[논문 리뷰] On the use of reference points for the biobjective Inventory Routing Problem

Martin Josef Geiger, Marc Sevaux|arXiv (Cornell University)|2011. 09. 14.

Vehicle Routing Optimization Methods참고 문헌 12인용 수 8

한 줄 요약

이 논문은 이목적 Inventory Routing Problem(IRP)에 대해 참조점 기반 국소 탐색 방법을 제안하며, 재고 및 운송 비용을 별개의 목적함수로 간주하여 파레토 최적 해를 식별한다. 가변적인 수의 참조점을 사용함으로써 계산 자원과 해 품질의 균형을 이루며, 240개의 기간과 최대 150명의 고객을 포함하는 대규모 인스턴스에서도 단지 3개의 참조점만으로도 지배되지 않는 고품질의 파레토 근사 해를 도출함을 보여준다.

ABSTRACT

The article presents a study on the biobjective inventory routing problem. Contrary to most previous research, the problem is treated as a true multi-objective optimization problem, with the goal of identifying Pareto-optimal solutions. Due to the hardness of the problem at hand, a reference point based optimization approach is presented and implemented into an optimization and decision support system, which allows for the computation of a true subset of the optimal outcomes. Experimental investigation involving local search metaheuristics are conducted on benchmark data, and numerical results are reported and analyzed.

연구 동기 및 목표

• 재고 및 운송 비용을 통합하는 단일 기준 모델의 한계를 해결하기 위해 전략적 계획 수립에서의 상충 관계를 명확히 하기 위해.
• 충돌하는 목적함수를 인위적으로 가중치를 주지 않고도 진정된 파레토 최적 해를 식별하는 방법을 개발하기 위해.
• 조정 가능한 참조점을 통해 계산 자원을 조절할 수 있도록 상호작용 기반 의사결정을 가능하게 하기 위해.
• 기준 IRP 인스턴스에서 다양한 수의 참조점에 따른 파레토 근사 해의 성능과 품질을 평가하기 위해.
• 다기능, 다기간 IRP 시나리오에서 계산 효율성과 해 품질 간의 상충 관계를 분석하기 위해.

제안 방법

• 이 방법은 이목적 IRP를 결과 공간 내의 참조점으로 유도된 국소 탐색 단계들로 분해하며, 각 참조점은 재고 비용과 운송 비용 간의 원하는 트레이드오프를 나타낸다.
• 국소 탐색 메타휴리스틱을 활용하여 현재 해 주변의 이웃 해를 탐색하며, 참조점을 통해 선호되는 파레토 최적 해 영역으로 탐색을 편향시킨다.
• 해의 수를 제어하고 계산 자원을 조절하기 위해 참조점 집합의 크기 R ∈ {3, 5, 11}를 사용한다.
• 해의 표현은 각 고객 i와 기간 t에 대한 배송 수량 q_it를 포함하며, 용량, 재고, 수요 제약 조건을 충족해야 한다.
• q_it ≤ Q_i - L_it-1 을 통해 재고 초과를 방지하고, d_it ≤ L_it-1 + q_it 를 통해 재고 부족을 방지함으로써 해의 타당성을 확보한다.
• 두 목적함수 기반으로 해를 평가한다: 전체 재고 비용(모든 i와 t에 대해 L_it의 합)과 전체 운송 거리(모든 t에 대해 VRP_t(q_1t,…,q_nt)의 합).

실험 결과

연구 질문

• RQ1 목적함수를 단일 스칼라 함수로 통합하지 않고도 참조점 기반 국소 탐색 방법이 이목적 IRP의 파레토 근사 해를 효과적으로 근사할 수 있는가?
• RQ2 대규모 IRP 인스턴스에서 참조점의 수가 파레토 근사 해의 품질과 계산 비용에 어떤 영향을 미치는가?
• RQ3 작은 수의 참조점(예: R=3)으로 얻은 해가 더 큰 집합(예: R=11)으로부터 얻은 해보다 해 품질과 다양성 측면에서 지배되는가?
• RQ4 결정자가 결과 공간의 선호 영역에 집중할 수 있도록 허용함으로써 이 방법이 상호작용 기반 의사결정을 얼마나 잘 지원할 수 있는가?
• RQ5 이 다목적 IRP 환경에서 고객 수와 계획 기간 길이(T=240)가 증가함에 따라 계산 시간은 어떻게 변화하는가?

주요 결과

• 이 방법은 최대 150명의 고객과 240개의 기간을 포함하는 이목적 IRP 인스턴스에 대해 지배되지 않는 파레토 근사 해를 성공적으로 계산하여 실용적 적용 가능성을 입증한다.
• 단지 3개의 참조점만으로도 5개 또는 11개의 참조점으로부터 도출된 해들에 의해 지배되지 않는 해 집합을 생성하며, 낮은 계산 비용으로도 고품질의 근사 해를 제공함을 시사한다.
• 참조점의 수는 계산 자원을 효과적으로 조절할 수 있음을 보여주며, R을 증가시킬수록 CPU 시간은 증가하지만 파레토 근사 해의 볼록성과 커버리지가 향상된다.
• 가장 큰 인스턴스(GS-04-c, 150명의 고객 및 사인파형 수요)에서 R=11일 경우 계산 시간이 최대 1567036초(18일 이상)에 이르며, 확장성 문제를 드러낸다.
• 초기 근사 해는 소수의 참조점으로도 매우 신속하고 품질이 양호하여 전략적 계획 수립에서 상호작용 기반 의사결정을 지원함을 보여준다.
• 결정자가 참조점을 선택함으로써 결과 공간의 선호 영역으로 탐색을 집중시킬 수 있도록 하여 실제 응용에서의 사용성 향상을 가능하게 한다.