[论文解读] Solving Resource Recharging Station Location-routing Problem through a Resource-space-time Network Representation

Gongyuan Lu, Xuesong Zhou+4 more|arXiv (Cornell University)|Feb 22, 2016

Vehicle Routing Optimization Methods参考文献 15被引用 5

一句话总结

本文提出了一种资源-空间-时间网络表示方法，用于建模和求解资源补给站选址-路径问题，实现了在时变约束条件下对动态基础设施与路径决策的高效优化。通过基于拉格朗日松弛的分解方法，利用动态规划求解该问题，在大规模网络中展现出更高的计算效率和更优的解质量。

ABSTRACT

The resource recharging station location routing problem is a generalization of the location routing problem with sophisticated and critical resource consumption and recharging constraints. Based on a representation of discretized acyclic resource-space-time networks, we propose a generic formulation to optimize dynamic infrastructure location and routes decisions. The proposed integer linear programming formulation could greatly simplify the modeling representation of time window, resource change, and sub-tour constraints through a well-structured multi-dimensional network. An approximation solution framework based on the Lagrangian relaxation is developed to decompose the problem to a knapsack sub-problem for selecting recharging stations and a vehicle routing sub-problem in a space-time network. Both sub-problems can be solved through dynamic programming algorithms to obtain optimal solution. A number of experiments are used to demonstrate the Lagrangian multiplier adjustment-based location routing decision making, as well as the effectiveness of the developed algorithm in large-scale networks.

研究动机与目标

• 解决在资源约束随时间变化的条件下，车辆路径与充电站选址之间的复杂相互作用。
• 构建一个统一的建模框架，将时间窗、资源消耗与充电动态统一整合到单一网络结构中。
• 通过分解与近似技术，实现对大规模选址-路径问题的高效求解。
• 通过将问题转化为结构化的多维网络，提升问题的计算可处理性。

提出的方法

• 作者引入了一种离散化的无环资源-空间-时间网络，用于表示车辆在时空维度上的移动、资源水平变化以及补给机会。
• 建立了通用的整数线性规划（ILP）模型，以刻画时间窗、子环路消除及资源变化约束。
• 通过拉格朗日松弛将问题分解为两个子问题：一个类似0-1背包的站点选择问题与一个时空网络路径规划问题。
• 利用动态规划求解站点选择子问题，以确定最优的充电站位置。
• 通过在时空网络上应用动态规划求解路径子问题，以确定可行且高效的车辆路径。
• 采用乘子调整策略，迭代改进对偶界，并引导解向最优解收敛。

实验结果

研究问题

• RQ1 如何在选址-路径框架中有效建模时变的资源消耗与补给约束？
• RQ2 采用资源-空间-时间网络表示方法对求解选址-路径问题的可处理性与准确性有何影响？
• RQ3 拉格朗日松弛能否有效将问题分解为可解的子问题，同时保持解的质量？
• RQ4 所提出的算法在大规模网络上的解质量与计算效率表现如何？

主要发现

• 所提出的资源-空间-时间网络表示方法显著简化了对时间窗、子环路等复杂约束的建模。
• 基于拉格朗日松弛的分解方法，通过在子问题上应用动态规划，实现了对大规模实例的高效求解。
• 该算法获得高质量解，且对偶间隙较小，表明其对最优解具有强收敛性。
• 实验结果表明该方法在处理大规模网络时具有显著有效性，其计算效率优于传统方法。