Tìm hiểu giải thuật định tuyến xe, ứng dụng trong tối ưu lộ trình thu gom rác thải trong khu công nghiệp

BỘ THÔNG TIN VÀ TRUYỀN THÔNG HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG NGUYỄN QUANG HƯNG TÌM HIỂU GIẢI THUẬT ĐỊNH TUYẾN XE, ỨNG DỤNG TRONG TỐI ƯU LỘ TRÌNH THU GOM RÁC THẢI TRONG KHU CƠNG NGHIỆP LUẬN VĂN THẠC SỸ KỸ THUẬT (Theo định hướng ứng dụng) HÀ NỘI 2022 BỘ THÔNG TIN VÀ TRUYỀN THÔNG HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Nguyễn Quang Hưng TÌM HIỂU GIẢI THUẬT ĐỊNH TUYẾN XE, ỨNG DỤNG TRONG TỐI ƯU LỘ TRÌNH THU GOM RÁC THẢI TRONG KHU CÔNG NGHIỆP CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN Mã số: 60.48.01.04 LUẬN VĂN THẠC SỸ KỸ THUẬT Người hướng dẫn: TS Nguyễn Trọng Khánh HÀ NỘI 2022 i LỜI CẢM ƠN Để hồn thành luận văn tốt nghiệp “Tìm hiểu giải thuật định tuyến xe, ứng dụng tối ưu lộ trình thu gom rác thải khu cơng nghiệp” lời xin gửi cảm ơn sâu sắc tới TS Nguyễn Trọng Khánh hướng dẫn bảo tơi tận tình suốt thời gian làm khóa luận Tơi xin chân thành cảm ơn Ban giám hiệu nhà trường, thầy cô Trường Học viện Công nghệ Bưu Viễn thơng, giảng viên dạy cho kiến thức, kỹ năng, giúp đỡ để tơi hồn thành luận văn Tơi xin chân thành cảm ơn hỗ trợ liệu đến từ đề tài cấp Sở Hà Nội Mã số: 01C02/01-2021-3 ”Nghiên cứu phát triển hệ thống tự động giám sát việc thu gom, vận chuyển rác thải tối ưu hóa đường di chuyển xe thu gom rác khu công nghiệp” Bản luận văn không tránh thiếu sót, mong thầy giáo hội đồng chấm luận văn xem xét, đóng góp ý kiến để luận văn hồn thiện Tơi xin chân thành cảm ơn! Hà Nội, tháng 02 năm 2022 HỌC VIÊN Nguyễn Quang Hưng ii MỤC LỤC LỜI CẢM ƠN .i MỤC LỤC ii DANH MỤC HÌNH VẼ iv DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v PHẦN MỞ ĐẦU CHƯƠNG TỔNG QUAN VỀ BÀI TOÁN ĐỊNH TUYẾN XE .2 1.1 Tổng quan lĩnh vực tối ưu hóa tổ hợp 1.2 Bài toán định tuyến xe số biến thể .3 1.2.1 Phát biểu toán định tuyến xe 1.2.2 Các biến thể toán định tuyến xe 1.3 Một số giải thuật áp dụng cho toán 12 1.3.1 Giải thuật láng giềng gần 13 1.3.2 Giải thuật tối ưu hóa đàn kiến 15 1.4 Kết luận chương .21 CHƯƠNG TỐI ƯU LỘ TRÌNH THU GOM RÁC THẢI TRONG KHU CÔNG NGHIỆP VỚI RÀNG BUỘC KHUNG THỜI GIAN VÀ NĂNG LỰC XE .22 2.1 Phát biểu toán 22 2.2 Hàm mục tiêu 29 2.3 Thuật toán di truyền giải toán VRPTW 32 2.4 Thuật toán di truyền song song giải toán VRPTW 38 2.5 Kết luận 41 CHƯƠNG THỰC NGHIỆM XÂY DỰNG HỆ THỐNG .43 3.1 Hệ thống thu gom rác thải khu công nghiệp .43 3.2 Tối ưu hóa thu gom rác thải khu công nghiệp 47 iii 3.2.1 Mơ hình đa tác tử 48 3.2.2 Lộ trình tối ưu 51 3.2.3 Kết đánh giá 55 3.2.4 Thử nghiệm thuật toán tập liệu mở rộng 56 3.3 Kết luận .59 III KẾT LUẬN .61 TÀI LIỆU THAM KHẢO 62 iv DANH MỤC HÌNH VẼ Hình 1.1 Ví dụ cho tốn Người bán hàng– TSP Hình 1.2 Mơ toán VRP .5 Hình 1.3 Mơ tốn CVRP .8 Hình 1.4 Mơ tốn VRPTW 10 Hình 1.5 Việc thực thi giải thuật láng giềng gần cho toán người bán hàng 15 Hình 1.6 Mơ tối ưu hố đàn kiến 16 Hình 1.7 Sơ đồ thuật tốn GA song song cho VRPTW 21 Hình 2.1 Mơ q trình thu gom rác khu cơng nghiệp .24 Bảng 3.1 Mô tả liệu điểm thu