Detailed Information
Metadata Downloads
컨테이너 선박 마스터 적하계획을 위한 심층 강화학습 모형
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 신재영 | - |
| dc.contributor.author | 류현승 | - |
| dc.date.accessioned | 2022-04-08T17:43:58Z | - |
| dc.date.available | 2022-04-08T17:43:58Z | - |
| dc.date.created | 20210311144418 | - |
| dc.date.issued | 2021 | - |
| dc.identifier.uri | http://repository.kmou.ac.kr/handle/2014.oak/12697 | - |
| dc.identifier.uri | http://kmou.dcollection.net/common/orgView/200000374494 | - |
| dc.description.abstract | In the Port Logistics system, Container Stowage planning is an important issue for cost-effective efficiency improvements. At present, Planners are mainly carrying out Stowage planning by manual or semi-automatically. 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 a Deep Q-Learning Network model for the Master Stowage planning of Container ships. | - |
| dc.description.tableofcontents | 1. 서론 1 1.1 연구의 배경 및 목적 1 1.2 연구방법 3 2. 관련 문헌 연구 4 2.1 휴리스틱을 활용한 접근방법 4 2.2 메타휴리스틱을 활용한 접근방법 5 2.3 AI를 활용한 접근방법 6 3. 컨테이너 선박 적하 계획 8 3.1 컨테이너 선박 적하 계획 8 3.1.1 컨테이너의 구조 8 3.1.2 컨테이너 적하 계획 9 3.1.3 컨테이너 적하 계획 프로세스 11 3.2 재취급의 정의 12 4. 마스터 적하 계획 문제 DQN 모형화 13 4.1 문제 설정 13 4.2 수리 모형화 15 4.2.1 입력 변수 및 파라미터 정의 15 4.2.2 평가함수 정의 16 4.2.3 제약조건 설정 18 4.3 DQN 모형화 19 4.3.1 Q-러닝과 심층 강화 학습 19 4.3.2 State(상태) 정의 21 4.3.3 Action(행동) 정의 22 4.3.4 Q 함수 정의 22 4.3.5 DQN 모형 적용을 위한 특성 벡터 설정 23 4.3.6 적하계획문제의 Q함수 심층 신경망 구성 24 4.3.7 심층 신경망 오차함수 25 4.3.8 적하계획문제의 Q-러닝 모형 26 4.3.9 DQN 모형 플로우 차트 27 5. 모형의 실험 및 분석 29 5.1 컨테이너 적하 계획 문제 DQN 모형 실험 설계 29 5.1.1 DQN 모형 파라미터 설계 29 5.1.2 실험 Case 설계 30 5.2 실험 결과 및 분석 31 5.2.1 실험 결과 예시 31 5.2.2 비교 알고리즘 32 5.2.3 실험 결과 요약 34 6. 결론 39 | - |
| dc.language | kor | - |
| dc.publisher | 한국해양대학교 대학원 | - |
| dc.rights | 한국해양대학교 논문은 저작권에 의해 보호받습니다. | - |
| dc.title | 컨테이너 선박 마스터 적하계획을 위한 심층 강화학습 모형 | - |
| dc.title.alternative | Deep Q-Learning Network Model for Container Ship Master Stowage Plan | - |
| dc.type | Dissertation | - |
| dc.date.awarded | 2021. 2 | - |
| dc.embargo.liftdate | 2021-03-11 | - |
| dc.contributor.alternativeName | Ryu Hyun Seung | - |
| dc.contributor.department | 대학원 물류시스템학과 | - |
| dc.contributor.affiliation | 한국해양대학교 대학원 물류시스템학과 | - |
| dc.description.degree | Master | - |
| dc.identifier.bibliographicCitation | [1]류현승, “컨테이너 선박 마스터 적하계획을 위한 심층 강화학습 모형,” 한국해양대학교 대학원, 2021. | - |
| dc.subject.keyword | 적하 계획 | - |
| dc.subject.keyword | 심층 강화학습 | - |
| dc.subject.keyword | 강화학습 | - |
| dc.subject.keyword | 마스터 베이플랜 | - |
| dc.identifier.holdings | 000000001979▲200000001935▲200000374494▲ | - |
- Files in This Item:
- There are no files associated with this item.
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.