그래프 탐색기

OptAtlas 전체 그래프입니다. 노드 타입·엣지 타입·최소 증거 등급으로 필터링하고, 아래 목록에서 항목과 관계를 확인하세요. 데스크톱에서는 그래프를 직접 탐색할 수도 있습니다.

인터랙티브 그래프를 준비하는 중입니다…

아래 목록은 바로 사용할 수 있습니다.

그래프 데이터 (목록 보기)

노드 48개 · 엣지 98개 표시 중

관계 목록

1D 절단 재고에서 2D 빈 패킹로
관계: 방법 공유
주장: 1D 절단 재고와 빈 패킹은 같은 절단·적재 계열의 밀접한 구성원이며, 둘 다 패턴/구성 정식화로 다뤄진다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E3 · 구조적 유추
1D 절단 재고에서 BPPLIB로
관계: 직접 벤치마크
주장: BPPLIB은 빈 패킹과 절단 재고 문제의 인스턴스를 제공하는 직접 벤치마크다.
증거:
A — 동료심사 논문 / 공식 문서
1D 절단 재고에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 절단 재고의 정수해는 열 생성과 분기 한정을 결합한 분기-가격으로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
1D 절단 재고에서 열 생성 (Column Generation)로
관계: 사용 방법
주장: Gilmore & Gomory(1961)는 절단 재고 문제를 위한 열 생성(지연 패턴 생성) LP 접근을 도입했다.
증거:
A — 동료심사 논문 / 공식 문서
1D 절단 재고에서 정수 선형 계획법 (Integer Linear Programming)로
관계: 사용 방법
주장: 1D 절단 재고는 패턴(절단 방식) 변수를 갖는 정수 선형 계획으로 정식화된다 — Gilmore–Gomory의 패턴 정식화가 그 기반이다.
증거:
A — 동료심사 논문 / 공식 문서
2D 빈 패킹에서 2D 스트립 패킹로
관계: 방법 공유
주장: 2D 빈 패킹과 스트립 패킹은 구성적·정확 방법을 공유하며, 단일 빈을 채울 때 스트립 패킹이 부분문제로 자주 등장한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 빈 패킹에서 2DPackLib로
관계: 직접 벤치마크
주장: 2DPackLib은 2차원 직교 빈 패킹의 표준 인스턴스를 제공한다.
증거:
A — 동료심사 논문 / 공식 문서
2D 빈 패킹에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 2D 빈 패킹의 정확 접근은 분기 한정(및 분기-가격) 정식화로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 빈 패킹에서 열 생성 (Column Generation)로
관계: 사용 방법
주장: 2D 빈 패킹의 정확 접근은 열 생성/분기-가격으로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 빈 패킹에서 감소 우선 적합 (First-Fit Decreasing)로
관계: 사용 방법
주장: 감소 우선 적합(FFD) 계열의 구성적 휴리스틱이 빈 패킹의 빠른 근사해에 널리 쓰인다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 빈 패킹에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 2D 빈 패킹은 유전 알고리즘 등 메타휴리스틱으로도 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 빈 패킹에서 정수 선형 계획법 (Integer Linear Programming)로
관계: 사용 방법
주장: 2D 빈 패킹은 정수 선형 계획(ILP) 모델로 정식화되며, 이는 분기 한정·분기-가격 같은 정확 해법의 출발점이다.
증거:
A — 동료심사 논문 / 공식 문서
2D 빈 패킹에서 하한 (Lower Bounds)로
관계: 사용 방법
주장: 2D 빈 패킹의 정확 해법은 면적 하한과 Martello–Toth류 이산 하한 등 강한 하한으로 탐색을 가지친다.