gom rác 45 Hình 3.2 Bản đồ số trung tâm thu thập bãi rác khu công nghiệp X 46 Hình 3.3 Lộ trình chi phí không sử dụng phương pháp GA 47 Hình 3.4 Áp dụng mơ hình khu cơng nghiệp 48 Hình 3.5 Đầu vào phần mềm GAMA 50 Hình 3.6 Tính tốn chi phí qua phương pháp mơ 51 Hình 3.7 Dữ liệu đầu vào chương trình .52 Hình 3.8 Dữ liệu sau import từ file text tính tốn khoảng cách 53 Hình 3.9 Tham số đầu vào chương trình 54 Hình 3.10 Kết áp dụng phương pháp GA 55 Hình 3.11 Mơ hình mơ dựa đa tác tử 55 Hình 3.12 Bảng so sánh kết trung bình từ kết tốt phương pháp kết tốt biết 58 Bảng 3.13 Bảng Speedup trung bình chương trình thực thi song song tính theo nhóm mẫu 59 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt Tiếng Anh Tiếng Việt VRP Vehicle Routing Problem Bài toán định tuyến phương tiện OVRP Open Vehicle Routing Problem Bài toán định tuyến phương tiện mở CVRP Capacity-constrained VRPs Bài toán định tuyến phương tiện với ràng buộc lực chuyên chở DVRP VRPTW Time- or distance- constrained Bài toán định tuyến phương tiện với ràng VRPs buộc thời gian khoảng cách Vehicle Routing Problem with Bài toán định tuyến phương tiện có ràng Time Windows buộc thời gian GA-VRPTW Genetic Algorithm-based Solution Thuật toán di truyền song song giải to Vehicle Routing Problem with toán VRP với hạn chế thời gian Time Windows ACO Ant Colony Optimize Tối ưu hóa đàn kiến ABM Agent Based Model Mơ hình dựa tác tử GIS Geographical Information System Bản đồ số PHẦN MỞ ĐẦU Lý chọn đề tài Hiện nay, vấn đề bảo vệ môi trường mối quan tâm hàng đầu nhiều quốc gia giới Đã có nhiều phương án nhiều chiến dịch, cam kết mở để khắc phục, giảm thiểu hậu ô nhiễm môi trường kiện “Giờ Trái Đất”, cam kết quốc gia giảm lượng phát thải khí nhà kính, hạn chế sử dụng túi nilon, đồ nhựa… Bảo vệ môi trường đồng nghĩa với việc tự bảo vệ cho sức khỏe thân mình, gia đình xã hội Hành động tự ý thức cá nhân có vai trị lớn cơng tác bảo vệ môi trường, bảo vệ Trái Đất Việt Nam sau 30 năm đổi mới, kinh tế đất nước phát triền, nhiều khu công nghiệp thành lập Sau Vedan năm 2008, Formusa Hà tĩnh năm 2016 cịn khơng cơng ty, tập đồn khác có tên danh sách gây ô nhiễm môi trường nghiêm trọng Tại khu công nghiệp, rác thải cần thu gom đưa xử lý bãi nhiều Quản lý rác thải khu công nghiệp (RTCN) hiệu trọng tâm sách phát triển mơi trường bền vững Việc quản lý hiệu RTCN, đặc biệt khu vực KCN, mối đe dọa tới sức khỏe cộng đồng, làm ô nhiễm môi trường dẫn tới giảm chất lượng sống người dân Hơn nữa, quản lý RTCN không khoa học làm phát sinh không nhiều chi phí tốn mà cịn lâu dài Qua khảo sát chưa có nhiều đề tài hướng tới giải toán tối ưu thu gom rác thải Khu công nghiệp Tổng quan vấn đề nghiên cứu Luận văn tập trung nghiên cứu toán định tuyến xe, biến thể chúng Để từ áp dụng cho tốn thu gom rác thải khu cơng nghiệp, với ràng buộc liên quan đến thể tích xe ép rác, quãng đường phải đi, giới hạn khung thời gian thu gom Đối tượng phạm vi nghiên cứu - Giải pháp đưa áp dụng thử nghiệm cho việc thu gom rác thải khu cơng nghiệp Phạm vi: Tìm hiểu giải thuật tối ưu