ビアゲーム環境は、PythonをベースとしたOpenAI Gym環境で、4つの役割を持つクラシックなビアゲームのサプライチェーンをシミュレートします。エージェントは在庫レベルを観察し、注文を配置でき、需要の変動、リードタイム、コスト計算をモデル化しています。ユーザーは標準のGym APIを通じてRLエージェントのトレーニングと評価を行い、小売業者、卸売業者、ディストリビューター、およびメーカーのノードで在庫保持とバックオーダーコストの最小化を目指せます。
このツールを宣伝する
このツールを更新する
Beer Game Environment
ビアゲーム環境は、PythonをベースとしたOpenAI Gym環境で、4つの役割を持つクラシックなビアゲームのサプライチェーンをシミュレートします。エージェントは在庫レベルを観察し、注文を配置でき、需要の変動、リードタイム、コスト計算をモデル化しています。ユーザーは標準のGym APIを通じてRLエージェントのトレーニングと評価を行い、小売業者、卸売業者、ディストリビューター、およびメーカーのノードで在庫保持とバックオーダーコストの最小化を目指せます。
フィーチャー
Beer Game Environmentとは？
ビアゲーム環境は、4段階（小売業者、卸売業者、ディストリビューター、メーカー）のビールサプライチェーンを離散時間でシミュレートし、OpenAI Gymインターフェースを公開しています。エージェントは在庫、パイプライン在庫、着荷予定の注文を観測し、その後、注文量を出力します。環境は、在庫保持とバックオーダーにかかるコストを1ステップごとに計算し、Demand分布やリードタイムのカスタマイズをサポートします。Stable Baselines3などの人気RLライブラリとシームレスに連携し、研究者や教育者がサプライチェーンの最適化タスクでアルゴリズムをベンチマーク・訓練できるようにします。
誰がBeer Game Environmentを使うの？
- 強化学習研究者
- サプライチェーンやオペレーションマネジメントの専門家
- AIとデータサイエンスの教育者
- 供給チェーン最適化を学ぶ学生
Beer Game Environmentの使い方は？
- ステップ1: パッケージをpipでインストール：pip install beer-game-env
- ステップ2: 環境をインポート：from beer_game_env import BeerGameEnv
- ステップ3: 環境をインスタンス化：env = BeerGameEnv()
- ステップ4: 標準的なGymループを使用：obs = env.reset(), action = エージェント.predict(obs), obs, reward, done, info = env.step(action)
- ステップ5: どんなGym互換のRLフレームワークでもエージェントを訓練・評価
プラットフォーム
- mac
- windows
- linux
Beer Game Environmentの主な特長・利点
コア機能
- OpenAI Gym対応の環境
- 小売業者、卸売業者、ディストリビューター、メーカーの役割をシミュレート
- カスタマイズ可能な需要配布とリードタイム
- 在庫とバックオーダーの1ステップコスト計算
- RLライブラリとのシームレスな連携
利点
- 標準のGym APIに対応
- 人気のRLフレームワークへの容易な統合
- 詳細で現実的なサプライチェーンシミュレーション
- エージェント性能のベンチマークを容易に
- 研究や教育の目的に最適
Beer Game Environmentの主な使用ケース・アプリケーション
- 供給チェーン最適化のための強化学習エージェントの訓練
- 在庫管理と注文アルゴリズムのベンチマーク
- アカデミックコースでのサプライチェーンダイナミクスの教育
- 需要不確実性下での分散意思決定の研究
Beer Game EnvironmentのFAQs
Beer Game Environment会社情報
Beer Game Environment のレビュー
5/5
Beer Game Environmentの主な競合と代替品は？
- supply-chain-gym
- gym-supplychain
- SimPy supply chain simulator
あなたも好きかもしれません：
77.6K
18.77% Flowithは、無料の🍌Nano Banana Proやその他の効果的なモデルを提供するキャンバスベースのエージェント型ワークスペースです...
