[論文レビュー] An Evolutionary Stochastic-Local-Search Framework for One-Dimensional Cutting-Stock Problems

Georgios C. Chasparis, Michael Rossbory+1 more|arXiv (Cornell University)|Jul 27, 2017

Optimization and Packing Problems被引用数 3

ひとこと要約

本稿では、1次元カットストック問題に対する進化的な確率的局所探索（SLS）フレームワークを提案する。本手法は、柔軟な多様化戦略と新規な並列計算パターンを統合しており、局所探索による局所最適解からの脱出を向上させるとともに、設定可能なしきい値とコストフリーの操作を用いて、効率的な探索を可能にすることで、実際の製造現場におけるコストを顕著に削減する。

ABSTRACT

We introduce an evolutionary stochastic-local-search (SLS) algorithm for addressing a generalized version of the so-called 1/V/D/R cutting-stock problem. Cutting-stock problems are encountered often in industrial environments and the ability to address them efficiently usually results in large economic benefits. Traditionally linear-programming-based techniques have been utilized to address such problems, however their flexibility might be limited when nonlinear constraints and objective functions are introduced. To this end, this paper proposes an evolutionary SLS algorithm for addressing one-dimensional cutting-stock problems. The contribution lies in the introduction of a flexible structural framework of the optimization that may accommodate a large family of diversification strategies including a novel parallel pattern appropriate for SLS algorithms (not necessarily restricted to cutting-stock problems). We finally demonstrate through experiments in a real-world manufacturing problem the benefit in cost reduction of the considered diversification strategies.

研究の動機と目的

• 非線形制約を伴う1次元カットストック問題を解く伝統的な線形プログラミングの限界を克服すること。
• 多様化戦略を柔軟かつ拡張可能に統合できる最適化フレームワークの開発。
• 新規な並列SLS計算パターンにより、解の品質と収束速度の向上。
• 高有望および良好ステータスのしきい値といった主要なアルゴリズム的パラメータが最適化性能に与える影響の評価。
• 実世界の産業的製造現場におけるコスト削減の実証。

提案手法

• フレームワークは2プールアーキテクチャを採用：主要処理プール（P）と、高有望な候補解を格納する予備プール（R）。
• 局所探索操作を繰り返し適用して、解空間内の近隣の解を探索する。
• 設定可能なしきい値（D_hp*：高有望しきい値、D_gs*：良好ステータスしきい値）を用いて多様化を実現し、解の保持および予約を制御する。
• 並列計算パターンにより、複数の候補解を同時に処理可能となり、探索効率が向上する。
• コストフリーの操作を導入することで、性能劣化を伴わずに局所最適解からの脱出を支援する低影響の移動を可能にする。
• 正規化されたフィットネス-距離指標を用いて解の品質を評価し、プール管理を指針とする。

実験結果

リサーチクエスチョン

• RQ1 多様化戦略の統合が、1次元カットストック問題におけるSLSの性能に与える影響は何か？
• RQ2 高有望しきい値（D_hp*）は、アルゴリズムの局所最適解からの脱出能力にどのような影響を与えるか？
• RQ3 最適化時間の延長は、良好ステータスしきい値（D_gs*）の有効性にどのように影響するか？
• RQ4 提案された並列計算パターンは、解の品質と収束速度の向上にどの程度寄与するか？
• RQ5 コストフリーの操作は、並列度の異なる状況下で、性能向上にどのように寄与するか？

主な発見

• ランダムな摂動が、局所最適解からの脱出を可能にすることで、最適化性能を顕著に向上させる。
• 最長許容最適化時間の延長により性能が向上するが、並列度が高くなると収束が速いため、その恩恵は段階的に減少する。
• 高有望しきい値（D_hp*）を引き上げる性能向上は、予備プール（R）をより大きくすることでのみ達成可能であり、大きなプールにより有望な解の早期喪失を防げる。
• 良好ステータスしきい値（D_gs*）を最適値を超えて延長すると、局所最適解での停滞が長引き、性能が劣化するが、最適化時間を延長することで性能を回復できる。
• コストフリーの操作は、あらゆる並列度の水準において一貫して性能を向上させ、性能へのペナルティを伴わず効果的な探索を可能にする。
• 提案されたフレームワークは、実世界の製造現場における事例研究で顕著なコスト削減を達成しており、多様化および並列化戦略の有効性を裏付けている。