[論文レビュー] An Exact Algorithm for a Fuel-Constrained Autonomous Vehicle Path Planning Problem

Kaarthik Sundar, Saravanan Venkatachalam+1 more|arXiv (Cornell University)|Apr 28, 2016

Vehicle Routing Optimization Methods参考文献 24被引用数 12

ひとこと要約

本稿では、燃料制約付き自律型車両経路計画問題（FCAVPP）を解くために、4つの新しい混合整数線形プログラミング（MILP）定式化を用いた正確な分枝カットアルゴリズムを提示する。車両はターゲットを訪問し、指定されたステーションで給油し、ドアに帰還する必要があり、総走行コストを最小化する。弧ベースの定式化 $ackslash mathcal extasciitilde extasciitilde 2$ が最も効果的であり、40ターゲットまでのインスタンスを数分以内に最適に解けることが示された。

ABSTRACT

This paper addresses a fuel-constrained, autonomous vehicle path planning problem in the presence of multiple refueling stations. We are given a set of targets, a set of refueling stations, and a depot where $m$ vehicles are stationed. The vehicles are allowed to refuel at any refueling station, and the objective of the problem is to determine a route for each vehicle starting and terminating at the depot, such that each target is visited by at least one vehicle, the vehicles never run out of fuel while traversing their routes, and the total travel cost of all the routes is a minimum. We present four new mixed-integer linear programming formulations for the problem. These formulations are compared both analytically and empirically, and a branch-and-cut algorithm is developed to compute an optimal solution. Extensive computational results on a large class of test instances that corroborate the effectiveness of the algorithm are also presented.

研究の動機と目的

• 燃料制約付き自律型車両経路計画問題（FCAVPP）を扱う。この問題では、車両がターゲットを訪問し、ステーションで給油し、ドアに帰還する必要があり、総走行コストを最小化する。
• FCAVPPのための4つの新しい混合整数線形プログラミング（MILP）定式化を開発・比較する。これには、弧ベースおよびノードベースのアプローチが含まれ、燃料容量制約を組み込む。
• 最良の性能を示す定式化を用いて、最適解を効率的に計算する分枝カットアルゴリズムを設計・実装する。
• 40ターゲットまでの多数のテストインスタンスを用いて、定式化とアルゴリズムの有効性を実証的に検証する。
• 電気自動車や代替燃料車両の運用における類似の燃料制約付きルーティング問題に適した、タイトで計算的に効率的な定式化テンプレートを提供する。

提案手法

• FCAVPPを4つの異なるMILPモデルで定式化する：2つの弧ベース（$\\mathcal extasciitilde extasciitilde 1$, $\\mathcal extasciitilde extasciitilde 2$）と2つのノードベース（$\\mathcal extasciitilde extasciitilde 3$, $\\mathcal extasciitilde extasciitilde 4$）、それぞれがエッジまたはノード上の意思決定変数を用いて燃料容量制約を組み込む。
• ノードベースの定式化では、部分巡回を防ぎ、車両ルートの接続性を保証するため、ミラー・タッカー・ゼムリン（MTZ）制約を用いる。
• ゴモリ（1969）の「リフトィング」技術を応用し、線形計画緩和の上限に基づいて、定式化の強度を解析的に比較する。
• 動的に違反する接続性制約を分離し、追加することで解法プロセスを改善する分枝カットアルゴリズムを実装する。
• 指数的数の接続性制約を緩和し、最適化中に違反する場合にのみ追加することで、計算負荷を顕著に低減する。
• 性能が優れていることから、弧ベースの定式化 $\\mathcal extasciitilde extasciitilde 2$ を主なソルバーとして使用する。

実験結果

リサーチクエスチョン

• RQ1 FCAVPPのための4つの提案MILP定式化の中で、どの定式化が最もタイトな線形計画緩和を提供し、分枝カットにおける収束を速くするか？
• RQ2 車両数が燃料制約下でのFCAVPPの計算複雑性と解法時間に与える影響はいかほどか？
• RQ3 分枝カットの過程で、違反する接続性制約をどの程度追加する必要があり、それがアルゴリズムの効率性にどのように影響するか？
• RQ4 提案された定式化とアルゴリズムは、実世界規模のインスタンス（例：40ターゲットまで）を実用的な時間制限内で最適に解くことができるか？
• RQ5 弧ベースの定式化 $\\mathcal extasciitilde extasciitilde 2$ は、多様な問題インスタンスにおいて、常にノードベースの定式化を上回る性能を示すか？

主な発見

• 弧ベースの定式化 $\\mathcal extasciitilde extasciitilde 2$ は、計算速度と解の品質の両面で他のすべての定式化を上回り、テストインスタンスの95％をノードベースの $\\mathcal extasciitilde extasciitilde 4$ よりも速く解いた。
• 25ターゲット、2台の車両インスタンスでは、$\\mathcal extasciitilde extasciitilde 2$ を用いて最適解を78.05秒で計算した。これは実用的な効率性を示している。
• 車両数が3から5に増加するにつれ、平均計算時間が減少した。これは、より多くの車両が燃料制約のルート可能性への影響を軽減したためである。
• 分枝カットアルゴリズムは、合計可能な接続性制約のわずかな割合しか追加しなかった。これは、制約を緩和し、動的に追加する戦略が極めて有効であることを示している。
• 最適化中に追加された違反する接続性制約の数は、元の指数的数に比べて顕著に少なかった。これは、アルゴリズム設計の妥当性を裏付けた。
• 40ターゲットまでのすべてのインスタンスが $\\mathcal extasciitilde extasciitilde 2$ を用いて最適に解かれた。これは、本手法が現実的な問題サイズにおいてスケーラブルであることを確認した。