[논문 리뷰] Introduction to The Dynamic Pickup and Delivery Problem Benchmark -- ICAPS 2021 Competition

Jianye Hao, Jiawen Lu외 5명|arXiv (Cornell University)|2022. 01. 19.

Advanced Manufacturing and Logistics Optimization인용 수 5

한 줄 요약

이 논문은 화웨이의 산업 물류 운영에서 유래한 실세계 기반 벤치마크와 시뮬레이터를 소개한다. 동적 주문 도착, 차량 경로 설정, 실시간 스케줄링을 지원하며, 152개 팀이 참가한 대회를 통해 알고리즘 평가가 가능하다. 주요 기여는 실생활 산업 기반의 공개 가능한 테스트베드를 제공해 물류 분야의 실용적 최적화를 촉진하는 데 있다.

ABSTRACT

The Dynamic Pickup and Delivery Problem (DPDP) is an essential problem within the logistics domain. So far, research on this problem has mainly focused on using artificial data which fails to reflect the complexity of real-world problems. In this draft, we would like to introduce a new benchmark from real business scenarios as well as a simulator supporting the dynamic evaluation. The benchmark and simulator have been published and successfully supported the ICAPS 2021 Dynamic Pickup and Delivery Problem competition participated by 152 teams.

연구 동기 및 목표

• 기존 DPDP 연구에서의 실세계 적용성 격차를 해소하기 위해 실제 산업 물류 운영에서 유래한 벤치마크를 제공함으로써.
• 시간에 따라 변화하는 주문 도착과 차량 제약 조건 하에서 실시간 평가가 가능한 동적 시뮬레이터를 개발함으로써.
• 복잡한 산업 환경에서 동적 차량 경로 설정 및 주문 발령 최적화 알고리즘에 대한 철저하고 표준화된 벤치마크 평가를 가능하게 함으로써.
• 데이터셋, 시뮬레이터, 평가 플랫폼를 포함한 포괄적인 도구를 제공함으로써 대회를 조직하여 동적 물류 분야의 연구를 촉진함으로써.
• 장기적인 공개를 통해 산업 규모의 DPDP에 적합한 일반화 가능하고 확장 가능한 알고리즘 개발을 촉진함으로써.

제안 방법

• 벤치마크는 화웨이의 제조 물류 시스템에서 확보한 실제 30일치 데이터를 기반으로 하며, 매일 2000~5000건의 주문과 100~200대의 차량을 포함한다.
• 시뮬레이터에서는 시간을 이산 간격(예: 10분 간격으로 총 144개 간격)으로 모델링하며, 각 간격에서 동적 주문 주입과 알고리즘에 대한 실시간 피드백을 제공한다.
• 차량은 동일한 특성을 지닌다. 고정된 적재 용량과 운전사 근무 시간대를 갖으며, 적재/하역은 도크 가용성과 영업 시간 제약을 받는다.
• 운송 시간, 거리, 도크 접근 시간, 대기 시간을 모델링하며, 주문은 약속된 완료 시간 내에 배달되어야 한다.
• 알고리즘은 각 시간 간격에서 환경 상태를 수신하고 차량 할당 및 경로를 반환하며, 시뮬레이터가 이를 실행하고 평가한다.
• 평가 기준은 복합 목적 함수를 사용하며, 주문 오vertime 최소화와 평균 차량 주행 거리 최소화를 목표로 하며, 마감 시간을 넘기거나 비효율적인 경로 설정에 대해 벌점을 적용한다.

실험 결과

연구 질문

• RQ1 실세계 물류 복잡성을 반영하는 실질적 산업 기반 DPDP 벤치마크를 어떻게 구성할 수 있는가?
• RQ2 실시간 피드백을 제공하는 동적 시뮬레이터가 스케일러블한 산업 환경에서 다양한 최적화 알고리즘의 평가 및 비교를 얼마나 잘 지원할 수 있는가?
• RQ3 시간 제약과 용량 제약이 있는 대규모 동적 차량 경로 설정 문제를 해결하는 데 히ュ리스틱, 조합 최적화, 학습 기반 방법의 성능 특성은 어떠한가?
• RQ4 이 벤치마크에서 개발된 알고리즘 솔루션은 다양한 운영 환경과 주문 도착 패턴에 대해 얼마나 일반화 가능한가?
• RQ5 도메인 특화 히ュ리스틱(예: 임계값 검사, 경로 교환, 동행 배달 전략 등)은 산업용 DPDP 환경에서 높은 성능을 달성하는 데 어떤 역할을 하는가?

주요 결과

• ICAPS 2021 DPDP 대회에는 총 843명의 참가자와 152개 팀이 참가하여 동적 물류 최적화 분야에 대한 글로벌 관심을 보였다.
• 우승 팀들은 주로 히ュ리스틱 방법을 사용했으며, 변수 이웃 탐색과 임계값 기반 배치 전략 등 실생활 환경에서 강력한 실용적 효율성을 입증했다.
• 우승 팀 중 한 팀은 차량 경로 간 노드를 반복적으로 교환하고 경로 내 작업 순서를 재정렬함으로써 경로 최적화를 개선하여 부하 균형을 향상시키고 주행 시간을 단축시켰다.
• 2위 팀은 배달 긴급도와 차량 용량을 기반으로 주문 할당 우선순위를 정하는 임계값 기반 전략을 사용했으며, 공석 시간을 줄이기 위해 '하이킹' 전략을 추가로 적용했다.
• 2위 팀 중 한 팀은 도크 시간을 목적 함수에 통합하고 긴급도 기반 배치 규칙을 도입함으로써 시간 관련 벌점을 감소시켜 성능을 향상시켰다.
• 히ュ리스틱의 성공에도 불구하고 결과는 일반화의 과제를 드러냈다: 장면에 특화된 전략은 다른 환경으로 이식될 경우 자주 실패하므로, 더 강력하고 이식 가능한 알고리즘이 필요하다는 점을 시사한다.