컨테이너 선박 마스터 적하계획을 위한 심층강화학습 모형 개발

Development of Deep Q-Learning Network Model for Container Ship Master Stowage Plan

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.

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.