BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - NGUYỄN HẢI ĐĂNG THUẬT TỐN TÌM KIẾM CỤC BỘ GIẢI BÀI TOÁN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT LUẬN VĂN THẠC SĨ KỸ THUẬT CÔNG NGHỆ THÔNG TIN Hà Nội – Năm 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - NGUYỄN HẢI ĐĂNG THUẬT TOÁN TÌM KIẾM CỤC BỘ GIẢI BÀI TỐN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT Chun ngành: CÔNG NGHỆ THÔNG TIN LUẬN VĂN THẠC SĨ KỸ THUẬT CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS PHẠM QUANG DŨNG Hà Nội – Năm 2018 LỜI MỞ ĐẦU Trong thực tế có nhiều loại mơ hình vận tải Việc vận chuyển hàng hóa từ kho đến cửa hàng Hệ thống chuyển hàng hóa theo yêu cầu Hệ thống chở người vận chuyển hàng hóa theo tuyến cố định, hệ thống taxi, hệ thống xe bt mơ hình phục vụ phần lớn nhu cầu lại vận chuyển hàng hóa Tuy nhiên mơ hình vận tải truyền thống đặc biệt khu vực thành thị, hoạt động vận chuyển hàng hóa chưa hiệu Việc thiếu thông tin thời gian thực phức tạp lập kế hoạch để tối ưu hóa lựa chọn tuyến đường cho phương tiện lý Có nghiên cứu lợi ích có tối ưu qng đường di chuyển phương tiện để phục vụ nhiều lượng khách tốn chi phí Sự tối ưu phù hợp với xu hướng phát triển kinh tế Tối ưu hóa trình di chuyển phương tiện tạo hội kinh doanh hấp dẫn trình di chuyển phương tiện ngắn phục vụ nhiều nhu cầu Như kéo theo giá thành việc chở hàng giảm theo, ngồi cịn giảm nguy tắc nghẽn giao thông, gây nhiều hệ lụy ô nhiễm môi trường… Trong luận văn này, nghiên cứu tốn lập lộ trình vận tải giao hàng cho xe tải với ràng buộc tải trọng nhằm tối thiểu hóa hành trình dài (MMCVRP) Mục tiêu toán đảm bảo tất khách hàng phục vụ sớm tối thiểu hóa hành trình dài Sau đó, tơi đề xuất cài đặt thử nghiệm 10 thuật toán tham lam xây dựng lời giải ban đầu Các thuật toán cài đặt, thử nghiệm đánh giá liệu trích xuất từ liệu vận tải Christophides Luận văn chia thành chương không kể phần mở đầu phần kết luận: Chương trình bày sở lý thuyết toán tối ưu tổ hợp, toán tối ưu lộ trình vận tải, hướng tiếp cận thư viện Chương trình bày 10 thuật tốn tham lam chiến lược thuật toán Chương trình bày kết thử nghiệm đánh giá thuật toán tham lam MỤC LỤC LỜI MỞ ĐẦU LỜI CAM ĐOAN LỜI CẢM ƠN DANH MỤC CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ DANH MỤC CÁC GIẢ MÃ 10 CHƯƠNG CƠ SỞ LÝ THUYẾT 11 1.1 Bài toán tối ưu tổ hợp 11 1.2 Các hướng tiếp cận giải toán tối ưu tổ hợp 13 1.2.1 Hướng tiếp cận giải 14 1.2.2 Hướng tiếp cận giải gần 14 1.3 Các toán tối ưu điều hành vận tải 15 1.4 Thư viện CBLSVR 17 1.4.1 Tổng quan 17 1.4.2 Láng giềng 17 1.4.3 Các lớp API 27 1.5 Bài toán điều hành vận tải tối thiểu hóa hành trình dài 32 1.5.1 Phát biểu toán 32 1.5.2 Mơ hình tốn học 33 CHƯƠNG CÀI ĐẶT THUẬT TOÁN GIẢI BÀI TOÁN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT 