컨테이너 터미널의 장치장은 수입 및 수출되는 컨테이너를 임시로 보관하는 장소이다. 터미널의 생산성을 높이기 위해서는 이송 차량에 컨테이너를 실거나 내리는 작업을 가능한 신속하게 처리하여 장치장에서 대기하는 컨테이너 이송 차량의 대기 시간을 최소화해야 한다. 따라서 장치장 크레인은 처리해야 하는 많은 컨테이너들 중에서 터미널 생산성을 가장 높일 수 있는 순서로 컨테이너를 옮겨야 한다. 본 논문에서는 장치장 크레인의 작업 할당 전략을 인공 신경망으로 구성하고, DQN 학습 알고리즘을 기반으로 최적화하는 방안을 제안한다. 학습된 DQN은 크레인 작업 할당 전략으로서, 크레인의 상태와 후보 컨테이너에 대한 상태 정보 입력에 대한 DQN의 출력 값으로 후보 컨테이너들이 평가되며, 출력 값이 가장 큰 컨테이너가 크레인의 다음 작업으로 할당된다.