Đang tải... (xem toàn văn)
THUẬT TOÁN DI TRUYỀN GIẢI BÀI TOÁN ĐIỀU PHỐI XE ĐIỆN VỚI THỜI GIAN SẠC PIN VÀ THỜI GIAN DI CHUYỂN BIẾN ĐỔI Trong nghiên cứu này, chúng tôi đã giới thiệu, nghiên cứu và đưa ra giải pháp cho Bài toán điều phối xe điện với thời gian sạc pin và thời gian di chuyển biến đổi. Cụ thể, chúng tôi áp dụng thuật toán di truyền và thuật toán Dijkstra động để đưa ra lời giải gần đúng cho bài toán. Kết quả thực nghiệm cho thấy thuật toán di truyển có kết hợp thuật toán Dijkstra động tuy thời gian thực thi lâu hơn nhưng cho lời giải tối ưu hơn so với thuật toán di truyền thuần túy. Trong tương lai, đề tài có thể phát triển theo hướng phân tích thêm một số ràng buộc mở rộng cho bài toán điều phối xe điện như thời gian cửa sổ,.. và nghiên cứu một số áp dụng khác vào bài toán.
KHOA CÔNG NGHỆ THÔNG TIN - - KHĨA LUẬN TỐT NGHIỆP Đề tài THUẬT TỐN DI TRUYỀN GIẢI BÀI TOÁN ĐIỀU PHỐI XE ĐIỆN VỚI THỜI GIAN SẠC PIN VÀ THỜI GIAN DI CHUYỂN BIẾN ĐỔI Hà Nội, Năm 2019 LỜI MỞ ĐẦU Lý chọn đề tài Hiện nay, loại phương tiện giao thơng xe mơ tơ, xe gắn máy chiếm tỷ lệ lớn đồng thời nguồn phát chất thải gây ô nhiễm lớn Theo chuyên gia phương tiện giao thơng giới sử dụng xăng dầu diesel làm nhiên liệu, q trình rò rỉ, bốc đốt cháy nguyên liệu dẫn tới phát sinh nhiều loại khí độc như: VOC, Benzen, Toluen…Đó lý xe điện (Electric vehicles-EVs) đời phát triển Các loại xe điện, bao gồm xe lai, xe lai giắc cắm xe điện chạy pin, công nghệ hứa hẹn để giảm phụ thuộc xăng dầu khí thải nhà kính Phân khúc EVs trở thành phần nhỏ quan trọng ngành cơng nghiệp tơ tồn cầu Trích dẫn nghiên cứu thị trường gần xuất Berman & Gartner ( 2013 ), “Doanh số EVs tăng trưởng với tốc độ tăng trưởng tổng hợp hàng năm gần 40 % so với phần lại thập kỷ, thị trường ô tô nói chung tăng trưởng có hai phần trăm năm” Cước vận chuyển vận chuyển cá nhân vấn đề việc sử dụng EVs kỳ vọng tạo tác động kinh tế cao môi trường Do đó, việc nghiên cứu cách thức để đưa kế hoạch định tuyến tối ưu xe điện chương trình máy tính có giá trị Từ lý trên, lựa chọn đề tài: “Thuật toán di truyền giải toán điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi” nhằm tìm hiểu thuật tốn để điều phối tối ưu xe điện với: chi phí thời gian lại, chi phí lượng, chi phí sạc tối thiểu, hạn chế số lượng EVs Mục tiêu nghiên cứu Trong nghiên cứu này, giới thiệu lời giải gần cho tốn định tuyến xe điện (Electric Vehicle Routing Probltơi - EVRP) sử dụng thuật toán di truyền (Genetic Algorithm_GA) thuật toán Dynamic Dijkstra Nhiệm vụ nghiên cứu Tìm hiểu u cầu tốn hiểu tốn chung Tìm hiểu thuật tốn GA, Dynamic Dijkstra Xây dựng cài đặt thuật toán Đánh giá hiệu suất thuật toán Phương pháp nghiên cứu Nghiên cứu tài liệu, đọc hiểu tốn chung Nghiên cứu thuật tốn cách tìm hiểu báo, luận án tìm kiếm liên quan đến đề tài Tối ưu thuật toán thiết kế kết tối ưu Kết cấu khóa luận Khóa luận tổ chức sau: Chương I: Giới thiệu toán Chương II: Thuật toán di truyền (Genetic Algorithm) Chương III: Thuật toán di truyền giải toán điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi Chương IV: Thực nghiệm Kết luận hướng phát triển đề tài Tài liệu tham khảo LỜI CẢM ƠN Đề