LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nghiên cứu
được trình bày trong luận án là hoàn toàn trung thực và chưa từng được ai công bố trong bất kỳ
công trình nào khác.
GIÁO VIÊN HƯỚNG DẪN NGHIÊN CỨU SINH
PGS.TS Đỗ Phan Thuận Nguyễn Ngọc Quang
i
LỜI CẢM ƠN
Tôi xin trân trọng cảm ơn PGS.TS Nguyễn Đức Nghĩa đã tin tưởng, tâm huyết và tận tình dạy,
định hướng, hướng dẫn tôi trong học tập và quá trình thực hiện nghiên cứu sinh.
Tôi xin trân trọng cảm ơn PGS.TS Đỗ Phan Thuận đã nhiệt tình hướng dẫn tôi học tập, nghiên
cứu và thực hiện luận án này.
Tôi xin trân trọng cảm ơn TS. Nguyễn Khánh Phương đã nhiệt tình tạo điều kiện và hỗ trợ
hướng dẫn tôi trong công tác nghiên cứu.
Tôi xin trân trọng cảm ơn lãnh đạo và các chuyên viên Viện Công nghệ thông tin và Truyền
thông, phòng Đào tạo - trường Đại học Bách khoa Hà Nội đã quan tâm, hỗ trợ tôi trong quá
trình tôi làm nghiên cứu sinh tại Trường.
Tôi xin trân trọng cảm ơn các thầy cô ở Bộ môn Khoa học máy tính Viện Công nghệ thông tin
và Truyền thông trường Đại học Bách khoa Hà Nội đã giúp đỡ tôi trong 7 năm làm nghiên cứu
sinh tại Bộ môn. Các thầy cô đã nhiệt tình hướng dẫn tôi thực hiện các học phần tiến sĩ, các
chuyên đề tiến sĩ, tiểu luận tổng quan và có những góp ý quý báu để tôi hoàn thiện luận án này.
Trân trọng cảm ơn ban lãnh đạo công ty Cổ phần giải pháp ETC và gia đình đã tạo điều kiện
trong thời gian tôi làm nghiên cứu sinh.
Hà Nội, ngày 11 tháng 10 năm 2021
Tác giả luận án
Nguyễn Ngọc Quang
ii
MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................................ i
LỜI CẢM ƠN ............................................................................................................................. ii
MỤC LỤC ................................................................................................................................. iii
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT ................................................................ vi
DANH MỤC CÁC BẢNG ....................................................................................................... vii
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ ................................................................................. viii
MỞ ĐẦU .................................................................................................................................... 1
CHƯƠNG 1. TỔNG QUAN VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN CỦA HẬU CẦN ĐÔ
THỊ TRONG BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN VÀ BÀI TOÁN GIAO VÀ NHẬN ĐA
LOẠI HÀNG HÓA, ĐA TUYẾN .............................................................................................. 6
HẬU CẦN ĐÔ THỊ .......................................................................................... 6 1.1.
1.2. VẤN ĐỀ QUY HOẠCH TRONG HẬU CẦN ĐÔ THỊ .................................. 9
1.3. CÁC MÔ HÌNH HẬU CẦN ĐÔ THỊ ĐIỂN HÌNH ....................................... 10
1.3.1. Mô hình hậu cần đô thị một mức ..................................................................... 11
1.3.2. Mô hình hậu cầu đô thị hai mức ....................................................................... 13
1.4. VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG HẬU CẦN ĐÔ THỊ ......... 14
1.4.1. Định tuyến trong bài toán chia sẻ phương tiện ................................................. 15
1.4.2. Định vị và định tuyến trong bài toán giao nhận đa loại hàng hóa, đa tuyến .... 17
1.5. KẾT LUẬN CHƯƠNG .................................................................................. 23
CHƯƠNG 2. VẤN ĐỀ ĐỊNH TUYẾN TRONG BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN .... 24
2.1. PHÁT BIỂU BÀI TOÁN ........................................................................................... 24
2.2. MÔ HÌNH TOÁN HỌC ............................................................................................. 27
2.2.1. Định nghĩa đầu vào........................................................................................... 27
2.2.2. Định nghĩa các biến .......................................................................................... 28
2.2.3. Các hàm mục tiêu ............................................................................................. 29
2.2.4. Các ràng buộc ................................................................................................... 30
2.3. THUẬT TOÁN GIẢI BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN ................................. 31
2.3.1. Kỹ thuật định tuyến trên đồ thị động ................................................................ 31
2.3.1.1. Kỹ thuật phân cấp đỉnh giản lược CH ...................................................... 32
2.3.1.2. Độ phức tạp .............................................................................................. 32
2.3.2. Thuật toán heuristic cho mô hình vận tải trực tiếp ........................................... 33
iii
2.3.3. Thuật toán cho mô hình chia sẻ phương tiện ................................................... 35
2.3.3.1. Cấu trúc chung .......................................................................................... 35
2.3.3.2. Thuật toán tham lam ......................................................................................... 35
2.3.3.3. Thuật toán tìm kiếm địa phương .............................................................. 37
2.4. THỰC NGHIỆM VÀ ĐÁNH GIÁ............................................................................. 38
2.4.1. Dữ liệu thực nghiệm ......................................................................................... 39
2.4.1.1. Xử lý mạng lưới đường giao thông của Tokyo ........................................ 39
2.4.1.2. Chuyển đổi yêu cầu vận tải ...................................................................... 40
2.4.1.3. Xử lý khung tốc độ ................................................................................... 40
2.4.1.4. Định vị kho và bến đỗ của xe taxi ............................................................ 42
2.4.1.5. Bộ dữ liệu thực nghiệm và tham số thực nghiệm ..................................... 42
2.4.2 Kết quả thực nghiệm ......................................................................................... 43
2.5. KẾT LUẬN CHƯƠNG .............................................................................................. 55
CHƯƠNG 3. VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG BÀI TOÁN GIAO VÀ NHẬN
ĐA LOẠI HÀNG HÓA, ĐA TUYẾN ..................................................................................... 56
3.1. TỔNG QUAN BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN
……………………………………………………………………………….56
3.2. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN VỚI KHUNG
THỜI GIAN VÀ ĐỒNG BỘ ............................................................................................. 57
3.2.1. Phát biểu bài toán ............................................................................................. 57
3.2.2. Mô hình bài toán............................................................................................... 61
3.3. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN Ở HAI MỨC
VỚI KHUNG THỜI GIAN VÀ ĐỒNG BỘ ..................................................................... 63
3.3.1. Đồng bộ hàng hóa tại điểm trung chuyển......................................................... 68
3.3.2. Mô hình bài toán............................................................................................... 75
3.4. THUẬT TOÁN GIẢI BÀI TOÁN MTT-PDTWS VÀ BÀI TOÁN 2E-MTT-PDTWS
……………………………………………………………………………….79
3.4.1. Cấu trúc chung của thuật toán .......................................................................... 79
3.4.1.1 Thuật toán ALNS giải bài toán MTT-PDTWS ......................................... 80
3.4.1.2 Thuật toán ALNS giải bài toán 2E-MTT-PDTWS ................................... 81
3.4.1.3 Thuật toán heuristic lập lịch vận tải mức 1 cho bài toán 2E-MTT-PDTWS
.................................................................................................................................... 83
3.4.2. Các cấu phần chính của thuật toán ALNS ........................................................ 84
iv
3.4.2.1. Khởi tạo lời giải ban đầu .......................................................................... 84
3.4.2.1.1. Khởi tạo lời giải ban đầu cho bài toán MTT-PDTWS ..................... 84
3.4.2.1.2. Khởi tạo lời giải ban đầu cho bài toán 2E-MTT-PDTWS ............... 84
3.4.2.2. Thao tác hủy ............................................................................................. 85
3.4.2.3. Thao tác chỉnh sửa .................................................................................... 87
3.4.2.4. Điều chỉnh trọng số của các thao tác ........................................................ 88
3.4.2.5. Tiêu chí chập nhận lời giải mới và điều kiện dừng .................................. 89
3.5. THỰC NGHIỆM VÀ ĐÁNH GIÁ............................................................................. 90
3.5.1. Dữ liệu thực nghiệm ......................................................................................... 90
3.5.1.1. Dữ liệu thực nghiệm cho bài toán MTT-PDTWS .................................... 90
3.5.1.2. Dữ liệu thực nghiệm cho bài toán 2E-MTT-PDTWS .............................. 92
3.5.2. Thực nghiệm và đánh giá bài toán MTT-PDTWS ........................................... 92
3.5.2.1. Hiệu chỉnh thông số và kết quả thực nghiệm ........................................... 92
3.5.2.2. Đánh giá hiệu năng của thủ tục nâng cao chất lượng lời giải .................. 94
3.5.2.3. Đánh giá kết quả của thuật toán ALNS và thuật toán tìm kiếm Tabu ...... 95
3.5.3. Thực nghiệm và đánh giá bài toán 2E-MTT-PDTWS ..................................... 96
3.6. KẾT LUẬN CHƯƠNG .............................................................................................. 97
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ................................................................................ 99
KẾT LUẬN ....................................................................................................................... 99
HƯỚNG PHÁT TRIỂN .................................................................................................. 101
TÀI LIỆU THAM KHẢO ...................................................................................................... 104
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN .................................. 110
v
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT
Từ viết tắt Tiếng Anh Tiếng Việt
CDC Central Distribution Center Trung tâm phân phối hàng hóa
SARP Share-A-Ride Problem Bài toán chia sẻ phương tiện
c2e Customer-to-external Hàng hóa nhận từ khách hàng và chuyển
ra ngoại thành
e2c External-to-customer Hàng hóa nhận từ ngoại thành và chuyển
đến khách hàng trong nội thành
c2c Customer-to-customer
Hàng hóa nhận từ khách hàng và chuyển
đến khách hàng trong nội thành
MTT-
PDTWS Bài toán giao và nhận đa loại hàng hóa,
đa tuyến với khung thời gian và đồng bộ
Multi-trip Multi-traffic Pickup
and Delivery with Time
Windows and Synchronization
2E-MTT- The two-echelon Multi-trip Bài toán giao và nhận đa loại hàng hóa,
PDTWS
Multi-traffic Pickup and Delivery
with Time Windows and đa tuyến ở hai mức với khung thời gian
và đồng bộ
Synchronization
ALNS Adaptive Large Neighborhood Thuật toán tìm kiếm lân cận lớn thích
Search nghi
vi
DANH MỤC CÁC BẢNG
Bảng 2.1. Bảng thống kê tốc độ trung bình của taxi Tokyo-Musen theo giờ ........................... 41
Bảng 2.2. Các mức tắc nghẽn giao thông và khung giờ theo Tokyo-Musen Taxi ................... 41
Bảng 2.3. Các khung tốc độ theo từng vùng và mức tắc nghẽn giao thông theo Tokyo-Musen
Taxi ........................................................................................................................................... 42
Bảng 2.4. Thông tin các bộ dữ liệu thực nghiệm ..................................................................... 42
Bảng 2.5. Cước phí vận tải hành khách của taxi ở Nhật Bản 2009 (nguồn [74]) ..................... 43
Bảng 2.6. Cước phí vận tải hàng hóa của taxi ở Nhật Bản 2009 (nguồn [75]) ........................ 43
Bảng 2.7. Thông số thực nghiệm .............................................................................................. 43
Bảng 2.8. Kết quả thực nghiệm bộ dữ liệu 1 ............................................................................ 44
Bảng 2.9. Kết quả thực nghiệm bộ dữ liệu 2 ............................................................................ 45
Bảng 2.10. Kết quả thực nghiệm bộ dữ liệu 3 .......................................................................... 45
Bảng 2.11. Kết quả thực nghiệm bộ dữ liệu 4 .......................................................................... 46
Bảng 3.1. Thời điểm rời điểm trung chuyển và tình trạng kho trung gian ............................... 71
Bảng 3.2. Thời điểm rời điểm trung chuyển và trạng thái kho trung gian ............................... 73
Bảng 3.1. Thông số các bộ dữ liệu ........................................................................................... 92
Bảng 3.2. Tỷ lệ % các thao tác hủy được sử dụng trong thuật toán ......................................... 93
Bảng 3.3. Tác động của số lượng hàng hóa loại bỏ .................................................................. 94
Bảng 3.4. Hiệu năng của thủ tục nâng cao chất lượng lời giải ................................................. 95
Bảng 3.5. So sánh kết quả bài toán sử dụng thuật toán ALNS và thuật toán tìm kiếm Tabu .. 96
Bảng 3.6. Kết quả thực nghiệm ................................................................................................ 96
Bảng 3.7. Tỷ lệ xe tải lớn và xe tải nhỏ chuyển hàng trực tiếp ................................................ 97
vii
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1. Mạng lưới các quốc gia hợp tác nghiên cứu hậu cần đô thị [9].................................. 7
Hình 1.2. Minh họa phân phối hàng hóa trong mô hình hậu cần đô thị một mức .................... 11
Hình 1.3. Minh họa phân phối hàng hóa trong mô hình hậu cần đô thị hai mức ..................... 13
Hình 2.1. Minh họa hành trình của các xe taxi ......................................................................... 26
Hình 2.2. Minh họa đồ thị thành phần 3-core ........................................................................... 33
Hình 2.3. Số lượng taxi bổ sung theo khung thời gian để thực hiện vận tải ............................ 48
Hình 2.4. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 1 .. 49
Hình 2.5. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 2 .. 49
Hình 2.6. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 3 .. 50
Hình 2.7. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 4 .. 50
Hình 2.8. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 1............. 51
Hình 2.9. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 2............. 51
Hình 2.10. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 3........... 52
Hình 2.11. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 4........... 52
Hình 2.12. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 1 ........................ 53
Hình 2.13. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 2 ........................ 53
Hình 2.14. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 3 ........................ 54
Hình 2.15. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 4 ........................ 54
Hình 3.1. Minh họa các hoạt động của xe tải nhỏ tại điểm trung chuyển ................................ 59
Hình 3.2. Minh họa một hành trình của xe tải nhỏ ................................................................... 60
Hình 3.3. Minh họa các lộ trình của một xe tải lớn .................................................................. 65
Hình 3.4. Hoạt động của xe tải lớn tại điểm trung chuyển ....................................................... 67
Hình.3.5. Hoạt động của xe tải nhỏ tại điểm trung chuyển ...................................................... 67
Hình 3.6. Sự cần thiết của kho trung gian tại điểm trung chuyển ............................................ 69
Hình 3.7. Minh họa trường hợp đồng bộ tại điểm trung chuyển s ........................................... 71
Hình 3.8. Minh họa đồng bộ hàng đồng thời hai chiều ............................................................ 73
Hình 3.9. Minh họa lời giải của bài toán 2E-MTT-PDTWS .................................................... 75
viii
MỞ ĐẦU
Vận tải hàng hóa là một trong những hoạt động chính của nền kinh tế. Hệ thống vận tải hàng
hóa tạo mối liên kết cấp thiết giữa nhà cung cấp, nhà phân phối và khách hàng. Theo báo cáo
của Ủy ban châu Âu [1], vận tải hàng hóa thu hút 5% tổng số lao động và đóng góp 5% tổng
GDP của liên minh châu Âu. Tuy ảnh hưởng bởi đại dịch Covid-19 nhưng vận tải hàng hóa nói
chung và vận tải hàng hóa đường bộ nói riêng vẫn có xu hướng tăng trưởng trong các năm gần
đây. Theo thống kê trong năm 2019 của Diễn đàn Giao thông Vận tải quốc tế (ITF), vận tải
hàng hóa đường bộ tại các nước thuộc liên minh châu Âu tiếp tục tăng 3,3% và mức tăng trưởng
ở Nga là 2,3% so với cùng kỳ. Ủy ban châu Âu dự đoán đến năm 2050 mức tăng trưởng của
vận tải hàng khách đạt 42% và của vận tải hàng hóa đạt 60% [1].
Đối với Việt Nam, theo “Báo cáo Logistics Việt Nam 2020” của Bộ Công Thương, tốc độ tăng
trưởng của vận tải hàng hóa đạt trung bình 14-16%/năm. Trong đó, vận tải hàng hóa đường bộ
vẫn chiếm tỷ lệ cao nhất trong các loại hình vận tải với 76,8%. Chiến lược phát triển dịch vụ
vận tải định hướng đến năm 2030 được thể hiện tại Quyết định số 318/QĐ-TTg của Thủ tướng
Chính phủ. Trong giai đoạn 2021-2030, tốc độ tăng trưởng bình quân hàng năm về vận tải hàng
hóa dự định là 6,7% (tương đương 4,3 tỷ tấn hàng hoá) và vận tải hành khách là 8,2% (tương
đương 14 tỷ lượt khách).
Để nâng cao hiệu quả của hệ thống vận tải, cộng đồng khoa học thực hiện nhiều khảo sát và đề
xuất các mô hình vận tải khác nhau. Hầu hết các nghiên cứu về vận tải đều được thực hiện trong
mô hình hậu cần đô thị (City Logistics). Mô hình hậu cần đô thị bao gồm hai chiến lược phân
phối hàng hóa chính: phân phối trực tiếp và phân phối thông qua hệ thống đa mức [2]. Trong
chiến lược phân phối trực tiếp, phương tiện vận tải sẽ vận tải hàng hóa trực tiếp từ kho hàng
đến khách hàng. Thông thường, mô hình hậu cần đô thị một mức được đề cập khi chiến lược
phân phối hàng hóa là trực tiếp. Đối với chiến lược phân phối thông qua hệ thống đa mức, hàng
hóa sẽ được vận tải từ trung tâm phân phối CDC (Central Distribution Center) đến khách hàng
thông qua các điểm trung chuyển thuộc các mức trung gian khác nhau [3]. Với tính đặc thù của
luồng vận tải hàng hóa, tình trạng giao thông và quy mô của đô thị, chiến lược phân phối qua
hệ thống đa mức nói chung và phân phối qua hệ thống hai mức nói riêng được cộng đồng khoa
1
học tập trung nghiên cứu chuyên sâu hơn so với chiến lược phân phối trực tiếp [4]. Chiến lược
phân phối thông qua hệ thống hai mức được nghiên cứu trong mô hình hậu cần đô thị hai mức.
Trong mô hình hậu cần đô thị hai mức, hàng hóa sẽ được phân phối giữa trung tâm phân phối
CDC và khách hàng thông qua các điểm trung chuyển. Quá trình phân phối hàng hóa giữa trung
tâm phân phối CDC và các điểm trung chuyển được gọi là quá trình phân phối hàng hóa mức
1. Quá trình phân phối hàng hóa giữa các điểm trung chuyển và khách hàng được gọi là quá
trình phân phối hàng hóa mức 2. Chính vì vậy, các vấn đề nghiên cứu chính của mô hình hậu
cần đô thị gồm: định vị các điểm trung chuyển, định tuyến phương tiện vận tải trong từng mức
phục vụ các yêu cầu vận tải và cơ chế đồng bộ hàng hóa giữa các mức nhằm tối ưu hóa một số
mục tiêu về chi phí, thời gian, giảm thiểu khí thải [3] [5]. Vấn đề định vị và định tuyến trên
chính là các quyết định của bài toán định vị và định tuyến trong mô hình hậu cần đô thị hai mức
[6].
Ngoài ra, khi nghiên cứu mô hình hậu cần đô thị, cộng đồng khoa học còn quan tâm các yếu tố
chính tác động đến tính thực tiễn của mô hình bao gồm: loại hàng hóa vận tải, luồng vận tải của
hàng hóa. Mô hình hậu cần đô thị một mức thông thường chỉ xem xét một loại hàng hóa đại
diện. Đối với mô hình hậu cần đô thị hai mức, hầu hết các mô hình đề xuất chỉ nghiên cứu hai
loại hàng hóa đặc trưng: hàng hóa chuyển vào thành phố (viết tắt: hàng hóa e2c (external to
customer)), hàng hóa chuyển ra ngoài thành phố (viết tắt: hàng hóa c2e (customer to external)).
Tuy nhiên, nhu cầu vận tải hàng hóa trong nội bộ thành phố (viết tắt: hàng hóa c2c (customer
to customer)) như: vận tải hành khách, hàng hóa nhỏ… cũng chiếm tỷ trọng lớn. Do đó, các kết
quả nghiên cứu đồng thời ba loại hàng hóa trong mô hình hậu cần đô thị hai mức sẽ góp phần
tổng quát hóa và nâng cao tính ứng dụng của mô hình khi áp dụng vào thực tế.
Tác động của mô hình hậu cần đô thị đối với kinh tế thành phố, môi trường và xã hội được khảo
sát tại nghiên cứu [7] [8]. Do đó, việc nghiên cứu và giải quyết các vấn đề định vị và định tuyến
của mô hình hậu cần đô thị thông qua bài toán định vị và định tuyến sẽ giúp tiết kiệm thời gian
vận tải, tối ưu chi phí vận tải, giảm ùn tắc giao thông, tối ưu việc sử dụng cơ sở vận tải, tác
động tích cực đến kinh tế…. Luận án thực hiện nghiên cứu giải quyết bài toán định vị và định
tuyến trong mô hình hậu cần đô thị.
Phương pháp nghiên cứu
● Thu thập các tài liệu, các công trình công bố của các tác giả trong và ngoài nước có liên
quan đến hướng nghiên cứu của luận án;
2
● Nghiên cứu theo mức của mô hình hậu cần đô thị: Đầu tiên, luận án nghiên cứu vấn đề
định tuyến trong hậu cần đô thị một mức (vận tải hàng hóa trong thành phố) thông qua
bài toán chia sẻ phương tiện SARP (viết tắt là: bài toán SARP, trình bày chi tiết tại
Chương 2). Sau đó, mở rộng nghiên cứu đồng thời vấn đề định vị và định tuyến trong
hậu cần đô thị thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến (trình bày chi
tiết tại Chương 3). Cụ thể, nghiên cứu vấn đề định vị và định tuyến trong hậu cần đô thị
một mức thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian
và đồng bộ MTT-PDTWS. Vấn đề định vị và định tuyến của mô hình đô thị hai mức
được nghiên cứu thông qua xây dựng bài toán giao và nhận đa loại hàng hóa, đa tuyến
ở hai mức với khung thời gian và đồng bộ 2E-MTT-PDTWS (viết tắt là: bài toán 2E-
MTT-PDTWS);
● Nghiên cứu theo loại hàng hóa: Đầu tiên, luận án nghiên cứu loại hàng hóa c2c vận tải
trong nội bộ thành phố (vận tải hành khách và hàng hóa nhỏ) thông qua bài toán chia sẻ
phương tiện SARP. Sau đó, mở rộng bài toán nghiên cứu đồng thời ba loại hàng hóa:
hàng hóa c2c (hàng hóa vận tải trong thành phố), hàng hóa c2e (hàng hóa vận tải từ
trong thành phố ra ngoài thành phố) và hàng hóa e2c (hàng hóa vận tải từ ngoài thành
phố vào trong thành phố) thông qua bài toán MTT-PDTWS và bài toán 2E-MTT-
PDTWS;
● Nghiên cứu từ mô hình thực tế: Đầu tiên, luận án nghiên cứu mô hình vận tải chia sẻ
phương tiện trong thành phố. Sau đó luận án mô hình hóa và nghiên cứu thông qua bài
toán chia sẻ phương tiện SARP. Từ đó, luận án xây dựng mô hình bài toán định vị và
định tuyến trong mô hình hậu cần đô thị hai mức.
Phạm vi nghiên cứu
● Tìm hiểu bài toán định vị và định tuyến trong hậu cần đô thị;
● Nghiên cứu bài toán chia sẻ phương tiện SARP;
● Nghiên cứu bài toán giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian và
đồng bộ MTT-PDTWS;
● Xây dựng bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời
gian và đồng bộ 2E-MTT-PDTWS.
Các đóng góp của luận án
● Đối với bài toán chia sẻ phương tiện SARP, các đóng góp chính:
3
o Mô hình phụ thuộc hoàn toàn thời gian với khung tốc độ. Bổ sung các yếu tố,
ràng buộc thực tế để cải tiến mô hình như: chi phí vận tải, chi phí nhân công cho
lái xe taxi, chi phí sử dụng xe và chi phí vận tải vận tải hành khách vượt qua thời
gian vận tải cho phép;
o Mô hình toán học biểu diễn bài toán;
o Thuật toán tham lam và thuật toán tìm kiếm địa phương để giải quyết bài toán;
o Phương pháp xây dựng bộ dữ liệu thực nghiệm trên dữ liệu thực tế của công ty
taxi Tokyo-Musen và tiến hành thực nghiệm.
● Đối với bài toán giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian và đồng
bộ MTT-PDTWS, các đóng góp chính:
o Thuật toán tìm kiếm lân cận lớn thích nghi ALNS để giải quyết bài toán;
o Tiến hành thực nghiệm và so sánh với kết quả bài toán khi giải bằng thuật toán
tìm kiếm Tabu.
● Đối với bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian
và đồng bộ 2E-MTT-PDTWS, các đóng góp chính:
o Xây dựng bài toán “Bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức
với khung thời gian và đồng bộ 2E-MTT-PDTWS”;
o Thuật toán tìm kiếm lân cận lớn thích nghi ALNS và thuật toán heuristic để giải
quyết bài toán;
o Phương pháp xây dựng bộ dữ liệu thực nghiệm và tiến hành thực nghiệm.
Các kết quả nghiên cứu của luận án đã được công bố ở 2 bài báo tạp chí và 3 bài báo hội
nghị quốc tế. Trong đó có 01 tạp chí ISI Q2 và 01 bài báo đạt giải Best Paper Award của
hội nghị quốc tế KSE 2016.
Cấu trúc của luận án
• Chương 1: trình bày tổng quan về hậu cần đô thị. Khảo sát các mô hình hậu cần đô thị
điển hình: mô hình hậu cần đô thị một mức và mô hình hậu cần đô thị hai mức. Phần
cuối cùng của chương trình bày vấn đề định vị và định tuyến trong hậu cần đô thị thông
qua bài toán chia sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến;
• Chương 2: nghiên cứu vấn đề định tuyến của mô hình hậu cần đô thị một mức thông
qua giới thiệu và giải quyết bài toán chia sẻ phương tiện SARP. Luận án xây dựng mô
hình toán học biểu diễn bài toán. Luận án xây dựng thuật toán tham lam, thuật toán tìm
4
kiếm địa phương để giải quyết bài toán và tiến hành thực nghiệm từ dữ liệu thực tế của
công ty taxi Tokyo-Musen;
• Chương 3: nghiên cứu vấn đề định vị và định tuyến trong hậu cần đô thị thông qua bài
toán giao và nhận đa loại hàng hóa, đa tuyến. Vấn đề định vị và định tuyến trong hậu
cần đô thị một mức được nghiên cứu thông qua bài toán giao và nhận đa loại hàng hóa,
đa tuyến với khung thời gian và đồng bộ (gọi tắt là bài toán MTT-PDTWS). Mở rộng
bài toán MTT-PDTWS, vấn đề định vị và định tuyến trong hậu cần đô thị hai mức được
nghiên cứu thông quan bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với
khung thời gian và đồng bộ (gọi tắt là bài toán 2E-MTT-PDTWS). Tiếp theo, thuật toán
tìm kiếm lân cận lớn thích nghi ALNS được xây dựng để giải quyết bài toán MTT-
PDTWS. Kết hợp thuật toán ALNS với thuật toán heuristic, luận án xây dựng thuật toán
để giải quyết bài toán 2E-MTT-PDTWS. Xây dựng dữ liệu thực nghiệm và tiến hành
thực nghiệm, phân tích, đánh giá hiệu quả của thuật toán.
5
CHƯƠNG 1. TỔNG QUAN VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN
CỦA HẬU CẦN ĐÔ THỊ TRONG BÀI TOÁN CHIA SẺ
PHƯƠNG TIỆN VÀ BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI
HÀNG HÓA, ĐA TUYẾN
Chương này trình bày tổng quan về hậu cần đô thị. Khảo sát các mô hình hậu cần đô thị điển
hình: mô hình hậu cần đô thị một mức và mô hình hậu cần đô thị hai mức. Phần cuối cùng của
chương giới thiệu vấn đề định vị và định tuyến trong hậu cần đô thị thông qua bài toán chia sẻ
phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến.
1.1. HẬU CẦN ĐÔ THỊ
Hậu cần đô thị bắt đầu được nghiên cứu từ những năm 1970. Trong giai đoạn này, nghiên cứu
chính của hậu cần đô thị là hạn chế các phương tiện vận tải có kích thước lớn và giảm tác động
của vận tải đối với môi trường đô thị. Trong khoảng thời gian từ 1975-1980, hậu cần đô thị
không thu hút nhiều sự quan tâm của cộng đồng nghiên cứu. Sau năm 1980, với sự phát triển
nhanh chóng của hệ thống giao thông, vấn đề vận tải trong hậu cần đô thị thu hút nhiều công
trình nghiên cứu hơn với các kết quả đạt được như: các khảo sát về giao thông, các dự án nghiên
cứu và các kết quả thực nghiệm của mô hình nghiên cứu. Các nghiên cứu trong giai đoạn này
diễn ra chủ yếu tại liên minh Châu Âu và Nhật. Năm 2019, tác giả Hu và cộng sự tổng hợp và
phân tích 513 công trình nghiên cứu về hậu cần đô thị từ năm 1993 đến năm 2018 [9]. Theo
thống kê, từ năm 2010 số lượng nghiên cứu về hậu cần đô thị tăng đáng kể qua từng năm (chiếm
90% tổng số lượng nghiên cứu được khảo sát). Các nghiên cứu về hậu cần đô thị được quan
tâm nghiên cứu tại hơn 25 nước. Các nước có nhiều nghiên cứu đóng góp: Mỹ, Ý, Pháp, Đức,
Anh, Tây Ban Nha và Canada.
6
1 Hình 1.1. Mạng lưới các quốc gia hợp tác nghiên cứu hậu cần đô thị [9]
Thông qua thống kê và phân tích dữ liệu thực tế, các khảo sát đầu tiên về hậu cần đô thị chỉ ra
các vấn đề chính của vận tải trong hậu cần đô thị là số lượng xe vận tải di chuyển không tải lớn
và mức tải trọng trung bình của các xe vận tải không cao [10] [11]. Điều này dẫn đến sự lãng
phí, tình trạng tắc nghẽn giao thông, ảnh hưởng đến môi trường và xã hội. Ngoài ra, các khảo
sát này cũng chỉ ra việc cố gắng áp dụng các quy định, chính sách về giao thông và đỗ xe không
giải quyết được vấn đề. Một số phương pháp mới được đề xuất như xây dựng hệ thống tàu điện
ngầm riêng để vận tải hàng hóa nhằm giảm số lượng phương tiện tham gia vận tải trong đô thị
[12] [13] nhưng không đem lại hiệu quả trong thực tế vì chi phí triển khai quá lớn. Do đó, đa
số mô hình hậu cần đô thị trong giai đoạn này đề xuất đều xem xét phương án sử dụng hợp lý
các phương tiện vận tải trên hạ tầng hiện có để giảm số lượng phương tiện vận tải lưu thông,
tăng khả năng phân phối hàng hóa hiệu quả.
Ngoài ra, trong khảo sát gần đây [9], tác giả Hu và cộng sự chỉ ra các lĩnh vực nghiên cứu chính
của hậu cần đô thị: chính sách vận tải (Transopration Policy), hậu cần và đánh giá vận tải
(Logistics and Transportation Review), chính sách và thực hành (Policy and Practice). Và các
phương pháp nghiên cứu chính gồm: phương pháp mô hình hóa (modelling), phương pháp mô
phỏng, phân tích định lượng và nghiên cứu mô hình. Tác giả Hu và cộng sự cũng chỉ ra một
trong những xu hướng chính khi nghiên cứu hậu cần đô thị trong những năm gần đây là nghiên
cứu ảnh hưởng của hậu cần đô thị đối với sự phát triển bền vững thông qua: tác động đến tài
7
nguyên của đô thị và tác động đến môi trường. Các tiêu chí, phân tích tác động đến môi trường,
kinh tế đô thị được đề xuất và phân tích chuyên sâu trong các nghiên cứu [7] [8] [14].
Xuyên suốt lịch sử phát triển, một số định nghĩa về hậu cần đã được đề xuất. Định nghĩa thông
dụng về hậu cần do Hội đồng quản lý hậu cần CLM đưa ra [15]: “Hậu cần là một phần của
chuỗi cung ứng, bao gồm: lập kế hoạch, thực hiện và kiểm soát hiệu quả các vấn đề lưu trữ,
dịch vụ và thông tin liên quan từ kho đến điểm tiêu thụ nhằm đáp ứng yêu cầu của khách hàng”.
Tuy nhiên, xem xét trong bối cảnh đô thị với những đặc điểm riêng, một số nhà nghiên cứu đề
xuất định nghĩa riêng cho hậu cận đô thị. Tác giả Taniguchi và đồng sự [16] đưa ra định nghĩa:
“Hậu cần đô thị là quá trình tối ưu hóa các hoạt động hậu cần và các hoạt động vận tải trong
khu vực đô thị trên cơ sở xem xét các vấn đề liên quan đến môi trường giao thông, tắc nghẽn
giao thông và năng lượng tiêu thụ”.
Thông qua các khảo sát và định nghĩa, có thể nhận xét vận tải hàng hóa là cốt lõi của hậu cần
đô thị. Các phương tiện được sử dụng để phục vụ vận tải khách hàng trong thành phố thường
là xe tải có kích thước nhỏ (từ nay gọi tắt là xe tải nhỏ) phù hợp với môi trường đô thị. Các
phương tiện vận tải thực hiện vận tải ở ngoài thành phố thường có kích thước lớn (từ nay gọi
tắt là xe tải lớn) để vận tải được nhiều hàng hóa do ít bị hạn chế về khung thời gian hoạt động.
Trong mô hình hậu cần đô thị, khái niệm nhà ga đô thị được xem xét như: điểm trung chuyển,
trung tâm phân phối CDC, điểm kết nối với các chuỗi cung ứng tương ứng khác. Trong đó,
trung tâm phân phối CDC là địa điểm đồng bộ hàng hóa giữa các phương tiện, cũng như là nơi
lưu trữ, sắp xếp, bốc hàng, dỡ hàng và phân chia hàng hóa. Cụ thể, hàng hóa sẽ được tập trung
trước khi vận tải vào thành phố hoặc sau khi ra ngoài thành phố tại các trung tâm phân phối
CDC trong mô hình hậu cần đô thị. Khái niệm trung tâm phân phối CDC cũng được sử dụng
tương tự trong mô hình hậu cần liên hợp và mô hình làng vận tải. Trong khi mô hình hậu cần
liên hợp là dịch vụ vận tải bằng nhiều hình thức vận tải xuất phát từ một điểm qua nhiều điểm
trung gian đến địa điểm cho người nhận, thì làng vận tải chính là toàn bộ khu vực vận tải bao
gồm cơ sở hạ tầng, hoạt động vận tải, phương tiện vận tải. Trung tâm phân phối CDC thường
được đặt gần cửa vào thành phố, đường cao tốc, hoặc là một phần hạ tầng của hệ thống đường
sắt, đường hàng không và đường thủy. Việc sử dụng trung tâm phân phối CDC là đóng góp
quan trọng đối với vận tải hàng hóa trong đa số các đề xuất và dự án liên quan đến mô hình hậu
cần đô thị [17].
8
1.2. VẤN ĐỀ QUY HOẠCH TRONG HẬU CẦN ĐÔ THỊ
Tương tự các hệ thống giao thông vận tải phức tạp khác, hậu cần đô thị sẽ được quy hoạch theo
các phương thức, các mức khác nhau [18] [19]. Các mức quy hoạch của hậu cần đô thị bao
gồm: mức chiến lược, mức chiến thuật và mức vận hành [5].
• Ở mức chiến lược, mô hình hậu cần đô thị sẽ được xem xét đánh giá trong cả trường
hợp là hệ thống độc lập cũng như là một hệ thống nhỏ trong hệ thống giao thông vận tải
tổng thể với mối liên hệ giữa các hệ thống. Việc lựa chọn mô hình hậu cần đô thị một
mức hay hai mức theo tiêu chí chi phí/lợi ích (cost-benefit) là một phần yêu cầu quy
hoạch thuộc mức chiến lược. Việc định vị các cơ sở vận tải thuộc mức quy hoạch chiến
lược.
• Quy hoạch ở mức chiến thuật là việc lập kế hoạch vận tải đảm bảo hoạt động hiệu quả
và tối ưu hóa các tài nguyên trong khi đáp ứng các yêu cầu vận tải với các tiêu chí cụ
thể như thời gian giao hàng, khung thời gian hoạt động… [20] [21]. Như vậy, quy hoạch
ở mức chiến thuật sẽ tập trung xử lý các vấn đề liên quan đến định tuyến các phương
tiện vận tải như: thời gian khởi hành, lộ trình và tải của phương tiện vận tải, ….
• Từ mức quy hoạch chiến thuật, lịch làm việc của tài xế vận tải, nhân viên tại điểm trung
chuyển cũng như điều chỉnh các hoạt động của phương tiện vận tải và kho trung gian sẽ
được thực hiện ở mức vận hành. Các nghiên cứu tiêu biểu về hoạt động của một đội xe
vận tải thuộc mức vận hành được tác giả Taniguchi, tác giả Thompson và cộng sự nghiên
cứu tại công trình [22] [23].
Bên cạnh các mức quy hoạch, tác giả Barcelo và cộng sự bổ sung tính chất quản lý theo thời
gian thực đối với: quá trình vận tải, thông tin trong khi vận tải (vị trí của phương tiện, tình trạng
giao thông), điều hành phương tiện vận tải tại bất kỳ thời điểm nào [24].
Theo thống kê tại các nghiên cứu [9] [16] [25] [26], có rất ít mô hình chính thức được đề xuất
cho hậu cần đô thị. Các vấn đề quy hoạch đặt ra thường chỉ xem xét hậu cần đô thị là một phần
của hệ thống giao thông vận tải tổng thể như: hệ thống vận tải hành khách trong khu vực đô thị,
quy hoạch vận tải hành khách và hàng hóa trong khu vực nói chung hoặc quốc gia nói riêng.
Xuyên suốt, phương pháp quy hoạch trong các nghiên cứu thường bao gồm các phần chính:
● Mô hình hóa cung ứng: miêu tả các phương thức vận tải, cơ sở hạ tầng, đơn vị vận tải,
dịch vụ và tuyến đường vận tải; phương tiện và các đoàn xe tải; kho trung gian...
9
● Mô hình hóa nhu cầu: đưa ra định nghĩa sản phẩm, xác định được nhà sản xuất, chủ
hàng, người trung gian, mức tiêu thụ, khối lượng phân phối cũng như lựa chọn phương
thức vận tải;
● Phân bổ luồng đa hàng hóa: từ mô hình nhu cầu và mô hình cung ứng, thực hiện phân
bổ luồng đa hàng hóa.
Để đánh giá nhu cầu vận tải hàng hóa trong khu vực đô thị, một vài mô hình đã được đề xuất
trong nghiên cứu [27]. Hầu hết các mô hình này được xây dựng dựa trên các khảo sát chi tiết ở
các thành phố lớn với các nguyên tắc kinh tế [11] [28] [29]. Trong nghiên cứu [27], tác giả
Gentile và cộng sự đề xuất phương pháp dựa trên việc thực hiện đánh giá đồng thời các yếu tố
đặc trưng (gravity-based method) của hậu cận đô thị như: cơ sở hạ tầng của thành phố, quy định
giao thông, một số đại diện của chuỗi hậu cần và phương tiện vận tải (sử dụng các phương tiện
phục vụ tham quan). Đa số các các phương pháp này tập trung chủ yếu vào mô hình hóa nhu
cầu.
Mô hình hóa cung ứng và phân bổ luồng đa hàng hóa ít được quan tâm nghiên cứu hơn. Mô
hình hóa cung ứng cho phép đưa ra các quyết định về số lượng, địa điểm, tính chất của các
trung tâm phân phối CDC, tính chất của mạng lưới vận tải như số lượng chủng loại phương tiện
vận tải, tải trọng của phương tiện vận tải... Nghiên cứu của các tác giả Taniguchi [30], Crainic
[31] và cộng sự là những nghiên cứu đóng góp chính cho mô hình hóa cung ứng của mô hình
hậu cần đô thị hai mức. Phân bổ luồng đa hàng hóa thực hiện xây dựng mô hình giả lập hậu cần
đô thị để mô phỏng hoạt động của hệ thống theo các kịch bản khác nhau với các yếu tố liên
quan đến quy định về môi trường, xã hội, kinh tế. Mô hình giả lập đầy đủ các thành phố nhỏ
của Châu Âu được giới thiệu bởi tác giả Barcelo và cộng sự trong nghiên cứu [32]. Tuy nhiên,
mô hình của tác giả Barcelo được đánh giá khó mở rộng cho các đô thị lớn hơn. Mô hình đô thị
lớn hơn được giải quyết trong mô hình giả lập Mezo do tác giả Mahut và cộng sự đề xuất trong
nghiên cứu [33].
1.3. CÁC MÔ HÌNH HẬU CẦN ĐÔ THỊ ĐIỂN HÌNH
Hầu hết các nghiên cứu về hậu cần đô thị đều tập trung nghiên cứu mô hình hậu cần đô thị một
mức vì phù hợp với quy mô của đa số đô thị hiện nay. Chỉ có rất ít nghiên cứu mô hình hậu cần
đô thị đa mức [3] [34].
10
1.3.1. Mô hình hậu cần đô thị một mức
Mô hình hậu cần đô thị một mức thường nghiên cứu các hoạt động: 1) nhận hàng hóa tại khách
hàng, vận chuyển và tổng hợp hàng hóa tại trung tâm phân phối CDC; 2) Phân chia hàng hóa
tại trung tâm phân phối CDC, vận chuyển và giao hàng hóa đến khách hàng. Trong mô hình
hậu cần đô thị một mức, hàng hóa sẽ được phân phối trực tiếp giữa trung tâm phân phối CDC
2 Hình 1.2. Minh họa phân phối hàng hóa trong mô hình hậu cần đô thị một mức
và khách hàng.
Hình minh họa các luồng phân phối hàng hóa trong mô hình hậu cần đô thị một mức. Trong đó,
phương tiện vận tải xuất phát từ trung tâm phân phối CDC1 và trung tâm phân phối CDC2 để
phân phối trực tiếp các hàng {𝑑1, 𝑑2, 𝑑3, 𝑑4} đến khách hàng. Ngoài ra, các hàng {𝑝1, 𝑝2, 𝑝3, 𝑝4}
sẽ được phương tiện vận tải nhận và chuyển về trung tâm phân phối CDC1 và CDC3 tương ứng.
Các dự án đầu tiên nghiên cứu về mô hình hậu cần đô thị được thực hiện ở Châu Âu và Nhật
Bản. Các mô hình này sử dụng một trung tâm phân phối CDC và số lượng đơn vị vận tải được
giới hạn. Một số mô hình và chiến lược kinh doanh cũng được đề xuất, thử nghiệm trong các
nghiên cứu [25] [35] [36] [37].
