[論文レビュー] A Conic Integer Programming Approach to Constrained Assortment Optimization under the Mixed Multinomial Logit Model

Alper Şen, Alper Atamtürk+1 more|arXiv (Cornell University)|May 25, 2017

Supply Chain and Inventory Management参考文献 27被引用数 7

ひとこと要約

本稿では、混合マルチネーム・ロジット（MMNL）モデルにおける制約付きアソートメント最適化のための円錐二次混合整数プログラミング定式化を提案し、従来のMILPアプローチに比べて解法効率を著しく向上させた。容量制約に対する条件付き境界から導出されたMcCormick不等式を統合することにより、商業的ソルバーが大規模なインスタンスを最適に解けるようになり、平均解法時間は30秒未満、95%のテストインスタンスで最適性ギャップが0.00%にまで低下した。

ABSTRACT

We consider the constrained assortment optimization problem under the mixed multinomial logit model. Even moderately sized instances of this problem are challenging to solve directly using standard mixed-integer linear optimization formulations. This has motivated recent research exploring customized optimization strategies and approximation techniques. In contrast, we develop a novel conic quadratic mixed-integer formulation. This new formulation, together with McCormick inequalities exploiting the capacity constraints, enables the solution of large instances using commercial optimization software.

研究の動機と目的

• 混合マルチネーム・ロジット（MMNL）モデル下での容量制約付きアソートメント最適化の計算的非実行可能性（NP困難）に対処し、標準的なMILP定式化に不適切であることを目的とする。
• カスタムヒューリスティクスやアルゴリズムの開発を必要とせず、商業的ソルバーを用いて大規模インスタンスを正確に解けるより効果的な最適化フレームワークを構築することを目的とする。
• 容量およびサブセット基数制約に対する条件付き境界から導出されたMcCormick不等式を用いて定式化を強化し、緩和問題のタイトネスを向上させることを目的とする。
• 円錐混合整数プログラミングが、このクラスの問題において解の質と計算速度の両面で従来のMILP定式化を上回ることを示すこと。
• 複雑な顧客選好モデル下での現実世界のアソートメントプランニングにスケーラブルかつ商業的に導入可能なソリューションを提供すること。

提案手法

• 2次円錐制約を活用して確率的選好行動をモデル化することで、MMNLアソートメント最適化問題を円錐二次混合整数計画問題として定式化する。
• 容量およびサブセット基数制約から導出された条件付き境界を活用し、McCormick不等式を導入して緩和問題のタイトネスを高める。
• 容量およびサブセット制約の線形緩和問題に別々にグリーディアルゴリズムを適用することで、McCormick不等式の下界を計算し、計算効率を確保する。
• 2段階アプローチを採用：まず個々の制約（容量およびサブセット基数）下での緩和問題を解き、その後各変数の下界としてその最小値をとる。
• 商業的最適化ソフトウェアに定式化を実装し、カスタムコードやヒューリスティクス開発なしに大規模インスタンスを直接解けるようにする。
• 最大100製品、一般化された容量制約を含むインスタンスを用いて、MILP、MILP+MC、CONIC、CONIC+MC定式化のパフォーマンスを比較して検証する。

実験結果

リサーチクエスチョン

• RQ1 円錐二次混合整数プログラミング定式化は、MMNLモデル下の容量制約付きアソートメント最適化において、標準的なMILP定式化を上回ることができるか？
• RQ2 条件付き境界から導出されたMcCormick不等式は、緩和問題の品質および解法速度をどの程度改善するか？
• RQ3 商業的最適化ソフトウェアは、カスタムヒューリスティクスやアルゴリズムを必要とせず、大規模なMMNLアソートメント問題を最適に解けるか？
• RQ4 一般化された容量制約（合計容量およびサブセット基数制限を含む）下で、提案された定式化はどの程度の性能を示すか？
• RQ5 円錐定式化とMcCormickのタイトニングを組み合わせた場合、最適性ギャップおよび計算時間にどのような影響を与えるか？

主な発見

• CONIC+MC定式化は50インスタンスのテストで平均26.13秒の解法時間を達成し、95%のインスタンスが最適に解かれた（最適性ギャップ0.00%）。
• 平均して、CONIC+MC定式化は分枝限定木で383ノードしか必要としなかったが、MILP定式化は41,385ノードを要した。
• 100製品および40容量ユニットを有するインスタンスでは、CONIC+MC定式化が5つのインスタンスすべてを平均2秒未満で最適に解き、最適性ギャップは0.00%であった。
• グリーディベースの下界を用いることで、McCormick不等式の下界計算に要する時間を無視できるほどに短縮したが、同時に緩和問題のタイトネスは維持された。
• CONIC+MC定式化は50インスタンス中50件を最適に解いたが、次に優れたMILP+MC定式化では20件にとどまった。
• CONIC+MC定式化の平均相対ギャップは0.12%であったのに対し、ベースラインMILP定式化では12.73%であった。これは、緩和問題の強度が優れていることを示している。