Abstract
Transportation businesses reduce costs by optimizing the routes of their trucks. However, determining optimal truck schedules is computationally intensive, running for hours on sequential computers. This article describes experience with parallelizing SAP´s Vehicle Scheduling and Routing Optimizer on shared-memory multicore computers. Re-engineering this complex application for a 24-core machine reduced typical computation time on real data from 1.5 hours to 5 minutes. The article discusses successful and unsuccessful parallelization approaches and concludes with lessons learnt.
Zusammenfassung
Speditionsunternehmen reduzieren Kosten, indem sie die Routenpläne für ihre Fahrzeuge optimieren. Die Ermittlung optimaler Transportpläne ist jedoch berechnungsintensiv und kann auf sequenziellen Rechnern mehrere Stunden dauern. Dieser Artikel beschreibt Erfahrungen mit der Parallelisierung des “Vehicle Scheduling and Routing Optimizer” der Firma SAP auf Mehrkernrechnern mit gemeinsamen Speicher. Die Parallelisierung dieser komplexen Anwendung hat auf einem Mehrkernrechner mit 24 Kernen die typische Optimierungszeit für reale Daten von 1,5 Stunden auf 5 Minuten reduziert. Der Artikel beschreibt erfolgreiche und nicht erfolgreiche Parallelisierungsansätze und fasst abschließend wichtige Erkenntnisse zusammen.
© by Oldenbourg Wissenschaftsverlag, Karlsruhe, Germany
