선택적 차량경로 문제에서 고객 선택을 위한 신경망 기반 의사결정 접근법 = (A) Neural Network-Based Decision Making Approach for Customer Selection in Selective Vehicle Routing Problems

국문 초록 (Abstract)

본 연구는 Selective Vehicle Routing Problem(SVRP)에서 핵심 의사 결정인 고객 선택을 지원하기 위해, 경로길이 예측 모형을 구축하고 이를 온라인 고객 선택 절차에 연계하는 방법을 제안한다. 연구는 오 프라인 단계와 온라인 단계로 구성된다. 오프라인 단계에서는 TSP 및 VRP 경로길이 추정을 위해 ENR, RFR, LightGBM, NN 모형을 학습 및 평가하고, 기존 문헌 기반 변수에 제안 변수(F14)와 파생 변수(F21) 를 추가하여 성능을 비교하였다. 그 결과 F14와 F21이 예측 성능 향상 에 기여했으며, 변수 중요도 분석을 통해 TSP에서는 F14, VRP에서는 F21의 영향이 두드러짐을 확인하였다. 온라인 단계에서는 가능한 고객 선택 조합을 평가할 때 Solver 기반 전수평가, NN 기반 전수평가(Iterative & Batch), GA with NN을 비 교하였다. 실험 결과, NN 기반 및 GA 기반 접근은 Solver 기반 대비 현저히 짧은 계산시간으로 근접한 해 품질(Selected, OFV, Diff)을 달 성하였고, 선택 집합 유사도(Jaccard) 또한 전반적으로 높은 수준을 유 지하였다. 특히 고객 수 증가 및 필수 고객 비율 감소로 조합 수가 폭 증하는 구간에서 Solver 기반 전수평가의 계산시간이 급격히 증가한 반면, 신경망 기반의 접근법은 상대적으로 안정적인 계산시간을 보여 SVRP 고객 선택에서 발생하는 계산 병목을 완화할 수 있음을 보였다.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 1.1 연구의 배경 및 목적 1
• 1.2 연구의 구성 3
• 제2장 선행연구 3
• 2.1 차량경로문제 3
• 2.2 Selecitve Vehicle Routing Problem & Customer selection 4
• 2.3 차량경로문제의 근사와 예측 5
• 2.4 연구차별점 및 기여 7
• 제3장 문제 정의 8
• 3.1 Selective VRP 정의 8
• 3.2 목적함수 및 제약 조건 9
• 3.3 경로길이 예측모형 기반 의사결정 접근법 12
• 제4장 경로길이 예측모형 구축 16
• 4.1 데이터 수집 및 전처리 17
• 4.2 외판원문제(TSP)를 위한 모형 18
• 4.3 차량경로문제(VRP)를 위한 모형 21
• 4.4 하이퍼파라미터 튜닝 22
• 제5장 경로길이 예측모형 성능과 변수 중요도 25
• 5.1 TSP 경로길이 예측모형 성능 27
• 5.2 VRP 경로길이 예측모형 성능 29
• 5.3 변수 중요도 31
• 제6장 경로길이 예측모형 기반 의사결정 접근법 40
• 6.1 예측모형 기반 고객 선택 의사결정 개요 40
• 6.2 Solver 기반의 전수평가 접근법 41
• 6.3 NN 기반 고객 선택 접근법 42
• 6.4 실험 설계 및 결과 분석 49
• 제7장 결 론 65
• 참 고 문 헌 68
• ABSTRACT 72