증거:
A — 동료심사 논문 / 공식 문서
2D 빈 패킹에서 타부 서치 (Tabu Search)로
관계: 사용 방법
주장: 2D 빈 패킹은 타부 서치 기반 탐색으로도 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 불규칙 네스팅에서 2D 빈 패킹로
관계: 방법 공유
주장: 불규칙 네스팅과 2D 빈 패킹은 같은 절단·적재 계열로서 메타휴리스틱 탐색 방법론을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 불규칙 네스팅에서 2D 스트립 패킹로
관계: 일반화
주장: 불규칙 네스팅은 직사각형 스트립 패킹을 일반화한다: 직사각형은 임의 다각형의 특수 사례다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 불규칙 네스팅에서 2DPackLib로
관계: 인접 벤치마크
주장: 2DPackLib은 직접이 아니라 인접 벤치마크다: 2차원 직교(직사각형) 절단·적재를 대상으로 하는 반면, 불규칙 네스팅은 임의의 다각형을 다룬다. 패킹 방법론 공유 측면에서는 관련이 있으나 동일 조건의 벤치마크는 아니다.
증거:
A — 동료심사 논문 / 공식 문서
2D 불규칙 네스팅에서 바텀-레프트-필 (Bottom-Left Fill)로
관계: 사용 방법
주장: 바텀-레프트 및 바텀-레프트-필(Bottom-Left Fill) 배치 규칙은 불규칙 네스팅 레이아웃에 널리 쓰이는 구성적(constructive) 휴리스틱이다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 불규칙 네스팅에서 Deepnest로
관계: 오픈소스 구현
주장: Deepnest는 SVGnest 알고리즘에 기반한 오픈소스 데스크톱 네스팅 앱이다.
증거:
C — 벤더 / 사례 보고
2D 불규칙 네스팅에서 ESICUP로
관계: 직접 벤치마크
주장: ESICUP은 불규칙(네스팅) 문제의 커뮤니티 인스턴스를 배포하며, 보고된 결과 비교에 사용된다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 불규칙 네스팅에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 불규칙 네스팅은 부품 순서·방향을 탐색하는 유전 알고리즘(Genetic Algorithm) 기반 탐색에 배치 휴리스틱을 결합한 방식으로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 불규칙 네스팅에서 내부 적합 다각형 (Inner-Fit Polygon)로
관계: 사용 방법
주장: 시트 경계 내 포함(containment)은 내부 적합 다각형(Inner-Fit Polygon)으로 부호화되며, 무적합 다각형의 겹침 판정과 함께 불규칙 네스팅 배치의 두 기하 축을 이룬다.
증거:
A — 동료심사 논문 / 공식 문서
2D 불규칙 네스팅에서 libnest2d로
관계: 오픈소스 구현
주장: libnest2d는 임의 다각형의 2D 네스팅을 제공하는 오픈소스 C++ 라이브러리다.
증거:
C — 벤더 / 사례 보고
2D 불규칙 네스팅에서 민코프스키 합 (Minkowski Sum)로
관계: 사용 방법
주장: 겹침 판정에 쓰이는 무적합 다각형은 민코프스키 합으로 계산되므로, 불규칙 네스팅은 민코프스키 합을 직접 활용한다.
증거:
A — 동료심사 논문 / 공식 문서
2D 불규칙 네스팅에서 무적합 다각형 (No-Fit Polygon)로
관계: 사용 방법
주장: 무적합 다각형(No-Fit Polygon)은 네스팅에서 두 불규칙 부품 간의 겹침을 판정·해소하는 표준 기하 기본 연산이다.
증거:
A — 동료심사 논문 / 공식 문서
2D 불규칙 네스팅에서 phi-함수 (Phi-functions)로
관계: 사용 방법
주장: 불규칙 배치의 겹침은 phi-함수로도 부호화되며, 이는 연속 회전을 포함한 비선형 계획(NLP) 정식화를 가능케 하는 무적합 다각형의 대안이다.
증거:
A — 동료심사 논문 / 공식 문서
2D 불규칙 네스팅에서 강화학습 (Reinforcement Learning)로
관계: 사용 방법
주장: 강화학습 기반 네스팅이 최근 문헌에 보고되었으나, 산업적 성숙도와 일반화는 여기서 검증되지 않았다. [미검증 — 등급 A 출처 미기록]
증거:
D — 전문가 추론
2D 불규칙 네스팅에서 시뮬레이티드 어닐링 (Simulated Annealing)로
관계: 사용 방법
주장: 불규칙 네스팅은 부품 순서·방향에 대한 시뮬레이티드 어닐링 탐색에 배치 휴리스틱을 결합한 방식으로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 불규칙 네스팅에서 SVGnest로
관계: 오픈소스 구현
주장: SVGnest는 무적합 다각형 배치와 유전 알고리즘으로 불규칙 네스팅을 수행하는 오픈소스 구현이다.
