[論文レビュー] An Indirect Genetic Algorithm for a Nurse Scheduling Problem

Uwe Aickelin, Kathryn A. Dowsland|SSRN Electronic Journal|Mar 20, 2008

Scheduling and Timetabling Solutions参考文献 3被引用数 29

ひとこと要約

本論文は、英国の病院における実世界の看護師スケジューリング問題に対して、順列ベースの符号化とヒューリスティックなデコード手法を用いて複雑な制約と目的を扱う、間接的遺伝的アルゴリズム（IGA）を提案する。この手法は、解の品質と速度の両面で、以前のTabu Search手法を上回り、ハイブリッド交叉と境界に基づく探索空間の縮小が性能向上に寄与している。

ABSTRACT

This paper describes a Genetic Algorithms approach to a manpower-scheduling problem arising at a major UK hospital. Although Genetic Algorithms have been successfully used for similar problems in the past, they always had to overcome the limitations of the classical Genetic Algorithms paradigm in handling the conflict between objectives and constraints. The approach taken here is to use an indirect coding based on permutations of the nurses, and a heuristic decoder that builds schedules from these permutations. Computational experiments based on 52 weeks of live data are used to evaluate three different decoders with varying levels of intelligence, and four well-known crossover operators. Results are further enhanced by introducing a hybrid crossover operator and by making use of simple bounds to reduce the size of the solution space. The results reveal that the proposed algorithm is able to find high quality solutions and is both faster and more flexible than a recently published Tabu Search approach.

研究の動機と目的

• 複雑な制約と複数の目的を有する実病院環境における看護師スケジューリングの課題に対処すること。
• 古典的遺伝的アルゴリズムが、対立する目的とハード制約のバランスを取る際の限界を克服すること。
• 実世界のデータに適応しやすく、効率的なメタヒューリスティック手法を構築すること。
• 実際のスケジューリング文脈において、異なるデコーダーと交叉演算子の性能を評価すること。
• 解の品質と計算効率の両面で、既存手法（例：Tabu Search）を上回ることを実証すること。

提案手法

• 各染色体がスケジュールそのものではなく、看護師の順列を符号化する間接的表現を用いる。
• スケジューリング規則に基づいて順列を有効かつ妥当なスケジュールに変換するヒューリスティックデコーダを採用する。
• 解の品質に与える影響を評価するために、知能度の異なる3種類のデコーダをテストする。
• 4種類の標準的交叉演算子を適用し、性能向上を図るためにハイブリッド交叉を導入する。
• 単純な境界を導入して探索空間を縮小し、収束速度を向上させる。
• 計算実験と性能評価に、52週間分の実際の病院データを用いる。

実験結果

リサーチクエスチョン

• RQ1 間接的遺伝的アルゴリズムは、実世界の看護師スケジューリングにおける複雑な制約と複数の目的を効果的に処理できるか？
• RQ2 異なる知能度のデコーダーは、生成されるスケジュールの品質と妥当性にどのような影響を与えるか？
• RQ3 標準的でないハイブリッド変種を含む、さまざまな交叉演算子の影響は解の品質と収束速度にどのような影響を与えるか？
• RQ4 探索空間の境界に基づく縮小は、アルゴリズムの性能向上にどの程度寄与するか？
• RQ5 最近発表されたTabu Search手法と比較して、提案されたIGAは性能と解の品質の両面で優れているか？

主な発見

• 間接的遺伝的アルゴリズムは、以前のTabu Search手法よりも高速かつ柔軟に、高品質な解を生成した。
• ハイブリッド交叉演算子は、標準的交叉手法と比較して顕著に性能を向上させた。
• 単純な境界の使用により探索空間が縮小され、収束速度の向上に寄与した。
• 最も知能度の高いデコーダーはより優れたスケジュールを生成したが、計算コストの増加は解の品質向上に比べて最小限にとどまった。
• 52週間分の実世界データにおいて、アルゴリズムは優れたスケーラビリティとロバストネスを示した。
• 全体として、IGAは解の品質と計算効率の両面でTabu Search手法を上回った。