Tối ưu hóa quá trình vận chuyển xi măng bằng thuật toán sine cosine

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA - - NGUYỄN VĂN NAM TỐI ƯU HĨA Q TRÌNH VẬN CHUYỂN XI MĂNG BẰNG THUẬT TOÁN SINE COSINE Chuyên ngành: Quản Lý Xây Dựng Mã số: 8580302 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 01 năm 2023 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG - HCM Cán hướng dẫn khoa học 1: PGS.TS Phạm Vũ Hồng Sơn Chữ ký: Cán hướng dẫn khoa học 2: TS Chu Việt Cường Chữ ký: Cán chấm nhận xét 1: PGS.TS Đỗ Tiến Sỹ Chữ ký: Cán chấm nhận xét 2: TS Đinh Công Tịnh Chữ ký: Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 09 tháng 01 năm 2023 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: Chủ tịch hội đồng: TS Nguyễn Anh Thư Ủy viên thư ký: PGS.TS Trần Đức Học Ủy viên hội đồng: TS Nguyễn Thanh Việt Cán phản biện 1: PGS.TS Đỗ Tiến Sỹ Cán phản biện 2: TS Đinh Công Tịnh Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG i ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN VĂN NAM MSHV : 2070217 Ngày, tháng, năm sinh: 09/12/1992 Nơi sinh: Bình Thuận Chuyên ngành: Quản lý xây dựng I TÊN ĐỀ TÀI: TỐI ƯU HĨA Q TRÌNH VẬN CHUYỂN XI MĂNG BẰNG THUẬT TOÁN SINE COSINE OPTIMIZATION OF CEMENT TRANSPORTATION PROCESS BY SINE COSINE ALGORITHM II NHIỆM VỤ VÀ NỘI DUNG Nghiên cứu tổng quan toán lập kế hoạch định tuyến xe Vehicle Routing Problem Nghiên cứu sở lý thuyết Thuật toán Sine Cosine đưa phương pháp giải tối ưu cải thiện Thuật toán Sine Cosine cách lai ghép GWO phương pháp OBL MCS Xây dựng mơ hình lời giải cho toán tối ưu lập kế hoạch định tuyến vận tải xi măng VRP (Xác định hàm mục tiêu, biến định, điều kiện ràng buộc) Lập trình giải tốn tối ưu (các cơng cụ hỗ trợ Matlab, Java ) trường hợp cụ thể Lựa chọn phương án so sánh, đánh giá kết trường hợp dùng thuật toán Sine Cosine với thuật tốn thơng dụng khác SGA, DPSGA, PSO, DA, ALO Đưa gợi ý cho nhà phân phối xi măng việc đầu tư thêm xe hay thuê xe để tối ưu lịch trình giao hàng phát triển bền vững III NGÀY GIAO NHIỆM VỤ IV NGÀY HOÀN THÀNH NHIỆM VỤ: 09/12/2022 V : 21/09/2021 CÁN BỘ HƯỚNG DẪN : PGS.TS PHẠM VŨ HỒNG SƠN TS CHU VIỆT CƯỜNG Tp Hồ Chí Minh, ngày 09 tháng 12 năm 2022 ii CÁN BỘ HƯỚNG DẪN TS Chu Việt Cường CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO PGS TS Phạm Vũ Hồng Sơn TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG PGS.TS Lê Anh Tuấn TS Lê Hoài Long iii LỜI CẢM ƠN Luận văn thạc sĩ ngành quản lý xây dựng kết trình nghiên cứu khám phá, giải vấn đề hạn chế lĩnh vực quản lý xây dựng Đây trách nhiệm niềm tự hào học viên cao học Lời Tôi xin gửi lời cảm ơn sâu sắc đến Thầy PGS.TS Phạm Vũ Hồng Sơn TS Chu Việt Cường hướng dẫn, giúp đỡ để tơi hồn thành luận văn Đặc biệt Thầy Phạm Vũ Hồng Sơn truyền cảm hứng tích cực để đưa giới tri thức ngành quản lý xây dựng đến học trò cách nhẹ nhàng đầy hứng thú Như chim kì diệu truyện cổ tích, giảng giúp biết thêm vấn đề quản lý xây dựng đa dạng đầy phong phú, người táo bạo hành trình khát vọng đạt tới thiện đẹp Nguồn cảm hứng khơi gợi cho ý nghĩ tự nhiên để đưa ý tưởng sau giải đề tài luận văn Tôi xin chân thành cảm ơn quý Thầy Cô Khoa Kỹ Thuật Xây Dựng đặc biệt Thầy Cô Ngành Quản Lý Xây Dựng Trường Đại Học Bách Khoa giảng dạy tận tình đưa kiến thức hữu ích đến học viên, kiến thức vơ quý báu, thiếu cho đường học tập, nghiên cứu tương