[論文レビュー] Introduction to The Dynamic Pickup and Delivery Problem Benchmark -- ICAPS 2021 Competition

Jianye Hao, Jiawen Lu+5 more|arXiv (Cornell University)|Jan 19, 2022

Advanced Manufacturing and Logistics Optimization被引用数 5

ひとこと要約

本論文は、ファイバー製造業界の物流運用から得た実際のデータに基づく、動的ピックアップ・デリバリー問題（DPDP）の実世界ベンチマークおよびシミュレータを紹介する。動的注文の到着、車両ルーティング、リアルタイムスケジューリングをサポートし、152チームが参加したコンペティションを通じてアルゴリズムの評価が可能である。主な貢献は、産業界に根ざした公開可能なテストベッドを提供することで、物流分野における実用的最適化の発展を促進することにある。

ABSTRACT

The Dynamic Pickup and Delivery Problem (DPDP) is an essential problem within the logistics domain. So far, research on this problem has mainly focused on using artificial data which fails to reflect the complexity of real-world problems. In this draft, we would like to introduce a new benchmark from real business scenarios as well as a simulator supporting the dynamic evaluation. The benchmark and simulator have been published and successfully supported the ICAPS 2021 Dynamic Pickup and Delivery Problem competition participated by 152 teams.

研究の動機と目的

• 既存のDPDP研究における実世界応用のギャップを埋めるために、実際の産業物流運用に基づくベンチマークを提供すること。
• 時間経過に伴い変化する注文の到着と車両制約を想定した、リアルタイムでのスケジューリングアルゴリズム評価を可能にする動的シミュレータの開発。
• 複雑な産業環境下における動的車両ルーティングおよび注文発送の最適化アルゴリズムに対する、きめ細やかな標準化されたベンチマーク評価の実施。
• データセット、シミュレータ、評価プラットフォームを備えた包括的なツールキットを提供することで、動的物流分野の研究を促進すること。
• ベンチマークとシミュレータの長期的公開を通じて、産業スケールのDPDPに適した汎用的かつスケーラブルなアルゴリズムの開発を促進すること。

提案手法

• ベンチマークは、ファイバー製造業界の物流システムから得た実際の30日分のデータに基づく。1日あたり2000～5000件の注文と100～200台の車両を含む。
• シミュレータは、時間の離散的インターバル（例：10分間隔で144のインターバル）を用い、各インターバルで動的注文の注入とアルゴリズムへのリアルタイムフィードバックを実装する。
• 車両は同一であり、容量とドライバーの勤務時間帯が固定されている。積み込み・降ろしはドックの空き状況と営業時間に制限される。
• 輸送時間、距離、ドックへの到着時間、待ち時間もモデル化されており、注文は指定された完了時間内に配達が求められる。
• アルゴリズムは各時間インターバルにおける環境状態を受け取り、車両の割り当てとルートを返す。シミュレータはその結果を実行し、評価する。
• 評価には複合的目的関数が用いられ、注文の遅延と平均車両走行距離を最小化する。期限切れや非効率なルーティングに対するペナルティが課される。

実験結果

リサーチクエスチョン

• RQ1 実世界の物流複雑性を反映する、産業由来の現実的で信頼性のあるDPDPベンチマークをどのように構築できるか？
• RQ2 リアルタイムフィードバックを備えた動的シミュレータは、スケーラブルな産業環境下で、多様な最適化アルゴリズムの評価と比較をどの程度可能にするか？
• RQ3 時間的・容量的制約を伴う大規模な動的車両ルーティング問題を解くにあたり、ヒューリスティック法、組合せ最適化法、学習ベース手法の性能特性は何か？
• RQ4 本ベンチマーク上で開発されたアルゴリズム的ソリューションは、異なる運用状況や注文到着パターンにどの程度一般化可能か？
• RQ5 ドメイン固有のヒューリスティクス（例：しきい値チェック、ルート入れ替え、ハッチハイキング戦略など）は、産業的DPDP環境で高いパフォーマンスを達成するために果たす役割は何か？

主な発見

• ICAPS 2021 DPDPコンペティションには843名の参加者と152チームが参加し、動的物流最適化分野における世界的な関心の高さがうかがえる。
• 上位チームは主にヒューリスティック法（例：可変近傍探索、しきい値ベースのディスパッチ）を用いており、実世界環境における高い実用的有効性が示された。
• 優勝チームは、車両間のノードを入れ替えを繰り返し実施し、ルート内タスクの再順序付けを図ることで、負荷バランスの改善と走行時間の短縮を達成した。
• 2位チームは、配達の緊急度と車両容量に基づくしきい値戦略で注文割り当てを優先し、余剰時間の削減を図るための「ハッチハイキング」戦略を追加で採用した。
• 2位タイチームは、ドック時間要因を目的関数に組み込み、緊急度に基づくディスパッチルールを導入することで、時間関連のペナルティを低減した。
• ヒューリスティクスの成功にもかかわらず、結果は一般化の課題を浮き彫りにした。状況特化型の戦略は、異なる環境に移植するとしばしば失敗するため、より強固で移植可能なアルゴリズムの開発が急務である。