Thanh bên bài viết

pdf
Số xuất bản: Số 86 (2026): Số 86 (04/2026)
Chuyên mục: KINH TẾ BIỂN, LOGISTICS VÀ CHUỖI CUNG ỨNG TRONG HÀNG HẢI
DOI: 10.65154/jmst.978
Ngày xuất bản: 30/04/2026
Lượt xem 0
Lượt tải xuống 0
Trích dẫn bài báo
Lê, T. M., Phạm, B. K. L., Tạ, V. H., Đặng, T. T., Phạm, N. D., & Nguyễn, T. L. H. (2026). GIẢI QUYẾT BÀI TOÁN ĐỊNH TUYẾN XE TRONG MẠNG LƯỚI CHUỖI CUNG ỨNG BẤT ĐỊNH THEO CÁCH TIẾP CẬN ĐA MỤC TIÊU VÀ LẬP KỊCH BẢN. Tạp chí Khoa học Công nghệ Hàng hải, 86, 313-321. https://doi.org/10.65154/jmst.978
Crossref
Scopus
Google Scholar
Europe PMC

GIẢI QUYẾT BÀI TOÁN ĐỊNH TUYẾN XE TRONG MẠNG LƯỚI CHUỖI CUNG ỨNG BẤT ĐỊNH THEO CÁCH TIẾP CẬN ĐA MỤC TIÊU VÀ LẬP KỊCH BẢN

Lê Thế Minh1, , Phạm Bùi Khánh Linh1, Tạ Việt Hà 1, Đặng Thu Thảo 1, Phạm Ngọc Diệp 1, Nguyễn Thị Lê Hằng 2
1 Sinh viên Viện Đào tạo Quốc tế, Trường Đại học Hàng hải Việt Nam
2 Khoa Kinh tế, Trường Đại học Hàng hải Việt Nam

Nội dung chính của bài viết

Tóm tắt

Nghiên cứu giải quyết bài toán định tuyến xe trong mạng lưới chuỗi cung ứng dưới bất định theo cách tiếp cận đa mục tiêu và lập kịch bản. Bài toán được ứng dụng mô hình hỗn hợp tuyến tính mờ (FMILP) và giải bằng thuật toán Branch-and-cut và thuật toán Adaptive Large Neighborhood Search (ALNS) để tăng tốc độ xử lý bộ dữ liệu quy mô lớn. Phương pháp lập kịch bản cho phép xây dựng các kịch bản tối ưu với các mục tiêu khác nhau như: (i) tối thiểu chi phí vận hành, (ii) tối thiểu thời gian giao hàng và (iii) tối thiểu khối lượng phát thải CO₂. Kết quả thực nghiệm cho thấy việc thay đổi mức độ ưu tiên giữa các mục tiêu sẽ tạo ra những phương án tối ưu khác nhau, tương ứng với mục tiêu được đặt lên hàng đầu. Nghiên cứu có tính khả thi và phù hợp triển khai cho doanh nghiệp Việt Nam

Abstract

This study addresses the vehicle routing problem (VRP) in uncertain supply chain networks using a multi-objective and scenario-based approach. The problem is formulated as a Fuzzy Mixed-Integer Linear Programming (FMILP) model and solved using a Branch-and-Cut algorithm in combination with Adaptive Large Neighborhood Search (ALNS) to accelerate computation on large-scale datasets. The scenario-based method enables the construction of optimal scenarios under different objectives, including:(i)          minimizing operating cost, (ii) minimizing delivery time, and (iii) minimizing CO₂ emissions. Experimental results indicate that varying the priority levels among objectives leads to different optimal solutions, consistent with the objective emphasized. The proposed approach is feasible and well suited for implementation by Vietnamese enterprises.

Keywords: Vehicle routing; multi-objective VRP, scenario planning, FMILP, branch-and-cut, ALNS

Từ khóa

Định tuyến xe, VRP đa mục tiêu, lập kịch bản, FMILP, Branch-and-cut, ALNS

Chi tiết bài viết

Tài liệu tham khảo

[1] Adapt Ideations. (2022, September 4). OTIF In The Supply Chain - What is it and how to calculate it.
[2] Andersson, J. (2020). Ghost in a Shell: The Scenario Tool and the World Making of Royal Dutch Shell. Business History Review, 94(4), 729–751.
[3] Bellman, R. E., & Zadeh, L. A. (1970). Decision-Making in a Fuzzy Environment. Management Science,17(4), B-141-B-164.
[4] Dantzig, G. B., & Ramser, J. H. (1959). The Truck Dispatching Problem. Management Science, 6(1), 80–91.
[5] Erdoğan, S., & Miller-Hooks, E. (2012). A Green Vehicle Routing Problem. Transportation Research Part E: Logistics and Transportation Review, 48(1), 100–114.
[6] D+C – Development + Cooperation (2013), Imminent gridlock, Dandc.eu
[7] Karsten, C. V., Pisinger, D., & Røpke, S. (2013). An algorithm for solving the time-constrained multicommodity flow problem with applications in liner shipping network design, 26th European Conference on Operational Research (Abstract), Rome, Italy.
[8] Laporte, G. (2009). Fifty Years of Vehicle Routing. Transportation Science, 43(4), 408–416.
[9] Lysgaard, J., Letchford, A. N., & Eglese, R. W. (2004). A new branch-and-cut algorithm for the capacitated vehicle routing problem. Mathematical Programming, 100(2), 423–445.
[10] Mordor Intelligence. (2017). Vietnam Road Freight Transportation Market - Size & Share. Mordor intelligence
[11] Tanaka, H., & Asai, K. (1984). Fuzzy linear programming problems with fuzzy numbers. Fuzzy Sets and Systems, 13(1), 1–10.
[12] c, P. (1985). Scenarios: Uncharted waters ahead, Harvard Business Review, 63(5), 72–89
[13] Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking, Sloan Management Review, 36(2), 25–40.
[14] Zadeh, L. A. (1965). Fuzzy sets, Information and Control, 8(3), 338–353.
[15] Zimmermann, H.-J. (1978). Fuzzy programming and linear programming with several objective functions, Fuzzy Sets and Systems, 1(1), 45–55.
[16] Padberg, M. W., & Rinaldi, G. (1991). A branch-and-cut algorithm for the resolution of large-scale symmetric traveling salesman problems, SIAM Review, 33(1), 60–100.
[17] Shaw, P. (1998). Using constraint programming and local search methods to solve vehicle routing problems. In M. Maher & J.-F. Puget (Eds.), Principles and Practice of Constraint Programming — CP98, Lecture Notes in Computer Science, Vol. 1520, Springer, 417–431).
[18] Røpke, S., & Pisinger, D. (2006). An adaptive large neighborhood search heuristic for the pickup and delivery problem with time windows, Transportation Science, 40(4), 455–472.
[19] Pisinger, D., & Røpke, S. (2007). A general heuristic for vehicle routing problems, Computers & Operations Research, 34(8), 2403–2435.
[20] Lu, D., & Taghipour, S. (2025). A scenario-based stochastic VRP framework, Transportation Research Part E: Logistics and Transportation Review (in press).
[21] Goodarzian, F., Ghasemi, P., Gunasekaren, A., Taleizadeh, A. A., & Abraham, A. (2024). A multi-objective green vehicle routing problem with scenario planning, Expert Systems with Applications, 238, 121943.
[22] Ivanov, D. (2022). Ripple effect and scenario planning in supply chains, International Journal of Production Research, 60(1), 1–20.