증거:
C — 벤더 / 사례 보고
2D 불규칙 네스팅에서 타부 서치 (Tabu Search)로
관계: 사용 방법
주장: 불규칙 네스팅은 타부 서치 기반 탐색으로도 보고되어 왔으며, 배치 휴리스틱을 내부 루프로 사용한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 배낭 (직사각형)에서 2D 빈 패킹로
관계: 방법 공유
주장: 2D 배낭과 빈 패킹은 직교 배치 핵심과 다수의 정확·휴리스틱 방법을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 배낭 (직사각형)에서 2DPackLib로
관계: 직접 벤치마크
주장: 2DPackLib은 2차원 직교 배낭(knapsack) 인스턴스를 포함한다.
증거:
A — 동료심사 논문 / 공식 문서
2D 배낭 (직사각형)에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 기하학적 2D 배낭의 정확 해법으로 분기 한정 알고리즘이 제시되었으며, 1차원 배낭 완화(직사각형 면적을 무게로)를 경계로 쓴다(Caprara & Monaci 2004).
증거:
A — 동료심사 논문 / 공식 문서
2D 배낭 (직사각형)에서 동적 계획법 (Dynamic Programming)로
관계: 사용 방법
주장: 2D 배낭 변형은 동적 계획법 및 그 위에 구축된 정확·근사 방법으로 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 배낭 (직사각형)에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 2D 배낭 변형은 유전 알고리즘 등 메타휴리스틱으로도 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 배낭 (직사각형)에서 0/1 배낭 문제로
관계: 일반화
주장: 2D 배낭은 1차원 0/1 배낭 문제의 2차원 일반화로, 항목 선택 구조를 기하학적 배치로 확장한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 스트립 패킹에서 2D 불규칙 네스팅로
관계: 방법 공유
주장: 직사각형 스트립 패킹과 불규칙 네스팅은 배치 휴리스틱(예: 바텀-레프트)을 공유하며 같은 절단·적재 계열에 속한다; 직사각형은 직교 특수 사례다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 스트립 패킹에서 2D 배낭 (직사각형)로
관계: 방법 공유
주장: 스트립 패킹과 2D 배낭은 직교 배치 핵심과 방법론을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
2D 스트립 패킹에서 2DPackLib로
관계: 직접 벤치마크
주장: 2DPackLib은 2차원 직교 스트립 패킹에 직접 관련된 인스턴스를 제공한다.
증거:
A — 동료심사 논문 / 공식 문서
2D 스트립 패킹에서 바텀-레프트-필 (Bottom-Left Fill)로
관계: 사용 방법
주장: 바텀-레프트 및 바텀-레프트-필은 직사각형 스트립/패킹 레이아웃을 위해 도입된 표준 구성적 휴리스틱이다.
증거:
A — 동료심사 논문 / 공식 문서
2D 스트립 패킹에서 감소 우선 적합 (First-Fit Decreasing)로
관계: 사용 방법
주장: 레벨 기반 감소-우선 적합(FFDH 등)은 스트립 패킹의 고전적 구성적 휴리스틱이다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 스트립 패킹에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 직사각형 스트립/패킹은 부품 순서·방향에 대한 유전 알고리즘 탐색으로 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 스트립 패킹에서 정수 선형 계획법 (Integer Linear Programming)로
관계: 사용 방법
주장: 2D 스트립 패킹은 정수 선형 계획 모델로 정식화되어 정확 해법의 기반이 된다.
