[논문 리뷰] An Ant Colony System for the Team Orienteering Problem with Time Windows

Roberto Montemanni, Luca Maria Gambardella|arXiv (Cornell University)|2023. 05. 12.

Product Development and Customization인용 수 11

한 줄 요약

본 논문은 Ant Colony System (ACS) 알고리즘을 시간 창이 있는 팀 오리엔테링 문제(TOPTW)에 대해 제안하고, 계층적 HTOPTW 모델과 거대 투어(giant-tour) 표현을 사용하며, OPTW 및 TOPTW 벤치마크에서 경쟁력 있는 결과를 보인다.

ABSTRACT

This paper discusses a heuristic approach for Team Orienteering Problems with Time Windows. The method we propose takes advantage of a solution model based on a hierarchic generalization of the original problem, which is combined with an Ant Colony System algorithm. Computational results on benchmark instances previously adopted in the literature suggest that the algorithm we propose is effective in practice.

연구 동기 및 목표

• TOPTW 및 그 시간 창 변형(TOPTW)을 실용적이고 NP-hard 라우팅 문제로 동기 부여하고 형식화한다.
• 해결 구성 및 지역 탐색을 돕기 위해 시간 창이 있는 계층적 팀 오리엔테링 문제(HTOPTW)를 도입한다.
• HTOPTW 하에서 해를 구성하고 개선하기 위한 Ant Colony System 기반 휴리스틱을 개발하여 TOPTW 성능을 향상시키는 것을 목표로 한다.

제안 방법

• 해를 여러 경로로 모델링하기 위해 디포 복제를 가진 거대 투어로 표현한다.
• 페로몬 궤적과 시간 창 인식 휴리스틱 η_ij (식(10))를 결합하는 전이 규칙을 사용하는 구성적 ACS 단계에서 개미가 유효한 HTOPTW 투어를 구축하도록 제안한다.
• 최고-까지의 해(best-so-far solution)(식(11))를 사용하여 페로몬을 업데이트하고 다양성 촉진을 위한 페로몬 증발(식(12))을 적용한다.
• 상위-m를 넘어서는 추가 투어를 미리 계산하고 최적화하기 위해 계층적 HTOPTW 구조를 도입하여 지역 탐색에 사용할 고품질 조각을 마련한다.
• 거대 투어에 특화된 CROSS-exchange 로컬 탐색을 적용하여 해를 개선하고, 적응적 하위 체인 길이 및 개선되지 않는 경우의 처리를 사용한다.
• 파라미터 설정은 ρ=0.1, ψ=0.1, s=10, τ0=(ProfitFirst·n)^{-1}, 10개의 개미, 로컬 탐색 창 전략(NI=5, LS_init=3, LS_wnd=3, LS_step=2)을 포함한다.

실험 결과

연구 질문

• RQ1 HTOPTW를 보조 계층 모델로 활용하여 Ant Colony System이 TOPTW 및 그 시간 창 변형을 효과적으로 해결할 수 있는가?
• RQ2 거대 투어 표현이 TOPTW의 효율적 구성과 효과적 로컬 탐색을 촉진하는가?
• RQ3 비상위-m 투어의 계층적 최적화가 TOPTW 해의 품질에 어떤 영향을 주는가?
• RQ4 표준 OPTW/TOPTW 벤치마크에서 ACS 기반 방법이 기존 메타휴리스틱(GVNS 등)과 어떻게 비교되는가?
• RQ5 제안된 파라미터 설정이 인스턴스 클래스와 시간 창 너비 전반에 걸쳐 로버스트한가?

주요 결과

• ACS 접근법은 Solomon 기반 OPTW 인스턴스 다수에서 최상의 알려진 해를 달성하고 여러 인스턴스에서 하한을 개선한다.
• ACS는 일반적으로 Granular Variable Neighborhood Search (GVNS)보다 해의 질에서 우수하고 쉬운 인스턴스에서 종종 더 빠르며, 더 어려운 인스턴스에서는 다소 편차가 있다.
• 넓은 시간 창을 가진 Cordeau 기반 인스턴스에서는 방법의 효과가 떨어지며, 시간 창 너비에 대한 민감성과 이러한 경우를 위한 로컬 탐색 튜닝의 필요성을 강조한다.
• HTOPTW 계층적 모델링과 거대 투어 표현은 효과적인 구성과 광범위한 로컬 탐색을 촉진하여 TOPTW 해를 개선하는 데 기여한다.
• 저자들은 OPTW 벤치마크(Solomon 및 Cordeau 파생) 전반에 걸친 광범위한 계산 결과를 제공하고 적용 가능한 곳에서 새로운 최적 해 및 하한을 보고한다.