Mô hình hậu cần đô thị trên một mức đầu tiên được ghi nhận là mô hình “City Logistik”. Mô
hình này được phát triển ở Đức và đồng thời triển khai ở một số thành phố của Thụy Sỹ. Tuy
nhiên, mô hình này không nhận được sự quan tâm nhiều từ chính phủ và doanh nghiệp do các
doanh nghiệp có rất ít quyền lợi khi tham gia. Ngược lại, mô hình tương tự được triển khai tại
Hà Lan và nhận được sử ủng hộ mạnh mẽ của chính phủ. Do đó, các chính sách của mô hình
như hạn chế tải trọng xe, kiểm soát số lượng xe vào ra theo ngày và cho phép mở rộng thời gian
phân phối hàng được áp dụng. Một hướng tiếp cận khác để xây dựng mô hình được nghiên cứu
và tiến hành thực nghiệm tại Monaco. Ở Monaco, việc giao hàng trong đô thị được xem là một
dịch vụ công cộng. Do đó, các xe tải lớn bị cấm hoạt động trong thành phố nên phải thực hiện
11
trung chuyển hàng hóa tại một trung tâm phân phối CDC. Việc phân phối hàng hóa từ trung
tâm phân phối CDC vào đô thị sẽ do một hãng vận tải duy nhất với đội xe vận tải chuyên biệt
thực hiện.
Thực tế các dự án “City Logistik” do quỹ đầu tư của Liên minh Châu Âu không tiếp tục khi
chương trình đầu tư kết thúc (chỉ có 15 trong số 200 dự án được lên kế hoạch hoặc thực hiện
tính đến cuối năm 2002). Lý do chính là việc sử dụng trung tâm phân phối CDC sẽ phát sinh
các chi phí, thời gian vận tải, yêu cầu xây dựng chính sách hỗ trợ nhưng mô hình mới chỉ mang
lợi ích ngắn hạn cho chính phủ tham gia dự án.
Tuy nhiên, lĩnh vực nghiên cứu này đang tiếp tục phát triển với các dự án mới được thực hiện
trên nhiều quốc gia như: Úc, Châu Á, Đông Âu và Bắc Mỹ. Mô hình sử dụng trung tâm phân
phối CDC vẫn tiếp tục đóng vai trò cốt lõi của các nghiên cứu mặc dù phạm vi và bài toán chi
tiết để xây dựng mô hình là khác nhau. Cùng với đó là sự tham gia của các chính phủ, cơ quan
chức năng và sự đóng góp sáng kiến của tư nhân cho mô hình hậu cần đô thị ngày càng tăng.
Theo thống kê, tỷ lệ áp dụng thành công mô hình hậu cần đô thị một mức cho các thành phố
quy mô nhỏ và vừa cao hơn đối với áp dụng cho các thành phố quy mô lớn [38]. Mô hình áp
dụng cho các thành phố nhỏ và vừa được phát triển dựa trên mô hình đã sử dụng tại Monaco
với một trung tâm phân phối CDC đặt ở ngoại ô thành phố. Việc áp dụng mô hình hậu cần đô
thị một mức không thành công đối với các thành phố lớn có thể được lý giải:
• Trung tâm của các thành phố lớn thường có diện tích lớn, xa các trung tâm phân phối
CDC và thường không được thiết kế cho hậu cần đô thị một mức;
• Trung tâm của các thành phố lớn thường có mật độ dân cư cao, các tòa nhà cao tầng cho
các hoạt động thương mại, hành chính, văn hóa với tình trạng giao thông thường tắc
nghẽn. Trung tâm thành phố thường có yêu cầu chặt chẽ về giới hạn kích thước phương
tiện vận tải do đó việc sử dụng xe tải lớn để vận tải hàng hóa trực tiếp từ trung tâm phân
phối CDC đến khách hàng là không hiệu quả và không phù hợp. Trong trường hợp sử
dụng các xe vận tải nhỏ phù hợp với quy định của thành phố, thì yêu cầu số lượng xe
vận tải lớn, các chi phí đầu tư, chi phí vận hành, chi phí thuê tài xế cao. Mặt khác, số
lượng xe vận tải nhỏ lớn sẽ tác động không nhỏ vào tình trạng tắc nghẽn giao thông,
môi trường đô thị.
Ngoài ra, đa số nghiên cứu mô hình hậu cần đô thị một mức chỉ thực hiện nghiên cứu vận tải
một loại hàng hóa đặc trưng và sử dụng một đội xe vận tải. Tác giả Crainic và cộng sự là người
12
đầu tiên đề xuất nghiên cứu đồng thời hàng hóa chuyển vào thành phố và hàng hóa chuyển ra
ngoài thành phố [39]. Với việc bổ sung loại hàng hóa vận chuyển trong thành phố, tác giả
Crainic và cộng sự là người đầu tiên nghiên cứu đồng thời vận tải 3 loại hàng hóa khác nhau
[40].
1.3.2. Mô hình hậu cầu đô thị hai mức
Để áp dụng cho các thành phố có quy mô lớn, nhiều tác giả đã nghiên cứu và đề xuất các mô
hình mô hình hậu cần đô thị phức tạp hơn. Trong đó, đa số các nghiên cứu đề xuất mô hình hậu
cần đô thị hai mức. Trong mô hình này, hàng hóa sẽ được tập trung tại trung tâm phân phối
CDC và được vận tải trên các xe tải lớn đến các điểm trung chuyển (các trung tâm phân phối
tương tự CDC nhưng nhỏ hơn và đặt gần trung tâm thành phố). Đây chính là mức phân phối
thứ nhất của mô hình. Sau đó hàng hóa sẽ được vận tải bởi các xe tải nhỏ hơn, thích hợp cho
các hoạt động ở trong trung tâm thành phố, để chuyển hàng đến trực tiếp khách hàng. Đây chính
là mức phân phối thứ hai của mô hình. Hầu hết các mô hình đề xuất và triển khai đều đề xuất
3 Hình 1.3. Minh họa phân phối hàng hóa trong mô hình hậu cần đô thị hai mức
sử dụng các cơ sở vận tải hiện có như hệ thống đường sắt, bãi đỗ xe…
Hình 1.3 minh họa phân phối hàng hóa trong mô hình hậu cần đô thị hai mức. Ở mức 1, xe tải
lớn sẽ thực hiện giao hàng {𝑑1, 𝑑2} và {𝑑3, 𝑑4} tại các điểm trung chuyển 𝑠1 và 𝑠3 tương ứng.
Tại các điểm trung chuyển này, hàng hóa sẽ được xe tải nhỏ giao trực tiếp đến khách hàng.
Ngược lại, xe tải nhỏ nhận các hàng {𝑝1}, {𝑝2, 𝑝3} và {𝑝4} và chuyển đến điểm trung chuyển
𝑠1, 𝑠2 và 𝑠3 tương ứng. Tại đó, các hàng này sẽ được xe tải lớn chuyển về các trung tâm phân
phối.
13
Hệ thống CityCargo ở Amsterdam là mô hình hậu cần đô thị hai mức điển hình với sự kết nối
vận tải sử dụng xe tải điện và tàu điện. Hàng hóa sẽ được tập trung tại các kho đặt ở ngoại ô
thành phố và được chuyển tới hệ thống tàu điện. Sau đó, hàng hóa sẽ được chuyển chở bằng
tàu điện vào trong thành phố tới các địa điểm để chuyển giao hàng cho các xe tải điện. Cuối
cùng, xe tải điện sẽ thực hiện phân phối hàng hóa trực tiếp tới khách hàng. Kết quả thí điểm
của dự án đã thành công và hệ thống được lên kế hoạch để bắt đầu triển khai diện rộng trong
giai đoạn một vào nửa đầu năm 2009 với một trung tâm phân phối CDC, 5 tàu điện, 47 xe tải
điện. Ở giai đoạn hai, hệ thống sẽ sử dụng hai trung tâm phân phối CDC, 42 tàu điện và 611 xe
tải điện. Một mô hình hậu cần đô thị hai mức khác được triển khai tại Pháp là Chronopost
International vào năm 2007. Mô hình này được triển khai để phục vụ nhu cầu chuyển phát
nhanh. Trong mô hình này, xe tải lớn sẽ vận tải thư đến một địa điểm ở trung tâm thành phố.
Tại địa điểm này, thư sẽ được chuyển đến người nhận bởi các xe điện di chuyển trong thành
phố. Một số đề xuất cho mô hình hậu cần đô thị hai mức được giới thiệu bởi tác giả Crainic
[31], tác giả Gragnani và cộng sự [41].
Tổng quát, các vấn đề được quan tâm, nghiên cứu chính trong mô hình hậu cần đô thị hai mức
bao gồm:
• Định vị các điểm trung chuyển hàng hóa;
• Định tuyến các phương tiện vận tải theo tính chất đặc thù của từng mức;
• Cơ chế đồng bộ hàng hóa giữa các phương tiện vận tải tại các điểm trung chuyển;
• Loại hàng hóa và luồng vận tải hàng hóa theo tính chất đặc thù của từng mức.
1.4. VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG HẬU CẦN ĐÔ THỊ
Trong khảo sát [6], tác giả Schneider và Drexl đề xuất định nghĩa bài toán định vị và định tuyến
LRP (Location-Routing Problem). Khi nghiên cứu bài toán LRP, một số nhà nghiên cứu sử
dụng tên gọi khác để thể hiện bài toán LRP như bài toán định vị và hướng lộ. Để nhất quán,
luận án sử dụng thống nhất “Bài toán định vị và định tuyến” để thể hiện bài toán LRP. Cụ thể,
bài toán định vị và định tuyến là bài toán bao gồm tối thiểu hai quyết định phụ thuộc lẫn nhau:
• Quyết định định vị: cơ sở vận tải (nhà máy, nhà kho, điểm trung chuyển…) nên sử
dụng như thế nào để đáp ứng luồng vận tải hàng hóa. Việc xác định cơ sở vận tải phục
yêu cầu vận tải tương ứng là một quyết định định vị;
• Quyết định định tuyến: xây dựng lộ trình vận tải cho phương tiện vận tải đáp ứng yêu
cầu vận tải.
14
Quyết định định vị và định tuyến của bài toán định vị và định tuyến LRP tương ứng với quyết
định của mức chiến lược và mức chiến thuật của hậu cần đô thị.
Quyết định định vị và định tuyến trong hậu cần đô thị được luận án nghiên cứu thông qua bài
toán chia sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến.
1.4.1. Định tuyến trong bài toán chia sẻ phương tiện
Trong mô hình hậu cần đô thị nói chung và mô hình hậu cần đô thị một mức nói riêng, định
tuyến là việc xây dựng hành trình cho các phương tiện vận tải để đáp ứng yêu cầu vận tải. Vấn
đề định tuyến trong mô hình hậu cần đô thị một mức được nghiên cứu thông qua việc vận tải
hành khách và hàng hóa. Thông thường, trong hệ thống vận tải, hành khách và hàng hóa thường
được vận tải bởi các phương tiện khác nhau do các tính chất đặc thù của đối tượng vận tải. Do
đó, hàng ngày một số lượng lớn các phương tiện vận tải di chuyển không tải trước khi bắt đầu
đón hành khách. Điều này làm tăng đáng kể chi phí vận hành và gây ra các vấn đề xã hội như:
tình trạng tắc đường, ô nhiễm môi trường… Đối với vận tải trong thành phố, hàng hóa thường
có kích thước nhỏ và khối lượng nhỏ nên có thể vận tải cùng hành khách mà không ảnh hưởng
nhiều đến chỗ ngồi và thời gian di chuyển của hành khách. Vì không gây bất tiện nên hành
khách cũng sẵn sàng chấp nhận hàng hóa được vận tải cùng. Vấn đề chia sẻ phương tiện giữa
hành khách và hàng hóa là một phần của bài toán chia sẻ phương tiện đang được cộng đồng
khoa học tập trung nghiên cứu chuyên sâu trong thời gian vừa qua.
Trong cộng đồng nghiên cứu, bài toán chia sẻ phương tiện thuộc lớp bài toán đặt xe DARP
(Dial-A-Ride) [42]. Bài toán đặt xe DARP được phát triển từ bài toán định tuyến phương tiện
VRP (Vehicle Routing Problem) [43] [44] [45] [46] [47] [48]. Trong bài toán đặt xe DARP,
các yêu cầu vận tải đã biết trước thông tin điểm đón và trả. Một số khảo sát toàn diện về hệ
thống chia sẻ trong giao thông được trình bày trong các nghiên cứu [49] [50]. Trong khảo sát
[49], tác giả Trentini và Malhene đưa ra các khái niệm chia sẻ tài nguyên trong các hệ thống
giao thông khác nhau (xe buýt, xe điện, tàu điện ngầm, ô tô và xe đạp) để cải thiện khả năng
vận tải trong đô thị. Bên cạnh đó, Furuhata và cộng sự [50] đã khảo sát hệ thống chia sẻ phương
tiện car-sharing. Các ưu điểm của hệ thống chia sẻ phương tiện đối với người tham gia, đối với
xã hội và đối với môi trường được phân tích trong các nghiên cứu [51] [52] [53] [54]. Dựa trên
mô hình đặt xe DARP, tác giả Li và cộng sự phát triển bài toán chia sẻ phương tiện mới SARP
(Share-A-Ride) [55] cho phép các hành khách và hàng hóa khác nhau cùng sử dụng chung một
xe taxi. Tuy nhiên, mỗi hành khách thường có các yêu cầu khác nhau như về thời gian di chuyển,
15
không gian ngồi riêng hay yêu cầu về an toàn. Do đó, mô hình chia sẻ phương tiện giữa các
hành khách là không thực tế.
Nhằm cải thiện tính thực tiễn của mô hình [55], luận án xây dựng mô hình chia sẻ phương tiện
giữa một hành khách và các hàng hóa. Để đảm bảo thuận tiện cho hành khách, yêu cầu vận tải
hành khách sẽ được thực hiện liên tục mà không dừng hoặc đỗ trong quá trình phục vụ. Cụ thể,
nếu hành khách đã lên xe taxi thì điểm dừng tiếp theo của xe taxi là điểm trả hành khách. Do
đó, hàng hóa sẽ được vận tải theo một trong các trường hợp sau:
• Nhận và trả hàng hóa trước khi đón hành khách;
• Nhận và trả hàng hóa sau khi trả hành khách;
• Nhận hàng hóa, đón và trả hành khách, sau đó mới trả hàng hóa.
Ngoài ra, mô hình chia sẻ phương tiện SARP của tác giả Li và cộng sự [55] sử dụng khoảng
cách Manhattan để tính toán. Phương pháp tính toán dựa vào khoảng cách không phù hợp khi
áp dụng cho vận tải trong đô thị nếu xem xét tình trạng tắc nghẽn giao thông. Cụ thể, với cùng
một quãng đường vận tải, xe taxi sẽ mất nhiều thời gian vận tải hơn trong khung giờ cao điểm
khi so sánh với vận tải trong khung giờ bình thường. Do đó, luận án xây dựng mô hình sử dụng
thời gian di chuyển để tính toán và xem xét các mức độ tắc nghẽn giao thông theo từng vùng
và từng khung giờ. Mô hình của luận án xem xét thành phố với ba vùng khác nhau: nội thành,
vùng đệm và ngoại thành. Các khung giờ với giới hạn tốc độ vận tải (khung tốc độ) tương ứng
của từng vùng cũng được áp dụng trong mô hình đề xuất của luận án. Mô hình luận án xây dựng
là mô hình hoàn toàn phụ thuộc thời gian.
Ngoài ra, trong các tài liệu nghiên cứu, các mô hình chia sẻ phương tiện được phân loại dựa
theo tính chất của yêu cầu vận tải: mô hình chia sẻ tĩnh và mô hình chia sẻ động. Trong mô hình
chia sẻ tĩnh, các yêu cầu vận tải đều đã biết trước. Ngược lại, các yêu cầu vận tải trong mô hình
chia sẻ động chỉ được biết tại thời điểm nhận yêu cầu. Ở đây, luận án xây dựng một mô hình
tổng quát cho phép xử lý các yêu cầu vận tải theo chu kỳ. Từ thời điểm bắt đầu chu kỳ của mô
hình đề xuất, các yêu cầu vận tải sẽ được ghi nhận và đưa vào danh sách đợi để xử lý. Tại thời
điểm kết thúc chu kỳ, tất cả yêu cầu vận tải sẽ được tính toán để phục vụ. Các xe taxi sẽ được
lập lịch vận tải với mục tiêu tối đa hóa tổng lợi nhuận. Việc đề xuất mô hình tổng quát cho phép
dễ dàng áp dụng cho mô hình chia sẻ tĩnh và mô hình chia sẻ động bằng cách lựa chọn chu kỳ
có giá trị phù hợp. Trong mô hình chia sẻ tĩnh, khoảng thời gian của chu kỳ sẽ được thiết lập từ
00h00 đến 23h59. Qua đó, tất cả các yêu cầu vận tải trong ngày sẽ được ghi nhận và xử lý trong
ngày hôm sau. Đối với mô hình chia sẻ động, khoảng thời gian của chu kỳ thường được đặt 10
phút tương ứng với các yêu cầu vận tải sẽ được xử lý trong thời gian thực bắt đầu từ đầu ngày.
16
Đối với mục tiêu của bài toán, mô hình chia sẻ phương tiện SARP [55] và mô hình luận án đề
xuất đều nhằm mục đích tối đa hóa tổng lợi nhuận. Tổng lợi nhuận là tổng doanh thu sau khi
trừ đi các chi phí. Trong mô hình chia sẻ phương tiện SARP [55], tác giả Li và cộng sự đề xuất
doanh thu vận tải bao gồm: doanh thu vận tải hàng hóa và doanh thu vận tải hành khách. Và
các chi phí bao gồm: chi phí vận tải tính theo quãng đường vận tải và chi phí trong trường hợp
thời gian vận tải của yêu cầu có thực hiện chia sẻ phương tiện vượt quá thời gian vận tải trực
tiếp yêu cầu đó (trường hợp yêu cầu này được phục vụ trực tiếp, không thực hiện chia sẻ phương
tiện). Sử dụng mô hình tính toán theo thời gian vận tải, nên ngoài doanh thu từ vận tải hành
khách và hàng hóa tương tự mô hình đề xuất chia sẻ phương tiện SARP [55], mô hình luận án
bổ sung thêm doanh thu trong trường hợp thời gian vận tải lớn hơn thời gian vận tải quy định
do tắc nghẽn giao thông. Đối với chi phí, ngoài chi phí vận tải, luận án bổ sung hai chi phí vận
hành thực tế bao gồm: chi phí nhân công cho tài xế taxi và chi phí sử dụng xe taxi.
Bên cạnh đó, một trong những thách thức khi nghiên cứu bài toán chia sẻ phương tiện là thiếu
dữ liệu thực tế để thực nghiệm. Có rất ít tài liệu nghiên cứu về chia sẻ phương tiện sử dụng dữ
liệu thực tế để giải quyết bài toán. Trong nghiên cứu [56], dữ liệu vận tải thực tế của khu vực
Atlanta Metropolitan lần đầu tiên được sử dụng để giải quyết bài toán chia sẻ phương tiện giữa
lái xe và hành khách. Một trường hợp khác là dữ liệu xe taxi của thành phố San Francisco được
sử dụng để thực nghiệm cho mô hình trong nghiên cứu [55]. Mô hình luận án xây dựng được
được thực nghiệm với dữ liệu được xây dựng từ dữ liệu thực tế được cung cấp bởi công ty taxi
Tokyo-Musen. Bản đồ Tokyo được xây dựng dựa trên bản đồ OpenStreetMap với 130.000 điểm
giao nhau. Dữ liệu thử nghiệm bao gồm hơn 38.800 yêu cầu vận tải và khoảng 5.600 xe taxi
tham gia vận tải trong một ngày.
1.4.2. Định vị và định tuyến trong bài toán giao nhận đa loại hàng hóa, đa tuyến
Bên cạnh định tuyến, vấn đề định vị trong mô hình hậu cần đô thị chính là xác định cách thức
sử dụng cơ sở vận tải (nhà máy, nhà kho, điểm trung chuyển…) để đáp ứng luồng vận tải hàng
hóa. Các cách sử dụng cơ sở vận tải trong hậu cần đô thị bao gồm: đóng hoặc mở cơ sở vận tải,
xác định vị trí cơ sở vận tải, chỉ định cơ sở vận tải phục vụ yêu cầu vận tải… Vấn đề định vị và
định tuyến trong hậu cần đô thị thường được nghiên cứu chính trong các bài toán liên quan đến
vận tải hàng hóa như bài toán giao và nhận đa loại hàng hóa, đa tuyến. Bài toán giao và nhận
đa loại hàng hóa, đa tuyến sẽ nghiên cứu đồng thời tối thiểu hai trong ba loại hàng hóa: hàng
hóa chuyển vào thành phố, hàng hóa chuyển ra ngoài thành phố, hàng hóa chuyển trong nội bộ
thành phố.
17
Đa số các nghiên cứu về bài toán giao và nhận đa loại hàng hóa, đa tuyến trong hậu cần đô thị
tập trung nghiên cứu vận tải hàng hóa từ bên ngoài thành phố vào trong thành phố (viết tắt là
hàng hóa e2c) và vận tải hàng hóa từ bên trong thành phố ra ngoài thành phố (viết tắt là hàng
hóa c2e). Một trong các nghiên cứu về hàng hóa e2c được trình bày trong bài toán định tuyến
xe đa vùng, đa tuyến phụ thuộc thời gian với khung thời gian TMZT-VRPTW. Bài toán TMZT-
VRPTW là mở rộng của bài toán định tuyến xe với khung thời gian VRPTW (Vehicle Routing
Problem with Time Windows). Trong bài toán TMZT-VRPTW, một đội xe tải nhỏ xuất phát
từ một kho đỗ xe đến điểm trung chuyển nhận hàng và sau đó giao hàng hóa e2c đến khách
hàng trong khung thời gian quy định. Các yêu cầu khách hàng trong bài toán này được chia
thành các vùng theo các điểm trung chuyển. Do đó, mỗi vùng có thể được xem là một bài toán
VRPTW. Tác giả Crainic và cộng sự là người đầu tiên đề xuất thuật toán heuristic dựa trên sự
phân rã (decomposition-based) [2] và áp dụng để giải quyết bài toán trong nghiên cứu sau đó
[39]. Cụ thể, thuật toán được chia làm hai pha: pha thứ nhất áp dụng thuật toán heuristic để giải
bài toán VRPTW cho lần lượt từng vùng, sau đó sang giai đoạn hai, dựa trên mô hình quy hoạch
số nguyên xây dựng được để nối các hành trình xe thu được ở pha đầu với nhau. Trong nghiên
cứu [57], tác giả Nguyen và cộng sự đề xuất thuật toán tìm kiếm Tabu để giải quyết bài toán
này. Sau đó, các tác giả tiếp tục mở rộng thuật toán tìm kiếm Tabu này để giải quyết một bài
toán mới: “Giao và nhận hàng hóa, đa tuyến với khung thời gian và đồng bộ MT-PDTWS” [58].
Bên cạnh thực hiện giao hàng hóa e2c tương tự bài toán TMZT-VRPTW, đội xe tải nhỏ trong
bài toán MT-PDTWS cho phép nhận các hàng hóa c2e (hàng hóa vận tải chuyển từ trong thành
phố ra ngoài thành phố) tại khách hàng và vận tải đến các điểm trung chuyển. Trong công trình
[40], tác giả Crainic và cộng sự tổng quát hóa hai bài toán TMZT-VRPTW và MT-PDTWS,
bằng một đề xuất cho bài toán mới “Giao và nhận đa loại hàng hóa, đa tuyến với khung thời
gian và đồng bộ MTT-PDTWS”. Bài toán MTT-PDTWS nghiên cứu đồng thời ba loại hàng
hóa:
• Hàng hóa e2c: hàng hóa chuyển từ ngoài thành phố vào trong thành phố;
• Hàng hóa c2e: hàng chuyển từ trong thành phố ra ngoài thành phố;
• Hàng hóa c2c: hàng hóa nhận từ khách hàng và giao cho khách hàng trong thành phố.
Các quyết định của bài toán MTT-PDTWS bao gồm:
• Định vị: chỉ định điểm trung chuyển trong danh sách điểm trung chuyển đăng ký trước
để phục vụ hàng hóa c2e;
• Định tuyến: xác định hành trình của đội xe vận tải nhỏ.
18
Để giải quyết bài toán, tác giả Nguyen và cộng sự mở rộng thuật toán tìm kiếm Tabu được giới
thiệu trong nghiên cứu [57]. Thuật toán tìm kiếm Tabu được tham chiếu chỉ xử lý đồng thời hai
loại hàng hóa c2e và hàng hóa e2c. Do đó, thuật toán tìm kiếm Tabu để giải quyết bài toán
MTT-PDTWS này được tác giả phát triển bổ sung để xử lý loại hàng hóa c2c.
Thuật toán tím kiếm Tabu được phát triển từ tư tưởng thuật toán tìm kiếm địa phương. Từ một
lời giải ban đầu, tìm kiếm Tabu sẽ lặp đi lặp lại quá trình tìm kiếm nhằm cải thiện dần lời giải
tốt nhất hiện có của bài toán. Tại mỗi bước lặp, thuật toán sẽ duyệt trong một miền lân cận của
lời giải hiện tại để chọn ra lời giải tốt nhất, lời giải này sẽ thay thế cho lời giải hiện tại ở bước
lặp kế tiếp. Mỗi lời giải trong lân cận của lời giải hiện tại được gọi là một lân cận của lời giải
hiện tại. Thao tác chuyển từ lời giải hiện tại thành một lân cận của nó được gọi là bước chuyển.
Điểm khác biệt căn bản của tìm kiếm Tabu so với các thuật toán tìm kiếm địa phương khác là:
tại mỗi bước lặp, để tránh việc duyệt trở lại những lời giải đã từng được khảo sát, tìm kiếm
Tabu sử dụng một danh sách để lưu trữ một số bước chuyển đã từng được sử dụng, gọi là danh
sách Tabu. Danh sách này sẽ chứa một số bước chuyển vừa được thực hiện trong một số bước
lặp ngay trước đó, các bước chuyển nằm trong danh sách Tabu được gọi là các bước chuyển
Tabu. Các bước chuyển này sẽ bị cấm sử dụng lại chừng nào nó còn nằm trong danh sách Tabu.
Mỗi bước chuyển Tabu sẽ nằm trong danh sách Tabu trong khoảng thời gian t bước lặp, sau đó,
bước chuyển này sẽ được loại khỏi danh sách Tabu và nó có thể lại được sử dụng. Số t được
gọi là giá trị Tabu tenure của bước chuyển. Giá trị t có thể cố định cho tất cả các bước chuyển
hoặc cũng có thể là một số ngẫu nhiên được chọn cho từng bước chuyển. Do đó, hiệu quả của
thuật toán tìm kiếm Tabu phụ thuộc vào các yếu tố chính như: cách thức lựa chọn miền lân cận
của lời giải hiện tại, tiêu chuẩn mong đợi cụ thể, các chiến lược bổ sung cụ thể, chiều dài danh
sách Tabu, giá trị Tabu tenure. Trong đó, việc phụ thuộc vào chiều dài danh sách Tabu và giá
trị Tabu tenure chỉ có thể cố định hoặc chọn ngẫu nhiên mà không có cơ chế tự động lựa chọn
theo chất lượng lời giải lận cận ảnh hưởng đồng thời đa dạng hóa lời giải (diversifying) và tăng
cường hóa lời giải (intensifying). Do đó, khi nghiên cứu các bài toán định vị và định tuyến, các
nhà nghiên cứu cũng sử dụng các thuật toán tìm kiếm lân cận lớn LNS (Large Neighborhood
Search), thuật toán tìm kiếm lân cận lớn thích nghi ALNS (Adaptive Large Neighborhood
Search)… để giải quyết bài toán.
Thuật toán tìm kiếm lân cận lớn thích nghi ALNS cho phép tự động lựa chọn cách thức tạo ra
lời giải tiếp theo dựa vào chất lượng của các lời giải đã tạo ra trước đó. Thuật toán tìm kiếm lân
cận lớn thích nghi ALNS là một trường hợp mở rộng của thuật toán tìm kiếm lân cận lớn LNS
[59]. Thuật toán ALNS thực hiện cải thiện chất lượng lời giải bằng cách lựa chọn thao tác hủy
19
(destroy operator) và thao tác chỉnh sửa (repair operator) từ tập hợp các thao tác có sẵn tại mỗi
bước lặp của thuật toán. Mỗi thao tác hủy hoặc chỉnh sửa được gán một trọng số và được lựa
chọn theo xác suất dựa vào trọng số này tại mỗi bước lặp của thuật toán. Thao tác có trọng số
càng lớn thì có xác suất được lựa chọn càng cao. Tại mỗi bước lặp của thuật toán, trọng số của
thao tác sẽ được cập nhật dựa vào chất lượng lời giải mới tạo ra khi áp dụng trọng số đó. Trong
trường hợp lời giải mới có chất lượng tốt hơn lời giải hiện tại thì thao tác đang được sử dụng sẽ
được cập nhật với trọng số lớn hơn. Thuật toán ALNS là phù hợp để giải bài toán MTT-
PDTWS:
• Đặc điểm của bài toán MTT-PDTWS là gồm nhiều loại thực thể (khách hàng), và mỗi
loại thực thể lại có tính chất và phương thức hoạt động khác nhau, số lượng mỗi thực
thể khác nhau, có ràng buộc về sự đồng bộ trong hoạt động của các thực thể. Do đó, để
giải bài toán này, cần phải làm việc với nhiều lân cận (neighborhood). Dẫn đến, việc đa
dạng hóa được quá trình tìm kiếm lời giải. Thuật toán ALNS giải quyết được điều này,
cho phép làm việc với nhiều lân cận cùng một lúc;
• Thuật toán ALNS cho phép linh hoạt điều hướng tìm kiếm dựa trên kết quả thu được
trong quá trình thực hiện thuật toán: không chỉ thay đổi được loại lân cận mà còn cho
phép thay đổi kích thước của lân cận. Việc thay đổi loại lân cận, sẽ giúp ta khám phá
được nhiều vùng khác nhau trong không gian lời giải, việc thay đổi kích thước của lân
cận giúp cân bằng tăng cường hóa và đa dạng hóa, nâng cao được chất lượng lời giải
mà vẫn giảm được thời gian tính toán. Tất cả đều được thực hiện một cách tự động thông
qua việc cập nhật giá trị một số thông số dựa trên chất lượng lời giải thu được trong quá
trình thực hiện thuật toán.
Với sự phù hợp của thuật toán ALNS và nhằm mục đích nghiên cứu mô hình làm nền tảng mở
rộng áp dụng cho hậu cần đô thị hai mức ở các nghiên cứu tiếp theo, cũng như nâng cao chất
lượng lời giải, luận án xây dựng thuật toán ALNS để giải quyết bài toán MTT-PDTWS.
Từ kết quả đạt được, luận án xây dựng mở rộng bài toán giao và nhận đa loại hàng hóa trong
mô hình hậu cần đô thị hai mức. Xét ở góc độ định tuyến, mô hình hậu cần đô thị hai mức có
thể được xem là mở rộng của bài toán định tuyến xe hai mức 2E-VRP (Two-Echelon Vehicle
Routing Problem). Trong mô hình hậu cần đô thị, tác giả Crainic và cộng sự đề xuất bài toán
2E-VRP trong nghiên cứu [2]. Sau đó, tác giả Crainic, tác giả Taniguchi và cộng sự đề xuất
phương pháp chia bài toán thành hai bài toán nhỏ theo mức và sử dụng thuật toán heuristic để
giải quyết trong nghiên cứu [60] [61]. Tác giả Perboli và cộng sự bổ sung một số ràng buộc và
đề xuất phương pháp nhánh cận (Branch-and-Bound) để giải quyết bài toán 2E-VRP [62]. Tuy
20
nhiên, phương pháp này chỉ áp dụng được cho mô hình nhỏ. Tiếp theo đó, tác giả Perboli và
cộng sự tiếp tục đề xuất bổ sung hai thuật toán heuristic để giải quyết bài toán. Trong các mức
quy hoạch của mô hình hậu cần đô thị, bài toán 2E-VRP tập trung vào mức chiến lược.
Mở rộng bài toán 2E-VRP, bài toán định vị và định tuyến hai mức 2E-LRP (Two-Echelon
Location and Routing Problem) được Jacobsen và cộng sự đề xuất trong nghiên cứu [63]. Bài
toán 2E-LRP thực hiện đồng thời việc định vị và định tuyến trên cả hai mức. Trong nghiên cứu
[63], Jacobsen và cộng sự đề xuất mô hình giao báo. Báo sau khi được in tại văn phòng sẽ được
chuyển đến các điểm trung chuyển. Từ điểm trung chuyển, báo sẽ được giao đến các điểm bán
báo. Mô hình này chỉ sử dụng chung một phương thức vận chuyển từ văn phòng đến điểm trung
chuyển và từ điểm trung chuyển đến các điểm bán báo. Mô hình chỉ xem xét một luồng vận tải
từ văn phòng đến điểm bán báo. Ngoài ra, mô hình này không xem xét yếu tố thời gian như
khung thời gian của yêu cầu giao báo, khung thời gian hoạt động của điểm trung chuyển. Các
đặc tính của điểm trung chuyển như khung thời gian hoạt động, khả năng lưu trữ tại điểm trung
chuyển… không được xem xét trong mô hình này [63].
Đối với bài toán 2E-LRP, các tác giả Alumur và Kara đã xây dựng mô hình toán học đa mục
tiêu MIP và sử dụng công cụ CPLEX để giải quyết [64]. Ngoài ra, trong nghiên cứu [65] của
tác giả Sterle và nghiên cứu [66] của tác giả Boccia và cộng sự, các tác giả đã áp dụng thuật
toán tìm kiếm Tabu để giải quyết bài toán. Tác giả Nguyen và cộng sự đề xuất bốn thuật toán
heuristic và một thuật toán meta-heuristic để giải quyết bài toán trong các nghiên cứu [67] [68].
Trong nghiên cứu [69], tác giả Contardo và cộng sự bổ sung điều kiện trọng tải của phương tiện
vận tải và áp dụng phương pháp cắt nhánh (Branch-and-Cut) để giải quyết bài toán. Ngoài ra,
một trong tiêu chí quan trọng có tính ứng dụng thực tiễn cao khi nghiên cứu bài toán 2E-LRP
được tác giả Cuda và cộng sự đề xuất là: vấn đề đồng bộ hàng hóa tại điểm trung chuyển [70].
Tuy nhiên, trong nghiên cứu [71], tác giả Mirhedayatian và cộng sự cho thấy rất ít công trình
nghiên cứu về bài toán 2E-LRP đồng thời xem xét vấn đề đồng bộ. Theo hiểu biết của tác giả,
mô hình đồng bộ hàng hóa tại các kho trung gian được giới thiệu trong mô hình được đề xuất
bởi tác giả Crainic [5], tác giả Mirhedayatian [71], tác giả Grangier và cộng sự [72]. Trong
nghiên cứu [5] và [72], tác giả Crainic và tác giả Grangier đều đề xuất mô hình đồng bộ trực
tiếp giữa các xe tải lớn và xe tải nhỏ tại các điểm trung chuyển. Xe tải không được phép chờ tại
điểm trung chuyển. Trong nghiên cứu [71], tác giả Mirhedayatian đề xuất cơ chế đồng bộ trực
tiếp giữa các xe tải có cho phép hàng hóa lưu trữ tại điểm trung chuyển trong một thời gian
không đáng kể. Các đặc trưng chính của điểm trung chuyển như sức chứa, lưu trữ tại điểm trung
chuyển không được nghiên cứu trong các mô hình này.
21
Ngoài ra, trong bài toán giao và nhận đa loại hàng hóa, đa tuyến trong mô hình hậu cần đô thị,
một số khía cạnh khác cũng được quan tâm nghiên cứu như: phương tiện vận tải và loại hàng
hóa vận tải. Vì tính chất của mô hình hậu cần đô thị hai mức nên đa số các nghiên cứu đều đề
xuất sử dụng hai đội xe khác nhau thực hiện vận tải ở hai mức khác nhau [2] [66] [73]. Để đơn
giản hóa, các nghiên cứu chỉ tập trung nghiên cứu một loại hàng hóa đại diện và được vận tải
từ các trung tâm phân phối CDC vào trong thành phố. Một số ít mô hình nghiên cứu đồng thời
hai loại hàng hóa như: hàng hóa chuyển vào thành phố và hàng hóa chuyển trong nội bộ thành
phố [39], hàng hóa chuyển vào thành phố và hàng hóa chuyển ra khỏi thành phố [40] [71]. Theo
hiểu biết của tác giả, hiện nay, chưa có nghiên cứu chính thức được công bố trong trường hợp
giải quyết bài toán định vị và định tuyến trong mô hình hậu cần đô thị hai mức với đồng thời
ba loại hàng hóa.
Chính vì vậy, mở rộng bài toán 2E-LRP và bài toán MTT-PDTWS, luận án xây dựng bài toán
“Giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ 2E-MTT-
PDTWS”. Bài toán 2E-MTT-PDTWS xem xét vận tải hàng hóa trên hai mức thuộc mô hình hậu
cần đô thị hai mức. Bài toán này xem xét đồng thời vấn đề khung thời gian và đồng bộ hàng
hóa tại điểm trung chuyển. Quá trình phân phối hàng hóa giữa trung tâm phân phối CDC và các
điểm trung chuyển được gọi là quá trình phân phối hàng hóa mức 1. Quá trình phân phối hàng
hóa giữa các điểm trung chuyển và khách hàng được gọi là quá trình phân phối hàng hóa mức
2.
Các quyết định của bài toán 2E-MTT-PDTWS bao gồm:
• Định vị: chỉ định điểm trung chuyển trong danh sách điểm trung chuyển đăng ký trước
để phục vụ hàng hóa c2e và hàng hóa e2c;
• Định tuyến: xác định hành trình của đội xe vận tải lớn ở mức 1 và hành trình của đội xe
tải nhỏ ở mức 2.
Kế thừa đặc trưng của bài toán MTT-PDTWS, các tính chất, đặc điểm chính được bổ sung trong
bài toán 2E-MTT-PDTWS:
● Bổ sung một đội xe vận tải mới: Mô hình bài toán thực hiện vận tải trên hai mức nên bổ
sung một đội xe vận tải lớn có trọng tải lớn hơn, phù hợp với hoạt động ở mức 1;
● Đồng bộ hàng giữa các xe tải lớn và xe tải nhỏ tại điểm trung chuyển: Hàng hóa của các
yêu cầu vận tải nhận hàng hóa c2e và giao hàng hóa e2c sẽ được đồng bộ tại điểm trung
chuyển giữa các xe vận tải bằng hai phương án: chuyển hàng trực tiếp giữa các xe tải
hoặc đồng bộ hàng hóa gián tiếp (sử dụng kho trung gian trong trường hợp xe vận tải
22
không đến kịp khung thời gian hoạt động của điểm trung chuyển hoặc xe vận tải chưa
sẵn sàng);
● Mỗi điểm trung chuyển sẽ có sức chứa riêng: quy định số lượng tối đa các xe tải lớn và
xe tải nhỏ được phép có mặt đồng thời tại điểm trung chuyển.
1.5. KẾT LUẬN CHƯƠNG
Hầu hết các thành phố thực hiện nghiên cứu và áp dụng mô hình hậu cần đô thị nhằm mục đích
tăng hiệu quả vận tải và giảm sự tác động tiêu cực của việc vận tải hàng hóa trong môi trường
đô thị đối với điều kiện sống của thành phố. Trong đó, mô hình hậu cần đô thị hai mức được
cộng đồng khoa học tập trung nghiên cứu chuyên sâu. Vấn đề định vị và định tuyến của mô
hình hậu cần đô thị tương ứng các quyết định của bài toán định vị và định tuyến. Vấn đề định
tuyến trong mô hình hậu cần đô thị một mức được nghiên cứu thông qua bài toán chia sẻ phương
tiện SARP. Vấn đề định vị và định tuyến trong mô hình hậu cần đô thị được nghiên cứu thông
qua bài toán giao và nhận đa loại hàng hóa, đa tuyến. Cụ thể, vấn đề định vị và định tuyến trong
mô hình hậu cần đô thị một mức được luận án nghiên cứu thông qua bài toán “Giao và nhận đa
loại hàng hóa, đa tuyến với khung thời gian và đồng bộ MTT-PDTWS”. Trong mô hình hậu cần
đô thị hai mức, vấn đề định vị và định tuyến được luận án nghiên cứu thông qua bài toán “Giao
và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ 2E-MTT-
PDTWS”.
Giải quyết vấn đề định vị và định tuyến trong hậu cần đô thị hai mức thông qua bài toán chia
sẻ phương tiện và bài toán giao và nhận đa loại hàng hóa, đa tuyến sẽ đóng góp nhiều ý nghĩa
thiết thực: giúp tiết kiệm thời gian vận tải, chi phí vận tải, giảm ùn tắc giao thông, tối ưu việc
sử dụng cơ sở vận tải…
23
CHƯƠNG 2. VẤN ĐỀ ĐỊNH TUYẾN TRONG BÀI TOÁN CHIA
SẺ PHƯƠNG TIỆN
Chương 2 trình bày vấn đề định tuyến của mô hình hậu cần đô thị một mức thông qua bài toán
chia sẻ phương tiện SARP. Phần đầu tiên xây dựng mô hình phụ thuộc thời gian và khung tốc
độ cho bài toán chia sẻ phương tiện SARP. Mô hình toán học biểu diễn bài toán được trình bày
ở phần tiếp theo. Sau đó, thuật toán tham lam và tìm kiếm địa phương được xây dựng để giải
quyết bài toán. Cuối chương, luận án trình bày phương pháp xây dựng dữ liệu thực nghiệm từ
dữ liệu thực tế của công ty taxi Tokyo-Musen và tiến hành thực nghiệm.
2.1. PHÁT BIỂU BÀI TOÁN
Từ danh sách yêu cầu vận tải đã thu nhận, các xe taxi sẽ được lập lịch phục vụ nhằm đạt được
tổng lợi nhuận cao nhất trong khi đáp ứng các yêu cầu ràng buộc của bài toán. Bài toán cho
phép xử lý hai loại yêu cầu: vận tải hành khách và vận tải hàng hóa. Mỗi yêu cầu vận tải sẽ bao
gồm hai yêu cầu nhỏ: yêu cầu đón và yêu cầu trả. Tất cả yêu cầu vận tải có thông tin địa điểm
đón và trả với khung thời gian tương ứng. Mỗi yêu cầu chỉ được phục vụ trong khung thời gian
của nó.