lai Cuối luận văn “Tối ưu hóa q trình vận chuyển xi măng thuật tốn Sine Cosine”đã hồn thành nhờ trình nỗ lực thân giúp đỡ động viên tất Thầy cơ, bạn bè, đồng nghiệp, người thân, gia đình Xin chân thành cảm ơn tập thể cá nhân dành cho giúp đỡ quý báu này.Luận văn hoàn thành thời gian quy định đương nhiên hiểu biết thân hạn hẹp nên luận văn tránh khỏi sai sót Kính mong q Thầy, Cơ bổ sung góp ý kiến quý báu để luận văn hồn chỉnh Xin trân trọng cảm ơn Tp Hồ Chí Minh, ngày 09 tháng 12 năm 2022 Nguyễn Văn Nam iv TĨM TẮT Trong tốn lập kế hoạch định tuyến xe Vehicle Routing Problem(VRP) cổ điển phiên mở rộng toán người giao hàng Traveling Salesman Problem (TSP), mục tiêu tạo tập hợp k chuyến xe với h khách hàng có vị trí nhu cầu định sẵn với quãng đường ngắn chi phí tối thiểu Mỗi xe bắt đầu kết thúc vị trí thỏa mãn số ràng buộc liên quan Có nhiều cách giải toán VCR dùng Quy hoạch tuyến tính, Genetic Algorithm (GA), Double Population Genetic Algorithm (DPGA), Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), Modified Hybrid Particle Swarm Optimization (MHPSO), Dragon Fly (DA) Luận văn đề xuất kế hoạch định tuyến xe chở xi măng cách tối ưu cách sử dụng thuật toán Sine Cosine (SCA) tiến tới dùng cách để cải thiện thêm SCA cách lai ghép với GWO kết hợp phương pháp OBL MCS để có kết tối ưu (Hybrid SCA) Dựa nhu cầu cửa hàng, sức chứa xe khoảng cách đến cửa hàng để đưa kế hoạch di chuyển hợp lý cho xe tải chở xi măng Để chứng minh phức tạp toán VRP ưu thuật toán Sine Cosine (SCA)và HSCA, luận văn sử dụng nhiều mô hình (06 Case study) giao hàng khác so sánh với thuật tốn thơng thường SGA, DPSGA, PSO, DA, ALO, GWO, MHPSO case study cụ thể Kết giải pháp sử dụng thuật tốn SCA HSCA tối ưu cân khai thác khám phá.Từ gợi ý cho nhà quản lý đưa định đắn việc lựa chọn đường mở rộng đầu tư điều mang lại hiệu to lớn mặt thực tiễn v ABSTRACT In the classical Vehicle Routing Problem (VRP), which is an extended version of the Traveling Salesman Problem (TSP), the objective is to generate a set of k trips for h customers whose locations and demands are predetermined in the shortest distance or at minimum cost Each vehicle starts and stops at the same location and satisfies some associated constraints There are many ways to solve this VRP problem such as using Linear Programming, Genetic Algorithm (GA), Double Population Genetic Algorithm (DPGA), Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO), Modified Hybrid Particle Swarm Optimization ( MHPSO), Dragon Fly (DA), etc This thesis proposes an optimal cement transport vehicle routing plan by using the Hybrid algorithm SCA-GWO in combination with the methods of Opposition-based learning and the Mutation and crossover, accordingly, HSCA's exploitation and exploration of the space are enhanced; the search time is shortened and more Optimum results are given A reasonable travel plan for the vehicles is made based on the needs of each store, the vehicle capacity and the distance to the stores In order to prove the advantages of the Hybrid Sine Cosine (HSCA) algorithm, the thesis uses a specific model of 05 different case studies and compares them with other algorithms (SGA, DPSGA, PSO, DA, MHPSO, ALO, etc.) The results show that the solution of using the Hybrid Sine Cosine algorithm is more optimal thanks to its balancing