MilleMiglia로 중간 구간 물류 최적화를 비교하는 법

물류 최적화 기법을 제대로 비교하려면 동일한 조건에서 반복해서 풀 수 있는 문제가 필요하다. 그러나 실제 물류 데이터는 공개하기 어렵고, 지나치게 단순한 합성 데이터는 현장의 제약을 충분히 반영하지 못한다. MilleMiglia는 이 간극을 줄이기 위해 현실적인 중간 구간 물류 문제를 생성하는 C++ 인스턴스 생성기다.

경로 탐색을 넘어선 물류 문제

MilleMiglia는 ESSEC와 Google OR의 공동 프로젝트로, 물류 네트워크와 소포 데이터를 다양한 크기와 구조로 생성한다. 소스 코드와 문서는 GitHub에서 제공된다.¹

중간 구간 물류는 지역 물류센터와 허브 사이에서 여러 소포를 운송하는 단계다. 이를 시공간 그래프로 모델링하면 위치뿐 아니라 차량의 출발·도착 시간도 함께 고려해야 한다. 여러 소포가 제한된 차량과 시설을 공유하기 때문에 단순한 최단 경로 문제가 아니라 다품목 흐름 최적화 문제가 된다.²

현실성을 만드는 운영 제약

MilleMiglia가 생성하는 인스턴스에는 다음과 같은 제약이 포함된다.

• 고정된 차량 일정

• 물류센터의 처리량 제한

• 작업 간 동기화와 선행 조건

이러한 요소 덕분에 연구자는 최단 경로만 찾는 알고리즘이 아니라 실제 운영 제약을 함께 처리하는 최적화 기법을 시험할 수 있다.²

생성기는 허브를 방향성 비순환 그래프로 구성하고, 그 위에 연속된 운송 노선과 구간별 운행 시간을 만든다.¹ 생성된 물류 네트워크와 소포 데이터는 Protocol Buffers로 직렬화되며, 인스턴스별로 하나의 파일에 저장된다.² 따라서 같은 문제를 공유하고 반복 실행하기 쉬워 실험 조건을 일관되게 유지할 수 있다.

벤치마크로 활용할 때의 판단 기준

MilleMiglia의 목적은 특정 해법을 제시하는 것이 아니라 서로 다른 최적화 기법을 동일한 조건에서 평가하고 비교할 수 있는 문제를 제공하는 데 있다. 연구자는 인스턴스의 규모나 네트워크 구조를 바꾸면서 실행 시간, 해의 품질, 제약 처리 능력이 어떻게 달라지는지 확인할 수 있다.

다만 합성 인스턴스에서 좋은 성능을 냈다고 해서 실제 운영에서도 같은 결과가 보장되는 것은 아니다. MilleMiglia를 활용할 때는 다음 항목을 함께 살펴봐야 한다.

1. 생성된 제약 조건이 목표 운영 환경을 얼마나 잘 반영하는가

2. 인스턴스의 크기와 구조가 충분히 다양한가

3. 실행 시간과 해의 품질 사이에 어떤 절충이 있는가

4. 규모가 커져도 성능이 안정적으로 유지되는가

이 기준을 적용하면 단순한 속도 경쟁을 넘어, 각 최적화 기법이 어떤 조건에서 강하거나 약한지 더 체계적으로 파악할 수 있다.

한줄 요약: MilleMiglia는 현실적인 중간 구간 물류 제약을 재현해 최적화 기법의 성능과 확장성을 동일한 조건에서 평가·비교할 수 있게 하는 공개 인스턴스 생성기다.

¹Instance Generator for Middle Mile Logistics Optimization

²MilleMiglia: A realistic instance generator for middle-mile logistics