[논문 리뷰] A Variable Neighborhood Search for Flying Sidekick Traveling Salesman Problem

Júlia Cária de Freitas, Puca Huachi Vaz Penna|arXiv (Cornell University)|2018. 04. 11.

Vehicle Routing Optimization Methods참고 문헌 17인용 수 11

한 줄 요약

이 논문은 혼합정수계획법(MIP)과 일반변수근접탐색(GVNS)을 조합한 하이브리드 휠러스틱 HGVNS를 제안하여 드론-트럭 공동 배달을 최적화하는 비행보조이동팔로워판매사다리문제(FSTSP)를 해결한다. 이 방법은 총 배달 시간을 최대 67.79% 향상시키며, 기존의 모든 기준 인스턴스와 함께 TSPLIB 기반의 새로운 인스턴스 세트에 대해 새로운 최고의 해를 확립한다.

ABSTRACT

The efficiency and dynamism of Unmanned Aerial Vehicles (UAVs), or drones, present substantial application opportunities in several industries in the last years. Notably, the logistic companies gave close attention to these vehicles envisioning reduce delivery time and operational cost. A variant of the Traveling Salesman Problem (TSP) called Flying Sidekick Traveling Salesman Problem (FSTSP) was introduced involving drone-assisted parcel delivery. The drone is launched from the truck, proceeds to deliver parcels to a customer and then is recovered by the truck in a third location. While the drone travels through a trip, the truck delivers parcels to other customers as long as the drone has enough battery to hover waiting for the truck. This work proposes a hybrid heuristic that the initial solution is created from the optimal TSP solution reached by a TSP solver. Next, an implementation of the General Variable Neighborhood Search is used to obtain the delivery routes of truck and drone. Computational experiments show the potential of the algorithm to improve the delivery time significantly. Furthermore, we provide a new set of instances based on well-known TSPLIB instances.

연구 동기 및 목표

• 더 빠르고 저렴한 최종마일 배달 수요 증가에 대응하기 위해 드론-트럭 협업을 통해 해결한다.
• 트럭과 드론의 조율된 운영을 포함하는 TSP의 변종인 비행보조이동팔로워판매사다리문제(FSTSP)에 대한 효율적인 메타휴리스틱을 개발한다.
• 총 배달 시간을 줄임으로써 FSTSP 인스턴스에 대한 기존 최고의 해(BKS)를 향상시킨다.
• FSTSP 연구를 위한 새로운 대규모 기준 세트를 잘 알려진 TSPLIB TSP 인스턴스 기반으로 생성한다.
• 드론 속도와 차량 조율이 배달 효율성에 미치는 영향을 평가한다.

제안 방법

• 초기 해는 혼합정수계획법(MIP) 솔버를 통해 확보한 최적의 TSP 순환으로 생성된다.
• 하이브리드 휠러스틱 HGVNS는 이웃 구조를 탐색함으로써 MIP 해를 반복적으로 향상시키는 일반변수근접탐색(GVNS)을 적용한다.
• 알고리즘은 국소 최적해에서 벗어나고 탐색을 다양화하기 위해 무작위로 선택된 변수근접탐색(VND) 구성요소를 사용한다.
• 해는 드론의 지속 가능성과 적재 용량 제약을 고려하여 고객을 트럭 또는 드론에 할당한다.
• 총 배달 시간은 트럭과 드론의 완료 시간 중 최대값으로 정의되어 평가된다.
• 방법은 세 가지 기준 세트에서 테스트되었다: Ponza(2016), Agatz 등(2016), 그리고 새로운 TSPLIB 기반 세트.

실험 결과

연구 질문

• RQ1 HGVNS 휠러스틱은 FSTSP에 대해 기존 방법과 비교해 총 배달 시간을 얼마나 효과적으로 줄이는가?
• RQ2 드론 속도는 공동 드론-트럭 배달에서 총 배달 시간에 얼마나 큰 영향을 미치는가?
• RQ3 TSPLIB 인스턴스 기반의 새로운 대규모 기준 세트는 FSTSP 알고리즘 평가를 향상시킬 수 있는가?
• RQ4 차량 조율과 경로 계획은 FSTSP에서 배달 시간을 최소화하는 데 어떤 영향을 미치는가?
• RQ5 제안된 방법은 다양한 FSTSP 인스턴스에서 기존 최고의 해를 일관되게 초월할 수 있는가?

주요 결과

• HGVNS 알고리즘은 새로운 TSPLIB 기반 인스턴스 전반에서 최적의 TSP 순환 대비 평균 13.49% 향상된 성능를 기록했다.
• 한 인스턴스에서 총 배달 시간의 최대 향상률은 67.79%에 달하여 뛰어난 성능를 입증했다.
• Ponza(2016) 인스턴스의 경우, 이전 최고의 해 대비 최대 24.84% 향상된 결과를 도출했다.
• Agatz 등(2016)의 TSP-D 변종 분석에서 드론 속도가 배달 시간에 상당한 영향을 미치며, 드론 속도가 트럭의 두 배일 때 가장 높은 향상률을 기록했다.
• 문헌에 보고된 모든 FSTSP 인스턴스에 대해 새로운 최고의 해(BKS)를 확립했다.
• 최대 200명의 고객을 포함하는 문제를 수반하는 새로운 TSPLIB 기반 인스턴스 세트는 향후 FSTSP 연구를 위한 확장 가능한 기준 세트를 제공한다.