계단 구조를 이용한 팔레트적재문제의 새로운 해법

Q: 이 논문에서 정의한 계단 구조란 무엇인가?

계단 구조는 적재 패턴 내 m개의 후보지가 가장 왼쪽에 위치한 후보지부터 각각 (x₁, y₁), (x₂, y₂), … (xₘ, yₘ)이라 할 때, x₁ ≤ x₂ ≤ … ≤ xₘ 이고 x₁ y₂>…>yₘ 조건을 만족하는 적재 패턴을 의미한다. 이는 상자들이 좌측 하단부터 계단 형태로 쌓여가는 구조를 나타낸다.

Q: 계단 구조를 활용한 새로운 해법은 기존 팔레트적재문제 해결에 어떤 기여를 하는가?

연구 결과, 계단 구조를 유지하는 분지 전략을 적용한 최적 우선 분지한계법은 기존 HVZ 및 MBFS 해법보다 월등히 적은 계산량으로 최적해를 찾아낸다. 특히, 기존 연구에서 최적해를 구하지 못했던 5개의 팔레트적재문제에 대한 최적해를 성공적으로 제시하여, 적재 개수 100개 이내의 모든 문제에 대한 최적해를 확보하는 데 중요한 기여를 한다.

지영근; 진고환

추천

검색

질문

자료유형: 학술저널

저자정보: 지영근 진고환

저널정보: 한국경영과학회 한국경영과학회지 韓國經營科學會誌第34卷第3號

발행연도: 2009.9

수록면: 43 - 53 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The pallet loading problem(PLP) requires the best orthogonal layout that loads the maximum number of identical boxes(small rectangle) onto a pallet(large rectangle). Since the high pallet utilization saves the distribution and storage costs, many heuristic and exact algorithms have been developed so far. Martins and Dell have found the optimal layouts for the all PLPs less than or equal to 100 boxes except for only 5 problems in their recent research. This paper defines the ‘stair structure' and proposes a new exact algorithm applying it. In order to show the priority of the proposed algorithm, computational results are compared to previous algorithms and the optimal layouts for the 5 unsolved problems are given.

#Pallet Loading Problem #Branch and Bound

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-325-018841768

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)