Tương tự trong thực tế, xe taxi được giả định bắt đầu và kết thúc tại cùng một kho đỗ xe. Để
đơn giản hóa, kho đỗ xe không xem xét tiêu chí sức chứa và thời gian đỗ tại kho. Trong hành
trình vận tải, một xe taxi có thể chở một hành khách hoặc nhiều hàng hóa hoặc cả hành khách
và hàng hóa nếu đáp ứng yêu cầu về tải trọng vận tải. Tải trọng vận tải được xác định là tổng
số trọng lượng của hàng hóa vận tải và trọng lượng đại điện cố định của hành khách đang vận
tải. Bài toán chỉ xem xét các tình huống vận tải của một xe taxi như sau:
• Chỉ vận tải một hành khách;
• Chỉ vận tải hàng hóa;
• Vận tải đồng thời một hành khách và hàng hóa.
Yêu cầu vận tải hành khách phải được phục vụ liên tục, nghĩa là xe taxi không được phép dừng,
đỗ, nhận hàng hóa hoặc giao hàng hóa khi đang thực hiện vận tải hành khách. Khi thực hiện
hành trình vận tải, xe taxi có thể chờ tại điểm đỗ xe tạm thời để có thể đến địa điểm đón hoặc
điểm trả hàng hóa và hành khách trong khung thời gian quy định. Xe taxi được phép đợi trong
khoảng thời gian giới hạn tại điểm đón hoặc điểm trả. Vì lý do an toàn vận tải, tổng thời gian
vận tải của một xe taxi trong một ngày không được vượt quá thời gian vận tải tối đa quy định.
24
Trong các khu vực khác nhau của thành phố, tốc độ di chuyển của xe taxi là khác nhau và được
giới hạn bởi các khung tốc độ. Bài toán xem xét ba vùng vận tải: trong thành phố, vùng đệm và
vùng ngoại ô. Đối với từng vùng, bài toán xem xét ba loại khung tốc độ tương ứng với: giờ
ngoài cao điểm, giờ gần cao điểm và giờ cao điểm. Mỗi khung tốc độ được quy định bởi tốc độ
nhỏ nhất và tốc độ lớn nhất.
Từ đó, bài toán được định nghĩa trên đồ thị có hướng, có trọng số 𝐺 = (𝑉, 𝐸). 𝑉 là tập hợp các
đỉnh trên đồ thị và bao gồm các tập con 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑑 ∪ 𝐷 ∪ 𝑉𝑝𝑎, với 𝑉𝑝𝑜 là tập các
điểm đón hành khách; 𝑉𝑓𝑜 là tập hợp các điểm nhận hàng hóa; 𝑉𝑝𝑑 là tập hợp các điểm trả hành
khách; 𝑉𝑓𝑑 là tập hợp các điểm trả hàng hóa; 𝐷 là tập hợp các kho xe taxi và 𝑉𝑝𝑎 là tập hợp
𝑡
các bãi đỗ xe taxi tạm thời.
𝑡
Mỗi đỉnh 𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑑 có một cặp tham số {∅𝑖, 𝜔𝑖} thể hiện trọng số của yêu
cầu 𝑖 và thời gian chờ tối đa để phục vụ yêu cầu 𝑖. Ngoài ra, mỗi đỉnh 𝑖 cũng được quy định
khung thời gian thông qua cặp tham số [𝑒𝑖, ℓ𝑖]. 𝐾 là tập hợp các xe taxi. Mỗi bãi đỗ xe 𝑖 ∈ 𝑉𝑝𝑎
𝑚𝑎𝑥 và có tải
có sức chứa 𝑐𝑖. Xe taxi 𝑘 được phép vận tải trong khoảng thời gian giới hạn 𝜏𝑘
trọng 𝜎𝑘. Mỗi cạnh (𝑢, 𝑣) thuộc tập cạnh 𝐸 được đại diện bởi giá trị 𝑡̅𝑢,𝑣 và 𝜏𝑢,𝑣 . Trong đó, 𝑡̅𝑢,𝑣
là thời gian di chuyển từ 𝑢 đến 𝑣 nếu xe taxi
là thời gian di chuyển cho phép từ 𝑢 đến 𝑣 và 𝜏𝑢,𝑣
rời 𝑢 tại thời điểm 𝑡. Nếu thời gian xe taxi di chuyển từ 𝑢 đến 𝑣 vượt quá giá trị 𝑡̅𝑢,𝑣 thì chi phí
bổ sung được tính dựa vào thời gian chênh lệch di chuyển thực tế và giá trị 𝑡̅𝑢,𝑣.
Yêu cầu của bài toán là tìm tập hợp các hành trình của xe taxi để phục vụ các yêu cầu vận tải
với mục tiêu đạt tổng lợi nhuận cao nhất. Tổng lợi nhuận là tổng doanh thu sau khi trừ đi tổng
các chi phí. Tổng doanh thu bao gồm: doanh thu vận tải hành khách, doanh thu vận tải hàng
hóa và doanh thu của vận tải hành khách vượt quá thời gian vận tải cho phép. Tổng chi phí vận
tải bảo gồm: chi phí vận tải, chi phí nhân công cho tài xế taxi và chi phí sử dụng xe taxi.
25
4 Hình 2.1. Minh họa hành trình của các xe taxi
Hình 2.1 miêu tả các hành trình của ba xe taxi. Các xe taxi xuất phát và kết thúc hành trình tại
các kho đỗ xe 𝐷 = {𝐷1, 𝐷2,𝐷3}. Hành trình của xe taxi 1 được minh hoạ bởi đường kẻ đậm.
Hành trình của xe taxi 2 được minh họa bởi đường chấm nét đứt. Hành trình của xe taxi 3 được
minh họa bởi đường gạch ngang. Hình tròn gạch minh họa yêu cầu đón hành khách. Hình tròn
𝑝, 𝑝4
𝑝, 𝑝6
𝑝, 𝑝3
𝑝, 𝑝2
𝑝 , 𝑑13
𝑝 , 𝑑14
𝑝 , 𝑑16
𝑝 , 𝑑17
𝑝, 𝑝5
𝑝 , 𝑑15
chấm minh họa yêu cầu trả hành khách. Tương tự đối với hàng hóa, hình tròn đậm thể hiện yêu
𝑝, 𝑑13
𝑝, 𝑑12
𝑝 ) và (𝑝6
𝑝 ), (𝑝4
𝑝 ), (𝑝5
(𝑝1
𝑓 } và
được
𝑝, 𝑑15
cặp yêu
𝑓 , 𝑑21
𝑓 ), (𝑝11
𝑓, 𝑝10
𝑝, 𝑑14
𝑝 ), (𝑝3
𝑝 ), (𝑝2
thể hiện qua 5
𝑓, 𝑑20
𝑓 ), (𝑝9
𝑓 ), (𝑝8
𝑓 , 𝑑22
𝑓 , 𝑑21
𝑓, 𝑑18
(𝑝7
𝑉𝑓𝑑 = {𝑑18
𝑓, 𝑑19
𝑓 , 𝑑20
𝑓 , 𝑑19
𝑓 }. Xe taxi 2 phục vụ
trả hàng hóa
𝑓 , 𝑝11
𝑓, 𝑝9
𝑝, 𝑑13
𝑓 , 𝑝8
𝑝 , 𝑑19
𝑓, 𝑑18
𝑓 }. Xe taxi 3 phục vụ các yêu cầu vận tải
cầu đón hàng hóa và hình tròn rỗng thể hiện yêu cầu nhận hàng hóa. Tập hợp các yêu cầu đón
𝑝 }.
𝑝} và yêu cầu trả hành khách 𝑉𝑝𝑑 = {𝑑12
𝑉𝑝𝑜 = {𝑝1
Yêu cầu vận tải hành khách được thể hiện qua 6 cặp yêu cầu đón hành khách và trả hành khách:
𝑝 ). Yêu cầu vận tải hàng hóa
𝑝, 𝑑17
𝑝, 𝑑16
cầu nhận hàng hóa và
𝑓 ), (𝑝10
𝑓, 𝑝8
𝑓 ) với tập 𝑉𝑓𝑜 = {𝑝7
𝑓 , 𝑑22
𝑓 }. Các hành trình chi tiết của các xe taxi được miêu tả cụ thể như
𝑓, 𝑝2
𝑝, 𝑑12
𝑝 , 𝑝10
𝑝 , 𝑝7
𝑓 , 𝑑21
𝑝, 𝑑15
𝑝 , 𝑑22
𝑓 , 𝑝5
𝑓 , 𝑝4
𝑓 }. Xe taxi sẽ thực hiện đón và trả hành khách liên tục không dừng trong
𝑝, 𝑑17
𝑝, 𝑑14
sau. Xe taxi 1 phục vụ các yêu cầu vận tải {𝑝1
𝑝, 𝑑16
𝑝 , 𝑝9
các yêu cầu vận tải {𝑝11
𝑓, 𝑝6
𝑝 , 𝑑20
𝑓 )}. Các yêu cầu vận tải hàng hóa còn lại thực hiện vận tải cùng với vận
𝑓, 𝑑18
𝑓 ), (𝑝10
𝑓 , 𝑑21
{𝑝3
quá trình vận tải. Trong hình minh họa, có 2 yêu cầu vận tải hàng hóa cũng được thực hiện liên
tục {(𝑝7
tải hành khách. Tập hợp điểm đỗ xe tạm thời 𝑉𝑝𝑎 bao gồm 𝑃1 và 𝑃2. Xe taxi 2 đỗ tạm thời tại
26
𝑓 tương ứng. Tương tự, xe taxi 3 đỗ tạm thời tại 𝑃2
𝑝 và 𝑝10
𝑓.
𝑃1 và 𝑃2 trước khi di chuyển đến 𝑝5
trước khi di chuyển đến 𝑝9
2.2. MÔ HÌNH TOÁN HỌC
Dựa vào miêu tả bài toán, luận án xây dựng mô hình toán học cho bài toán. Luận án kế thừa
một số tính năng của mô hình toán học được giới thiệu ở nghiên cứu [55]. Một điểm lưu ý trong
𝑚𝑎𝑥 đại diện cho thời gian di chuyển nhanh
mô hình này là thời gian di chuyển giữa hai điểm có thể khác nhau và phụ thuộc vào thời gian
𝑚𝑖𝑛 và 𝜏𝑢,𝑣,𝑡
bắt đầu ở điểm xuất phát. Luận án sử dụng 𝜏𝑢,𝑣,𝑡
𝑡
nhất và chậm nhất trong trường hợp xe taxi rời điểm 𝑢 đến điểm 𝑣 tại thời điểm 𝑡. Thời gian di
. chuyển từ điểm 𝑢 tại thời điểm 𝑡 đến điểm 𝑣 là biến 𝜏𝑢,𝑣
2.2.1. Định nghĩa đầu vào
● Đồ thị có hướng, có trọng số 𝐺 = (𝑉, 𝐸);
● 𝑛, 𝑚: số lượng hàng khách và hàng hóa cần vận tải, quy ước 𝑠 = 𝑛 + 𝑚;
● 𝑝: số lượng bãi đỗ xe;
● 𝐾 = {1, … , |𝐾|}: tập hợp các xe taxi;
● 𝑉𝑝𝑜 = {1, … , 𝑛}: tập hợp các điểm đón hành khách;
● 𝑉𝑓𝑜 = {𝑛 + 1, … , 𝑛 + 𝑚}: tập hợp các điểm nhận hàng hóa;
● 𝑉𝑝𝑑 = {𝑠 + 1, … , 𝑠 + 𝑛}: tập hợp các điểm trả hành khách, 𝑖 và 𝑖 + 𝑠 là điểm đón và
điểm trả tương ứng của yêu cầu vận tải hành khách 𝑖, ∀𝑖 = 1, … , 𝑛;
𝑉𝑓𝑑 = {𝑠 + 𝑛 + 1, … ,2𝑠}: tập hợp các điểm trả hàng hóa, 𝑖 + 𝑛 và 𝑖 + 𝑛 + 𝑠 là điểm ●
đón và điểm trả tương ứng của yêu cầu vận tải hàng hóa 𝑖, ∀𝑖 = 1, … , 𝑚;
● 𝑉𝑝𝑎 = {2𝑠 + 1, … ,2𝑠 + 𝑝𝑀}: tập hợp các bãi đỗ xe logic (∀𝑖 = 1, … , 𝑝). 𝑀 là hằng số
đủ lớn, trong đó bãi đỗ xe 2𝑠 + (𝑖 − 1)𝑀 + 1, … . ,2𝑠 + 𝑖𝑀 là đại diện cho bãi đỗ xe i
với sức chứa 𝑐𝑖 (quy định tối đa số lượng xe taxi được đỗ đồng thời tại cùng một thời
điểm ∀𝑖 = 1, … , 𝑝);
● 𝐷 = {2𝑠 + 𝑀𝑝 + 1, … ,2𝑠 + 𝑀𝑝 + |𝐾|}: tập hợp các kho đỗ xe 𝐾, trong đó 𝜃𝑘 = 2𝑠 +
𝑀𝑝 + 𝑘 là kho đỗ xe của taxi 𝑘, ∀𝑘𝜖𝐾;
● 𝑉𝑟 = 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑𝑉𝑓𝑜𝑉𝑓𝑑: tập hợp các yêu cầu vận tải;
● 𝑉 = 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑓𝑑 ∪ 𝐷 ∪ 𝑉𝑝𝑎;
● 𝜗+(𝑖) = {(𝑖, 𝑗) ∈ 𝐸}, ∀𝑖 ∈ 𝑉;
● 𝜗−(𝑖) = {(𝑗, 𝑖) ∈ 𝐸}, ∀𝑖 ∈ 𝑉;
27
● 𝑇𝑝 = {1,2, … , |𝑇𝑝|}: các thời điểm;
● 𝐸: tập hợp các cạnh (𝑢, 𝑣), ∀𝑢 ∈ 𝑉, ∀𝑣 ∈ 𝑉;
𝑚𝑖𝑛 : thời gian di chuyển nhanh nhất từ điểm 𝑢 đến điểm 𝑣 nếu xe taxi rời điểm
● Mỗi cạnh (𝑢, 𝑣) ∈ 𝐸 có 2 giá trị hằng số tương ứng:
o 𝜏𝑢,𝑣,𝑡
𝑚𝑎𝑥: thời gian di chuyển tối đa từ điểm 𝑢 đến điểm 𝑣 nếu xe taxi rời điểm 𝑢 tại
𝑢 tại thời điểm 𝑡 ∈ 𝑇𝑝;
o 𝜏𝑢,𝑣,𝑡
𝑚𝑎𝑥: thời gian chờ tối đa tại điểm 𝑣 ∈ 𝑉;
thời điểm 𝑡 ∈ 𝑇𝑝.
𝑚𝑎𝑥: trọng tải của xe taxi 𝑘, ∀𝑘 ∈ 𝐾;
● 𝜔𝑣
𝑚𝑎𝑥: thời gian vận tải tối đa của xe taxi 𝑘, ∀𝑘 ∈ 𝐾;
● ∅𝑖: trọng số của yêu cầu vận tải thứ 𝑖 ∈ 𝑉
● [𝑒𝑖, ℓ𝑖]: khung thời gian cho phép của yêu cầu 𝑖, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑓𝑑;
● 𝜎𝑘
● 𝜏𝑘
● 𝑡̅𝑖,𝑗: thời gian cho phép di chuyển từ điểm 𝑖 đến điểm 𝑗. Nếu thời gian di chuyển từ điểm
𝑖 đến điểm 𝑗 vượt qua thời gian cho phép thì sẽ trả thêm chi phí dựa vào thời gian vượt
quá;
● 𝛼: chi phí ban đầu khi bắt đầu vận tải hành khách;
● 𝛾1: chi phí tính theo đơn vị thời gian vận tải hành khách;
● 𝛾2: chi phí tính theo đơn vị 1 kilogram của vận tải hàng hóa;
● 𝛾3: chi phí nguyên liệu tính theo phút để thực hiện vận tải;
● 𝛾4: chi phí tính theo phút khi vận tải hành khách vượt quá thời gian cho phép;
● 𝛾5: chi phí tính theo phút để thuê một lái xe taxi. Tổng thời gian thuê một lái xe taxi
trong ngày được tính từ thời điểm xe taxi rời khỏi kho đỗ xe đến thời điểm xe taxi quay
trở về kho đỗ xe;
● 𝛾6: chi phí sử dụng một xe taxi trong một ngày.
𝑘 : nhận giá trị 1 nếu xe taxi 𝑘 có di chuyển từ điểm 𝑖 đến điểm 𝑗; nhận giá trị 0 trong
2.2.2. Định nghĩa các biến
● 𝑋𝑖,𝑗
𝑘: thời điểm của xe taxi 𝑘 đến điểm 𝑖, ∀𝑖 ∈ 𝑉;
trường hợp ngược lại, ∀(𝑖, 𝑗) ∈ 𝐸;
𝑘: thời điểm của xe taxi 𝑘 rời điểm 𝑖, ∀𝑖 ∈ 𝑉;
● 𝑎𝑖
●
𝑑𝑖
𝑡 : thời gian di chuyển từ điểm 𝑖 đến điểm 𝑗 nếu xe taxi xuất phát từ điểm 𝑖 tại thời ● 𝜏𝑖,𝑗
điểm 𝑡, ∀(𝑖, 𝑗) ∈ 𝐸, ∀𝑡 ∈ 𝑇𝑝;
28
𝑘: trọng tải của xe taxi 𝑘 ngay sau khi rời điểm 𝑖, ∀𝑘 ∈ 𝐾, ∀𝑖 ∈ 𝑉. Trọng tải của taxi
● 𝜔𝑖
𝑘 : bằng 1 nếu xe taxi 𝑘 đỗ tạm thời tại bãi đỗ 𝑝 tại thời điểm 𝑡, và bằng 0 nếu ngược
được tính là tổng tải trọng của hành khách và hàng hóa đang được vận tải;
● 𝑍𝑡,𝑝
𝑘: nhận giá trị 1 nếu yêu cầu vận tải 𝑖 được phục vụ bởi xe taxi 𝑘 và nhận giá trị 0 nếu
lại, ∀𝑡 ∈ 𝑇𝑝, ∀𝑘 ∈ 𝐾, 𝑝 ∈ 𝑉𝑝𝑎;
● 𝑌𝑖
𝑘}, ∀(𝑖, 𝑗) ∈
𝑘, 𝑍𝑡,𝑝
ngược lại, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜, 𝑘 ∈ 𝐾.
𝑘 , 𝑌𝑖
𝑘 , 𝑎𝑖
𝑘, 𝑑𝑖
𝑘, 𝜏𝑖,𝑗
𝑡 , 𝜔𝑖
Hành trình xe taxi 𝑘 ∈ 𝐾 sẽ được xác định bởi tập giá trị {𝑋𝑖,𝑗
𝐸, ∀𝑡 ∈ 𝑇𝑝, 𝑝 ∈ 𝑉𝑝𝑎. Qua đó có thể xác định được trạng thái của xe taxi 𝑘 tại thời điểm 𝑡 bất
kỳ.
2.2.3. Các giả định của mô hình
● Trong thực tế, một xe taxi có thể đỗ nhiều lần ở cùng một bãi đỗ xe. Để đơn giản hóa
mô hình toán học, các bãi đỗ xe logic được bổ sung để đảm bảo mỗi xe taxi chỉ đỗ xe
tối đa 1 lần tại 1 bãi đỗ xe. Do đó, giả định 𝑉𝑝𝑎 = {2𝑠 + 1, … ,2𝑠 + 𝑝𝑀} là tập hợp các
bãi đỗ xe logic (∀𝑖 = 1, … , 𝑝) với 𝑀 là hằng số đủ lớn. Bãi đỗ xe 2𝑠 + (𝑖 − 1)𝑀 +
𝑚𝑎𝑥 = ∞, ∀𝑣 ∈ 𝑉𝑝𝑎);
1, … . ,2𝑠 + 𝑖𝑀 là đại diện cho bãi đỗ xe i;
● Giả định xe taxi được phép chờ vô thời hạn tại các bãi đỗ xe (𝜔𝑣
● Đỉnh 𝑖 ∈ 𝑉 có trọng số ∅𝑖 đại diện cho trọng số của yêu cầu vận tải thứ i. Giả định các
điểm đón hành khách hoặc nhận hàng hóa tại 𝑖 có giá trị ∅𝑖 > 0, các điểm trả hành
khách hoặc trả hàng hóa tương ứng là (𝑖 + 𝑠) có giá trị −∅𝑖. Trọng số của các điểm kho
đỗ xe và bãi đỗ xe có giá trị 0. Cụ thể:
o ∅𝑖 + ∅𝑖+𝑠 = 0, ∅𝑖 > 0 và ∀𝑖 ∈ 𝑉𝑓𝑜 ∪ 𝑉𝑝𝑜;
o ∅𝑖 = 0, ∀𝑖 ∈ 𝐷 ∪ 𝑉𝑝𝑎
2.2.4. Các hàm mục tiêu
𝑘
𝑑𝑖
𝑘
) 𝑌𝑖
● Doanh thu vận tải hành khách tính theo thời gian vận tải:
𝑖∈𝑉𝑝𝑜
𝑘∈𝐾
● Doanh thu vận tải hành khách vượt thời gian vận tải cho phép:
𝑘 − 𝑡̅𝑖,𝑖+𝑠, 0)
𝑘 − 𝑑𝑖
𝑘)𝑌𝑖
𝑓1 = ∑ ∑ (𝛼 + 𝛾1𝜏𝑖,𝑖+𝑠
𝑘∈𝐾
𝑓2 = 𝛾4 ∑ ∑ 𝑚𝑎𝑥 ((𝑎𝑖+𝑠
𝑖∈𝑉𝑝𝑜 ● Doanh thu vận tải hàng hóa:
29
𝑘
𝑓3 = 𝛾2 ∑ ∑ ∅𝑖𝑌𝑖
𝑘∈𝐾
𝑖∈𝑉𝑓𝑜
𝑘 − 𝑑𝑖
𝑘
𝑘)𝑋𝑖,𝑗
𝑘∈𝐾
𝑗∈𝜗+(𝑖)
● Chi phí vận tải tính theo thời gian:
𝑓4 = 𝛾3 ∑ ∑ ∑ (𝑎𝑗
𝑖∈𝑉
● Chi phí nhân công cho tài xế xe taxi:
𝑘 )
𝑘 − 𝑑𝜃𝑘
𝑘𝜖𝐾
𝑓5 = 𝛾5 ∑(𝑎𝜃𝑘
𝑘
● Chi phí sử dụng xe taxi:
𝑘∈𝐾
𝑗𝜖𝜗+(𝜃𝑘)
𝑓6 = 𝛾6 ∑ ∑ 𝑋𝜃𝑘,𝑗
● Tổng lợi nhuận:
𝑓 = 𝑓1 + 𝑓2 + 𝑓3 − 𝑓4 − 𝑓5 − 𝑓6 → 𝑚𝑎𝑥
2.2.5. Các ràng buộc
𝑘 ≤ 1
● Một xe taxi chỉ được phép đi qua mỗi điểm tối đa một lần trên hành trình vận tải:
𝑗∈𝜗+(𝑖)
𝑘
, ∀𝑖 ∈ 𝑉 ∑ ∑ 𝑋𝑖,𝑗
𝑘∈𝐾 ● Tính nhất quán của yêu cầu đón hành khách/nhận hàng hóa và trả hành khách/hàng hóa:
𝑘
∑ 𝑋𝑖,𝑗
𝑗∈𝜗−(𝑖+𝑠)
𝑗∈𝜗+(𝑖)
, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜, 𝑘 ∈ 𝐾 = ∑ 𝑋𝑗,𝑖+𝑠
● Ràng buộc về luồng vận tải:
𝑘
∑ 𝑋𝑖,𝑗
𝑗∈𝜗+(𝑖)
𝑘
= ∑ 𝑋𝑗,𝑖
𝑗∈𝜗−(𝑖)
● Ràng buộc về thời điểm đến, thời điểm đi và thời gian di chuyển giữa hai điểm:
𝑘 , ∀(𝑖, 𝑗) ∈ 𝐸, ∀𝑘 ∈ 𝐾
, ∀𝑖 ∈ 𝑉, 𝑘 ∈ 𝐾
𝑘
𝑑𝑖
𝑘 + 𝜏𝑖,𝑗
𝑘 = (𝑑𝑖
𝑎𝑗
● Thời gian quy định để di chuyển giữa hai điểm:
𝑚𝑎𝑥, ∀(𝑖, 𝑗) ∈ 𝐸, ∀𝑡 ∈ 𝑇𝑝
𝑚𝑖𝑛 ≤ 𝜏𝑖,𝑗
𝜏𝑖,𝑗,𝑡
𝑡 ≤ 𝜏𝑖,𝑗,𝑡
) 𝑋𝑖,𝑗
𝑘 , ∀𝑘 ∈ 𝐾, 𝜃𝑘 ∈ 𝐷
𝑘 − 𝑑𝜃𝑘
𝑚𝑎𝑥 ≥ 𝑎𝜃𝑘
𝜏𝑘
● Ràng buộc về khung thời gian phục vụ của yêu cầu vận tải:
𝑘 ≤ ℓ𝑖, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜𝑉𝑝𝑑𝑉𝑓𝑑, 𝑘 ∈ 𝐾
● Ràng buộc về thời gian vận tải tối đa của xe taxi:
𝑘𝑌𝑖
𝑒𝑖 ≤ 𝑎𝑖 ● Ràng buộc về thời gian đỗ tối đa tại các điểm:
30
𝑚𝑎𝑥, ∀𝑖 ∈ 𝑉\𝐷, ∀𝑘 ∈ 𝐾
𝑘 − 𝑎𝑖
𝑑𝑖
𝑘 ≤ 𝜔𝑖
● Ràng buộc về trọng tải của xe taxi:
𝑘 , ∀𝑘 ∈ 𝐾, (𝑖, 𝑗) ∈ 𝐸
𝑘 + ∅𝑗)𝑋𝑖,𝑗
𝑤𝑗
𝑘 ≥ max{0, ∅𝑖} , ∀𝑖 ∈ 𝑉, 𝑘 ∈ 𝐾
max + ∅𝑖} , ∀𝑖 ∈ 𝑉, 𝑘 ∈ 𝐾
𝑘 = (𝑤𝑖
𝑤𝑖
𝑘 ≤ {𝜎𝑘
max, 𝜎𝑘
{
𝑘 = 1, ∀𝑝 ∈ 𝑉𝑝𝑎, ∀𝑘 ∈ 𝐾, 𝑡 ∈ 𝑇𝑝
𝑘 → 𝑍𝑡,𝑝
𝑘 ≤ 𝑡 ∧ 𝑡 ≤ 𝑑𝑝
𝑎𝑝
𝑀
𝑤𝑖 ● Ràng buộc về sức chứa của bãi đỗ xe:
𝑘
∑ ∑ 𝑍𝑡,2𝑠+(𝑖−1)𝑀+𝑗
𝑘∈𝐾
𝑗=1
● Ràng buộc quy định vận tải hành khách trực tiếp:
𝑘, ∀𝑖 ∈ 𝑉𝑝𝑜, 𝑘 ∈ 𝐾
, ∀𝑡 ∈ 𝑇𝑝, 𝑖 = 1, … , 𝑝 ≤ 𝑐𝑖 {
𝑘 = 𝑌𝑖
● Ràng buộc về việc thực hiện vận tải và việc di chuyển của xe taxi:
𝑘, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜, 𝑘 ∈ 𝐾
𝑘
∑ 𝑋𝑖,𝑗
𝑋𝑖,𝑖+𝑠
𝑗∈𝜗+(𝑖)
= 𝑌𝑖
2.3. THUẬT TOÁN GIẢI BÀI TOÁN CHIA SẺ PHƯƠNG TIỆN
Trong nghiên cứu [55], bài toán SARP được phân loại thuộc lớp bài toán NP-khó. Bài toán luận
án nghiên cứu là mở rộng của bài toán SARP. Do đó, luận án áp dụng thuật toán heuristic và
thuật toán tìm kiếm địa phương để giải quyết bài toán này. Vì bài toán được thực nghiệm trên
dữ liệu mạng lưới vận tải với số lượng rất lớn đỉnh và cạnh. Do đó, luận án sử dụng đồ thị động
để biểu diễn mạng lưới vận tải và sử dụng kỹ thuật định tuyến trên đồ thị động trước khi áp
dụng các thuật toán heuristic để giải quyết bài toán. Để so sánh mô hình bài toán chia sẻ phương
tiện và mô hình vận tải không chia sẻ (vận tải trực tiếp), luận án xây dựng thuật toán heuristic
cho mô hình vận tải trực tiếp. Cuối cùng, luận án xây dựng thuật toán tham lam và thuật toán
tìm kiếm địa phương để giải quyết bài toán chia sẻ phương tiện.
2.3.1. Kỹ thuật định tuyến trên đồ thị động
Đồ thị động được sử dụng để thể hiện mạng lưới vận tải trong mô hình bài toán nghiên cứu. Đồ
thị động là đồ thị mà có số đỉnh hoặc số cạnh hoặc giá trị của cạnh thay đổi theo thời gian [74].
Trong đó, tập các đỉnh 𝑉 là tập hợp các điểm đón hành khách, điểm trả hành khách, điểm nhận
hàng hóa, điểm trả hàng hóa, điểm bãi đỗ xe và điểm kho đỗ xe. Tính chất vận tải trong thành
phố hoàn toàn phụ thuộc vào thời điểm vận tải trong ngày. Để mô hình sự phụ thuộc này, thời
điểm kết thúc di chuyển theo một cạnh của đồ thị sẽ là giá trị hàm số theo thời gian. Để tính
toán thời gian di chuyển, luận án sử dụng hàm tuyến tính sau:
31
𝑡 = {
𝜏𝑢,𝑣
𝑡
𝐶0 + 𝑎0𝑡, 𝑡 ∈ 𝑝0
…
𝐶𝑛 + 𝑎𝑛𝑡, 𝑡 ∈ 𝑝𝑛 với:
: thời gian di chuyển từ điểm 𝑢 đến điểm 𝑣 nếu rời điểm 𝑢 tại thời điểm 𝑡; ● 𝜏𝑢,𝑣
● 𝑝0, 𝑝1, … , 𝑝𝑛: là các thời điểm;
● 𝐶0, 𝐶1, … , 𝐶𝑛, 𝑎0, 𝑎1, … , 𝑎𝑛: là các hằng số,
o 𝑎𝑖 = 1, vận tốc không thay đổi trong suốt giai đoạn 𝑝𝑖;
o 𝑎𝑖 > 1, vận tốc giảm dần trong suốt giai đoạn 𝑝𝑖;
o 𝑎𝑖 < 1, vận tốc tăng dần trong suốt giai đoạn 𝑝𝑖.
Hàm số trên thỏa mãn tính chất FIFO. Nghĩa là, nếu hai xe taxi đi cùng một lộ trình thì xe taxi
nào xuất phát muộn hơn thì sẽ đến muộn hơn. Do đó, luận án sử dụng kỹ thuật tìm đường đi
ngắn nhất trên đồ thị động dựa trên thuật toán Dijkstra. Trong đó, mỗi cạnh sẽ được gán nhãn
bởi hàm số theo thời gian.
2.3.1.1. Kỹ thuật phân cấp đỉnh giản lược CH
Kỹ thuật phân cấp đỉnh giản lược CH là viết tắt của tên tiếng anh Contract Hierarchies. Luận
án sử dụng đồ thị động biểu diễn mạng lưới giao thông trong mô hình bài toán. Không mất tính
tổng quát, luận án thực hiện phân rã đồ thị thành đồ thị thành phần k-core (với k = 3). Đồ thị k-
core của một đồ thị vô hướng G là một đồ thị con của G mà tất cả các đỉnh đều có bậc tối thiểu
là k. Tuy nhiên, số lượng đỉnh vẫn còn lớn nên việc áp dụng thuật toán Dijkstra không hiệu quả.
Trong trường hợp này, với đồ thị động biểu diễn mạng lưới giao thông gồm hàng triệu đỉnh, kỹ
thuật phân cấp đỉnh giản lược CH sẽ được áp dụng. Kỹ thuật phân cấp đỉnh giản lược CH [75]
là kỹ thuật tăng tốc độ tìm kiếm đường đi ngắn nhất trên đồ thị bằng cách tạo ra các cạnh tắt để
sử dụng trong quá trình tìm đường đi ngắn nhất. Kỹ thuật phân cấp đỉnh giản lược CH gồm hai
giai đoạn: tiền xử lý và truy vấn. Giai đoạn tiền xử lý sẽ tạo ra các cạnh tắt thông qua việc kiểm
tra đường đi ngắn nhất giữa các cặp đỉnh. Nếu việc loại bỏ các đỉnh trên không ảnh hưởng thì
các đỉnh này sẽ bị loại bỏ và sẽ tạo cạnh tắt. Việc giảm số lượng các đỉnh sẽ giúp quá trình truy
vấn đường đi ngắn nhất nhanh hơn. Giai đoạn truy vấn áp dụng kỹ thuật tìm kiếm hai chiều đối
với dữ liệu đồ thị đã tiền xử lý. Cuối cùng, luận án áp dụng thuật toán tìm các đường đi ngắn
nhất theo từng thành phần và giữa các phần của đồ thị.
2.3.1.2. Độ phức tạp
Độ phức tạp phụ thuộc vào việc tìm kiếm đường đi ngắn nhất trên đồ thị thành phần 3-core.
Hình 2.2 minh họa đồ thị thành phần 3-core với các chi tiết các vùng: 1-core, 2-core và 3-core.
32
5 Hình 2.2. Minh họa đồ thị thành phần 3-core
Tỷ lệ thu hẹp (shrinking factor), được ký hiệu 𝑆𝑘, là tỷ lệ giữa tổng số đỉnh của đồ thị và tổng
số đỉnh của các thành phần 3-core. Giá trị 𝑆𝑘 của bộ dữ liệu Tokyo nằm trong khoảng từ 10 đến
11. Vì độ phức tạp của thuật toán Dijkstra là Ο(|𝑉| log |𝑉| ), nên số các bước cần xử lý giảm
khoảng 33 (≈ 10 log 10) lần. Trong thực nghiệm, tốc độ tìm kiếm trung bình tăng 20 lần.
2.3.2. Thuật toán heuristic cho mô hình vận tải trực tiếp
Thời điểm bắt đầu của một yêu cầu là thời điểm sớm nhất mà xe taxi có thể phục vụ yêu cầu
này. Đối với từng yêu cầu trong mô hình vận tải trực tiếp, thuật toán sẽ tìm kiếm xe taxi gần
nhất để phục vụ. Sau khi trả hành khách hoặc trả hàng hóa, xe taxi sẽ di chuyển đến điểm bãi
đỗ xe gần nhất để chờ yêu cầu phục vụ tiếp theo. Trong mô hình vận tải trực tiếp, yêu cầu vận
tải hành khách và vận tải hàng hóa sẽ được xe taxi phục vụ riêng. Trong mô hình này, yêu cầu
vận tải đều được phục vụ kể cả việc đáp ứng không mang lại lợi nhuận. Do đó, một xe taxi có
thể phục vụ một hoặc nhiều yêu cầu vận tải theo tuần tự. Mô hình vận tải trực tiếp được thể
Thuật toán 2.1. Thuật toán heuristic cho mô hình vận tải trực tiếp
hiện trong thuật toán 2.1.
Đầu vào: Đồ thị G=(V, E);
𝑉𝑝𝑜: danh sách yêu cầu đón hành khách;
𝑉𝑓𝑜: danh sách yêu cầu nhận hàng hóa;
[𝑒𝑖, ℓ𝑖]: khung thời gian cho phép của yêu cầu 𝑖, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑓𝑑;
𝐾: tập hợp các xe taxi.
(Chi tiết các đầu vào trình bày tại 2.2.1)
Đầu ra:
𝑓: tổng lợi nhuận;
Giá trị của các biến.
33
(Chi tiết các biến trình bày tại 2.2.2)
1.
2.
3.
Sắp xếp tất cả yêu cầu 𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜 tăng dần theo 𝑒𝑖 và đưa vào vào danh sách 𝑉′;
foreach yêu cầu 𝑖 ∈ 𝑉′ do
Cập nhật trạng thái của tất cả xe taxi 𝑘 ∈ 𝐾 tại thời điểm 𝑒𝑖;
Cập nhật trạng thái của tất cả điểm đỗ xe taxi 𝑝 ∈ 𝑉𝑝𝑎 tại thời điểm 𝑒𝑖;
4.
5.
6.
7.
8.
9.
10.
11.
if tìm thấy xe taxi 𝑘′ ∈ 𝐾 gần nhất có thể phục vụ yêu cầu i then
Đưa yêu cầu i vào cuối hành trình hiện tại của taxi 𝑘′;
Cập nhật tổng lợi nhuận 𝑓;
else
Từ chối vận tải yêu cầu i;
end if
end for
Bước đầu tiên của thuật toán là thực hiện sắp xếp các yêu cầu đón theo thứ tự tăng dần của thời
điểm đón (dòng 1). Sau đó, thực hiện duyệt từng yêu cầu đón theo thứ tự đã được sắp xếp (dòng
2). Với mỗi yêu cầu đón, thực hiện cập nhật trạng thái của tất cả xe taxi K và trạng thái các bãi
đỗ xe tạm thời (dòng 3, 4). Từ đó, tìm kiếm xe taxi (dòng 5) có khoảng cách gần nhất với điểm
đón đang xem xét và thỏa mãn:
• Xe taxi có thể đến điểm đón trong khung thời gian quy định;
• Xe taxi đảm bảo yêu cầu về tải trọng trong trường hợp phục vụ yêu cầu này;
• Xe taxi đảm bảo tuân thủ các yêu cầu vận tải hành khách là phục vụ trực tiếp trong
trường hợp phục vụ yêu cầu này;
• Tổng thời gian hoạt động của xe taxi không vượt quá thời gian hoạt động cho phép trong
trường hợp phục vụ yêu cầu này.
Trường hợp có thể tìm thấy xe taxi có thể phục vụ yêu cầu đang xem xét thì sẽ đưa yêu cầu này
vào cuối hành trình phục vụ của xe taxi (dòng 6). Trường hợp có nhiều xe taxi cùng đáp ứng
yêu cầu thì lựa chọn xe taxi đầu tiên thỏa mãn. Sau đó, cập nhật giá trị tổng lợi nhuận (dòng 7).
Ngược lại, trong trường hợp không tìm thấy xe taxi đáp ứng yêu cầu thì yêu cầu này bị từ chối,
không được phục vụ (dòng 9).
Thuật toán 2.1 bao gồm hai mô-đun chính: mô-đun sắp xếp các yêu cầu và vòng lặp để tìm
kiếm, cập nhật trạng thái xe taxi có thể phục vụ yêu cầu vận tải. Mô-đun sắp xếp có độ phức
tạp Ο(𝑠 log 𝑠) với s là tổng số các yêu cầu đón hành khách và yêu cầu nhận hàng hóa. Độ phức
tạp của mô-đun tìm kiếm và cập nhật trạng thái xe taxi là Ο(|𝐾|). Do đó, độ phức tạp của thuật
toán heuristic cho mô hình vận tải trực tiếp là Ο(max(|𝐾| ∗ 𝑠, 𝑠 log 𝑠)).
34
2.3.3. Thuật toán cho mô hình chia sẻ phương tiện
2.3.3.1. Cấu trúc chung
Thuật toán có thể áp dụng cho đồng thời hai mô hình: mô hình chia sẻ tĩnh và mô hình chia sẻ
động. Trường hợp mô hình chia sẻ tĩnh thì thuật toán áp dụng cho một chu kỳ. Thuật toán cho
mô hình chia sẻ phương tiện sẽ được xử lý qua hai bước chính:
● Bước 1: Xây dựng dữ liệu từ tập dữ liệu đầu vào và tiền xử lý dữ liệu bản đồ sử dụng
kỹ thuật phân cấp đỉnh giản lược CH;
● Bước 2: Tại điểm kết thúc của mỗi chu kỳ:
o Tổng hợp các yêu cầu vận tải và cập nhật trạng thái của tất cả xe taxi;
o Áp dụng thuật toán tham lam để tìm ra lời giải đầu tiên (chi tiết tại mục 2.3.3.2);
o Áp dụng các thuật toán tìm kiếm địa phương để cải thiện chất lượng lời giải hiện
tại (chi tiết tại mục 2.3.3.3);
Giá trị chu kỳ là tham số đầu vào và có thể tùy chỉnh được theo các trường hợp khác nhau của
mô hình. Trong bước thực nghiệm, luận án tiến hành thực nghiệm các thuật toán đối với hai
trường hợp: mô hình chia sẻ tĩnh và mô hình chia sẻ động. Trong mô hình chia sẻ tĩnh, giá trị
chu kỳ được thiết lập là một ngày. Trong mô hình chia sẻ động, giá trị chu kỳ được lựa chọn là
10 phút.
2.3.3.2. Thuật toán tham lam
Thuật toán tham lam sẽ được sử dụng để tìm ra lời giải ban đầu. Trong bước đầu tiên, thuật
toán tham lam sắp xếp các yêu cầu đón hành khách và nhận hàng hóa theo giá trị linh hoạt của
yêu cầu đó. Thuật toán sử dụng hàm số 𝑓𝑟 đại diện cho độ linh hoạt của một yêu cầu đón hành
𝑚𝑖𝑛
khách hoặc nhận hàng hóa, cụ thể:
𝑓𝑟(𝑖) = 𝜇(ℓ𝑖+𝑠 − 𝑒𝑖) − 𝜐𝜆𝑖 với
● 𝑒𝑖: là thời điểm sớm nhất để đón hành khách hoặc nhận hàng hóa i;
● ℓ𝑖+𝑠: là thời điểm muộn nhất để trả hành khách hoặc trả hàng hóa tương ứng với yêu
𝑚𝑖𝑛: là thời gian di chuyển giữa điểm đón hành khách hoặc nhận hàng hóa i với bãi đỗ
cầu đón hành khách hoặc nhận hàng hóa i;
● 𝜆𝑖
xe gần nhất;
● 𝜇, 𝜐: là các tham số tùy chỉnh.
Tham số 𝜐 phụ thuộc vào mật độ xe taxi phân bố trên bản đồ giao thông và tham số 𝜇 phụ thuộc
vào mật độ yêu cầu vận tải. Hai tham số này sẽ được điều chỉnh dựa vào thực nghiệm. Yêu cầu
35
vận tải có giá trị linh hoạt càng lớn thì càng có khả năng được ưu tiên phục vụ. Với khung thời
gian phục vụ rộng, các yêu cầu nhận hàng thường có giá trị linh hoạt cao hơn yêu cầu đón hành
khách. Từng cặp yêu cầu đón và yêu cầu trả sẽ được thử đưa vào từng hành trình của các xe
taxi để tính toán lợi nhuận thu được để tìm ra trường hợp đem lại lợi nhuận tốt nhất. Mô hình
chia sẻ phương tiện được miêu tả trong thuật toán 2.2.