exploitation and exploration On this basis, managers are suggested to make the right decisions in choosing the path and expanding their investments Keywords: Vehicle Routing Problem, Capacitated vehicle routing Problem, Sine Cosine Algorithm, Hybrid Sine Cosine Algorithm, Traveling Salesman Problem, Optimization vi LỜI CAM ĐOAN Tôi xin cam đoan luận văn tơi thực hướng dẫn PGS.TS Phạm Vũ Hồng Sơn TS Chu Việt Cường Các kết luận văn thật chưa công bố nghiên cứu khác Tôi xin chịu trách nhiệm công việc thực Tp Hồ Chí Minh, ngày 09 tháng 12 năm 2022 Nguyễn Văn Nam vii MỤC LỤC MỤC LỤC vii DANH MỤC CÁC HÌNH ix DANH MỤC CÁC BẢNG xii DANH MỤC CÁC CHỮ VIẾT TẮT xiv CHƯƠNG MỞ ĐẦU .1 1.1 Đặt vấn đề 1.2 Lý chọn đề tài 1.3 Xác định vấn đề nghiên cứu .8 1.4 Xác định mục tiêu nghiên cứu 1.5 Đóng góp nghiên cứu .10 1.5.1 Trên phương diện học thuật 10 1.5.2 Trên phương diện thực tiễn .11 1.6 Công cụ nghiên cứu 12 1.7 Đối tượng phạm vi nghiên cứu 12 1.8 Cấu trúc luận văn 13 CHƯƠNG TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU 15 2.1 Tổng quan toán VRP 15 2.2 Cảm hứng hình thành SCA nghiên cứu liên quan SCA 20 CHƯƠNG CƠ SỞ LÝ THUYẾT 24 3.1 Định nghĩa vấn đề VRP 24 3.2 Thuật toán tối ưu Sine Cosine .27 3.3 Thuật toán GWO .32 3.4 Phương pháp học dựa đối diện (Opposition-based learning) (Tizhoosh, 2005) 33 3.5 Đột biến trao đổi chéo (Mutation and crossover) (Roseline & Saravanan, 2019) .35 3.6 Ưu nhược điểm phương pháp lai ghép vào SCA 36 viii CHƯƠNG ĐỀ XUẤT MƠ HÌNH ỨNG DỤNG VÀO CÁC TRƯỜNG HỢP NGHIÊN CỨU SỬ DỤNG HSCA, SCA VÀ SO SÁNH ĐÁNH GIÁ .39 4.1 Xây dựng mơ hình 39 4.2 Các trường hợp nghiên cứu 41 4.2.1 Case study .42 4.2.2 Case study .45 4.2.3 Case study .51 4.2.4 Case study .59 4.2.5 Case study – trường hợp thực tế 64 4.2.6 Case study 6- trường hợp thực tế 72 4.3 So sánh đánh giá kết thuật toán 78 4.3.1 Kết khoảng cách .81 4.3.2 Tốc độ hội tụ 82 4.3.3 Thời gian giải thuật 82 4.3.4 Nhận xét 83 CHƯƠNG KẾT LUẬN & HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI 84 5.1 Kết luận 84 5.2 Hướng nghiên cứu tương lai 84 TÀI LIỆU THAM KHẢO 86 PHỤ LỤC 90 LÝ LỊCH TRÍCH NGANG 98 84 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường CHƯƠNG KẾT LUẬN & HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI 5.1 Kết luận Trong Luận văn này, mơ hình lập kế hoạch định tuyến cho xe vận chuyển xi măng cách dùng HSCA SCA đề xuất dựa tính tối ưu mạnh mẽ Với trường hợp nghiên cứu từ đến có tình tổng quan tốn VRP, độ phức tạp tăng dần VRP so sánh HSCA, SCA với thuật tốn nghiên cứu trước Với liệu có sẵn ràng buộc liên quan toán VRP, nhận thấy luận văn có tính ứng dụng thực tế cao việc hỗ trợ việc lập kế hoạch định tuyến cho xe vận chuyển xi măng Bài toán VRP toán kinh điển khoa học Việc đưa phương án xác tuyệt đối khó khăn số lượng đường lớn nghiên cứu mở rộng số điểm giao hàng Việc sử dụng HSCA, SCA để giải toán VRP giúp tăng tốc độ hội tụ tìm đáp án tốt tiệm cận với đáp án xác toán Nghiên cứu lai ghép GWO dùng phương pháp OBL MCS giúp cải thiện q trình tìm kiếm tốn VRP cho đáp án tối ưu thời gian giải thuật lâu thuật tốn SCA, PSO, DA, ALO, MHPSO, DPGA tùy vào trường hợp cụ thể từ case đến case Trong Luận văn vấn đề giải đường ngắn cho xe vận chuyển xi măng giải trọn vẹn case mở rộng thêm trường hợp giao hàng chia địa điểm khách hàng cho xe case để có nhìn thực tế tốn VRP 