37 2.1 Thuật toán tham lam (Greedy1) 37 2.2 Thuật toán tham lam (Greedy2) 38 2.3 Thuật toán tham lam (Greedy3) 39 2.4 Thuật toán tham lam (Greedy4) 40 2.5 Thuật toán tham lam (Greedy5) 42 2.6 Thuật toán tham lam (Greedy6) 43 2.7 Thuật toán tham lam (Greedy7) 44 2.8 Thuật toán tham lam (Greedy8) 45 2.9 Thuật toán tham lam (Greedy9) 46 2.10 Thuật toán tham lam 10 (Greedy10) 47 CHƯƠNG KẾT QUẢ THỬ NGHIỆM VÀ ĐÁNH GIÁ 49 3.1 Dữ liệu 49 3.2 Kết thử nghiệm đánh giá 49 3.3 Tổng kết nhận xét kết thử nghiệm 58 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 61 TÀI LIỆU THAM KHẢO 62 LỜI CAM ĐOAN Tôi xin cam đoan số liệu kết nghiên cứu luận văn trung thực không chép từ đồ án, luận văn khác Mọi thơng tin trích dẫn luận văn rõ nguồn gốc rõ ràng phép công bố Nếu khơng nêu tơi xin hồn tồn chịu trách nhiệm đề tài Hà Nội, Ngày 30 Tháng Năm 2018 Học viên thực Nguyễn Hải Đăng LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành tri ân sâu sắc thầy cô trường Đại học Bách Khoa Hà Nội, đặc biệt thầy cô viện Công Nghệ Thông Tin Truyền thông trường tạo điều kiện cho em học tập nghiên cứu chuyên ngành công nghệ thông tin Và em xin chân thành cảm ơn thầy TS Phạm Quang Dũng thành viên nhóm nghiên cứu nhiệt tình hướng dẫn, giúp đỡ em hồn thành khóa luận tốt nghiệp Với điều kiện thời gian kinh nghiệm hạn chế học viên, luận văn tránh thiếu sót Em mong nhận bảo, đóng góp ý kiến thầy để em có điều kiện bổ sung, nâng cao ý thức mình, phục vụ tốt công việc thực tế Em xin chân thành cảm ơn! DANH MỤC CÁC CHỮ VIẾT TẮT Chữ viết tắt Tên đầy đủ Ý nghĩa CBLS Constraint Based Local Tìm kiếm cục dựa Search ràng buộc Min-Max Capacitated Bài Vehicle Routing Problem đường phương tiện MMCVRP toán định tuyến nhằm tối thiểu hóa hành trình dài ILP Integer Linear Program Quy hoạch ngun tuyến tính VNS Variable Neighborhood Tìm kiếm tập Search láng giềng khác VRP Vehicle Routing Problem Bài toán vận tải CVRP Capacitated Vehicle Bài tốn vận tải có ràng Routing Problem buộc sức chứa Vehicle Routing Problem Bài tốn vận tải có ràng with Time Window buộc khung thời gian VRP Pickup and Delivery Bài tốn vận chuyển hàng VRPTW VRPPD hóa UAV Unmanned aerial vehicle Máy bay không người lái CBLSVR Constraint Based Local Tìm kiếm cục dựa Search Vehicle Routing ràng buộc toán vận tải Application Programming Giao diện lập trình ứng Interface dụng SD Standard Deviation Độ lệch chuẩn MDR Minimum distance Route API DANH MỤC CÁC BẢNG Bảng 1.1: Nhóm hàm khởi tạo lời giải 28 Bảng 1.2: Nhóm hàm truy vấn trạng thái lời giải 28 Bảng 1.3: Một số hàm ràng buộc thiết kế thư viện CBLSVR 30 Bảng 3.1: Mô tả liệu 49 Bảng 3.2: Kết thử nghiệm với thuật toán greedy1 51 Bảng 3.3: Kết thử nghiệm với thuật toán greedy2 51 Bảng 3.4: Kết