Thuật toán 2.2. Thuật toán tham lam cho mô hình chia sẻ phương tiện
Đầu vào: Đồ thị G=(V, E);
𝑉𝑝𝑜: danh sách yêu cầu đón hành khách;
𝑉𝑓𝑜: danh sách yêu cầu nhận hàng hóa;
[𝑒𝑖, ℓ𝑖]: khung thời gian cho phép của yêu cầu 𝑖, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑓𝑑;
𝐾: tập hợp các xe taxi.
(Chi tiết các đầu vào trình bày tại 2.2.1)
Đầu ra:
𝑓: tổng lợi nhuận;
Giá trị của các biến.
(Chi tiết các biến trình bày tại 2.2.2)
1.
2.
Sắp xếp tất cả yêu cầu đón 𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜 tăng dần theo giá trị 𝑓𝑟(𝑖) vào tập hợp 𝑅′;
foreach yêu cầu 𝑖 ∈ 𝑅′ do
if tìm thấy xe taxi 𝑘′ ∈ 𝐾 có thể phục vụ yêu cầu i mà đạt được tổng lợi nhuận tốt nhất;
3.
4.
then
Đưa yêu cầu i vào hành trình hiện tại của xe taxi 𝑘′;
5.
Cập nhật tổng lợi nhuận 𝑓;
6.
else
7.
Từ chối vận tải yêu cầu i;
8.
end if
9.
end for
Trong bước đầu tiên của thuật toán, các yêu cầu đón sẽ được sắp xếp tăng dần theo giá trị độ
linh hoạt của chúng (dòng 1). Sau đó, thực hiện duyệt từng yêu cầu đón theo thứ tự đã được sắp
xếp (dòng 2). Với mỗi yêu cầu, sẽ thực hiện tìm kiếm xe taxi có thể phục vụ yêu cầu và đạt
được tổng lợi nhuận tốt nhất (dòng 3). Xe taxi có thể phục vụ yêu cầu nếu thỏa mãn đồng thời:
• Xe taxi có thể đến điểm đón trong khung thời gian quy định;
• Xe taxi đảm bảo yêu cầu về tải trọng trong trường hợp phục vụ yêu cầu này;
• Xe taxi đảm bảo tuân thủ các yêu cầu vận tải hành khách là phục vụ trực tiếp trong
trường hợp phục vụ yêu cầu này;
• Tổng thời gian hoạt động của xe taxi không vượt quá thời gian hoạt động cho phép trong
trường hợp phục vụ yêu cầu này.
36
Trường hợp có thể tìm thấy xe taxi có thể phục vụ yêu cầu đang xem xét thì sẽ đưa yêu cầu này
vào hành trình của xe taxi (dòng 4). Trường hợp có nhiều xe taxi cùng đáp ứng yêu cầu thì lựa
chọn xe taxi đầu tiên thỏa mãn. Sau đó, cập nhật giá trị tổng lợi nhuận (dòng 5). Ngược lại,
trong trường hợp không tìm thấy xe taxi đáp ứng yêu cầu thì yêu cầu này bị từ chối, không được
phục vụ (dòng 7).
Thuật toán bao gồm hai mô-đun chính. Mô-đun thực hiện sắp xếp các yêu cầu đón hành khách
hoặc nhận hàng hóa theo giá trị linh hoạt có độ phức tạp Ο(𝑠 log 𝑠). Bước tìm kiếm ở trong
vòng lặp chính của thuật toán có độ phức tạp Ο(|𝐾|). Do đó, độ phức tạp của thuật toán tham
lam là Ο(|𝐾|𝑠 log 𝑠).
2.3.3.3. Thuật toán tìm kiếm địa phương
Để cải thiện chất lượng lời giải hiện tại, một tập hợp nhỏ các yêu cầu kém hiệu quả sẽ bị loại
bỏ khỏi hành trình xe taxi hiện tại và thử đưa vào lại các lộ trình khác nhằm cải thiện chất lượng
lời giải. Tương tự tư tưởng thuật toán tham lam, luận án sử dụng một hàm số tính giá trị hiệu
quả của yêu cầu vận tải.
Giả sử yêu cầu r được phục vụ bởi taxi k. Hành trình của taxi k được thể hiện bởi danh sách các
𝑚𝑖𝑛 là thời gian di chuyển ngắn
điểm 𝑢0, 𝑢1, … , 𝑢ℓ, 𝑢ℓ+1 ≡ 𝑢0 (𝑢0, …,𝑢ℓ+1 ∈ 𝑉 và 𝑢0 là kho đỗ xe của taxi k). Trong đó (𝑢𝑖, 𝑢𝑗)
là điểm đón và điểm trả của yêu cầu r (0 < 𝑖 < 𝑗 < ℓ + 1) và 𝜆𝑢,𝑣
𝑚𝑖𝑛
𝑚𝑖𝑛
nhất từ điểm u đến điểm v. Giá trị hiệu quả của yêu cầu vận tải r được định nghĩa như sau:
𝑚𝑖𝑛 + 𝜆𝑢𝑖,𝑢𝑗
𝑚𝑖𝑛 − 𝜆𝑢𝑖−1,𝑢𝑗
𝑚𝑖𝑛 + 𝜆𝑢𝑗,𝑢𝑗+1
𝑚𝑖𝑛 − 𝜆𝑢𝑖,𝑢𝑗+1
) 𝑔(𝑟) = (𝜆𝑢𝑖−1,𝑢𝑖 ) + (𝜆𝑢𝑖,𝑢𝑗 Có thể thấy, giá trị hiệu quả của một yêu cầu vận tải được tính dựa vào chi phí phục vụ yêu cầu
này trên hành trình hiện tại và chi phí trong trường hợp hành trình hiện tại không phục vụ yêu
cầu này. Trong thực nghiệm của mô hình chia sẻ phương tiện, số lượng yêu cầu vận tải bị loại
bỏ và thực hiện đưa vào lại là 10% trên tổng số các yêu cầu chưa được phục vụ. Thuật toán tìm
kiếm địa phương để cải thiện lời giải được trình bày trong thuật toán 2.3.
Thuật toán 2.3. Thuật toán tìm kiếm địa phương
Đầu vào: Đồ thị G=(V, E);
𝑉𝑝𝑜, 𝑉𝑝𝑑: danh sách yêu cầu đón và trả hành khách;
𝑉𝑓𝑜, 𝑉𝑓𝑑: danh sách yêu cầu nhận và trả hàng hóa;
[𝑒𝑖, ℓ𝑖]: khung thời gian cho phép của yêu cầu 𝑖, ∀𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑝𝑑 ∪ 𝑉𝑓𝑜 ∪ 𝑉𝑓𝑑;
𝐾: tập hợp các xe taxi.
Lời giải bài toán:
• 𝑓1: tổng lợi nhuận;
• Giá trị của các biến.
37
(Chi tiết các đầu vào trình bày tại 2.2.1)
Lời giải bài toán:
Đầu ra:
• 𝑓2: tổng lợi nhuận;
• Giá trị của các biến.
(Chi tiết các biến trình bày tại 2.2.2)
1.
𝑝𝑠𝑖𝑧𝑒 là tỷ lệ phần trăm số lượng yêu cầu vận tải bị loại bỏ;
2.
repeat
3.
Tính toán giá trị hiệu quả 𝑔(𝑖) của tất cả yêu cầu 𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜;
4.
5.
Sắp xếp tất cả yêu cầu 𝑖 ∈ 𝑉𝑝𝑜 ∪ 𝑉𝑓𝑜 theo thứ tự tăng dần theo 𝑔(𝑖);
Lấy 𝑝𝑠𝑖𝑧𝑒 các yêu cầu đầu tiên đã được sắp xếp đưa vào tập hợp 𝑉′;
foreach yêu cầu 𝑖 ∈ 𝑉′ do
6.
Cập nhật trạng thái của tất cả xe taxi K tại thời điểm 𝑒𝑖;
Cập nhật trạng thái của tất cả điểm đỗ xe taxi 𝑝 ∈ 𝑉𝑝𝑎 tại thời điểm 𝑒𝑖;
7.
Gọi 𝑘1 ∈ 𝐾 là xe taxi đang phục vụ yêu cầu vận tải i;
8.
if tìm thấy xe taxi gần nhất 𝑘2 ∈ 𝐾 có thể phục vụ yêu cầu i và tăng tổng lợi
nhuận tốt nhất hiện tại then
9.
Đưa yêu cầu i vào hành trình hiện tại của taxi 𝑘2;
10.
Cập nhật tổng lợi nhuận tốt nhất hiện tại;
11.
end if
12.
end for
13.
until không thể đạt được tổng lợi nhuận tốt hơn;
Mô-đun thực hiện sắp xếp yêu cầu đón hành khách và yêu cầu nhận hàng hóa theo giá trị hiệu
quả có độ phức tạp Ο(𝑠 log 𝑠). Vòng lặp chính của thuật toán tìm kiếm địa phương có độ phức
tạp Ο(|𝐾| ∗ |𝑉|log|𝑉|).
Do đó, độ phức tạp của thuật toán trên là Ο(𝑞 ∗ |𝐾| ∗ 𝑠 log 𝑠∗ |𝑉|log|𝑉|) với q là số bước lặp
của thuật toán tìm kiếm địa phương và K là tập hợp các xe taxi.
2.4. THỰC NGHIỆM VÀ ĐÁNH GIÁ
Dữ liệu thực nghiệm được xử lý và tạo ra từ tập dữ liệu gốc được cung cấp bởi công ty taxi
Tokyo-Musen. Dữ liệu này được thống kê theo ngày trong năm 2009 từ các lộ trình thực tế của
xe taxi vận tải ở Tokyo. Dữ liệu bản đồ Tokyo được trích xuất từ dữ liệu OpenStreetMap.
Thực nghiệm được tiến hành với ba mô hình vận tải: mô hình vận tải trực tiếp, mô hình chia sẻ
tĩnh và mô hình chia sẻ động. Luận án đánh giá các yếu tố khác nhau từ lời giải của thuật toán.
Các thuật toán được lập trình sử dụng ngôn ngữ lập trình Java. Thực nghiệm được tiến hành
38
trên máy tính sử dụng vi xử lý 2.4 GHz Intel Core i7 với bộ nhớ RAM là 16GB. Ở đây, luận án
lựa chọn 4 ngày liên tục (22/01/2009-25/01/2009) trong bộ dữ liệu tháng 01/2009 để thực
nghiệm thuật toán. Bộ dữ liệu thực nghiệm bao gồm các tình huống vận tải của ngày làm việc
cũng như ngày cuối tuần.
2.4.1. Dữ liệu thực nghiệm
Dữ liệu thực nghiệm được tạo sau bốn bước xử lý:
• Xử lý mạng lưới đường giao thông của Tokyo;
• Chuyển đổi yêu cầu vận tải;
• Xử lý khung tốc độ;
• Định vị kho và bến đỗ tạm thời của taxi.
2.4.1.1. Xử lý mạng lưới đường giao thông của Tokyo
Bản đồ đường giao thông của Tokyo là bản đồ hình vuông với kích thước cạnh là 80 km. Bản
đồ này sẽ được chia thành các vùng 8x8. Bản đồ đường giao thông của Tokyo gồm trung bình
khoảng 130.000 điểm giao nhau, 15.000 đường và vận tải 1.000 hành khách mỗi giờ. Luận án
xử lý dữ liệu trong hai bước: tiền xử lý dữ liệu và giản lược bản đồ.
Bước 1 – Tiền xử lý dữ liệu. Luận án tổng hợp 64 vùng bản đồ thành một bản đồ. Một vị trí
trên bản đồ sẽ được đại diện bởi một cặp số nguyên tọa độ trong khoảng [0, 80.000]. Để đảm
bảo thuận tiện và tiêu chuẩn hóa, luận án chuyển đổi các tọa độ Đề-Các sang tọa độ địa lý (kinh
độ, vĩ độ). Vì điểm đỉnh dưới bên trái của bản đồ là (35020’N, 139000’E) và điểm đỉnh trên bên
phải là (36000’N, 140000’E), vĩ độ (gx) và kinh độ (gy) là các điểm được tính toán bởi công thức
∗ (36000′ − 35020′)
𝑔𝑥 = 35020′ +
{
,
∗ (140000′ − 139000′)
𝑔𝑦 = 139000′ +
𝑥
80000
𝑦
80000
chuyển đổi sau:
với x, y là tọa độ của điểm g.
),
𝑑𝑥,𝑦 = 2𝑟 ∗ 𝑎𝑟𝑐𝑠𝑖𝑛√𝑠𝑖𝑛2 (
) + cos(𝑔𝑥1) cos(𝑔𝑥1) 𝑠𝑖𝑛2 (
𝑔𝑥2 − 𝑔𝑥1
2
𝑔𝑦2 − 𝑔𝑦1
2
Để tính toán khoảng cách của mỗi cạnh, luận án sử dụng công thức Havershine [76]:
với
● 𝑑𝑥,𝑦: khoảng cách giữa 2 điểm;
● r: bán kính;
● (𝑔𝑥1, 𝑔𝑦1): vĩ độ và kinh độ của điểm đầu tiên;
● (𝑔𝑥2, 𝑔𝑦2): vĩ độ và kinh độ của điểm thứ hai.
39
Bước 2 – Giản lược bản đồ. Trong bản đồ đường giao thông của Tokyo, các tuyến đường được
biểu diễn bởi các đường thẳng liên tục. Do đó, một điểm trên bản đồ được xem là một điểm kết
nối nếu nó không là điểm dừng đỗ hoặc điểm giao lộ. Luận án chỉ sử dụng các điểm kết nối để
giản lược các điểm trên bản đồ. Ngoài ra, đối với mỗi điểm có hai cạnh nối và điểm này không
phải là điểm đón hay điểm trả, luận án sẽ loại bỏ điểm này và kết nối hai điểm láng giềng bằng
một cạnh mới với cùng khoảng cách. Bước này giúp giảm các điểm dư thừa mà không ảnh
hưởng đến kỹ thuật tìm kiếm đường đi trên đồ thị động. Luận án đã loại bỏ 117.000 điểm tương
đương 90% số điểm của bản đồ tạo ra từ tập dữ liệu Tokyo. Do đó, tốc độ thuật toán đã được
cải tiến nhanh hơn 100 lần so với sử dụng bản đồ gốc.
2.4.1.2. Chuyển đổi yêu cầu vận tải
Dữ liệu thu thập của taxi Tokyo-Musen bao gồm: vị trí (kinh độ, vĩ độ), thời gian phục vụ (thời
gian đón, thời gian trả hành khách) và tốc độ di chuyển của xe taxi. Do đó, luận án thực hiện
khớp những địa điểm yêu cầu vận tải với tọa độ của bản đồ và tạo ra các khung thời gian hợp
lý cho các yêu cầu vận tải. Để khớp các địa điểm của yêu cầu vận tải, luận án thay thế địa điểm
của yêu cầu vận tải bằng các điểm gần nhất trên bản đồ dựa vào khoảng cách Haversine. Sau
đó, luận án chuyển đổi 70% yêu cầu vận tải hành khách thành yêu cầu vận tải hàng hóa. Đối
với yêu cầu vận tải hàng hóa, luận án điều chỉnh khung thời gian nhận và giao hàng là vào buổi
sáng [8h30, 12h00] hoặc vào buổi chiều [12h00, 21h00]. Đối với yêu cầu vận tải hành khách,
khung thời gian sẽ bắt đầu với thời điểm phục vụ thực tế của dữ liệu gốc và kéo dài trong vòng
10 phút.
2.4.1.3. Xử lý khung tốc độ
Tốc độ của xe taxi phụ thuộc nhiều vào tình trạng tắc nghẽn giao thông và theo từng vùng của
thành phố. Do đó, luận án xử lý các khung tốc độ theo ba vùng của thành phố gồm: vùng trung
tâm, vùng đệm và ngoại ô thành phố. Trong từng vùng, luận án phân loại khung tốc độ theo
mức độ tắc nghẽn giao thông.
Luận án phân tích dữ liệu giao thông hàng ngày của Tokyo trong các ngày liên tục từ 20/01/2009
đến 31/01/2009. Từ đó, luận án xây dựng tốc độ di chuyển trung bình của xe taxi theo khung
thời gian. Chi tiết giá trị tốc độ di chuyển trung bình của xe taxi theo khung thời gian được trình
bày trong Bảng 2.1.
40
1 Bảng 2.1. Bảng thống kê tốc độ trung bình của taxi Tokyo-Musen theo giờ
Giờ
(hh:mm)
Tốc độ trung bình
(km/h)
Giờ
(hh:mm)
Tốc độ trung bình
(km/h)
00:00
31.64
00:30
30.87
01:00
35.11
01:30
36.01
02:00
34.95
02:30
36.51
03:00
33.93
03:30
34.71
04:00
35.27
04:30
35.47
05:00
31.96
05:30
32.98
06:00
26.51
06:30
29.65
07:00
20.99
07:30
23.42
08:00
18.95
08:30
19.82
09:00
18.63
09:30
19.44
10:00
18.38
10:30
18.23
11:00
19.82
11:30
18.92
12:00
20.73
12:30
20.28
13:00
19.80
13:30
20.28
14:00
18.67
14:30
19.28
15:00
18.85
15:30
18.79
16:00
18.73
16:30
18.70
17:00
18.15
17:30
18.26
18:00
19.15
18:30
18.98
19:00
22.03
19:30
21.11
20:00
22.94
20:30
22.33
21:00
24.61
21:30
23.53
22:00
24.73
22:30
25.39
23:00
29.15
23:30
26.34
Sau đó, luận án chia bản đồ thành ba vùng khác nhau: vùng trung tâm, vùng đệm và vùng ngoại
ô thành phố dựa vào tốc độ di chuyển tối đa của xe taxi trong giờ cao điểm. Bảng 2.2 đưa ra
2 Bảng 2.2. Các mức tắc nghẽn giao thông và khung giờ theo Tokyo-Musen Taxi
các khung thời gian khác nhau phân loại theo ba mức độ tắc nghẽn giao thông.
Mức tắc nghẽn
Khung thời gian (hh:mm)
Bình thường
[00:00, 05:30]; [19:30, 00:00]
Tắc nghẽn một phần
[05:30, 07:30]; [09:00, 17:30]
Tắc nghẽn
[07:30, 09:00]; [17:30, 19:30]
41
Dựa vào phân tích dữ liệu thực tế, luận án sử dụng khung thời gian tương ứng giới hạn tốc độ
3 Bảng 2.3. Các khung tốc độ theo từng vùng và mức tắc nghẽn giao thông theo Tokyo-Musen Taxi
di chuyển của taxi cho ba vùng trong một ngày ở bảng 2.3.
Mức tắc nghẽn
Trong thành phố
(km/h)
Vùng ven thành phố
(km/h)
Vùng ngoại ô
(km/h)
Bình thường
[30; 50]
[30; 50]
[30; 50]
Tắc nghẽn một phần
[14; 30]
[30; 50]
[30; 50]
Tắc nghẽn
[5; 14]
[14; 30]
[30; 50]
2.4.1.4. Định vị kho và bến đỗ của xe taxi
Kho đỗ xe là địa điểm xuất phát và kết thúc hành trình của một xe taxi sau khi thực hiện vận
tải. Luận án tổng hợp các điểm bắt đầu và kết thúc của xe taxi trong suốt thời gian làm việc từ
dữ liệu taxi Tokyo-Musen để xác định các kho đỗ xe. Ngoài ra, bãi đỗ xe là điểm dừng tạm thời
để chờ yêu cầu vận tải tiếp theo. Từ dữ liệu taxi Tokyo-Musen, luận án tính toán tần suất của
các điểm mà xe taxi dừng hơn 3 phút. Các điểm này này sẽ được sử dụng làm bến đỗ xe.
2.4.1.5. Bộ dữ liệu thực nghiệm và tham số thực nghiệm
Bộ dữ liệu thực nghiệm được xây dựng từ dữ liệu taxi Tokyo-Musen trong 4 ngày liên tục từ
22/01/2009 đến 25/01/2009. Thông số của bộ dữ liệu thực nghiệm được thể hiện trong bảng
2.4. Mỗi bộ dữ liệu bao gồm các thông tin: số lượng yêu cầu vận tải hành khách, số lượng yêu
cầu vận tải hàng hóa, số lượng kho đỗ xe và số lượng bãi đỗ xe. Bảng 2.5 và bảng 2.6 thể hiện
chi phí vận tải bằng xe taxi Tokyo-Musen và giá cước vận tải hàng hóa được tham chiếu từ
4 Bảng 2.4. Thông tin các bộ dữ liệu thực nghiệm
website [77] [78]. Các tham số thực nghiệm của thuật toán được trình bày trong bảng 2.7.
Dữ liệu 1
Dữ liệu 2
Dữ liệu 3
Dữ liệu 4
(22/01/2009)
(23/01/2009)
(24/01/2009)
(25/01/2009)
13.483
14.213
11.842
9.395
Số lượng yêu cầu vận tải
hành khách
29.404
30.972
25.762
20.361
Số lượng yêu cầu vận tải
hàng hóa
Số lượng kho đỗ xe
6.226
5.615
4.766
6.032
Số lượng bãi đỗ xe
120
133
114
128
42
5 Bảng 2.5. Cước phí vận tải hành khách của taxi ở Nhật Bản 2009 (nguồn [77])
Khoảng cách (km)
¥
2 km đầu tiên
730
Mỗi 280 m tiếp theo
90
6 Bảng 2.6. Cước phí vận tải hàng hóa của taxi ở Nhật Bản 2009 (nguồn [78])
Loại
¥
Kích thước tối đa
(cm)
Trọng lượng
(kg)
60
60
2
756
80
80
5
972
100
100
10
1.188
120
120
15
1.404
140
140
20
1.620
160
160
25
1.836
7 Bảng 2.7. Thông số thực nghiệm
Thông số
Giá trị
Giá trị
Giá trị
730
322
27
α
11
113
28
0,7
0,3
1.667
𝛾3
µ
Thông số
𝛾1
𝛾4
𝜐
Thông số
𝛾2
𝛾5
𝛾6
2.4.2 Kết quả thực nghiệm
Kết quả thực nghiệm được tổng hợp trong các bảng 2.8, 2.9, 2.10 và bảng 2.11. Tổng lợi nhuận,
doanh thu và chi phí được tính theo đơn vị 10.000 ¥. Kết quả của mỗi thuật toán sẽ được thống
kê theo tổng lợi nhuận, doanh thu vận tải hành khách, doanh thu bổ sung của vận tải hành khách,
doanh thu vận tải hàng hóa, chi phí thuê lái xe taxi, chi phí sử dụng taxi, chi phí vận hành xe,
thời gian vận tải, số lượng yêu cầu vận tải được phục vụ, số lượng yêu cầu vận tải thực hiện
chia sẻ phương tiện, số lượng xe taxi tham gia vận tải và thời gian thực hiện của thuật toán.
Luận án chỉ ra hiệu năng của các thuật toán thông qua so sánh kết quả thực nghiệm đối với hai
mô hình: mô hình vận tải trực tiếp và mô hình vận tải chia sẻ phương tiện. Mô hình chia sẻ
phương tiện bao gồm hai trường hợp: mô hình chia sẻ tĩnh và mô hình chia sẻ động. Theo kết
quả thực nghiệm, tất cả yếu tố thu được từ mô hình chia sẻ phương tiện tốt hơn mô hình vận tải
trực tiếp: tổng lợi nhuận cao hơn, tổng thời gian vận tải ít hơn và số lượng xe taxi sử dụng ít
hơn.
43
Tổng lợi nhuận mô hình chia sẻ phương tiện cao hơn gấp 1,15 lần so với mô hình vận tải trực
tiếp. Tất cả yêu cầu vận tải đều được phục vụ trong cả hai mô hình. Đặc biệt, số lượng yêu cầu
vận tải thực hiện chia sẻ phương tiện chiếm 69,5% trên tổng số yêu cầu trong mô hình chia sẻ
phương tiện. Điều này ảnh hưởng mạnh mẽ đến số lượng taxi sử dụng. Số lượng taxi sử dụng
trong mô hình chia sẻ phương tiện giảm 0,47 lần so với mô hình trực tiếp. Vì số lượng yêu cầu
chia sẻ lớn và số lượng taxi sử dụng ít hơn, tổng thời gian vận tải của mô hình chia sẻ phương
tiện ít hơn 0,27 lần so với mô hình vận tải trực tiếp.
Trong mô hình chia sẻ phương tiện, mô hình chia sẻ tĩnh có tổng lợi nhuận cao hơn mô hình
chia sẻ động. Vì trong mô hình chia sẻ tĩnh, tất cả yêu cầu vận tải đều biết trước nên thuật toán
có nhiều cơ hội để thực hiện chia sẻ phương tiện giữa hàng hóa hoặc với một hành khách trong
cùng 1 xe taxi. Do đó, mô hình chia sẻ tĩnh sử dụng ít xe taxi hơn so với mô hình chia sẻ động.
Có thể nhận xét rằng, số lượng yêu cầu vận tải hàng hóa càng nhiều thì mô hình chia sẻ tĩnh sẽ
8 Bảng 2.8. Kết quả thực nghiệm bộ dữ liệu 1
càng hiệu quả.
Mô hình chia sẻ phương tiện
Tiêu chí thực nghiệm
Mô hình
vận tải trực tiếp
Mô hình
chia sẻ tĩnh
Mô hình
chia sẻ động
4.761,98
5.402,70
5.304,24
Tổng lợi nhuận
164.348,40
164.336,42
162.325,88
Doanh thu vận tải
hành khách
133,68
133,72
133,68
Doanh thu bổ sung
của vận tải hành khách
Doanh thu vận tải hàng hóa
211.226,88
211.206,68
211.226,88
934,32
944,82
1253,70
Chi phí nhân công
cho tài xế taxi
89,33
172,17
251,50
Chi phí sử dụng taxi
252.242,55
255.079,92
338.473,20
Chi phí vận tải
9.218,76
8.502,66
11.282,44
Thời gian vận tải (giờ)
13.483
13.483
13.483
Số lượng hành khách vận tải
29.404
29.404
29.404
Số lượng hàng hóa vận tải
29.802
29.740
0
Số lượng yêu cầu vận tải
chia sẻ phương tiện
1.440
2.322
3.848
Số lượng xe taxi
tham gia vận tải
9.784
4.613
1.594
Thời gian thực thi
44
thuật toán (giây)
9 Bảng 2.9. Kết quả thực nghiệm bộ dữ liệu 2
Mô hình chia sẻ phương tiện
Tiêu chí thực nghiệm
Mô hình
vận tải trực tiếp
Mô hình
chia sẻ tĩnh
Mô hình
chia sẻ động
Tổng lợi nhuận
5.710,87
5.601,77
5.019,32
3.116,10
3.116,00
3.115,06
Doanh thu vận tải
hành khách
138,10
138,10
138,10
Doanh thu bổ sung
của vận tải hành khách
Doanh thu vận tải hàng hóa
4.005,51
4.005,51
4.005,51
972,94
990,45
1.523,23
Chi phí nhân công
cho tài xế taxi
Chi phí sử dụng taxi
89,33
172,17
251,50
Chi phí vận tải
486,47
495,23
662,62
Thời gian vận tải (giờ)
8.755,76
8.913,35
11.926,14
Số lượng hành khách vận tải
14.213
14.213
14.213
Số lượng hàng hóa vận tải
30.972
30.972
30.972
31.622
31.362
0
Số lượng yêu cầu vận tải
chia sẻ phương tiện
1.465
2.364
4.182
Số lượng xe taxi
tham gia vận tải
10.526
5.439
1.712
Thời gian thực thi
thuật toán (giây)
10 Bảng 2.10. Kết quả thực nghiệm bộ dữ liệu 3
Tiêu chí thực nghiệm
Mô hình
vận tải trực tiếp
Mô hình chia sẻ phương tiện
Mô hình
chia sẻ tĩnh
Mô hình
chia sẻ động
Tổng lợi nhuận
4.772,88
4.683,51
4.059,70
2.759,19
2.759,19
2.759,34
Doanh thu vận tải
hành khách
81,73
81,37
81,73
Doanh thu bổ sung của
vận tải hành khách
Doanh thu vận tải hàng hóa
3.337,00
3.337,00
3.337,00
877,14
881,50
1.244,59
Chi phí nhân công
cho tài xế taxi
Chi phí sử dụng taxi
89,33
172,17
251,50
45
Chi phí vận tải
438.57
440,75
622,29
Thời gian vận tải (giờ)
7.893,59
7.932,84
11.200,36
Số lượng hành khách vận tải
11.842
11.842
11.842
Số lượng hàng hóa vận tải
25.762
25.762
25.762
25.819
25.895
0
Số lượng yêu cầu vận tải
chia sẻ phương tiện
1.429
2.221
3.883
Số lượng xe taxi
tham gia vận tải
7.915
4.108
1.357
Thời gian thực thi
thuật toán (giây)
11 Bảng 2.11. Kết quả thực nghiệm bộ dữ liệu 4
Tiêu chí thực nghiệm
Mô hình
vận tải trực tiếp
Mô hình chia sẻ phương tiện
Mô hình
Mô hình
chia sẻ động
chia sẻ tĩnh
Tổng lợi nhuận
3.655,42
3.565,09
3.073,46
2.055,45
2.055,45
2.055,82
Doanh thu vận tải
hành khách
75,98
75,98
75,98
Doanh thu bổ sung của
vận tải hành khách
Doanh thu vận tải hàng hóa
2.633,45
2.633,45
2.633,45
680,08
685,08
960,18
Chi phí nhân công
cho tài xế taxi
Chi phí sử dụng taxi
89,33
172,17
251,50
Chi phí vận tải
340,04
342,54
480,09
Thời gian vận tải (giờ)
6.120,23
6.165,25
8.640,97
Số lượng hành khách vận tải
9.395
9.395
9.395
Số lượng hàng hóa vận tải
20.361
20.361
20.361
20.396
20.386
0
Số lượng yêu cầu vận tải
chia sẻ phương tiện
1.152
1.736
3.040
Số lượng xe taxi
tham gia vận tải
7.142
3.705
1.218
Thời gian thực thi
thuật toán (giây)
Ngoài ra, các dữ liệu tích lũy theo các khung thời gian sẽ được biểu diễn trong các biểu đồ phân
tích bao gồm: tổng lợi nhuận, thời gian vận tải và số lượng taxi bổ sung để thực hiện vận tải.
Trong các biểu đồ này, đường đứt nét thể hiện kết quả của mô hình chia sẻ động, đường chấm
46
tròn thể hiện kết quả của mô hình chia sẻ tĩnh và đường nét liền thể hiện kết quả của mô hình
vận tải trực tiếp.
Hình 2.3 và hình 2.4 thể hiện biểu đồ số lượng xe taxi bổ sung theo khung thời gian để phục vụ
các yêu cầu vận tải mới. Thống kê trong khoảng thời gian một ngày, số lượng xe taxi sử dụng
trong mô hình vận tải trực tiếp tăng lên đáng kể theo thời gian. Theo các biểu đồ này, một số
lượng xe taxi được bổ sung để phục vụ vận tải trong giờ cao điểm, đặc biệt là trong mô hình
vận tải trực tiếp. Trong toàn bộ các khung thời gian, mô hình vận tải chia sẻ phương tiện sử
dụng ít xe taxi hơn so với mô hình vận tải trực tiếp. Trong giờ cao điểm hoặc gần cao điểm, số
lượng xe taxi tham gia vận tải trong mô hình chia sẻ tĩnh ít hơn so với mô hình chia sẻ động.
Điều này cho thấy sử dụng mô hình chia sẻ tĩnh sẽ giúp giảm tắc nghẽn hiệu quả trong giờ cao
điểm hoặc gần cao điểm.
Trong mô hình chia sẻ phương tiện, một số lượng lớn các yêu cầu vận tải được chia sẻ nên tổng
thời gian vận tải giảm đáng kể. Điều này được thể hiện qua biểu đồ ghi nhận thời gian vận tải
tích lũy hình 2.5, 2.6, 2.7 và hình 2.8.
Ngoài ra, chi tiết tổng lợi nhuận tích lũy theo từng 2 giờ của mô hình vận tải trực tiếp và mô
hình vận tải chia sẻ phương tiện được thể hiện trong hình 2.9, 2.10, 2.11 và hình 2.12. Dựa vào
các biểu đồ này cho thấy, tổng lợi nhuận tích lũy của mô hình chia sẻ luôn lớn hơn tổng lợi
nhuận của mô hình vận tải trực tiếp. Chi tiết của tổng lợi nhuận theo khung thời gian được thể
hiện trong hình 2.13, 2.14, 2.15 và hình 2.16.
Thời gian chạy thuật toán được thống kê trong bảng 2.8, 2.9, 2.10 và bảng 2.11. Thời gian chạy
thuật toán chỉ ra tính khả thi của mô hình bài toán. Theo thống kê, mỗi yêu cầu vận tải được
thuật toán xử lý trong thời gian trung bình 0,11 giây. Điều này cho thấy mô hình chia sẻ phương
tiện có tính khả thi khi áp dụng vào thực tế.
Hiện nay tại Việt Nam, hệ thống đặt xe và chia sẻ phương tiện được sử dụng thông dụng bao
gồm: Grab, Be. Trong đó, hệ thống Grab chỉ cho phép chia sẻ phương tiện giữa hai hành khách
đi cùng quãng đường thông qua dịch vụ GrabShare. Các dịch vụ này không thực hiện chia sẻ
phương tiện giữa một hành khách và hàng hóa. Ngoài ra, các nhà cung cấp dịch vụ đặt xe, chia
sẻ phương tiện như Grab và Be không cung cấp các dữ liệu thực tế. Trong trường hợp có những
dữ liệu vận tải thực tế, mô hình bài toán có thể thực hiện thực nghiệm và đưa ra các đánh giá
về hiệu năng và tính khả thi khi áp dụng thực tế.
47
(a) Bộ dữ liệu 1 (b) Bộ dữ liệu 2
(c) Bộ dữ liệu 3 (d) Bộ dữ liệu 4 6 Hình 2.3. Số lượng taxi bổ sung theo khung thời gian để thực hiện vận tải
48
7 Hình 2.4. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 1
8 Hình 2.5. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 2
49
9 Hình 2.6. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 3
10 Hình 2.7. Biểu đồ thời gian vận tải tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 4
50
11 Hình 2.8. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 1
12 Hình 2.9. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 2
51
13 Hình 2.10. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 3
14 Hình 2.11. Biểu đồ lợi nhuận tích lũy theo từng khoảng thời gian 2h của bộ dữ liệu 4
52
16 Hình 2.13. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 2
15 Hình 2.12. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 1
53
17 Hình 2.14. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 3
18 Hình 2.15. Biểu đồ lợi nhuận theo từng khoảng thời gian 2h của bộ dữ liệu 4
54
2.5. KẾT LUẬN CHƯƠNG
Chương này trình bày các nội dung chính sau: Thứ nhất, giới thiệu bài toán mở rộng của bài toán
chia sẻ phương tiện SARP; Thứ hai, trình bày mô hình toán học biểu diễn bài toán. Thứ ba, xây
dựng các thuật toán để giải quyết bài toán với mô hình vận tải trực tiếp, mô hình chia sẻ tĩnh và
mô hình chia sẻ động. Thứ tư, trình bày về cách thức xây dựng dữ liệu thực nghiệm, thông số
thực nghiệm từ dữ liệu taxi Tokyo-Musen và ghi nhận, phân tích kết quả thực nghiệm của mô
hình chia sẻ phương tiện và mô hình vận tải trực tiếp. Kết quả thực nghiệm chứng minh tính ứng
dụng của mô hình trong thực tiễn.
Kết quả chính của chương này đã được công bố tại tạp chí Data & Knowledge Engineering [3],
hội thảo SOICT 2015 [1] và hội thảo KSE 2016 [2].
55
CHƯƠNG 3. VẤN ĐỀ ĐỊNH VỊ VÀ ĐỊNH TUYẾN TRONG BÀI
TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN
Nghiên cứu mở rộng vấn đề định tuyến của mô hình hậu cần đô thị một mức được trình bày ở
Chương 2, chương này trình bày vấn đề định vị và định tuyến trong hậu cần đô thị thông qua
bài toán giao và nhận đa loại hàng hóa, đa tuyến. Cụ thể, vấn đề định vị và định tuyến trong
hậu cần đô thị một mức được nghiên cứu thông qua bài toán giao và nhận đa loại hàng hóa, đa
tuyến với khung thời gian và đồng bộ MTT-PDTWS (gọi tắt là bài toán MTT-PDTWS). Mở
rộng bài toán MTT-PDTWS, vấn đề định vị và định tuyến trong hậu cần đô thị hai mức được
nghiên cứu xây dựng và giải quyết bài toán giao và nhận đa loại hàng hóa, đa tuyến ở hai mức
với khung thời gian và đồng bộ 2E-MTT-PDTWS (gọi tắt là bài toán 2E-MTT-PDTWS).
Phần đầu tiên của chương sẽ giới thiệu bài toán MTT-PDTWS và xây dựng bài toán 2E-MTT-
PDTWS. Tiếp theo, thuật toán tìm kiếm lân cận lớn thích nghi ALNS (gọi tắt là thuật toán
ALNS) được xây dựng để giải quyết bài toán MTT-PDTWS. Kết hợp thuật toán ALNS với
thuật toán heuristic, luận án xây dựng thuật toán để giải quyết bài toán 2E-MTT-PDTWS. Phần
cuối của chương sẽ trình bày thực nghiệm, phân tích và đánh giá hiệu quả của thuật toán.
3.1. TỔNG QUAN BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA
TUYẾN
Đa số các nghiên cứu về hậu cần đô thị hai mức tập trung nghiên cứu vận tải hàng hóa từ bên
ngoài thành phố vào trong thành phố (hàng hóa e2c) và vận tải hàng hóa từ bên trong thành phố
ra ngoài thành phố (hàng hóa c2e). Một trong các nghiên cứu về hàng hóa e2c được trình bày
trong bài toán định tuyến xe đa vùng, đa tuyến phụ thuộc thời gian với khung thời gian TMZT-
VRPTW. Trong bài toán TMZT-VRPTW, một đội xe tải nhỏ xuất phát từ một kho đỗ xe đến
điểm trung chuyển nhận hàng và sau đó giao hàng hóa e2c đến khách hàng trong khung thời
gian quy định. Các yêu cầu khách hàng trong bài toán này được chia thành các vùng theo các
điểm trung chuyển. Do đó, mỗi vùng có thể được xem là một bài toán VRPTW. Tác giả Crainic
và cộng sự là người đầu tiên đề xuất thuật toán heuristic dựa trên sự phân rã decomposition-
based [2] và áp dụng để giải quyết bài toán trong nghiên cứu sau đó [39]. Ngoài ra, tác giả
Nguyen và cộng sự đề xuất thuật toán tìm kiếm Tabu để giải quyết bài toán này trong nghiên
cứu [57]. Sau đó, các tác giả tiếp tục mở rộng thuật toán tìm kiếm Tabu này để giải quyết một
bài toán mới “Giao và nhận hàng hóa, đa tuyến với khung thời gian và đồng bộ MT-PDTWS”
56
[58]. Bên cạnh thực hiện giao hàng hóa e2c tương tự bài toán TMZT-VRPTW, đội xe tải nhỏ
trong bài toán MT-PDTWS cho phép nhận các hàng hóa c2e tại khách hàng và vận tải đến các
điểm trung chuyển. Trong công trình [40], tác giả Crainic và cộng sự tổng quát hóa hai bài toán
TMZT-VRPTW và MT-PDTWS, bằng một đề xuất cho bài toán mới “Giao và nhận đa loại
hàng hóa, đa tuyến với khung thời gian và đồng bộ MTT-PDTWS”. Bài toán MTT-PDTWS
nghiên cứu đồng thời ba loại hàng hóa:
• Hàng hóa e2c: hàng hóa chuyển từ ngoài thành phố vào trong thành phố;
• Hàng hóa c2e: hàng chuyển từ trong thành phố ra ngoài thành phố;
• Hàng hóa c2c: hàng hóa nhận từ khách hàng và giao cho khách hàng trong thành phố.
Để nghiên cứu vấn đề định vị và định tuyến ở hậu cần đô thị một mức, luận án nghiên cứu và
xây dựng thuật toán ALNS để giải quyết bài toán MTT-PDTWS. Mở rộng bài toán MTT-
PDTWS cho mô hình hậu cần đô thị hai mức, luận án xây dựng bài toán mới “Giao và nhận đa
loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ”.
3.2. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN VỚI
KHUNG THỜI GIAN VÀ ĐỒNG BỘ
3.2.1. Phát biểu bài toán
Bài toán MTT-PDTWS sử dụng một đội xe tải nhỏ để vận tải các loại hàng hóa. Mỗi xe tải nhỏ
có trọng tải Q, xuất phát từ một kho đỗ xe g và thực hiện các lộ trình giao và nhận hàng hóa với
các loại hàng hóa khác nhau: hàng hóa e2c, hàng hóa c2e và hàng hóa c2c. Tính chất phụ thuộc
thời gian của bài toán được mô hình hóa thông qua tính chất của yêu cầu vận tải và các khung
thời gian giao và nhận hàng hóa.
Đối với loại hàng hóa e2c, hàng hóa sẽ được tập trung tại điểm trung chuyển và được xe tải nhỏ
đến nhận và giao đến khách hàng. Ngược lại, xe tải nhỏ sẽ nhận các hàng hóa c2e từ khách hàng
và chuyển đến các điểm trung chuyển. Trong mô hình bài toán MTT-PDTWS, mỗi điểm trung
chuyển 𝑠 ∈ 𝑆 được quy định:
• Xe tải nhỏ không được phép chờ tại điểm trung chuyển;
• Khung thời gian hoạt động [𝑡(𝑠) − 𝜂, 𝑡(𝑠)]: quy định thời điểm sớm nhất và trễ nhất
cho phép xe tải nhỏ đến điểm trung chuyển. Trong trường hợp xe tải nhỏ đến trước thời
điểm 𝑡(𝑠) − 𝜂, xe tải nhỏ có thể đỗ tạm thời tại một trạm chờ 𝑤 ∈ 𝑊 trước khi di chuyển
đến điểm trung chuyển s. Xe tải nhỏ không được phép đến điểm trung chuyển s sau thời
điểm 𝑡(𝑠).
57
Một khách hàng có thể yêu cầu các dịch vụ vận tải hàng hóa khác nhau:
● Nhận hàng hóa e2c từ các điểm trung chuyển tại các khung thời gian khác nhau;
● Giao hàng hóa c2e đến một trong các điểm trung chuyển đăng ký trước;
● Nhận và giao hàng hóa c2c đến khách hàng khác.
Mỗi khách hàng được phép yêu cầu một hoặc nhiều dịch vụ vận tải hàng hóa nêu trên. Để đơn
giản khi mô hình hóa, mỗi yêu cầu dịch vụ vận tải hàng hóa cụ thể nêu trên được xem là một
yêu cầu vận tải hàng hóa của bài toán.
