Practice-Based Optimization for the Strategic Locomotive Assignment Problem

本研究针对大型货运铁路网络中 locomotives 的高效分配问题，既有 operational complexity 又有 power imbalance，使得 cost-effective planning 困难重重。我们与一家美国主要的 I 级货运铁路合作，提出了针对 locomotive assignment problem (LAP) 的战略优化框架。该问题以网络为基础，构建在循环时空网络上的整数规划，产生可重复的每周 locomotive 分配计划。该模型捕获了一系列真实世界的 operational 约束，联合优化 pick-up 和 set-out locomotive work 事件的安置，提高了下游 planning 的效果。为首次对大规模实例进行精确求解，本文引入了 novel reduction rules，以显著减少时空网络中轻型 travel 弧的数量。大量计算实验展示了在各种实际约束下的性能与权衡。除了交付可扩展、高质量的解之外，本文提出的框架作为一种 grounded in operational realities 的 practical decision-support tool 而实现。