심층강화학습을 이용한 철근콘크리트 단순보의 비용 최적설계 = Cost optimization of simply supported reinforced concrete beam using deep reinforcement learning
저자
김동우 ( Dongwoo Kim ) ; 이상익 ( Sangik Lee ) ; 이종혁 ( Jonghyuk Lee ) ; 김동수 ( Dongsu Kim ) ; 서병훈 ( Byunghun Seo ) ; 서예진 ( Yejin Seo ) ; 아함드파지이드 ( Ahmed Fawzy Eid ) ; 최원 ( Won Choi )
발행기관
학술지명
한국농공학회 학술대회초록집(Proceedings of the Korean Society of Agricultural Engineers Conference)
권호사항
발행연도
2023
작성언어
-주제어
KDC
500
자료형태
학술저널
수록면
115-115(1쪽)
제공처
철근콘크리트는 강 재료와는 달리 유지보수 비용이 저렴하여 토목 구조물이나 건축구조물 등에 널리 사용되고 있다. 그에 따라 전세계적으로 철근콘크리트 생산량이 매년 증가해 많은 자원이 소모되고 있고, 환경에 악영향을 미치고 있어 구조물의 최적화에 관한 연구가 계속 진행되어왔다. 철근콘크리트 구조물은 이산적인 철근의 치수, 연속적인 콘크리트의 단면 크기 등의 많은 변수와 경계조건으로 인해 최적화 과정이 복잡하다. 최적화에 사용되는 전통적인 방법은 구조물의 길이와 하중 등의 조건이 변하면 긴 최적화 과정을 다시 진행해야 하는 단점이 있으며, 딥러닝을 이용한 방법은 충분한 개수의 라벨링된 데이터 확보가 어렵고, 학습 데이터에 설계자의 주관이 들어가 있어 최적화에 한계가 있다. 심층강화학습은 주어진 환경(철근콘크리트 구조물)에서 행동(구조물 단면의 크기와 철근 치수 결정 등)을 하고, 그에 따라 주어지는 보상(재료 비용과 관련된 함수)을 최대화하기 위해 그 행동 정책을 학습한다. 따라서, 본 연구에서는 과거 설계자료가 필요 없는 심층강화학습을 통해 철근콘크리트 구조물을 최적화하는 방법론을 개발하였다. 심층강화학습 모델 중 Proximal Policy Optimization(PPO)를 활용하였으며, 총 10만 개의 케이스에 대해 학습을 3번 진행하여 단면의 높이가 제한되어 있을 때, 임의로 주어진 하중을 버티면서 비용이 최적인 단순보의 단면을 설계하는 모델을 개발했다. 본 모델은 상황에 따라 스스로 단철근, 복철근 둘 중 하나를 선택하여 설계하고, 학습만 완료되면 5번의 계산을 통해 바로 최적화 결과가 나오기 때문에 기존 방법론과 비교하여 해석 시간이 월등히 효율적이다. 또한, 다양한 보의 길이와 하중 조건에 대해 학습했기 때문에 임의의 길이와 하중에 대해서 즉시 최적화가 가능하다. 본 모델의 검증을 위해 전통적인 최적화 방법 중 하나인 유전 알고리즘을 통해 최적화한 결과와 비교했다. 본 연구는 단순보 뿐만 아니라 다양한 철근콘크리트 구조물의 최적 설계에 활용될 수 있으며, 추후 Building Information Modeling(BIM) 등에 활용할 수 있을 것이다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)