Các yêu cầu giao hàng hóa e2c được biểu diễn bởi tập hợp 𝐶𝐷. Mỗi yêu cầu 𝑑 ∈ 𝐶𝐷 bao gồm
các các thông tin:
• Thông tin khách hàng nhận hàng và khung thời gian cho phép nhận hàng;
• Điểm trung chuyển tập trung hàng hóa e2c tương ứng.
Tương tự, tập hợp 𝐶𝑃 là tập hợp của các yêu cầu nhận hàng hóa c2e từ khách hàng và chuyển
đến điểm trung chuyển. Mỗi yêu cầu nhận hàng hóa c2e, 𝑝 ∈ 𝐶𝑃, bao gồm các thông tin:
• Thông tin khách hàng để lấy hàng và khung thời gian cho phép lấy hàng;
• Danh sách các điểm trung chuyển (𝑆𝑝) được phép chuyển hàng đến sau khi lấy hàng.
Đối với hàng hóa c2e, việc lựa chọn một điểm trung chuyển thích hợp trong danh sách điểm
trung chuyển đăng ký trước là một quyết định của bài toán.
𝑝 , và yêu cầu giao hàng hóa c2c, 𝑞̅ ∈ 𝐶𝑐2𝑐
𝐷 } sẽ được đại diện bởi bộ
𝑃 ∪ 𝐶𝑐2𝑐
Ngoài ra, yêu cầu nhận và giao hàng hóa c2c được biểu diễn bởi tập hợp (𝑝̅, 𝑞̅) ∈ 𝑅 . Trong đó,
𝑞 . Tổng
tập hợp các yêu cầu nhận hàng hóa c2c, 𝑝̅ ∈ 𝐶𝑐2𝑐
quát, mỗi yêu cầu vận tải của khách hàng 𝑖 ∈ {𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
thông tin (𝑖, 𝑞𝑖, 𝛿(𝑖), [𝑒𝑖, 𝑙𝑖]) với:
● 𝑞𝑖 > 0: số lượng hàng hóa yêu cầu nhận hoặc yêu cầu giao. Với (𝑝̅, 𝑞̅) ∈ 𝑅 thì 𝑞𝑝̅ =
−𝑞𝑑̅;
● [𝑒𝑖, ℓ𝑖]: khung thời gian cho phép nhận hoặc giao hàng;
● 𝛿(𝑖): thời gian thực hiện nhận hoặc lấy hàng hóa.
𝐷 ∈ 𝐶𝐷 hoặc cả hai. Tại mỗi điểm trung
Có thể thấy rằng, mỗi điểm trung chuyển s có thể phục vụ một số lượng hàng hóa chuyển ra
𝑃 ∈ 𝐶𝑃 hoặc chuyển vào thành phố 𝐶𝑠
ngoài thành phố 𝐶𝑠
chuyển s, khoảng thời gian tương ứng để bốc và dỡ hàng hóa của một xe tải nhỏ là ∅(𝑠) và
∅′(𝑠). Để đơn giản hóa, thời gian bốc và dỡ hàng này không phụ thuộc vào số lượng hàng.
Để thuận tiện cho việc phát biểu bài toán, các định nghĩa sau được sử dụng:
• Một lộ trình c2c: là một lộ trình của một xe tải nhỏ nhận và giao hàng hóa c2c theo trình
tự vào sau ra trước (LIFO). Tức là, hàng hóa c2c nào mà xe tải nhận sau thì sẽ được xe
58
tải thực hiện giao trước, nhờ đó lái xe không cần phải dỡ các hàng hóa c2c khác ra khỏi
xe tải tại điểm giao hàng;
• Một lộ trình c2e: là một lộ trình của một xe tải nhỏ nhận hàng hóa c2e từ các khách hàng
và chuyển đến một điểm trung chuyển được phép;
• Một lộ trình e2c: là một lộ trình của một xe tải nhỏ lấy hàng hóa e2c từ một điểm trung
chuyển và giao hàng cho các khách hàng;
• Một hành trình của một xe tải nhỏ: là các lộ trình được ghép nối từ các lộ trình c2e, lộ
trình e2c và lộ trình c2c theo thứ tự bất kỳ, với điểm bắt đầu và kết thúc hành trình tại
kho đỗ xe g. Hành trình của một xe tải nhỏ tuân thủ chiến lược Pseudo-Backhaul [79],
tức là xe tải nhỏ phải hoàn thành lộ trình vận tải đang thực hiện trước khi bắt đầu thực
hiện lộ trình vận tải tiếp theo.
Hình 3.1 minh họa tất cả các trường hợp bốc và dỡ hàng có thể xảy ra của xe tải nhỏ tại điểm
trung chuyển s với đường nét đứt thể hiện xe tải nhỏ không tải. Hình 3.1a và 3.1b miêu tả trường
hợp một xe tải nhỏ chỉ thực hiện dỡ hàng hóa c2e tại điểm trung chuyển và rời đi không tải.
Điểm khác nhau giữa hai trường hợp trong hình này là trước khi đến điểm trung chuyển, xe tải
nhỏ trong hình 1b chờ tại trạm chờ 𝑤1 để có thể đến điểm trung chuyển s trong khung thời gian
hoạt động [𝑡(𝑠) − 𝜂, 𝑡(𝑠)]. Hình 3.1c minh họa trường họa một xe tải nhỏ không tải đến điểm
trung chuyển s. Sau đó, thực hiện bốc hàng hóa e2c và thực hiện lộ trình giao hàng hóa e2c
ngay sau khi rời điểm trung chuyển. Hình 3.1d và 3.1e minh họa trường hợp xe tải nhỏ thực
hiện tuần tự cả hai quá trình: dỡ hàng hóa c2e và bốc hàng hóa e2c tại điểm trung chuyển s.
Trong trường hợp này, xe tải nhỏ phải hoàn thành quá trình dỡ hàng hóa c2e trước khi tiến hành
19 Hình 3.1. Minh họa các hoạt động của xe tải nhỏ tại điểm trung chuyển
bốc hàng hóa e2c.
𝐷 =
𝐷 =
Hình 3.2 minh họa một hành trình của một xe tải nhỏ xuất phát và kết thúc tại kho đỗ xe 𝑔.
𝐷 = {𝑑6, 𝑑7, … , 𝑑11}, 𝐶𝑠3
𝑃 = {𝑝1, 𝑝2, … , 𝑝5}, 𝐶𝑠2
Hành trình này gồm 6 lộ trình qua 3 điểm trung chuyển 𝑠1, 𝑠2, 𝑠3 và trạm chờ 𝑤1. 𝐶𝑠1
𝑃 = {𝑝6, 𝑝7, … , 𝑝10} và 𝐶𝑠3
{𝑑1, 𝑑2, … , 𝑑5}, 𝐶𝑠2
59
{𝑑12, 𝑑13, … , 𝑑15} là tập hợp các yêu cầu chuyển hàng hóa vào hoặc chuyển hàng ra thành phố.
giao hàng hóa trong thành phố
5) ∈ 𝑅 với yêu cầu nhận hàng hóa c2c trong thành
𝐷 . Đường nét đứt minh
Các
(𝑝̅1, 𝑑̅ yêu
1), (𝑝̅2, 𝑑̅ cầu
2), (𝑝̅3, 𝑑̅ nhận
3), (𝑝̅4, 𝑑̅
1, … , 𝑑̅
5 ∈ 𝐶𝑐2𝑐
và
4), (𝑝̅5, 𝑑̅
𝑃 và yêu cầu giao hàng tương ứng 𝑑̅ phố 𝑝̅1, … , 𝑝̅5 ∈ 𝐶𝑐2𝑐
4} và 𝑟6 = {𝑝̅1, 𝑝̅2, 𝑑̅
1} là các lộ
3, 𝑝̅5, 𝑑̅
5, 𝑑̅
2, 𝑑̅
họa xe không tải. Hành trình vận tải của xe tải nhỏ bao gồm 6 lộ trình {𝑟1, 𝑟2, … , 𝑟6} với 𝑟1 =
{𝑠1, 𝑑1, 𝑑3, 𝑑4} và 𝑟2 = {𝑠2, 𝑑6, 𝑑7, 𝑑9, 𝑑8} là các lộ trình e2c; 𝑟3 = {𝑝1, 𝑝3, 𝑝4, 𝑤1, 𝑠2} và 𝑟4 =
{𝑝6, 𝑝8, 𝑝7, 𝑠3} là các lộ trình c2e; 𝑟5 = {𝑝̅4, 𝑝̅3, 𝑑̅
5) theo nguyên
4), (𝑝̅5, 𝑑̅
3), (𝑝̅4, 𝑑̅
trình c2c. Xe tải nhỏ xuất phát không tải từ kho đỗ xe g và di chuyển đến điểm trung chuyển 𝑠1
3, 𝑝̅5, 𝑑̅
5, 𝑑̅
4). Sau đó, xe tải nhỏ di chuyển không
𝑃 trước khi đến điểm trung chuyển 𝑠3. Tại điểm trung
tải để nhận các hàng hóa (𝑝6, 𝑝8, 𝑝7) ∈ 𝐶𝑠3
chuyển 𝑠3, quá trình dỡ hàng sẽ thực hiện trong khoảng thời gian ∅′(𝑠3). Trong lộ trình cuối
cùng, xe tải nhỏ thực hiện nhận và giao hàng hóa c2c trong thành phố. Cụ thể nhận hàng hóa
(𝑝̅1, 𝑝̅2) và giao hàng hóa (𝑑̅
2). Cuối cùng, xe tải nhỏ không tải trở về kho đỗ xe g.
1, 𝑑̅
20 Hình 3.2. Minh họa một hành trình của xe tải nhỏ
để bốc hàng hóa. Sau khoảng thời gian bốc hàng ∅(𝑠1), xe tải nhỏ rời điểm trung chuyển 𝑠1 để
𝐷 và tiếp tục di chuyển không tải để nhận hàng hóa
bắt đầu giao hàng hóa (𝑑1, 𝑑3, 𝑑4) ∈ 𝐶𝑠1
𝑃 . Sau khi nhận hàng hóa 𝑝4, xe tải nhỏ di chuyển đến và chờ tại trạm chờ 𝑤1
(𝑝1, 𝑝3, 𝑝4) ∈ 𝐶𝑠2
để có thể di chuyển đến điểm trung chuyển 𝑠2 trong khung thời gian hoạt động [𝑡(𝑠2) −
𝜂, 𝑡(𝑠2)]. Giả sử xe tải nhỏ đến điểm trung chuyển 𝑠2 tại thời điểm t thì sẽ hoàn thành việc dỡ
hàng tại thời điểm 𝑡 + ∅′(𝑠2), và rời khỏi điểm trung chuyển tại thời điểm 𝑡 + ∅′(𝑠2) + ∅(𝑠2)
𝐷 trong khoảng thời gian ∅(𝑠2). Sau khi giao hàng
sau khi bốc hàng hóa (𝑑6, 𝑑7, 𝑑9, 𝑑8) ∈ 𝐶𝑠2
𝑑8, xe thực hiện các yêu cầu giao nhận trong thành phố (𝑝̅3, 𝑑̅
tắc LIFO với thứ tự giao nhận hàng (𝑝̅4, 𝑝̅3, 𝑑̅
60
𝑃 ∪ 𝑆 ∪ 𝑊}. 𝐴 = {(𝑔, 𝑗): 𝑗 ∈
𝐷 ∪ 𝐶𝑐2𝑐
𝑃 ∪ 𝑆 ∪ 𝑊} ∪ {(𝑝, 𝑗): 𝑝 ∈ 𝐶𝑃, 𝑗 ∈ 𝐶𝑃 ∪
𝑃 ∪ 𝑆} ∪ {(𝑠, 𝑗): 𝑠 ∈ 𝑆, 𝑗 ∈ 𝑔 ∪ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝑃 ∪
𝑃 ∪ 𝑆 ∪ 𝑊 ∪ 𝑔} ∪ {(𝑝, 𝑗): 𝑝 ∈ 𝐶𝑐2𝑐
𝑃 , 𝑗 ∈ 𝐶𝑐2𝑐
𝑃 ∪ 𝐶𝑃 ∪ 𝑆 ∪ 𝑊 ∪ 𝑔} ∪ {(𝑤, 𝑠): 𝑤 ∈ 𝑊, 𝑠 ∈ 𝑆. Có thể
𝐷 , 𝑗 ∈ 𝐶𝑐2𝑐
𝐷 ∪ 𝐶𝑐2𝑐
3.2.2. Mô hình bài toán
Bài toán MTT-PDTWS được định nghĩa trên đồ thị 𝐺 = (𝑉, 𝐴). 𝑉 là tập hợp các đỉnh trên đồ
thị và bao gồm các tập con 𝑉 = {𝑔 ∪ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝑆 ∪ 𝑊} ∪ {(𝑑, 𝑗): 𝑑 ∈ 𝐶𝐷, 𝑗 ∈ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝐷 } ∪ {(𝑑, 𝑗): 𝑑 ∈ 𝐶𝑐2𝑐
𝐶𝑐2𝑐
thấy, tập cạnh 𝐴 không bao gồm các kết nối:
- Từ 𝑔 đến các điểm nhận hàng hóa c2e, điểm giao hàng hóa c2c và các điểm trạm chờ;
- Từ điểm trung chuyển đến các điểm giao hàng hóa c2c;
- Từ điểm nhận hàng hóa c2e đến 𝑔, điểm giao hàng hóa e2c, điểm giao và nhận hàng
hóa c2c;
- Từ điểm giao hàng hóa e2c đến điểm giao hàng hóa c2c;
- Từ điểm nhận hàng hóa c2c đến 𝑔, điểm nhận hàng hóa c2e, điểm giao hàng hóa e2c,
điểm trạm chờ và điểm trung chuyển;
- Từ điểm giao hàng hóa c2c đến điểm giao hàng hóa e2c;
- Từ điểm trạm chờ đến 𝑔, điểm nhận hàng hóa c2e, điểm giao hàng hóa e2c, điểm giao
và nhận hàng hóa c2c và điểm trạm chờ.
Và 𝑐𝑖𝑗 là chi phí di chuyển giữa 2 điểm và đồ thị miêu tả bài toán được tạo thành từ các điểm
(𝑖, 𝑗) ∈ 𝐴. 𝐾 là tập hợp các xe tải nhỏ. Gọi F là chi phí cố định để sử dụng một xe tải nhỏ. Q là
trọng tải của một xe tải nhỏ. Giả sử số lượng cạnh lớn nhất trong bất kỳ hành trình nào của xe
tải nhỏ được định nghĩa là 𝜔 và gọi 𝑈 là tập hợp {1, . . , 𝜔}.
𝑢 : nhận giá trị 1 nếu cạnh (𝑖, 𝑗) ∈ 𝐴 thuộc lộ trình của xe tải nhỏ 𝑘 và cạnh này có
Các biến quyết định của bài toán được định nghĩa như sau:
• 𝑋𝑖𝑗𝑘
thứ tự thứ 𝑢 trong hành trình vận tải; nhận giá trị 0 trong trường hợp ngược lại;
• 𝑌𝑝𝑠: nhận giá trị 1 nếu hàng hóa c2e, 𝑝 ∈ 𝐶𝑃, được chỉ định cho điểm trung chuyển 𝑠 ∈
𝑆𝑝; nhận giá trị 0 trong trường hợp ngược lại;
Các ràng buộc của bài toán:
● Mỗi xe tải nhỏ 𝑘 ∈ 𝐾 xuất phát và kết thúc hành trình tại kho đỗ xe g;
● Trong hành trình vận tải, xe tải nhỏ 𝑘 ∈ 𝐾 phải đến các điểm trung chuyển 𝑠 ∈ 𝑆 trong
khung thời gian hoạt động của điểm trung chuyển [𝑡(𝑠) − 𝜂, 𝑡(𝑠)];
● Hàng hóa c2c thuộc lộ trình c2c của một xe tải nhỏ phải tuân thủ nguyên tắc LIFO.
Hành trình của một xe tải nhỏ phải tuân thủ chiến lược Pseudo-Backhaul;
61
𝐷 } do một xe tải nhỏ 𝑘 ∈
𝑃 ∪ 𝐶𝑐2𝑐
● Mỗi yêu cầu vận tải của khách hàng 𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷 ∪ 𝐶𝑐2𝑐
𝐾 phục vụ trong khung thời gian [𝑒𝑖, ℓ𝑖];
● Tổng trọng tải của hàng hóa đang vận chuyển trên xe tải nhỏ 𝑘 ∈ 𝐾 không được phép
vượt quá trọng tải Q.
Mục tiêu của bài toán là tối thiểu hóa tổng chi phí bao gồm: chi phí di chuyển của đội xe tải
1
1
1
nhỏ và chi phí cố định sử dụng xe tải nhỏ. Cụ thể:
𝑢
∑ 𝑋𝑖𝑗𝑘
𝑢∈𝑈
𝑠∈𝑆
𝑢 và 𝑌𝑝𝑠 được
𝑘∈𝐾
Bên cạnh các ràng buộc trên của bài toán, ràng buộc của các biến quyết định 𝑋𝑖𝑗𝑘
) + 𝐹 ∑(∑ 𝑋𝑔𝑠𝑘 ∑ ∑ 𝑐𝑖𝑗
𝑘∈𝐾
(𝑖,𝑗)∈𝐴 + ∑ 𝑋𝑔𝑝𝑘
𝑝∈𝐶𝑃 + ∑ 𝑋𝑔𝑐𝑘
𝑃
𝑐∈𝐶𝑐2𝑐
thể hiện như sau:
𝐷 }
• Mỗi yêu cầu nhận hoặc giao hàng chỉ được phục vụ duy nhất một lần:
𝑃 ∪ 𝐶𝑐2𝑐
𝑢
∑ ∑ ∑ 𝑋𝑖𝑗𝑘
𝑘∈𝐾
𝑢∈𝑈
𝑗∈𝑉
= 1 ∀𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷 ∪ 𝐶𝑐2𝑐
• Ràng buộc về luồng vận tải:
𝑢
∑ ∑ 𝑋𝑠𝑗𝑘
𝑢∈𝑈
𝑗∈𝑉
≤ 1 ∀𝑠 ∈ 𝑆, 𝑘 ∈ 𝐾
𝑢
∑ ∑ 𝑋𝑗𝑖𝑘
𝑢∈𝑈
𝑗∈𝑉
𝑢
∑ ∑ 𝑋𝑖𝑗𝑘
𝑢∈𝑈
𝑗∈𝑉
= ∀𝑖 ∈ {𝑉\𝑔}, 𝑘 ∈ 𝐾
𝑢
1
• Xe tải nhỏ xuất phát và kết thúc tại garage g:
𝑖∈{𝑉\𝑔}
𝑢∈𝑈
∀𝑘 ∈ 𝐾 ∑ 𝑋𝑔𝑖𝑘 = ∑ ∑ 𝑋𝑖𝑔𝑘
𝑖∈{𝑉\𝑔}
• Mỗi yêu cầu nhận hàng c2e chỉ được thực hiện bởi một điểm trung chuyển cho phép:
= 1 ∀𝑝 ∈ 𝐶𝑃
∑ 𝑌𝑝𝑠
𝑠∈𝑆𝑝
• Tất cả yêu cầu nhận hàng c2e thuộc cùng một lộ trình phải được thực hiện bởi cùng một
𝑢
điểm trung chuyển cho phép:
𝑢+1 + 1 ∀𝑝 ∈ 𝐶𝑃, 𝑠 ∈ 𝑆𝑝, 𝑤 ∈ 𝑊, 𝑢 ∈ 𝑈, 𝑘 ∈ 𝐾
≤ 𝑌𝑝𝑠 ∀𝑝 ∈ 𝐶𝑃, 𝑠 ∈ 𝑆 ∑ ∑ 𝑋𝑝𝑠𝑘
𝑘∈𝐾
𝑢∈𝑈
𝑢 + 𝑌𝑝𝑠 ≤ 𝑋𝑤𝑠𝑘
𝑢
𝑋𝑝𝑤𝑘
+ 𝑌𝑝𝑠 ≤ 𝑌𝑝′𝑠 + 1 ∀𝑝, 𝑝′ ∈ 𝐶𝑃, 𝑝 ≠ 𝑝′, 𝑠 ∈ 𝑆𝑝 ∑ ∑ 𝑋𝑝𝑝′𝑘
𝑘∈𝐾
𝑢∈𝑈
62
3.3. BÀI TOÁN GIAO VÀ NHẬN ĐA LOẠI HÀNG HÓA, ĐA TUYẾN Ở
HAI MỨC VỚI KHUNG THỜI GIAN VÀ ĐỒNG BỘ
Mô hình vận tải được giới thiệu trong bài toán 2E-MTT-PDTWS là mô hình hậu cần đô thị hai
mức do hai đội xe vận tải có trọng tải khác nhau thực hiện. Hàng hóa sẽ được vận tải như sau:
● Hàng hóa e2c được xe tải lớn vận tải từ trung tâm phân phối CDC đến điểm trung
chuyển. Sau đó, xe tải nhỏ nhận hàng hóa e2c và giao tới các khách hàng;
● Hàng hóa c2e được xe tải nhỏ nhận từ các khách hàng và chuyển đến điểm trung chuyển.
Sau đó, xe tải lớn nhận hàng hóa c2e và vận tải về trung tâm phân phối CDC;
● Hàng hóa c2c được xe tải nhỏ nhận từ khách hàng và giao đến khách hàng tương ứng.
Tuân thủ mô hình hậu cần đô thị hai mức, mô hình bài toán 2E-MTT-PDTWS không xem xét
việc giao và nhận hàng hóa trực tiếp giữa trung tâm phân phối CDC và khách hàng. Tất cả hàng
hóa e2c hoặc hàng hóa c2e phải thực hiện đồng bộ tại các điểm trung chuyển giữa các xe tải
lớn và các xe tải nhỏ. Mỗi điểm trung chuyển 𝑠 ∈ 𝑆 được quy định khung thời gian hoạt động
[ 𝑡(𝑠) − 𝜂, 𝑡(𝑠)]. Khung thời gian này quy định thời điểm sớm nhất và trễ nhất cho phép xe vận
tải đến điểm trung chuyển. Trong trường hợp xe tải đến trước thời điểm 𝑡(𝑠) − 𝜂, xe tải có thể
đỗ tạm thời tại một trạm chờ trước khi di chuyển đến điểm trung chuyển s. Xe tải không được
phép đến điểm trung chuyển s sau thời điểm 𝑡(𝑠). Xe vận tải khi đến điểm trung chuyển phải
thực hiện bốc, dỡ hàng ngay và không được phép chờ tại điểm trung chuyển.
Một khách hàng có thể yêu cầu các dịch vụ vận tải hàng hóa khác nhau:
● Nhận hàng hóa e2c từ một trong các điểm trung chuyển đăng ký trước tại các khung
thời gian khác nhau;
● Giao hàng hóa c2e đến một trong các điểm trung chuyển đăng ký trước tại các khung
thời gian khác nhau;
● Nhận và giao hàng hóa c2c đến khách hàng khác.
Mỗi khách hàng được phép yêu cầu một hoặc hoặc nhiều dịch vụ vận tải hàng hóa nêu trên. Để
đơn giản, mỗi yêu cầu dịch vụ vận tải hàng hóa cụ thể nêu trên được xem là một yêu cầu vận
tải hàng hóa của bài toán.
Yêu cầu giao hàng hóa e2c được biểu diễn bởi tập hợp 𝐶𝐷. Trong đó, mỗi yêu cầu giao hàng
hóa e2c, 𝑑 ∈ 𝐶𝐷, bao gồm các thông tin:
• Danh sách các điểm trung chuyển mà khách hàng muốn nhận hàng 𝑆𝑑 ∈ 𝑆. Cụ thể, mỗi
yêu cầu giao hàng hóa e2c chỉ nhận hàng từ các điểm trung chuyển đã đăng ký trước.
63
Việc lựa chọn khách hàng nhận hàng hóa e2c từ điểm trung chuyển nào là một quyết
định của bài toán;
• Khung thời gian giao hàng: thời điểm xe vận tải giao hàng phải thuộc khung thời gian
giao hàng.
Tương tự, tập hợp 𝐶𝑃 là tập hợp yêu cầu nhận hàng hóa c2e từ khách hàng và chuyển đến một
điểm trung chuyển đã đăng ký trước. Một yêu cầu nhận hàng 𝑝 ∈ 𝐶𝑃 cũng bao gồm các thông
tin:
• Danh sách các điểm trung chuyển 𝑆𝑝 ∈ 𝑆 được phép chuyển hàng đến. Cụ thể, mỗi yêu
cầu nhận hàng hóa c2e chỉ thực hiện đồng bộ tại các điểm trung chuyển đã đăng ký
trước. Việc lựa chọn điểm trung chuyển cho hàng hóa c2e là một quyết định của bài
toán;
• Khung thời gian nhận hàng: thời điểm xe vận tải nhận hàng phải thuộc khung thời gian
nhận hàng.
𝑞 .
𝑝 và yêu cầu giao hàng tương ứng 𝑞̅ ∈ 𝐶𝑐2𝑐
𝐷 } sẽ được đại diện bởi bộ thông tin
𝑃 ∪ 𝐶𝑐2𝑐
Ngoài ra, tập hợp (𝑝̅, 𝑞̅) ∈ 𝑅 là tập hợp yêu cầu chuyển hàng hóa c2c với: yêu cầu nhận hàng
𝑝̅ ∈ 𝐶𝑐2𝑐
Tổng quát, mỗi yêu cầu vận tải 𝑖 ∈ {𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
(𝑖, 𝑞𝑖, 𝛿(𝑖), [𝑒𝑖, 𝑙𝑖]) với:
● 𝑞𝑖 > 0: số lượng hàng hóa yêu cầu giao hoặc yêu cầu nhận. Với yêu cầu c2c, (𝑝̅, 𝑞̅) ∈ 𝑅
thì 𝑞𝑝̅ = −𝑞𝑑̅;
● [𝑒𝑖, 𝑙𝑖]: khung thời gian cho phép nhận hoặc giao hàng hóa;
● 𝛿(𝑖): thời gian thực hiện nhận hoặc giao hàng hóa.
Từ đó, luồng vận tải hàng hóa trong mô hình bài toán 2E-MTT-PDTWS được miêu tả như sau:
● Đội xe tải lớn 𝐾1 (mỗi xe tải có trọng tải 𝑄1 và chi phí sử dụng 𝐹1) sẽ thực hiện vận tải
ở mức 1 (giữa trung tâm phân phối CDC và các điểm trung chuyển). Mỗi xe tải lớn sẽ
thực hiện một trong hai hoặc cả 2 lộ trình vận tải sau:
o Lộ trình giao hàng hóa mức 1: xe tải lớn rời trung tâm phân phối CDC và giao
hàng hóa e2c đến các điểm trung chuyển;
o Lộ trình nhận hàng hóa mức 1: xe tải lớn nhận các hàng hóa c2e từ các điểm
trung chuyển và chuyển về trung tâm phân phối CDC.
Do đó, một hành trình của một xe tải lớn sẽ xuất phát và kết thúc tại trung tâm phân
phối CDC và bao gồm lộ trình giao hàng hóa mức 1 và/hoặc lộ trình nhận hàng hóa mức
1. Hình 3.3 minh họa các hành trình của xe tải lớn ở mức 1. Các đường nét đứt thể hiện
64
xe tải lớn không tải. Xe tải lớn trong hình 3.3a chỉ thực hiện một hành trình giao hàng
hóa mức 1: xe tải lớn rời trung tâm phân phối CDC với các hàng hóa e2c, di chuyển và
thực hiện đồng bộ hàng hóa e2c tại các điểm trung chuyển s1, s2, và s3. Sau đó, xe tải
lớn không tải quay trở về trung tâm CDC. Ngược lại, hình 3.3c minh họa xe tải lớn chỉ
thực hiện các lộ trình nhận hàng hóa mức 1. Đầu tiên, xe tải lớn không tải rời trung tâm
phân phối CDC. Sau đó, xe tải lớn nhận hàng hóa c2e tại các điểm trung chuyển s4 và
s5 trước khi quay trở về trung tâm phân phối CDC. Hình 3.3b minh họa trường hợp cuối
cùng, xe vận tải lớn thực hiện đồng thời 2 lộ trình: lộ trình giao hàng hóa mức 1 và lộ
trình nhận hàng hóa mức 1. Cụ thể, xe tải lớn rời trung tâm phân phối CDC với các hàng
hóa e2c và thực hiện lộ trình giao hàng hóa mức 1 tại các điểm trung chuyển s1, s2, và
s3. Sau đó, xe tải lớn di chuyển không tải đến điểm trung chuyển s4. Tại các điểm trung
chuyển s4 và s5, xe tải lớn thực hiện nhận hàng hóa c2e và quay trở về trung tâm phân
21 Hình 3.3. Minh họa các lộ trình của một xe tải lớn
phối CDC.
● Đội xe tải nhỏ 𝐾2 (mỗi xe tải có trọng tải 𝑄2 và chi phí sử dụng 𝐹2) sẽ thực hiện vận tải
ở mức 2 (giữa các điểm trung chuyển và khách hàng). Mỗi xe tải nhỏ có thể thực hiện
các lộ trình vận tải sau:
o Lộ trình giao hàng hóa mức 2: xe tải nhỏ nhận hàng hóa e2c từ các điểm trung
chuyển và giao hàng hóa e2c này cho khách hàng;
65
o Lộ trình nhận hàng hóa mức 2: xe tải nhỏ nhận hàng hóa c2e từ các khách hàng
và vận tải đến điểm trung chuyển;
o Lộ trình nhận và giao hàng hóa c2c mức 2: xe tải nhỏ nhận và giao hàng hóa c2c
trong nội bộ thành phố. Mỗi lộ trình nhận và giao hàng hóa c2c mức 2 tuân thủ
thứ tự LIFO. Cụ thể, hàng hóa c2c mà xe tải nhỏ nhận sau sẽ được giao trước để
đảm bảo quá trình nhận hàng tại khách hàng không cần phải dỡ hàng khác xuống.
Do đó, một hành trình vận tải của một xe tải nhỏ bao gồm: rời kho đỗ xe 𝑔2, thực hiện
vận tải một hoặc nhiều lộ trình giao hàng hóa e2c mức 2 và/hoặc lộ trình nhận hàng hóa
c2e mức 2 và/hoặc lộ trình nhận và giao hàng hóa c2c mức 2, và cuối cùng trở về kho
đỗ xe 𝑔2.
Đội xe tải hoạt động tuân thủ chiến lược Pseudo Backhaul [79]. Cụ thể, mỗi xe vận tải phải
hoàn thành lộ trình vận tải đang thực hiện trước khi bắt đầu thực hiện vận tải lộ trình tiếp theo.
Như vậy, khi đến điểm trung chuyển, một xe vận tải sẽ thực hiện một trong ba hoạt động: “chỉ
dỡ hàng”, “chỉ bốc hàng”, “dỡ hàng và bốc hàng”. Hình 3.4 và hình 3.5 minh họa các hoạt động
tương ứng của xe tải lớn và xe tải nhỏ tại điểm trung chuyển. Các đường nét đứt thể hiện xe
không tải. Hình 3.4a và hình 3.4b minh họa trường hợp xe tải lớn đến điểm trung chuyển s và
chỉ thực hiện bốc hàng hóa c2e. Điểm khác biệt giữa 2 trường hợp này là trạng thái của xe tải
lớn khi đến điểm trung chuyển. Xe tải lớn trong hình 3.4a là không tải khi đến điểm trung
chuyển s. Ngược lại, trong hình 3.4b xe tải lớn đang vận tải hàng hóa c2e khi đến điểm trung
chuyển s. Tương tự, hình 3.4c và hình 3.4d minh họa trường hợp xe vận tải lớn chỉ thực hiện
dỡ hàng tại điểm trung chuyển s. Trong đó, xe vận tải lớn dỡ hết hàng hóa e2c tại điểm trung
chuyển s trước khi rời đi trong hình 3.4c. Trong hình 3.4d, xe tải lớn chỉ dỡ một số lượng hàng
hó e2c tại điểm trung chuyển s và tiếp tục lộ trình giao hàng hóa e2c. Hình 3.4e minh họa trường
hợp xe tải lớn thực hiện dỡ hàng hóa e2c và bốc hàng hóa c2e tại cùng điểm trung chuyển. Cụ
thể, xe tải lớn đến điểm trung chuyển s và thực hiện dỡ hết hàng hóa e2c. Sau đó, thực hiện bốc
hàng hóa c2e tại điểm trung chuyển s trước khi rời đi. Sau đó, xe tải lớn có thể quay trở về trung
tâm phân phối CDC hoặc tiếp tục lộ trình bốc hàng hóa c2e trước khi quay trở về trung tâm
phân phối CDC.
66
22 Hình 3.4. Hoạt động của xe tải lớn tại điểm trung chuyển
Hình 3.5 minh họa các hoạt động của xe tải nhỏ ở mức 2. Hình 3.5a minh họa trường hợp xe
tải nhỏ chỉ thực hiện dỡ hàng hóa c2e tại điểm trung chuyển s. Trước khi dỡ hàng tại điểm trung
chuyển, xe tải nhỏ thực hiện nhận hàng hóa c2e tại các khách hàng. Sau khi hoàn thành dỡ hàng
hóa c2e, xe tải nhỏ không tải rời điểm trung chuyển s. Ngược lại, hình 3.5b minh họa trường
hợp xe tải nhỏ chỉ thực hiện bốc hàng hóa e2c tại điểm trung chuyển s. Cụ thể, xe tải nhỏ di
chuyển không tải đến điểm trung chuyển và thực hiện bốc hàng hóa e2c tại điểm trung chuyển.
Sau đó, rời điểm trung chuyển để bắt đầu lộ trình giao hàng hóa e2c đến khách hàng. Xe tải nhỏ
trong hình 3.5c thực hiện cả dỡ hàng hóa c2e và bốc hàng hóa e2c tại cùng một điểm trung
chuyển s. Xe tải nhỏ vận tải hàng hóa c2e đến điểm trung chuyển s. Sau khi hoàn thành dỡ hàng
hóa c2e, xe tải nhỏ thực hiện bốc hàng hóa e2c. Sau đó, xe tải nhỏ rời điểm trung chuyển s và
23 Hình.3.5. Hoạt động của xe tải nhỏ tại điểm trung chuyển
bắt đầu lộ trình giao hàng hóa e2c.
67
Để thuận tiện, quy ước thời gian dỡ hàng và bốc hàng của một xe tải lớn tại điểm trung chuyển
là 𝑇𝑈, 𝑇𝐿. Tương tự, 𝑇𝑈′, 𝑇𝐿′ là thời gian dỡ hàng và bốc hàng tương ứng cho một xe tải nhỏ tại
điểm trung chuyển. Để đơn giản hóa, tất cả thời gian bốc và dỡ hàng của một xe vận tải trong
cùng một đội xe là giống nhau và không phục thuộc vào số lượng hàng hóa bốc hàng hoặc dỡ
hàng.
3.3.1. Đồng bộ hàng hóa tại điểm trung chuyển
Tại điểm trung chuyển, hàng hóa e2c sẽ được đồng bộ từ xe tải lớn qua xe tải nhỏ và hàng hóa
c2e sẽ được đồng bộ ngược lại từ xe tải nhỏ sang xe tải lớn. Trong trường hợp xe tải nhận hàng
chưa đến điểm trung chuyển đúng thời điểm đồng bộ, thì hàng hóa dỡ xuống sẽ để tại kho trung
gian.
Hình 3.6 minh họa sự cần thiết của kho trung gian tại các điểm trung chuyển trong quá trình
đồng bộ hàng hóa giữa xe tải lớn và xe tải nhỏ. Các xe vận tải trong hình 3.6 bao gồm: hai xe
tải lớn {1, 2} và hai xe tải nhỏ {1′, 2′} thực hiện dỡ hàng và bốc hàng tại cùng điểm trung
chuyển. Ở mức 1, xe vận tải lớn 1 dỡ hàng hóa {𝑑1, 𝑑2} và sau đó bốc hàng hóa {𝑝3, 𝑝4} từ xe
tải nhỏ 2′, trong khi đó xe vận tải lớn 2 dỡ hàng hóa {𝑑3, 𝑑4} và sau đó bốc hàng hóa {𝑝1, 𝑝2}
từ xe tải nhỏ 1′. Ở mức 2, xe tải nhỏ 1′ dỡ hàng hóa {𝑝1, 𝑝2} và sau đó bốc hàng hóa {𝑑1, 𝑑2}
từ xe tải lớn 1, trong khi đó xe vận nhỏ 2′ dỡ hàng hóa {𝑝3, 𝑝4} và sau đó bốc hàng hóa {𝑑3, 𝑑4}
của xe tải lớn 2. Trong trường hợp này, nếu không sử dụng kho trung gian tại điểm trung chuyển
thì các xe tải sẽ tạo ra vòng đợi vô hạn vì xe tải muốn bốc hàng thì trước hết phải dỡ hết hàng
đang có. Cụ thể, xe tải lớn 1 đợi xe tải nhỏ 1′ hoàn thành dỡ hàng, xe tải nhỏ 1′ đợi xe tải lớn
2 hoàn thành dỡ hàng, xe tải lớn 2 đợi xe tải nhỏ 2′ hoàn thành dỡ hàng và xe tải nhỏ 2′ phải
đợi xe tải nhỏ lớn 1 hoàn thành dỡ hàng. Do đó, việc sử dụng kho trung gian tại điểm trung
chuyển sẽ tránh được trường hợp này.
68
24 Hình 3.6. Sự cần thiết của kho trung gian tại điểm trung chuyển
Kho trung gian tại điểm trung chuyển 𝑠 ∈ 𝑆 có khả năng chứa tối đa 𝐿𝑠. Thời gian bốc hàng
hoặc dỡ hàng vào kho trung gian được giả định là 0. Hàng hóa đồng bộ tại điểm trung chuyển
giữa các xe tải tuân thủ yêu cầu sau:
● Quá trình bốc hoặc dỡ hàng của một xe tải là liên tục, không bị ngắt quãng;
● Hàng hóa được phép lưu trữ tạm thời tại kho trung gian nếu xe tải nhận hàng chưa sẵn
sàng;
● Xe tải phải thực hiện dỡ hàng ngay khi xe tải này đến điểm trung chuyển;
● Thời điểm đến của xe tải phải thuộc khung thời gian hoạt động của điểm trung chuyển;
● Quá trình bốc hàng của xe tải chỉ có thể bắt đầu sau khi xe tải này kết thúc quá trình dỡ
hàng (nếu có) và tất cả hàng hóa cần bốc đã sẵn sàng. Nếu không, hàng hóa cần bốc đã
đến và phải được lưu trữ tại kho trung gian;
Các trường hợp sau xem xét quá trình đồng bộ hàng hóa tại điểm trung chuyển từ xe tải lớn
sang xe tải nhỏ. Trường hợp đồng bộ từ xe tải nhỏ sang xe tải lớn được xem xét tương tự. Quá
trình đồng bộ hàng tại điểm trung chuyển s giữa xe tải lớn sang xe tải nhỏ cụ thể:
● Đồng bộ hàng giữa một xe tải lớn k sang một xe tải nhỏ 𝑘′: Giả sử xe tải lớn k đến điểm
trung chuyển tại thời điểm t. Xe tải lớn k bắt đầu dỡ hàng tại thời điểm t và hoàn thành
dỡ hàng tại thời điểm t + 𝑇𝑈. Nếu xe tải nhỏ 𝑘′ sẵn sàng để bốc hàng tại thời điểm t +
𝑇𝑈, thì hàng hóa sẽ được chuyển trực tiếp sang xe tải nhỏ 𝑘′. Trong trường hợp này, xe
′.
tải nhỏ 𝑘′ hoàn thành bốc hàng và rời điểm trung chuyển tại thời điểm t + 𝑇𝑈 + 𝑇𝐿
Ngược lại, hàng hóa sẽ được để tại kho trung gian;
69
′ , … , 𝑘𝑚
● Đồng bộ hàng giữa một xe tải lớn sang nhiều xe tải nhỏ: Giả định xe tải lớn k đồng bộ
′ . Xe tải lớn đến điểm trung chuyển tại thời điểm t. Sau hàng sang m xe tải nhỏ 𝑘1
đó, xe tải lớn bắt đầu dỡ hàng tại thời điểm t trong khoảng thời gian 𝑇𝑈. Quá trình đồng
′), 𝑖 = 1. . 𝑚 được xem xét tương tự trường hợp đồng
bộ hàng giữa các cặp xe tải (𝑘, 𝑘𝑖
bộ hàng giữa một xe tải lớn sang một xe tải nhỏ;
● Đồng bộ hàng giữa nhiều xe tải lớn sang một xe tải nhỏ: Giả định n xe tải lớn 𝑘1, … , 𝑘𝑛
đồng bộ hàng sang một xe tải nhỏ 𝑘′. Thời điểm đến điểm trung chuyển của các xe tải
lớn 𝑘1, … , 𝑘𝑛 tương ứng là 𝑡1, … , 𝑡𝑛. Ngay khi đến điểm trung chuyển, các xe tải lớn bắt
đầu dỡ hàng trong khoảng thời gian 𝑇𝑈. Trường hợp tất cả xe tải lớn đều đồng thời đến
điểm trung chuyển (𝑡1 = ⋯ = 𝑡𝑛) thì hàng sẽ được chuyển trực tiếp sang xe tải nhỏ nếu
xe tải nhỏ sẵn sàng nhận hàng tại thời điểm 𝑡1 + 𝑇𝑈. Nếu xe tải nhỏ 𝑘′ chưa sẵn sàng
thì hàng sẽ được lưu tại kho trung gian. Trường hợp tất cả xe tải lớn không đến điểm
trung chuyển đồng thời thì hàng đến trước thời điểm đồng bộ sẽ được lưu tại kho trung
gian;
′ , … , 𝑘𝑚
● Đồng bộ hàng giữa nhiều xe tải lớn sang nhiều xe tải nhỏ: Giả định n xe tải lớn 𝑘1, … , 𝑘𝑛
′ . Tùy vào trường hợp đồng bộ cụ thể, trường
đồng bộ hàng với m xe tải nhỏ 𝑘1
hợp này có thể được xem là kết hợp của 3 trường hợp đồng bộ trước. Ví dụ, nếu là đồng
′ và giữa một xe tải lớn 𝑘𝑛 sang
′ xe tải nhỏ thì được xem là kết hợp của trường hợp đồng bộ thứ 2 và trường
bộ giữa 𝑘1, … , 𝑘𝑛−1 xe tải lớn sang một xe tải nhỏ 𝑘1
′ , … , 𝑘𝑚
𝑘2
hợp đồng bộ thứ 3 được miêu tả ở trên.
