$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

자동화 장치장의 재정돈 계획 최적화를 위한 협력적 공진화 알고리즘
A Cooperative Coevolutionary Algorithm for Optimizing Remarshaling Plan in an Automated Stacking Yard 원문보기

한국항해항만학회지 = Journal of navigation and port research, v.33 no.6 = no.142, 2009년, pp.443 - 450  

박기역 (부산대학교 컴퓨터공학과) ,  박태진 (부산대학교 컴퓨터공학과) ,  류광렬 (부산대학교 정보컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 재정돈 계획의 최적화를 위해 협력적 공진화 알고리즘을 이용하는 방법을 제안한다. 재정돈이란 컨테이너 터미널에서 적하 작업시 발생하는 지연을 줄이기 위해 선박에 적하될 컨테이너의 위치를 변경하는 작업이다. 재정돈 계획 수립을 위해서는 적하 시 작업 효율이 최대가 되고 재정돈 시간이 최소가 되도록 컨테이너가 재정돈 후 배치될 장치형태와 재정돈 시 컨테이너를 옮길 순서를 결정해야한다. 협력적 공진화 알고리즘은 주어진 문제가 세부 문제들로 분할 가능할 때 분할된 세부 문제들을 동시에 탐색하여 문제를 효율적으로 해결하는 방법이다. 이에 본 논문에서는 재정돈 계획 문제를 장치형태 결정 문제와 이동 우선순위 결정 문제로 분할하고 협력적 공진화 알고리즘을 적용하여 재정돈 계획을 최적화하였다. 실험결과 문제를 분할한 협력적 공진화 알고리즘이 문제를 분할하지 않는 접근 방법에 비해 더욱 효과적으로 재정돈하는 계획을 수립함을 확인할 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we propose optimizing a remarshaling plan in an automated stacking yard using a cooperative coevolutionary algorithm (CCEA). Remarshaling is the preparation task of rearranging the containers in such a way that the delay are minimized at the time of loading. A plan for remarshaling ca...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 재정돈에 관한 기존의 연구들은 수평 배치 장치장을 대상으로 하였기 때문에 장치장이 수직으로 배치된 자동화 컨테이너 터미널에 적용될 수 없다는 문제가 있었다. 또, 기존 논문및 본 논문의 목표 스택 선정 시 추가적인 공간을 선택하는 것이 합당한 이유를 실험결과를 통해 제시하였다.
  • 그러나 재정돈 시간을 줄이는 것과 적하 작업 시간을 줄이는 것 사이의 중요도는 재정돈 시간에 투자할 수 있는 시간에 따라 달라질 수 있다. 본 논문에서는 재정돈 시간과 적하 시 예상 크레인 이동시간의 가중 합으로 계획을 평가하였다.
  • 본 논문에서는 재정돈 작업 계획 문제를 효율적으로 해결하기 위해 대상 문제를 두 개의 세부 문제로 분해하여 각 세부 문제별로 별도의해 집단을 구성하였다. 하나는 컨테이너가 재배치되어 쌓일 목표 위치를 결정하는 문제이고 하나는 재정돈 작업의 시간을 최소화 할 수 있는 컨테이너 이동 우선순위를 결정하는 문제이다.
  • 본 논문은 자동화 장치장의 재정돈 작업 계획 최적화를 위해 협력적 공진화 알고리즘 (Husband와 Mill, 1991) (Cooperative CoEvolutionary Algorithms, CCEA)을 이용하는 방안을 제안한다. 주어진 문제가 간단한 세부 문제들로 분리 가능한 문제인 경우, 협력적 공진화 알고리즘은 간단한 세부 문제들로 나누어 줄어든 탐색 공간에서 각 세부 문제별로 해 집단을 구성하여 동시에 진화시킴으로써 탐색의 효율을 향상시키고자 하는 방법이다(Wiegand, 2003).
  • 본 논문은 협력적 공진화 알고리즘을 이용하여 자동화 장치장에서 컨테이너의 재정돈 작업 계획을 수립하는 방법을 제안하였다. 재정돈에 관한 기존의 연구들은 수평 배치 장치장을 대상으로 하였기 때문에 장치장이 수직으로 배치된 자동화 컨테이너 터미널에 적용될 수 없다는 문제가 있었다.
  • 7은 병렬 세대형 CCEA를 사용하며 가중치를 1:50으로설정하고 목표 스택 선정 단계의 추가 공간 선택 비율을 변화시키며 얻어진 재정돈 시간과 적하 시 크레인의 최대 생산성을 보여준다. 본 논문의 적하 시 크레인의 최대 생산성은 크레인이 차량과의 교류 없이 연속적으로 작업했을 경우 얻을 수 있는 생산성을 나타낸 것이다. 그림에서 볼 수 있듯이 공간 비율이 늘어남에 따라 적하 시 ASC 생산성이 감소하는 추세에 있음을 확인할 수 있다.
  • 그 후 CC의 리스트 Q 에 나열된 순서대로 각 CC q에 대해 재정돈 목적지 후보가 될수 있는 스택을 하나씩 선택하여 CC q의 재정돈 목적지 후보 집합인 爲에 추가한다. 서로 다른 CC의 컨테이너를 같은 스택에 쌓게 되면 적하 작업 시 재취급이 발생할 수 있으므로 이를 사전에 방지하기 위해 각 CC 별로 목적지 후보를 선택하게 하였다. 재정돈 목적지 후보로는 하나 이상의 빈 슬롯이 있거나 반출 컨테이너가 재취급 없이 꺼낼 수 있는 위치에 있는 스택을 선택한다.
  • 크레인 작업 지연 단축이다. 앞서 설명한 바와 같이 적하 작업이 터미널의 생산성을 좌우하는 작업이고 크게 두 가지 원인으로 인해 적하 시 장치장 크레인의 작업이 지연될 수있기 때문에 그를 미리 방지하고자 재정돈 작업을 수행한다. 그러나 재정돈 작업도 터미널의 자원을 소모하는 작업이므로 무한정 시간을 투자할 수 없다.