tìm đường ngắn có ràng - buộc thời gian Áp dụng toán thu gom rác thải ràng buộc thời gian theo ca làm việc Xây dựng thử nghiệm hệ thống đề xuất đường thu gom rác thải khu cơng nghiệp có tính ràng buộc thời gian, hệ thống nhận đầu vào đồ điểm đổ rác, lưu lượng rác điểm, số lượng xe, dung lượng thùng xe, thời gian cần phải xong Đầu quãng đường tối ưu Phương pháp nghiên cứu - Nghiên cứu lý thuyết: - Thực tìm hiểu số giải thuật áp dụng cho toán định tuyến xe VRP (Vehicle Routing Problem – VRP) - Bài toán định tuyến xe với cửa sổ thời gian VRPTW (Vehicle Routing Problem with Time Windows) - Nghiên cứu thực nghiệm: Dữ liệu thực tế hỗ trợ từ đề tài cấp Sở HN Để tính tốn đề yếu tố động, đề tài phát triển mơ hình dựa tác tử (Agent Based Model - ABM) để mô lộ trình tối ưu ngữ cảnh động Từ đối chiếu so sánh hai kết với CHƯƠNG TỔNG QUAN VỀ BÀI TOÁN ĐỊNH TUYẾN XE 1.1 Tổng quan lĩnh vực tối ưu hóa tổ hợp Tối ưu hóa chất ngành Tốn học ứng dụng hiệu nhiều ngành khác Bài toán tối ưu tổ hợp tốn quan tâm đến cấu hình “tốt nhất” theo nghĩa Đây tốn có nhiều ứng dụng thực tiễn lý thuyết tổ hợp đóng góp phần đáng kể việc xây dựng thuật toán hữu hiệu Từ lĩnh vực Công nghệ thông tin, điều khiển tự động, thiết kế chế tạo máy đến lĩnh vực khác quản trị kinh doanh, quy hoạch tài nguyên, kiến trúc thị, … có nhiều ứng dụng, đặc biệt việc xây dựng hệ hỗ trợ định phát triển hệ thống lớn Do đó, lĩnh vực tối ưu hóa ngày trở nên đa dạng Bài toán tối ưu tổ hợp phát biểu hình thức tốn học sau: Tìm X∈ D : f (X) →min (max) (1.1) Trong D tập hữu hạn, gồm cấu hình thỏa mãn điều kiện tốn Hàm f gọi hàm mục tiêu Tập hợp D gọi miền xác định hay miền phương án Mỗi phần tử D gọi phương án Phương án tốt gọi phương án tối ưu Giá phương án tối ưu gọi giá trị tối ưu Chú ý D hữu hạn nên phương án tối ưu tồn Có thể có nhiều phương án tối ưu, giá trị tối ưu Trong toán cụ thể, ta phải rõ điều kiện xác định D cách tính hàm f (hàm f tính cơng thức thủ tục) Bài toán người bán hàng (traveling salesman problem – TSP) toán khung nhỏ (minimum spanning tree problem - MST) toán tiếng lĩnh vực tối ưu tổ hợp 1.2 Bài toán định tuyến xe số biến thể 1.2.1 Phát biểu toán định tuyến xe Bài toán Người bán hàng (Travelling Salesman Problem - gọi tắt TSP) trường hợp đơn giản toán định tuyến xe (Vehicle Routing Problem - VRP) với xe giao hàng - người bán hàng Bài toán yêu cầu tìm đường ngắn cho nhân viên bán hàng (traveling salesman), nhân viên bán hàng xuất phát từ thành phố, qua tất thành phố có lộ 51 Hình 3.6 Tính tốn chi phí qua phương pháp mơ 3.2.2 Lộ trình tối ưu Trong phần thực nghiệm sử dụng mã nguồn từ iROCKBUNNY Lab để thực thi giải thuật GA-VRPTW Mã nguồn viết ngôn ngữ python, yêu cầu cài đặt sau: git clone https://github.com/iRB-Lab/py-ga-VRPTW.git cd py-ga-VRPTW virtualenv python=python3 venv source venv/bin/activate pip install -r requirements.txt 52 Từ liệu đồ số GIS thực trạng điểm thu gom rác ta export file text hình 3.7 Hình 3.7 Dữ liệu đầu vào chương trình 53 Hình 3.8 Dữ liệu sau import từ file text tính tốn khoảng cách 54 Từ liệu