선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- MLCLSP 의최적해를 구하기 위해 분지한계법 (brach-and-bound)과 같은 최적해 알고리즘을 사용하는 것은 현실성이 없으므로 본 연구에서는 근접 최적해를 찾는 알고리즘을 개발하는 것을 목표로 한다. 본 논문은 메타휴리스틱 기법인 타부탐색(tabu search) 알고리즘을 사용한다.
- MLCLSP는 MIP문제에해당하므로 최적해를 효율적으로 구하는 알고리즘이 존재하지 않는다. 따라서 본 논문에서는 휴리스틱과 최적화 패키지인 LINGO를 이용해 서로 반복적인 방식으로 해를 풀어나가는 혼성적인 성격의 임의 재시작 타부탐색 알고리즘을 제안하였다. 제안한 알고리즘을 다양한 시나리오의 실험을 통해 성능을 평가하였고 LINGO보다 매우 짧은 시간 내에 훨씬 좋은 해를 찾아 내는 것을 보였고 현실적 인 문제에의 적용가능성을 입증하였다.
- 그들의 논문이 다루었던 문제는 위의 Florian 등이 증명하였던 문제보다 훨씬 복잡성이 크다. 따라서 이 문제의 최적해를 구하는 효율적인 알고리즘은 아직 존재하지 않으므로, 본 논문은 근접 최적해를 얻기 위한 방편으로 혼성 탐색 휴리스틱 알고리즘을 개발하였다.
- 각 중간/최종 제품은 재고로 보관되는 동안 유지비용을 발생시키며, 구매생산 주문이 발주됨과 동시에 셋업비용을발생시 킨다. 목적함수는 전체 셋업과 재고유지비용을 최소화하는 것이다. 식 (2)는 계획 시평 동안 각 제조시설에 존재하는 재고 균형에 대한 제약이다.
- 본 논문이 사용하는 모델은 자원 제약하의 다단계다품목 로트 사이즈 결정 문제, 즉MLCLSP이다. 본 논문에서 다루는MLCLSP는 계획 수립기간동안수요와 자재명세서(BOM)가주어졌을때 재고 유지비용과주문 비용의 합을최소화하기 위해 지역적으로 분산된 제조시설들에 대한 생산계획을찾아내는것이다. 이때 최종제품에 대한BOM에서 구성 부품들 역시 지 역적으로 분산된 제조시설들에서 각각 생산될 수 있다.
- 본 논문에서는 공급사슬망에서 자원제약을 갖는 다단계다품목 로트사이즈 결정 문제, MLCLSP를 풀기 위한 휴리스틱 탐색알고리즘을 제안하였다. MLCLSP는 MIP문제에해당하므로 최적해를 효율적으로 구하는 알고리즘이 존재하지 않는다.
- 방법론에 주안점을 둔다. 본 연구의 목적은 공급사슬망에서 MLCLSP(Multi-Level, multi-item Capacitated Lot Sizing Problem) 문제의 해를 효율적으로 구하기 위해 MIP문제에서 변형된 LP문제를푸는LINGO 툴과휴리스틱탐색 알고리즘간의 협력적으로 작용하는 혼성 알고리즘을제시하고 제안한 방법론의 성능을 입증하는 것이다.
- 본논문은 공급사슬망에서 제조시설 간생산계획을 위한의사결정 방법론에 주안점을 둔다. 본 연구의 목적은 공급사슬망에서 MLCLSP(Multi-Level, multi-item Capacitated Lot Sizing Problem) 문제의 해를 효율적으로 구하기 위해 MIP문제에서 변형된 LP문제를푸는LINGO 툴과휴리스틱탐색 알고리즘간의 협력적으로 작용하는 혼성 알고리즘을제시하고 제안한 방법론의 성능을 입증하는 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.