[論文レビュー] Learning to Solve Vehicle Routing Problems: A Survey

Aigerim Bogyrbayeva, Meraryslan Meraliyev+2 more|arXiv (Cornell University)|May 5, 2022

Vehicle Routing Optimization Methods被引用数 10

ひとこと要約

本サーベイは、NP困難な車両巡回問題（VRP）を解くための機械学習手法について、包括的な分類体系を提供する。教師あり学習、強化学習、および従来のヒューリスティクスと学習を組み合わせたハイブリッド手法をカバーする。現代の学習ベースの手法が、従来のソルバーと同等の解の品質を達成しており、特にスケーラビリティと動的ルーティングにおいて優れた性能を示す一方で、一般化、実世界のデータへの適応、モデルの解釈可能性といった主な課題を特定している。

ABSTRACT

This paper provides a systematic overview of machine learning methods applied to solve NP-hard Vehicle Routing Problems (VRPs). Recently, there has been a great interest from both machine learning and operations research communities to solve VRPs either by pure learning methods or by combining them with the traditional hand-crafted heuristics. We present the taxonomy of the studies for learning paradigms, solution structures, underlying models, and algorithms. We present in detail the results of the state-of-the-art methods demonstrating their competitiveness with the traditional methods. The paper outlines the future research directions to incorporate learning-based solutions to overcome the challenges of modern transportation systems.

研究の動機と目的

• 車両巡回問題（VRP）を解くための機械学習分野における最近の進展を体系的に分類・分析すること、これには純粋な学習手法とハイブリッド手法を含む。
• 最先端の学習ベースのモデルの性能と一般化能力を、従来のヒューリスティクスおよび正確な手法と比較して評価すること。
• 学習ベースのソリューションを実世界のVRPインスタンスに適用する際の主な課題、例えばスケーラビリティ、入力表現、動的／分散型ルーティングを特定すること。
• 深層学習と古典的ヒューリスティクスを組み合わせることで、大規模VRPにおける解の品質と計算効率を向上させる可能性を検討すること。
• 今後の研究方向性を整理すること、特に実世界の道路網への一般化、不確実性のモデル化、ベンチマークの標準化を含む。

提案手法

• 学習パラダイム（教師あり学習、強化学習）、解構造、基礎となるモデル、アルゴリズム的手法に基づく分類体系を提案する。
• アテンション機構やグラフニューラルネットワークを用いて直接ルートを予測するエンドツーエンドの深層学習モデルをレビューする。
• 学習されたコンponents（例：方策ネットワーク）を用いて古典的構築ヒューリスティクスの一部を誘導または置き換えるハイブリッドモデルを分析する。
• 模倣学習、方策勾配を用いた強化学習、およびグラフサイズを越えた転移学習を含むトレーニング技術を検討する。
• TSPおよびCVRPを含むベンチマークデータセット上で、さまざまなインスタンスサイズと分布におけるモデルの性能を評価する。
• 組合せ最適化のためのグラフ埋め込み、ポインタネットワーク、微分可能デコードメカニズムなどのアーキテクチャ的選択を議論する。

実験結果

リサーチクエスチョン

• RQ1 教師あり学習と強化学習という異なる機械学習パラダイムは、解の品質と一般化能力という観点から、VRPを解く際にどのように比較されるか？
• RQ2 エンドツーエンドの学習モデルは、異なるグラフサイズや問題分布にわたってどの程度一般化できるか？
• RQ3 従来のヒューリスティクスと学習コンponentsを組み合わせたハイブリッドモデルは、大規模VRPインスタンスにおける性能とスケーラビリティをどの程度向上させるか？
• RQ4 現在の学習ベースのVRPソルバーは、動的入力、時間窓、不完全な道路網データといった実世界の制約を処理する際に、どのような主な制限を抱えているか？
• RQ5 学習ベースのルーティングシステムにおける解釈可能性、頑健性、公平性を向上させるために、最も有望な方向性は何か？

主な発見

• 強化学習手法は、事前に存在する最適解に依存しないため、一般化性能において教師あり学習を上回ることが一般的である。
• 多様なグラフサイズでトレーニングされたモデルは、単一サイズのインスタンスでのみトレーニングされたモデルよりも一般化性能に優れるため、トレーニングにおけるデータの多様性の重要性が示された。
• ハイブリッドモデルは優れたスケーラビリティを示し、最大3,000ノードのVRPを効率的に解けることが確認され、大規模な設定では純粋な学習手法を上回った。
• 最先端の学習ベースのモデルは、CVRP や VRPTW といった標準ベンチマークにおいて、従来の正確法およびヒューリスティクスと同等の解の品質を達成している。
• 実世界のデータセットへの一般化は依然として限定的であり、実際の道路網データや実物流通シナリオでのモデル検証を行った研究は少数にとどまっている。
• 標準化されたベンチマークや評価プロトコルが不足しており、学習ベースのモデルと従来のソルバーとの間で公平な比較が難しい状況にある。