tài ”Thuật toán di truyền giải toán điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi” nội dung em chọn để nghiên cứu làm luận văn tốt nghiệp sau bốn năm theo học chương trình cử nhân chun ngành Cơng nghệ thơng tin trường Đại học Sư phạm Hà Nội Để hoàn thành q trình nghiên cứu hồn thiện luận văn này, lời em xin chân thành cảm ơn sâu sắc đến cô giáo, ThS Bùi Thị Thủy – người trực tiếp bảo hướng dẫn em suốt q trình để em hồn thiện luận văn Ngoài em xin chân thành cảm ơn thầy, khoa nhiệt tình giảng dạy, cung cấp cho em kiến thức bổ ích suốt thời gian học tập trường Mặc dù có nhiều cố gắng để thực hiện đề tài một cách hồn chỉnh Song làm quen với cơng tác nghiên cứu khoa học, như hạn chế kiến thức kinh nghiệm nên tránh khỏi thiếu sót Em mong nhận được góp ý q thầy giáo để khóa luận được hoàn chỉnh hơn Cuối cùng, em xin cảm ơn người thân, bạn bè bên em, động viên em hồn thành khóa học luận văn Em xin trân thành cảm ơn! Hà Nội, tháng năm 2019 Sinh viên Nguyễn Thị Hải Yến NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN DANH MỤC HÌNH DANH MỤC BẢNG BIỂU DANH MỤC TỪ VIẾT TẮT A ACO D DCVRP E EV EVRP EVRPCTVT T EVRPTW EVRPNL Ant Colony Optimization Thuật toán tối ưu bầy đàn Distance constranined vehicle routing problem Vấn đề định tuyến xe bị hạn chế khoảng cách Electric vehicle Xe điện Electric vehicle routing problem Vấn đề định tuyến xe điện Vấn đề định tuyến xe điện với Electric Vehicle Routing Problem with charging time and thời gian sạc pin thời gian di chuyển biến đổi variable travel time Electric vehicle routing problem Vấn đề định tuyến xe điện với with time windows and cửa sổ thời gian trạm sạc recharging stations The electric vehicle routing Vấn đề định tuyến xe điện với EVRPSCS G GA I ITSs S SP T TD-VRP V VRP problem with nonlinear charging function The electric routing problem with shared charging stations chức sạc phi tuyến Genetic Algorithm Thuật toán di truyền Intelligent transportation systems Hệ thống giao thông thông minh Shortest path Đường dẫn ngắn Vấn đề định tuyến xe điện với trạm sạc chung Time dependent vehicle routing Vấn đề điều phối xe phụ thuộc problem thời gian Vehicle routing problem Vấn đề điều phối xe điện Mục lục Chương I: Giới thiệu tốn Trong chương này, chúng tơi giới thiệu đưa sở lý thuyết toán, bao gồm: Giới thiệu toán điều phối xe điện biến thể tốn, từ sâu vào vấn đề hơn, đưa thực trạng tại, giới thiệu tốn đưa mơ hình tốn điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi Bài toán điều phối xe điện (Electric Vehicle Routing Problem - EVRP) 1.1 Lịch sử vấn đề nghiên cứu Bài tốn định tuyến xe điện (EVRP) tài liệu, coi biến thể vấn đề định tuyến xe “xanh” (GVRP) Erdogan Miller-Hook đề xuất năm 2012 họ xem xét vấn đề định tuyến xe liên quan đến phương án thay xe nhiên liệu (bao gồm EV) có phạm vi di chuyển hạn chế phải sạc lại trình định tuyến Mỗi khách hàng thăm xác lần định nghĩa vấn đề định tuyến xe(VRP) thông thường Mặt khác, trạm tiếp nhiên liệu ghé thăm phương tiện đội xe nhiều lần cần (hoặc không thăm không cần thiết) Điều thể sai lệch so với VRP thông thường Để phù hợp với nhiều lượt truy cập vào trạm sạc (bao gồm