thử nghiệm với thuật toán greedy3 52 Bảng 3.5: Kết thử nghiệm với thuật toán greedy4 53 Bảng 3.6: Kết thử nghiệm với thuật toán greedy5 54 Bảng 3.7: Kết thử nghiệm với thuật toán greedy6 55 Bảng 3.8: Kết thử nghiệm với thuật toán greedy7 56 Bảng 3.9: Kết thử nghiệm với thuật toán greedy8 56 Bảng 3.10: Kết thử nghiệm với thuật toán greedy9 57 Bảng 3.11: Kết thử nghiệm với thuật toán greedy10 58 Bảng 3.12: Tổng hợp kết thử nghiệm với thuật toán 60 E-n13-k4 74 74 74 0 E-n7-k2 54 54 54 0 Bảng 3.2: Kết thử nghiệm với thuật toán greedy1 Thuật toán G2 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 140 138.3 0.73269 5.96 E-n101-k8 148 178 157.8 7.97100 15.48 E-n76-k15 120 120 120 15.85 E-n76-k14 120 134 125.4 3.61866 7.81 E-n76-k10 128 142 134.4 4.03145 7.00 E-n76-k8 130 146 137.9 5.0461 9.91 E-n76-k7 134 154 143.8 5.38614 6.66 E-n51-k5 142 158 147.7 5.32224 28.38 E-n33-k4 288 292 288.5 1.27733 14.87 E-n31-k7 80 88 85 2.27109 5.64 E-n30-k4 206 208 206.4 0.82078 10.39 E-n30-k3 238 244 243.2 1.88064 3.62 E-n23-k3 290 290 290 0.11 E-n22-k4 134 134 134 0.31 E-n13-k4 74 75 74.05 0.2236 1.11 E-n7-k2 54 54 54 0.00 tiêu (giây) Bảng 3.3: Kết thử nghiệm với thuật toán greedy2 51 Thuật toán G3 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 150 139.8 3.36546 15.72 E-n101-k8 144 190 156 9.58068 30.52 E-n76-k15 120 138 122.8 4.27477 4.36 E-n76-k14 122 194 139.2 19.6753 7.65 E-n76-k10 126 168 141.2 10.9621 8.70 E-n76-k8 126 148 137.4 5.77107 6.27 E-n76-k7 136 154 141.8 4.7639 10.63 E-n51-k5 156 172 166 5.06796 9.80 E-n33-k4 288 292 288.3 0.97872 9.02 E-n31-k7 78 97 86.8 4.85148 2.14 E-n30-k4 208 208 208 3.70 E-n30-k3 240 242 241.3 0.97872 5.53 E-n23-k3 290 312 300.6 10.4045 5.01 E-n22-k4 134 134 134 0.85 E-n13-k4 75 75 75 0.00 E-n7-k2 54 54 54 0.00 tiêu (giây) Bảng 3.4: Kết thử nghiệm với thuật toán greedy3 Thuật toán G4 Các liệu Christophides Chiều dài Chiều dài tuyến đường tuyến đường trung bình nhỏ lớn 52 Thời gian Chiều dài tuyến đường SD tối ưu hàm mục tiêu (giây) E-n101-k14 138 150 138.7 2.69697 7.28 E-n101-k8 148 186 158.2 9.44568 21.71 E-n76-k15 120 126 122 2.59554 7.30 E-n76-k14 120 178 136.6 16.09314 6.91 E-n76-k10 126 146 134.9 6.03411 10.67 E-n76-k8 132 144 137.6 3.21836 7.13 E-n76-k7 136 150 142.8 4.91613 7.79 E-n51-k5 142 162 154.2 4.14982 21.96 E-n33-k4 288 288 288 3.98 E-n31-k7 76 88 82.15 3.04829 5.45 E-n30-k4 206 206 206 5.15 E-n30-k3 238 238 238 6.31 E-n23-k3 290 290 290 1.46 E-n22-k4 134 136 134.1 0.44721 3.94 E-n13-k4 74 75 74.05 0.2236 0.47 E-n7-k2 54 54 54 0.00 Bảng 3.5: Kết thử nghiệm với thuật toán greedy4 Thuật toán G5 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 142 138.2 0.89442 9.63 E-n101-k8 146 176 156.1 6.75823 28.58 E-n76-k15 120 124 120.2 0.89442 