Hình 3.7 minh họa trường hợp đồng bộ giữa nhiều xe tải lớn sang một xe tải nhỏ. Tại điểm
trung chuyển s, hai xe tải lớn {1, 2} đồng bộ hàng sang một xe tải nhỏ {1′}. Xe tải lớn 1 đến
điểm trung chuyển tại thời điểm 𝑡1 để dỡ hàng hóa e2c {𝑑1, 𝑑2, … , 𝑑5}. Xe tải lớn 2 đến điểm
trung chuyển tại thời điểm 𝑡2 để dỡ hàng hóa e2c {𝑑6, 𝑑7, … , 𝑑9}. Xe tải nhỏ 1′ sẵn sàng tại thời
điểm 𝑡′ và bốc hàng {𝑑1, 𝑑2} từ xe tải lớn 1 và hàng {𝑑6, 𝑑7} từ xe tải lớn 2.
70
25 Hình 3.7. Minh họa trường hợp đồng bộ tại điểm trung chuyển s
Chi tiết quá trình đồng bộ tại điểm trung chuyển được thể hiện trong bảng 3.1. Bảng 3.1 miêu
tả các thời điểm rời điểm trung chuyển, tình trạng sử dụng kho trung gian theo các trường hợp
12 Bảng 3.1. Thời điểm rời điểm trung chuyển và tình trạng kho trung gian
của thời điểm đến của các xe tải.
Thời điểm rời điểm trung chuyển
Kho trung gian
Xe tải
Xe tải
Danh sách hàng
Thời điểm
lớn 1
lớn 2
trong kho
Xe tải nhỏ
𝟏′
𝑡1 = 𝑡2
𝑡1 + 𝑇𝑈 ≥ 𝑡′
𝑡1 + 𝑇𝑈
𝑡1 + 𝑇𝑈
𝑡1 + 𝑇𝑈
{𝑑3, 𝑑4, 𝑑5}
′
𝑡1 + 𝑇𝑈 + 𝑇𝐿
∪ {𝑑8, 𝑑9}
𝑡1 + 𝑇𝑈 < 𝑡′
𝑡1 + 𝑇𝑈
𝑡1 + 𝑇𝑈
𝑡1 + 𝑇𝑈
{𝑑1, 𝑑2, 𝑑3, 𝑑4, 𝑑5}
′
𝑡′ + 𝑇𝐿
∪ {𝑑6, 𝑑7, 𝑑8, 𝑑9}
𝑡′
{𝑑3, 𝑑4, 𝑑5}
∪ {𝑑8, 𝑑9}
𝑡1 < 𝑡2
𝑡2 + 𝑇𝑈 ≥ 𝑡′
𝑡1 + 𝑇𝑈
𝑡2 + 𝑇𝑈
𝑡1 + 𝑇𝑈
{𝑑1, 𝑑2, 𝑑3, 𝑑4, 𝑑5}
′
𝑡2 + 𝑇𝑈 + 𝑇𝐿
{𝑑3, 𝑑4, 𝑑5}
𝑡2 + 𝑇𝑈
∪ {𝑑8, 𝑑9}
𝑡2 + 𝑇𝑈 < 𝑡′
𝑡1 + 𝑇𝑈
𝑡2 + 𝑇𝑈
𝑡1 + 𝑇𝑈
{𝑑1, 𝑑2, 𝑑3, 𝑑4, 𝑑5}
′
𝑡′ + 𝑇𝐿
𝑡2 + 𝑇𝑈
{𝑑1, 𝑑2, 𝑑3, 𝑑4, 𝑑5}
∪ {𝑑6, 𝑑7, 𝑑8, 𝑑9}
71
𝑡′
{𝑑3, 𝑑4, 𝑑5}
∪ {𝑑8, 𝑑9}
Dựa vào các trường hợp giá trị của thời điểm đến điểm trung chuyển của xe tải lớn, các trường
′ sau khi hoàn thành bốc hàng;
hợp đồng bộ hàng tại điểm trung chuyển bao gồm:
• 𝑡1 = 𝑡2 và 𝑡1 + 𝑇𝑈 ≥ 𝑡′: xe tải lớn 1 và xe tải lớn 2 thực hiện dỡ hàng tại thời điểm 𝑡1.
Sau khi hoàn thành dỡ hàng trong khoảng thời gian 𝑇𝑈, các xe tải lớn rời điểm trung
chuyển. Tại thời điểm 𝑡1 + 𝑇𝑈, xe tải nhỏ 1′ sẵn sàng nên hàng {𝑑1, 𝑑2, 𝑑6, 𝑑7} được
chuyển trực tiếp sang xe tải nhỏ 1′. Các hàng {𝑑3, 𝑑4, 𝑑5} của xe tải lớn 1 và hàng
{𝑑8, 𝑑9} của xe tải lớn 2 sẽ được lưu tại kho trung gian. Xe tải nhỏ 1′ rời điểm trung
chuyển tại thời điểm 𝑡1 + 𝑇𝑈 + 𝑇𝐿
• 𝑡1 = 𝑡2 và 𝑡1 + 𝑇𝑈 < 𝑡′: Tương tự trường hợp 1, xe tải lớn 1 và xe tải lớn 2 hoàn thành
dỡ hàng tại thời điểm 𝑡1 + 𝑇𝑈. Tại thời điểm này, xe tải nhỏ 1′ chưa đến điểm trung
chuyển nên tất cả hàng {𝑑1, 𝑑2, … , 𝑑9} sẽ được để tại kho trung gian. Sau khi đến điểm
trung chuyển tại thời điểm 𝑡′, xe tải nhỏ 1′ thực hiện bốc hàng {𝑑1, 𝑑2, 𝑑6, 𝑑7} trong
khoảng thời gian 𝑇𝑈. Do đó, tại thời điểm 𝑡′, trong kho trung gian chỉ còn các hàng
{𝑑3, 𝑑4, 𝑑5, 𝑑8, 𝑑9}.
• 𝑡1 < 𝑡2 và 𝑡2 + 𝑇𝑈 ≥ 𝑡′: Xe tải lớn 1 và xe tải lớn 2 thực hiện dỡ hàng tại thời điểm đến
trung chuyển tương ứng 𝑡1 và 𝑡2 trong khoảng thời gian 𝑇𝑈. Xe tải nhỏ 1′ sẵn sàng để
bốc hàng tại thời điểm 𝑡2 + 𝑇𝑈. Tại thời điểm này, xe tải lớn 1 và xe tải lớn 2 đồng thời
hoàn thành dỡ hàng. Tuy nhiên, hàng {𝑑1, 𝑑2} của xe tải lớn 1 và hàng {𝑑6, 𝑑7} của xe
tải lớn 2 không hoàn thành dỡ hàng đồng thời cùng một thời điểm. Do đó, hàng đến
trước của xe tải lớn 1 sẽ được để tại kho trung gian. Tại thời điểm 𝑡2 + 𝑇𝑈, xe tải nhỏ
1′ nhận hàng {𝑑6, 𝑑7} trực tiếp từ xe tải lớn 2. Xe tải lớn 2 nhận hàng {𝑑1, 𝑑2} từ kho
trung gian. Tại thời điểm này, trong kho trung gian còn các hàng {𝑑8, 𝑑9}. Sau khi hoàn
′. Tại thời
thành bốc hàng, xe tải nhỏ 1′ rời điểm trung chuyển tại thời điểm 𝑡2 + 𝑇𝑈 + 𝑇𝐿
điểm này, các hàng {𝑑3, 𝑑4, 𝑑5, 𝑑8, 𝑑9} tiếp tục đặt tại kho trung gian.
• 𝑡1 < 𝑡2 và 𝑡2 + 𝑇𝑈 < 𝑡′: Tương tự trường hợp trước, xe tải lớn 1 và xe tải lớn 2 hoàn
thành dỡ hàng tại các thời điểm tương ứng 𝑡1 + 𝑇𝑈 và 𝑡2 + 𝑇𝑈. Vì xe tải nhỏ 1′ chưa
sẵn sàng khi hai xe tải lớn đã hoàn thành dỡ hàng nên tất cả hàng {𝑑1, 𝑑2, … , 𝑑5} của xe
tải lớn 1 đặt tại kho trung gian từ thời điểm 𝑡1 + 𝑇𝑈, hàng {𝑑6, 𝑑7, 𝑑8, 𝑑9} của xe tải lớn
2 đặt tại kho trung gian từ thời điểm 𝑡2 + 𝑇𝑈. Tại thời điểm 𝑡′, xe tải nhỏ 1′ bắt đầu bốc
72
′ xe tải nhỏ 1′ rời điểm
hàng {𝑑1, 𝑑2, 𝑑6, 𝑑7} từ kho trung gian. Tại thời điểm 𝑡′ + 𝑇𝐿
trung chuyển thì trong kho trung gian còn các hàng {𝑑3, 𝑑4, 𝑑5, 𝑑8, 𝑑9}.
Bên cạnh đó, trường hợp đồng bộ hàng hóa đồng thời hai chiều từ xe tải lớn và xe tải nhỏ được
26 Hình 3.8. Minh họa đồng bộ hàng đồng thời hai chiều
minh họa trong hình 3.8.
13 Bảng 3.2. Thời điểm rời điểm trung chuyển và trạng thái kho trung gian
Trong hình 3.8, xe tải lớn 1 đồng bộ hàng {𝑑1, 𝑑2} sang xe tải nhỏ 1′, trong khi đó xe tải nhỏ 1′
đồng bộ hàng {𝑝1, 𝑝2} sang xe tải lớn 1. Thời điểm đến điểm trung chuyển tương của xe tải lớn
′ , bảng 3.2 miêu tả
′ . Không mất tính tổng quát, giả định 𝑇𝑈 > 𝑇𝑈
1 và xe tải nhỏ 1′ là 𝑡1 và 𝑡1
thời điểm rời điểm trung chuyển của xe tải và tình trạng của kho trung gian.
Thời điểm rời
Kho trung gian
điểm trung chuyển
Danh sách hàng
Xe tải lớn 1 Xe tải nhỏ 𝟏′
Thời điểm
tại kho
𝑡1 + 𝑇𝑈
{𝑝1, 𝑝2}
′
𝑡1 = 𝑡1
′
𝑡1 + 𝑇𝑈 + +𝑇𝐿
′
𝑡1 + 𝑇𝑈
∅
+ 𝑇𝐿
𝑡1 + 𝑇𝑈
{𝑝1, 𝑝2}
′
𝑡1 < 𝑡1
′
𝑡1 + 𝑇𝑈 + 𝑇𝐿
∅
+ 𝑇𝐿
𝑡1 + 𝑇𝑈
′
′ + 𝑇𝑈
𝑡1
𝑡1 + 𝑇𝑈
∅
𝑡1 + 𝑇𝑈
𝑡1
′
𝑡1 + 𝑇𝑈 + 𝑇𝐿
{𝑑1, 𝑑2}
′ + 𝑇𝑈
𝑡1
′
′ + 𝑇𝐿
∅
′
′ + 𝑇𝑈
𝑡1
< 𝑡1 + 𝑇𝑈
′
′ + 𝑇𝑈
𝑡1
= 𝑡1 + 𝑇𝑈
′
′ + 𝑇𝑈
𝑡1
> 𝑡1 + 𝑇𝑈
+ 𝑇𝐿
′
′ + 𝑇𝑈
𝑡1
+ 𝑇𝐿
𝑡1 + 𝑇𝑈
′
′ + 𝑇𝑈
𝑡1
73
Ngoài ra, sức chứa của một điểm trung chuyển 𝑠 ∈ 𝑆 quy định số lượng tối đa các xe tải lớn
(𝜋𝑠) và xe tải nhỏ (𝜋𝑠′) được phép thực hiện đồng bộ hàng đồng thời tại điểm trung chuyển.
Trong trường hợp xe vận tải đến trước thời điểm 𝑡(𝑠) − 𝜂 hoặc điểm trung chuyển không còn
đủ sức chứa, xe tải có thể đỗ tại một trạm chờ 𝑤 ∈ 𝑊 (W là tập hợp các trạm chờ) trước khi di
chuyển đển điểm trung chuyển s.
Hình 3.9 minh họa một phần của lời giải của bài toán với 4 hành trình do hai xe tải lớn {1, 2}
thực hiện ở mức 1 và hai xe tải nhỏ thực hiện {1′, 2′} trong mức 2. Đường nét đứt minh họa xe
không tải. Hành trình đầu tiên của xe tải lớn 1 gồm hai lộ trình {𝑟1, 𝑟2} với 𝑟1 = {𝐶𝐷𝐶, 𝑠1, 𝑠2}
là lộ trình giao hàng mức 1 và 𝑟2 = {𝑠2, 𝑠3, 𝐶𝐷𝐶} là lộ trình nhận hàng ở mức 1. Cụ thể, xe tải
lớn 1 rời trung tâm phân phối CDC để đưa hàng hóa e2c đến điểm trung chuyển 𝑠1, 𝑠2. Tại điểm
trung chuyển 𝑠2, sau khi kết thúc dỡ hàng hóa e2c và hoàn thành lộ trình 𝑟1, xe tải lớn 1 bắt đầu
thực hiện lộ trình 𝑟2 với việc bốc hàng hóa c2e ngay tại điểm trung chuyển 𝑠2, sau đó đến điểm
′, 𝑟4
trung chuyển 𝑠3 để bốc hàng hóa c2e. Cuối cùng, xe tải lớn 1 trở về trung tâm phân phối CDC.
′ = {𝑠4, 𝑑7, 𝑑8} là các lộ trình giao hàng mức 2 với 𝑟2
′ = {𝑠1, 𝑑5, 𝑑6} và 𝑟3
′} với 𝑟1
′, 𝑟3
′, 𝑟2
′ = {𝑝̅5, 𝑑̅
5, 𝑝̅6, 𝑑̅
6} là lộ trình giao và nhận hàng
{𝑝6, 𝑝7, 𝑠3} là lộ trình nhận hàng mức 2 và 𝑟4
hóa c2c mức 2. Cụ thể, xe tải nhỏ 1′ xuất phát không tải từ kho đỗ xe g để bắt đầu thực hiện lộ
′. Trong lộ trình này, xe tải nhỏ 1′ bốc hàng hóa e2c tại điểm trung chuyển 𝑠1 và thực
′. Cụ thể, xe tải nhỏ 1′ nhận hàng
5), (𝑝̅6, 𝑑̅
6) theo thứ tự LIFO {𝑝̅5, 𝑑̅
′, 𝑟10
′, 𝑟7
′, 𝑟6
′, 𝑟8
′ = {𝑝3, 𝑝4, 𝑝5, 𝑤1, 𝑠4} là các lộ trình nhận hàng mức 2, 𝑟7
5, 𝑝̅6, 𝑑̅
6}
′, 𝑟9
′ } với 𝑟6
′ =
′ = {𝑠2, 𝑑1, 𝑑2} và
′ = {𝑝̅3, 𝑑̅
′ = {𝑝̅1, 𝑝̅2, 𝑑̅
3, 𝑝̅4, 𝑑̅
2, 𝑑̅
1} và 𝑟8
Tương tự, xe tải lớn 2 thực hiện lộ trình giao hàng mức 1 với 𝑟3 = {𝐶𝐷𝐶, 𝑠4} và sau đó là lộ
trình nhận hàng mức 1 với 𝑟4 = {𝑠4, 𝐶𝐷𝐶}. Ở mức 2, xe tải nhỏ 1′ thực hiện 4 lộ trình
′ =
{𝑟1
trình 𝑟1
hiện giao hàng 𝑑5, 𝑑6. Sau đó, xe tải nhỏ 1′ tiếp tục lộ trình 𝑟2
𝑝6, 𝑝7 và di chuyển đến điểm trung chuyển 𝑠3 để dỡ hàng hóa c2e. Sau khi hoàn thành lộ trình
′, xe tải nhỏ 1′ thực hiện nhận và giao hàng (𝑝̅5, 𝑑̅
𝑟3
trước khi trở về kho đỗ xe g. Xe tải nhỏ 2′ thực hiện 6 lộ trình {𝑟5
{𝑝1, 𝑝2, 𝑠2} và 𝑟9
′ = {𝑠4, 𝑑3, 𝑑4} là các lộ trình giao hàng mức 2, 𝑟5
4}
𝑟10
là các lộ trình nhận và giao hàng hóa c2c mức 2. Sau khi nhận hàng 𝑝5, xe tải nhỏ 2′ di chuyển
đến và chờ tại trạm chờ 𝑤1 để có thể di chuyển đến điểm trung chuyển 𝑠4 đúng thời điểm đồng
bộ hàng.
74
27 Hình 3.9. Minh họa lời giải của bài toán 2E-MTT-PDTWS
3.3.2. Mô hình bài toán
𝐷 ∪ 𝐶𝑐2𝑐
𝑃 ∪ 𝑆 ∪ 𝑊} và 𝐴2 = {(𝑔2, 𝑗): 𝑗 ∈ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝑃 ∪ 𝑆 ∪ 𝑊} ∪ {(𝑝, 𝑗): 𝑝 ∈ 𝐶𝑃, 𝑗 ∈ 𝐶𝑃 ∪ 𝑆 ∪ 𝑊} ∪
𝐷 } ∪
𝑃 ∪ 𝑆 ∪ 𝑊 ∪ 𝑔2} ∪ {(𝑝, 𝑗): 𝑝 ∈ 𝐶𝑐2𝑐
𝑃 , 𝑗 ∈ 𝐶𝑐2𝑐
𝑃 ∪ 𝐶𝑐2𝑐
𝑃 ∪ 𝐶𝑃 ∪ 𝑆 ∪ 𝑊 ∪ 𝑔2} ∪ {(𝑤, 𝑠): 𝑤 ∈ 𝑊, 𝑠 ∈ 𝑆}. Trong đó,
Bài toán 2E-MTT-PDTWS được được nghĩa sử dụng đồ thị có hướng 𝐺 = (𝑉, 𝐴) để biểu diễn
𝐷 ∪ 𝐶𝑐2𝑐
hai mức vận tải. Mức 1 được biểu diễn bởi đồ thị 𝐺1 = (𝑉1, 𝐴1) với 𝑉1 = {𝑔1 ∪ 𝑆 ∪ 𝑊} và 𝐴1 =
{(𝑖, 𝑗): 𝑖 ∈ 𝑉1\𝑊, 𝑗 ∈ 𝑉1} ∪ {(𝑤, 𝑠): 𝑤 ∈ 𝑊, 𝑠 ∈ 𝑆}. Mức 2 được biểu diễn bởi đồ thị 𝐺2 =
𝑃 ∪
(𝑉2, 𝐴2) với 𝑉2 = {𝑔2 ∪ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝑆} ∪ {(𝑠, 𝑗): 𝑠 ∈ 𝑆, 𝑗 ∈ 𝑔2 ∪ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
{(𝑑, 𝑗): 𝑑 ∈ 𝐶𝐷, 𝑗 ∈ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝐷 , 𝑗 ∈ 𝐶𝑐2𝑐
{(𝑑, 𝑗): 𝑑 ∈ 𝐶𝑐2𝑐
đỉnh 𝑔1 đại diện cho trung tâm phân phối CDC.
Có thể thấy tập cạnh 𝐴1 không bao gồm các kết nối:
- Từ 𝑔1đến điểm trạm chờ;
- Từ điểm trạm chờ đến 𝑔1và điểm trạm chờ khác.
Tập cạnh 𝐴2 không bao gồm các kết nối:
- Từ 𝑔2 đến các điểm nhận hàng hóa c2e, giao hàng hóa c2c và các điểm trạm chờ;
- Từ điểm trung chuyển đến các điểm giao hàng hóa c2c;
75
- Từ điểm nhận hàng hóa c2e đến 𝑔2, điểm giao hàng hóa e2c, điểm giao và nhận hàng
hóa c2c;
- Từ điểm giao hàng hóa e2c đến điểm giao hàng hóa c2c;
- Từ điểm nhận hàng hóa c2c đến 𝑔2, điểm nhận hàng hóa c2e, điểm giao hàng hóa e2c,
điểm trạm chờ và điểm trung chuyển;
- Từ điểm giao hàng hóa c2c đến điểm giao hàng hóa e2c;
- Từ điểm trạm chờ đến 𝑔2, điểm nhận hàng hóa c2e, điểm giao hàng hóa e2c, điểm giao
1 . Tương tự, mỗi cạnh
và nhận hàng hóa c2c và điểm trạm chờ.
1 và thời gian di chuyển 𝑡𝑖𝑗
2 . Gọi 𝐾1 là tập hợp các xe tải lớn
Mỗi cạnh (𝑖, 𝑗) ∈ 𝐴1 có chi phí di chuyển 𝑐𝑖𝑗
2 và thời gian di chuyển 𝑡𝑖𝑗
(𝑖, 𝑗) ∈ 𝐴2 có chi phí di chuyển 𝑐𝑖𝑗
vận tải ở mức 1. Mỗi xe tải lớn có trọng tải 𝑄1 và chi phí sử dụng 𝐹1. 𝐾2 là tập hợp các xe tải
nhỏ vận tải ở mức 2. Mỗi xe tải lớn có trọng tải 𝑄2 và chi phí sử dụng 𝐹2. Giả sử số lượng cạnh
lớn nhất trong bất kỳ hành trình nào của xe tải lớn được định nghĩa là 𝜔1 và 𝑈1 là tập hợp
{1, . . , 𝜔1}. Tương tự, 𝑈2 là tập hợp {1, . . , 𝜔2} với 𝜔2 là số cạnh lớn nhất trong bất kỳ hành trình
nào của xe tải nhỏ.
Các biến quyết định của bài toán được định nghĩa như sau:
1
• 𝑋𝑖𝑗𝑢𝑘
: nhận giá trị 1 nếu cạnh (𝑖, 𝑗) ∈ 𝐴1 thuộc lộ trình của xe tải lớn 𝑘 ∈ 𝐾1 và cạnh
2
này có thứ tự thứ 𝑢 trong hành trình vận tải; nhận giá trị 0 trong trường hợp ngược lại;
: nhận giá trị 1 nếu cạnh (𝑖, 𝑗) ∈ 𝐴2 thuộc lộ trình của xe tải nhỏ 𝑘 ∈ 𝐾2 và cạnh • 𝑋𝑖𝑗𝑢𝑘
này có thứ tự thứ 𝑢 trong hành trình vận tải; nhận giá trị 0 trong trường hợp ngược lại;
• 𝑌𝑝𝑠: nhận giá trị 1 nếu hàng hóa c2e, 𝑝 ∈ 𝐶𝑃, được chỉ định cho điểm trung chuyển 𝑠 ∈
𝑆𝑝; nhận giá trị 0 trong trường hợp ngược lại;
• 𝑍𝑑𝑠: nhận giá trị 1 nếu hàng hóa e2c, 𝑑 ∈ 𝐶𝐷, được chỉ định cho điểm trung chuyển 𝑠 ∈
𝑆𝑑; nhận giá trị 0 trong trường hợp ngược lại;
Các ràng buộc của bài toán:
● Mỗi xe tải lớn 𝑘 ∈ 𝐾1 xuất phát và kết thúc hành trình tại kho đỗ xe 𝑔1. Mỗi xe tải nhỏ
𝑘 ∈ 𝐾2 xuất phát và kết thúc hành trình tại kho đỗ xe 𝑔2;
● Trong hành trình vận tải, xe tải 𝑘 ∈ 𝐾1 ∪ 𝐾2 phải đến các điểm trung chuyển 𝑠 ∈ 𝑆 trong
khung thời gian hoạt động của điểm trung chuyển [𝑡(𝑠) − 𝜂, 𝑡(𝑠)];
● Hàng hóa c2c thuộc lộ trình c2c của một xe tải nhỏ 𝑘 ∈ 𝐾2 phải tuân thủ nguyên tắc
LIFO. Hành trình của một xe tải 𝑘 ∈ 𝐾1 ∪ 𝐾2 phải tuân thủ chiến lược Pseudo-
Backhaul;
76
𝐷 } do một xe
𝑃 ∪ 𝐶𝑐2𝑐
● Tại mức 2, mỗi yêu cầu vận tải của khách hàng 𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷 ∪ 𝐶𝑐2𝑐
tải nhỏ 𝑘 ∈ 𝐾2 phục vụ trong khung thời gian [𝑒𝑖, ℓ𝑖]. Tại mức 1, mỗi yêu cầu vận tải
của khách hàng 𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷} do một xe tải lớn phục vụ 𝑘 ∈ 𝐾1;
● Tổng trọng tải của hàng hóa đang vận chuyển trên xe tải lớn 𝑘 ∈ 𝐾1 không được phép
vượt quá trọng tải 𝑄1. Tổng trọng tải của hàng hóa đang vận chuyển trên xe tải nhỏ 𝑘 ∈
𝐾2 không được phép vượt quá trọng tải 𝑄2.
● Mỗi điểm trung chuyển 𝑠 ∈ 𝑆 kho trung gian với khả năng chứa tối đa 𝐿𝑠. Thời gian bốc
hàng hoặc dỡ hàng vào kho trung gian được giả định là 0. Hàng hóa đồng bộ tại điểm
trung chuyển giữa các xe tải tuân thủ yêu cầu sau:
o Quá trình bốc hoặc dỡ hàng của một xe tải là liên tục, không bị ngắt quãng;
o Hàng hóa được phép lưu trữ tạm thời tại kho trung gian nếu xe tải nhận hàng
chưa sẵn sàng;
o Xe tải phải thực hiện dỡ hàng ngay khi xe này đến điểm trung chuyển;
o Thời điểm đến của xe tải phải thuộc khung thời gian hoạt động của điểm trung
chuyển;
o Quá trình bốc hàng của xe tải chỉ có thể bắt đầu sau khi xe tải này kết thúc quá
trình dỡ hàng (nếu có) và tất cả hàng hóa cần bốc đã sẵn sàng. Nếu không, hàng
hóa cần bốc đã đến và phải được lưu trữ tại kho trung gian;
Mục tiêu của bài toán là tối thiểu hóa tổng chi phí và đáp ứng các yêu cầu ràng buộc trên. Tổng
chi phí bao gồm: chi phí sử dụng của đội xe vận tải và chi phí di chuyển của đội xe vận tải. Cụ
1
1
1
1
thể:
𝑠∈𝑆
𝑝∈𝐶𝑃
1
∑ ∑ 𝑐𝑖𝑗
𝑘∈𝐾1
(𝑖,𝑗)∈𝐴1
𝑘∈𝐾1
𝑃
𝑐∈𝐶𝑐2𝑐
2
2
2
+ ∑ ∑ 𝑐𝑖𝑗
) + 𝐹1 ∑ (∑ 𝑋𝑔1𝑠1𝑘 + ∑ 𝑋𝑔1𝑝1𝑘 + ∑ 𝑋𝑔1𝑐1𝑘 ∑ 𝑋𝑖𝑗𝑢𝑘
𝑢∈𝑈1
(𝑖,𝑗)∈𝐴2
𝑘∈𝐾2
𝑘∈𝐾2
1
2 , 𝑌𝑝𝑠
+ 𝐹2 ∑ ∑ 𝑋𝑔2𝑠1𝑘
𝑠∈𝑆
∑ 𝑋𝑖𝑗𝑢𝑘
𝑢∈𝑈2
Bên cạnh các ràng buộc trên của bài toán, ràng buộc của các biến quyết định 𝑋𝑖𝑗𝑢𝑘 , 𝑋𝑖𝑗𝑢𝑘
và 𝑍𝑑𝑠 được thể hiện như sau:
1
• Mỗi yêu cầu nhận hoặc giao hàng chỉ được phục vụ duy nhất một lần:
= 1 ∀𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷}
𝑢∈𝑈1
𝑗∈𝑉1
2
𝐷 }
∑ ∑ ∑ 𝑋𝑖𝑗𝑢𝑘
𝑘∈𝐾1
𝑃 ∪ 𝐶𝑐2𝑐
𝑢∈𝑈2
𝑗∈𝑉2
= 1 ∀𝑖 ∈ {𝐶𝑃 ∪ 𝐶𝐷 ∪ 𝐶𝑐2𝑐 ∑ ∑ ∑ 𝑋𝑖𝑗𝑢𝑘
𝑘∈𝐾2
77
1
• Ràng buộc về luồng vận tải tại từng mức:
1
1
≤ 1 ∀𝑠 ∈ 𝑆, 𝑘 ∈ 𝐾1 ∑ ∑ 𝑋𝑠𝑗𝑢𝑘
𝑢∈𝑈1
𝑗∈𝑉1
2
= ∀𝑖 ∈ {𝑉1\𝑔1}, 𝑘 ∈ 𝐾1 ∑ ∑ 𝑋𝑗𝑖𝑢𝑘
𝑢∈𝑈1
𝑗∈𝑉1 ∑ ∑ 𝑋𝑖𝑗𝑢𝑘
𝑢∈𝑈1
𝑗∈𝑉1
2
2
≤ 1 ∀𝑠 ∈ 𝑆, 𝑘 ∈ 𝐾2 ∑ ∑ 𝑋𝑠𝑗𝑢𝑘
𝑢∈𝑈2
𝑗∈𝑉2
= ∀𝑖 ∈ {𝑉2\𝑔2}, 𝑘 ∈ 𝐾2 ∑ ∑ 𝑋𝑗𝑖𝑢𝑘
𝑢∈𝑈2
𝑗∈𝑉2 ∑ ∑ 𝑋𝑖𝑗𝑢𝑘
𝑢∈𝑈2
𝑗∈𝑉2
1
• Xe tải lớn xuất phát và kết thúc tại garage 𝑔1:
1
∑ 𝑋𝑔1𝑖1𝑘
𝑖∈𝑆
𝑢∈𝑈1
∀𝑘 ∈ 𝐾1 = ∑ ∑ 𝑋𝑖𝑔1𝑢𝑘
𝑖∈𝑆
2
2
• Xe tải nhỏ xuất phát và kết thúc tại garage 𝑔2:
𝑖∈{𝑉2\𝑔2}
𝑢∈𝑈2
∀𝑘 ∈ 𝐾2 ∑ 𝑋𝑔2𝑖1𝑘 = ∑ ∑ 𝑋𝑖𝑔2𝑢𝑘
𝑖∈{𝑉2\𝑔2}
• Mỗi yêu cầu nhận hàng c2e hoặc yêu cầu giao hàng e2c chỉ được thực hiện bởi một
điểm trung chuyển cho phép:
= 1 ∀𝑝 ∈ 𝐶𝑃
∑ 𝑌𝑝𝑠
𝑠∈𝑆𝑝
= 1 ∀𝑑 ∈ 𝐶𝐷
∑ 𝑍𝑑𝑠
𝑠∈𝑆𝑑
• Tất cả yêu cầu nhận hàng c2e thuộc cùng một lộ trình phải được thực hiện bởi cùng một
2
điểm trung chuyển cho phép:
2
≤ 𝑌𝑝𝑠 ∀𝑝 ∈ 𝐶𝑃, 𝑠 ∈ 𝑆 ∑ ∑ 𝑋𝑝𝑠𝑢𝑘
𝑘∈𝐾2
𝑢∈𝑈2
2
𝑋𝑝𝑤𝑢𝑘
2
+ 1 ∀𝑝 ∈ 𝐶𝑃, 𝑠 ∈ 𝑆𝑝, 𝑤 ∈ 𝑊, 𝑢 ∈ 𝑈2, 𝑘 ∈ 𝐾2 + 𝑌𝑝𝑠 ≤ 𝑋𝑤𝑠(𝑢+1)𝑘
+ 𝑌𝑝𝑠 ≤ 𝑌𝑝′𝑠 + 1 ∀𝑝, 𝑝′ ∈ 𝐶𝑃, 𝑝 ≠ 𝑝′, 𝑠 ∈ 𝑆𝑝 ∑ ∑ 𝑋𝑝𝑝′𝑢𝑘
𝑘∈𝐾2
𝑢∈𝑈2
• Tất cả yêu cầu giao hàng e2c thuộc cùng một lộ trình phải được thực hiện bởi cùng một
2
điểm trung chuyển cho phép:
2
≤ 𝑍𝑑𝑠 ∀𝑑 ∈ 𝐶𝐷, 𝑠 ∈ 𝑆 ∑ ∑ 𝑋𝑑𝑠𝑢𝑘
𝑘∈𝐾2
𝑢∈𝑈2
2
𝑋𝑑𝑤𝑢𝑘
+ 1 ∀𝑑 ∈ 𝐶𝐷, 𝑠 ∈ 𝑆𝑑, 𝑤 ∈ 𝑊, 𝑢 ∈ 𝑈2, 𝑘 ∈ 𝐾2 + 𝑍𝑑𝑠 ≤ 𝑋𝑤𝑠(𝑢+1)𝑘
78
2
+ 𝑍𝑑𝑠 ≤ 𝑍𝑑′𝑠 + 1 ∀𝑑, 𝑑′ ∈ 𝐶𝐷, 𝑑 ≠ 𝑑′, 𝑠 ∈ 𝑆𝑑 ∑ ∑ 𝑋𝑝𝑝′𝑢𝑘
𝑘∈𝐾2
𝑢∈𝑈2
1
• Ràng buộc luồng vận tải giữa mức 1 và mức 2:
𝑢∈𝑈1
∀𝑠 ∈ 𝑆, 𝑘 ∈ 𝐾1 ∑ 𝑌𝑝𝑠
𝑝∈𝐶𝑃 + ∑ 𝑍𝑑𝑠
𝑑∈𝐶𝐷 = ∑ ∑ 𝑋𝑠𝑗𝑢𝑘
𝑗∈𝑉1
3.4. THUẬT TOÁN GIẢI BÀI TOÁN MTT-PDTWS VÀ BÀI TOÁN 2E-
MTT-PDTWS
3.4.1. Cấu trúc chung của thuật toán
Trong lĩnh vực khoa học máy tính, thuật toán tìm kiếm thu hút nhiều sự nghiên cứu của các nhà
khoa học. Trong đó, thuật toán tìm kiếm địa phương LS (Local Search) cải thiện chất lượng lời
giải bằng cách cố gắng cải thiện chất lượng các phần nhỏ trong lời giải. Thuật toán tìm kiếm
lân cận lớn LNS (Large Neighborhood Search) thực hiện cải thiện chất lượng lời giải bằng cách
sử dụng thao tác hủy và thao tác chỉnh sửa. Thông qua các thao tác này, thuật toán LNS sẽ thay
đổi phần lớn lời giải. Thuật toán tìm kiếm lân cận lớn thích nghi ALNS (Adaptive Large
Neighborhood Search) là một trường hợp mở rộng của thuật toán LNS [59]. Thay vì chỉ sử
dụng một thao thác hủy và một thao tác chỉnh sửa như trong thuật toán LNS, thuật toán ALNS
cho phép lựa chọn thao tác hủy và thao tác chỉnh sửa từ tập hợp các thao tác có sẵn tại mỗi bước
lặp của thuật toán. Trong thuật toán ALNS, mỗi thao tác được gán một trọng số và được lựa
chọn theo xác suất dựa vào trọng số này tại mỗi bước lặp của thuật toán. Thao tác có trọng số
càng lớn thì có xác suất được lựa chọn càng cao. Tại mỗi bước lặp của thuật toán, trọng số của
thao tác sẽ được cập nhật dựa vào chất lượng lời giải mới tạo ra khi áp dụng trọng số đó. Trong
trường hợp lời giải mới có chất lượng tốt hơn lời giải hiện tại thì thao tác đang được sử dụng sẽ
được cập nhật với trọng số lớn hơn.
Luận án áp dụng thuật toán tìm kiếm lân cận lớn thích nghi ALNS (gọi tắt là thuật toán ALNS)
giải quyết đồng thời hai bài toán. Để đơn giản hóa, thuật toán chỉ xem xét lời giải chấp nhận
được trong khi quá trình khai phá không gian tìm kiếm lời giải. Cấu trúc của thuật toán ALNS
điển hình [59], được thể hiện chi tiết trong thuật toán 3.1.
Thuật toán 3.1. Thuật toán ALNS [59]
1. Khởi tạo lời giải ban đầu z;
2. Cập nhật lời giải tốt nhất 𝑧𝑏𝑒𝑠𝑡 ← 𝑧;
3. Khởi tạo trọng số của các thao tác hủy và thao tác chỉnh sửa;
4.
repeat
79
5.
Lựa chọn xác suất một thao tác hủy và một thao tác chỉnh sửa dựa theo trọng số
6.
7.
8.
của các thao tác;
Áp dụng thao tác hủy và thao tác chỉnh sửa được lựa chọn để tạo ra lời giải 𝑧′;
Cập nhật 𝑧 ← 𝑧′ nếu thỏa mãn tiêu chí chấp nhận lời giải mới;
Cập nhật 𝑧𝑏𝑒𝑠𝑡 ← 𝑧′ nếu lời giải mới tốt hơn lời giải tốt nhất hiện tại;
Cập nhật trọng số của các thao tác hủy và thao tác chỉnh sửa;
until thỏa mãn điều kiện dừng;
9.
10.
11. return lời giải tốt nhất 𝑧𝑏𝑒𝑠𝑡;
Bài toán 2E-MTT-PDTWS là bài toán mở rộng của bài toán MTT-PDTWS và có thể thấy rằng
lời giải của bài toán MTT-PDTWS tương ứng với lịch trình của đội xe tải nhỏ vận tải ở mức 2
của bài toán 2E-MTT-PDTWS. Cụ thể, một lời giải của bài toán 2E-MTT-PDTWS sẽ gồm hai
phần chính:
• Phần thứ nhất của lời giải: lịch trình của đội xe tải lớn vận tải ở mức 1;
• Phần thứ hai của lời giải: lịch trình của đội xe tải nhỏ vận tải ở mức 2.
Đối với bài toán MTT-PDTWS, sau khi hoàn thành các bước lặp chính của thuật toán ALNS,
thủ tục nâng cao chất lượng lời giải được áp dụng để cải thiện chất lượng lời giải tốt nhất hiện
có trước khi kết thúc thuật toán.
Đối với bài toán 2E-MTT-PDTWS, tại mỗi bước lặp chính của thuật toán ALNS, sau khi phần
thứ hai của lời giải mới được chấp nhận, thuật toán heuristic được áp dụng để tìm phần thứ nhất
lời giải và đưa ra lời giải của bài toán.
3.4.1.1 Thuật toán ALNS giải bài toán MTT-PDTWS
Thuật toán 3.2. Thuật toán ALNS giải bài toán MTT-PDTWS
Đầu vào:
𝑃 ∪ 𝑆 ∪ 𝑊};
𝐷 ∪ 𝐶𝑐2𝑐
Đồ thị G=(V, E);
𝑉 = {𝑔 ∪ 𝐶𝐷 ∪ 𝐶𝑃 ∪ 𝐶𝑐2𝑐
𝐸 = {𝑖, 𝑗} với ∀𝑖, 𝑗 ∈ 𝑉;
𝑐𝑖𝑗: chi phí di chuyển giữa 2 điểm 𝑖, 𝑗 ∈ 𝐸;
F: chi phí cố định để sử dụng cho một xe tải nhỏ;
Q: trọng tải của xe tải nhỏ.
Đầu ra:
Lời giải bài toán 𝑧𝑏𝑒𝑠𝑡:
• Tổng chi phí;
• Hành trình của các xe tải nhỏ;
• Xác định điểm trung chuyển 𝑠 ∈ 𝑆𝑝 phục vụ yêu cầu nhận hàng c2e, 𝑝 ∈ 𝐶𝑃.
Khởi tạo lời giải ban đầu z;
1.
2.
Cập nhật lời giải tốt nhất 𝑧𝑏𝑒𝑠𝑡 ← 𝑧;
80
Khởi tạo trọng số của các thao tác hủy và thao tác chỉnh sửa;
repeat
3.
4.
5.
Lựa chọn xác suất một thao tác hủy và một thao tác chỉnh sửa dựa theo trọng
6.
7.
8.
số của các thao tác;
Áp dụng thao tác hủy và thao tác chỉnh sửa được lựa chọn để tạo ra lời giải 𝑧′;
Cập nhật 𝑧 ← 𝑧′ nếu thỏa mãn tiêu chí chấp nhận lời giải mới;
Cập nhật 𝑧𝑏𝑒𝑠𝑡 ← 𝑧′ nếu lời giải mới tốt hơn lời giải tốt nhất hiện tại;
Cập nhật trọng số của các thao tác hủy và thao tác chỉnh sửa;
until thỏa mãn điều kiện dừng;
Thực hiện thủ tục nâng cao chất lượng lời giải;
9.
10.
11.
12.
return lời giải tốt nhất 𝑧𝑏𝑒𝑠𝑡;
Trong bước đầu tiên của thuật toán trên, lời giải ban đầu z sẽ được tạo ra bởi thuật toán tham
lam (dòng 1). Sau đó, khởi tạo trọng số của tất cả thao tác hủy và thao tác chỉnh sửa với giá trị
bằng 1 (các thao tác có xác suất lựa chọn như nhau) (dòng 3). Tại mỗi bước lặp, thực hiện lựa
chọn theo xác suất một cặp thao tác hủy và thao tác chỉnh sửa dựa vào giá trị trọng số của chúng
(dòng 5). Thao tác có trọng số càng lớn thì có xác suất được lựa chọn càng cao. Thao tác hủy
và thao tác chỉnh sửa được cập nhật trọng số và lựa chọn độc lập với nhau. Sử dụng thao tác
hủy được lựa chọn, một phần lời giải hiện tại z sẽ bị loại bỏ và sau đó các phần này được đưa
trở lại bằng cách áp dụng thao tác chỉnh sửa để tạo ra lời giải mới 𝑧′ (dòng 6). Lời giải 𝑧′ sẽ
được kiểm tra chấp nhận hay không để thay thế lời giải hiện tại z thông qua thủ tục kiểm tra
chấp nhận lời giải mới (dòng 7). Tư tưởng chính của thủ tục này là có thể chấp nhận lời giải
mới có chất lượng tồi hơn để hạn chế tối ưu cục bộ trong một số trường hợp. Ở bước cuối cùng,
trọng số của thao tác hủy và thao tác chỉnh sửa lựa chọn được cập nhật dựa vào chất lượng lời
giải mới tạo ra (dòng 9). Quá trình tìm kiếm kết thúc khi thỏa mãn điều kiện dừng (dòng 10).
Cuối cùng, thủ tục nâng cao chất lượng lời giải sẽ được áp dụng nhằm cải thiện thêm chất lượng
lời giải tốt nhất hiện tại trước khi đưa ra lời giải tốt nhất 𝑧𝑏𝑒𝑠𝑡 (dòng 11 và dòng 12).
Thủ tục nâng cao chất lượng lời giải thực hiện cải thiện chất lượng các lộ trình thông qua hai
bước: inter-route và intra-route. Cụ thể, đối với lộ trình e2c và lộ trình c2e, thủ tục sử dụng 2
thao tác intra-route: λ-interchange với 𝜆 = {1,2} [80] và Cross-exchange. Chi tiết thủ tục được
trình bày ở nghiên cứu [58] của tác giả Nguyen và cộng sự.
