초록 ▼

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

본 연구는 강화학습의 Q-Learning 알고리즘을 활용하여 벌크 항만의 하역최적화 문제를 다루며, 선석 할당 문제에 제안한 강화학습 모델을 적용하여 데이터 기반의 벌크 항만 하역 최적화 문제를 다루는 데 있어 새로운 접근법을 제시하는 것을 목표로 한다. 또한 본 논문에서 제안한 강화학습 모델은 체선료 최소화를 위한 최적 스케줄 생성을 목적으로 한다. 먼저, 벌크항의 하역 최적화 선행 연구들을 살펴보면 전통적인 수리계획 모델을 활용한 선석 할당, 적재 야드 할당 등에 관한 하역 최적화 및 ...

본 연구는 강화학습의 Q-Learning 알고리즘을 활용하여 벌크 항만의 하역최적화 문제를 다루며, 선석 할당 문제에 제안한 강화학습 모델을 적용하여 데이터 기반의 벌크 항만 하역 최적화 문제를 다루는 데 있어 새로운 접근법을 제시하는 것을 목표로 한다. 또한 본 논문에서 제안한 강화학습 모델은 체선료 최소화를 위한 최적 스케줄 생성을 목적으로 한다. 먼저, 벌크항의 하역 최적화 선행 연구들을 살펴보면 전통적인 수리계획 모델을 활용한 선석 할당, 적재 야드 할당 등에 관한 하역 최적화 및 시뮬레이션 연구가 주를 이루었다. 다음으로 체선과 관련된 연구를 살펴보면 체선에 대한 정의가 선주, 화주, 항만 당국 간의 기준이 명확하지 않고 기준이 일치하지 않기 때문에 체선에 대한 정의 및 발생 원인에 대한 연구, 체선을 최소화하기 위한 주요 이해관계자들의 관리 체계 방안 구축에 관한 연구 등이 주를 이루고 있다. 즉, 체선료 최소화를 위한 선석 할당 및 스케줄링에 관한 벌크항 하역 최적화 연구는 많이 이루어지지 않고 있다. 따라서 본 연구에서는 앞선 선행연구들과 달리 강화학습을 활용한 체선료 최소화를 목적으로 한 선석 할당 및 스케줄링 모델을 제안한다. 제안된 모델은 벌크항만의 특성인 조수 조건과 재고 제약 조건을 복합적으로 반영하며, 재고 기준에 따른 선박의 입항순위를 반영한 하역 작업 스케줄을 생성한다. 다음으로 대상 항만의 체선료 산정 기준에 따라 생성된 스케줄을 바탕으로 체선료를 산출한다. 해당 모델을 통해 산출된 체선료 결과는 기존 방법론 과 비교하여 오차 폭이 크지 않음을 알 수 있으며, 전통적인 수리계획 모델이 지니지 못한 모델의 확장성 및 유연성 측면까지 보완함으로 인해 벌크항 하역 최적화 연구에 있어 새로운 접근 방식을 제안한다.

주제어