[論文レビュー] Integrating car path optimization with train formation plan: a non-linear binary programming model and simulated annealing based heuristics

Boliang Lin|arXiv (Cornell University)|Jul 26, 2017

Railway Systems and Energy Efficiency参考文献 13被引用数 5

ひとこと要約

本稿では、積み込み、再編成、輸送のコストを最小化する非線形2値プログラミングモデルを提案する。このモデルは、容量制約を満たすように、車両ルーティングと列車編成計画を統合的に最適化する。複雑で統合された問題を効率的に解くために、ペナルティ関数法を用いたシミュレーテッド・アニーリングに基づくヒューリスティックを採用し、従来の逐次的手法に比べてコスト効率と運用可能性の両面で優れている。

ABSTRACT

An essential issue that a freight transportation system faced is how to deliver shipments (OD pairs) on a capacitated physical network optimally; that is, to determine the best physical path for each OD pair and assign each OD pair into the most reasonable freight train service sequence. Instead of pre-specifying or pre-solving the railcar routing beforehand and optimizing the train formation plan subsequently, which is a standard practice in China railway system and a widely used method in existing literature to reduce the problem complexity, this paper proposes a non-linear binary programming model to address the integrated railcar itinerary and train formation plan optimization problem. The model comprehensively considers various operational requirements and a set of capacity constraints, including link capacity, yard reclassification capacity and the maximal number of blocks a yard can be formed, while trying to minimize the total costs of accumulation, reclassification and transportation. An efficient simulated annealing based heuristic solution approach is developed to solve the mathematical model. To tackle the difficult capacity constraints, we use a penalty function method. Furthermore, a customized heuristics for satisfying the operational requirements is designed as well.

研究の動機と目的

• 鉄道貨物輸送システムにおいて、車両ルーティングと列車編成計画が別々に最適化されるという逐次的最適化の限界を是正すること。
• コスト効率を向上させるために、鉄道車両の経路と列車編成計画を同時に最適化する統合モデルを開発すること。
• リンク容量、車両再編成能力、最大ブロック編成制限といった現実的な運用制約を組み込むこと。
• 積み込み、再編成、輸送費用を含む総システムコストを、統一された最適化フレームワークを通じて最小化すること。

提案手法

• 鉄道車両のルーティングと列車編成計画を統合的に最適化する非線形2値プログラミングモデルを構築する。
• リンク容量や車両再編成能力といった困難な制約を処理するために、ペナルティ関数法を用いて容量制約を組み込む。
• ブロック編成制限や車両所処理能力といった運用要件を満たすために、カスタマイズされたヒューリスティックを設計する。
• 解空間を探索し、局所最適解に陥るのを避けるために、シミュレーテッド・アニーリングに基づくメタヒューリスティックを採用する。
• 探索プロセス中に妥当性と最適性のバランスを保つために、動的ペナルティ調整戦略を用いる。
• 車両ルーティング意思決定と列車編成順序を1つの意思決定ベクトルに符号化するソリューション表現を実装する。

実験結果

リサーチクエスチョン

• RQ1 鉄道車両のルーティングと列車編成計画の統合最適化モデルは、逐次的手法に比べて総システムコストを削減できるか？
• RQ2 非線形2値プログラミングモデルは、車両再編成制限やリンク容量といった複雑な容量制約を効果的に扱えるか？
• RQ3 ペナルティ関数を用いたシミュレーテッド・アニーリングベースのヒューリスティックは、このNP困難問題においてソリューション品質をどの程度向上できるか？
• RQ4 1つの車両所における最大ブロック編成数といった運用制約は、ソリューションの妥当性とコストにどの程度影響を与えるか？
• RQ5 提案された統合フレームワークにおいて、ソリューション品質と計算効率のトレードオフはどのようなものか？

主な発見

• 提案された統合モデルは、積み込み、再編成、輸送費用をより効果的に最小化することで、逐次的手法に比べて総システムコストを削減する。
• シミュレーテッド・アニーリングに基づくヒューリスティックは、複雑な解空間を的確に探索し、妥当な計算時間内で高品質なソリューションを生成する。
• ペナルティ関数法は、リンク容量や車両再編成制限といったハード制約を、ソリューションの妥当性を損なわずに効果的に処理する。
• カスタマイズされたヒューリスティックは、1時間当たりの最大ブロック編成数や列車サービスの適切な順序といった運用ルールを確実に遵守する。
• 中国鉄道システムの標準的実務に比べ、コスト効率と運用可能性の両面で優れた性能を示す。
• 実証結果から、顕著なコスト削減とネットワーク容量の効果的活用が確認され、本モデルの実用的妥当性が裏付けられた。