심층 강화 학습(DRL)은 처리량 최대화가 중요한 반도체 클러스터 공정 도구를 포함하여 다중 로봇 스케줄링에 널리 적용되어 왔다. 이러한 도구는 엄격한 제약 하에서 작동하며, 효율적인 운용을 위해 정밀한 조정이 요구된다. 그러나 이와 같은 복잡한 환경에서 다수의 로봇을 관리하는 일은 여전히 어렵다. 본 연구에서는 동적 액션 마스킹을 통해 로봇의 행동을 순차적으로 생성하는 자기회귀(autoregressive) DRL 프레임워크를 제안한다. 이 방법은 대규모의 이산 행동 공간에서 문맥을 인식하는 의사결정을 가능하게 한다. 에이전트는 단계별 진행, 작업 완료, 이동 거리 감소를 촉진하는 보상 함수로 안내되며, 자원의 효율적 활용을 장려한다. 제안하는 접근법은 대표적인 도구 구성 전반에서 우수한 성능을 보였고, 복잡한 스케줄링 과제에서 정책 분해(policy decomposition)의 가치를 강조한다.

고밀도·고층 도시의 건축이 진행됨에 따라, 신축 또는 증축된 구조물로 인한 차폐로 인해 기존 건물에 설치된 태양광(PV) 시스템의 성능이 저하될 수 있다는 우려가 제기되어 왔다. PV 시스템의 지속적인 확장을 위해서는 PV 시스템 소유자의 권리를 보호하기 위한 제도적 틀과 구조화된 보상 체계를 수립할 필요가 있다. 이 연구는 옥상형 PV 시스템에서 발생하는 PV 성능 저하가 경제에 미치는 영향을 정량적으로 분석하고, 포괄적인 보상 방안을 제안한다. 태양광 시뮬레이션 소프트웨어 SolarPro를 사용하여 서울 기상 데이터를 기반으로 세 가지 사례(전형적, 분쟁적, 극단적)를 시뮬레이션하였다. 경제성 평가는 세 가지 계약 유형—전력량 연동 방식(넷 미터링), 전력구매계약(PPA), 시장거래—을 포함하였다. 그 결과, 차폐는 해당 사례들에서 연간 전력 손실을 각각 1.7%, 9.0%, 15.3%까지 유발하는 것으로 나타났다. 경제성 분석에서는 전기요금 증가와 수익 손실을 포함한 유의미한 재정적 영향이 확인되었으며, 일부 사례에서는 수익의 전기를 추가 전기요금으로의 전환이 나타났다. 제안된 보상 체계는 모듈 열화, 인버터 효율 저하, 연쇄적 누적 차폐 효과 등 장기적 영향을 포함하여 단기적인 전력 손실과 장기적 효과를 모두 반영한다. 또한 물가상승 및 전기요금 인상과 같은 경제적 요인도 고려하였다. 본 보상 체계는 도시형 PV 시스템의 고유한 특성과 계약 유형의 차별성을 반영하면서 피해를 체계적으로 정량화한다. 제안된 프레임워크는 PV 관련 분쟁을 해결하기 위한 객관적 기준을 제공함과 동시에 당사자 간 책임의 균형을 도모하여, 도시 태양광 정책 수립에 기여할 것이다.