증거:
A — 동료심사 논문 / 공식 문서
2D 스트립 패킹에서 시뮬레이티드 어닐링 (Simulated Annealing)로
관계: 사용 방법
주장: 스트립 패킹은 시뮬레이티드 어닐링 기반 탐색으로도 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
2D 스트립 패킹에서 타부 서치 (Tabu Search)로
관계: 사용 방법
주장: 스트립 패킹은 타부 서치 기반 탐색으로도 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
3D 빈 패킹에서 2D 빈 패킹로
관계: 일반화
주장: 3D 빈 패킹은 2D 빈 패킹의 고차원 일반화이며, 다수의 구성적·탐색 방법을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
3D 빈 패킹에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 3D 빈 패킹·컨테이너 적재의 정확 접근은 분기 한정 정식화로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
3D 빈 패킹에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 컨테이너 적재·3D 빈 패킹은 유전 알고리즘 등 메타휴리스틱으로 널리 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
3D 빈 패킹에서 강화학습 (Reinforcement Learning)로
관계: 사용 방법
주장: 강화학습 기반 3D 패킹/적재가 최근 보고되었으나, 산업적 성숙도는 여기서 검증되지 않았다. [미검증]
증거:
D — 전문가 추론
의류 마커 메이킹에서 2D 불규칙 네스팅로
관계: 산업 사례
주장: 의류 마커 메이킹은 불규칙 2D 네스팅의 대표적 산업 사례로, 결 방향(grain-line) 제약을 가진다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약
의류 마커 메이킹에서 의류로
관계: 등장 산업
주장: 마커 메이킹은 의류 제조에서 절단 직전의 표준 단계다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
열 생성 (Column Generation)에서 분기 한정 (Branch and Bound)로
관계: 방법 공유
주장: 열 생성과 분기 한정을 결합하면 분기-가격(branch-and-price)이 되어, 정수 절단·적재 문제의 정확해에 쓰인다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E2 · 방법론 공유
컨테이너 적재에서 3D 빈 패킹로
관계: 산업 사례
주장: 컨테이너 적재는 3D 빈 패킹의 산업적 사례로, 안정성·하중·적재 순서 등 실무 제약을 추가한다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E1 · 같은 기반, 다른 부가 제약
컨테이너 적재에서 물류로
관계: 등장 산업
주장: 컨테이너 적재는 물류·운송의 핵심 단계다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
Deepnest에서 SVGnest로
관계: 방법 공유
주장: Deepnest는 SVGnest의 네스팅 알고리즘을 토대로 구축되었다(오픈소스 프로젝트 자료 기반).
증거:
C — 벤더 / 사례 보고
등가:
E1 · 같은 기반, 다른 부가 제약
감소 우선 적합 (First-Fit Decreasing)에서 바텀-레프트-필 (Bottom-Left Fill)로
관계: 방법 공유
주장: 감소 우선 적합과 바텀-레프트-필은 모두 항목을 정해진 규칙으로 하나씩 놓는 구성적 배치 휴리스틱이다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E3 · 구조적 유추
길로틴 절단에서 2D 빈 패킹로
관계: 변형 관계
주장: 길로틴 절단은 절단이 변에서 변까지 직선이어야 한다는 추가 제약이 붙은 2D 직교 절단·적재의 변형이다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E1 · 같은 기반, 다른 부가 제약
길로틴 절단에서 2D 배낭 (직사각형)로
관계: 방법 공유
주장: 길로틴 제약 하의 단일 시트 최대화는 길로틴 2D 배낭으로, 2D 배낭과 방법론을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
길로틴 절단에서 2D 스트립 패킹로
관계: 방법 공유
주장: 길로틴 절단과 스트립 패킹은 직교 배치 방법론을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
길로틴 절단에서 2DPackLib로
관계: 인접 벤치마크
주장: 2DPackLib의 직교 인스턴스 중 일부는 길로틴 변형과 관련되어 인접 벤치마크로 볼 수 있다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
길로틴 절단에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 길로틴 절단의 정확 접근은 분기 한정으로 보고되어 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
길로틴 절단에서 열 생성 (Column Generation)로
관계: 사용 방법
주장: Gilmore & Gomory는 2차원 길로틴 절단 재고를 위해 열 생성/패턴 생성 접근을 확장했다.
증거:
A — 동료심사 논문 / 공식 문서
길로틴 절단에서 동적 계획법 (Dynamic Programming)로
관계: 사용 방법
주장: 길로틴 패턴은 재귀적 분할 구조 덕분에 동적 계획법으로 효율적으로 다룰 수 있다(Gilmore–Gomory).