thô file text, ta cần convert sang dạng json có chứa danh sách điểm thu gom rác, dùng cơng cụ để tính toán khoảng cách từ điểm thu gom tới điểm cịn lại Sau chạy hàm convert, ta có file liệu hình 3.8 Hình 3.9 Tham số đầu vào chương trình Sau áp dụng bước với tham số đầu vào hình 3.9 lộ trình tối ưu xe ép rác thứ -> 14 -> 18 -> 42 -> 28 -> 31 -> 19 -> -> 39 > 20 -> 29 -> 48 -> -> -> -> 30 -> 50 -> 45 -> 41 -> 36 -> 49 -> 35 -> 13 -> -> 25 -> 34 -> 32 -> 0; xe ép rác thứ -> -> 15 -> 21 -> 27 -> 23 -> 37 -> 44 -> 11 -> 22 -> -> -> 38 -> 33 -> -> 26 -> 24 -> 17 -> 40 -> 46 -> 16 -> 10 -> 47 -> 12 -> 43 -> Với lộ trình tối ưu tính tốn được, chi phí thu gom rác trung bình ngày hai xe 725.7 đơn vị chi phí Tổng chi phí phải hai xe giảm xuống khoảng (867-725.7)/867% = 16.2% theo tính tốn lý thuyết Số liệu thực so sánh với số liệu thực nghiệm tính tốn mơ hình mơ 55 Hình 3.10 Kết áp dụng phương pháp GA 3.2.3 Kết đánh giá Hình 3.11 Mơ hình mơ dựa đa tác tử Các lộ trình tối ưu tính tốn sử dụng làm đầu vào cho mơ hình mơ (Hình 3.4) Sử dụng phần mềm GAMA với đầu vào đồ QGIS lộ trình tối ưu tính tốn mục 3.2.2 Thử nghiệm mơ với số lượng điểm thu gom rác 50 số lần mô 50 tương tự đầu vào phần mềm tối ưu GA-VRPTW So sánh với tổng quãng đường trước tối ưu Kết thực nghiệm thu mơ hình mơ cho thấy tổng qng đường xe ép rác phải giảm 16,2% Khơng phải lúc xe ép rác theo lộ trình tối ưu tính tốn trước mơi trường mơ Chính yếu tố tạo nên giá trị mơ hình mơ phỏng, giúp cho việc kiểm tra 56 kết tính tốn lý thuyết mơi trường mơ gần giống với thực tế Tuy nhiên, với kết thực nghiệm mơ hình lộ trình tối ưu mang lại kết tốt so với lộ trình theo kinh nghiệm ban đầu Sau bảng tổng hợp kết thực nghiệm lộ trình tối ưu mơ hình mơ phỏng: Số kịch mơ 50 Chi phí trước áp dụng thuật tốn 867 Chi phí tính tốn theo lộ trình tối ưu 725.7 Phần trăm giảm theo lộ trình tính tốn 16.2% 3.2.4 Thử nghiệm thuật toán tập liệu mở rộng Nhằm mục đích thử nghiệm, đo đạt đánh giá hiệu quà thuật toán, tập liệu mẫu tiếng Solomon[33] sử dụng Tập liệu bao gồm 56 tập tin, tập tin mẫu có 100 khách hàng Toàn tập mẫu phân chia làm nhóm: RI R2 gồm tập tin có liệu khách hàng phân tán ngẫu nhiên, C1 C2 gồm tập có liệu khách hàng gom nhóm, RC1 RC2 hỗn hợp tập tin nhóm Ngồi ra, nhóm Rl, C1 RC1 có thêm đặc tính cửa sổ thời gian kho hẹp Do xe phải rời kho, phục vụ khách hàng trở kho trước thời điểm đóng cửa kho nên cửa sổ thời gian kho hẹp, có khách hàng phục vụ xe Trái lại, nhóm R2, C2 RC2 có đặc tính cửa sổ thời gian kho rộng nhiều khách hàng phục vụ xe Để đánh giá chất lượng lời giải thuật tốn, phân nhóm cùa tập liệu mẫu Solomon chạy thử nghiệm Mỗi tập tin mẫu phân nhóm chạy thử nghiệm lần chọn kết lập lịch tốt Sau đó, trung bình cộng 57 phân nhóm tính tốn so sánh với kết quà số phương pháp khác kết tốt công bố Để đánh giá hiệu thuật toán song song, thời gian thực thi trung bình thuật tốn song song đo đạt so sánh với thời gian thực thi trung bình thuật tốn Cách thử nghiệm tương tự lặp lại cho trường hợp có số tiến trình khác Tất thử nghiệm nhận tham