[論文レビュー] An efficient memetic, permutation-based evolutionary algorithm for real-world train timetabling

Marc Schoenauer, Yann Semet|ArXiv.org|Oct 31, 2005

Railway Systems and Energy Efficiency参考文献 1被引用数 11

ひとこと要約

本稿では、100万以上の変数と200万以上の制約を含む現実世界の列車ダイヤ計画問題を解くために、CPLEXとハイブリッド化されたメタヒューリスティックで置換に基づく進化計算手法を提案する。置換をスケジュールに復号するための準グリーディスケジューラを用い、最良解をCPLEXで精錬することで、CPLEX単体に比べて高速かつ高品質な解を得ることができ、特に初期探索段階および高性能なランの一部において顕著な優位性を示す。

ABSTRACT

Train timetabling is a difficult and very tightly constrained combinatorial problem that deals with the construction of train schedules. We focus on the particular problem of local reconstruction of the schedule following a small perturbation, seeking minimisation of the total accumulated delay by adapting times of departure and arrival for each train and allocation of resources (tracks, routing nodes, etc.). We describe a permutation-based evolutionary algorithm that relies on a semi-greedy heuristic to gradually reconstruct the schedule by inserting trains one after the other following the permutation. This algorithm can be hybridised with ILOG commercial MIP programming tool CPLEX in a coarse-grained manner: the evolutionary part is used to quickly obtain a good but suboptimal solution and this intermediate solution is refined using CPLEX. Experimental results are presented on a large real-world case involving more than one million variables and 2 million constraints. Results are surprisingly good as the evolutionary algorithm, alone or hybridised, produces excellent solutions much faster than CPLEX alone.

研究の動機と目的

• 小さな摂動後のリアルタイムでの局所的列車ダイヤの再構築における計算の非効率性に対処すること。
• 鉄道スケジューリングにおける複雑な運用・安全・商業的制約を扱える効率的な進化的アプローチを開発すること。
• 摂動を受ける列車ダイヤの累積遅延を、ハイブリッド最適化戦略によって低減すること。
• 大規模な現実世界の事例において、間接的で置換に基づく進化的アルゴリズムと決定的MIPソルバ（CPLEX）の性能を比較評価すること。
• 組合せ爆発が生じるリアルタイムスケジューリングにおいて、進化的アルゴリズムが正確な手法を上回るか、補完的役割を果たす可能性を検討すること。

提案手法

• アルゴリズムは、列車のスケジュールへの挿入順序を表す列車の置換をゲノタイプとして用いる。
• 準グリーディヒューリスティックスケジューラが、各置換を順次列車を挿入することで妥当なスケジュールに復号し、各ノードで局所的に最適な選択を行うが、グローバルには最適ではない。
• 進化的アルゴリズムは、置換空間上で標準的な遺伝的演算子（選択、交叉、変異）を用いて解空間を探索する。
• 進化的ランで得られた最良個体をCPLEXのウォームスタートとして用い、混合整数プログラミングを用いて解をさらに精錬する。
• 本手法は、100万以上の変数と200万以上の制約を含む現実世界のインスタンスで評価され、4時間分のスケジュール再構築をシミュレートしている。
• ハイブリッド手法は、EAの初期収束の速さと、CPLEXによるグローバル最適解への精錬能力を活用する。

実験結果

リサーチクエスチョン

• RQ1 複雑な制約を伴う大規模で現実世界の列車ダイヤ計画問題を、置換に基づく進化的アルゴリズムが効果的に解けるか。
• RQ2 解の品質と計算時間の観点から、間接的進化的アプローチと直接的MIPソルバ（CPLEX）の性能はどのように比較されるか。
• RQ3 進化的アルゴリズムとCPLEXをハイブリッド化することで、解の品質と収束速度はどの程度向上するか。
• RQ4 初期フィットネスが類似しているにもかかわらず、進化的アルゴリズムの一部のランが他のランよりも顕著に優れたCPLEX精錬結果をもたらすのはなぜか。
• RQ5 準グリーディスケジューラは、先行きの遅れを低減するのに有効なオーバーミング（追い越し）の最適化を、どの程度正しく捉えられていないか。

主な発見

• 進化的アルゴリズム単体でも、30分未満で累積遅延が約16,800の解に到達し、CPLEX単体よりも著しく高速であった。
• 最良ケースにおいて、ハイブリッドアルゴリズムは25分で遅延12,800の解に到達したが、CPLEX単体では3時間以上かかっても15,000の遅延にとどまった。
• 計算開始後1時間以内に、ハイブリッド手法はCPLEX単体よりも速度と解の品質の両面で優れていた。
• 約20％のラン（5回に1回）が、顕著に優れたCPLEX精錬結果をもたらし、高品質なEA解に隠れた構造的差異が存在する可能性を示唆した。
• 準グリーディスケジューラは、遅延を低減するのに有効な有益な追い越し行動を、局所最適化戦略のため特定できず、見逃していた。
• EAの最良解が最適でないにもかかわらず、ハイブリッド手法は収束が速く、非無視可能なランの割合で高品質な最終解を達成するため、リアルタイム応用における強い可能性を示した。