24.24 E-n76-k14 122 140 129.1 5.44735 15.54 E-n76-k10 124 158 137.1 8.01249 15.91 53 tiêu (giây) E-n76-k8 132 150 138.6 4.5929 13.98 E-n76-k7 136 150 141.9 4.22897 11.32 E-n51-k5 142 160 146.7 5.40077 28.39 E-n33-k4 288 292 289 1.65434 21.42 E-n31-k7 80 93 87.45 3.56112 5.48 E-n30-k4 206 208 206.4 0.82078 14.48 E-n30-k3 238 244 240.4 2.87273 12.63 E-n23-k3 290 290 290 1.42 E-n22-k4 134 134 134 1.02 E-n13-k4 74 75 74.3 0.47016 1.77 E-n7-k2 54 54 54 0.00 Bảng 3.6: Kết thử nghiệm với thuật toán greedy5 Thuật toán G6 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 162 141 5.89379 7.32 E-n101-k8 146 184 156.5 8.89411 26.27 E-n76-k15 120 138 122.7 4.219 2.44 E-n76-k14 120 184 133.6 15.33623 2.02 E-n76-k10 124 160 141.2 10.70956 5.37 E-n76-k8 130 162 141.2 9.45682 4.80 E-n76-k7 132 158 142.1 7.74528 10.85 E-n51-k5 158 178 168.3 6.06196 5.48 E-n33-k4 288 292 288.8 1.64156 4.60 E-n31-k7 77 117 99 9.68992 0.00 54 tiêu (giây) E-n30-k4 210 216 213.1 1.99736 15.99 E-n30-k3 238 240 239.5 0.88852 8.98 E-n23-k3 312 312 312 0.00 E-n22-k4 138 156 150.1 5.5241 4.74 E-n13-k4 75 75 75 0.00 E-n7-k2 67 67 67 0.00 Bảng 3.7: Kết thử nghiệm với thuật toán greedy6 Thuật toán G7 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 150 139.6 3.47017 7.41 E-n101-k8 150 168 155.6 5.17483 27.35 E-n76-k15 120 130 122.9 2.78907 1.73 E-n76-k14 122 170 136.4 15.39104 6.79 E-n76-k10 124 160 139.9 10.41203 9.26 E-n76-k8 132 148 137.4 4.86014 3.62 E-n76-k7 134 152 141.8 5.38614 5.05 E-n51-k5 154 186 171.6 6.85488 4.43 E-n33-k4 288 288 288 2.55 E-n31-k7 82 108 93.15 7.98205 0.00 E-n30-k4 210 216 214.2 2.82097 7.55 E-n30-k3 238 240 239.8 0.61558 6.34 E-n23-k3 298 312 310 4.89897 2.45 E-n22-k4 134 156 148.7 6.75199 3.02 E-n13-k4 75 75 75 0.00 E-n7-k2 67 67 67 0.00 55 tiêu (giây) Bảng 3.8: Kết thử nghiệm với thuật toán greedy7 Thuật toán G8 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 142 138.2 0.89443 6.18 E-n101-k8 146 160 153.3 4.01445 15.18 E-n76-k15 120 120 120 5.15 E-n76-k14 120 128 122.1 2.71254 17.39 E-n76-k10 124 138 129 3.40279 19.37 E-n76-k8 126 134 131.1 2.38195 24.71 E-n76-k7 136 142 137.4 2.43656 27.62 E-n51-k5 142 210 146.5 3.10348 34.53 E-n33-k4 288 288 288 2.40 E-n31-k7 73 81 77.85 8.82744 16.21 E-n30-k4 206 206 206 0.79 E-n30-k3 238 238 238 4.70 E-n23-k3 290 290 290 0.40 E-n22-k4 134 138 134.2 0.89443 3.25 E-n13-k4 74 74 74 0.33 E-n7-k2 54 54 54 0.00 tiêu (giây) Bảng 3.9: Kết thử nghiệm với thuật toán greedy8 56 Thuật toán G9 Các liệu Christophides Chiều dài Chiều dài Thời gian Chiều dài tuyến đường tuyến đường trung bình SD tối ưu hàm mục nhỏ lớn tuyến đường E-n101-k14 138 162 140.5 5.53933 9.90 E-n101-k8 150 176 156.9 6.60064 29.69 E-n76-k15 120 132 123.4 3.43971 2.58 E-n76-k14 120 214 152.4 