số đầu vào hình 3.9 Hệ thống thử nghiệm cluster gồm máy tính kết nối với thơng qua mạng LAN có băng thơng mạng 100Mb/s Các thơng số máy tính sau: • Máy 1, máy có cấu hình: CPU Intel Pentium Dual E2180@2.00GHz, nhớ 1GB • Máy 3: cấu hình CPU Intel Pentium D 3.00GHz, nhớ 1GB • Máy 4: cấu hình Intel Celeron CPU 575@2.00GHz, nhớ 1GB Tất máy cài đặt: • Hệ điều hành Ubuntu 8.04 (kernel Linux 2.6.24-19-generic) 58 • GCC phiên 4.2 • MPICH phiên 1.2.7 tải từ http://www.mcs.anl.gov/research/projects/mpi/mpich1/ • Anjuta phiên 2.4.1 sử dụng để tạo project C/C++ (* )Kết P1[35] P2 [36] tốt Tham khảo Tham khảo P3 [37] Tham khảo P4 [38] Tham khảo Luận văn R1 12,00 1217,73 12,75 1300,25 12,58 1296,83 11,92 1221,10 14,42 1314,79 20,83 1935,60 R2 2,73 967,75 3,18 1124,28 3,00 1117,64 2,73 975,43 5,64 1093,37 6,45 1597,31 C1 10,00 28,38 10,00 892,11 10,00 838,11 10,00 828,48 10,11 860,62 19,33 2151,87 C2 3,00 589,86 3,00 749,13 3,00 589,90 3,00 589,93 3,25 623,48 8,75 1756,01 RC1 11,50 1389,22 12,50 1474,13 12,13 1446,25 11,50 1389,89 14,63 1512,94 20,16 2139,85 RC2 3,25 1129,19 3,38 1411,13 3,38 1360,60 3,25 1159,37 7,00 1282,47 7,25 1988,84 429 422 405 525 784 Tổng số lộ trình Hình 3.12 Bảng so sánh kết trung bình từ kết tốt phương pháp kết tốt biết (*) Kết tốt tham khảo từ http://neo.lcc.uma.es/radi-aeb/WebVRP/ Trong Bảng 3.12, dòng thể tên phương pháp kết tốt công bố Cột thể nhóm mẫu liệu Solomon 100 khách hàng Mỗi nhóm có từ đến 12 tập tin mẫu Các ô chứa hai giá trị: giá trị nằm thể số lộ trình trung bình phân nhóm tính từ lời giải tốt thu chạy tập tin mẫu thuộc phân nhóm đó; giá trị nằm thể tổng 59 khoảng cách trung bình phân nhóm tính theo cách tương tự số lộ trình trung bình Dịng cuối thể tổng số lộ trình thu giải hết 56 tập mẫu ứng với phương pháp Áp dụng giải thuật GA-VRPTW từ mã nguồn mở, ta cấu hình số lượng tiến trình (thread) cho chương trình tính tốn thời gian phương pháp đa tiến trình Áp dụng cơng thức sau tính tốn cho bảng kết 3.13 Tseq: thời gian thực thi chương trình máy Tp: thời gian thực thi chương trình song song Speedup giải thuật thực thi song song: threads threads threads threads threads R1 1,555 2,201 3,556 4,267 4,325 R2 1,393 1,861 3,171 3,476 3,610 C1 1,387 2,055 3,598 4,077 4,173 C2 1,252 1,717 2,918 3,241 3,291 RC1 1,330 1,990 3,271 3,781 3,829 RC2 1,261 1,699 2,854 3,120 3,208 Bảng 3.13 Bảng Speedup trung bình chương trình thực thi song song tính theo nhóm mẫu 3.3 Kết luận Thuật toán giải hiệu quả, giảm chi phí thu gom rác khu cơng nghiệp giả lập Mơ hình khu cơng nghiệp với liệu bé, xe chở rác phục vụ nhiều điểm thu gom rác kết đạt hình 3.10 60 Chất lượng lời giải thuật toán đề xuất chất lượng lời giải thuật toán đề xuất tác giả khác (Bảng 3.12) Tuy nhiên, thời gian thực thi thuật toán tương đối nhanh Lý giải cho vấn đề sau: - Thuật toán đề xuất luận văn GA túy, không kết hợp với số thuật tốn tìm kiếm khác để tiếp tục cải tiến lời giải tốt thu từ GA Trong đó, tác giả khác có giai đoạn cải tiến Ví dụ thuật tốn đề xuất Tan cộng sự[38], tác giả thực cải tiến lời