컨테이너 선박 마스터 적하계획을 위한 심층강화학습 모형 개발

• 영문명: Development of Deep Q-Learning Network Model for Container Ship Master Stowage Plan
• 발행기관: 한국항해항만학회
• 저자명: 신재영(Jae-Young Shin) 류현승(Hyun-Seung Ryu)
• 간행물 정보: 『한국항해항만학회 학술대회논문집』2020 춘계학술대회논문집, 222~223쪽, 전체 2쪽
• 주제분류: 공학 > 해양공학
• 파일형태: PDF
• 발행일자: 2020.07.22

국문 초록

항만 물류 시스템에서 컨테이너 적하 계획은 비용 효과적 측면의 효율성 향상을 위해 중요하게 다뤄지는 문제이다. 현재로서는 주로 플래너들의 수작업 또는 반자동으로 적하 계획 작업을 수행하고 있다. 그러나 컨테이너 선박의 초대형화 추세가 지속됨에 따라 인력으로 효율적인 적하 계획을 계산하는데 어려움이 발생하고 있다. 최근 인공지능 관련 기술이 비약적으로 발전하면서 최적화 문제에 강화학습을 적용하는 연구가 많이 이뤄지고 있다. 이에 따라 본 논문에서는 컨테이너 선박 마스터 적하 계획을 위한 심층 강화학습(DQN) 모형을 개발하고 제시하고자 한다.

영문 초록

In the Port Logistics system, Container Stowage planning are an important issue for cost-effective efficiency improvements. At present, we are mainly carrying out Stowage planning by manual or semi-automatically by Planners. However, as the trend of super-large container ships continues, it is difficult to calculate an efficient Stowage plan with manpower. With the recent rapid development of artificial intelligence-related technologies, many studies have been conducted to apply enhanced learning to optimization problems. Accordingly, in this paper, we intend to develop and present an Deep Q-Learning Network model for the Master Stowage planning of Container ships.

목차

1. 서 론

2. 컨테이너 선박 적하 계획

3. 마스터 적하 계획 문제 설정

4. DQN 모형화

5. 모형의 적용 및 분석

6. 결 론

참고문헌

키워드

적하 계획 마스터베이플랜 강화학습 Stowage Planning DQN Master-Bay Plan Reinforcement Learning