가설 설정

  • 이후의 예시에 등장할 재정돈 대상 컨테이너는 Fig. 2(a)와 같은 형태로 육측 가까운 곳에 쌓여있다고 가정한다. 컨테이너 A1 은 CC A의 적하 계획에 따라 CC A가 가장 먼저 적하할 컨테이너를 의미한다.
  • 앞에서 설명한 재정돈 목적지 후보 선택 휴리스틱에 의해 Fig. 2(b)와 같은 스택이 선택되어 있다고 가정한다. 스택 A, Bi, Ge 각각 CC 厶가, CC B, CC C가 적하할 컨테이너를 재정돈 하여 쌓을 스택이다.
  • 그 중 스택 Ge 반출 컨테이너 2개가 쌓여 있어 그 컨테이너를 비워내고 재정돈 컨테이너를 5 개까지 쌓을 수 있다. 반출 작업은 블록의 육측 가장자리에서 수행되므로 반출될 컨테이너라면 육측 가까이에 있는 것이 좋을 것이다. 그러므로 재정돈 목적지 후보 스택에 있는 반출 컨테이너를 재정돈을 통해 반출 컨테이너를 옮긴다.
  • 한 블록은 41 개의 베이로 이루어져있으며, 한 베이는 높이가 5인 스택 10개로 구성되어 있다. 장치장의 각 블록에는 육측과 해측에 각 기한 대씩 두 대의 크레인이 있지만 재정돈은 해측 크레인에 의해서만 수행되는 것으로 가정하였다. 적하할 컨테이너 1000개가 서로 다른 상태로 적재되어 있는 10가지 데이터 셋에 대해 실험하여 그 결과를 평균하였고, 데이터 셋들의 컨테이너 데이터는 기존 터미널에 대한 통계 자료를 기반으로하여 생성되었다.
  • 계획을 수립할 수 있음을 보였다. 적하 작업 시간을 계산하기 위해 크레인이 연속적으로 작업하는 상황을 가정했다. 그러나 실제 터미널에서의 적하 작업은 크레인과 내부 차량의 상호 컨테이너 전달 과정이 포함된다.
  • 본 논문에서 적하 시 예상되는 작업 시간은 ASC가 쉬지 않고 연속적으로 작업했을 경우의 총작업 시간이다. 컨테이너가 안벽에 가까이 장치될수록 적하 작업의 지연을 줄일 수 있다는 가정 하에 적하 시 장치장 크레인의 예상 이동시간을 계산하여 평가에 반영하였다. 그러나 재정돈 시간을 줄이는 것과 적하 작업 시간을 줄이는 것 사이의 중요도는 재정돈 시간에 투자할 수 있는 시간에 따라 달라질 수 있다.
본문요약 정보가 도움이 되었나요?

참고문헌 (13)

  1. 강재호, 오명섭, 류광렬, 김갑환(2005), "컨테이너 터미널 장치장에서 블록 내 이적을 위한 컨테이너 이동 순서 계확," 한국항해항만학회지, 제29권 1호, pp. 83-90 

  2. 오명섭, 강재호, 류광렬, 김갑환 (2005). "복수 크레인을 활용한 블록 내 컨테이너 이적 계획," 한국항해 항만 학회지 제29권 5호. pp. 447-455 

  3. Davis, L. (1985), "Applying adaptive algorithms to epistatic domains," Proceedings of the Ninth International Joint Conference on Artificial Intelligence, 

  4. Hirashima, Y, Ishikawa, N., and Takeda, K (2006), "A new reinforcement learning for group-based marshaling plan considering desired layout of containers in port terminals," Proc. IEEE Conf. Networking, Sensing and 

  5. Husbands, P. and Mill, F. (1991), "Simulated coevolution as the mechanism for emergent planning and scheduling," Proceedings of the Fourth International 

  6. Kang, J., Oh, M. S., Ahn, E. Y, Ryu, K R., and Kim, K H. (2006), "Planning for intrablock remarshalling in a container terminal," IEN AIE, LNAl 4031, pp. 1211-1220 

  7. Kim, K H., and Bae, J. w. (1998), "Remarshaling export containers in port container terminals," Computers and Industrial Engineering, vol. 35, no. 3-4, pp. 655-658 

  8. Lee, Y., and Hsu, N. Y. (2007), "An optimization model for the container premarshalling problem," Computer and Operations Research, vol. 34, pp. 3295-3313 

  9. Panait, L., Luke, S., and Harrison, J. F. (2006), "Archivebased cooperative 

  10. Park, K, Park, T., and Ryu, K R. (2009), "Planning for remarshaling in an automated container terminal using cooperative coevolutioncuy algorithms," ACM 

  11. Wiegand, R. P. (2003), Analysis of cooperative coevolutioncuy algorithms," PhD thesis, Department of Computer Science, George Mason University 

  12. Wiegand, R. P. and Sarma, J. (2004), "Spatial embedding and loss of gradient in cooperative coevolutioncuy algorithms," Proceedings of the Seventh International 

  13. Zhang, Y., Mi, w., Chang, D., and Yan, W. (2007), "An optimization model for intrabay relocation of outbound container on container yards," International Conference on Automation and Logistics, pp. 776-781 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로