[论文解读] A PTAS for Minimum Makespan Vehicle Routing in Trees.

Amariah Becker, Alice Paul|arXiv (Cornell University)|Jul 11, 2018

Vehicle Routing Optimization Methods被引用 1

一句话总结

本文提出了一种针对树形网络中最小完成时间及相关车辆路径问题的通用PTAS框架，通过聚类树结构并限制每簇内的解形式，使动态规划能够在多项式时间内找到近似最优解。该方法为多种车辆路径变体（包括容量限制和距离限制的路径问题）实现了多项式时间近似方案，并可扩展至多配送中心场景。

ABSTRACT

We develop a general framework for designing polynomial-time approximation schemes (PTASs) for various vehicle routing problems in trees. In these problems, the goal is to optimally route a fleet of vehicles, originating at a depot, to serve a set of clients, subject to various constraints. For example, in Minimum Makespan Vehicle Routing, the number of vehicles is fixed, and the objective is to minimize the longest distance traveled by a single vehicle. Our main insight is that we can often greatly restrict the set of potential solutions without adding too much to the optimal solution cost. This simplification relies on partitioning the tree into clusters such that there exists a near-optimal solution in which every vehicle that visits a given cluster takes on one of a few forms. In particular, only a small number of vehicles serve clients in any given cluster. By using these coarser building blocks, a dynamic programming algorithm can find a near-optimal solution in polynomial time. We show that the framework is flexible enough to give PTASs for many problems, including Minimum Makespan Vehicle Routing, Distance-Constrained Vehicle Routing, Capacitated Vehicle Routing, and School Bus Routing, and can be extended to the multiple depot setting.

研究动机与目标

• 开发适用于树形网络中多种车辆路径问题的统一多项式时间近似方案（PTAS）。
• 在固定车辆数量的车队路径设置下，最小化任一车辆行驶的最大距离（即完成时间）。
• 将该框架扩展以处理车辆容量、距离限制等约束条件。
• 通过聚类树结构并限制每簇内的车辆路径模式，显著缩小解空间，同时不显著增加成本。
• 通过粗粒度、结构化的构建模块，使动态规划能够高效计算近似最优解。

提出的方法

• 将树划分为簇，使得存在近似最优解，其中每辆车在簇内的路径形式仅为少量预定义形式之一。
• 限制任一簇中服务客户的车辆数量为一个较小的常数，从而简化解空间。
• 在聚类后的树结构上使用动态规划，利用每簇中有限的路径模式，确保运行时间为多项式时间。
• 设计聚类与模式选择策略，确保近似最优解的成本在真实最优解的(1+ε)倍以内。
• 通过相应调整聚类与路径模式约束，将框架推广至多配送中心场景。
• 将该框架应用于多个问题：最小完成时间、距离约束、容量限制及校车路径问题。

实验结果

研究问题

• RQ1 能否为树形网络中的多种车辆路径问题开发统一的PTAS框架？
• RQ2 如何通过聚类限制解空间，同时保持近似最优性？
• RQ3 树形网络的何种结构特性使得基于粗粒度路径模式的动态规划能够高效运行？
• RQ4 在不降低解质量的前提下，每簇中车辆数量的上限可被控制在多大范围内？
• RQ5 该框架能否扩展至多配送中心以及容量和距离限制等附加约束？

主要发现

• 该框架为树形网络中的最小完成时间车辆路径问题实现了多项式时间近似方案（PTAS）。
• 该方法在多项式时间内实现了对任意ε>0的(1+ε)-近似解，其核心为聚类动态规划。
• 每簇中不同车辆路径模式的数量被限制为常数，从而支持高效的动态规划。
• 该框架可扩展至容量限制车辆路径、距离约束车辆路径以及树形网络中的校车路径问题。
• 通过调整聚类与模式约束，该方法可推广至多配送中心场景。
• 解的成本在最优解的(1+ε)倍以内，且运行时间在输入规模和1/ε上均为多项式。