[論文レビュー] A Hybrid Genetic Algorithm with Type-Aware Chromosomes for Traveling Salesman Problems with Drone

Sasan Mahmoudinazlou, Changhyun Kwon|arXiv (Cornell University)|Mar 1, 2023

Vehicle Routing Optimization Methods被引用数 8

ひとこと要約

論文はHGA-TACを導入します。型認識染色体を持つハイブリッド遺伝的アルゴリズムで、TSPDとFSTSPを解決します。GA、動的計画法、局所探索を組み合わせて解の質と速度を向上させ、多数のインスタンスで新しい最良解を達成します。

ABSTRACT

There are emerging transportation problems known as the Traveling Salesman Problem with Drone (TSPD) and the Flying Sidekick Traveling Salesman Problem (FSTSP) that involve using a drone in conjunction with a truck for package delivery. This study presents a hybrid genetic algorithm for solving TSPD and FSTSP by incorporating local search and dynamic programming. Similar algorithms exist in the literature. Our algorithm, however, considers more sophisticated chromosomes and less computationally complex dynamic programming to enable broader exploration by the genetic algorithm and efficient exploitation through dynamic programming and local search. The key contribution of this paper is the discovery of how decision-making processes for solving TSPD and FSTSP should be divided among the layers of genetic algorithm, dynamic programming, and local search. In particular, our genetic algorithm generates the truck and the drone sequences separately and encodes them in a type-aware chromosome, wherein each customer is assigned to either the truck or the drone. We apply local search to each chromosome, which is decoded by dynamic programming for fitness evaluation. Our new algorithm is shown to outperform existing algorithms on most benchmark instances in both quality and time. Our algorithms found the new best solutions for 538 TSPD instances out of 920 and 74 FSTSP instances out of 132.

研究の動機と目的

• トラック–ドローン協調（TSPD/FSTSP）による配送経路の改善を動機づける。
• GA、DP、局所探索を統合するハイブリッド最適化フレームワークを開発する。
• 型認識染色体でトラックとドローンの意思決定を別個にエンコードし、探索と熟練のバランスを向上させる。
• ベンチマークインスタンス全体で既存手法に対する性能向上を示す。

提案手法

• 探索のためのGA、最適なランデブー決定のためのDP、洗練のための局所探索という3層構造を提案する。
• トラックノードを正、ドローンノードを負とする型認識染色体（TAC）エンコーディングを導入し、一本の染色体で両方の系列を表現する。
• 最適な発射/着陸点を決定するO(n^2)複雑度のJoin動的計画法を開発する。
• TACエンコーディングに適した型認識クロスオーバーと効果的な局所探索戦略を設計する。
• ドローンの範囲に応じて二つまたは三つのサブ集団を提供し、局所最適解を回避するエスケープ戦略を実装する。

実験結果

リサーチクエスチョン

• RQ1 GA、DP、局所探索をどのように分割してTSPDとFSTSPを効率的に解くべきか。
• RQ2 型認識染色体エンコーディングはトラック-ドローン経路問題の探索と解の質を向上させるか。
• RQ3 Join DPがGA生成解の評価に与える計算的影響はどの程度か。
• RQ4 提案されたTACベースの手法はベンチマークインスタンスで新しい最良解を得られるか。

主な発見

• この手法は538件のTSPDインスタンス中、920件中で新しい最良解を達成した。
• この手法は93件のFSTSPインスタンス中、132件中で新しい最良解を達成した。
• HGA-TACは多くの既存アルゴリズムを解の質と実行時間の両面で上回る。
• Join DPアルゴリズムは特定の染色体に対してO(n^2)時間で動作し、評価を効率化する。
• ドローンの範囲が限られる場合、二つまたは三つのサブ集団を使用することで多様性と性能が向上する。