[論文レビュー] Automated design of relocation rules for minimising energy consumption in the container relocation problem

Marko Ðurasević, Mateja Đumić+2 more|arXiv (Cornell University)|Jul 4, 2023

Maritime Ports and Logistics被引用数 4

ひとこと要約

本稿では、コンテナ再配置問題（CRP）における再配置ルール（RRs）の優先順位関数（PFs）を自動的に生成する遺伝的プログラミング（GP）に基づくハイパーヒューリスティクスを提案し、エネルギー消費を最小化することを目的としている。GPは先行研究における遺伝的アルゴリズム（GA）ベースの手法を上回り、平均で5%優れたエネルギー効率を達成しており、特に不要な移動を防ぐ制限付きルールバージョンにおいて顕著である。

ABSTRACT

The container relocation problem is a combinatorial optimisation problem aimed at finding a sequence of container relocations to retrieve all containers in a predetermined order by minimising a given objective. Relocation rules (RRs), which consist of a priority function and relocation scheme, are heuristics commonly used for solving the mentioned problem due to their flexibility and efficiency. Recently, in many real-world problems it is becoming increasingly important to consider energy consumption. However, for this variant no RRs exist and would need to be designed manually. One possibility to circumvent this issue is by applying hyperheuristics to automatically design new RRs. In this study we use genetic programming to obtain priority functions used in RRs whose goal is to minimise energy consumption. We compare the proposed approach with a genetic algorithm from the literature used to design the priority function. The results obtained demonstrate that the RRs designed by genetic programming achieve the best performance.

研究の動機と目的

• コンテナ再配置問題（CRP）において、エネルギー消費を特に最適化した再配置ルール（RRs）が不足しているという問題に対処すること。
• 遺伝的プログラミング（GP）を用いたハイパーヒューリスティクスフレームワークを構築し、エネルギー最小化を目的として再配置ルール用の優先順位関数（PFs）を自動生成すること。
• 先行文献から得られた遺伝的アルゴリズム（GA）ベースの手法（GRH）と比較し、GPで生成されたRRを評価すること。GRHは事前に定義されたPF構造に基づき、パラメータを最適化している。
• GPが任意のPF構造を進化させられる能力が、最適化された係数を持つ固定構造PFよりも優れたエネルギー効率をもたらすかどうかを検証すること。
• 標準的なCRPベンチマークインスタンスを用いて、統計的検定によりGPで生成されたRRの優位性を検証すること。

提案手法

• 遺伝的プログラミング（GP）を用いて、ヤード状態の特徴に基づき、再配置の可能性を順位付けする優先順位関数（PFs）を進化させる。
• GPシステムは標準的な演算子を用いる：トーナメント選択、1点および部分木クロスオーバー、およびノード置換・スリム（縮小）を含む変異演算子。
• フィットネス関数は、与えられたCRPインスタンスに進化したRRを適用した際に得られる解列の合計エネルギー消費量（TEC）である。
• 先行研究（HusseinとPetering, 2012）で用いられたヤード状態特徴（コンテナ高さ、スタック利用可能状態、ターゲットコンテナ位置など）をGPのターミナルとして使用する。
• 2つのRRバリエーションを評価する：制限なし（U）（任意の再配置を許可）、制限あり（R）（不要な移動を回避し、エネルギー損失を低減）。
• 進化したRRの性能は2つのベンチマークデータセット（CasertaとZhu）でテストされ、各手法について30回の独立実行が行われ、クラスカル・ウォリス検定およびダン後続検定により統計的有意性が評価された。

実験結果

リサーチクエスチョン

• RQ1 遺伝的プログラミング（GP）は、コンテナ再配置問題（CRP）における合計エネルギー消費量を最小化する高品質な優先順位関数（PFs）を自動的に生成できるか？
• RQ2 GPは、同じエネルギー最小化目的を有する手動で定義されたPF構造の係数を最適化する遺伝的アルゴリズム（GA）ベースの手法（GRH）を上回るか？
• RQ3 制限ありと制限なしの再配置ルールバリエーションは、エネルギー効率および解の質においてどのように比較できるか？
• RQ4 GPで生成されたRRの性能向上は、ベンチマークインスタンス全体で統計的に有意であるか？
• RQ5 GPは、構造が固定で、GAによるパrameter最適化のみを施したPFよりも、より効果的なPFを進化させられるか？

主な発見

• GPで生成された再配置ルールは、CasertaおよびZhuの両データセットにおいて、GAベースのGRHと比較して、最小エネルギー消費量および中央値エネルギー消費量の両方で一貫して優れている。
• GPで生成された再配置ルールの制限ありバージョン（GP-R）は、GP-UやGRH-Rを含むすべてのRRバリエーションを顕著に上回り、最悪のGP-R結果でさえ、最良のGRH結果を上回っている。
• 平均して、GP-RはGRHと比較して合計エネルギー消費量を約5%削減しており、顕著な性能向上を示している。
• 制限なしバージョン（GP-UおよびGRH-U）は、不要な再配置が増加することでエネルギー消費が増加するため、制限ありバージョンと比較して著しく劣っている。
• 統計的検定により、GP-Rが他のすべてのRRタイプを顕著に上回っていることが確認され（p < 0.05）、エネルギー最小化を目的としたCRPにおける有効性が裏付けられている。