giải thu từ GA phương pháp λ-trao đổi (λ-interchange) Ngồi ra, vịng lặp GA, tác giả sử dụng giải thuật tham lam số cá thể quần thể - Các thủ tục lai (trao đổi chéo), đột biến đơn giản, cần cải tiến thêm đa dạng thêm số thủ tục khác Mở rộng liệu thuật tốn đáp ứng hiệu nhanh chóng nhờ vào ứng dụng kỹ thuật song song Trường hợp nhóm liệu mẫu có khung thời gian rộng nhóm R2x, C2x RC2x Kết thực nghiệm (Bảng 3.12, Bảng 3.13) cho thấy thời gian thực thi song song giảm nhiều so sánh với thời gian thực thi 61 III KẾT LUẬN Trong phạm vi luận văn thực nghiên cứu toán định tuyến xe VRP biến thể VRPTW Thực tìm hiểu số giải thuật áp dụng cho toán định tuyến xe VRP giải thuật tối ưu hóa đàn kiến, giải thuật tìm kiếm cục bộ, giải thuật hàng xóm gần nhất, giải thuật di truyền song song Luận văn thực nghiên cứu toán định tuyến xe áp dụng lĩnh vực tối ưu hóa thu gom vận chuyển rác thải khu công nghiệp với số phương pháp tối ưu giới thiệu chiến lược tối ưu hóa đàn kiến, sử dụng giải thuật di truyền song song, Trong trình nghiên cứu, nhiều hạn chế phát để giải đòi hỏi tảng tri thức sâu rộng Các hướng nghiên cứu đề xuất sau: • Nghiên cứu tốn tử lai đột biến; hàm đánh giá tính thích nghi nhằm tạo cá thể tốt hơn, phù hợp với ngữ cảnh toán VRPTW • Nghiên cứu đề xuất thuật toán lai nhằm kết hợp GA với thuật toán khác thuật tốn luyện kim, tìm kiếm Tabu, để tạo chất lượng lời giải tốt • Phát triển thuật toán để giải vấn đề phức tạp tốn VRPTW có đa khung thời gian, đội xe không đồng nhất, đa kho chứa, 62 TÀI LIỆU THAM KHẢO [1] Bài toán tối ưu hóa vận tải, Ngày truy cập 10/05/2021 [2] Hứa Mạnh Tuyên, (2016), (nghiên cứu toán định tuyến xe ứng dụng tối ưu hóa thu gom rác thải thị) Học viên cơng nghệ bưu viễn thông, Km10 đường Nguyễn Trãi, P.Mộ Lao, Q.Hà Đông, Hà Nội, 69 trang [3] Asvin Goel and Volker Gruhn, (2005), “Solving a Dynamic Real-Life Vehicle Routing Problem”, (Operations Research Proceedings 2005) [4] Barbucha, D., P Jedrzejowicz, (2007), “An Agent-Based Approach to Vehicle Routing Problem”, International Journal of Applied Mathematics and Computer Science, vol nr pp 538- 543 [5] G Laporte (1992), “The vehicle routing problem: An overview of exact and approximate algorithms,” (European Journal of Operational Research), vol 59, no 3, pp 345 – 358, 1992 [Online] Available: http://www.sciencedirect.com/science/article/pii/037722179290192C [6] Katja Buhrkal, Allan Larsen, Stefan Ropke (2012), “The waste collection vehicle routing problem with time” The Seventh International Conference on City Logistics [7] Sindhya K.Nambiar and Dr Sumam Mary Idicula, (2013), “A Multi-Agent Vehicle Routing System for Garbage Collection”, International Conference on Advanced Computing (ICoAC), Fifth [8] S K Nambiar and S M Idicula, (2013) “A multi-agent vehicle routing system for garbage collection,” in Advanced Computing (ICoAC), 2013 Fifth International Conference on, Dec 2013, pp 72–76 [9] S.-H Huang and P.