適応的後悔挿入を伴う問題空間探索メタヒューリスティックによる持続可能な低炭素車両ルーティング
A Problem Space Search Metaheuristic with Adaptive Regret Insertion for Sustainable Low-Carbon Vehicle Routing (原題)
Fatih Kasımoğlu, Duygu Aghazadeh, Durdu Hakan Utku
🤖 gxceed AI 要約
日本語
本研究は、異種車両 fleet が中央配送拠点から地理的に分散した顧客需要を満たす持続可能な車両ルーティング問題を扱う。輸送コストとCO2排出量を同時に最小化する二目的混合整数計画モデルを定式化し、逆の目的優先順位による2つの辞書式アンカー解を生成する。適応的後悔挿入を組み込んだ問題空間探索メタヒューリスティックを10〜50ノードの5つの模擬データセットで評価し、CPLEXが主目的最適性を証明したケースでは平均乖離0.00〜7.81%を達成した。50ノード事例では各実行が時間制限付きCPLEX解を改善した。
English
This study addresses a sustainable vehicle-routing problem where a heterogeneous fleet serves dispersed customers from a central depot, minimizing both transport cost and CO2 emissions. A bi-objective MIP model is formulated with two lexicographic anchor solutions, and a tailored Problem Space Search metaheuristic with adaptive regret insertion is tested on five simulated datasets (10-50 nodes). Mean deviation from certified optima ranges 0.00-7.81%, with best runs within 3.20%; on the 50-node instance, PSS improves time-limited CPLEX incumbents under both priority orderings.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本の物流・配送業界は2024年問題とGX両立が急務であり、CO2とコストを同時最適化する本手法は荷主・物流事業者のScope 3削減とコスト管理に示唆を与える。ただし開示制度や政策との直接接続は弱く、実務適用には実データ検証が必要。
In the global GX context
Amid tightening Scope 3 and logistics-emissions disclosure under CSRD/ISSB, this work offers a computational method for jointly optimizing cost and CO2 in fleet routing. It contributes to the operational layer of decarbonization that feeds corporate disclosure, though it remains a methodological contribution without direct policy or reporting-framework linkage.
👥 読者別の含意
🔬研究者:二目的ルーティングにおけるPSSメタヒューリスティックの有効性と限界を、CPLEX比較で定量的に示す点が参考になる。
🏢実務担当者:自社・外部車両混在の配送計画でコストとCO2を同時に評価する最適化アプローチの参考になる。
🏛政策担当者:物流脱炭素の運用最適化手法として、補助金・規制設計の際の技術的選択肢として把握しておく価値がある。
📄 Abstract（原文）
This study investigates a sustainable vehicle-routing problem in which a heterogeneous fleet serves geographically dispersed customer demands from a central distribution facility. The problem simultaneously minimizes transportation costs and CO2 emissions, with deliveries performed by either in-house or externally rented vehicles. A bi-objective mixed-integer programming (MIP) model is formulated, and two lexicographic anchor solutions are generated using opposite objective-priority orderings. A tailored Problem Space Search (PSS) metaheuristic is evaluated on five application-informed simulated datasets containing 10–50 nodes. Six parameter configurations combining m ∈ {10, 20} and β ∈ {0.15, 0.20, 0.25} are evaluated using 30 random seeds. For cases where CPLEX certifies primary-objective optimality, the mean PSS deviation ranges from 0.00% to 7.81%, while the best PSS run remains within 3.20% of the optimum in every case. On the 50-node instance, each PSS run improves the time-limited CPLEX primary incumbent under both priority orderings, although unresolved CPLEX gaps preclude near-optimality claims. PSS also improves the embedded heuristic in most cases, while increasing m generally improves solution quality at additional computational cost. The results demonstrate the computational effectiveness of PSS for the sustainable fleet-assignment and routing instances examined.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/app16188997first seen 2026-09-12 05:03:11
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。