Practical Applications of Neural Combinatorial Optimization
- 2024년 6월 27일 오후 1:56
- 조회수: 29899
INFORMATION
- 2024년 6월 28일
- 오전 12시 ~
온라인 비디오 시청 (YouTube)
발표자:
최종원
최종원
TOPIC
Practical Applications of Neural Combinatorial Optimization
On-Line Video
OVERVIEW
요약:
조합 최적화 문제는 NP-Hard 문제로, 완전한 해를 탐색하기가 불가능하거나 매우 어려운 문제이다.
이러한 문제는 이론적인 문제 해결뿐만 아니라, 생산 설비 최적화, 컴퓨팅 자원 할당 최적화, 물류 운송 경로 최적화 등 다양한 실세계 문제를 모델링하는 데 사용된다.
조합 최적화 문제를 해결하기 위해 여러 알고리즘이 연구되어 왔으며, 최근에는 딥러닝의 발전으로 이를 적용하려는 시도가 이루어지고 있다.
이번 세미나에서는 대표적인 딥러닝 기반 조합 최적화 문제 해결 방법인 Pointer Network를 살펴본 후,
두 가지 실세계 조합 최적화 문제 해결 연구를 살펴 볼 것이다.
먼저 길찾기 문제에서 A* Search 알고리즘에 딥러닝을 접목한 Neural A* Search와,
반도체 제조 클러스터 장비의 효율적인 운영을 위해 동작 순서를 결정하는 스케줄링 로직을 강화학습의 일환인 DQN 방법론으로 접근한 사례를 차례로 소개한다.
참고자료:
[1] Vinyals, O., Fortunato, M., & Jaitly, N. (2015). Pointer networks. Advances in neural information processing systems, 28.
[2] Bello, I., Pham, H., Le, Q. V., Norouzi, M., & Bengio, S. (2016). Neural combinatorial optimization with reinforcement learning. arXiv preprint arXiv:1611.09940.
[3] Yonetani, R., Taniai, T., Barekatain, M., Nishimura, M., & Kanezaki, A. (2021, July). Path planning using neural a* search. In International conference on machine learning (pp. 12029-12039). PMLR.
[4] Kim, H. J., & Lee, J. H. (2024). Scheduling Cluster Tools for Concurrent Processing: Deep Reinforcement Learning With Adaptive Search. IEEE Transactions on Automation Science and Engineering.