37.2K
68.25% OneReach AIは、インテリジェントメッセージングを通じて顧客エンゲージメントを自動化することで、相互作用を簡素化します。
594
100.00% Phoenix AI Assistantは、インテリジェントな自動化およびパーソナライズされたサポートを使用してタスクの効率化を支援します。
199.8K
10.19% AWS Bedrock上でLangChainを使用してカスタマイズ可能なAIエージェントを構築するソリューション。基盤モデルとカスタムツールを活用。
1.1M
28.27% scenario-goは、複雑なLLM駆動の会話ワークフローを定義し、プロンプト、コンテキスト、およびマルチステップAIタスクを管理するためのGo SDKです。
--
LangGraph Learnは、グラフベースのAIエージェントワークフローをデザインし実行するためのインタラクティブGUIを提供し、言語モデルチェーンを視覚化します。
--
SARLは、マルチエージェントシステムのためのイベント駆動の動作と環境シミュレーションを提供するエージェント指向のプログラミング言語とランタイムです。
--
AI Libraryは、モジュラーなチェーンとツールを使用してカスタマイズ可能なAIエージェントを構築・展開するための開発者プラットフォームです。
--
RModelは、高度な会話およびタスク駆動型アプリケーションのためにLLM、ツール統合、メモリを調整するオープンソースのAIエージェントフレームワークです。
--
LangGraph GUIのビジュアルグラフベースのオーケストレーションと言語モデルワークフローの実行のためのFastAPIバックエンドを提供します。
--
マルチエージェントシミュレーション用のフロッキングアルゴリズムを実装するPythonベースのフレームワークで、AIエージェントが動的に調整・ナビゲートできるようにします。
--
リトリーバル強化生成、ベクターデータベースのサポート、ツール統合、カスタマイズ可能なワークフローを備えた、自律型LLMエージェントを可能にするオープンソースフレームワーク。
--
Pipe Pilotは、LLM駆動のエージェントパイプラインを統合するPythonフレームワークで、複雑なマルチステップAIワークフローを容易に実現します。
--
Google Geminiの推論およびツール使用能力を活用したAIエージェント構築のための実用的なコードレシピを提供するオープンソースリポジトリ。
--
協力型マルチエージェント強化学習を実装するオープンソースフレームワークで、シミュレーションにおける自動運転の調整に使用されます。
--
ツール実行とメモリサポートを備えたLLMエージェント構築用のFletベースのインタラクティブチャットUIを備えたPythonライブラリ。
--
Agentic Workflowは、複雑な自動化タスクのためにマルチエージェントAIワークフローを設計、オーケストレーション、管理するPythonフレームワークです。
--
GitHubのデモで、SmolAgentsを紹介します。これは、ツール統合を備えた軽量なPythonフレームワークで、LLMを搭載した複数のエージェントのワークフローを調整します。
--
YAMLのような仕様を用いて、AIエージェントのワークフローを宣言的に簡単に定義・実行できるPythonフレームワーク。
245.5K
32.47% モデルコンテキストプロトコルを実装したPythonフレームワークで、カスタムツールを備えたAIエージェントサーバーの構築と実行を実現します。
--
pyafaiは、プラグイン式の記憶とツールサポートを備えた自律型AIエージェントを構築、訓練、実行するためのPythonモジュールフレームワークです。
--
LangGraphは、Python開発者がモジュール式のグラフベースのパイプラインを使用して、カスタムAIエージェントのワークフローを構築・調整できるようにします。
--
既存のOpenAI Python SDKインターフェースを通じてシームレスにAnthropic Claude API呼び出しを可能にするPythonラッパー。
--
Agent Adaptersは、LLMベースのエージェントをさまざまな外部フレームワークやツールとシームレスに統合するためのプラグイン可能なミドルウェアを提供します。
--
Java-Action-Storageは、分散型マルチエージェントアプリケーションのエージェントアクションを記録、保存、取得するLightJasonモジュールです。