저희가 다루는 운영계획 및 스케줄링 문제는 한정된 설비와 인력으로 무엇을 언제, 어떤 순서로, 어느 설비에서 처리할지를 정하는 문제입니다. 공장의 생산 계획과 작업 순서 결정, 컨테이너 터미널과 창고의 하역·반송 계획이 모두 여기에 해당합니다. 주어진 자원으로 납기와 처리량 같은 목표를 최대한 달성하면서, 실시간으로 바뀌는 상황에 적응해 빠르게 대응할 수 있도록 합니다.
데이터로부터 학습하는 스케줄링 알고리즘을 설계합니다. 강화학습, 모방학습, 신경망 예측 모델을 최적화 및 디스패칭 기법과 결합하여, 문제 규모와 제약, 운영 환경이 계속 달라지는 상황에서도 유효한 의사결정을 유지합니다.
운영계획 및 스케줄링 문제를 수리 모델로 정식화하고, 이를 산업 규모에서 풀 수 있는 알고리즘을 개발합니다. 혼합정수계획 모델링, 유효부등식, 분지한정법, 분해 기법 같은 정확해 기법과 함께 트리 탐색, 메타휴리스틱, 시뮬레이션 기반 최적화를 다룹니다.
하나의 모델로 여러 스케줄링 문제를 푸는 것을 목표로 합니다. 문제 유형마다 모델을 새로 학습시키는 대신, 다양한 제약과 문제 크기를 함께 다루는 통합 표현과 신경망 솔버를 설계하여, 학습하지 않은 변형에도 재학습 없이 적용되도록 합니다.
