[논문 리뷰] Optimal Solutions for the Moving Target Vehicle Routing Problem with Obstacles via Lazy Branch and Price

Anoop Bhat, Geordan Gutow외 4명|arXiv (Cornell University)|2026. 03. 23.

Vehicle Routing Optimization Methods인용 수 0

한 줄 요약

이 논문은 MT-VRP-O를 해결하기 위해 Lazy Branch-and-Price with Relaxed Continuity (Lazy BPRC)를 도입하고, 이동 목표물과 장애물 제약 하에서 최적 해를 효율적으로 얻기 위해 lazy cost evaluation과 lower-bound estimates를 사용한다.

ABSTRACT

The Moving Target Vehicle Routing Problem with Obstacles (MT-VRP-O) seeks trajectories for several agents that collectively intercept a set of moving targets. Each target has one or more time windows where it must be visited, and the agents must avoid static obstacles and satisfy speed and capacity constraints. We introduce Lazy Branch-and-Price with Relaxed Continuity (Lazy BPRC), which finds optimal solutions for the MT-VRP-O. Lazy BPRC applies the branch-and-price framework for VRPs, which alternates between a restricted master problem (RMP) and a pricing problem. The RMP aims to select a sequence of target-time window pairings (called a tour) for each agent to follow, from a limited subset of tours. The pricing problem adds tours to the limited subset. Conventionally, solving the RMP requires computing the cost for an agent to follow each tour in the limited subset. Computing these costs in the MT-VRP-O is computationally intensive, since it requires collision-free motion planning between moving targets. Lazy BPRC defers cost computations by solving the RMP using lower bounds on the costs of each tour, computed via motion planning with relaxed continuity constraints. We lazily evaluate the true costs of tours as-needed. We compute a tour's cost by searching for a shortest path on a Graph of Convex Sets (GCS), and we accelerate this search using our continuity relaxation method. We demonstrate that Lazy BPRC runs up to an order of magnitude faster than two ablations.

연구 동기 및 목표

• 다중 에이전트가 정적 장애물과 용량 제약 하에 이동 목표물을 가로채는 애플리케이션에 의해 동기화된 문제를 다룬다.
• MT-VRP-O를 NP-hard 문제로 형식화하고 장애물을 다루기 위해 Branch-and-Price를 확장한다.
• 하한 추정치와 비용의 lazy 평가를 사용하여 계산을 줄이기 위해 Lazy BPRC를 개발한다.
• 투어를 타깃-윈도우 시퀀스로 표현하고 relaxed continuity를 이용한 컬럼 생성으로 최적화한다.

제안 방법

• 타깃-윈도우 그래프에서 타깃-윈도우를 노드로, 가장 늦은 실행 가능한 출발 시간을 간선에 배치하는 ILP로 MT-VRP-O를 모델링한다.
• 가능한 모든 투어 집합이 다루기 어려울 수 있는 것을 관리하기 위해 restricted master problem(RMP)과 pricing problem으로 컬럼 생성을 수행한다.
• 연속성 제약 조건을 완화한 모션 플래닝을 통해 투어 비용에 대한 하한을 계산하고, Graph of Convex Sets(GCS)을 사용하여 최단 경로를 구한다.
• RMP가 선택한 투어에 대해서만 실제 투어 비용을 게으르게 평가하여 계산 속도를 높인다.
• GCS 내 최단 경로 탐색을 가속화하기 위해 연속성 완화 휴리스틱을 적용한다.
• 가격 결정 단계에서 장애물 인식 라벨링과 지배 규칙을 도입하여 음의 축소 비용 투어를 식별한다.

실험 결과

연구 질문

• RQ1 이동 목표물과 정적 장애물이 있는 상황에서도 MT-VRP-O를 최적해로 해결할 수 있는가?
• RQ2 확장 가능한 컬럼 생성이 가능하도록 후보 투어의 비용을 효율적으로 추정하는 방법은 무엇인가?
• RQ3 투어 비용의 게으른 평가가 최적성을 해치지 않으면서 계산 시간을 크게 줄이는가?
• RQ4 장애물 제약이 MT-VRP-O의 Branch-and-Price 프레임워크에 어떤 영향을 미치는가?

주요 결과

• Lazy BPRC는 비 게으름 없는 제거(비-Lazy Ablation) 대비 최대 수십 배의 속도 향상을 보인다.
• Lazy BPRC는 비 게으름 없는 제거 대비 최대 46배 faster.
• Lazy BPRC는 장애물 비관련 휴리스틱 대비 최대 26배 빠르다.
• 이 방법은 장애물 제약 하에서 MT-VRP-O를 최적으로 해결하면서 상당한 계산 속도 향상을 입증한다.