[논문 리뷰] A Comparative study of Transportation Problem under Probabilistic and Fuzzy Uncertainties

Arindam Chaudhuri, Kajal De|arXiv (Cornell University)|2013. 07. 07.

Optimization and Mathematical Programming참고 문헌 6인용 수 6

한 줄 요약

이 논문은 확률적 및 퍼지 불확실성 모델 하에서의 운송 문제에 대한 비교 분석을 제시하며, 퍼지 논리를 사용해 모호하고 정확하지 않은 데이터를 다루고, 확률 이론을 사용해 랜덤 변동을 처리한다. 이는 실세계의 불확실한 수요와 공급이 존재하는 상황에서 퍼지 접근 방식이 더 강건하고 비용 효율적인 해결책을 제공함을 보여주며, 일부 NP-하드 맥락에서는 계산 복잡도 측면에서 퍼지 방법이 유리함을 시사한다.

ABSTRACT

Transportation Problem is an important aspect which has been widely studied in Operations Research domain. It has been studied to simulate different real life problems. In particular, application of this Problem in NP- Hard Problems has a remarkable significance. In this Paper, we present a comparative study of Transportation Problem through Probabilistic and Fuzzy Uncertainties. Fuzzy Logic is a computational paradigm that generalizes classical two-valued logic for reasoning under uncertainty. In order to achieve this, the notation of membership in a set needs to become a matter of degree. By doing this we accomplish two things viz., (i) ease of describing human knowledge involving vague concepts and (ii) enhanced ability to develop cost-effective solution to real-world problem. The multi-valued nature of Fuzzy Sets allows handling uncertain and vague information. It is a model-less approach and a clever disguise of Probability Theory. We give comparative simulation results of both approaches and discuss the Computational Complexity. To the best of our knowledge, this is the first work on comparative study of Transportation Problem using Probabilistic and Fuzzy Uncertainties.

연구 동기 및 목표

• 불확실한 매개변수를 가진 운송 문제 모델링에 있어 퍼지 논리와 확률 이론의 적용 가능성을 조사하는 것.
• 실세계 운송 문제를 해결하는 데 있어 확률적 및 퍼지 불확실성 모델의 성능을 비교하는 것.
• 양자 모델 체계 하에서의 계산 복잡도 및 해법 효율성 평가.
• 결정 과정에서 모호하고 정확하지 않은 인간 지식을 다루는 데 있어 퍼지 집합의 장점을 입증하는 것.
• 기존 연구에서 운송 문제 분야에서 양자 모델을 동시에 체계적으로 평가한 사례가 없었기 때문에, 이를 기반으로 한 비교 연구를 제공하는 것.

제안 방법

• 공급 및 수요 제약 조건의 만족도 수준을 나타내는 소속도를 사용해 퍼지 집합을 활용해 운송 문제를 수립한다.
• 확률 분포를 사용해 공급, 수요 및 비용 매개변수의 불확실성을 표현하기 위해 확률 모델링을 적용한다.
• 다중 진리값 논리를 사용해 퍼지 집합의 부분 소속을 허용함으로써, 더 나은 모호하거나 언어적 정보의 처리를 가능하게 한다.
• 모의 실험 기반 비교를 통해 두 모델 하에서의 해 품질, 비용 및 계산 시간을 평가한다.
• 동일한 문제 인스턴스에 대해 두 프레임워크 하에서의 시간 및 자원 요구량을 측정함으로써 계산 복잡도를 분석한다.
• 퍼지 논리에서 모델 없는 접근 방식으로 운송 문제를 다루며, 확률 이론에서 흔히 볼 수 있는 엄격한 비모수적 가정을 피한다.

실험 결과

연구 질문

• RQ1 정확하지 않은 데이터를 가진 운송 문제를 해결하는 데 있어 확률적 모델과 퍼지 불확실성 모델은 어떻게 비교될 수 있는가?
• RQ2 실세계 운송 불확실성을 모델링하는 데 있어 퍼지 논리와 확률 이론의 상대적 강점은 무엇인가?
• RQ3 다양한 수준의 불확실성 하에서 어느 접근 방식이 더 비용 효율적이고 강건한 해를 도출하는가?
• RQ4 NP-하드 운송 시나리오에서 두 모델링 체계 간의 계산 복잡도는 어떻게 다를 수 있는가?
• RQ5 운송 계획 분야에서 언제 퍼지 논리가 확률 모델을 능가하는가?

주요 결과

• 특히 언어적 또는 주관적인 데이터 맥락에서, 퍼지 논리는 확률 모델보다 더 효과적으로 모호하고 정확하지 않은 정보를 다룬다.
• 실제 세계의 데이터가 본질적으로 불확실하거나 애매할 경우, 퍼지 접근 방식이 더 강건한 해를 도출한다.
• 일반적으로 NP-하드 운송 문제 인스턴스에서는 퍼지 기반 해법의 계산 복잡도가 낮아, 더 나은 확장성을 보인다.
• 이 연구는 퍼지 집합이 인간과 유사한 추론과 지식을 모델링하는 데 능력을 향상시켜, 불확실한 환경에서의 해 품질을 향상시킴을 확인한다.
• 이 연구는 이와 같은 유형의 비교 연구로는 최초로, 향후 불확실한 운송 모델링 분야의 연구 기준을 마련한다.