[論文レビュー] Vehicle Routing with Drones

Rami Daknama, Elisabeth Kraus|arXiv (Cornell University)|May 18, 2017

UAV Applications and Optimization参考文献 11被引用数 30

ひとこと要約

本稿では、ドローンが再充電のための再結合を必要とするトラックとドローンが協働して配達を行う、ドローンを伴う車両ルーティング問題（VRD）を導入する。著者らは、ネストされた近傍探索を用いた二段階の局所探索ヒューリスティクスを提案し、グリーディベースラインと比較して顕著な性能向上を示し、ドローン統合による配達時間の大幅な短縮を実証した。

ABSTRACT

We introduce a package service model where trucks as well as drones can deliver packages. Drones can travel on trucks or fly; but while flying, drones can only carry one package at a time and have to return to a truck to charge after each delivery. We present a heuristic algorithm to solve the problem of finding a good schedule for all drones and trucks. The algorithm is based on two nested local searches, thus the definition of suitable neighbourhoods of solutions is crucial for the algorithm. Empirical tests show that our algorithm performs significantly better than a natural Greedy algorithm. Moreover, the savings compared to solutions without drones turn out to be substantial, suggesting that delivery systems might considerably benefit from using drones in addition to trucks.

研究の動機と目的

• トラックとドローンの同期的な運用を含む、新しい組合せ最適化課題としてのドローンを伴う車両ルーティング問題（VRD）を形式化すること。
• 平均パッケージ配達時間を最小化するように、ドローンとトラックのスケジューリングを効率的に計画するヒューリスティクスアルゴリズムを開発すること。
• ドローン統合の配達効率への影響を評価し、提案手法を自然なグリーディヒューリスティクスと比較すること。
• パッケージ数、ドローン数、トラック数といった主要パラメータが解の品質に与える影響を分析すること。
• 有効な局所探索を実現するための実行可能性の特徴付けと適切な近傍定義を提供すること。

提案手法

• ドローンの積載制限（一度に1パッケージ）、充電要件（少なくとも1エッジ分の移動後にトラックに帰還が必要）、およびトラックとドローンのルート間の同期性を制約とするVRD問題の定式化。
• 二段階のネストされた局所探索フレームワークの採用：外側の探索はトラックのルート割り当て、内側の探索はドローンの配達順序。
• 局所探索ヒューリスティクスの初期解および近傍構造をカスタマイズするため、JAMESメタヒューリスティクスフレームワークを活用。
• 事前計算による可能な移動のプリコンピューティングと冗長な評価の削減により、局所探索プロセスの高速化を図る高速化技術（SpeedUp1 および SpeedUp2）の実装。
• 局所最適解から脱出するための短時間・中間時間・長時間記憶を備えたタブー探索を適用。これにより、多様な解領域を探索可能となる。
• グローバル探索を強化し、早期収束を回避するため、レプリカ交換モンテカルロ法とメトロポリスアルゴリズムを適用。

実験結果

リサーチクエスチョン

• RQ1 平均配達時間を最小化するような、トラックとドローンのフリートに対して実行可能かつ効率的なスケジューリングをどのように生成できるか？
• RQ2 ドローン統合によって、トラックのみの配達システムと比較して、どれほど配達時間が短縮されるか？
• RQ3 パッケージ数、トラック数、ドローン数の変動が、提案されたヒューリスティクスのパフォーマンスにどのように影響するか？
• RQ4 ネストされた局所探索構造が解の品質に与える影響は何か？また、単純なグリーディ戦略と比較してどう異なるか？
• RQ5 異なる近傍定義と記憶メカニズムは、局所探索アルゴリズムの収束性と有効性にどのように影響を与えるか？

主な発見

• 提案されたネストされた局所探索ヒューリスティクスは、平均配達時間を最小化する観点で、自然なグリーディアルゴリズムを顕著に上回っている。
• ドローンの統合により平均配達時間が大幅に短縮され、ドローン数が増えるほど改善効果が大きくなるが、その増加は次第に鈍化する。
• 目的関数値（平均配達時間）は、パッケージ数の増加に伴い非線形的に増加するが、これは本手法のスケーラビリティを示唆している。
• ドローンを増やすことで解の品質は一貫して向上するが、1台追加するごとに得られる改善は次第に小さくなる。
• OuterSearchの影響は僅かにしかなく、これはトラックルート間の強い分離性が、異分野間でのドローン再割り当てを制限しているためと推測される。
• アルゴリズムは近傍構造と記憶メカニズムを効果的に活用し、局所最適解から脱出し、高品質な解領域を探索している。