Trong phần thực nghiệm này sẽ sử dụng mã nguồn từ iROCKBUNNY Lab để thực thi giải thuật GA-VRPTW. Mã nguồn viết bằng ngôn ngữ python, yêu cầu cài đặt như sau:
git clone https://github.com/iRB-Lab/py-ga-VRPTW.git cd py-ga-VRPTW
virtualenv --python=python3 venv source venv/bin/activate
52
Từ dữ liệu bản đồ số GIS và thực trạng của các điểm thu gom rác ta export ra file text như hình 3.7.
53
54
Từ dữ liệu thô trong file text, ta cần convert sang dạng json có chứa danh sách các điểm thu gom rác, và dùng công cụ để tính toán khoảng cách từ 1 điểm thu gom tới các điểm còn lại. Sau khi chạy hàm convert, ta có file dữ liệu mới như hình 3.8.
Hình 3.9 Tham số đầu vào của chương trình
Sau khi áp dụng bước đầu tiên và với tham số đầu vào như hình 3.9 thì lộ trình tối ưu của xe cuốn ép rác thứ nhất là 0 -> 14 -> 18 -> 42 -> 28 -> 31 -> 19 -> 1 -> 39 - > 20 -> 29 -> 48 -> 8 -> 2 -> 4 -> 30 -> 50 -> 45 -> 41 -> 36 -> 49 -> 35 -> 13 -> 6 -> 25 -> 34 -> 32 -> 0; và của xe cuốn ép rác thứ 2 là 0 -> 9 -> 15 -> 21 -> 27 -> 23 -> 37 -> 44 -> 11 -> 22 -> 7 -> 3 -> 38 -> 33 -> 5 -> 26 -> 24 -> 17 -> 40 -> 46 -> 16 -> 10 -> 47 -> 12 -> 43 -> 0.
Với lộ trình tối ưu tính toán được, chi phí thu gom rác trung bình mỗi ngày của cả hai xe là 725.7 đơn vị chi phí. Tổng chi phí phải đi của cả hai xe giảm xuống khoảng (867-725.7)/867% = 16.2% theo tính toán lý thuyết. Số liệu này sẽ được thực hiện so sánh với số liệu thực nghiệm tính toán bởi mô hình mô phỏng.
55
Hình 3.10 Kết quả khi áp dụng phương pháp GA