大規模かつ多様な問題に対応可能な3次元パッキング問題解法

点击翻译按钮获取中文摘要

Bin Packing問題とは，いくつかの荷物をContainerの中に詰め込む時，Container内の稠密度を最大とするためにはどのような詰め込み方をするとよいかを求める問題のことである．現実問題におけるPackingを考えた時，3次元のBin Packing問題は非常に複雑であり，現実的な時間内に厳密解を求めることができない.そのため，ヒューリスティックな手法をはじめとし，遺伝的アルゴリズムや深層強化学習を用いた手法など様々な近似解法が提案されている．特に深層強化学習を用いた手法は高い精度を示しており，人手による詰め込みを上回る精度の詰め込みが期待されている．しかし深層強化学習によるBin Packing問題の学習は，その問題の複雑さから非常に大きな計算コストを必要とし，様々な条件が求められるBin Packing問題において小さなインスタンスのみによる研究が主となっている．深層強化学習の学習過程の効率化はより大きなインスタンス，または複雑な制約にもとづくBin Packing問題への適用を簡単にし，より現実問題に則したBin Packing問題への深層強化学習の適用を可能とする．本研究では深層強化学習を用いたBin Packing問題の解法においてヒューリスティックな手法による探索範囲の制限を取り入れる手法の提案を行った．Container内のすべての空間について探索を行わず，Bottom-Left法やBest-Fit法といった考えを適用することにより解の候補を事前に提示する．これにより解の精度を保ちつつ，探索空間が大幅に減少し，効率的な学習及び計算コストの削減の効果があることを示した．この研究成果は国際会議，International Symposium on Grids & Clouds (ISGC) 2023にて発表を行なった．