소프트웨어학과

구분

내용

추진 배경

□ 폐기물 수거 차량의 비효율적인 경로는 미세먼지 증가와 같은 환경 문제를 유발함.

□ 경로 최적화를 통해 친환경적 효과와 경제적 효율을 동시에 달성할 수 있음.

□ 기존 휴리스틱 방식의 한계를 극복할 수 있는 새로운 접근 방식이 필요함.

목표 및 내용

□ Deep Reinforcement Learning의 Actor-Critic 방식인 PPO 알고리즘을 적용한 최적화 에이전트 개발함.

□ CVRP 문제 해결에 강화학습을 적용해 기존 알고리즘보다 더 우수한 경로 계획 구현함.

□ 복잡한 도메인 구조를 이해하기 위해 크로스 어텐션 메커니즘을 활용함.

• 수행결과

□ 기존 휴리스틱 알고리즘 대비 약 26% 경로 최적화 및 시간 절감 효과 확인함.

□ 차량 수요 감소, 더 큰 환경에서도 효율적 경로 산출 가능함을 검증함.

□ 학습된 에이전트가 환경 보호 및 자원 절약에 실질적으로 기여할 수 있는 가능성을 입증함.