[논문 리뷰] An efficient memetic, permutation-based evolutionary algorithm for real-world train timetabling

Marc Schoenauer, Yann Semet|ArXiv.org|2005. 10. 31.

Railway Systems and Energy Efficiency참고 문헌 1인용 수 11

한 줄 요약

이 논문은 CPLEX와 융합된 멤티크(permutation-based) 유전적 알고리즘을 제안하여 수백만 개의 변수와 이천만 개의 제약 조건을 포함하는 실제 철도 운행 시간표 문제를 해결한다. 순열을 해독하기 위해 반그리디티 스케줄러를 사용하고, 최고의 해를 CPLEX로 정밀 조정함으로써, 특히 초기 탐색 단계와 일부 고성능 실행에서 CPLEX 단독 사용 대비 빠른 속도와 높은 해의 품질을 달성한다.

ABSTRACT

Train timetabling is a difficult and very tightly constrained combinatorial problem that deals with the construction of train schedules. We focus on the particular problem of local reconstruction of the schedule following a small perturbation, seeking minimisation of the total accumulated delay by adapting times of departure and arrival for each train and allocation of resources (tracks, routing nodes, etc.). We describe a permutation-based evolutionary algorithm that relies on a semi-greedy heuristic to gradually reconstruct the schedule by inserting trains one after the other following the permutation. This algorithm can be hybridised with ILOG commercial MIP programming tool CPLEX in a coarse-grained manner: the evolutionary part is used to quickly obtain a good but suboptimal solution and this intermediate solution is refined using CPLEX. Experimental results are presented on a large real-world case involving more than one million variables and 2 million constraints. Results are surprisingly good as the evolutionary algorithm, alone or hybridised, produces excellent solutions much faster than CPLEX alone.

연구 동기 및 목표

• 소규모 교란 이후 실시간 현지 철도 운행 시간표 재구성의 계산 불가능성 문제를 해결하기 위해.
• 철도 운행 스케줄링의 복잡한 운영, 안전 및 상업적 제약 조건을 처리할 수 있는 효율적인 유전적 접근법을 개발하기 위해.
• 교란된 철도 운행 시간표에서 누적 지연 시간을 줄이기 위해 하이브리드 최적화 전략을 적용하기 위해.
• 대규모 실제 사례에서 간접적이고 순열 기반의 유전적 알고리즘의 성능을 결정적 MIP 솔버(CPLEX)와 비교 평가하기 위해.
• 조합 폭발 상황에서 실시간 스케줄링에서 유전적 알고리즘이 정확한 방법을 능가하거나 보완할 수 있는지 조사하기 위해.

제안 방법

• 알고리즘은 기차의 순서를 나타내는 기초 유전자로 기차 순열을 사용한다.
• 반그리디티 히우리스틱 스케줄러는 각 순열을 순차적으로 기차를 삽입함으로써 타당한 스케줄로 해독하며, 각 노드에서 국소적으로 최적의 선택을 하지만 전역적으로는 최적화하지는 않는다.
• 유전적 알고리즘은 순열 공간에서 표준 유전적 연산자(선택, 교차, 변이)를 사용하여 해 공간을 탐색한다.
• 유전적 알고리즘 실행에서 도출된 최고의 개체는 CPLEX의 온난 시작(warm start)으로 사용되며, 혼합정수계획법을 통해 추가로 해를 정밀 조정한다.
• 이 방법은 수백만 개의 변수와 이천만 개의 제약 조건을 포함하는 실제 사례에서 평가되었으며, 4시간 스케줄 재구성 시나리오를 시뮬레이션한다.
• 하이브리드 접근법은 유전적 알고리즘의 초기 수렴 속도와 CPLEX의 전역 최적화 능력을 융합한다.

실험 결과

연구 질문

• RQ1 복잡한 제약 조건을 포함한 대규모 실세계 철도 운행 시간표 문제를 효과적으로 해결할 수 있는 순열 기반 유전적 알고리즘이 가능한가?
• RQ2 해의 품질과 계산 시간 측면에서 간접적 유전적 접근법과 직접적 MIP 솔버(CPLEX) 간의 성능 비교는 어떠한가?
• RQ3 유전적 알고리즘을 CPLEX와 융합함으로써 해의 품질과 수렴 속도는 어느 정도 향상되는가?
• RQ4 유사한 초기 적합도를 보일지라도 일부 유전적 알고리즘 실행이 다른 실행보다 훨씬 우수한 CPLEX 정밀 조정 결과를 낳는 이유는 무엇인가?
• RQ5 반그리디티 스케줄러가 오지르기 같은 핵심 스케줄링 최적화를 포착하지 못하는 한계는 무엇인가?

주요 결과

• 유전적 알고리즘 단독으로는 30분 이내에 총 지연 시간 약 16,800을 달성했으며, CPLEX 단독 사용보다 훨씬 빠르게 수행되었다.
• 최고의 경우, 하이브리드 알고리즘이 25분 내로 지연 시간 12,800을 달성했고, CPLEX 단독 사용으로는 3시간 이상 소요되어 지연 시간 15,000이었다.
• 첫 1시간 동안 하이브리드 접근법은 속도와 해의 품질 측면에서 CPLEX 단독 사용을 모두 뛰어넘었다.
• 약 20%의 실행(5번 중 1번)이 뚜렷이 더 좋은 CPLEX 정밀 조정 결과를 낳았으며, 이는 고성능 유전적 알고리즘 해에 숨겨진 구조적 차이가 있음을 시사한다.
• 반그리디티 스케줄러는 국소 최적화 전략으로 인해 유리한 오지르기 조치를 식별하지 못해 지연 시간을 줄일 수 있는 기회를 놓쳤다.
• 유전적 알고리즘의 최고 해가 비최적임에도 불구하고, 하이브리드 방법은 빠른 수렴 속도와 비결정적인 일부 실행에서의 고품질 최종 결과로 인해 실시간 적용 가능성이 높게 나타났다.