본 논문은 배출량 제한이 있는 차량 경로 문제(QVRP)에 대한 수요 선택 문제를 다룹니다. 오염 배출량 한도를 준수하면서 누락된 배송 건수를 최소화하는 것을 목표로, Maximum Feasible Vehicle Assignment (MFVA) 라는 수요 선택 부분에 초점을 맞춥니다. 기존의 운영 연구(OR) 방법론을 이용하여 경로 생성을 수행하며, 수요 선택을 위해 머신러닝(ML)과 OR 기반의 여러 방법들을 제안합니다. 정적인 문제 설정에서 기존 OR 기반 방법들이 ML 기반 접근 방식보다 일관되게 성능이 우수함을 보여줍니다.
시사점, 한계점
•
시사점: 정적인 QVRP의 수요 선택 문제에서 기존 OR 기반 방법의 효율성을 확인하였습니다. ML 기법의 적용 가능성을 탐색하고, OR 기법과의 비교 분석을 통해 각 기법의 강점과 약점을 파악할 수 있습니다.
•
한계점: 본 연구는 정적인 문제 설정에만 초점을 맞추고 있습니다. 동적인 환경이나 더 복잡한 제약 조건을 고려한 확장 연구가 필요합니다. 또한, 특정 OR 방법론과 ML 방법론만을 비교하였으므로, 더 넓은 범위의 알고리즘에 대한 비교 분석이 필요합니다. 마지막으로, 경로 생성 부분은 기존 OR 방법론을 사용하였으므로, 이 부분에 대한 개선 여지가 존재합니다.
