ỨNG DỤNG HỌC TĂNG CƯỜNG SÂU CHO HOẠCH ĐỊNH TUYẾN ĐƯỜNG

Abstract

Trong thời đại mà xã hội phát triển và tiến bộ từng ngày, ta có thể thấy rằng hầu hết mọi lĩnh vực trong cuộc sống đều có sự tham gia của công nghệ, hay còn gọi là chuyển đổi số. Ngành Logistics cũng không ngoại lệ, Logistics là dịch vụ cung cấp, vận chuyển hàng hóa từ nơi sản xuất đến tay người tiêu dùng một cách tối ưu nhất, công việc của các công ty Logistics là lên kế hoạch cụ thể, kiểm soát sự di chuyển của hàng hóa hay thông tin về nguyên liệu từ điểm xuất phát đến điểm tiêu thụ theo yêu cầu khách hàng đặt ra. Để cạnh tranh hiệu quả trong ngành này, các công ty phải luôn cải tiến và chú trọng đến yếu tố số lượng, chất lượng, thời gian và giá cả dịch vụ. Đặt biệt, với sự lan rộng của COVID-19 trong những năm gần đây, các doanh nghiệp giao hàng phải xử lý khối lượng giao hàng lớn hơn, việc giao hàng tăng đột ngột đã khiến cho vấn đề định tuyến xe khá khó khăn để giải quyết. Do đó, việc áp dụng công nghệ để có thể tối ưu hóa các kế hoạch, lịch trình di chuyển là cần thiết. Hiện nay, lĩnh vực học máy cũng đang được phát triển mạnh mẽ và đạt được nhiều thành tựu trong các lĩnh vực khác nhau. Trong đó học sâu và học tăng cường được ứng dụng rất nhiều trong việc hỗ trợ hệ thống ra quyết định. Vì vậy, Reinforcement Learning (RL) và Deep Learning (DL) cũng có thể được ứng dụng để giải quyết vấn đề VRP, cụ thể là việc có thể lựa chọn được những tuyến đường hợp lý trong công việc giao hàng và tiết kiệm thời gian, chi phí. Đề tài này phát triển một hệ thống với khả năng giải quyết vấn đề tối ưu hóa tổ hợp của VRP bằng cách sử dụng RL. Việc ứng dụng các mô hình định tuyến sẽ giúp giảm chi phí và thời gian cho việc tối ưu hóa các kế hoạch, lịch trình di chuyển.