5.2 Hướng nghiên cứu tương lai Mơ hình tốn VRP luận văn có số hạn chế sau: Chưa xét đến yếu tố thời gian giao hàng, chưa mở rộng toán với nhiều kho giao hàng, chưa tính vấn đề hỏng hóc xe trình vận chuyển đưa phương án dự phòng, chưa xem xét việc phát sinh nhận hàng trình giao hàng để đưa cách xử lý cho đơn hàng nhận HVTH: Nguyễn Văn Nam 85 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường Trong luận văn ta xem xét trường hợp CVRP “tĩnh” tìm cách tối ưu đường thuật tốn tối ưu đại HSCA, SCA, PSO, ALO, DA sau so sánh với case có sẵn dùng phương pháp khác QP (Ji et al., 2008), Genetic Algorithm (GA) (Azad, 2019)), Double Population Genetic Algorithm (DPGA), Particle Swarm Optimization (PSO), Modified Hybrid Particle Swarm Optimization (MHPSO)(Zhengchu et al., 2009) để chứng minh ưu việt thuật toán HSCA SCA Hướng nghiên cứu mở rộng giải case có CVRP “động” tức nhu cầu hàng hóa khách hàng cập nhật liên tục nhiệm vụ lập kế hoạch định tuyến cho xe phù hợp với nhu cầu cho khoảng cách đảm bảo tối ưu Một hướng nghiên cứu case luận văn chưa xét đến yếu tố thời gian giao hàng Đây vấn đề quan trọng cần xem xét giao Vì đảm bảo thời gian giao hàng nâng cao chất lượng dịch vụ chủ động công việc, biết khoảng thời gian tương đối cần phải cấp hàng chủ động lên lịch trình cho xe vận chuyển Việc xem xét vấn đề phát thải CO2 động vận chuyển với khoảng cách tối ưu đánh thuế cacbon Việt Nam tương lai hướng nghiên cứu thú vị cho toán VRP HVTH: Nguyễn Văn Nam 86 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường TÀI LIỆU THAM KHẢO Abualigah, L., & Diabat, A (2021) Advances in sine cosine algorithm: a comprehensive survey Artificial Intelligence Review, 54(4), 2567-2608 Afshar-Bakeshloo, M., Mehrabi, A., Safari, H., Maleki, M., & Jolai, F (2016) A green vehicle routing problem with customer satisfaction criteria Journal of Industrial Engineering International, 12(4), 529-544 Anbuudayasankar, S., & Mohandas, K (2008) Mixed-integer linear programming for vehicle routing problem with simultaneous delivery and pick-up with maximum route-length International Journal of Applied Management and Technology, 6(1), Azad, T (2019) Capacitated vehicle routing problem using genetic algorithm: a case of cement distribution International Journal of Logistics Systems and Management, 32(1), 132-146 doi:10.1504/ijlsm.2019.097077 Báo cáo Xi măng, x m (2019) Quá trình phát triển ngành xi măng Việt Nam Bhuyan, M., Das, D C., & Barik, A K (2019) A comparative analysis of DSM based autonomous hybrid microgrid using PSO and SCA Paper presented at the 2019 IEEE Region 10 Symposium (TENSYMP) Bodin, L., Golden, B., Assad, A., & Ball, M (1981) The State of the Art in the Routing and Scheduling of Vehicles and Crews: Executive Summary Cacchiani, V., Hemmelmayr, V C., & Tricoire, F (2014) A set-covering based heuristic algorithm for the periodic vehicle routing problem Discrete Applied Mathematics, 163, 53-64 Cheng, M.-Y., & Tran, D.