25.3614 2.87 E-n76-k10 134 228 172.8 29.922 2.58 E-n76-k8 130 158 138.3 6.72075 6.42 E-n76-k7 136 152 145.7 4.69154 8.10 E-n51-k5 152 210 177.5 15.1883 3.56 E-n33-k4 288 294 291.3 2.27342 2.74 E-n31-k7 81 114 96.35 8.82744 0.80 E-n30-k4 206 208 207.1 1.02084 2.58 E-n30-k3 238 245.2 7.23733 3.65 E-n23-k3 290 300 4.07689 1.31 E-n22-k4 134 138 134.6 2.98 E-n13-k4 74 74 74 0.72 E-n7-k2 54 54 54 0.00 tiêu (giây) Bảng 3.10: Kết thử nghiệm với thuật toán greedy9 Thuật toán G10 Các liệu Christophides E-n101-k14 Chiều dài Chiều dài tuyến đường tuyến đường trung bình nhỏ lớn tuyến đường 138 146 139.4 57 Thời gian Chiều dài SD tối ưu hàm mục tiêu (giây) 2.34857 9.06 E-n101-k8 152 174 157.1 5.33015 24.60 E-n76-k15 120 132 123.5 3.42591 2.68 E-n76-k14 124 212 155 20.4012 3.77 E-n76-k10 126 208 159.4 26.8728 3.23 E-n76-k8 130 150 139.2 5.44446 8.45 E-n76-k7 136 154 143.7 5.62981 8.50 E-n51-k5 160 194 180.3 10.2654 5.30 E-n33-k4 288 294 289.4 2.06219 4.72 E-n31-k7 81 101 91.7 5.45894 1.13 E-n30-k4 206 208 206.9 1.02084 4.83 E-n30-k3 238 254 243.6 5.05132 5.24 E-n23-k3 290 302 292.9 4.61006 1.82 E-n22-k4 134 138 134.7 1.49032 3.45 E-n13-k4 74 75 74.05 0.22361 0.96 E-n7-k2 54 54 54 0.00 Bảng 3.11: Kết thử nghiệm với thuật toán greedy10 3.3 Tổng kết nhận xét kết thử nghiệm Từ kết thực nghiệm thuật tốn trên, tơi thực tổng kết, đánh giá thuật tốn liệu với mơ hình: thuật toán tốt (giá trị thuật toán tiêu chí) Chi tiết trình bày bảng 3.11 sau: Các liệu Christop hides Thuật Thuật Thuật toán/chiều toán/chiều toán/chiều Thuật dài tuyến dài tuyến dài trung tốn/độ lệch đường đường lớn bình chuẩn) ngắn nhất) tuyến đường) E-n101- Tất k14 (138) E-n101- g3 (144) Thuật toán /thời gian tối ưu hàm mục tiêu (giây) g1, g2 (140) g1(138.1) g1(0.44721) g2(5.96) g8(160) g8(153.3) g8(4.01445) g8(15.18) 58 k8 E-n76- Tất g1, g2, g8 g1, g2, g8 g1, g2, g8 k15 (120) (120) (120) (0) g8(128) g8 (122.1) g8(2.71254) g8 (138) g8 (129) g8 (3.40279) g9(2.58) g8 (150) g8 (131.1) g8 (2.38195) g7 (3.62) g8 (142) g8 (137.4) g8 (2.43656) g7 (5.05) g1, g2 (158) g8 (146.5) g8 (3.10348) g9 (3.56) E-n76k14 g1, g2, g4, g6, g8, g9 g5, g6, g7, k10 g8 (124) E-n76- g3, g8 k8 (126) k7 g6(2.02) (120) E-n76- E-n76- g7(1.73) g6 (132) E-n51- g2, g4, g5, k5 g8 (142) E-n33- Tất g1, g4, g7, g1, g4, g7, g1, g4, g7, k4 (288) g8 (288) g8 (288) g8 (0) g8 (73) g8 (81) g8 (77,85) g1 (1.70448) g6, g7 (0) g4, g8 (206) g4, g8 (206) g4, g8 (0) g8 (0.79) g4, g8 (238) g4, g8 (238) g4, g8 (0) g1 (2.10955) E-n31k7 E-n30k4 g8 (2.40) g1, g2, g4, g5, g8, g9, g10 (206) g1, g2, g4, E-n30- g5, g6, g7, k3 g8, g9, g10 (238) g1, g2, g3, E-n23- g4, g5, g8, g1, g2, g4, g1, g2, g4, g1, g2, g4, k3 g9, g10 g5, g8 (290) g5, g8 (290) g5, g8 (0) g1, g2, g3, g1, g2, g3, g1, g2, g3, g1, g6 (0) (290) E-n22- g1, g2, g3, 59 g1 (0.27645) k4 g4, g5, g7, g5 (134) g5 (134) g5 (0) g1, g8, g9 g1, g8, g9 g1, g8, g9 g1, g2, g6, g7 (74) (74) (0) (0) g1, g2, g3, g1, g2, g3, g1, g2, g3, g4, g5, g8, g4, g5, g8, g4, g5, g8, g9, g10 (54) g9, g10 (54) g9, g10 (0) g8, g9, g10 (134) g1, g2, g4, E-n13- g5, g8, g9, k4 g10 (74) g1, g2, g3, E-n7-k2 g4, g5, g8, g9, g10 (54) tất (0) Bảng 3.12: Tổng hợp kết thử nghiệm với thuật toán Nhận xét: Trong hầu hết tiêu chí đánh giá gồm chiều dài quãng đường ngắn nhất, quãng đường dài có chiều dài nhỏ nhất, giá trị trung bình chiều dài quãng đường, độ lệch chuẩn nhỏ thời gian đạt hàm mục tiêu nhanh thuật toán greedy8 thể tối ưu Cải tiến thuật toán: - MMCVRP xem xét lần Golden cộng [32] Tới nay, nghiên cứu MMCVRP Trong nghiên cứu này, Golden cộng đề xuất thuật giải tìm kiếm Tabu Khơng may mắn, nghiên cứu khơng chất lượng giải pháp tìm thấy thuật toán họ - Trong luận văn này, tơi tìm hiểu, cài đặt thử nghiệm, đưa chất lượng giải pháp đánh giá việc khởi tạo lời giải ban đầu tới chất lượng hàm mục tiêu Kết luận văn khắc phục thiếu sót mà nghiên cứu trước để lại 60 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Trong luận văn này, tơi khảo sát tốn điều hành vận tải tối thiểu hóa hành trình dài nhất, cài đặt, thử nghiệm đánh giá thuật toán tham lam khác khởi tạo lời giải ban đầu Các kết đạt bao gồm: • Tìm hiểu tốn tối ưu hóa tổ hợp hướng tiếp cận giải toán tối ưu tổ hợp • Tìm hiểu tốn lập lộ trình vận tải nói chung, tốn điều hành vận tải tối thiểu hóa hành trình dài nói riêng • Tìm hiểu thư viện CBLSVR dùng để mơ hình hóa giải toán điều hành vận tải phương pháp tìm kiếm cục dựa ràng buộc • Đề xuất 10 thuật toán tham lam xây dựng lời giải ban đầu cho tốn đặt • Cài đặt 10 thuật toán đề xuất thử nghiệm liệu trích xuất từ liệu Christofides Kết thử nghiệm cho thấy thuật toán cho kết tốt cho hàm mục tiêu Hướng phát triển thực chiến lược tìm kiếm cục để cải thiện lời giải xây dựng từ thuật toán tham lam nêu toán tử láng giềng đề xuất nghiên cứu trước 61 TÀI LIỆU THAM KHẢO [1] D Applegate, W Cook, S Dash, and A Rohe, “Solution of a min-max vehicle routing problem,” INFORMS J on Computing, vol 14, no 2, pp 132–143, Apr 2002 [Online] Available: http://dx.doi.org/10.1287/ijoc.14.2.132.118 [2] D Applegate, W Cook, S Dash, and A Rohe, “Solution of a min-max vehicle routing problem,” INFORMS J on Computing, vol 14, no 2, pp 132–143, Apr 2002 [Online] Available: http://dx.doi.org/10.1287/ijoc.14.2.132.118 [3] R Baldacci, E Hadjiconstantinou, and A Mingozzi, “An exact algorithm for the capacitated vehicle routing problem based on a two-commodity network flow formulation,” Operations Research, vol 52, no 5, pp 723–738, 2004 [Online] Available: http://dx.doi.org/10.1287/opre.1040.0111 [4] M Barkaoui J Berger and O Br_aysy A route-directed hybrid genetic approach for the vehicle routing problem with time windows INFOR, 41:179_194, 2003 [5] A Le Bouthillier and T G Crainic A cooperative parallel meta-heuristic for the vehicle routing problem with time windows Computers Operations Research, 32(7):1685_1798, 2005 [6] George Bernard Dantzig and John Hubert Ramser The Truck Dispatching Problem Management Science 6(1), pp 80-91, 1959 [7] M Desrochers, J Desrosiers, and M Solomon, “A new optimization algorithm for the vehicle routing problem with time windows,” Operations Research, vol 40, no 2, pp 342–354, 1992 http://dx.doi.org/10.1287/opre.40.2.342 62 [Online] Available: [8] M Dincbas, H Simonis, and P Van Hentenryck Solving the Car Sequencing Problem in Constraint Logic Programming In European Conference on Artificial Intelligence (ECAI-88, 1988) [9] Pham Quang Dung, Le Kim Thu, Nguyen Thanh Hoang, Pham Van Dinh, Bui Quoc Trung A Constraint-Based Local Search for offine and online general vehiclerouting International Journal on Artificial Intelligence Tools, Volume 26, Issue 02, pages 1-32, April 2017 [10] R Fukasawa, H Longo, J Lysgaard, M P d Arag˜ao, M Reis, E Uchoa, and R F Werneck, “Robust branch-and-cut-and-price for the capacitated vehicle routing problem,” Mathematical Programming, vol 106, no 3, pp 491–511, 2006 [Online] Available: http://dx.doi.org/10.1007/s10107-005-0644-x [11] L G P J.-Y Gendreau, M., “Metaheuristics for the capacitated vrp,” in The Vehicle RoutingProblem, V D Toth, P., Ed SIAM Monographs on Discrete Mathematics and Applications, 2002, vol [12] M Gendreau, F Guertin, J.-Y Potvin, and R Sguin, “Neighborhood search heuristics for adynamic vehicle dispatching problem with pick-ups and deliveries,” Transportation ResearchPart C: Emerging Technologies, vol 14, no 3, pp 157 – 174, 2006.[Online].Available: http://www.sciencedirect.com/science/article/pii/S0968090X06000349 [13] F Glover Tabu search, part I ORSA Journal on Computing, 1(3):190_206, 1989 [14] F Glover Tabu search, part II ORSA Journal on Computing, 2(1):4_32, 1990 [15] D E Goldberg Genetic algorithms in search, optimization and machine learning Addison Wesley, Reading, 1989 [16] Bruce Golden, S Raghavan, Edward Wasil The vehicle routing problem: latest advances new challenges Springer, 2008 63 [17] R S W.