运筹说 第40期｜论文速读之囚犯运输问题

 

前几期的推送已经讲解了运输问题的基本知识、数学模型和相关算法，相信大家对运输问题已经有了充分的了解，这期小编将带大家一起来读一篇非常有趣的关于囚犯运输的文章。

1.文章信息

题目：The prisoner transportation problem

作者：Jan Christiaens，Hatice Çalik，Tony Wauters，Reshma Chirayil Chandrasekharan， Greet Vanden Berghe

来源：European Journal of Operational Research

出版日期：17 January 2020

网址：Redirecting

2.文章导读

囚犯运输问题（Prisoner Transportation Problem，PTP）是常见车辆路径问题的一种变体，涉及到用特殊的囚犯运输车，即用被细分为更小的单独隔间的车辆，往返于医院和法庭等目的地。从研究的角度来看，PTP包含两个独特的组成部分。第一个组成部分是同时服务，即在运输过程中，多个囚犯被安排同时上下车而不是依次上下车，这与大多数车辆路径问题的标准做法不同。第二个组成部分涉及乘客之间的冲突，这可能发生在车厢或车辆层面。车厢冲突表示两个囚犯不能同时占用同一个车厢，即被安排在不同车厢，而车辆冲突表示他们不能用同一辆车运送。

3.摘要

在监禁期间，囚犯经常需要交通工具参与医院预约、出庭和家属探访等服务，为满足囚犯运输过程中所有安全和时间相关的限制，同时避免囚犯之间的冲突，囚犯需要由高度保护的车辆、司机和保安组成的庞大车队运输，这无疑会消耗大量资源，PTP特定的组成部分(乘客间冲突和同时服务)也带来了相当大的计算挑战。虽然囚犯运输问题(PTP)与车辆路径相似，但用于车辆路径的通用软件系统并不能解决与PTP相关的复杂问题，所以需要一个专门的决策支持系统来支持人力规划者和降低业务成本。本文提出的启发式算法提供了充分解决PTP的所有必要组件，并为新的公共实例集设置了初始基准。

4.主要内容

囚犯运输问题虽然在之前的运筹学文献中偶尔提到过，但本论文是第一次正式介绍。从本质上说，这个问题是拨号乘车问题（dial-a-ride problem, DARP）。 DARP即多乘客拼车的车辆调度问题，是为司机规划路线来完成由n个乘客发出的运送请求，使得车辆能够容纳尽可能多的用户，进而最小化总行驶距离的问题。在这个过程中需要满足时间窗、用户最大行驶时间和车辆最大路线时长等约束。

囚犯运输问题的网络示意图如下所示，其中U表示仓库节点的集合，包含U1和U2。U1表示作为车辆起始仓库的原始仓库集，即未接到囚犯前所有车辆容纳处，U2表示作为车辆起始仓库的副本，即结束仓库，在接送完囚犯后车辆返回处。I=IP∪ID表示服务副节点集，即囚犯从上车至下车的过程，IP表示拾取节点，ID表示交付节点。

图1 囚犯运输问题的底层网络表示 

 

文章提出了PTP问题的一般模型，这个问题的目标是在避免囚犯车厢和车辆冲突的基础上，对每个节点加以时间限制，为所有的囚犯进行同时服务，从而最大限度地减少车辆花费的总时间。并将其应用于PTP的几种变体：有异质车队和乘用车兼容性限制的模型—某些乘客只能由车辆的某个子集运送；目标函数为最小化总路径成本的模型—对一系列客户需求点设计适当路线，使得路径成本最小；无同时服务模型—对任何一对乘客都不能进行同时服务；无乘客冲突模型—不考虑乘客冲突，乘客可以安排在同一车厢或同一车辆。

PTP被分解为一个主问题和一个子问题。主问题被建模为具有同时服务的多车场拨号乘车问题，子问题为防止乘客间冲突。

在子问题中，介绍了一种贪婪启发式算法，用于将囚犯分配到隔间，并举例说明了在运送四名囚犯时在六个过境点停留的行程。如下图，图2(a)虚线箭头表示行程中转站和囚犯运输a、b、c和d的顺序，图2(b)表示车辆在整个行程中的占用情况，该案例详细描述了囚犯的上下车顺序以及在车辆上旅行时长，明确标识出囚犯之间的冲突，通过旅行时长安排和冲突避免，从而得到分配囚犯的解决方案。

 图2 一次运送四名囚犯的旅行(a)和他们在车上的存在(b)

图3(a)显示了具有两个车厢的车辆，图3(b)中，虽然囚犯b和d可能不共享同一隔间，但鉴于这两个囚犯在车辆中的存在在时间上不重叠，这一边缘是不相关的。因此，可以从图中去除这条边，得到图3(c)。为了找到一个可行的囚犯分配，可以考虑一个图着色问题，其中单个颜色分配的数量与每个中转点的隔间容量相关联。图3(d)提供了一个可行的分配:囚犯a和c被分配到2号牢房，囚犯b和d被分配到1号牢房。请注意，虽然1号车厢的颜色被使用超过其相应的容量，但它从来没有超过这个容量在任何单一的过境点，如图4所示。

 图3 囚犯分配和冲突图

 图4 分配囚犯的解决方案

在主问题中，考虑到了时间限制，囚犯上下车服务时间必须在其时间窗口内完成，除时间窗约束外，最短行程时间也不得超过最长行程时间。主问题中还考虑到同时服务，即合并服务时间，将单个中转点执行的服务a和服务b合并到服务m中，该服务m代表两个服务的最短可行执行时间。如下图，相对于中转点花费的总时间，合并后的服务时间被大大减短。通过利用时间限制来实现囚犯的同时服务，最终构建可行的出行方案。

图5 将服务a和b合并到m中的四个示例  

5.结论

本文介绍的囚犯运输问题（PTP）其建模困难主要与乘客间冲突和同时服务的存在有关，这两个复杂的约束以前没有模型，因此本文引入混合整数规划模型来进行PTP研究。由于混合整数规划模型无法在合理的时间解决实际实例，本文引入启发式方法来解决实际生成的大规模情况。将PTP问题分解为主问题和子问题，主问题中建立了混合整数非线性规划模型，在模型中考虑了时间窗口、最大行驶时间、最大路线时长等时间约束，建立起合并服务时间及其关联的时间窗口约束方程，在实现同时服务的基础上，减少囚犯出行车辆行驶时长，从而使得所有车辆总行驶成本更小；子问题中引入了贪婪启发式算法，有效地将囚犯分配到车厢和车辆，从而构造出可行的囚犯出行方案。

6.展望

本文提供了一组实例，并提供了应用基于局部搜索的方法获得的初始基准，以促进对PTP的进一步研究。本文所介绍的数学公式为后续的PTP研究奠定了必要的坚实基础，未来可能的研究方向包括建立进一步的理论见解以及改进解决方案的实用算法。

作者 |吴香璠 隋朝阳

责编 | 何洋洋

审核 | 徐小峰