[논문 리뷰] A GRASPxELS with Depth First Search Split Procedure for the HVRP

Christophe Duhame, Philippe Lacomme외 1명|arXiv (Cornell University)|2022. 11. 12.

Vehicle Routing Optimization Methods참고 문헌 9인용 수 6

한 줄 요약

이 논문은 이질적 차량 운송 문제(HVRP)를 위한 깊이 우선 탐색(DFS) 분할 절차를 갖춘 GRASPxELS 메타휴리스틱을 제안한다. 거대한 순회를 효율적으로 분할하여 타당한 차량 경로로 나누기 위해 보조 그래프 상에서 레이블을 생성하는 DFS를 활용함으로써 해 품질을 향상시킨다. 기존 방법과 비교하여 기준 인스턴스에서 향상된 성능을 달성한다.

ABSTRACT

Split procedures have been proved to be efficient within global framework optimization for routing problems by splitting giant tour into trips. This is done by generating optimal shortest path within an auxiliary graph built from the giant tour. An efficient application has been introduced for the first time by Lacomme et al. (2001) within a metaheuristic approach to solve the Capacitated Arc Routing Problem (CARP) and second for the Vehicle Routing Problem (VRP) by Prins (2004). In a further step, the Split procedure embedded in metaheuristics has been extended to address more complex routing problems thanks to a heuristic splitting of the giant tour using the generation of labels on the nodes of the auxiliary graph linked to resource management. Lately, Duhamel et al. (2010) defined a new Split family based on a depth first search approach during labels generation in graph. The efficiency of the new split method has been first evaluated in location routing problem with a GRASP metaheuristic. Duhamel et al. (2010) provided full numerical experiments on this topic.

연구 동기 및 목표

• 이질적 차량 운송 문제(HVRP)를 하이브리드 메타휴리스틱 프레임워크로 해결하기 위해.
• 깊이 우선 탐색 전략을 도입하여 라우팅 메타휴리스틱의 분할 절차 효율성을 향상시키기 위해.
• 기준 HVRP 인스턴스에서 해 품질과 계산 성능을 향상시키기 위해.
• 레이블 기반 분할 절차의 적용을 이종 플릿 환경으로 확장하기 위해.

제안 방법

• 해 공간을 탐색하기 위해 GRASPxELS(Greedy Randomized Adaptive Search Procedure with ejection search) 프레임워크를 사용한다.
• 거대한 순회가 GRASP 단계를 통해 생성되고, 이후 보조 그래프 상에서 깊이 우선 탐색(DFS) 전략을 사용하여 타당한 차량 경로로 분할된다.
• DFS 중 보조 그래프의 노드에서 자원 제약 조건(예: 차량 용량 및 경로 시간)을 관리하기 위해 레이블이 생성된다.
• 분할 절차는 동적 프로그래밍 원리를 활용하여 자원 제한을 준수하면서 최단 경로를 계산한다.
• 지역 최적해에서 벗어나고 해의 다양성을 향상시키기 위해 탈출 검색 강화 기법이 통합된다.
• 보조 그래프는 거대한 순회에서 유도되며, 간선은 고객 간 타당한 전이를 나타낸다.

실험 결과

연구 질문

• RQ1 기존의 분할 방법과 비교해보았을 때, 깊이 우선 탐색 기반의 분할 절차는 HVRP에서 해 품질 향상에 기여하는가?
• RQ2 레이블 생성 과정에 DFS를 통합할 경우, 경로 분해의 효율성과 타당성에 어떤 영향을 미치는가?
• RQ3 표준 HVRP 기준 인스턴스에서 GRASPxELS와 함께 DFS 기반 분할 절차를 적용했을 때의 성능 향상은 어떠한가?
• RQ4 제안된 방법은 기존의 HVRP 메타휴리스틱 접근법과 해 품질 및 계산 시간 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 GRASPxELS와 함께 DFS 기반 분할 절차는 기존 방법에 비해 표준 HVRP 기준 인스턴스에서 더 뛰어난 해 품질을 달성한다.
• 레이블 생성 과정에서 깊이 우선 탐색을 활용함으로써 분할 단계에서 타당한 경로 조합 탐색이 더욱 효과적으로 이루어진다.
• 향상된 국소 탐색 메커니즘 덕분에 대규모 HVRP 인스턴스에서 수렴성과 강건성이 향상된다.
• 수치 실험 결과, DFS 기반 분할 절차가 경로의 비타당성을 감소시키고 용량 활용도를 향상시킨다.