary to approximate the parameters settings. This approximation is done through similarity search and computation of optimal parameters on the most central objects. Additionally, parameter estimation is improved by the clustering of time series and the results are upgraded by the new estimations. (C) Springer Nature Switzerland AG 2021.

Název v anglickém jazyce

Inventory optimization model parameter search speed-up through similarity reduction

Popis výsledku anglicky

This paper is concerned with finding near optimal parameters for the inventory optimization model on large dataset. It is shown that our proposed method allows for very good model parameter estimation with great reduction in computation time. Model developed in cooperation with K2 atmitec s.r.o. company has four input parameters which must be set before the run. These parameters are estimated through computationally complex simulations by hyperparameter search. Since it is impossible to make grid search of the optimal parameters for all the input time series, it is necessary to approximate the parameters settings. This approximation is done through similarity search and computation of optimal parameters on the most central objects. Additionally, parameter estimation is improved by the clustering of time series and the results are upgraded by the new estimations. (C) Springer Nature Switzerland AG 2021.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 1221

ISBN

978-3-030-51991-9

ISSN

2194-5357

e-ISSN

2194-5365

Počet stran výsledku

13

Strana od-do

102-114

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Arad

Datum konání akce

13. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—