[논문 리뷰] A Branch-and-Price Algorithm for the Temporal Bin Packing Problem

Mauro Dell’Amico, Fabio Furini외 1명|arXiv (Cornell University)|2019. 02. 13.

Optimization and Packing Problems참고 문헌 40인용 수 5

한 줄 요약

이 논문은 시간 창 동안 백준 용량을 소비하는 아이템을 포함하는 고전적인 백준 문제의 강한 NP-난이도 확장인 시간적 백준 문제(TBPP)를 해결하기 위해 브랜치 앤 프라이싱 알고리즘을 제안한다. 이 방법은 지수 크기의 설정에 기반한 컬럼 생성 기법을 사용하며, 경계 기법과 결합되어 500개의 아이템과 150개의 시간 단위를 포함하는 인스턴스를 합리적인 시간 내에 정확하게 해결할 수 있다.

ABSTRACT

We study an extension of the classical Bin Packing Problem, where each item consumes the bin capacity during a given time window that depends on the item itself. The problem asks for finding the minimum number of bins to pack all the items while respecting the bin capacity at any time instant. A polynomial-size formulation, an exponential-size formulation, and a number of lower and upper bounds are studied. A branch-and-price algorithm for solving the exponential-size formulation is introduced. An overall algorithm combining the different methods is then proposed and tested trough extensive computational experiments.

연구 동기 및 목표

• 특정 시간 창 동안 용량이 소모되는 아이템을 고려할 때 백준 사용을 최소화하는 데 도전하는 것.
• 시간 차원을 추가함으로써 고전적인 백준 문제를 일반화하는 TBPP의 정확한 해법을 개발하는 것.
• 대규모 TBPP 인스턴스를 최적으로 해결하기 위해 지수 크기의 설정 기반 브랜치 앤 프라이싱 알고리즘을 설계하는 것.
• 정확한 알고리즘 성능을 향상시키기 위해 다수의 하한 및 상한 경계 전략을 통합하는 것.
• 다양한 시간 범위와 아이템 수를 가진 벤치마크 인스턴스에 대한 광범위한 실험을 통해 계산적 효율성을 입증하는 것.

제안 방법

• 다항식 크기의 믹스드-인티거 프로그래밍과 지수 크기의 세트 분할 설정 설정을 사용하여 TBPP를 수식화하는 것.
• 타당한 백준 할당에 해당하는 타당한 아이템 패턴(컬럼)을 동적으로 생성하기 위해 컬럼 생성 기법을 사용하는 브랜치 앤 프라이싱 알고리즘을 구현하는 것.
• 음수 감소 비용 컬럼을 식별하기 위해 정가 하위문제를 적용하여 컬럼 생성의 수렴을 보장하는 것.
• 시간 기반 윈도우 경계와 도킹 휴리스틱을 조합한 하이브리드 경계 전략을 적용하여 경계 품질을 향상시키는 것.
• 컬럼 생성, 경계 강화, 휴리스틱 집중화를 통합한 하이브리드 검색 전략(B&P+)을 갖춘 브랜치 앤 프라이싱 프레임워크를 활용하는 것.
• TBPP가 벡터 패킹 문제(VPP)의 특수한 경우임을 활용하여 기존 VPP 기법의 적응 가능성을 활용하는 것.

실험 결과

연구 질문

• RQ1 시간적 제약으로 인해 강한 NP-난이도를 지닌 TBPP를 효과적으로 해결할 수 있는 브랜치 앤 프라이싱 알고리즘이 존재하는가?
• RQ2 다양한 하한 및 상한 경계 전략이 TBPP에 대한 정확한 알고리즘 성능에 미치는 영향은 어떠한가?
• RQ3 컬럼 생성 및 브랜치 앤 프라이싱 기법이 TBPP의 시간 창 제약을 얼마나 잘 적응하여 처리할 수 있는가?
• RQ4 500개의 아이템과 150개의 시간 단위를 포함하는 인스턴스에 대해 제안된 알고리즘의 확장성은 어느 정도인가?
• RQ5 경계 방법과 휴리스틱 전략을 통합하면 최적성 유지와 함께 해법 시간을 상당히 줄일 수 있는가?

주요 결과

• B&P+ 프레임워크를 갖춘 브랜치 앤 프라이싱 알고리즘이 1,500개의 벤치마크 인스턴스를 모두 성공적으로 해결했으며, 최대 500개의 아이템과 150개의 시간 단위를 포함한 인스턴스도 포함되어 있다.
• 모든 인스턴스 평균 격차는 0.35%였으며, 총 1,471개의 인스턴스 중 93개만 시간 제한 내에 최적해를 확보하지 못했다.
• 하이브리드 경계 전략(H-Rolling+LB3)은 150개 인스턴스의 서브셋에서 평균 격차를 0.00%로 감소시켰으며, 이 중 120개는 격차가 없었다.
• 1,471개의 인스턴스 중 1,170개는 시간 제한 내에 증명된 최적해로 해결되었으며, 평균 해법 시간은 28.22초였다.
• B&P+ 알고리즘은 개별 구성 요소보다 뛰어난 성능을 보였으며, H-Diving 및 B&P+ 검색 전략이 격차 감소와 해법 속도 향상에 기여했다.
• 계산 결과는 제안된 알고리즘이 효과적이고 확장 가능하며, 높은 효율성과 최적성 보장을 바탕으로 대규모 인스턴스를 효과적으로 해결할 수 있음을 확인한다.