苏黎世联邦理工学院和法兰克福学院的研究人员开发了一种人工神经网络，可以解决具有挑战性的控制问题。该自学习系统可用于供应链和生产流程的优化，以及智能电网或交通控制系统。
停电、金融网络故障和供应链中断只是复杂系统中常见的许多问题中的一部分，这些问题很难甚至不可能用现有方法控制。基于人工智能(AI)的控制系统可以帮助优化复杂的流程，也可以用于开发新的商业模式。
和法兰克福金融管理学院的卢卡斯教授Böttcher一起，ETH的研究人员Nino Antulov-Fantulin和Thomas asikiss都是计算社会科学的主席，他们已经开发了一个通用的基于人工智能的控制系统，称为AI Pontryagin，旨在引导复杂的系统和网络达到预期的目标状态。利用数值和分析方法的结合，研究人员展示了AI Pontryagin是如何自动学会以接近最优的方式控制系统的，即使AI之前没有被告知理想的解决方案。
学习公司控制系统
复杂系统中的波动能够触发级联和停电。为了避免此类事件并提高恢复力，系统专家设计了各种各样的控制机制和规则;典型的应用包括电网的电压控制或金融机构的压力测试。然而，通过人工干预来控制复杂的动态系统并不总是可能的。
在他们的论文中，研究人员展示了AI Pontryagin如何自动学习复杂动态系统的准最优控制信号。研究人员的分析奠定了重要的基础;还需要进一步的研究来确定该系统对具体的真实世界案例的适用性。目前，控制方法通常用于保护电网免受波动和停电的影响，管理流行病，以及优化供应链。
供应链有限公司控制尽可能的应用程序
为了按照预期使用AI Pontryagin, AI必须首先提供关于目标系统动态的信息。在供应链中，这可能包括可能供应商数量的详细信息，以及采购成本和周转时间。这些信息用于确定哪些领域需要动态优化。
用户还必须提供关于系统初始状态的信息，例如当前的库存水平，以及期望的(目标)状态，例如在尽量减少资源使用的同时将库存补充到特定水平的要求。
