[論文レビュー] Hybrid Genetic Search for the CVRP: Open-Source Implementation and SWAP* Neighborhood

Thibaut Vidal|arXiv (Cornell University)|Nov 23, 2020

Vehicle Routing Optimization Methods参考文献 26被引用数 187

ひとこと要約

本稿では、容量制約付き巡回経路問題（CVRP）に特化した、ハイブリッド遺伝的探索アルゴリズムのオープンソースで高最適化された実装、HGS-CVRPを紹介する。SWAP*近傍という、挿入を伴わずに2つの顧客をルート間で交換する新しい効率的な探索可能な移動セットを導入し、その有効な探索が解の品質と収束速度を著しく向上させ、標準ベンチマーク上での速度と最適性の両面で先行手法を上回ることを示している。

ABSTRACT

The vehicle routing problem is one of the most studied combinatorial optimization topics, due to its practical importance and methodological interest. Yet, despite extensive methodological progress, many recent studies are hampered by the limited access to simple and efficient open-source solution methods. Given the sophistication of current algorithms, reimplementation is becoming a difficult and time-consuming exercise that requires extensive care for details to be truly successful. Against this background, we use the opportunity of this short paper to introduce a simple -- open-source -- implementation of the hybrid genetic search (HGS) specialized to the capacitated vehicle routing problem (CVRP). This state-of-the-art algorithm uses the same general methodology as Vidal et al. (2012) but also includes additional methodological improvements and lessons learned over the past decade of research. In particular, it includes an additional neighborhood called SWAP* which consists in exchanging two customers between different routes without an insertion in place. As highlighted in our study, an efficient exploration of SWAP* moves significantly contributes to the performance of local searches. Moreover, as observed in experimental comparisons with other recent approaches on the classical instances of Uchoa et al. (2017), HGS still stands as a leading metaheuristic regarding solution quality, convergence speed, and conceptual simplicity.

研究の動機と目的

• 容量制約付き巡回経路問題（CVRP）のための、シンプルでオープンソースかつ高パフォーマンスなハイブリッド遺伝的探索（HGS）アルゴリズムの実装を提供すること。
• 挿入を伴わない2人の顧客をルート間で交換する新しい移動タイプ「SWAP*近傍」を導入し、その評価を行うこと。
• SWAP*移動の効率的な探索が、標準的な近傍と比較して収束速度の向上と解の品質の向上をもたらすことを示すこと。
• ヒューリスティック設計の簡素化と、組合せ最適化分野における再現可能で透明性のある研究を促進することで、科学的進展を推進すること。
• 最小限のコンポONENTのみを保持することで、最大の明快さとパフォーマンスを実現した、強力かつシンプルなコードベースを提供すること。

提案手法

• アルゴリズムは、交差に基づく多様性確保と局所探索に基づく集中化を組み合わせたハイブリッド遺伝的探索フレームワークを採用する。
• 親選択を導くために、解の品質（fφ）と多様性（fdiv）の両方をバランスさせるフィットネス関数を用い、重み付き和を用いて選択を制御する二項トーナメント選択を実装する。
• 二段階の局所探索を適用する：第一段階として、リロケート、スワップ、2-Opt、2-Opt*の移動を含む標準的な局所探索を実施。第二段階として、SWAP*近傍の専用探索を実施する。
• 幾何的プルーニングと移動フィルタリングを用いることで、Θ(n⁴)の潜在的移動数を、準平方時間で効率的に探索可能とする。
• 移動後のルートコストと実行可能性を計算するために、最適な線形時間Split手順（Vidal, 2016）を採用する。
• 超過負荷に対して線形ペナルティを適用することで、実行可能性境界付近の探索を可能にする。

実験結果

リサーチクエスチョン

• RQ1 簡素化されたオープンソース実装のHGSは、概念的明快性を保ちながらも、CVRPにおいて最先端の性能を達成できるか？
• RQ2 挿入を伴わない2人の顧客をルート間で交換するSWAP*近傍の導入が、解の品質と収束速度にどのように影響を与えるか？
• RQ3 Θ(n⁴)の大きさを有するSWAP*近傍の探索に要する計算コストとその有効性は何か？
• RQ4 特に局所探索の後期段階において、SWAP*は改善移動をどれほど効果的に発見するか？
• RQ5 効果的なプルーニングとフィルタリング戦略により、SWAP*のような大規模近傍の探索は、より小さな近傍と比較して実用的かつ競争力を持つようになるか？

主な発見

• HGS-CVRPは、元のHGS（Vidal et al., 2012）と同等の解の品質を達成しているが、計算時間はその数分のの一にまで短縮されている。
• SWAP*近傍は、解の改善の約15％を占めており、特に局所探索の後期段階でより多くの改善が得られている。
• Θ(n⁴)のサイズを有するにもかかわらず、効果的なプルーニングとフィルタリング戦略のおかげで、SWAP*の探索は合計CPU時間の32％以下に抑えられている。
• SWAP*は、平均ルートサイズが小さい（ルートが短い）インスタンスにおいて特に効果的であり、単位時間あたりの改善移動発見数が多い。
• Uchoa et al. (2017)のベンチマークインスタンスにおいて、解の品質と収束速度の両面で、最近の他のCVRP手法をすべて上回っている。
• コーナー型のデポ位置や顧客数の多いインスタンスでは、フィルタリング戦略による移動の増加が原因で、SWAP*に費やす計算時間が著しく増加している。