-C Lin (2015) (Vehicle routingscheduling for municipal waste collection system under the keep trash off the ground policy), Omega, vol 55, pp 24 – 37, 2015 [Online] Available: http://www.sciencedirect.com/science/article/pii/S0305048315000353 63 [10] Toro, E., Escobar, A., Granada, M., (2015), “Literature Review on the Vehicle Routing Problem in the Green Transportation Context” Luna Azul 42, 362–387 doi:10.17151/luaz.2016.42.21 [11] W Gutjahr (2002), "ACO algorithms with guaranteed convergence to the optimal solution", Info.Proc Lett 83(3), tr 145-153 [12] P Pellegrini A Ellero (2008), The Small World of Pheromone Trails, Proc of the 6th international conference on Ant Colony Optimization and Swarm Intelligence, Brussels, Belgium [13] M Dorigo, and T.Stützle (2004), Ant Colony Optimization, The MIT Press, Cambridge, Masachusetts [14] C Coelho, J Renaud, and G Laporte (2016) Road-based goods transportation: a survey of real-world logistics applications from 2000 to 2015 INFOR: Information Systems and Operational Research, 54(2), pp 79–96 [15] Pisinger and S Ropke (2007), A general heuristic for vehicle routing problems Computers & Operations Research, 34(8), pp 2403–2435 [16] Subramanian, L M A Drummond, C Bentes, L S Ochi, and R Farias (2010), A parallel heuristic for the vehicle routing problem with simultaneous pickup and delivery Computers & Operations Research, 37(11), pp 1899–1911 [17] P Goksal, I Karaoglan, and F Altiparmak (2013) A hybrid discrete particle swarm opti- mization for vehicle routing problem with simultaneous pickup and delivery Computers & Industrial Engineering, 65(1), pp 39–53 [18] Ropke, J.-F Cordeau, and G Laporte (2007), Models and branch-and-cut algorithms for pickup and delivery problems with time windows Networks, 49(4), pp 258–272 [19] Ropke and J.-F Cordeau (2009), Branch and cut and price for the pickup and delivery problem with time windows Transportation Science, 43(3), pp 267–286 [20] Baldacci, E Bartolini, and A Mingozzi (2011), An exact algorithm for the pickup and delivery problem with time windows Operations Research, 59(2), pp 414–426 64 [21] F Escudero (1988), An inexact algorithm for the sequential ordering problem European Journal of Operational Research, 37(2), pp 236–249 [22] Ezzat, A M Abdelbar, and D C Wunsch (2014), An extended EigenAnt colony system applied to the sequential ordering problem, In 2014 IEEE Symposium on Swarm Intel- ligence, pp 1-7, Orlando [23] W P Savelsbergh (1990), An efficient implementation of local search algorithms for con- strained routing problems, European Journal of Operational Research, 47(1), pp 75–85 [24] Ascheuer, M Juănger, and G Reinelt (2000), A branch & cut algorithm for the asymmetric traveling salesman problem with precedence constraints, Computational Optimization and Applications, 17(1), pp 61–84 [25] Guerriero and M Mancini (2003), A cooperative parallel rollout algorithm for the sequential ordering problem, Parallel Computing, 29(5) pp 663–677 [26] I Seo and B.R Moon (2003), A hybrid genetic algorithm based on complete graph represen- tation for the sequential ordering problem, In Genetic and Evolutionary Computation Conference, pp 669–680 [27] N Letchford and J.