노퍽 서던은 최적화 시뮬레이터로 기관차 차량단 규모를 산정했다.

노퍽 서던은 대규모 철도 네트워크를 위한 기관차를 계획하며, 차량단 규모를 얼마나 크게 해야 할지 결정하는 데 도움을 줄 모델을 원했다.

정확한 정수 계획법 모델은 솔버의 처리 범위를 벗어났고, 차량단이 실제 필요한 것보다 작아 보이게 만드는 가정을 필요로 했다.

연구진은 시뮬레이션과 최적화를 피드백 학습과 결합한 근사 동적 계획법 모델을 구축했으며, 과거 지표에 맞춰 보정하여 차량단 규모와 구성을 계획하고 다양한 운영 시나리오를 시험할 수 있게 했다.

경직된 선형 계획법이 아니라 시뮬레이션과 학습을 결합하여 차량단 규모를 산정했다

차량단 규모 산정에는 매우 상세한 모델이 필요했다

정수 계획법은 차량단을 과소평가하게 만드는 단순화를 강요했다

시뮬레이션과 학습을 결합하여 모델이 실제 이력과 일치할 수 있었다

그 결과 다양한 시나리오에서 차량단 규모와 구성을 계획할 수 있게 되었다

실제 문제가 정확한 모델로 다루기에는 너무 크거나 너무 상세할 때, 근사 동적 계획법은 시뮬레이션으로부터 학습하여 고비용 자산의 규모를 정확하게 산정할 수 있다.

이 모델은 노퍽 서던이 기관차 차량단 규모와 구성을 연구하고 운영 변화를 시험하는 방식이 되었으며, 화물 철도에서 근사 동적 계획법을 활용한 주목할 만한 사례이다.