http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김 형 남 (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
MAML 기반 차량/화물 운송 매칭 알고리즘 성능 분석
김지현,신다민,이수은,김 형 남 대한전자공학회 2023 전자공학회논문지 Vol.60 No.9
항만물류 환경에서 차량/화물 간의 효율적인 배차를 위해서는 배차 공정성/일관성 및 도로상황, 날씨 등과 같은 환경 요소를 고려할 필요가 있다. 이러한 환경 요소들은 지속적으로 변화하고 있으며, 화물을 운송하는 차량 및 운전자에게 영향을 미칠 수 있다. 메타 강화학습은 인공 신경망의 최적화 과정을 학습을 통해 효과적으로 진행하는 기법이며, 새로운 환경이나 데이터에 대하여 모델을 잘 학습할 수 있는 장점을 가지고 있다. 본 논문에서는 다양한 환경 및 데이터의 변화에 효율적으로 배차 업무를 수행하기 위해 메타 강화학습 알고리즘인 MAML(model-agnostic meta learning)을 적용한 차량/화물 운송 매칭 알고리즘을 제안한다. 모의실험을 통해 다양한 운송 환경에 따른 차량과 화물의 운송 매칭 알고리즘의 배차 성능을 분석한다. 모의실험 결과는 제안한 알고리즘이 차량과 화물을 자동으로 신속하게 배차할 수 있는 성능을 가짐을 보인다. In the port logistics environment, it is necessary to consider environmental factors such as fairness/consistency, road conditions, and weather for efficient vehicle/cargo dispatch. These environmental factors have constantly changed and can affect the vehicles transporting cargo and the drivers. Meta-reinforcement learning is a technique that effectively proceeds the optimization process of artificial neural networks through learning and has the advantage of learning models well for new environments or data. In this paper, we propose a vehicle/cargo transportation matching algorithm that applies model-agnostic meta learning (MAML), a meta reinforcement learning algorithm, to efficiently dispatch vehicles in various environments and data changes. Through simulations, we analyze the performance of vehicle and cargo transportation matching algorithms according to various transportation environments. Simulation results show that the proposed algorithm can automatically and quickly distribute vehicles and cargo.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
