博客

AnyLogic更新AnyLogic 8.5版本发布的那一天，我非常兴奋。除了对多层模型的支持及对物料搬运库的改进，我发现还增加了一个3D自行车对象。这让我想起了之前我上传到RunTheModel的一个自行车模型，而这又反过来让我开始思考使用流程建模库创建一个类似的模型。是否有可能创建一个似乎完全使用基于智能体（AB）建模方式的离散事件（DE）模型？

在2017年，我们对外发布了AnyLogic云。它现在是最大的仿真模型公共在线平台，有超过10000人正在使用它。

任何人都可以使用AnyLogic云的公有版本运行他们的模型和实验，模型和实验结果可以在线共享并通过浏览器运行。云平台借助云计算的优势：通过这种方式，复杂的实验比在普通计算机上执行的速度更快，并且动画质量尽可能最小限度地依赖设备的性能。

AnyLogic云版本2.2.x版本为使用仿真建模的组织提供了一个集成的环境，用于模型管理和执行。这些版本中的新特性升级了仿真的可访问性、安全性和性能。

这篇博文将探讨AnyLogic云是如何管理仿真模型的，并重点介绍截至当前2.2.2版本的各种新特性。

蒙特卡罗实验是在处理不确定性时获得精确估计的一种方法。它使用随机性来获得有意义的信息，并有效地计算业务风险和预测失败，如成本或调度超支。

AnyLogic可以对高度复杂的系统进行蒙特卡罗仿真。通过多方法建模，仿真系统可以是复杂的、动态的、非线性的。这些仿真模型的结果可以来自并行处理和云计算，并可以通过多种方式提供，包括通过API和自定义UI。

在之前的博客中，我们介绍了AnyLogic Cloud JavaScript API，现在我们将介绍AnyLogic Cloud Python API。

在GitHub上，Python的受欢迎程度仅次于JavaScript，是世界上第二大受欢迎的语言。它是一种用于强化学习、数据处理和数据展示的流行语言。对于AnyLogic, Pypeline连接库允许您从运行的AnyLogic仿真模型中调用Python——查看我们的Pypeline 网络研讨会视频中了解更多信息。在本博客中，我们将重点介绍AnyLogic Cloud Python API。

ITC Infotech致力于优化复杂资产密集型行业的库存管理。通过结合仿真、机器学习和优化，展示了针对可循环/可修复备件的有效资产管理和库存优化，从而平衡服务水平和库存成本。

消耗品在其使用寿命结束时被处理或回收，与它们在失效前的运行时间长短有关。这个时间通常被量化为故障前的平均时间- MTBF。对于可修复零件，还需要考虑修复时间，这取决于缺陷类型、工作中心可用性和维修部分可用性。

我们发布了AnyLogic 8.7——最受欢迎的商业仿真工具的新版本。您可以从我们的网站上下载新版本 。 在这个版本中，我们扩展了专业库的功能、改进了动画，并引入了对人工智能模型实验的支持。

现在就开始使用AnyLogic 8.7版本，下载并尝试新功能！

2020年10月12日，在MaxRad软件在线用户体验大会上，与AnyLogic8.7和AnyLogic云开发一起预览了AnyLogic9即将推出的特性和功能。

AnyLogic 9将是一个重要的更新，会议期间，AnyLogic公司CEO Andrei Borshchev、首席软件工程师Nikolai Churkov和AnyLogic云开发主管Alexander Rakulenko透露了许多新的细节。

以下是演示录像和后续问答环节。

AnyLogic 8.6更新的关键部分与物料处理库有关。现在，诸如AGV之类的运输工具的移动可以受到区域的限制，并且可以有条件地允许进入：通过运输车数量，计划，吞吐量等等。对于制造和仓库设置，可以以多种方式应用此功能，包括对门进行建模，限制操作机械（例如起重机）时的限制，以及避免在装货区域或交叉路口造成拥挤。

如何使用AnyLogic和微软 Project Bonsai将深度强化学习应用到实际业务中。

这次网络研讨会遵循AnyLogic与微软的合作，将深度强化学习和机器教学应用到商业应用中。微软Project Bonsai团队的项目经理David Coe和AnyLogic人工智能项目负责人Arash Mahdavi演示了使用仿真训练人工智能以及在仿真中实现AI控制的端到端工作流。