-H (2016) Integrating Chaotic Initialized Opposition Multiple-Objective Differential Evolution and Stochastic Simulation to Optimize Ready-Mixed Concrete Truck Dispatch Schedule Journal of Management in Engineering, 32(1), 04015034 doi:doi:10.1061/(ASCE)ME.1943-5479.0000398 Dantzig, G B., & Ramser, J H (1959) The truck dispatching problem Management science, 6(1), 80-91 Đạt CQ, S P (2017) Tối ưu kế hoạch phân phối xe bê tông thương phẩm từ nhiều trạm trộn đến công trường xây dựng sử dụng thuật tốn tối ưu sói xám đa mục tiêu kết hợp với mô kiện rời rạc (Tạp chí xây dựng 2018), 62-63 Dinkar, S K., & Deep, K (2019) Accelerated opposition-based antlion optimizer with application to order reduction of linear time-invariant systems Arabian Journal for Science and Engineering, 44(3), 2213-2241 Drexl, M (2012) Rich vehicle routing in theory and practice Logistics Research, 5(1), 47-63 Fisher, M L., Greenfield, A J., Jaikumar, R., & Lester III, J T (1982) A computerized vehicle routing application Interfaces, 12(4), 42-52 Hafez, A I., Zawbaa, H M., Emary, E., & Hassanien, A E (2016) Sine cosine optimization algorithm for feature selection Paper presented at the 2016 HVTH: Nguyễn Văn Nam 87 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường international symposium on innovations in intelligent systems and applications (INISTA) Hoffman, K L., Padberg, M., & Rinaldi, G (2013) Traveling salesman problem Encyclopedia of operations research and management science, 1, 1573-1578 Iswari, T., & Asih, A M S (2018) Comparing genetic algorithm and particle swarm optimization for solving capacitated vehicle routing problem Paper presented at the IOP Conference Series: Materials Science and Engineering Ji, P., Wu, H., & Wu, Y (2008) Quadratic programming for the vehicle routing problem Paper presented at the International Symposium on Operations Research and Its Applications Khouadjia, M R., Sarasola, B., Alba, E., Jourdan, L., & Talbi, E.-G (2012) A comparative study between dynamic adapted PSO and VNS for the vehicle routing problem with dynamic requests Applied Soft Computing, 12(4), 14261439 Kuo, Y., Wang, C.-C., & Chuang, P.-Y (2009) Optimizing goods assignment and the vehicle routing problem with time-dependent travel speeds Computers & Industrial Engineering, 57(4), 1385-1392 Laporte, G (2007) What you should know about the vehicle routing problem Naval Research Logistics (NRL), 54(8), 811-819 Liu, D., Li, X., Chen, J., & Jin, R (2020) Real-Time Optimization of Precast Concrete Component Transportation and Storage Advances in Civil Engineering, 2020 Liu, W.-Y., Lin, C.-C., Chiu, C.-R., Tsao, Y.-S., & Wang, Q (2014) Minimizing the carbon footprint for the time-dependent heterogeneous-fleet vehicle routing problem with alternative paths Sustainability, 6(7), 4658-4684 Mirjalili, S (2016) SCA: A Sine Cosine Algorithm for solving optimization problems Knowledge-Based Systems, 96, 120-133 doi:https://doi.org/10.1016/j.knosys.2015.12.022 Mirjalili, S., Mirjalili, S M., & Lewis, A (2014) Grey wolf optimizer Advances in engineering software, 69, 46-61 Montané, F A T., & Galvao, R D (2006) A tabu search algorithm for the vehicle routing problem with simultaneous pick-up and delivery service Computers & Operations Research, 33(3), 595-619 Narasimha, K V., Kivelevitch, E., Sharma, B., & Kumar, M (2013) An ant colony optimization technique for solving min–max multi-depot vehicle routing problem Swarm and Evolutionary Computation, 13, 63-73 Nenavath, H., & Jatoth, R K (2019) Hybrid SCA–TLBO: a novel optimization algorithm for global optimization and visual tracking Neural Computing and Applications, 31(9), 5497-5526 doi:10.1007/s00521-018-3376-6 