3.4.1.2 Thuật toán ALNS giải bài toán 2E-MTT-PDTWS
Thuật toán 3.3. Thuật toán ALNS giải bài toán 2E-MTT-PDTWS
Đầu vào: Đồ thị 𝐺 = (𝑉, 𝐴);
𝑐𝑖𝑗: chi phí di chuyển giữa 2 điểm ∀𝑖, 𝑗 ∈ 𝐴;
81
𝑡𝑖𝑗: thời gian di chuyển giữa 2 điểm ∀𝑖, 𝑗 ∈ 𝐴
𝐹1: chi phí cố định để sử dụng cho một xe tải lớn;
𝑄1: trọng tải của xe tải lớn;
𝐹2: chi phí cố định để sử dụng cho một xe tải nhỏ;
𝑄2: trọng tải của xe tải nhỏ.
(Chi tiết các đầu vào trình bày tại mục 3.3)
Đầu ra:
Lời giải bài toán 𝑧𝑏𝑒𝑠𝑡:
• Tổng chi phí;
• Hành trình của các xe tải trên hai mức;
• Xác định điểm trung chuyển 𝑠 ∈ 𝑆𝑝 phục vụ yêu cầu nhận hàng hóa c2e, 𝑝 ∈ 𝐶𝑃.
• Xác định điểm trung chuyển 𝑠 ∈ 𝑆𝑑 phục vụ yêu cầu nhận hàng hóa e2c, 𝑑 ∈ 𝐶𝐷.
1. Khởi tạo lời giải ban đầu z;
2. Cập nhật 𝑧𝑏𝑒𝑠𝑡 ← 𝑧;
3. Khởi tạo trọng số của tất cả thao tác hủy và thao tác chỉnh sửa bằng giá trị 1;
4.
repeat
5.
Lựa chọn xác suất một thao tác hủy theo trọng số của thao tác;
6.
Áp dụng thao tác hủy được lựa chọn và thao tác chỉnh sửa đối với phần thứ 2 của lời
giải z để tạo ra lời giải 𝑧′′;
7.
if 𝑧′′ thỏa mãn tiêu chí lựa chọn lời giải mới then
8.
Áp dụng thuật toán heuristic đối với 𝑧′′ để tạo ra lời giải 𝑧′;
9.
10.
Cập nhật 𝑧 ← 𝑧′;
if lời giải 𝑧′ tốt hơn lời giải 𝑧𝑏𝑒𝑠𝑡 then
11.
Cập nhật 𝑧𝑏𝑒𝑠𝑡 ← 𝑧′;
12.
end if
13.
end if
14.
Cập nhật trọng số của các thao tác;
15. until thỏa mãn điều kiện dừng;
16.
return kết quả tốt nhất 𝑧𝑏𝑒𝑠𝑡;
Cấu trúc của thuật toán 3.3 tương tự với cấu trúc thuật toán ALNS giải bài toán MTT-PDTWS.
Điểm khác biệt là cách thức tạo ra lời giải của bài toán 2E-MTT-PDTWS. Cụ thể, sau khi lời
giải 𝑧′′ đáp ứng tiêu chí lựa chọn lời giải mới thì áp dụng thuật toán heuristic (trình bày chi tiết
tại mục 3.4.1.3) để tạo ra lời giải 𝑧′ của bài toán 2E-MTT-PDTWS (dòng 8).
82
3.4.1.3 Thuật toán heuristic lập lịch vận tải mức 1 cho bài toán 2E-MTT-PDTWS
Với lịch vận tải của xe tải nhỏ đã được xác định, mỗi yêu cầu vận tải hàng hóa c2e hoặc e2c sẽ
có thời điểm bốc hàng lên xe tải lớn (𝑡𝑝) hoặc thời điểm dỡ hàng từ xe tải nhỏ (𝑡𝑑). Từ đó, các
xe tải lớn sẽ được lập lịch như sau:
● Xuất phát từ trung tâm phân phối CDC, đến điểm trung chuyển và dỡ hàng hóa e2c tại
thời điểm 𝑡𝑑;
● Đến các điểm trung chuyển và bốc hàng hóa c2e tại thời điểm 𝑡𝑝 và trở về trung tâm
𝐷
phân phối CDC.
.
𝐷
Tư tưởng thuật toán heuristic lập lịch vận tải mức 1 cụ thể như sau. Đầu tiên, các yêu cầu giao
hàng hóa e2c, 𝑑 ∈ 𝐶𝐷, sẽ được sắp xếp tăng dần theo giá trị 𝑡𝑑 và lưu vào tập hợp 𝐶𝑢𝑛𝑠𝑒𝑟𝑣𝑒𝑑
Ở bước khởi tạo, tất cả yêu cầu giao hàng hóa e2c này chưa được bất kỳ xe tải lớn nào phục vụ.
có giá trị 𝑡𝑑1 nhỏ nhất sẽ được lựa
Điểm trung chuyển 𝑠1 có yêu cầu vận tải 𝑑1 ∈ 𝐶𝑢𝑛𝑠𝑒𝑟𝑣𝑒𝑑
chọn. Sau đó, một xe tải lớn sẽ được lập lịch di chuyển từ trung tâm phân phối CDC đến điểm
tại điểm trung chuyển 𝑠1, xe tải lớn sẽ phục vụ nếu đáp ứng yêu cầu chuyển
𝐷
trung chuyển 𝑠1 để chuyển hàng 𝑑1 trực tiếp cho xe tải nhỏ. Với các yêu cầu vận tải e2c khác
𝐷
𝑑′ ∈ 𝐶𝑢𝑛𝑠𝑒𝑟𝑣𝑒𝑑
hàng trực tiếp hoặc sử dụng kho trung gian và không vượt quá trọng tải 𝑄1. Những yêu cầu vận
𝐷
. Sau đó tải đã được phục vụ tải điểm trung chuyển 𝑠1 sẽ được loại bỏ khỏi tập hợp 𝐶𝑢𝑛𝑠𝑒𝑟𝑣𝑒𝑑
có giá trị 𝑡𝑑2 nhỏ
tiếp tục tìm kiếm điểm trung chuyển 𝑠2 có yêu cầu vận tải 𝑑2 ∈ 𝐶𝑢𝑛𝑠𝑒𝑟𝑣𝑒𝑑
nhất và xe tải lớn có thể di chuyển đến và đáp ứng ràng buộc thời gian và trọng tải xe. Lặp lại
quá trình này sẽ xác định được danh sách các điểm trung chuyển, số lượng hàng trên lộ trình
giao hàng hóa mức 1 của xe tải lớn. Quá trình này dừng khi không tìm được điểm trung chuyển
tiếp theo có yêu cầu vận tải hàng hóa e2c chưa phục vụ mà đáp ứng ràng buộc về thời gian và
trọng tải. Kết quả sẽ tìm được lộ trình giao hàng hóa mức 1 của xe tải lớn. Tiếp theo, sẽ thử lập
lịch lộ trình nhận hàng hóa mức 1 cho xe tải lớn với ràng buộc về thời gian và trọng tải nhằm
mục đích hạn chế di chuyển không tải khi quay về trung tâm phân phối CDC. Quá trình tạo lộ
trình nhận hàng hóa mức 1 cho xe tải lớn tương tự với tạo lộ trình giao hàng hóa mức 1.
Có thể nhận thấy rằng, một hành trình của xe tải lớn sẽ thuộc một trong ba trường hợp sau:
● Một lộ trình nhận hàng mức 1;
● Một lộ trình giao hàng mức 1;
● Một lộ trình giao hàng mức 1 và ngay sau đó là một lộ trình nhận hàng mức 1.
Như vậy, với các bước thực hiện mô tả ở trên, mục đích của thuật toán heuristic là tạo ra tối đa
các hành trình của xe tải lớn ở trường hợp thứ ba để giảm số lượng xe tải lớn tham gia vận tải.
83
3.4.2. Các cấu phần chính của thuật toán ALNS
3.4.2.1. Khởi tạo lời giải ban đầu
Bước đầu tiên của thuật toán ALNS là thực hiện khởi tạo lời giải ban đầu. Vì bài toán 2E-MTT-
PDTWS là bài toán mở rộng của bài toán MTT-PDTWS và lời giải của bài toán MTT-PDTWS
tương ứng với lịch trình của đội xe tải nhỏ vận tải ở mức 2 của bài toán 2E-MTT-PDTWS, do
đó, luận án giới thiệu phương pháp khởi tạo lời giải ban đầu cho bài toán MTT-PDTWS. Từ lời
giải này, sẽ áp dụng thuật toán heuristic để tạo ra lời giải ban đầu của bài toán 2E-MTT-PDTWS.
Thuật toán heuristic được trình bày chi tiết trong mục 3.4.1.3.
3.4.2.1.1. Khởi tạo lời giải ban đầu cho bài toán MTT-PDTWS
Quá trình khởi tạo lời giải ban đầu sử dụng các bước được trình bày ở nghiên cứu [40]. Ý tưởng
chính là khởi tạo một lời giải với tổng chi phí di chuyển nhỏ và giảm thiểu các lộ trình không
tải của xe tải nhỏ. Quá trình khởi tạo bao gồm 2 bước:
● Bước 1: các yêu cầu vận tải hàng hóa c2e, 𝑝 ∈ 𝐶𝑝, sẽ được chỉ định cho các điểm trung
chuyển 𝑠 ∈ 𝑆𝑝 dựa vào tổng lượng hàng hóa chuyển ra thành phố qua điểm trung chuyển
và khoảng cách của chúng đến điểm trung chuyển;
● Bước 2: áp dụng thuật toán tham lam để tạo ra các lộ trình một cách tuần tự cho đến khi
tất cả yêu cầu vận tải đều được phục vụ. Tại mỗi vòng lặp, lộ trình có chi phí trung bình
tiêu tốn cho 1 yêu cầu vận tải nhỏ nhất (tổng chi phí của lộ trình/số lượng yêu cầu vận
tải) sẽ được thêm vào hành trình hiện tại.
3.4.2.1.2. Khởi tạo lời giải ban đầu cho bài toán 2E-MTT-PDTWS
Đầu tiên thực hiện lập lịch vận tải cho đội xe tải nhỏ. Sau đó, tiến hành lập lịch cho đội xe tải
lớn. Quá trình lập lịch cho đội xe tải nhỏ tương tự quá trình khởi tạo lời giải ban đầu cho bài
toán MTT-PDTWS. Tuy nhiên, trong quá trình lập lịch vận tải cho đội xe tải nhỏ yêu cầu phải
chỉ định điểm trung chuyển phục vụ cho yêu cầu nhận hàng hóa e2c. Do đó, quá trình lập lịch
trình cho đội xe tải nhỏ gồm 2 bước:
● Bước 1: các yêu cầu vận tải hàng hóa c2e, 𝑝 ∈ 𝐶𝑝, sẽ được chỉ định cho các điểm trung
chuyển 𝑠 ∈ 𝑆𝑝 dựa vào tổng lượng hàng hóa chuyển ra thành phố qua điểm trung chuyển
và khoảng cách của chúng đến điểm trung chuyển. Tương tự, mỗi yêu cầu giao hàng
e2c, 𝑑 ∈ 𝐶𝐷, được gán với một điểm trung chuyển 𝑠 ∈ 𝑆𝑑 dựa vào tổng lượng hàng hóa
chuyển vào thành phố qua điểm trung chuyển và khoảng cách của chúng đến điểm trung
chuyển;
84
● Bước 2: áp dụng thuật toán tham lam để tuần tự tạo từng lộ trình giao hàng mức 1, lộ
trình nhận hàng mức 1 cho đến khi tất cả yêu cầu vận tải đã được phục vụ. Tại mỗi bước
lặp của thuật toán, một lộ trình với chi phí trung bình nhỏ nhất (tính theo từng yêu cầu)
sẽ được thêm vào hành trình.
Sau khi hoàn thành lập lịch cho đội xe vận nhỏ, đội xe vận tải lớn sẽ được lập lịch vận tải thông
qua sử dụng thuật toán heuristic ở trong mục 3.4.1.3.
3.4.2.2. Thao tác hủy
Tại mỗi bước lặp của thuật toán ALNS, thao tác hủy sẽ loại bỏ một số lượng các yêu cầu vận
tải của khách hàng trên lộ trình hoặc loại bỏ toàn bộ lộ trình. Thao tác hủy do đó được phân
thành 2 loại theo vào mức độ yêu cầu loại bỏ: mức khách hàng và mức lộ trình. Đối với mức
khách hàng, chỉ tiến hành loại bỏ các yêu cầu vận tải của khách hàng trên lộ trình. Ngược lại
đối với mức lộ trình, loại bỏ cả lộ trình nhưng giữ nguyên thứ tự yêu cầu vận tải trong lộ trình
đó. Việc lựa chọn mức để áp dụng thao tác hủy được điều chỉnh trong suốt quá trình của thuật
toán nhằm giữ cân bằng giữa khai phá không gian tìm kiếm theo chiều sâu và chiều rộng.
● Thao tác hủy ở mức khách hàng: thuật toán sử dụng 2 thao tác hủy: thao tác hủy ngẫu
nhiên và thao tác hủy chi phí tồi nhất (worst-cost). Để áp dụng thao tác hủy, trước tiên
một trong ba loại hàng hóa sẽ được lựa chọn theo xác suất được quy định:
o Đối với loại hàng hóa e2c, xác suất lựa chọn tỷ lệ với |𝐶𝐷|/𝑛;
𝐷 |)/𝑛;
𝑃 | + |𝐶𝑐2𝑐
o Đối với loại hàng hóa c2e, xác suất lựa chọn tỷ lệ với |𝐶𝑃|/𝑛;
o Đối với loại hàng hóa c2c, xác suất lựa chọn tỷ lệ với (|𝐶𝑐2𝑐
(n: là tổng số yêu cầu vận tải của khách hàng)
Tức là hàng hóa nào nhiều hơn thì sẽ được thuật toán ưu tiên dành nhiều thời gian tính
toán hơn. Sau khi xác định được loại yêu cầu vận tải của khách hàng cần loại bỏ, thì tiếp
tục xác định số lượng yêu cầu vận tải của khách hàng (𝑛𝑟) cần loại bỏ. Số lượng yêu
cầu này được lựa chọn trong khoảng [𝑛ℓ, 𝑛𝑢]. Trong đó, 𝑛ℓ và 𝑛𝑢 là thông số đầu vào
của thuật toán. Lưu ý, trong trường hợp yêu cầu c2c được lựa chọn, thì khi thực hiện
loại bỏ sẽ loại bỏ gồm yêu cầu nhận hàng và yêu cầu chuyển hàng tương ứng. Chi tiết
của thao tác hủy ngẫu nhiên và thao tác hủy chi phí tồi nhất:
o Thao tác hủy ngẫu nhiên: các yêu cầu vận tải được lựa chọn và loại bỏ ngẫu
nhiên. Quá trình chọn ngẫu nhiên tạo ra nhiều lời giải khác nhau và đảm bảo sự
đa dạng lời giải và tránh vấn đề tối ưu cục bộ;
85
o Thao tác hủy chi phí tồi nhất: đầu tiên, thuật toán sẽ tính giá trị sai lệch của mỗi
yêu cầu vận tải theo loại hàng hóa đã được chọn. Giá trị sai lệch của yêu cầu vận
tải i được định nghĩa như sau:
𝐷(𝑧, 𝑖) = 𝑓(𝑧) − 𝑓(𝑧, 𝑖)
với
▪ 𝑓(𝑧) là giá trị của lời giải hiện tại z;
▪ 𝑓(𝑧, 𝑖) là giá trị của lời giải z khi đã loại bỏ yêu cầu vận tải i.
Có thể thấy, giá trị sai lệch của một yêu cầu vận tải thể hiện sự ảnh hưởng của
yêu cầu vận tải đó đối với lời giải hiện tại. Yêu cầu vận tải có giá trị sai lệch lớn
hơn có xác suất được lựa chọn để hủy cao hơn. Sau khi đã tính toán các giá trị
sai lệch của các yêu cầu vận tải, 𝑛𝑟 yêu cầu vận tải được lựa chọn xác suất dựa
theo giá trị sai lệch để tiến hành loại bỏ.
Thao tác hủy ở mức lộ trình: tương tự thao tác hủy ở mức khách hàng, sau khi lựa ●
chọn loại lộ trình để loại bỏ thì sẽ lựa chọn số lượng lộ trình cần loại bỏ (𝑛𝑟). Giá trị 𝑛𝑟
được lựa chọn ngẫu nhiên trong khoảng [𝑛ℓ, 𝑛𝑢]. Trong đó, 𝑛ℓ và 𝑛𝑢 là thông số đầu
vào của thuật toán. Đối với thao tác hủy ở mức lộ trình, khi thực hiện loại bỏ một lộ
trình ra khỏi hành trình, các lộ trình còn lại vẫn giữ nguyên thứ tự và sẽ được nối lại với
nhau để thu được hành trình mới. Lộ trình bị loại bỏ sẽ được lưu giữ lại để chuẩn bị thực
hiện cho thao tác sửa chữa ở tiếp theo (chú ý rằng, các yêu cầu vận tải của hành khách
trên lộ trình này là không thay đổi). Như vậy, sau khi áp dụng thao tác hủy ở mức lộ
trình, ta sẽ thu được 𝑛𝑟 lộ trình bị tách ra riêng. Thuật toán sử dụng 2 loại thao tác hủy
cho mức lộ trình, mỗi thao tác có chiến lược riêng để lựa chọn các lộ trình cần loại bỏ.
Cụ thể:
o Thao tác hủy giá trị sử dụng tồi nhất (worst-utilization): giá trị sử dụng của một
lộ trình được định nghĩa là tỷ lệ giữa chi phí của lộ trình và tổng số yêu cầu vận
tải thuộc lộ trình đó. Có thể thấy rằng, giá trị sử dụng thể hiện chi phí cần bỏ ra
để phục vụ một yêu cầu vận tải. Do đó, lộ trình có giá trị sử dụng càng lớn thì
có xác suất được lựa chọn để hủy càng cao. Bước đầu tiên của thao tác này sẽ
tính toán giá trị sử dụng của tất cả các lộ trình có cùng loại lộ trình đã chọn. Sau
đó, lựa chọn 𝑛𝑟 lộ trình theo xác suất dựa vào giá trị sử dụng để loại bỏ;
o Thao tác hủy dựa vào thời gian (time-related): Giá trị khoảng cách Hamming
giữa hai lộ trình r và 𝑟′ được định nghĩa:
∆(𝑟, 𝑟′) = |𝑆𝑇[𝑟] − 𝑆𝑇[𝑟′]| + |𝐸𝑇[𝑟] − 𝐸𝑇[𝑟′]|
86
Với 𝑆𝑇[𝑟] và 𝐸𝑇[𝑟] là các thời điểm bắt đầu phục vụ yêu cầu vận tải đầu tiên và
thời điểm bắt đầu phục vụ yêu cầu vận tải cuối cùng thuộc lộ trình 𝑟. 𝑆𝑇[𝑟′] và
𝐸𝑇[𝑟′] cũng có ý nghĩa tương tự với lộ trình 𝑟′. Giá trị khoảng cách Hammning
giữa hai lộ trình thể hiện tính chất tương tự về khung thời gian phục vụ giữa
chúng. Giá trị này càng nhỏ, thì hai lộ trình càng tương tự nhau về khung thời
gian phục vụ. Mục tiêu của thao tác hủy này là loại bỏ các lộ trình có khung thời
gian phục vụ tương tự nhau, giúp cho các lộ trình này ở thao tác chỉnh sửa sẽ có
nhiều lựa chọn hơn cho việc chèn lại vào các hành trình, nhờ đó hi vọng chất
lượng lời giải sẽ được cải thiện. Thao tác hủy bắt đầu bằng cách lựa chọn ngẫu
nhiên một lộ trình. Sau đó, thực hiện tính giá trị khoảng cách Hamming của tất
cả lộ trình cùng loại đối với lộ trình này. Cuối cùng, lựa chọn 𝑛𝑟 lộ trình theo
xác suất dựa vào giá trị khoảng cách Hamming để loại bỏ. Giá trị Hamming càng
nhỏ thì xác suất lộ trình đó được lựa chọn để loại bỏ càng cao.
3.4.2.3. Thao tác chỉnh sửa
Tại mỗi bước lặp của thuật toán ALNS, sau khi áp dụng thao tác hủy sẽ loại bỏ được một số
yêu cầu vận tải hoặc một số lộ trình. Các yêu cầu vận tải hoặc các lộ trình này sẽ được đưa trở
lại lời giải để tạo lời giải mới bằng cách áp dụng thao tác chỉnh sửa. Việc đưa trở lại yêu cầu
vận tải hoặc lộ trình đã loại bỏ tuân thủ các quy tắc sau:
● Tất cả hành trình mới phải hợp lệ;
● Đối với yêu cầu vận tải nhận hàng 𝑝 ∈ 𝐶𝑃, thao tác chỉnh sửa có thể đưa trở lại yêu cầu
𝐷 với điểm trung chuyển 𝑠 ∈ 𝑆 được phép đưa trở lại
này vào bất kỳ lộ trình c2e nào có kết thúc tại điểm trung chuyển 𝑠 ∈ 𝑆𝑝;
● Yêu cầu vận tải giao hàng 𝑑 ∈ 𝐶𝑠
các lộ trình e2c mà xuất phát bốc hàng cùng điểm trung chuyển s;
● Yêu cầu nhận và giao hàng hóa c2c trong thành phố (𝑝̅, 𝑑̅) ∈ 𝑅 được phép đưa trở lại
bất kỳ lộ trình c2c nào với điều kiện tuân thủ quy tắc LIFO;
● Đối với mỗi lộ trình e2c, {𝑠, 𝑑𝑖, … , 𝑑𝑗}, hai trường hợp được xem xét khi áp dụng thao
tác chỉnh sửa:
o Đưa trở lại hành trình của xe tải nhỏ mà không có bất kỳ lộ trình e2c nào xuất
phát từ điểm trung chuyển s;
o Đưa trở lại vào điểm bắt đầu hoặc điểm kết thúc của các lộ trình e2c có bắt đầu
từ điểm trung chuyển s.
87
● Tương tự, đối với mỗi lộ trình c2e, {𝑝𝑖, … , 𝑝𝑗, 𝑠}, cũng có 2 trường hợp được xem xét
như sau:
o Đưa trở lại hành trình của xe tải nhỏ mà không có bất kỳ lộ trình c2e nào kết
thúc tại điểm trung chuyển s;
o Đưa trở lại vào bất kỳ lộ trình c2e nào có kết thúc tại điểm trung chuyển 𝑠′ ∈
{𝑆𝑝𝑖 ∩ … ∩ 𝑆𝑝𝑗}.
● Lộ trình c2c có thể đưa trở lại ở bất kỳ vị trí nào của bất kỳ lộ trình c2c với điều kiện
tuân thủ quy tắc LIFO.
Thực hiện theo các nguyên tắc trên, thuật toán ALNS sử dụng thao tác chỉnh sửa tham lam ngẫu
nhiên để đánh giá các lời giải mới có thể tạo ra khi đưa trở lại yêu cầu vận tải hoặc lộ trình đã
hủy bỏ và chọn trường hợp cho lời giải chấp nhận được với chi phí nhỏ nhất. Bước này sẽ được
lặp lại cho đến khi toàn bộ yêu cầu vận tải và lộ trình bị loại bỏ được đưa trở lại.
3.4.2.4. Điều chỉnh trọng số của các thao tác
Thuật toán ALNS sử dụng bốn thao tác hủy và một thao tác chỉnh sửa. Do đó, tại mỗi bước lặp,
thuật toán sẽ thực hiện lựa chọn một trong bốn thao tác hủy. Sự lựa chọn thao tác hủy nào phụ
thuộc vào chất lượng lời giải mới tạo ra khi sử dụng thao tác hủy trước đó trong các bước lặp
trước. Mỗi thao tác hủy i có điểm 𝜃𝑖 và trọng số 𝜋𝑖. Đối với thao thác hủy i, điểm 𝜃𝑖 ghi nhận
chất lượng của các lời giải đã được tạo ra khi áp dụng thao tác hủy i. Trọng số 𝜋𝑖 của thao tác
hủy i bao gồm giá trị của điểm 𝜃𝑖 và tham số điều khiển sự thay đổi nhanh chóng của giá trị
trọng số đối với điểm của thao tác hủy tương ứng. Công thức điều chỉnh trọng số được lấy từ
nghiên cứu của Stefan Ropke và David Pisinger [81]
Tại bước lặp đầu tiên của thuật toán, điểm của tất cả thao tác hủy được khởi tạo với giá trị 1.
Tương tự, trọng số của tất cả thao tác hủy được khởi tạo bởi giá trị 0. Như vậy, tại bước đầu
tiên, các thao tác hủy có xác suất lựa chọn bằng nhau. Điểm của thao tác sẽ được cập nhật tại
mỗi bước lặp của thuật toán. Nếu lời giải mới có chất lượng tốt hơn thì thao tác hủy được lựa
chọn sẽ được cập nhật với giá trị cao hơn. Cụ thể, giả sử thao tác hủy i được sử dụng tại bước
𝛿1,
𝛿2,
𝜃𝑖 = 𝜃𝑖 +
{
𝛿3,
Nếu lời giải mới tốt hơn lời giải tốt nhất;
Nếu lời giải mới tốt hơn lời giải hiện tại;
Nếu lời giải mới được chấp nhận nhưng tồi hơn lời giải hiện tại.
lặp t để tạo ra lời giải mới 𝑧′, điểm của nó tại bước lặp (𝑡 + 1) sẽ được tính theo công thức sau:
88
Với 𝛿1, 𝛿2, 𝛿3 là các tham số với 𝛿1 ≥ 𝛿2 ≥ 𝛿3 ≥ 0. Trọng số của thao tác hủy i được cập nhật
như sau:
𝜋𝑖 = {
𝜋𝑖, 𝛾𝑖 = 0
(1 − 𝛿4)𝜋𝑖 + 𝛿4𝜃𝑖, 𝛾𝑖 ≠ 0
Trong đó, 𝛾𝑖 là số lần thao tác hủy i được lựa chọn. Tham số 𝛿4 ∈ [0,1] dùng để điều khiển tốc
độ biến thiên của mỗi giá trị 𝜋𝑖 dựa trên sự hiệu quả (điểm 𝜃𝑖) của thao tác hủy tương ứng. Cụ
thể khi 𝛿4 càng lớn thì giá trị 𝜋𝑖 càng phụ thuộc vào 𝜃𝑖:
● Khi 𝛿4 = 0 thì trọng số luôn được giữ cố định;
● Khi 𝛿4 = 1 thì trọng số chính là điểm của thao tác hủy đạt được sau khi bước lặp gần
nhất.
Dựa vào giá trị trọng số này, tại mỗi bước lặp, thuật toán ALNS sử dụng cơ chế lựa chọn bánh
xe roulette để lựa chọn ra thao tác hủy. Như vậy, mỗi thao tác hủy 𝑖 (𝑖 = 1,4̅̅̅̅) được lựa chọn
4
𝑗=1
. với xác suất 𝜋𝑖/ ∑ 𝜋𝑗
3.4.2.5. Tiêu chí chập nhận lời giải mới và điều kiện dừng
Tiêu chí chấp nhận lời giải mới 𝑧′ tương tự như trong thuật toán luyện kim: trong một số trường
hợp thuật toán chấp nhận lời giải mới có chất lượng tồi hơn để hạn chế tối ưu cục bộ. Cụ thể,
nếu lời giải mới 𝑧′ có chất lượng tốt hơn lời giải hiện tại thì lời giải mới sẽ được chấp nhận.
Nếu không, lời giải mới 𝑧′ sẽ được chấp nhận với xác suất theo nhân tố Boltzmanns:
𝑒−(𝑓(𝑧′)−𝑓(𝑧))/𝜏 với 𝜏 > 0 là nhiệt độ. Tiêu chí chấp nhận lời giải mới được thể hiện trong thuật
toán 3.4.
Thuật toán 3.4. Chấp nhận lời giải mới
Đầu vào: z: lời giải hiện tại;
Đầu ra:
1.
2.
𝑓(𝑧): tổng chi phí tương ứng của lời giải z;
𝑧′: lời giải mới;
𝑓(𝑧′): tổng chi phí tương ứng của lời giải 𝑧′;
Lời giải bài toán z
if 𝒇(𝒛′) < 𝒇(𝒛) then
Lựa chọn lời giải 𝑧′ thay thế lời giải hiện tại 𝑧: 𝑧 ← 𝑧′;
else
3.
4.
5.
6.
Chọn ngẫu nhiên một số 𝑥 ∈ [0,1];
if 𝑥 < 𝑒−(𝑓(𝑧′)−𝑓(𝑧))/𝜏 then
Lựa chọn lời giải 𝑧′ thay thế lời giải hiện tại 𝑧: 𝑧 ← 𝑧′;
else
7.
8.
Giữ nguyên lời giải hiện tại 𝑧;
end if
9.
89
end if
10.
11.
return 𝑧;
Giá trị khởi tạo của nhiệt độ ban đầu là 𝜏0 và giảm theo tỷ lệ 𝜏𝑐𝑜𝑜𝑙(0 < 𝜏𝑐𝑜𝑜𝑙 < 1) tại mỗi bước
lặp. Xác suất chấp nhận lời giải mới có giá trị tồi hơn giảm dần theo giá trị 𝜏.
Điều kiện dừng của vòng lặp chính của thuật toán ALNS khi đã thực hiện lặp 𝐼𝑇𝑚𝑎𝑥 lần.
3.5. THỰC NGHIỆM VÀ ĐÁNH GIÁ
Mục tiêu của thực nghiệm đối với bài toán MTT-PDTWS bao gồm:
● Nghiên cứu sự ảnh hưởng của tham số chính đối với hiệu năng của thuật toán ALNS;
● Đánh giá hiệu quả của thuật toán ALNS thông qua so sánh với kết quả đạt được bằng
thuật toán tìm kiếm Tabu đã được công bố.
Đối với bài toán 2E-MTT-PDTWS, mục tiêu của thực nghiệm bao gồm:
• Đánh giá mô hình bài toán;
• Phân tích sự đồng bộ hàng hóa tại các điểm trung chuyển.
Thuật toán được lập trình bằng ngôn ngữ C++. Thực nghiệm được thực hiện trên máy có cấu
hình 2.4 Ghz Intel i7 với RAM 16GB.
3.5.1. Dữ liệu thực nghiệm
Trong nghiên cứu [40], tác giả Crainic và cộng sự đề xuất bài toán MTT-PDTWS. Đồng thời,
các tác giả xây dựng thuật toán tìm kiếm Tabu để giải quyết bài toán và tiến hành thực nghiệm
trên bộ thực nghiệm đề xuất. Để tiến hành thực nghiệm thuật toán ALNS giải bài toán MTT-
PDTWS, luận án sử dụng dữ liệu thực nghiệm do tác giả Crainic và cộng sự cung cấp cho
nghiên cứu [40]. Do bài toán 2E-MTT-PDTWS là bài toán mở rộng của bài toán MTT-PDTWS,
nên từ bộ dữ liệu thực nghiệm cho bài toán MTT-PDTWS, luận án bổ sung các giá trị đặc trưng
cho đội xe tải lớn và điểm trung chuyển để xây dựng bộ dữ liệu thực nghiệm cho bài toán 2E-
MTT-PDTWS.
3.5.1.1. Dữ liệu thực nghiệm cho bài toán MTT-PDTWS
Dựa vào các bộ dữ liệu thực nghiệm do tác giả Crainic và cộng sự đề xuất cho bài toán TMZT-
VRPTW [2], các yêu cầu nhận hàng hóa c2e và yêu cầu nhận, giao hàng hóa c2c sẽ được bổ
sung để thực nghiệm bài toán MTT-PDTWS được mô tả trong nghiên cứu [40].
∑
𝑞𝑝
𝑝∈𝐶𝑃
Đối với hàng hóa c2e, số lượng yêu cầu vận tải hàng hóa c2e của từng bộ dữ liệu sẽ được quyết
∑
𝑞𝑖
𝑖∈{𝐶𝑃∪𝐶𝐷}
định bởi tỷ lệ: 𝐵𝐻 = | |.
90
Tỷ lệ BH thể hiện tỷ lệ giữa tổng số yêu cầu vận tải hàng hóa c2e trên tổng số yêu cầu vận tải
hàng hóa c2e và hàng hóa e2c. Dựa trên kết quả thống kê, số lượng hàng hóa chuyển ra khỏi
thành phố tương đối ít so với số lượng hàng hóa chuyển vào thành phố, tác giả Crainic và cộng
sự đề xuất sử dụng giá trị 𝐵𝐻 = {0,1; 0,3; 0,5} để xác định tổng số yêu cầu vận tải hàng hóa
c2e.
Mỗi yêu cầu vận tải hàng hóa c2e (yêu cầu p) sẽ được tạo ra như sau:
- Tọa độ [𝑋𝑝, 𝑌𝑝]: phân phối đồng nhất trong vùng [1; 100] cùng với vùng tọa độ của yêu
cầu vận tải hàng hóa e2c được đề xuất trong nghiên cứu [2];
- Số lượng hàng hóa yêu cầu nhận 𝑞𝑝: được sinh ngẫu nhiên trong khoảng [5; 25];
- Thời gian nhận hàng δ(p): để đơn giản hóa, tất cả yêu cầu vận tải của khách hàng có
cùng giá trị thực hiện dịch vụ 𝛿(𝑝) = 20;
- Số lượng các điểm trung chuyển cho phép nhận yêu cầu p (hàng hóa c2e): lựa chọn ngẫu
|𝑆𝑝|]. Giả sử x là giá trị ngẫu nhiên được lựa chọn, nhiên giá trị trong khoảng [1, max
𝑝∈𝐶𝑝
thì x các điểm trung chuyển (𝑠1, 𝑠2, … , 𝑠𝑥) cho phép nhận yêu cầu p được lựa chọn ngẫu
nhiên từ danh sách các điểm trung chuyển đã được sắp xếp tăng dần theo thời điểm sớm
nhất.
- Khung thời gian cho phép nhận hàng [𝑒𝑝, ℓ𝑝]: 𝑒𝑝 và ℓ𝑝 được chọn ngẫu nhiên tương
ứng trong các khoảng [𝐸𝑝 − 300, 𝐸𝑝] và [𝐿𝑝 − 300, 𝐿𝑝]. Với 𝐸𝑝 = 𝑡(𝑠1) − 𝛿(𝑝) −
𝑐𝑝,𝑠1 và 𝐿𝑝 = 𝑡(𝑠𝑥) − 𝛿(𝑝) − 𝑐𝑝𝑠𝑥.
Đối với hàng hóa c2c, số lượng yêu cầu vận tải giao nhận hàng hóa c2c được tính xấp xỉ (|𝐶𝐷| +
|𝐶𝑃|)/3. Tọa độ của các yêu cầu vận tải c2c được tạo tương tự với cách tạo tọa độ của yêu cầu
c2e và yêu cầu e2c.
Ngoài ra, thời điểm mở của điểm trung chuyển sẽ được sinh ngẫu nhiên trong khoảng [900,
15.400]. Để đơn giản hóa, thời gian bốc và dỡ hàng của xe tải tại tất cả các điểm trung chuyển
có giá trị bằng nhau (∅(𝑠) = ∅′(𝑠) = 30). Chi phí cố định sử dụng và tải trọng xe tải lần lượt
được thiết lập 𝐹 = 500 và 𝑄 = 100. Trong tất cả bộ dữ liệu thực nghiệm, tọa độ của kho đỗ xe
g là [50; 50].
Thuật toán sẽ sử dụng dữ liệu thực nghiệm bao gồm 6 bộ 𝐵𝑖(𝑖 = 1,6̅̅̅̅) với 5 trường hợp trong 1
bộ. Thông số chính của bộ dữ liệu thực nghiệm được tổng hợp trong bảng 3.1. Dữ liệu thực
nghiệm có thể tải theo số DOI: 10.13140/RG.2.2.35938.66240.
91
14 Bảng 3.1. Thông số các bộ dữ liệu
Bộ dữ liệu
|𝑺|
|𝑾|
|𝑹|
|𝑪𝑫|
400
|𝑪𝑷|
44
150
4
4
400
171
190
4
4
400
400
270
4
4
400
44
150
4
8
400
171
190
4
8
400
400
270
4
8
𝐵1
𝐵2
𝐵3
𝐵4
𝐵5
𝐵6
3.5.1.2. Dữ liệu thực nghiệm cho bài toán 2E-MTT-PDTWS
Bộ dữ liệu thực nghiệm được kế thừa từ dữ liệu thực nghiệm được trình bày trong mục 3.5.1.1
và bổ sung các thông số phục vụ cho vận tải mức 1. Các thông tin bổ sung bao gồm:
- Tọa độ trung tâm phân phối CDC là [0, 0];
- Thông số thực nghiệm cho xe tải nhỏ tương tự thông số thực nghiệm cho xe tải của bài
′ = 30 và thời gian bốc hàng
toán MTT-PDTWS (trình bày chi tiết tại mục 3.5.1.1). Cụ thể, chi phí sử dụng một xe
′ = 30;
tải nhỏ 𝐹2 = 500, trọng tải 𝑄2 = 100, thời gian dỡ hàng 𝑇𝑈
𝑇𝐿
- Dựa trên thông tin khảo sát về các xe tải được phép lưu thông trong thành phố và ngoài
thành phố, thông số thực nghiệm cho mỗi xe tải lớn là 𝐹1 = 1.000, 𝑄1 = 300, 𝑇𝑈 = 90
′ = 10) và sức chứa tối
và 𝑇𝐿 = 90;
- Mỗi điểm trung chuyển s có sức chứa với thông số (𝜋𝑠 = 5; 𝜋𝑠
đa của kho trung gian 𝑄𝑠 = 1.000.
Dữ liệu thực nghiệm gồm 3 bộ {𝐶1, 𝐶2, 𝐶3}. Mỗi bộ dữ liệu gồm 5 trường hợp. Dữ liệu thực
nghiệm có thể tải theo số DOI: 10.13140/RG.2.2.18322.58566.
3.5.2. Thực nghiệm và đánh giá bài toán MTT-PDTWS
3.5.2.1. Hiệu chỉnh thông số
Kết quả thực nghiệm đầu tiên đánh giá sự ảnh hưởng của số lần sử dụng thao tác hủy đến chất
lượng lời giải. Mỗi bộ dữ liệu sẽ được thực nghiệm 10 lần với từng giá trị của 𝐼𝑇𝑚𝑎𝑥 =
{100.000; 500.000; 1.000.000; 2.000.000; 3.000.000} và khoảng giá trị để lựa chọn số lượng
yêu cầu vận tải hoặc lộ trình cần loại bỏ [𝑛ℓ, 𝑛𝑢] = {[5; 15], [5; 30], [15; 30]}. Bảng 3.2 thống
kê phần trăm số lần được thực hiện của mỗi thao tác hủy tính trung bình trong 10 lần chạy.
Thao tác hủy nào giúp cải thiện chất lượng lời giải hơn, thì càng được chọn thuật toán ưu tiên
92
thực hiện nhiều hơn. Bảng 3.2 chỉ ra rằng các thao tác hủy sử dụng trong thuật toán được thực
15 Bảng 3.2. Tỷ lệ % các thao tác hủy được sử dụng trong thuật toán
hiện số lần xấp xỉ nhau, cho thấy chúng có chất lượng khá tương đồng.
Thao tác hủy
ở mức khách hàng
Thao tác hủy
ở mức lộ trình
𝑰𝑻𝒎𝒂𝒙
[𝒏𝓵, 𝒏𝒖]
Thao tác hủy
ngẫu nhiên (%)
Thao tác hủy
dựa vào thời
gian (%)
Thao tác hủy giá
trị sử dụng tồi
nhất (%)
Thao tác hủy
chi phí tồi
nhất
(%)
[5;15]
24,264
24,929
25,159
25,648
100.000
[5;30]
24,222
25,023
25,184
25,571
[15;30]
24,083
25,112
25,099
25,705
[5;15]
24,691
25,085
25,064
25,159
500.000
[5;30]
24,632
25,154
25,023
25,190
[15;30]
24,363
25,341
25,089
25,207
[5;15]
24,828
25,086
25,016
25,070
1.000.000
[5;30]
24,780
25,135
25,014
25,071
[15;30]
24,485
25,416
25,022
25,077
[5;15]
24,915
25,077
25,010
24,998
2.000.000
[5;30]
24,882
25,101
25,018
24,998
[15;30]
24,571
25,386
25,024
25,020
[5;15]
24,947
25,056
25,010
24,987
3.000.000
[5;30]
24,934
25,072
25,009
24,985
[15;30]
24,627
25,370
25,005
24,998
Trung bình
24,615
25,156
25,050
25,179
Bảng 3.3 tổng hợp giá trị trung bình của giá trị lời giải tốt nhất và trung bình của thời gian thực
hiện thuật toán. Có thể thấy rằng, với mỗi giá trị 𝐼𝑇𝑚𝑎𝑥, giá trị [𝑛ℓ, 𝑛𝑢] = [5; 15] cho giá trị tốt
nhất và thời gian thực hiện thuật toán ít nhất. Ngoài ra, với giá trị 𝐼𝑇𝑚𝑎𝑥 càng lớn thì càng đạt
được giá trị lời giải tốt hơn. Tuy nhiên, với 𝐼𝑇𝑚𝑎𝑥 = 1.000.000 đạt được sự cân bằng tốt hơn
giữa chất lượng lời giải và thời gian thực hiện thuật toán so với các giá trị còn lại của 𝐼𝑇𝑚𝑎𝑥.
Cụ thể, với giá trị 𝐼𝑇𝑚𝑎𝑥 = {2.000.000; 3.000.000}, chất lượng lời giải chỉ cải thiện không
đáng kể: 0.005% và 0.05% nhưng thời gian thực hiện tăng nhanh 103% và 299%. Do đó, bộ
giá trị 𝐼𝑇𝑚𝑎𝑥 = 1.000.000 và [𝑛ℓ, 𝑛𝑢] = [5; 15] được lựa chọn để thực hiện các thực nghiệm
tiếp theo.
