전기 적재 차량 경로 문제를 위한 Bilevel Late Acceptance Hill Climbing의 인스턴스에 대한 매개 변수 구성

전기 적재 차량 경로 문제를 위한 combinatorial optimization algorithm의 성능은 매개 변수 설정에 매우 민감합니다. 한 가지 globally tuned configuration이 종종 instances의 heterogeneity를 잘 활용하지 못하는 한계를 втра진다는 것을 나타냅니다. 이 한계는 특히 instances가 구조, 수요 패턴 및 에너지 제약에 따라 다르다는 점에서 뚜렷합니다.

이 연구에서는 전기 적재 차량 경로 문제를 위한 Bilevel Late Acceptance Hill Climbing의 인스턴스에 대한 매개 변수 구성 방법을 제안합니다. 제안된 방법은 offline tuning 절차를 사용하여 instance-specific parameter labels를 얻고, regression model을 사용하여 instance features를 매개 변수 예측에 매핑합니다.

실험 결과, IEEE WCCI 2020 벤치마크와 확장 버전에서 제안된 방법은 globally tuned configuration에 비해 0.28%의 평균 목표값 감소를 달성했습니다. 이 결과는 multimillion-dollar transportation operations에서 Significant cost reduction을 의미합니다.

사용된 기술

• Bilevel Late Acceptance Hill Climbing
• offline tuning
• regression model