Ning, T., An, L., & Duan, X (2021) Optimization of cold chain distribution path of fresh agricultural products under carbon tax mechanism: A case study in China Journal of Intelligent & Fuzzy Systems, 40(6), 10549-10558 Qi, C., & Hu, L (2020) Optimization of vehicle routing problem for emergency cold chain logistics based on minimum loss Physical Communication, 40, 101085 HVTH: Nguyễn Văn Nam 88 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường Reed, M., Yiannakou, A., & Evering, R (2014) An ant colony algorithm for the multi-compartment vehicle routing problem Applied Soft Computing, 15, 169176 Roseline, J V., & Saravanan, D (2019) Crossover and mutation strategies applied in job shop scheduling problems Paper presented at the Journal of Physics: Conference Series Shan, Q., & Wang, J (2013, 28-29 Oct 2013) Solve Capacitated Vehicle Routing Problem Using Hybrid Chaotic Particle Swarm Optimization Paper presented at the 2013 Sixth International Symposium on Computational Intelligence and Design Singh, N., & Singh, S (2017) A novel hybrid GWO-SCA approach for optimization problems Engineering Science and Technology, an International Journal, 20(6), 1586-1601 Son, P V H., & Hieu, H T (2021) Logistics model for precast concrete components using novel hybrid Ant Lion Optimizer (ALO) algorithm International Journal of Construction Management, 1-11 Tan, C., & Beasley, J (1984) A heuristic algorithm for the period vehicle routing problem Omega, 12(5), 497-504 Tan, K C., Lee, L H., Zhu, Q., & Ou, K (2001) Heuristic methods for vehicle routing problem with time windows Artificial intelligence in Engineering, 15(3), 281-295 Tang, J., Ma, Y., Guan, J., & Yan, C (2013) A max–min ant system for the split delivery weighted vehicle routing problem Expert Systems with Applications, 40(18), 7468-7477 Tizhoosh, H R (2005) Opposition-based learning: a new scheme for machine intelligence Paper presented at the International conference on computational intelligence for modelling, control and automation and international conference on intelligent agents, web technologies and internet commerce (CIMCA-IAWTIC'06) Wang, S., Tao, F., Shi, Y., & Wen, H (2017) Optimization of vehicle routing problem with time windows for cold chain logistics based on carbon tax Sustainability, 9(5), 694 Wang, Y., Assogba, K., Fan, J., Xu, M., Liu, Y., & Wang, H (2019) Multi-depot green vehicle routing problem with shared transportation resource: Integration of time-dependent speed and piecewise penalty cost Journal of Cleaner Production, 232, 12-29 Wikipedia (2022) Lượng giác Xi măng (2020) Triển vọng tiêu thụ xi măng nước Zhang, L.-Y., Tseng, M.-L., Wang, C.-H., Xiao, C., & Fei, T (2019) Low-carbon cold chain logistics using ribonucleic acid-ant colony optimization algorithm Journal of Cleaner Production, 233, 169-180 Zhang, W., Gajpal, Y., Appadoo, S S., & Wei, Q (2020) Multi-depot green vehicle routing problem to minimize carbon emissions Sustainability, 12(8), 3500 HVTH: Nguyễn Văn Nam 89 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường Zhengchu, W., Jun, L., Muxun, Z., & Jian, F (2009, 20-22 Nov 2009) Research in capacitated vehicle routing problem based on modified hybrid particle swarm optimization Paper presented at the 2009 IEEE International Conference on