[論文レビュー] Optimal Solutions for the Moving Target Vehicle Routing Problem with Obstacles via Lazy Branch and Price

Anoop Bhat, Geordan Gutow+4 more|arXiv (Cornell University)|Mar 23, 2026

Vehicle Routing Optimization Methods被引用数 0

ひとこと要約

論文は Moving Targets and Obstacles を含む MT-VRP-O を解くために Lazy Branch-and-Price with Relaxed Continuity (Lazy BPRC) を提案し，遅延コスト評価と下界推定を用いて移動ターゲットと障害物制約下で最適解を効率的に取得する。

ABSTRACT

The Moving Target Vehicle Routing Problem with Obstacles (MT-VRP-O) seeks trajectories for several agents that collectively intercept a set of moving targets. Each target has one or more time windows where it must be visited, and the agents must avoid static obstacles and satisfy speed and capacity constraints. We introduce Lazy Branch-and-Price with Relaxed Continuity (Lazy BPRC), which finds optimal solutions for the MT-VRP-O. Lazy BPRC applies the branch-and-price framework for VRPs, which alternates between a restricted master problem (RMP) and a pricing problem. The RMP aims to select a sequence of target-time window pairings (called a tour) for each agent to follow, from a limited subset of tours. The pricing problem adds tours to the limited subset. Conventionally, solving the RMP requires computing the cost for an agent to follow each tour in the limited subset. Computing these costs in the MT-VRP-O is computationally intensive, since it requires collision-free motion planning between moving targets. Lazy BPRC defers cost computations by solving the RMP using lower bounds on the costs of each tour, computed via motion planning with relaxed continuity constraints. We lazily evaluate the true costs of tours as-needed. We compute a tour's cost by searching for a shortest path on a Graph of Convex Sets (GCS), and we accelerate this search using our continuity relaxation method. We demonstrate that Lazy BPRC runs up to an order of magnitude faster than two ablations.

研究の動機と目的

• 複数エージェントが静的障害物と容量制約の中で移動目標を捕捉する応用に動機付けられる。
• MT-VRP-O を NP困難問題として定式化し、障害物を扱うために Branch-and-Price を拡張する。
• 下界とツアーコストの遅延評価を用いて計算量を削減する Lazy BPRC を開発する。
• ツアーを target-window の列として表現し、緩和された連続性を伴う列生成により最適化する。

提案手法

• target-windows をノードとし Edge 上の最も遅い実行出発時刻を持つ target-window グラフとして MT-VRP-O を ILP に定式化する。
• 攻略問題（pricing problem）を用いた制約付きマスタ問題 RMP を用いた列生成により、潜在的に扱いにくいツアー集合を管理する。
• 緩和された連続性制約での運動計画を通じてツアーコストの下界を計算し、Shortest paths のための Convex Sets のグラフ（GCS）を用いる。
• RMP が選択したツアーに対してのみ真のツアーコストを遅延評価して計算を加速する。
• GCS 内の最短経路探索を高速化するために連続性緩和ヒューリスティックを適用する。
• pricing ステップで障害物を考慮したラベル付けと優先度規則を組み込み、負の縮小コストを持つツアーを識別する。

実験結果

リサーチクエスチョン

• RQ1 移動ターゲットと静的障害物を前提とする MT-VRP-O を最適解まで解けるか。
• RQ2 スケーラブルな列生成を可能にするために候補ツアーのコストを効率的に推定する方法は。
• RQ3 ツアーコストの遅延評価は最適性を損なうことなく計算時間を大幅に削減するか。
• RQ4 障害物制約が MT-VRP-O の branch-and-price フレームワークに及ぼす影響は。

主な発見

• Lazy BPRC は非遅延アブレーションより最大で1桁の速度向上を実現する。
• Lazy BPRC は非遅延アブレーションより最大で46倍速い。
• Lazy BPRC は障害物を考慮しないヒューリスティックより最大で26倍速い。
• 本手法は障害物制約下で MT-VRP-O を最適解で解く際に、計算速度の大幅な向上を示す。