-J Salazar-Gonz´alez (2016), Stronger multicommodity flow formulations of the (capacitated) sequential ordering problem European Journal of Operational Research, 251(1), pp 74–84 [28] Alonso-Ayuso, P Detti, L F Escudero, and M T Ortun˜o (2003), On dual based lower bounds for the sequential ordering problem with precedences and due dates, Annals of Operations Research, 124(1-4), pp 111–131 [29] S Ropke (2005), Heuristic and exact algorithms for vehicle routing problems, Ph.D Thesis, Computer science department at the University of Copenhagen (DIKU) [30] M Desrochers, J Lenstra, M Savelsbergh, and F Soumis (1988), Vehicle routing with time windows: optimization and approximation, In Bruce L Golden and Arjang A Assad (editors), Vehicle Routing: Methods and Studies, North-Holland, Amsterdam, pp 65-84 65 [31] N Bansal , A Blum , S Chawla , A Meyerson (2004), Approximation algorithms for deadline-TSP and vehicle routing with time-windows, in Proceedings of the thirtysixth annual ACM symposium on Theory of computing (STOC '04), New York, USA [32] G.Laporte, Y.Nobert (1983), A branch and bound algorithm for the capacitated vehicle routing problem, Operations Research Spektrum,pp 77-85 [33] Solomon, M M (1987), “Algorithms for the Vehicle Routing and Scheduling Problems with Time Window Constraints”, Operations Research, 35(2), 254265 [34] https://github.com/iRB-Lab/py-ga-VRPTW [35] Thangiah, S (1995), “Vehicle routing with time windows using genetic algorithms”, In: Chambers L, editor Application handbook of genetic algorithms: New Frontiers, vol II Boca Raton: CRC Press, 253–277 [36] Potvin, J Y., Bengio, S (1996), “The Vehicle Routing Problem with Time Windows - Part II: Genetic Search”, INFORMS Journal of Computing 8, 165172 [37] Jean Berger, Mohamed Barkaoui (2004), “A parallel hybrid genetic algorithm for the vehicle routing problem with time windows”, Computers & OR, 31(12), 2037-2053 [38] Tan, K.C., Lee, L.H., Zhu, K Q., and Ou, K (2001), “Heuristic Methods for Vehicle Routing Problem with Time Windows”, Artificial Intelligence in Engineering, 15(3), 281-295 [39] Kenny Q Zhu (2003), “A Diversity-Controlling Adaptive Genetic Algorithm for the Vehicle Routing Problem with Time Windows”, Proceedings of the 15th IEEE International Conference on Tools with Artificial Intelligence, ICTAI 2003, 176-183 ... TRUYỀN THÔNG HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THƠNG Nguyễn Quang Hưng TÌM HIỂU GIẢI THU? ??T ĐỊNH TUYẾN XE, ỨNG DỤNG TRONG TỐI ƯU LỘ TRÌNH THU GOM RÁC THẢI TRONG KHU CƠNG NGHIỆP CHUN NGÀNH: HỆ... KỸ THU? ??T Người hướng dẫn: TS Nguyễn Trọng Khánh HÀ NỘI 2022 i LỜI CẢM ƠN Để hoàn thành luận văn tốt nghiệp ? ?Tìm hiểu giải thu? ??t định tuyến xe, ứng dụng tối ưu lộ trình thu gom rác thải khu công. .. 22 CHƯƠNG TỐI ƯU LỘ TRÌNH THU GOM RÁC THẢI TRONG KHU CÔNG NGHIỆP VỚI RÀNG BUỘC KHUNG THỜI GIAN VÀ NĂNG LỰC XE 2.1 Phát biểu toán Vấn đề tối ưu thu gom vận chuyển rác thải khu cơng nghiệp có nhiều