In this thesis, we propose a methodology to solve Airline Container Loading Problem with Pickup and Delivery (ACLPPD) through Reinforcement Learning (RL). The airline container loading problem can be considered as Bin Packing Problem (BPP), but, if there is pickup and delivery constraint, the configuration of the problem is different from the usual BPP. Accordingly, this study focuses on the problem that optimizes the placement of containers with consecutive flights. Furthermore, we intend to propose a new methodology based on Deep Reinforcement Learning (DRL) that can sufficiently solve problems even if the number of flights increases. We verify the performance of the proposed DRL methodology in several scenarios.
본 학위 논문에서는 강화학습을 통한 픽업과 배송을 고려한 항공기 화물 적재 문제를 해결하는 방법론을 제시한다. 항공기 화물 적재 문제는 일반적인 경우 상자 채우기 문제로 여겨질 수 있지만, 여기에 픽업과 배송 제약조건이 들어가게 될 경우 문제가 일반적인 상자 채우기 문제와는 그 형태가 달라지게 된다. 그에 따라 본 연구에서는 여러 비행을 연속적으로 수행하는 상황에서 화물의 배치를 최적화할 수 있는 문제에 집중한다. 뿐만 아니라, 비행의 수가 많아져도 충분히 문제를 해결할 수 있는 심층 강화 학습 기반의 새로운 방법론을 제시하고자 한다. 또한, 심층 강화 학습 기반의 방법론의 성능을 다양한 시나리오를 통하여 검증한다.
