Traveling Salesman Problem (TSP)은 최단/최적 경로를 찾는 대표적인 combinatorial optimization problem으로, 물류, 로봇 경로 설계 등 다양한 분야에 적용된다. 전통적인 TSP 해결 방법으로는 dynamic programming, heuristics 등이 사용되었지만, 최근에는 딥러닝, 강화학습을 통한 접근이 활발히 연구되고 있다. 딥러닝 기반 접근에서는 Graph Neural Networks와 Transformer model을 활용해 도시 간 구조를 학습하여 최적 또는 준최적 경로를 생성하고, 강화학습 기반 접근에서는 에이전트가 경로 선택을 통해 보상을 극대화하도록 학습하고, 탐색과 학습을 병행하며 solution을 찾아간다. 본 발표에서는 이러한 TSP 해결을 위한 최신 기법들의 개념을 소개하고, 물류의 배송 분야에서 실제 발생하는 다양한 제약들을 반영함과 동시에 매일의 변동성까지 고려하기 위한 접근 방법들을 소개한다.

#Bio 

김민수 경영리더(Senior Vice President)는 CJ대한통운의 AI·빅데이터담당을 역임하고 현재 N/W솔루션담당으로 AI, 빅데이터, 최적화 업무를 관장하고 있다. 김민수 경영리더는 KAIST에서 머신러닝과 데이터베이스를 전공하고 석사 및 박사 학위를 취득했다. 이후 삼성SDS 연구소 AI선행연구Lab장, 신한은행 AI유닛장 상무 겸 신한AI 최고기술책임자(CTO) 등을 지내며 Large Language Models and Processing, Document Understanding, AI-OCR, Speech Recognition, Medical Data Analysis, Prescriptive Analysis 등의 인공지능 기술을 개발해 국내외 선진사에 적용하는 등 첨단기술의 사업화에 대한 풍부한 경험을 갖추고 있다.