Intelligent Computing and Intelligent Systems HVTH: Nguyễn Văn Nam 90 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường PHỤ LỤC package vrp.solver.algorithm.sca; import vrp.solver.algorithm.Algorithm; import vrp.solver.algorithm.f_xj; import java.util.ArrayList; import java.util.Collections; import java.util.Iterator; public class HSCA implements Algorithm { double r1_gwo; double r2_gwo; int N, N_GWO, N_SCA; int dim; int maxiter; double alfa[]; double beta[]; double delta[]; double Lower[]; double Upper[]; f_xj ff; double X[][]; double X_GWO[][]; double X_SCA[][]; double X1[][]; double X2[][]; double X3[][]; double a[]; double A1[]; double C1[]; double A2[]; double C2[]; double A3[]; double C3[]; double double double double Destination_position[]; Destination_fitness; a_sca, r1_sca, r2_sca, r3_sca, r4_sca; Objective_values[]; double[][] Result; double[][] arrRandomBestVal; double infinity = 10E+50; double percent; public HSCA(f_xj iff, double iLower[], double iUpper[], int imaxiter, int iN) { maxiter = imaxiter; ff = iff; Lower = iLower; Upper = iUpper; N = iN; HVTH: Nguyễn Văn Nam 91 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường dim = Upper.length; a = new double[dim]; X = new double[N][dim]; alfa = new double[dim]; beta = new double[dim]; delta = new double[dim]; A1 = new double[dim]; C1 = new double[dim]; A2 = new double[dim]; C2 = new double[dim]; A3 = new double[dim]; C3 = new double[dim]; X1 = new double[N][dim]; X2 = new double[N][dim]; X3 = new double[N][dim]; arrRandomBestVal = new double[maxiter][dim]; Destination_position = new double[dim]; Destination_fitness = infinity; Objective_values = new double[N]; percent = 1; N_GWO = (int) (percent * N); N_SCA = N - N_GWO; X_GWO = new double[N_GWO][dim]; X_SCA = new double[N_SCA][dim]; } double[][] sort_and_index(double[][] XXX) { double[] yval = new double[N]; for(int i = 0; i < N; i++) { yval[i] = ff.func(XXX[i]); } ArrayList nfit = new ArrayList(); for(int i = 0; i < N; i++) { nfit.add(yval[i]); } ArrayList nstore = new ArrayList(nfit); Collections.sort(nfit); double[] ret = new double[nfit.size()]; Iterator iterator = nfit.iterator(); int ii = 0; while(iterator.hasNext()) { ret[ii] = iterator.next().doubleValue(); ii++; } int[] indexes = new int[nfit.size()]; for(int n = 0; n < nfit.size(); n++) { indexes[n] = nstore.indexOf(nfit.get(n)); } double[][] B = new double[N][dim]; HVTH: Nguyễn Văn Nam 92 Luận Văn Thạc Sĩ GVHD 1: PGS.TS Phạm Vũ Hồng Sơn GVHD 2: TS Chu Việt Cường for(int i = 0; i < N; i++) { for(int j = 0; j < dim; j++) { B[i][j] = XXX[indexes[i]][j]; } } return B ; } void init() { for(int i = 0; i < N; i++) { for(int j = 0; j < dim; j++) { X[i][j] = Lower[j] + (Upper[j] - Lower[j]) * Math.random(); } } X=sort_and_index(X); for(int i = 0; i < dim; i++) { alfa[i] = X[0][i]; } for(int i = 0; i < dim; i++) { beta[i] = X[1][i]; } for(int i = 0; i < dim; i++) { delta[i] = X[2][i]; } Destination_fitness = ff.func(X[0]); } double[][] simplebounds(double s[][], int N) { for(int i = 0; i < N; i++) { for(int j = 0; j < dim; j++) { if(s[i][j] < Lower[j]) { s[i][j] = Lower[j] * ((Upper[j] - Lower[j]) * Math.random()); } if(s[i][j] > Upper[j]) { s[i][j] = Lower[j] * ((Upper[j] - Lower[j]) * Math.random()); } } } return s; } double[][] solution(){ init(); int iter = 1; while(iter