-E A Golden, Bruce L., The Vehicle Routing Problem: Latest Advances and NewChallenges, ser 43 The address: Springer, 2008 [18] Chris Groer, Bruce Golden, and Edward Wasil A library of local search heuristics for the vehicle routing problem Math Prog Comp vol 2, pages 79-101, 2010 [19] P Hansen and N Mladenovic Variable neighborhood search: Principles and applications European Journal of Operational Research, 130(3):449_467, 2001 [20] J Homberger and H Gehring A two-phase hybrid metaheuristic for the vehicle routing problem with time windows European Journal of Operational Research, 162(1):220_238, 2005 [21] S Kumar and R Panneerselvam, “A survey on the vehicle routing problem and its variants,” Intelligent Information Management, vol 4, no 3, pp 66–74, 2012 [22] G Laporte, “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: [23] B Li, D Krushinsky, H A Reijers, T.V Woensel The Share-a-Ride Problem: People and parcels sharing taxis European Journal of Operation Research, Vol 328(1), 31-40 (2014) [24] Y Marinakis, “Multiple phase neighborhood search-grasp for the capacitated vehicle routing problem,” Expert Systems with Applications, vol 39, no 8, pp 6807 – 6815, 2012 [Online] Available: http://www.sciencedirect.com/science/article/pii/S0957417412000176 [25] Michael Marte Models and Algorithms for School Timetabling – A Constraint-Programming Approach PhD thesis, 2002 64 [26] M D Moffitt and M E Pollack Optimal rectangle packing: A meta-CSP approach In Proceedings of the 16th International Conference on Automated Planning and Scheduling, 2006 [27] Murray, C.C., Chu, A.G.: The flying sidekick traveling salesman problem: Optimization of drone-assisted parcel delivery Transportation Research Part C: Emerging Technologies 54, pp 86–109 (2015) [28] Pascal Van Hentenryck and Laurent Michel Constraint-based Local Search The MIT Press, 2005 [29] Ralphs, T., Guzelsoy, M., Mahajan, A.: The SYMPHONY source code https://projects.coin-or.org/SYMPHONY (2010) [30] T Ralphs, L Kopman, W Pulleyblank, and L Trotter, “On the capacitated vehicle routing problem,” Mathematical Programming, vol 94, no 2, pp 343–359, 2003 [Online] Available: http://dx.doi.org/10.1007/s10107-002-0323-0 [31] F Rossi, P VanBeek and T Walsh “Handbook of Constraint Programming”, Elsevier, 2006 [32] B L Golden, G Laporte, and E D Taillard, \An adaptive memory heuristic for a class of vehicle routing problems with minmax objective," Comput Oper Res., vol 24, no 5, pp.445-452, May http://dx.doi.org/10.1016/S0305-0548(96)00065-2 65 1997 [Online] Available: ... tối thiểu hóa hành trình dài 32 1.5.1 Phát biểu toán 32 1.5.2 Mơ hình tốn học 33 CHƯƠNG CÀI ĐẶT THUẬT TOÁN GIẢI BÀI TOÁN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT... tốn tìm kiếm cục 36 CHƯƠNG CÀI ĐẶT THUẬT TOÁN GIẢI BÀI TOÁN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT Trong chương này, tơi đề xuất thuật tốn để khởi tạo lời giải ban đầu cho toán lập...BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - NGUYỄN HẢI ĐĂNG THUẬT TỐN TÌM KIẾM CỤC BỘ GIẢI BÀI TOÁN ĐIỀU HÀNH VẬN TẢI TỐI THIỂU HĨA HÀNH TRÌNH DÀI NHẤT Chun