[論文レビュー] Heuristic Rectangle Splitting: Leveraging Single-Objective Heuristics to Efficiently Solve Multi-Objective Problems

Piotr Matl, Richard F. Hartl+1 more|arXiv (Cornell University)|May 29, 2017

Vehicle Routing Optimization Methods参考文献 23被引用数 3

ひとこと要約

本稿では、$ε$-制約法の新規適応手法として、ヒューリスティック最適化に向けたHeuristic Rectangle Splitting（HRS）を提案する。HRSは、最先端の単目的メタヒューリスティクスを活用し、ペナルティ関数と探索記憶を用いた$ε$-制約フレームワーク内で、特定のCVRPヒューリスティクスを統合することで、VRP with Route Balancing（VRPRB）において、既存の多目的メタヒューリスティクスを著しく上回る性能を達成した。解の品質と収束速度に優れ、実装コストは最小限に抑えられる。

ABSTRACT

Real-life problems are often characterized by conflicting optimization objectives. Consequently, there has been a growing interest not only in multi-objective models, but also in specialized multi-objective metaheuristics for solving those models. A wide variety of methods, e.g. NSGA-II, SPEA, IBEA, scatter search, Pareto local search, and many others, have thus been proposed over the years. Yet in principle, multi-objective problems can be efficiently solved with existing tailored single-objective solvers -- this is the central idea behind the well-known epsilon-constraint method (ECM). Despite its theoretical properties and conceptual simplicity, the epsilon-constraint method has been largely ignored in the domain of heuristics and remains associated mostly with exact algorithms. In this article we dispel these preconceptions and demonstrate that the epsilon-constraint framework can be a highly effective way to directly leverage the existing research on single-objective optimization for solving multi-objective problems. We propose an improved version of the classical ECM adapted to the challenges and requirements specific to heuristic search. The resulting framework is implemented with an existing state-of-the-art single-objective solver for the Capacitated Vehicle Routing Problem (CVRP) and tested on the VRP with Route Balancing (VRPRB). Based on an extensive computational study, we show the added value of our adaptations compared to the classical ECM, and demonstrate that our simple epsilon-constraint algorithm significantly outperforms the current state-of-the-art multi-objective metaheuristics with respect to multiple quality metrics. We conclude with a discussion of relevant success factors and promising directions for further research.

研究の動機と目的

• 理論的利点があるにもかかわらず、$ε$-制約法がヒューリスティック最適化で十分に活用されていないことの是正。
• 単目的メタヒューリスティクス分野における数十年にわたる進歩と、現在の複雑で問題特異的な多目的アルゴリズムへの依存とのギャップを埋める。
• 既存の単目的ソルバーが多目的問題を効果的に解くことができる、汎用的で効率的かつ実装が容易なフレームワークの開発。
• 提案されたHRSフレームワークの性能を、VRPRBベンチマークにおいて最先端の多目的メタヒューリスティクスと比較して評価すること。
• $ε$-制約フレームワークをヒューリスティック探索に適用した際の、高い性能を実現する要因を特定すること。

提案手法

• 古典的な$ε$-制約法をヒューリスティック探索に適応させるために、制約を目的関数内にペナルティ項として再定式化する。
• HRSフレームワーク内での基盤ソルバーとして、最先端の単目的CVRPヒューリスティクス（ハイブリッド遺伝的探索）を統合する。
• 計算負荷を制御し、他のメタヒューリスティクスと公平に比較可能にするために、CPU予算パラメータを導入する。
• 以前の探索状態を記録・再利用する探索記憶を活用し、ウォームスタートを可能にすることで、新たな非優越解への収束を高速化する。
• 目的空間を体系的に探索し、パレート集合の近似を精緻化するためにボックス分割戦略を適用する。
• ペナルティ関数を用いることで、非可行解の探索を可能にし、ヒューリスティックの柔軟性と性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 $ε$-制約法は、正確な手法と関連づけられてきたが、ヒューリスティックベースの多目的最適化に効果的に再利用可能だろうか？
• RQ2 HRSフレームワークの性能は、VRPRBにおいてGRASP-ASP や MSSPR といった既存の多目的メタヒューリスティクスと比べてどうか？
• RQ3 ペナルティ関数、探索記憶、解の収集といった、HRS性能に顕著な影響を与える主な設計選択肢は何か？
• RQ4 HRSは、汎用的かつモジュラーな設計を採用しているため、将来の単目的最適化分野の進歩からどの程度恩恵を受けるだろうか？
• RQ5 $ε$-制約フレームワークは、多目的問題において最小限の代表的パレート集合を効率的にターゲットするのに適しているだろうか？

主な発見

• HRSは、VRPRBベンチマークにおいて、古典的な$ε$-制約法よりも著しく収束が速く、解の品質を維持または向上させる。
• HRSは、ハイパーボリューム、ユニアリー・エプシロン、基数といった指標において、GRASP-ASP や MSSPR を上回り、収束性と多様性に優れた性能を示した。
• 目的関数内でのペナルティ関数の使用により、ヒューリスティックの性能が向上し、非可行領域の効果的探索が可能になった。
• 探索記憶は、前回の探索状態からのウォームスタートを可能にすることで、計算効率を高める上で極めて重要な役割を果たした。
• 解の収集は、近似集合の品質にほとんど影響を与えず、HRSフレームワーク内では、単一解ベースのヒューリスティクスが集団ベースのものと同等の効果を発揮できることを示唆している。
• HRSフレームワークは問題に依存しない設計であり、実装コストが極めて低く（CPU予算パラメータのみが必要）、将来の単目的最適化分野の進歩を直接的に享受できる。