불확실성 하 자원배분 의사결정 프레임워크 연구

Decision Framework for Uncertain Resource Allocation in Scheduling

연구 내용

확률적 프로젝트 실행과 활동 반복을 반영하여 자원배분 문제를 정책 기반으로 해석하고, 휴리스틱 비교를 통해 스케줄 성능 조건을 규명하는 연구

프로젝트 관리에서 자원배분은 비용과 일정의 상충을 동시에 고려해야 하므로 불확실성 하 의사결정 모델이 필요합니다. 본 연구는 확률적 프로젝트 실행을 전제로 활동 반복이 있는 환경에서 자원 투입 계획을 정책 형태로 도출합니다. 또한 deep reinforcement learning을 중심으로 상태와 행동의 관계를 학습하고, 수리적 관점에서 해석 가능한 최적화 요소와 함께 휴리스틱 규칙과의 비교를 통해 스케줄 품질 개선이 나타나는 조건을 분석합니다. 이를 통해 프로젝트 스케줄링 의사결정의 재현 가능한 절차를 확보합니다.

관련 프로젝트

0건

연구 흐름

초기에는 활동 간 반복과 크래싱 조건이 존재하는 프로젝트를 확률적 모델로 구성하고, 자원 배분 결정을 탐색할 수 있는 분석 틀을 마련했습니다. 이후 Markov process 기반으로 상태 정의와 전이 해석을 정리하고, 학습 정책이 실제 스케줄을 어떻게 생성하는지 구조를 확인했습니다. 다음 단계에서는 휴리스틱 규칙 대비 성능 차이를 평가할 수 있는 실험 설계를 구축하여 정책의 타당성을 검증했습니다. 이 흐름은 2020년 게재 논문에서 연계되어 정리되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

확률적 공정 모델링
휴리스틱 비교 프레임워크
수리최적화 기반 스케줄링
프로젝트 리소스 정책 검증
작업 순서 제약 반영
스케줄 견고성 평가
시뮬레이션 기반 성능 분석
산업 플랜트 유지보수 계획
재난 대응 자원배치 시뮬레이션
의사결정 지원 시스템