초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 3차원 컨테이너 적재문제를 해결하기 위해 메타휴리스틱 방법인 genetic algorithm을 적용한 연구이다. 일반적으로 다양한 직육면체 박스를 고려한 3차원 컨테이너 적재 문제는 NP-hard 문제로서 현재까지 박스 적재문제를 해결하기 위해 Bischoff와 Ratcliff(1995) 연구에서 제시한 1차원, 2차원 및 3차원 적재모형으로 구성하여 문제를 해결하거나 하나의 박스를 절단(cutting) 및 적재(packing)함으로써 주어진 문제의 최적해법을 모색한 Dyckhoff와 Finke(1992) 등의 연구가 되었다.
절단문제는 철, 유리 및 원목 등의 최대 적재를 고려하고 있지만, 적재문제는 적재지역의 용적율을 최대로 하는 것을 주요 목적으로 한다. 3차원 컨테이너 적재문제는 컨테이너내 화물적재, 팔레트 적재, 항공화물관리 및 창고관리 등의 다양한 분야에서 발생되고 있다. 그래서 기업의 경쟁력을 강화시키기 위해서는 제품의 생산에서 수송에 이르는 분야에3차원 컨테이너 적재문제 적용이 필요하다. 본 연구에서는 3차원 컨테이너 적재 문제를 해결하기 위한 제약사항들은 다음과 같다. 첫 번째는 각각의 박스들은 컨테이너 내에 적재 되어야 한다. 두 번째는 컨테이너 내에 서로 중첩되는 두 개의 박스가 존재하지 않는다. 마지막으로 각각의 박스는 컨테이너와 평행을 유지하며 다른 적재된 박스 또는 컨테이너 바닥 위에 노여 진다. 본 연구는 3차원 박스의 무 회전, x-축(2-Way) 회전 또는 3축(6-Way) 회전 제약을 추가로 고려하고 있다. 만약 1차원 형태의 박스가 존재한다면 본 문제는 단순(homogeneous) 문제가 되고, 만약 박스 종류가 적고 박스 별로 많은 박스가 존재한다면 이것은 약한 이종(heterogeneous) 문제가 된다. 반면 박스의 종류가 많아지면 이것은 강한 이종(heterogeneous) 문제가 된다.
본 연구에서 제시한 ...

본 논문은 3차원 컨테이너 적재문제를 해결하기 위해 메타휴리스틱 방법인 genetic algorithm을 적용한 연구이다. 일반적으로 다양한 직육면체 박스를 고려한 3차원 컨테이너 적재 문제는 NP-hard 문제로서 현재까지 박스 적재문제를 해결하기 위해 Bischoff와 Ratcliff(1995) 연구에서 제시한 1차원, 2차원 및 3차원 적재모형으로 구성하여 문제를 해결하거나 하나의 박스를 절단(cutting) 및 적재(packing)함으로써 주어진 문제의 최적해법을 모색한 Dyckhoff와 Finke(1992) 등의 연구가 되었다.
절단문제는 철, 유리 및 원목 등의 최대 적재를 고려하고 있지만, 적재문제는 적재지역의 용적율을 최대로 하는 것을 주요 목적으로 한다. 3차원 컨테이너 적재문제는 컨테이너내 화물적재, 팔레트 적재, 항공화물관리 및 창고관리 등의 다양한 분야에서 발생되고 있다. 그래서 기업의 경쟁력을 강화시키기 위해서는 제품의 생산에서 수송에 이르는 분야에3차원 컨테이너 적재문제 적용이 필요하다. 본 연구에서는 3차원 컨테이너 적재 문제를 해결하기 위한 제약사항들은 다음과 같다. 첫 번째는 각각의 박스들은 컨테이너 내에 적재 되어야 한다. 두 번째는 컨테이너 내에 서로 중첩되는 두 개의 박스가 존재하지 않는다. 마지막으로 각각의 박스는 컨테이너와 평행을 유지하며 다른 적재된 박스 또는 컨테이너 바닥 위에 노여 진다. 본 연구는 3차원 박스의 무 회전, x-축(2-Way) 회전 또는 3축(6-Way) 회전 제약을 추가로 고려하고 있다. 만약 1차원 형태의 박스가 존재한다면 본 문제는 단순(homogeneous) 문제가 되고, 만약 박스 종류가 적고 박스 별로 많은 박스가 존재한다면 이것은 약한 이종(heterogeneous) 문제가 된다. 반면 박스의 종류가 많아지면 이것은 강한 이종(heterogeneous) 문제가 된다.
본 연구에서 제시한 알고리즘은 약한 이종문제와 강한 이종문제 유형에 따라 최적의 해를 산정할 수 있도록 개발되었다. 본 연구는 한대의 컨테이너 내에 3차원 컨테이너 적재문제를 해결하기 위해 genetic algorithm을 사용한 Improved Deepest Bottom Left with Fill (I-DBLF) 적재 전략을 제시하고 있다. I-DBLF 적재 전략은 Karabulut와 Mustafa (2004)가 제시한 Deepest Bottom Left with Fill을 토대로 개발하였으며, I-DBLF 적재 전략을 고려한 적재문제를 해결하기 위해 java 기반의 프로그램을 개발하였다. 본 연구에서 제시한 알고리즘을 적용하기 위해 Bischoff와 Ratcliff (1995)가 개발한 데이터 생성기를 토대로 다양한 크기를 가진 박스를 만들었다. 그리고 생성된 박스정보 및 컨테이너 크기 등을 입력 값으로 사용하여 개발된 프로그램에 적용하였다. 개발된 프로그램에 적용 시 약한 이종문제와 강 이종문제를 포함한 예제를 무작위로 생성하고 각각100번씩 수행한 결과를 제시하였다.