lần kho) cơng thức mơ hình, biểu đồ EVRP tăng cường cách tạo tập hợp nhiều đỉnh đại diện cho trạm sạc (bao gồm điểm kho) Số lượng với số lượt truy cập tiềm đến trạm sạc (và trường hợp kho, số lượng với kích thước đội xe) Bằng cách đó, cơng thức VRP thơng thường áp dụng cho EVRP với số sửa đổi nhỏ - thay đổi công thức VRP thông thường thêm ràng buộc trạm sạc / tái nạp nhiên liệu truy cập nhiều lần Bài viết khơng xem xét chi phí liên quan đến tiêu thụ lượng, không tính đến hạn chế cơng suất xe cửa sổ thời gian Ngoài ra, ta giả định thời gian tiếp nhiên liệu cố định Năm 2014, Schneider cộng nghiên cứu toán định tuyến xe điện với cửa sổ thời gian trạm sạc (E-VRPTW) nhằm giảm thiểu tổng quãng đường di chuyển đội xe điện đồng Mô hình xem xét thời gian sạc pin tùy thuộc vào mức pin lại đến trạm sạc Và mức tiêu thụ pin hàm khoảng cách di chuyển (tốc độ di chuyển cung giả định không đổi) Theo sau Erdogan Miller-Hook (2012) Schneider cộng (2014), Felipe cộng (2014) giới thiệu toán định tuyến xe điện với nhiều công nghệ sạc sạc phần Công thức mơ hình theo sát với Erdogan Miller-Hook (2012) Một lần nữa, tiêu thụ lượng đơn giản chức khoảng cách 1.2 Phát biểu tốn Cơng thức mơ hình EVRP đề xuất tuân theo công thức VRP cổ điển sau: đặt đồ thị đỉnh N kết hợp khách hàng N o = {1, 2, , i, , j, … , n} kho {O}; F = {n + 1, n + 2, , n + s, } tập hợp trạm sạc Tập hợp trạm sạc F bao gồm trạm sạc O1 đặt kho chứa Tập A = {(i, j), i, j thuộc N, i khác j} tương ứng với tất cung nối đỉnh N Lưu ý khác biệt biểu diễn đồ thị VRP truyền thống EVRP Trong VRP truyền thống, đỉnh tất điểm khách hàng phục vụ cộng với kho cặp đỉnh kết nối xác lần (một cung), tức đồ thị hoàn chỉnh Trong EVRP, đỉnh bao gồm tất trạm sạc , trạm sạc không cần truy cập tất có trạm sạc truy cập nhiều lần tuyến đường định Mỗi cung (i, j) liên kết với tij thời gian du lịch không âm khoảng cách dij Tốc độ di chuyển vij coi khơng đổi cung Có nhiều M EV gửi để thực nhiệm vụ giao hàng / nhận hàng Hình mơ tả đồ thị EVRP Quy tắc sạc lại pin xác định sau: EV bắt đầu tuyến đường (hoạt động hàng ngày) kho (O), pin sạc đầy O1; EV sạc lại lần nhiều trạm sạc F thời gian di chuyển; trở kho sau hồn thành tất nhiệm vụ, sạc lại với dung lượng pin đầy O1 vào cuối hoạt động hàng ngày 10 Hình 9: Minh họa lựa chọn thứ hạng GA 8.3 Lựa chọn ngẫu nhiên Trong chiến lược này, lựa chọn ngẫu nhiên bậc cha mẹ từ quần thể Khơng có áp lực lựa chọn nhiễm sắc thể lực tốt chiến lược lưa chọn thường tránh Lai ghép Ghép giai đoạn có ý nghĩa thuật tốn di truyền Ghép chéo trình tạo nhiếm sắc thể sở nhiễm sắc thể cha mẹ cách ghép đoạn nhiễm sắc thể cha mẹ với Toán tử ghép chéo gán với xác suất pc Q trình mơ tả sau [8]: Chọn ngẫu nhiên cặp nhiễm sắc thể quần thể Giả sử, nhiễm sắc thể cha mẹ có độ dài m Tạo số ngẫu nhiên khoảng từ tới m-1 (gọi điểm ghép chéo) Điếm ghép chéo chia nhiễm sắc thể cha mẹ thành hai chuỗi có độ dài m1, m2 Hai chuỗi tạo thành là: m11 + m22 m21+m12 Đưa hai nhiễm săc thể vào quần thể Có thể có nhiều loại lai ghép sau: Lai ghép điểm Trong lai ghép điểm này, điểm giao ngẫu nhiên chọn phần hai cha mẹ hốn đổi để có hai nhiễm sắc thể 29 Hình 10: Minh họa lai ghép điểm Lai ghép đa điểm Lai ghép đa điểm khái quát lai ghép điểm phân đoạn xen kẽ hốn đổi để có nhiễm sắc thể Hình 11: Minh họa lai ghép đa điểm 10 Đột biến Đột biến tượng nhiễm sắc thể mang số đặc tính khơng có mã di truyền cha mẹ Nói cách khác, đột biến định nghĩa tinh chỉnh ngẫu nhiên nhỏ nhiễm sắc thể cha mẹ, để có giải pháp Nó sử dụng để trì đa dạng quần thể di truyền thường áp dụng với xác suất thấp pm Dưới đây, chúng tơi mơ tả mốt số tốn tử đột biến sử dụng rộng rãi Đột biến bit Trong đột biến lật bit này, chọn nhiều bit ngẫu nhiên lật chúng Điều sử dụng cho GA mã hóa nhị phân Hình 12: Đột biến bit Đột biến hốn đổi Trong hốn đổi đột biến, chúng tơi lựa chọn ngẫu nhiên hai vị trí nhiễm sắc thể trao đổi giá trị, điều phổ biến mã hóa dựa hốn vị 30 Hình 13:Đột biến hoán đổi Đột biến xáo trộn Đột biến xáo trộn phổ biến với biểu diễn hoán vị Trong đó, từ tồn nhiễm sắc thể, tập hợp gen chọn giá trị chúng xáo trộn xáo trộn ngẫu nhiên Hình 14: Đột biến xáo trộn Đột biến đảo ngược Trong đột biến đảo ngược, chọn tập hợp gen đột biến xáo trộn, thay xáo trộn tập hợp con, chúng tơi đảo ngược toàn chuỗi tập hợp Hình 15: Đột biến đảo ngược Chương III: Thuật tốn di truyền giải toán điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi Qua chương 1, thấy việc đưa lời giải với lượng liệu lớn cho tốn điều phối xe điện tốn khó Trong chương này, áp dụng sở lý thuyết giới thiệu chương trước để đề xuất áp 31 dụng thuật toán di truyền để giải toán điều phối xe điện với thời gian sạc pin thời gian di chuyển biến đổi Thuật tốn di truyền áp dụng để có tuyến đường, thời gian xe khởi hành kho, kế hoạch sạc pin Trong đó, thuật tốn Dijkstra động áp dụng để tìm đường ngắn hai nút liền kề dọc theo tuyến đường Vì di truyền thuật toán heuristic, nên lời giải toán lời giải gần Ý tưởng thuật toán Vấn đề định tuyến xe điện với thời gian sạc thời gian di chuyển biến đổi phát triển để giải số vấn đề vận hành chẳng hạn giới hạn phạm vi nhu cầu sạc Trong tốn này, chúng tơi đưa giải pháp cách sử dụng thuật toán di truyền để có tuyến đường, thời gian xe khởi hành kho, kế hoạch sạc pin Trong đó, thuật tốn Dijkstra động áp dụng để tìm đường ngắn hai nút liền kề dọc theo tuyến đường Để ngăn chặn cạn kiệt tất lượng pin đảm bảo vận hành an tồn q trình vận chuyển, xe điện khơng đủ pin sạc lại nhiều lần trạm sạc Sự dao động thời gian di chuyển để phản ánh mơi trường giao thông động Khởi tạo quần thể ban đầu Áp dụng chế độ mã hóa để sản xuất quần thể ban đầu P(gen)(|P(gen)|=N); gen =0 Mỗi nhiễm sắc thể biểu diễn đường đi, dạng chuỗi số vị trí khách hàng, trạm sạc, phải có lần vị trí khách hàng phải xuất theo thứ tự có vị trí đầu cuối chuỗi Một số tuyến đường coi không hiệu khơng truy cập khách hàng Một ví dụ đơn giản chúng tơi thể sau Ba xe, trạm thu phí chín khách hàng có sẵn (màu đen, đỏ xanh tượng trưng cho kho, khách hàng trạm sạc) Sau mã hóa, nhiễm sắc thể hình thành: Tuyến đường |0 0| Tuyến đường |0 10 0| Tuyến đường |0 10 0| Bảng Một ví dụ đơn giản kết chế độ mã hóa 32 Kết thu thấy rằng: Tuyến đường thăm ba khách hàng 5, Đường khơng hiệu khơng thăm khách hàng Tuyến đường thăm khách hàng 