[논문 리뷰] Dynamic Stochastic Orienteering Problems for Risk-Aware Applications

Hoong Chuin Lau, William Yeoh외 3명|arXiv (Cornell University)|2012. 10. 16.

Vehicle Routing Optimization MethodsEngineering참고 문헌 36인용 수 17

한 줄 요약

이 논문은 시간에 따라 변화하는 이동 시간과 위험 감수성 의사결정을 통합함으로써 전통적인 오리엔티어링 문제를 확장한 새로운 프레임워크인 동적 스토하스틱 오리엔티어링 문제(DSOP)를 제안한다. 불확실성 하에서의 경로 선택을 최적화하기 위해 위험 감수성 기준을 갖춘 국소 탐색 알고리즘을 제안하며, 이는 실제 테마파크 내비게이션과 합성 데이터셋에서 이전 방법들에 비해 향상된 성능을 보여준다.

ABSTRACT

Orienteering problems (OPs) are a variant of the well-known prize-collecting traveling salesman problem, where the salesman needs to choose a subset of cities to visit within a given deadline. OPs and their extensions with stochastic travel times (SOPs) have been used to model vehicle routing problems and tourist trip design problems. However, they suffer from two limitations travel times between cities are assumed to be time independent and the route provided is independent of the risk preference (with respect to violating the deadline) of the user. To address these issues, we make the following contributions: We introduce (1) a dynamic SOP (DSOP) model, which is an extension of SOPs with dynamic (time-dependent) travel times; (2) a risk-sensitive criterion to allow for different risk preferences; and (3) a local search algorithm to solve DSOPs with this risk-sensitive criterion. We evaluated our algorithms on a real-world dataset for a theme park navigation problem as well as synthetic datasets employed in the literature.

연구 동기 및 목표

• 시간에 따라 변하지 않는 이동 시간을 가정하고 사용자 위험 선호도를 忽시하는 전통적인 오리엔티어링 문제의 한계를 해결하기 위해.
• 이동 시간이 시간에 따라 변동하고 사용자 위험 수용 능력이 상이한 실세계 라우팅 시나리오(예: 테마파크 내비게이션)를 모델링하기 위해.
• 시간에 따라 변화하는 이동 시간과 위험 감수성 의사결정 기준을 통합한 동적 스토하스틱 오리엔티어링 모델(DSOP)을 개발하기 위해.
• 사용자별 위험 선호도에 기반한 경로 선택을 최적화하는 국소 탐색 알고리즘을 설계하고 평가하기 위해.
• 실세계 및 합성 데이터셋에서 접근 방식을 검증하여 불확실성과 동적 조건 하에서 성능 향상을 입증하기 위해.

제안 방법

• 시간에 따라 변화하는 이동 시간을 통합한 동적 스토하스틱 오리엔티어링 문제(DSOP) 모델을 제안하며, 기존 표준 오리엔티어링 문제를 확장한다.
• 마감 시간 위반에 대한 위험 수용 능력 수준을 다르게 표현할 수 있는 위험 감수성 기준을 도입한다.
• DSOP에 특화된 국소 탐색 알고리즘을 개발하며, 위험 감수성 기준을 활용해 경로 선택을 이끌고 해의 품질을 향상시킨다.
• 불확실성을 모델링하기 위해 이동 시간의 확률적 표현을 활용하여 변화하는 조건에 동적으로 적응할 수 있도록 한다.
• 시간에 따라 변화하는 제약 조건 하에서 솔루션 공간을 효율적으로 탐색하기 위해 확률적 시뮬레이션과 휴리스틱 탐색의 조합을 사용한다.
• 수집한 보상과 마감 시간 위반 위험 간의 균형을 맞추기 위해 보상 기반 목적 함수를 구현한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 동적 환경에서 시간에 따라 변화하는 이동 시간을 모델링할 수 있는 오리엔티어링 문제를 확장할 수 있는가?
• RQ2 위험 감수성 의사결정은 동적 환경에서의 불확실성 하에서 경로 계획에 얼마나 기여할 수 있는가?
• RQ3 국소 탐색 알고리즘이 다양한 위험 선호도를 가진 동적 스토하스틱 오리엔티어링 문제에 대해 효과적으로 해를 최적화할 수 있는가?
• RQ4 실세계 및 합성 시나리오에서 제안된 DSOP 모델은 기존 정적 및 스토하스틱 모델에 비해 어떻게 성능을 발휘하는가?
• RQ5 위험 선호도는 동적이고 불확실한 환경에서 경로 선택과 해의 품질에 어떤 영향을 미치는가?

주요 결과

• 제안된 DSOP 모델은 시간에 따라 변화하는 이동 시간을 성공적으로 포착하여, 더 현실적인 동적 라우팅 환경 모델링이 가능하다.
• 위험 감수성 기준은 마감 시간 준수에 대한 개인별 사용자 선호도와 일치하는 맞춤형 경로 계획을 가능하게 한다.
• 국소 탐색 알고리즘은 실세계 및 합성 데이터셋 모두에서 해의 품질과 강건성 측면에서 베이스라인 방법들을 능가한다.
• 실증 평가 결과, 다양한 위험 수용 능력 프로파일에서 높은 기대 보상 수집을 달성하면서도 수용 가능한 위험 수준을 유지함을 확인하였다.
• 알고리즘은 테마파크 내비게이션과 같은 복잡하고 불확실한 환경에서도 확장성과 적응성을 입증하였다.
• 결과적으로 동적 이동 시간과 위험 선호도를 통합함으로써 더 실용적이고 사용자 중심적인 라우팅 솔루션이 도출됨을 확인하였다.