증거:
A — 동료심사 논문 / 공식 문서
길로틴 절단에서 유전 알고리즘 (Genetic Algorithm)로
관계: 사용 방법
주장: 길로틴 절단·패널 재단은 유전 알고리즘 등 메타휴리스틱으로도 다뤄져 왔다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
내부 적합 다각형 (Inner-Fit Polygon)에서 무적합 다각형 (No-Fit Polygon)로
관계: 방법 공유
주장: 내부 적합 다각형(IFP)은 부품을 시트 경계 안에 담는 유효 영역을 주고, 무적합 다각형(NFP)은 부품 간 겹침을 다룬다 — 둘은 불규칙 네스팅 배치를 점-위치 질의로 환원하는 상보적 기하 기본 연산이다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E2 · 방법론 공유
정수 선형 계획법 (Integer Linear Programming)에서 분기 한정 (Branch and Bound)로
관계: 방법 공유
주장: 정수 선형 계획 모델은 분기 한정으로 정확히 풀린다 — ILP는 문제를 기술하는 모델이고, 분기 한정은 그 모델을 푸는 해법이다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E2 · 방법론 공유
정수 선형 계획법 (Integer Linear Programming)에서 Google OR-Tools로
관계: 오픈소스 구현
주장: Google OR-Tools는 정수 선형 계획을 푸는 MIP·CP-SAT 솔버를 오픈소스로 제공한다.
증거:
C — 벤더 / 사례 보고
0/1 배낭 문제에서 1D 절단 재고로
관계: 방법 공유
주장: 절단 재고의 열 생성에서 가격 산정 부분문제가 (정수) 배낭 문제로 나타나, 두 문제는 방법론적으로 맞물린다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E3 · 구조적 유추
0/1 배낭 문제에서 분기 한정 (Branch and Bound)로
관계: 사용 방법
주장: 0/1 배낭 문제는 동적 계획법 외에 분기 한정으로도 정확히 풀 수 있다.
증거:
A — 동료심사 논문 / 공식 문서
0/1 배낭 문제에서 동적 계획법 (Dynamic Programming)로
관계: 사용 방법
주장: 0/1 배낭 문제는 의사다항(pseudo-polynomial) 동적 계획법으로 정확히 풀 수 있다.
증거:
A — 동료심사 논문 / 공식 문서
0/1 배낭 문제에서 정수 선형 계획법 (Integer Linear Programming)로
관계: 사용 방법
주장: 0/1 배낭 문제는 이진 변수와 단일 용량 제약을 갖는 0/1 정수 선형 계획으로 직접 정식화된다.
증거:
A — 동료심사 논문 / 공식 문서
0/1 배낭 문제에서 OR-Library로
관계: 직접 벤치마크
주장: OR-Library는 배낭 계열을 포함한 표준 테스트 인스턴스를 배포한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
0/1 배낭 문제에서 Google OR-Tools로
관계: 오픈소스 구현
주장: Google OR-Tools는 0/1 배낭을 푸는 KnapsackSolver를 오픈소스로 제공한다.
증거:
C — 벤더 / 사례 보고
하한 (Lower Bounds)에서 분기 한정 (Branch and Bound)로
관계: 방법 공유
주장: 하한 계산은 분기 한정의 가지치기를 이끄는 핵심 구성 요소다 — 강한 하한일수록 탐색 트리를 더 많이 잘라낸다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E2 · 방법론 공유
민코프스키 합 (Minkowski Sum)에서 무적합 다각형 (No-Fit Polygon)로
관계: 방법 공유
주장: A와 B의 무적합 다각형은 A와 반사(−B)의 민코프스키 합과 같다; NFP를 계산하는 것이 곧 민코프스키 합을 계산하는 것이다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E0 · 거의 동일한 정식화
팔레트 적재에서 2D 빈 패킹로
관계: 변형 관계
주장: (제조사) 팔레트 적재는 동일 직사각형을 단일 영역에 채우는 구조화된 변형으로, 2D 직교 적재와 가깝다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E2 · 방법론 공유
팔레트 적재에서 2D 배낭 (직사각형)로
관계: 방법 공유
주장: 단일 영역에 동일 직사각형을 최대로 채우는 (제조사) 팔레트 적재는 2D 배낭형 배치 방법과 닿아 있다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E3 · 구조적 유추
팔레트 적재에서 3D 빈 패킹로
관계: 방법 공유
주장: 팔레트 위 박스 적층을 다루는 배송사 팔레트 적재는 컨테이너 적재·3D 빈 패킹과 방법론적으로 닿아 있다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E3 · 구조적 유추
팔레트 적재에서 동적 계획법 (Dynamic Programming)로
관계: 사용 방법
주장: 제조사 팔레트 적재의 정확/구성적 접근은 재귀적 분할과 동적 계획법으로 보고되어 왔다.