4, 9, 6, 3, 7, sạc lại trước trở kho Tính giá trị thích nghi Tính giá trị thích nghi nhiễm sắc thể P(gen) Để xác định hàm thích nghi ta chọn hàm f(x) = 1/S (S: tổng chi phí theo lộ trình mô tả nhiễm sắc thể) Khi f(x) lớn độ thích nghi cá thể cao Cứ sau hệ hình thành, cần tính lại độ thích nghi cho cá thể để chuẩn bị cho hệ Trong bước này, chúng tơi áp dụng thuật tốn Dijkstra để tìm đường có chi phí ngắn hai đỉnh liền kề Có giao lộ lớn mạng lưới đường thực Điều phản ánh lái xe khơng di chuyển đường thẳng hai nút Do đó, làm để tìm đường ngắn hai nút liền kề dọc theo tuyến đường vấn đề mơ hình EVRP-CTVTT Vấn đề đường dẫn ngắn (Shortest path - SP) đề cập giải pháp sử dụng mơ hình EVRP-CTVTT SP để có đường với tối thiểu chi phí đồ thị có hướng đầy đủ Phương pháp phổ biến giải SP thuật toán Dijkstra cổ điển [8] phương pháp để sửa nút đơn làm nút nguồn, có đường dẫn ngắn từ nguồn tới tất nút khác biểu đồ tạo đường ngắn Trong cổ điển Thuật toán Dijkstra, trọng lượng liên kết coi khoảng cách(giá trị không đổi) Tuy nhiên, di chuyển điều kiện giao thông phức tạp, phương tiện nhiều thời gian Phần lớn lái xe quan tâm nhiều đến thời gian thay khoảng cách Do đó, thời gian di chuyển thay khoảng cách coi trọng số liên kết Do môi trường giao thông động, thời gian di chuyển liên kết lúc không đổi thay đổi theo thời gian thực Do đó, trọng lượng liên kết động Để giải SP với thời gian lại thay đổi, đề cập đến việc xây dựng lý thuyết thuật toán Dijkstra cổ điển thực số cải tiến so với thuật toán Dijkstra cổ điển để đề xuất thuật toán Dijkstra động, nơi thời gian di chuyển hai nút đồ thị cần 33 tính lại lần để trọng lượng liên kết cập nhật theo thời gian thực nút chọn nút kết nối Theo tính tốn thời gian lại mục 2.2, khoảng thời gian xe đến nút bắt đầu liên kết phải biết Dựa ý tưởng thuật toán Dijkstra động, mã giả thuật tốn Dijkstra động (Hình 16) mơ tả sau: đồ thị mạng lưới đường bộ, source đỉnh nguồn, target đỉnh đến, S dãy đường ngắn từ nguồn tới đích, cost(u,v) đại diện trọng lượng liên kết liên kết (u,v) Chiếc xe đến nút i thời điểm time[i] Hình 16: Mã giả thuật toán Dijkstra động 34 Lựa chọn Hai cặp nhiễm sắc thể (cha mẹ) lựa chọn dựa điểm số thể lực họ Dùng phương pháp chọn lựa bánh xe roulette với độ thích nghi cá thể quần thể tính hàm f(x) Như mô tả chương II, điểm cố định chọn bánh xe bánh xe quay Vùng bánh xe nằm trước điểm cố định chọn cha mẹ Áp dụng tương tự lựa chọn cha mẹ thứ hai Theo cách này, nhiễm sắc thể lực cao có nhiều hội lựa chọn để sinh sản Lai ghép Sau bước lựa chọn hai nhiễm sắc thể cha mẹ, thực lai ghép điểm cắt sau: nhiễm sắc thể tách làm hai phần, hoán đổi cho tạo thành hai nhiễm sắc thể Mỗi cá thể sinh phải thỏa mãn tất ràng buộc, khơng hai nhiễm sắc thể vơ nghĩa, thực lai ghép lại lần Với màu đen, đỏ xanh tượng trưng cho kho, khách hàng trạm sạc, chúng tơi đưa ví dụ sau: NST cha mẹ NST sau lai ghép | 10 | | 12 11 | | 11 0| | 12 10 0| Đột biến Đột biến tượng nhiễm sắc thể mang số đặc tính khơng có mã di truyền cha mẹ sử dụng để trì đa dạng quần thể di truyền Các bước đột biến sau: Chọn ngẫu nhiên nhiễm sắc thể quần thể Tạo số ngẫu nhiên k khoảng từ tới m, 1