93
16 Bảng 3.3. Tác động của số lượng hàng hóa loại bỏ
𝑰𝑻𝒎𝒂𝒙
[𝒏𝓵, 𝒏𝒖]
Trung bình của
giá trị tốt nhất
Trung bình của
thời gian thực thi (phút)
41.202,07
5,15
41.394,94
5,82
100.000
42.057,10
6,47
41.551,60
37.871,71
5,81
22,01
38.505,07
27,20
500.000
39.401,47
29,11
38.592,70
26,11
[5;15]
[5;30]
[15;30]
Trung bình
[5;15]
[5;30]
[15;30]
Trung bình
[5;15]
32.498,95
39,06
[5;30]
32.499,17
50,11
1.000.000
[15;30]
32.523,17
60,65
Trung bình
32.507,10
49,94
[5;15]
32.497,42
79,56
[5;30]
32.501,97
106,04
2.000.000
[15;30]
32.516,68
123,04
Trung bình
32.505,36
103,00
[5;15]
32.485,33
156,14
[5;30]
32.502,52
173,66
3.000.000
[15;30]
32.503,95
263,89
Trung bình
32.497,26
197,90
3.5.2.2. Đánh giá hiệu năng của thủ tục nâng cao chất lượng lời giải
Như đã trình bày trong mục 3.4.1.2, thủ tục nâng cao chất lượng lời giải sẽ được thực hiện ở
bước cuối cùng trước khi kết thúc thuật toán. Mục này sẽ đánh giá đóng góp của thủ tục vào
việc nâng cao chất lượng lời giải. Bảng 3.4 đưa ra giá trị trung bình của lời giải thu được sau
10 lần chạy tương ứng lần lượt với hai lựa chọn: áp dụng và không áp dụng thủ tục nâng cao
chất lượng lời giải. Từ bảng 3.4 ta thấy thủ tục nâng cao chất lượng lời giải giúp cải thiện chất
lượng lời giải trung bình 0,13%. Như vậy, chất lượng lời giải được cải thiện chủ yếu bởi các
bước chính trong thuật toán ALNS, chứ không phải bởi thủ tục nâng cao chất lượng lời giải
94
17 Bảng 3.4. Hiệu năng của thủ tục nâng cao chất lượng lời giải
Bộ dữ liệu
Cải thiện
chất lượng lời giải
(%)
Trung bình của giá trị
tốt nhất
(Áp dụng thủ tục nâng
cao chất lượng lời giải)
Trung bình của giá trị
tốt nhất
(Không áp dụng thủ
tục nâng cao chất
lượng lời giải)
29.355,70
29.246,86
0,37
32.711,88
32.650,00
0,19
39.945,26
39.903,64
0,10
25.220,42
25.211,96
0,03
29.834,72
29.825,56
0,03
39.584,88
39.567,36
0,04
𝐵1
𝐵2
𝐵3
𝐵4
𝐵5
𝐵6
Trung bình
32.775,48
32.734,23
0,13
3.5.2.3. Đánh giá kết quả của thuật toán ALNS và thuật toán tìm kiếm Tabu
Để thực hiện so sánh, bộ dữ liệu thực nghiệm chính là bộ dữ liệu được áp dụng cho thuật toán
tìm kiếm Tabu được cung cấp bởi tác giả Crainic và cộng sự trong nghiên cứu [40]. Thuật toán
ALNS được thực nghiệm với bộ thông số (𝐼𝑇𝑚𝑎𝑥; 𝑛𝑙; 𝑛𝑢;𝛿1; 𝛿2; 𝛿3; 𝛿4; 𝜏0; 𝜏𝑐𝑜𝑜𝑙) có giá trị
(1.000.000; 5; 15; 3; 2; 1; 0,5; 999.999; 0,5).
Bảng 3.5 tổng hợp kết quả thực nghiệm của thuật toán tìm kiếm Tabu và thuật toán ALNS đề
xuất sau khi thực hiện 10 lần chạy đối với mỗi bộ dữ liệu thực nghiệm. Bảng 3.5 gồm các cột
cuối cùng thể hiện: giá trị tốt nhất (Best10), số lượng xe tải nhỏ (#Veh), số lượng xe tải nhỏ di
chuyển trực tiếp đến các điểm trung chuyển mà không sử dụng trạm chờ (DM(%)), số lần mà
xe tải nhỏ thực hiện đồng thời dỡ hàng và bốc hàng tại điểm trung chuyển (PD(%)) và số lần
yêu cầu vận tải đón và nhận hàng hóa c2c được phục vụ cùng với các lộ trình e2c hoặc lộ trình
c2e (c2cInter(%)).
Kết quả thực nghiệm cho thấy, thuật toán tìm kiếm Tabu và thuật toán ALNS đều có cùng số
lượng xe tải nhỏ sử dụng (#Veh=24) và tỷ lệ xe đồng thời thực hiện dỡ hàng và bốc hàng tại
điểm trung chuyển (PD(%)=20.62%). Đối với giá trị DM(%), thuật toán ALNS có giá trị nhỏ
hơn so với thuật toán tìm kiếm Tabu. Qua đó, thuật toán ALNS sử dụng các xe tải nhỏ di chuyển
vào trạm chờ trước khi đến điểm trung chuyển nhiều hơn so với thuật toán tìm kiếm Tabu. Tổng
thể, thuật toán ALNS cho lời giải với chất lượng trung bình tốt hơn 0.03% so với thuật toán tìm
kiếm Tabu.
95
18 Bảng 3.5. So sánh kết quả bài toán sử dụng thuật toán ALNS và thuật toán tìm kiếm Tabu
Bộ dữ liệu Thuật toán
Best10
#Veh DM (%)
PD (%)
c2cInter (%)
Tabu
29.271,46
25
71,03
10,75
89,30
𝐵1
ALNS
29.246,86
25
70,43
10,75
91,30
Tabu
32.606,00
25
77,98
23,52
90,00
𝐵2
ALNS
32.650,00
25
76,93
23,52
91,08
Tabu
39.941,52
29
81,87
30,02
86,53
𝐵3
ALNS
39.903,64
29
81,87
30,02
86,66
Tabu
25.225,08
17
65,39
11,22
96,18
𝐵4
ALNS
25.211,96
17
65,57
11,22
96,18
Tabu
29.836,28
19
72,95
21,05
98,09
𝐵5
ALNS
29.825,56
19
72,86
21,05
98,05
Tabu
39.577,46
26
79,32
27,18
95,09
𝐵6
ALNS
39.567,36
26
79,20
27,18
95,09
Tabu
32.742,97
24
74,76
20,62
92,53
Trung
bình
ALNS
32.734,23
24
74,48
20,62
93,06
3.5.3. Thực nghiệm và đánh giá bài toán 2E-MTT-PDTWS
Bảng 3.6 thống kê trung bình giá trị tốt nhất và thời gian thực hiện trung bình sau 10 lần chạy
thuật toán đối với mỗi bộ dữ thực nghiệm với từng giá liệu
trị 𝐼𝑇𝑚𝑎𝑥 =
{100.000; 200.000; 500.000} và [𝑛𝑙, 𝑛𝑢] = [5; 30]. Có thể thấy rằng, với 𝐼𝑇𝑚𝑎𝑥 = 500.000,
giá trị trung bình của giá trị tốt nhất tăng 9,9% nhưng thời gian thực nghiệm tăng thêm 420%
khi so sánh với kết quả thực nghiệm 𝐼𝑇𝑚𝑎𝑥 = 200.000. Điều đó cho thấy, 𝐼𝑇𝑚𝑎𝑥 = 200.000
19 Bảng 3.6. Kết quả thực nghiệm
cho kết quả cân bằng giữa chất lượng lời giải và thời gian thực hiện của thuật toán.
Bộ dữ liệu
𝑰𝑻𝒎𝒂𝒙
Trung bình của
giá trị tốt nhất
Trung bình của
thời gian thực thi (phút)
22.487,95
6,95
24.433,64
9,26
100.000
34.784,23
19,85
27.235,27
12,02
19.769,70
10,73
23.501,81
11
200.000
32.851,82
22,64
𝐶1
𝐶2
𝐶3
Trung bình
𝐶1
𝐶2
𝐶3
Trung bình
25.374,44
14,79
96
18.930,78
76,33
21.266,02
65,23
500.000
28.382,08
89,19
𝐶1
𝐶2
𝐶3
Trung bình
22.859,63
76,92
Quá trình đồng bộ hàng hóa tại các điểm trung chuyển sẽ được phân tích trên hai tiêu chí: việc
sử dụng kho trung gian và việc chuyển hàng trực tiếp giữa các xe tải. Việc sử dụng kho trung
gian được thể hiện qua tỷ lệ trung bình số lượng hàng lưu kho trung gian trên tổng số lượng
hàng vận tải thống kê theo bộ dữ liệu. Kết quả thực nghiệm cho thấy 33,15% hàng hóa c2e và
hàng hóa e2c sử dụng kho trung gian khi đồng bộ tại điểm trung chuyển. Đối với 66,85% trường
hợp còn lại thì hàng được chuyển hàng trực tiếp giữa các xe tải. Điều này thể hiện mức độ ưu
tiên của việc chuyển hàng trực tiếp do giới hạn về sức chứa của kho trung gian. Ngoài ra, việc
chuyển hàng trực tiếp giữa các xe tải được thể hiện qua thống kê số lượng xe tải lớn chuyển
hàng sang một xe tải nhỏ và số lượng xe tải nhỏ tham gia chuyển hàng sang một xe tải lớn.
Bảng 3.7 cho thấy trung bình từ 1 xe tải lớn chuyển hàng trực tiếp 4 xe tải nhỏ và từ 1 xe tải
20 Bảng 3.7. Tỷ lệ xe tải lớn và xe tải nhỏ chuyển hàng trực tiếp
nhỏ chuyển hàng trực tiếp với 3 xe tải lớn trong quá trình đồng bộ hàng tại điểm trung chuyển.
Bộ dữ liệu
𝑰𝑻𝒎𝒂𝒙
Số lượng trung bình xe
tải nhỏ chuyển hàng
vào một xe tải lớn
Số lượng trung bình xe
tải lớn chuyển hàng
vào một xe tải nhỏ
3,32
2,45
4,58
3,06
100.000
5,33
3,59
4,41
3,03
3,18
2,23
4,68
3,12
200.000
4,96
2,96
4,27
2,77
3,11
2,25
4,45
3,07
500.000
4,77
2,84
4,11
2,72
𝐶1
𝐶2
𝐶3
Trung bình
𝐶1
𝐶2
𝐶3
Trung bình
𝐶1
𝐶2
𝐶3
Trung bình
3.6. KẾT LUẬN CHƯƠNG
Chương này trình bày nghiên cứu vấn đề định vị và định tuyến trong hậu cần đô thị thông qua
bài toán giao và nhận đa loại hàng hóa, đa tuyến. Vấn đề định vị và định tuyến trong hậu cần đô
97
thị một mức được nghiên cứu thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến với
khung thời gian và đồng bộ MTT-PDTWS. Mở rộng bài toán MTT-PDTWS, vấn đề định vị và
định tuyến trong hậu cần đô thị hai mức được nghiên cứu thông qua bài toán giao và nhận đa
loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ 2E-MTT-PDTWS. Có thể
thấy rằng, lời giải của bài toán MTT-PDTWS tương ứng với lịch trình của đội xe tải nhỏ vận
tải ở mức 2 của bài toán 2E-MTT-PDTWS. Do đó, luận án xây dựng thuật toán tìm kiếm lân
cận lớn thích nghi ANLS với 4 thao tác hủy và 1 thao tác chỉnh sửa để giải quyết hai bài toán.
Trong bài toán 2E-MTT-PDTWS, luận án xây dựng bổ sung thuật toán heuristic để xây dựng
lịch trình của đội xe vận tải lớn vận tải ở mức 1 sau khi đã xây dựng được lịch trình của đội xe
tải nhỏ vận tải ở mức 2.
Phần cuối chương trình bày cách xây dựng dữ liệu thực nghiệm và tiến hành thực nghiệm. Đối
với thực nghiệm bài toán MTT-PDTWS, kết quả thực nghiệm cho thấy thuật toán ALNS với 4
thao tác hủy và 1 thao tác chỉnh sửa bước đầu cho kết quả tốt hơn thuật toán tìm kiếm Tabu.
Việc xây dựng, bổ sung các thao tác hủy, thao tác chỉnh sửa cho thuật toán ALNS có khả năng
cho phép nâng cao chất lượng lời giải. Kết quả thực nghiệm bài toán 2E-MTT-PDTWS cho thấy
tính hợp lý của mô hình đề xuất, đặc biệt cơ chế đồng bộ hàng hóa tại điểm trung chuyển sử
dụng kho trung gian.
Kết quả chính của chương này đã được công bố tại hội thảo SOICT 2017 [4] và tạp chí Khoa
học và Công nghệ [5].
98
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
KẾT LUẬN
Vận tải hàng hóa là một trong những hoạt động chính của nền kinh tế. Việc nghiên cứu vận tải
hàng hóa nói chung và vận tải hàng hóa trong mô hình hậu cần đô thị nói riêng sẽ đóng góp và
thúc đẩy nền kinh tế. Do tính chất của hậu cần đô thị, các nghiên cứu chủ yếu tập trung nghiên
cứu vào mô hình phân phối thông qua hệ thống một mức và hệ thống hai mức từ trung tâm phân
phối CDC. Luận án đã chỉ ra các vấn đề chính khi nghiên cứu mô hình phân phối trong hậu cần
đô thị: vấn đề định vị, vấn đề định tuyến, phương tiện vận tải và đồng bộ hàng hóa giữa các mức.
Luận án thực hiện nghiên cứu các vấn đề trên thông qua các bài toán định vị, định tuyến trong
hậu cần đô thị. Vấn đề định tuyến trong mô hình hậu cần đô thị một mức được nghiên cứu thông
qua bài toán chia sẻ phương tiện. Vấn đề định vị và định tuyến trong mô hình hậu cần đô thị
được nghiên cứu thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến. Cụ thể, vấn đề định
vị và định tuyến trong mô hình hậu cần đô thị một mức được luận án nghiên cứu thông qua bài
toán “Giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian và đồng bộ MTT-PDTWS”.
Trong mô hình hậu cần đô thị hai mức, vấn đề định vị và định tuyến được luận án nghiên cứu
thông qua bài toán “Giao và nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và
đồng bộ 2E-MTT-PDTWS”.
Đi sâu vào vấn đề, Chương 2 nghiên cứu vấn đề định tuyến trong mô hình hậu cần đô thị một
mức thông qua bài toán chia sẻ phương tiện SARP. Từ bài toán do Li và cộng sự đề xuất, luận
án đã xây dựng mô hình chia sẻ phương tiện giữa một hành khách và hàng hóa. Ngoài ra, luận
án bổ sung vào mô hình các ràng buộc, tiêu chí có tính thực tiễn cao. Luận án đã xây dựng mô
hình toán học biểu diễn bài toán và các thuật toán để giải bài toán trong các trường hợp: vận tải
trực tiếp, mô hình chia sẻ động và mô hình chia sẻ tĩnh. Để thực nghiệm, luận án đã đưa ra
phương pháp xây dựng bộ dữ liệu thực nghiệm từ dữ liệu hành trình thực tế được cung cấp bởi
công ty taxi Tokyo-Musen. Với bộ dữ liệu này, kết quả thực nghiệm càng chứng minh tính ứng
dụng của mô hình chia sẻ phương tiện trong thực tiễn.
Vấn đề định vị và định tuyến trong mô hình hậu cần đô thị một mức và hai mức được nghiên
cứu thông qua bài toán giao và nhận đa loại hàng hóa, đa tuyến trình bày tại Chương 3. Bài toán
“Giao và nhận đa loại hàng hóa, đa tuyến với khung thời gian và đồng bộ MTT-PDTWS” nghiên
cứu đồng thời vấn đề định vị và định tuyến trong hậu cần đô thị một mức:
99
- Vấn đề định vị: chỉ định điểm trung chuyển thích hợp trong danh sách điểm trung chuyển
đăng ký trước cho hàng hóa chuyển ra ngoài thành phố;
- Vấn đề định tuyến: tìm hành trình của xe tải nhỏ để giao và nhận hàng hóa đáp ứng các
ràng buộc của bài toán.
Luận án sử dụng thuật toán tìm kiếm lân cận lớn thích nghi ALNS và xây dựng 4 thao tác hủy,
1 thao tác chỉnh sửa. Ngoài ra, luận án đưa ra cơ chế lựa chọn trọng số, thủ tục chấp nhận lời
giải mới nhằm đảm bảo đồng thời đa dạng hóa lời giải và tăng cường hóa lời giải. Để thực
nghiệm đánh giá thuật toán ALNS giải bài toán MTT-PDTWS, luận án đã sử dụng dữ liệu thực
nghiệm do tác giả Crainic và cộng sự cung cấp. Tại bước đầu tiên của thực nghiệm, luận án đã
thực hiện thực nghiệm xác định các tham số chính của thuật toán ALNS. Sau đó, thuật toán
ALNS và thuật toán tìm kiếm Tabu đã được thực nghiệm và so sánh kết quả. Tuy kết quả của
thuật toán ALNS chưa tốt hơn đáng kể so với thuật toán tìm kiếm Tabu, nhưng thuật toán ALNS
cho phép bổ sung thêm các thao tác hủy và thao tác chỉnh sửa. Từ đó, thuật toán ALNS hoàn
toàn có thể cải thiện được chất lượng lời giải.
Kết quả nghiên cứu bài toán MTT-PDTWS là tiền đề để luận án mở rộng nghiên cứu vấn đề
định vị và định tuyến trong hậu cần đô thị hai mức thông qua xây dựng bài toán mới “Giao và
nhận đa loại hàng hóa, đa tuyến ở hai mức với khung thời gian và đồng bộ 2E-MTT-PDTWS”.
Bài toán 2E-MTT-PDTWS nghiên cứu đồng thời vấn đề định vị và định tuyến:
- Vấn đề định vị: chỉ định điểm trung chuyển thích hợp trong danh sách điểm trung chuyển
đăng ký trước cho hàng hóa chuyển ra ngoài thành phố và hàng hóa chuyển vào thành
phố;
- Vấn đề định tuyến: tìm hành trình của xe tải nhỏ (vận tải ở mức 2) và xe tải lớn (vận tải
ở mức 1) để giao và nhận hàng hóa đáp ứng các ràng buộc của bài toán.
Để giải bài toán 2E-MTT-PDTWS, luận án sử dụng phương pháp tiếp cận từ dưới lên. Đầu tiên,
luận án xây dựng hành trình của xe tải nhỏ. Sau đó từ hành trình đã xác định của xe tải nhỏ,
thực hiện xây dựng hành trình của xe tải lớn đáp ứng ràng buộc bài toán. Luận án sử dụng thuật
toán ALNS kết hợp với thuật toán heuristic để giải bài toán 2E-MTT-PDTWS. Kế thừa dữ liệu
thực nghiệm bài toán MTT-PDTWS, luận án bổ sung thông số thực nghiệm của mức 1 và tiến
hành thực nghiệm. Trong quá trình thực nghiệm, các kết quả tốt nhất theo bộ dữ liệu sẽ được
ghi nhận và thực hiện phân tích sự đồng bộ hàng hóa giữa các xe tải tại điểm trung chuyển. Kết
quả thực nghiệm bài toán 2E-MTT-PDTWS cho thấy tính hợp lý của mô hình đề xuất, đặc biệt
cơ chế đồng bộ hàng hóa tại điểm trung chuyển sử dụng kho trung gian tạm thời.
100
HƯỚNG PHÁT TRIỂN
Nghiên cứu sinh sẽ tiếp tục phát triển, mở rộng bài toán và thuật toán đã đề xuất.
Thứ nhất, về hướng mở rộng bài toán, nghiên cứu sinh tập trung vào hai hướng sau:
• Đối với bài toán giao và nhận đa loại hàng hóa, nghiên cứu sinh đang nghiên cứu tách
loại hàng hóa vận tải trong nội bộ thành phố thành hai loại: vận tải hàng hóa trong thành
phố và vận tải hành khách trong thành phố. Việc vận tải hàng hóa và hàng khách trong
thành phố sẽ thực hiện theo mô hình chia sẻ phương tiện SARP. Trong mô hình bài toán
giao và nhận đa loại hàng hóa cho phép sử dụng nhiều trung tâm phân phối CDC và xe
tải nhỏ có thể xuất phát từ nhiều bãi đỗ xe khác nhau.
• Đối với cơ chế đồng bộ hàng hóa tại điểm trung chuyển, nghiên cứu sinh sẽ nghiên cứu
các cơ chế cross-docking khác với các tiêu chí ràng buộc như: thời gian, sức chứa, cho
phép chờ tại điểm trung chuyển…
Thứ hai, về hướng mở rộng thuật toán đã đề xuất, có thể nhận thấy rằng, bài toán MTT-PDTWS
và 2E-MTT-PDTW với nhiều ràng buộc phức tạp nếu chạy trên các bộ dữ liệu lớn thì việc phát
triển các thuật toán metaheuristics/heuristic vẫn là điều cần thiết. Vì vậy, hướng nghiên cứu
tiếp theo của nghiên cứu sinh ở bước đầu tiên là xây dựng mô hình toán học phù hợp cho hai
bài toán để có thể chạy được trên các công cụ có sẵn CPLEX/GUROBI. Kết quả thu được sẽ
được dùng để kiểm chứng chất lượng lời giải cho các thuật toán metaheuristics/heuristics phát
triển sau này ở những bộ dữ liệu nhỏ. Bước tiếp theo, dựa trên thuật toán tìm kiếm lân cận lớn
thích nghi ALNS đã xây dựng được, nghiên cứu sinh dự định sẽ mở rộng theo từng bước như
sau:
• Với bài toán MTT-PDTWS:
o Ở bước đầu tiên, nghiên cứu sinh sẽ nghiên cứu phương pháp đa tìm kiếm hợp
tác (cooperative multi-search method) sử dụng ALNS đã xây dựng được và một
bộ nhớ trung tâm. Một cách cụ thể là, nhiều phiên bản ALNS với các thao tác
hủy và chỉnh sửa cũng như tham số thuật toán khác nhau sẽ được chạy một cách
song song và độc lập. Sau một số bước lặp, các phiên bản ALNS sẽ trao đổi
thông tin với nhau thông qua một bộ nhớ trung tâm lưu trữ các lời giải tốt nhất
đã tìm được bởi các ALNS này. Mỗi ALNS thực hiện các thao tác hủy/chỉnh sửa
khác nhau, do đó sẽ khám phá được các vùng không gian lời giải khác nhau.
Việc trao đổi lời giải tìm được giữa các ALNS sau một số bước lặp không cải
thiện được lời giải tốt nhất, ngoài việc hỗ trợ cho khám phá còn đẩy mạnh sự
101
đào sâu không gian tìm kiếm. Với cách làm này, ngoài việc giảm được thời gian
tính do tiến hành song song hóa, giảm bớt số bước lặp của thuật toán, thì việc
trao đổi thông tin giữa các phiên bản ALNS một cách định kỳ sẽ góp phần nâng
cao chất lượng lời giải.
o Ở bước thứ hai, thay vì chỉ dùng ALNS dựa trên tìm kiếm lân cận, nghiên cứu
sinh sẽ nghiên cứu đề xuất thuật toán metaheuristic dựa trên quần thể ví dụ như
thuật toán di truyền, thuật toán đàn kiến... để giải bài toán. Sau đó mở rộng
phương pháp đa tìm kiếm hợp tác ở trên, để có thể áp dụng được trên ALNS và
thuật toán metaheuristic dựa trên quần thể xây dựng được. Quần thể một cách
định kỳ sẽ được bổ sung các lời giải mới từ các lời giải tốt nhất thu được tại các
phiên bản ALNS chạy song song.
o Ở bước thứ ba, nghiên cứu sinh có ý tưởng thực hiện kĩ thuật giảm kích thước
bài toán bằng cách xây dựng các phân đoạn khách hàng. Qua một số bước lặp
của ALNS, thuật toán ghi nhận tồn tại một số phân đoạn khách hàng, mỗi phân
đoạn gồm các khách hàng luôn được phục vụ theo thứ tự cố định không thay đổi
vì với thứ tự này luôn đảm bảo giá trị tốt không những về chi phí mà còn về thời
gian đồng bộ. Ví dụ nếu như bốn khách hàng a, b, c, d, bất kỳ xuất hiện trong
các lời giải tốt của ALNS luôn được phục vụ theo thứ tự d, a, c, b, thì phân đoạn
khách hàng d, a, c, b này sẽ được co cụm lại, coi như chỉ là một khách hàng, kí
hiệu là A trong bài toán mới. Với cách làm này, bài toán mới thu được từ bài
toán đầu sẽ có kích thước giảm đi rất nhiều. Thuật toán ALNS tiếp tục được áp
dụng trên bài toán mới, không chỉ làm giảm thời gian tính vì kích thước bài toán
đã được giảm, mà không gian tìm kiếm lúc này sẽ như đào sâu vào không gian
lời giải tốt trong bài toán ban đầu. Để tránh rơi vào vùng cực trị địa phương, sau
một số bước lặp thực hiện trên bài toán mới, ta lại tiến hành phân rã các phân
đoạn khách hàng, để thu được bài toán ban đầu. Thuật toán sẽ lặp một số lần
giữa hai thao tác co cụm và phân rã, với hi vọng luôn cân bằng hai thao tác khai
phá và đào sâu vùng không gian lời giải, nhờ đó mà cải thiện được chất lượng
lời giải đồng thời vẫn giữ được thời gian tính không bị tăng.
• Với bài toán 2E-MTT-PDTW:
o Ở luận án hiện tại mới xây dựng được thuật toán theo từng mức, do đó hướng
tiếp theo là xây dựng ALNS cho bài toán 2E-MTT-PDTW dựa trên ALNS đã
xây dựng cho bài toán MTT-PDTWS. Lúc này các thao tác hủy/chỉnh sửa sẽ
102
thực hiện đồng thời trên cả hai mức, kết nối giữa hai mức, chắc chắn sẽ thu được
lời giải tốt hơn.
o Bước tiếp theo, sẽ áp dụng các kỹ thuật đã trình bày ở trên để mở rộng cho bài
toán 2E-MTT-PDTW.
Cuối cùng, để bài toán có thể đưa vào ứng dụng thực tiễn, nghiên cứu sinh dự kiến xây dữ liệu
thực nghiệm cho bài toán giao và nhận đa loại hàng hóa dựa trên dữ liệu hành trình của các
hãng xe vận tải logictics và xe taxi. Nghiên cứu sinh sẽ chạy chương trình và so sánh kết quả
đang có của các hãng xe đã tiến hành thu thập dữ liệu.
103
TÀI LIỆU THAM KHẢO
[1] EU (2019) Transport in the European Union: Current Trends and Issues. European
Commision.
[2] T.G. Crainic, N. Ricciardi, G. Storchi (2009) Models for Evaluating and Planning City
Logistics Systems. Transportation Science, vol. 43, pp. 432-454.
[3] S. Mancini (2013) Multi-echelon distribution systems in city logistics. European
Transport - Trasporti Europei, vol. 54.
[4] H. Niwunhella, M. Warnakulasuriya, W. Madhavie, R. Wickramarachchi, J. Nanayakkara
(2020) A Review on City Logistics and Two Echelon Freight Modelling. International
Conference on Industrial Engineering and Operations Management, Dubai.
[5] T. Crainic (2008) City Logistics. State-of-the-Art Decision-Making Tools in the
Information-Intensive Age, pp. 181-212.
[6] M. Schneider, M. Drexl (2017) A survey of the standard location-routing problem. Annals
of Operations Research, vol. 259, no. 1, pp. 389-414.
[7] F F. Russo, A. Comi (2020) Investigating the Effects of City Logistics Measures on the
Economy of the City. Sustainability, vol. 12, no. 4.
[8] A. J. J.R Cieplińska (2020) Environmental Sustainability in City Logistics Measures.
Energies, vol. 13, no. 6.
[9] W. Hu, J. Dong, B. Hwang, R. Ren, Z. Chen (2019) A Scientometrics Review on City
Logistics Literature: Research Trends, Advanced Theory and Practice. Sustainability,
vol. 11, no. 10, pp. 1-27.
[10] A.G. Morris, A.K. Kornhauser, M.J. Kay (1999) Getting the Goods Delivered in Dense
Urban Areas: A Snapshot of the Last Link of the Supply Chain. Transportation Research
Record, vol. 1653, pp. 34-41.
[11] C. Ambrosini, J.L. Routhier (2004) Objectives, Methods and Results of Surveys Carried
out in the Field of Urban Freight Transport: An International Comparison. Transport
Reviews, vol. 24, pp. 55-77.
[12] J. v. Duin (1998) Simulation of Underground Freight Transport Systems. Urban Transport
and the Environment for the 21st Century IV, WIT Press, Southampton, pp. 149-158.
[13] E. T. R. Ooishi (1999) Effects and Profitability of Constructing the New Underground
Freight Transport System. International conference on City logisitics, Queensland,
Australia.
104
[14] M. Bell (2021) Chapter 20 - City logistics and the urban environment. Urban Form and
Accessibility, Elsevier, pp. 359-378.
[15] CLM (2009) Definition for Logistic. Council of Logistics Management. Available:
http://cscmp.org/aboutcscmp/definitions.asp.
[16] E. Taniguchi, R.G. Thompson , T. Yamada, R.V. Duin (2001) City Logistics: Network
Modeling and Intelligent Transport Systems. Pergamon.
[17] M. Browne, S. Allen, S. Andersen, A. Woodburn (2006) Urban Freight Consolidation
Centres. Recent Advances in City Logistics, pp. 253-265.
[18] J. Gonzalez-Feliu (2008) Models and methods for city logistics planning and
management. LET Seminar, Lyon.
[19] A. C. F. Russo (2018) From City Logistics Theories to City Logistics Planning. City
Logistics 3, Wiley Online Library, pp. 329-347.
[20] T. Crainic (2003) Long-Haul Freight Transportation. Handbook of Transportation
Science, Boston, MA, Springer US, pp. 451-516.
[21] T. Crainic (2000) Network Design in Freight Transportation. European Journal of
Operational Research, vol. 122, no. 2, pp. 272-288.
[22] E. Taniguchi, T. Yamada, T, M. Tamaishi (2002) Modelling Dynamic Vehicle Routing
and Scheduling with Real Time Information on Travel Times. Modelling Dynamic
Vehicle Routing and Scheduling with Real Time Information on Travel Times, pp. 329-
347.
[23] R. Thompson (2004) Intelligent vehicle routing and scheduling. Logistics Systems for
Sustainable Cities, Emerald Group Publishing Limited, pp. 97-101.
[24] J. Barcelo, A. Orozco-Leyva, H. Grzybowska (2018) City Logistics Systems: Models,
Heuristic Solutions and Applications. Handbook of Heuristics, Springer International
Publishing, pp. 887-930.
[25] E. Taniguchi, R.E.C.M. Van Der Heijden (2000) An Evaluation Methodology for City
Logistics. Transport Reviews, vol. 20, no. 1, pp. 65-90.
[26] E. Taniguchi, R.G. Thompson (2002) Modeling City Logistics. Transportation Research,
vol. 1790, pp. 45-51.
[27] G. Gentile, D. Vigo (2013) Movement generation and trip distribution for freight demand
modelling applied to city logistics. European Transport, vol. 54, pp. 1-27.
[28] M. Friedrich, T. Haupt, K. N¨okel (2003) Freight Modelling: Data Issues, Survey
Methods, Demand and Network Models. the 10th International Conference on Travel
Behaviour Research, Lucerne, 2003.
105
[29] J. Boerkamps, A.V. Binsbergen (1999) GoodTrip - A New Approach for Modelling and
Evaluating Urban Goods Distributrion. City Logistics I, 1st International Conference on
City Logistics, Kyoto.
[30] E. Taniguchi, T. Noritake, T. Yamada, T. Izumitani (1999) Optimal Size and Location
Planning of Public Logistics Terminals. Transportation Research E, vol. 35, no. 3, pp.
207-222.
[31] T.G. Crainic, N. Ricciardi, G. Storchi (2004) Advanced Freight Transportation Systems
for Congested Urban Areas. Transportation Research Part C: Emerging Technologies,
vol. 12, no. 2, pp. 119-137.
[32] J. Barcel´o, H. Grzybowska, S. Pardo (2007) Vehicle Routing and Scheduling Models,
Simulation and City Logistics. Dynamic Fleet Management Concepts - Systems,
Algorithms & Case Studies, pp. 163–195.
[33] M. Mahut, M. Florian, P. Tremblay, M. Campbell, D. Patman, Z.K. McDaniel (2004)
Calibration and Application of a Simulation Based Dynamic Traffic Assignment Model.
Transportation Research Record, vol. 1876, pp. 101-111.
[34] J. Gonzalez-Feliu (2013) Vehicle Routing in Multi-Echelon Distribution Systems with
Cross-Docking: A Systematic Lexical-Metanarrative Analysis. Computer and Information
Science, vol. 6, no. 3, pp. 28-47.
[35] J. Duin (1997) Evaluation And Evolution Of The City Distribution Concept. WIT
Transactions on the Built Environment, vol. 33, pp. 327-337.
[36] B.J.P. Janssen, A.H. Oldenburger (1991) Product Channel Logistics and City Distribution
Centers; The case of the Netherlands. Expert meeting and symposium on the seminar on
future road transport systems and infrastructures in urban areas, Chiba.
[37] M. Ruske (1994) City Logistics - Solutions for Urban Commercial Transport by
Cooperative Operations Management. OECD Seminar on Advanced Road Transport
Technologies, Omiya.
[38] L. Dablanc (2007) Goods Transport in Large European Cities: Difficult to Organize,
Difficult to Modernize. Transportation Research Part A: Policy and Practice, vol. 41, no.
3, pp. 280-285.
[39] T.G. Crainic, F. Errico, W. Rei, N. Ricciardi (2012) Integrating c2e and c2c Traffic into
City Logistics Planning. Procedia - Social and Behavioral Sciences, vol. 39, pp. 47-60.
[40] T.G. Crainic, N.K. Phuong , M. Toulouse (2016) Synchronized Multi-trip Multi-traffic
Pickup & Delivery in City Logistics. Transportation Research Procedia, vol. 12, pp. 26-
39.
106
[41] S. Gragnani, G. Valenti, M.P. Valentini (2004) City Logistics in Italy: A National Project.
Logistics Systems for Sustainable Cities, Amsterdam, Elsevier, pp. 279-293.
[42] J.F. Cordeau, G. Laporte (2007) The dial-a-ride problem: models and algorithms. Annals
of Operations Research, vol. 153, no. 1, pp. 29-46.
[43] G.B. Dantzig, J.H. Ramser (1959) The truck dispatching problem. Management Science,
vol. 6, pp. 80-91.
[44] G. Clarke, J.W. Wright (1964) Scheduling of vehicles from a central depot to a number
of delivery points. Operations Research, vol. 12, no. 4, pp. 568-581.
[45] V. Pillac, M. Gendreau, C. Guret, A.L. Medaglia (2013) A review of dynamic vehicle
routing problems. European Journal of Operational Research, vol. 225, no. 1, pp. 1-11.
[46] O. Br¨aysy, M. Gendreau (2005) Vehicle routing problem with time windows, part i:
Route construction and local search algorithms. Transportation Science, vol. 39, no. 1,
pp. 104-118.
[47] J. Lysgaard (2010) The pyramidal capacitated vehicle routing problem. European Journal
of Operational Research, vol. 205, no. 1, pp. 59-64.
[48] R. Baldacci, A. Mingozzi, R. Roberti (2012) Recent exact algorithms for solving the
vehicle routing problem under capacity and time window constraints. European Journal
of Operational Research, vol. 218, no. 1, pp. 1-6.
[49] A. Trentini, N. Mahln (2011) Toward a shared urban transport system ensuring
passengers & goods cohabitation. Journal of Land Use, Mobility and Environment, vol.
3, no. 2.
[50] M. Furuhata, M. Dessouky, F. Ordez, M.E. Brunet, X. Wang, S. Koenig (2013)
Ridesharing: The state-of-the-art and future directions. Transportation Research Part B:
Methodological, vol. 57, pp. 28-46.
[51] E. Ferguson (1997) The rise and fall of the american carpool: 1970-1990. Transportation,
vol. 24, no. 4, pp. 349-376.
[52] K. Kelley (2007) Casual carpooling enhanced. Journal of Public Transportation, vol. 10,
no. 4, pp. 119-130.
[53] C. Morency (2007) The ambivalence of ridesharing. Transportation, vol. 34, no. 2, pp.
239-253.
[54] N.D. Chan, S.A. Shaheen (2012) Ridesharing in north america: Past, present, and future.
Transport Reviews, vol. 32, no. 1, pp. 93-112.
[55] B. Li, D. Krushinsky, H.A. Reijers, T.V. Woensel (2014) The Share-a-Ride Problem:
People and parcels sharing taxis. European Journal of Operational Research, vol. 238,
no. 1, pp. 31-40.
107
[56] N. Agatz, A. Erera, M. Savelsbergh, X. Wang (2012) Optimization for dynamic ride-
sharing: A review. European Journal of Operational Research, vol. 223, no. 2, pp. 295-
303.
[57] N.K. Phuong, T.G. Crainic, M. Toulouse (2013) A Tabu Search for Time-dependent
Multi-zone Multi-trip Vehicle Routing Problem with Time Windows. European Journal of
Operational Research, vol. 231, pp. 43-56.
[58] P.K. Nguyen, T.G. Crainic, M.Toulouse (2017) Multi-trip pickup and delivery problem
with time windows and synchronization. Annals of Operations Research, vol. 253, no. 2,
pp. 899-934.
[59] D. Pisinger, S. Ropke (2007) A general heuristic for vehicle routing problems. Computers
& Operations Research, vol. 34, no. 8, pp. 2403-2435.
[60] .G. Crainic, S. Mancini, G. Perboli, R. Tadei (2008) Clustering-Based Heuristics for the
Two-Echelon Vehicle Routing Problem. CIRRELT, vol. 46, pp. 1-28.
[61] E. Taniguchi, R. G. Thompson, T. Yamada (2014) Recent Trends and Innovations in
Modelling City Logistics. Procedia - Social and Behavioral Sciences, vol. 125, pp. 4-14.
[62] G. Perboli, R. Tadei, E. Fadda (2018) New Valid Inequalities for the Two-Echelon
Capacitated Vehicle Routing Problem. Electronic Notes in Discrete Mathematics, vol. 64,
pp. 75-84.
[63] S.K. Jacobsen, O.B.G. Madsen (1980) A comparative study of heuristics for a two-level
routing-location problem. European Journal of Operational Research, vol. 5, no. 6, p.
378–387.
[64] S. Alumur, B.Y. Kara (2007) A new model for the hazardous waste location-routing
problem. Computers & Operations Research, vol. 34, no. 5, pp. 1406-1423.
[65] C. Sterle (2010) Location-Routing models and methods for Freight Distribution and
Infomobility in City Logistics. CIRRELT.
[66] M. Boccia, T.G. Crainic, A. Sforza, C. Sterle (2010) A metaheuristic for a two echelon
location-routing problem. Lecture Notes in Computer Science, vol. 6049, p. 288–301.
[67] V.P. Nguyen, C. Prins, C. Prodhon (2012) Solving the twoechelon location routing
problem by a GRASP reinforced by a learning process and path relinking. European
Journal of Operational Research, vol. 216, no. 1, pp. 113-126.
[68] V.P. Nguyen, C. Prins, C. Prodhon (2012) A multi-start iterated local search with tabu
list and path relinking for the two-echelon location-routing problem. Engineering
Applications of Artificial Intelligence, vol. 25, no. 1, pp. 56-71.
108
[69] C. Contardo, V. Hemmelmayr, T.G. Crainic (2012) Lower and upper bounds for the two-
echelon capacitated location-routing problem. Computers & Operations Research, vol.
39, no. 12, pp. 3185-3199.
[70] R. Cuda, G. Guastaroba, M.G. Speranza (2015) A survey on two-echelon routing
problems. Computers & Operations Research, vol. 55, pp. 185-199.
[71] S.M. Mirhedayatian, T.G. Crainic, M. Guajardo, S.W. Wallace (2019) A two-echelon
location-routing problem with synchronisation. Journal of the Operational Research
Society, vol. 72, no. 1, pp. 145-160.
[72] Grangier, Philippe and Gendreau, Michel and Lehuédé, Fabien and Rousseau, Louis-
Martin (2016) An adaptive large neighborhood search for the two-echelon multiple-trip
vehicle routing problem with satellite synchronization. European Journal of Operational
Research, vol. 254, pp. 80-91.
[73] Q.W. Contardo, W. Wang, R.D. Souza (2018) A heterogeneous fleet two-echelon
capacitated location-routing model for joint delivery arising in city logistics.
International Journal of Production Research, vol. 56, no. 15, pp. 5062-5080.
[74] Dinesh P. Mehta, Sartaj Sahni (2018) Handbook of Data Structures and Applications.
Second Edition, 2nd Edition, Chapman and Hall/CRC.
[75] G.V. Batz, R. Geisberger, P. Sanders, C. Vetter (2013) Minimum time-dependent travel
times with contraction hierarchies. ACM J. Exp. Algorithmics, vol. 18, no. Association
for Computing Machinery, pp. 1-43.
[76] G. Brummelen (2013) Heavenly mathematics: The forgotten art of spherical
trigonometry. Princeton University Press.
[77] M. T. Company (2009). "http://www.tokyomusen.or.jp". Musen Taxi Company.
[78] L. J. P. Co., (2009) "https://www.post.japanpost.jp/fee/in".
[79] T.G. Crainic, Y. Gajpal, M. Gendreau (2015) Multi-Zone Multi-Trip Vehicle Routing
Problem with Time Windows. INFOR: Information Systems and Operational Research,
vol. 53, pp. 49-67.
[80] I. Osman (1993) Metastrategy simulated annealing and tabu search algorithms for the
vehicle routing problem. Annals of Operations Research, vol. 41, no. 4, pp. 421-451.
[81] S. Ropke, D. Pisinger (2006) An Adaptive Large Neighborhood Search Heuristic for the
Pickup and Delivery Problem. Transportation Science, vol. 40, no. 4, pp. 455-472.
109
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN
[1]. Nguyen, Ngoc-Quang and Nghiem, Nguyen-Viet-Dung and DO, Phan-Thuan and LE,
Khac-Tuan and Nguyen, Minh-Son and MUKAI, Naoto (2015) People and Parcels Sharing a
Taxi for Tokyo City. Proceedings of the Sixth International Symposium on Information and
Communication Technology, pp.90-97.
[2]. P. Do, N. Nghiem, N. Nguyen and D. Nguyen (2016) A practical dynamic share-a-ride
problem with speed windows for Tokyo city. 2016 Eighth International Conference on
Knowledge and Systems Engineering (KSE), pp.55-60.
[3]. Phan-Thuan Do, Nguyen-Viet-Dung Nghiem, Ngoc-Quang Nguyen, Quang-Dung Pham
(2018) A time-dependent model with speed windows for share-a-ride problems: A case study
for Tokyo transportation. Data & Knowledge Engineering, vol. 114, pp. 67-85.
[4]. Nguyen, Quang Ngoc and Duc, Nghia Nguyen and Nguyen, Phuong Khanh (2017) An
Adaptive Large Neighborhood Search for Multi-trip Multi-traffic Pickup and Delivery
problem with Time Windows and Synchronization. Proceedings of the Eighth International
Symposium on Information and Communication Technology, pp.439-446.
[5]. Quang Ngoc Nguyen, Nghia Nguyen Duc, Phuong Khanh Nguyen (2021) Two-echelon
Multi-trip Multi-traffic Pickup and Delivery with Time Windows and Synchronization. Journal
of Science and Technology Technical Universities: Smart Systems and Devices, vol. 1.1, pp.
25-32.
110