증거:
C — 벤더 / 사례 보고
제지 롤 슬리팅에서 1D 절단 재고로
관계: 산업 사례
주장: 제지 롤 슬리팅은 1D 절단 재고의 산업적 사례이며, Gilmore–Gomory의 절단 재고 연구를 촉발한 실제 동기였다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E1 · 같은 기반, 다른 부가 제약
제지 롤 슬리팅에서 제지로
관계: 등장 산업
주장: 롤 슬리팅은 제지 가공의 핵심 단계다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
phi-함수 (Phi-functions)에서 무적합 다각형 (No-Fit Polygon)로
관계: 방법 공유
주장: phi-함수와 무적합 다각형은 모두 부품 간 겹침을 부호화하는 기법이다 — NFP는 조합적 자취를, phi-함수는 연속·해석적 표현을 주어 비선형 최적화와 연속 회전에 적합하다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E3 · 구조적 유추
판금 트루셰이프 네스팅에서 2D 불규칙 네스팅로
관계: 산업 사례
주장: 판금 트루셰이프 네스팅은 불규칙 2D 네스팅의 산업적 사례다(벤더 보고 기반 표현).
증거:
C — 벤더 / 사례 보고
등가:
E1 · 같은 기반, 다른 부가 제약
판금 트루셰이프 네스팅에서 의류 마커 메이킹로
관계: 방법 공유
주장: 판금 트루셰이프 네스팅과 의류 마커 메이킹은 같은 불규칙 네스팅 핵심을 공유하며 방법론이 겹친다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약
판금 트루셰이프 네스팅에서 RADAN Radnest로
관계: 상용 도구
주장: RADAN Radnest는 판금 가공용 트루셰이프 네스팅 모듈로 벤더가 보고한다.
증거:
C — 벤더 / 사례 보고
판금 트루셰이프 네스팅에서 판금 가공로
관계: 등장 산업
주장: 트루셰이프 네스팅은 판금 절단 전의 일상적 단계다.
증거:
C — 벤더 / 사례 보고
판금 트루셰이프 네스팅에서 조선 강재판 네스팅로
관계: 방법 공유
주장: 판금 트루셰이프 네스팅과 조선 강재판 네스팅은 모두 불규칙 형상의 비겹침 배치로, 배치·탐색 방법론을 공유한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약
조선 강재판 네스팅에서 2D 불규칙 네스팅로
관계: 산업 사례
주장: 조선 강재판 네스팅은 불규칙 2D 네스팅의 산업적 사례로, 제조 가능성 제약(베벨·커프·브리지·절단 경로)을 추가한다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약
조선 강재판 네스팅에서 의류 마커 메이킹로
관계: 방법 공유
주장: 둘 다 불규칙 형상의 비겹침 배치로 환원되며 배치·탐색 방법론을 공유하고, 주로 부가 제약에서 차이가 난다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약
조선 강재판 네스팅에서 조선로
관계: 등장 산업
주장: 강재판 네스팅은 조선소 강재 생산의 일상적 단계다.
증거:
C — 벤더 / 사례 보고
조선 강재판 네스팅에서 SigmaNEST로
관계: 상용 도구
주장: SigmaNEST은 조선 강재판 작업을 위한 트루셰이프 네스팅을 지원한다고 벤더가 보고한다.
증거:
C — 벤더 / 사례 보고
가변 크기 빈 패킹 (Variable-Sized Bin Packing)에서 1D 절단 재고로
관계: 방법 공유
주장: 가변 크기 빈 패킹과 1D 절단 재고는 '여러 종류의 재고/빈을 비용 최소로 고른다'는 구조를 공유하며, 둘 다 패턴/구성 정식화로 다뤄진다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E3 · 구조적 유추
가변 크기 빈 패킹 (Variable-Sized Bin Packing)에서 2D 빈 패킹로
관계: 변형 관계
주장: 가변 크기 빈 패킹은 빈이 여러 크기·비용으로 주어지는 빈 패킹 변형으로, 빈 개수가 아니라 총 빈 비용을 최소화한다 — Wäscher 외 유형론의 '빈 구색' 차원에서 갈린다.
