Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Optimizing Container Loading and Unloading through Dual-Cycling and Dockyard Rehandle Reduction Using a Hybrid Genetic Algorithm

Created by
  • Haebom

저자

Md. Mahfuzur Rahman, Md Abrar Jahin, Md. Saiful Islam, M. F. Mridha

개요

본 논문은 부두 크레인 이중 사이클링(QCDC)과 야적장 재취급 최소화를 통합하여 항만 컨테이너 처리 최적화 문제를 다룬다. QCDC의 하역 순서와 야적장 계획 간의 상호 의존성을 인식하고, 이중 사이클(DC) 수 최대화와 야적장 재취급 횟수 최소화를 모두 최적화하는 하이브리드 유전자 알고리즘(GA)인 QCDC-DR-GA를 제안한다. QCDC-DR-GA는 특화된 교차 및 변이 전략을 사용한다. 다양한 선박 크기에 대한 광범위한 실험을 통해 QCDC-DR-GA가 기존 방법 대비 대형 선박의 총 작업 시간을 15-20% 줄이는 것을 입증했다. 양측 검정 t-검정을 통한 통계적 검증 결과, 5% 유의 수준에서 유의미한 개선을 확인했다. 이 연구는 분리된 최적화의 비효율성을 강조하며, 항만 운영에서 통합 알고리즘의 필요성을 보여준다.

시사점, 한계점

시사점:
QCDC와 야적장 재취급 최소화를 통합하는 하이브리드 GA 알고리즘(QCDC-DR-GA) 제안.
기존 방법 대비 총 작업 시간 15-20% 감소 효과 입증 (대형 선박).
통계적 유의성 검증 (5% 유의 수준).
인프라 투자 없이 항만 운영 효율성 및 자원 활용도 향상 가능성 제시.
한계점:
논문에서 구체적인 한계점 언급은 없음.
👍