[論文レビュー] A reliability-aware randomized simheuristic for the team orienteering problem with stochastic travel times

Michele Circelli|arXiv (Cornell University)|Mar 21, 2026

Vehicle Routing Optimization Methods被引用数 0

ひとこと要約

この論文は、全報酬ありの確率的Team Orienteering Problemに対して、節約構築、制御された乱択化、局所探索、モンテカルロ評価を統合した信頼性を考慮したシミュヒューリスティックを提案し、期待報酬とルート信頼性の両方を最適化します。

ABSTRACT

We study a stochastic variant of the Team Orienteering Problem (TOP) with uncertain travel times and an all-or-nothing reward policy, under which the reward of a route is lost if its travel time exceeds the available budget. This setting makes the trade-off between expected reward and route reliability a central issue in solution design. To address this problem, we propose a reliability-aware simheuristic that combines a savings-based constructive heuristic, controlled randomization, local search, and Monte Carlo simulation. The method evaluates candidate solutions directly under uncertainty and selects them using both estimated expected reward and a reliability criterion, rather than relying on deterministic optimization followed by ex-post stochastic evaluation. Computational experiments on benchmark instances adapted from the TOP literature show that the proposed approach substantially improves stochastic performance with respect to a deterministic baseline evaluated under uncertainty. In most instances, the simheuristic increases both expected reward and reliability, and in the loosest regimes reliability can approach 0.99 while keeping computation times moderate.

研究の動機と目的

• Travel-time uncertaintyが全報酬ありのTOPに与える影響を検討する。
• 不確実性の下で期待報酬とルート信頼性の両方を最適化する信頼性を考慮した探索フレームワークを開発する。
• 対数正規分布の移動時間を用いた確率的TOPを評価し、決定論的ベースラインと比較する。
• 事後評価ではなく探索プロセス自体に確率的評価を組み込む。

提案手法

• 制御された乱択化を強化した節約ベースの構成ヒューリスティックを用いて初期ルートを構築する。
• ルート内の2-optと貪欲再挿入に続き置換移動でルートを改善する。
• 各フェーズでTop-L_top乱択を導入し、多様な候補解を生成する。
• 共通の移動時間シナリオセットを用いたモンテカルロシミュレーションで候補解を評価し、期待報酬と信頼性を推定する。
• ルートレベルの成功確率を計算し、βという信頼性閾値を満たす解を選択し、実現可能集合内で推定報酬を最大化する。

実験結果

リサーチクエスチョン

• RQ1 移動時間の不確実性は、全報酬ありのTOPの解の質と信頼性にどのように影響するか。
• RQ2 信頼性を考慮したシミュヒューリスティックは、確率的評価下の不確実性に対して決定論的ベースラインと比較して、期待報酬と信頼性の両方を改善できるか。
• RQ3 探索プロセスにモンテカルロ評価を直接統合することは解のロバスト性にどのような影響を与えるか。
• RQ4 不確実性の下で探索（乱択）と利用（局所探索）のバランスは提案フレームワークでどう取られるか。

主な発見

• シミュヒューリスティックは、確率的評価下の決定論的ベースラインと比べて確率的性能を大幅に改善する。
• 多くの事例で、期待報酬と信頼性の両方が向上する。
• 最も緩い系では、推定信頼性が0.99に近づく一方で計算時間は中程度に抑えられる。