증거:
A — 동료심사 논문 / 공식 문서
등가:
E1 · 같은 기반, 다른 부가 제약
Wäscher 절단·적재 유형론 (Wäscher Typology)에서 1D 절단 재고로
관계: 언급
주장: 유형론은 1D 절단 재고를 '입력 최소화' · 강하게 이질적인 소형 항목을 갖는 유형으로 분류한다.
증거:
A — 동료심사 논문 / 공식 문서
Wäscher 절단·적재 유형론 (Wäscher Typology)에서 2D 빈 패킹로
관계: 언급
주장: 유형론은 2D 빈 패킹을 '입력 최소화'(모든 항목을 담되 사용 빈을 최소화) 유형으로 분류한다.
증거:
A — 동료심사 논문 / 공식 문서
Wäscher 절단·적재 유형론 (Wäscher Typology)에서 2D 배낭 (직사각형)로
관계: 언급
주장: 유형론은 2D 배낭을 '출력 최대화'(고정 자원에 담는 가치를 최대화) 유형으로 분류한다.
증거:
A — 동료심사 논문 / 공식 문서
목재 패널 절단에서 가구 제조로
관계: 등장 산업
주장: 패널 재단은 가구 제조의 일상적 단계다.
증거:
C — 벤더 / 사례 보고
목재 패널 절단에서 길로틴 절단로
관계: 산업 사례
주장: 목재 패널 절단은 패널 톱의 변-대-변 직선 절단 제약 때문에 길로틴 절단의 산업적 사례다.
증거:
B — 서베이 / 튜토리얼 / 커뮤니티
등가:
E1 · 같은 기반, 다른 부가 제약

노드 목록

0/1 배낭 문제 — 형식 문제
1D 절단 재고 — 형식 문제
2D 배낭 (직사각형) — 형식 문제
2D 불규칙 네스팅 — 형식 문제
2D 빈 패킹 — 형식 문제
2D 스트립 패킹 — 형식 문제
2DPackLib — 벤치마크
3D 빈 패킹 — 형식 문제
BPPLIB — 벤치마크
Deepnest — 도구
ESICUP — 벤치마크
Google OR-Tools — 도구
libnest2d — 도구
OR-Library — 벤치마크
phi-함수 (Phi-functions) — 방법
RADAN Radnest — 도구
SigmaNEST — 도구
SVGnest — 도구
Wäscher 절단·적재 유형론 (Wäscher Typology) — 개념
가구 제조 — 산업
가변 크기 빈 패킹 (Variable-Sized Bin Packing) — 형식 문제
감소 우선 적합 (First-Fit Decreasing) — 방법
강화학습 (Reinforcement Learning) — 방법
길로틴 절단 — 형식 문제
내부 적합 다각형 (Inner-Fit Polygon) — 방법
동적 계획법 (Dynamic Programming) — 방법
목재 패널 절단 — 응용 문제
무적합 다각형 (No-Fit Polygon) — 방법
물류 — 산업
민코프스키 합 (Minkowski Sum) — 방법
바텀-레프트-필 (Bottom-Left Fill) — 방법
분기 한정 (Branch and Bound) — 방법
시뮬레이티드 어닐링 (Simulated Annealing) — 방법
열 생성 (Column Generation) — 방법
유전 알고리즘 (Genetic Algorithm) — 방법
의류 — 산업
의류 마커 메이킹 — 응용 문제
정수 선형 계획법 (Integer Linear Programming) — 방법
제지 — 산업
제지 롤 슬리팅 — 응용 문제
조선 — 산업
조선 강재판 네스팅 — 응용 문제
컨테이너 적재 — 응용 문제
타부 서치 (Tabu Search) — 방법
판금 가공 — 산업
판금 트루셰이프 네스팅 — 응용 문제
팔레트 적재 — 형식 문제
하한 (Lower Bounds) — 방법