[論文レビュー] Meta Partial Benders Decomposition for the Logistics Service Network Design Problem

Simon Belieres, Mike Hewitt+2 more|arXiv (Cornell University)|Sep 30, 2020

Vehicle Routing Optimization Methods参考文献 26被引用数 9

ひとこと要約

本稿では、元の製品集合をパーティショニングすることで導かれるコンmodityグループ（スーパープロダクト）に基づき、複数のマスタープロブレムを動的に切り替えることで、最適化中にスーパープロダクトの数や構造を知的に変化させる、適応的Benders分解アルゴリズムであるMeta Partial Benders Decomposition（Meta-PBD）を提案する。Meta-PBDは、単一マスターPBDや一般向けソルバーよりも優れた解の質と収束速度を達成し、産業界のLSNDPインスタンスにおいて平均の最適性ギャップを34.20%から8.12%にまで低減する。

ABSTRACT

Supply chain transportation operations often account for a large proportion of product total cost to market. Such operations can be optimized by solving the Logistics Service Network Design Problem (LSNDP), wherein a logistics service provider seeks to cost-effectively source and fulfill customer demands of products within a multi-echelon distribution network. However, many industrial settings yield instances of the LSNDP that are too large to be solved in reasonable run-times by off-the-shelf optimization solvers. We introduce an exact Benders decomposition algorithm based on partial decompositions that strengthen the master problem with information derived from aggregating subproblem data. More specifically, the proposed Meta Partial Benders Decomposition intelligently switches from one master problem to another by changing both the amount of subproblem information to include in the master as well as how it is aggregated. Through an extensive computational study, we show that the approach outperforms existing benchmark methods and we demonstrate the benefits of dynamically refining the master problem in the course of a partial Benders decomposition-based scheme.

研究の動機と目的

• 産業界における大規模物流サービスネットワーク設計問題（LSNDP）の計算不能性に対処すること。
• 部分Benders分解（PBD）における固定マスタープロブレム定式化の限界を克服し、収束が止まるか、弱いバウンディングをもたらすのを防ぐこと。
• アルゴリズムの進行状況に基づいてスーパープロダクト集約を適応的に変更することで、Benders分解中のマスタープロブレムの強度を向上させる動的戦略を開発すること。
• 単一マスターPBDや一般向けソルバーよりも、大規模LSNDPインスタンスにおける解の質と収束速度を向上させること。

提案手法

• Benders分解中に複数のマスタープロブレムを動的に切り替えるメタヒューティックフレームワークとしてMeta-PBDを導入する。
• 1つ以上のスーパープロダクトを用いてマスタープロブレムを定式化し、各スーパープロダクトは元の製品の部分集合をパーティショニングによって集約する。
• 特定の構造的条件の下で、同等のマスタープロブレムが保証されるパーティショニング戦略を用いる。
• 最適性ギャップや双対バウンディングの改善といった収束指標に基づき、スーパープロダクトの数と構成を動的に調整する。
• 有効な不等式とヒューティックプライシングを統合し、マスタープロブレムをさらに強化し、収束を加速する。
• 多段階ネットワーク、複数の製品、時間展開計画期間を含む産業界のLSNDPインスタンスにアルゴリズムを適用する。

実験結果

リサーチクエスチョン

• RQ1 部分Benders分解におけるマスタープロブレム定式化を動的に適応させることで、大規模LSNDPインスタンスにおける解の質と収束速度を向上させることができるか？
• RQ2 スーパープロダクト（集約コンmodity）の数や構造を変化させることで、Bendersベースのアルゴリズムの性能にどのような影響を与えるか？
• RQ3 どのような条件下でスーパープロダクトに基づくマスタープロブレムが、元のLSNDP定式化と証明可能に同等となるか？
• RQ4 実世界のLSNDPインスタンスにおいて、Meta-PBDは単一マスターPBDや市販ソルバーよりも最適性ギャップと解の質で優れているか？

主な発見

• Meta-PBDは24件の産業界LSNDPインスタンス全体で、平均最適性ギャップを単一PBDの34.20%から8.12%にまで低減し、解の質の顕著な向上を示した。
• 24件中19件において、Meta-PBDは単一PBDよりも優れたプライマル解を生成し、コスト効率の平均で20%の改善を達成した。
• 24件中18件において、Meta-PBDは単一PBDよりも優れた双対解を生成し、より強い双対バウンディングと高速な収束を示した。
• 60ノード、600時間期間を含む大規模インスタンスにおいて、5時間以内に最適性を証明できなかったMeta-PBDおよび単一PBDでも、本手法は有効に機能した。
• 動的スイッチング戦略により、探索空間が多様化し、早期停滞を防ぎ、より有望な解空間領域の探索が可能になった。
• 異なるネットワーク構成（季節用S/W、0/20/40/60ノード）においても、本手法は一貫した性能向上を示し、インスタンスサイズが大きくなるほどその恩恵が顕著になった。