1 / 21

Christian Gruber - Johannes Reiter

Robust Branch-Cut-and-Price Algorithms for Vehicle Routing Problems A. Pessoa, M. Poggi de Aragao und E. Uchoa. Christian Gruber - Johannes Reiter. AGENDA. Einleitung Problem Definitionen & Formulierungen Robust Branch-Cut-and-Price Algorithums Ergebnisse Fazit. Einleitung.

Download Presentation

Christian Gruber - Johannes Reiter

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Robust Branch-Cut-and-Price Algorithms for Vehicle Routing ProblemsA. Pessoa, M. Poggi de Aragao und E. Uchoa Christian Gruber - Johannes Reiter

  2. AGENDA • Einleitung • Problem Definitionen & Formulierungen • Robust Branch-Cut-and-Price Algorithums • Ergebnisse • Fazit

  3. Einleitung • Branch and Cut um 1980 entwickelt • Branch and Price erst 1993 entwickelt • Kombination erst nach Jahrtausendwende erfolgreich • Was ist nun Branch-cut-and-price? • Folgende Ideen basieren auf ACVRP„AsymmetricCapacitated Vehicle Routing Problem“

  4. AGENDA • Einleitung • Problem Definitionen & Formulierungen • Robust Branch-Cut-and-Price Algorithm • Ergebnisse • Fazit

  5. Definitionen • Gerichteter Graph G = (V,A)V = {0,1,…,n} m = |A|0 … Depot • Jeder Client Bedarf d(i) - Bedarf d(0) = 0 • C … max. Kapazität einer Tour • Jede Route startet und endet beim Depot • Jeder Client wir nur in einer Tour besucht • Ziel ist Minimierung der Kosten aller Routen

  6. Definitionen (2) • Menge aller Clients V+ = {1,…,n} • Bedarf der Teilmenge S • Mind. Anzahl an Touren • Kanten in S • Eing. Kanten • Ausg. Kanten

  7. ArcFormulation LP – Formulierung:

  8. IntroducingCapacity-Indexed Variables LP – Formulierung:

  9. Extended Capacity Cuts • Für alle gilt: • Wenn bekommt man die „capacity-balanceequationover S“ : • Definition: An Extended Capacity Cut (ECC) over S isanyinequality valid for P(S), thepolyhedrongivenbytheconvexhullofthe 0-1 solutionsofthe „capacity-balanceequationover S“.

  10. Triangle Clique Cuts • Genau 3 Knoten von • Definiert über Variablen xad, mit • Erstellen kompatiblen Graphen G = (V,E) ,wo falls Fall 1: if , then Fall 2: if , then Fall 3: if , and then Fall 4: if , and then

  11. Triangle Clique Cuts (2) Für jede unabhängige Menge I V gilt:

  12. AGENDA • Einleitung • Problem Definitionen & Formulierungen • Robust Branch-Cut-and-Price Algorithm • Ergebnisse • Fazit

  13. Column Generation • R ist eine C x n Matrix • jeder Eintrag repräsentiert den günstigsten Weg beginnend beim Knoten v und endet beim Depot mit dem Verbrauch d • jeder Eintrag ist gekennzeichnet durch einen Knoten (v), die Kosten des Wegs ( ) und einem Zeiger auf einen Eintrag, der den nächsten Knoten des Wegs repräsentiert Erzeugung der Matrix:

  14. Separation Routines • Eine unabhängige Menge IV in G welche maximiert • Fakt 1: Der Graph Gist eine Menge von Verkettungen für jede ACVRP Instanz. • Fakt 2: Eine Menge I ist die schwerste, unabhängige Menge für eine Menge von Verkettungen falls es die einzige, schwerste, unabhängige Menge für jede einzelne Verkettung ist.

  15. Branchingwith Route Enumeration Traditionelles branching: • Man wählt ein Paar {i,j}, sodass der Wertam nähersten zu 0.65 ist • Beim linken Ast: • Beim rechten Ast:

  16. Branchingwith Route Enumeration (2) • Kombination um Performance zu erhöhen • Wenn Differenz der besten, bekannten, zulässigen Lösung und der aktuellen LP Relaxierung klein ist=> Enumeration aller relevanten, elementaren q-Routen • Deren reduzierten Kosten nicht größer sind • Keine Route mit den gleichen Clients, aber geringeren Kosten existiert • Hybride Strategie soll robusten Ansatz bieten

  17. AGENDA • Einleitung • Problem Definitionen & Formulierungen • Robust Branch-Cut-and-Price Algorithm • Ergebnisse • Fazit

  18. Ergebnisse bei ACVRP

  19. Ergebnisse bei ACVRP (2) • Neuer Ansatz effektiv bei kleinen Instanzen und wenigen Fahrzeugen • Probleme mit großen Instanzen (teilweise nicht beendet)

  20. AGENDA • Einleitung • Problem Definitionen & Formulierungen • Robust Branch-Cut-and-Price Algorithm • Ergebnisse • Fazit

  21. FAZIT • RBCP-Ansatz für das ACVRP effizient bei verschiedenen Problemstellungen • Tiefe des Branching-Tree kann durch die Hyprid-Strategie verringert werden.

More Related