[논문 리뷰] Distributionally Robust Facility Location Problem under Decision-dependent Stochastic Demand

Beste Basciftci, Shabbir Ahmed외 1명|arXiv (Cornell University)|2019. 12. 11.

Facility Location and Emergency Management참고 문헌 43인용 수 21

한 줄 요약

이 논문은 고객 수요 분포가 시설 위치 결정에 따라 달라지는 분포로 안정적인 시설 위치 모델을 제안하며, 모멘트 기반 수요 불확실성을 표현하기 위해 조각별 선형 함수를 사용한다. 쌍대성과 볼록 봉우리 기법을 활용하여 정확한 정수선형계획형 재구성식을 유도하고, 광범위한 계산 실험을 통해 기존의 확률적 및 안정성 모델에 비해 수익성과 서비스 품질 향상이 뚜렷하게 향상되었으며, 유도된 타당한 부등식을 통해 최대 19%의 속도 향상을 보였다.

ABSTRACT

Facility location decisions significantly impact customer behavior and consequently the resulting demand in a wide range of businesses. Furthermore, sequentially realized uncertain demand enforces strategically determining locations under partial information. To address these issues, we study a facility location problem where the distribution of customer demand is dependent on location decisions. We represent moment information of stochastic demand as a piecewise linear function of facility-location decisions. Then, we propose a decision-dependent distributionally robust optimization model, and develop its exact mixed-integer linear programming reformulation. We further derive valid inequalities to strengthen the formulation. We conduct an extensive computational study, in which we compare our model with the existing (decision-independent) stochastic and robust models. Our results demonstrate superior performance of the proposed approach with remarkable improvement in profit and quality of service by extensively testing problem characteristics, in addition to computational speed-ups due to the formulation enhancements. These results draw attention to the need of considering the impact of location decisions on customer demand within this strategic-level planning problem.

연구 동기 및 목표

• 수요 불확실성 하에서 전략적 시설 위치 문제를 해결하며, 위치 결정이 고객 수요 행동에 영향을 미친다.
• 시설 위치 결정에 명시적으로 의존하는 모멘트 기반의 불확실성 집합을 모델링한다.
• 쌍대성과 볼록 봉우리 기법을 사용하여 결정에 의존하는 분포로 안정적인 시설 위치 모델의 정확한 정수선형계획형 재구성식을 개발한다.
• 유도된 타당한 부등식을 통해 공식을 강화하고 계산 효율성 및 해 품질을 평가한다.
• 기존의 확률적 및 안정성 최적화 접근법에 비해 수익성, 충족되지 않은 수요 감소 및 안정성 측면에서 뛰어난 성능을 입증한다.

제안 방법

• 각 고객 현장에서의 수요 평균과 분산은 시설 위치 결정의 조각별 선형 함수로 모델링되어 위치가 고객 행동에 미치는 영향을 반영한다.
• 위치 결정에 따라 달라지는 모멘트 기반의 불확실성 집합을 사용하여 분포로 안정적인 최적화 프레임워크를 구성한다.
• 내부 문제는 선형계획형 쌍대성과 볼록 봉우리 기법을 사용하여 정확한 정수선형계획형(MILP) 표현식으로 재구성된다.
• 형식을 강화하고 계산 성능을 향상시키기 위해 타당한 부등식을 유도하고 통합한다.
• 표준 MILP 솔버를 사용하여 모델를 해결하며, 계산 실험을 통해 결정 독립 가정 하에 확률적 프로그래밍(SP) 및 분포로 안정적인(DR) 모델과 비교한다.
• 계산 연구는 다양한 인스턴스 크기와 파라미터 설정을 사용하며, 위치 의존성 정도를 모델링하기 위해 ρ-평균 접근법에서 다양한 ρ 값들을 포함한다.

실험 결과

연구 질문

• RQ1 결정에 의존하는 수요 불확실성을 통합함으로써 전통적인 확률적 및 안정성 모델에 비해 시설 위치 결정이 어떻게 향상되는가?
• RQ2 위치 결정이 고객 수요에 얼마나 큰 영향을 미치며, 이러한 의존성은 모멘트 기반 분포를 통해 어떻게 모델링될 수 있는가?
• RQ3 결정에 의존하는 분포로 안정적인 시설 위치 문제에 대해 정확한 정수선형계획형 재구성식을 도출할 수 있는가?
• RQ4 제안된 타당한 부등식은 계산 효율성 및 해 속도 향상에 얼마나 효과적인가?
• RQ5 제안된 프레임워크에서 해 품질(수익성, 충족되지 않은 수요)과 계산 시간 사이의 상충 관계는 어떠한가?

주요 결과

• 제안된 결정에 의존하는 분포로 안정적인 모델은 기존의 확률적 프로그래밍 및 표준 분포로 안정적인 모델에 비해 유의미하게 높은 수익성과 낮은 충족되지 않은 수요를 달성한다.
• 모델은 다양한 문제 특성, 즉 다양한 인스턴스 크기와 수요 의존성 패턴에서 뛰어난 안정성을 보였다.
• 타당한 부등식의 포함으로 다양한 인스턴스 크기에서 3%에서 최대 19%까지의 계산 속도 향상이 이루어졌으며, 특히 큰 인스턴스에서 가장 큰 향상이 관찰되었다.
• 거리 기반 접근법은 접근성 때문에 많은 시설을 개설하지만, ρ-평균 접근법은 ρ 값이 증가함에 따라 시설 선택이 변화하며, 이는 거리에 대한 민감도가 감소하고 비용 요소의 영향력이 증가함을 반영한다.
• DDDR 모델의 실행 시간은 SP나 DR보다 인스턴스 크기에 따라 더 빠르게 증가하지만, 성능 향상의 이점은 계산 비용을 상쇄한다.
• 쌍대성과 볼록 봉우리 기법을 통한 정확성 검증으로 인해 MILP 재구성식에서 최적성 갭이 없음을 보장한다.