[論文レビュー] Soft Constraint Logic Programming for Electric Vehicle Travel Optimization

Giacoma Valentina Monreale, Ugo Montanari+1 more|arXiv (Cornell University)|Dec 10, 2012

Constraint Satisfaction and Optimization参考文献 10被引用数 4

ひとこと要約

本稿では、複数回の移動を伴う旅程において、エネルギー消費量と移動時間を同時に最小化することを目的とした、ソフト制約論理プログラミング（SCLP）フレームワークを提案する。ルート選択と充電意思決定を、名前付き半環に基づく半環構造でモデル化し、CIAO Prologを用いた非優位解の効率的計算を可能にするとともに、モularityと正しさを確保するための変数サポートと制約の隠蔽を明示的に処理する。

ABSTRACT

Soft Constraint Logic Programming is a natural and flexible declarative programming formalism, which allows to model and solve real-life problems involving constraints of different types. In this paper, after providing a slightly more general and elegant presentation of the framework, we show how we can apply it to the e-mobility problem of coordinating electric vehicles in order to overcome both energetic and temporal constraints and so to reduce their running cost. In particular, we focus on the journey optimization sub-problem, considering sequences of trips from a user's appointment to another one. Solutions provide the best alternatives in terms of time and energy consumption, including route sequences and possible charging events.

研究の動機と目的

• 現実のエレクトリックモビリティ環境において、エネルギー的および時間的制約下での電気自動車（EV）の連携運用を解決する。
• エネルギー消費量と移動時間を二重の目的関数として考慮し、最適な移動経路のシーケンスを求める旅程レベルの最適化問題をモデル化・解明する。
• 古典的な制約論理プログラミングにソフト制約を拡張するため、名前付き半環フレームワークを用い、好みやコストの柔軟な取り扱いを可能にする。
• CIAO PrologにおけるSCLPアプローチの実装と評価を行い、EVモビリティにおける階層的最適化の実現可能性を示す。
• 近似を伴わずにトレードオフを表現できる、宣言的かつ拡張可能な仕様形式を提供する。

提案手法

• 本稿では、変数サポートの明示的管理を可能にするために、置換代数と隠蔽演算子を備えた名前付き半環フレームワークを採用する。
• EV旅程最適化問題を、コストレベルを伴う移動時間とエネルギー消費量を表す制約としてモデル化したソフト制約論理プログラム（SCLP）として定式化する。
• 使用される半環はホア・パワードメイン演算子に基づくもので、時間とエネルギー基準の両方において非優位（パレート最適）解の特定を可能にする。
• SCLPプログラムはCIAO Proログに実装されており、コストの組み合わせと選択を記述するためのカスタム定義された$plus$および$times$述語が用いられる。
• フレームワークは、旅程レベルのプログラムに、事前に得られた移動レベル最適化結果を再利用することで、階層的問題分解を実現する。
• 近似を避けるために、すべての非優位解を返すことで、時間とエネルギーコスト間の完全なトレードオフ情報を保持する。

実験結果

リサーチクエスチョン

• RQ1 ソフト制約論理プログラミングは、エネルギーと時間の制約を伴う多基準EV旅程最適化をどのように拡張できるか？
• RQ2 名前付き半環フレームワークは、実世界のモビリティ応用におけるSCLPにおける制約処理のモularityと正しさをどのように向上させられるか？
• RQ3 SCLPは、コスト基準を統合せずに、EVルーティングおよび充電意思決定の非優位解をどのように計算できるか？
• RQ4 CIAO Prologのような汎用論理プログラミングシステムを用いた大規模EV最適化において、実用的な制限は何か？
• RQ5 SCLPフレームワークは、動的計画法やパフォーマンス最適化技術（例：テーブルリング、ブランチアンドバウンド）をどの程度拡張可能か？

主な発見

• SCLPフレームワークは、変数依存関係を明示的に扱う名前付き半環を用いることで、EV旅程における移動時間とエネルギー消費量の共同最適化を成功裏にモデル化した。
• CIAO Prologにおける実装は、すべての非優位解を正しく計算し、パレート最適ルートおよび充電戦略の完全な集合を保持した。
• ホア・パワードメイン半環の使用により、時間とエネルギーのトレードオフを近似せずに最適解を特定できる。
• 移動レベル最適化結果を旅程レベル計画に再利用することで、階層的問題分解をサポートする。
• ヒューリスティックな集約に依存しないため、パフォーマンスのボトルネックを回避するが、大規模インスタンスではスケーラビリティが制限要因となる。
• 著者らは、今後の課題として、動的計画法やテーブルリング、ブランチアンドバウンドなどのパフォーマンス最適化技術の統合を提案している。