Hỗ trợ xếp lịch cho kênh mua sắm trên sóng truyền hình

ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

Nguyễn Quốc Thịnh

HỖ TRỢ XẾP LỊCH CHO KÊNH MUA SẮM
TRÊN SÓNG TRUYỀN HÌNH

Chun ngành: Khoa học Máy tính
Mã số: 60.48.01

LUẬN VĂN THẠC SĨ

TP. Hồ Chí Minh, tháng 6 năm 2017


Cơng trình được hồn thành tại: Trường Đại Học Bách Khoa - ĐHQG - HCM
Cán bộ hướng dẫn khoa học: TS. Huỳnh Tường Nguyên
PGS. TS. Trần Văn Hoài
Cán bộ chấm nhận xét 1: TS. Lê Thanh Vân
Cán bộ chấm nhận xét 2: TS. Tô Bá Lâm
Luận văn thạc sĩ được bảo vệ tại Trường Đại Học Bách Khoa, ĐHQG Tp.HCM vào
ngày 17 tháng 07 năm 2017
Thành phần hội đồng đánh giá luận văn thạc sĩ gồm:
1. TS. Nguyễn Đức Thái
2. TS. Nguyễn An Khương
3. TS. Lê Thanh Vân
4. TS. Tô Bá Lâm
5. TS. Nguyễn Đức Dũng
Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên
ngành sau khi luận văn được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG
TRƯỞNG KHOA


ĐẠI HỌC QUỐC GIA TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC BÁCH KHOA
————————–

Độc lập - Tự do - Hạnh phúc
—————————

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: Nguyễn Quốc Thịnh
Ngày, tháng, năm sinh: 27/03/1990
Chuyên ngành: Khoa học máy tính

MSHV: 7140027
Nơi sinh: Quảng Bình
Mã số: 60.48.01

I. TÊN ĐỀ TÀI:
Hỗ trợ lập lịch cho kênh mua sắm trên sóng truyền hình
NHIỆM VỤ VÀ NỘI DUNG
Nhiệm vụ: Đề xuất giải pháp hỗ trợ lập lịch cho kênh mua sắm trên sóng truyền
hình.
Nội dung:
1. Nghiên cứu tổng quan các bài tốn lập lịch trong lĩnh vực mua sắm trên sóng

truyền hình
2. Nghiên cứu lý thuyết về các thuật tốn giải quyết các bài toán lập lịch
3. Đề xuất giải pháp cho vấn đề lập lịch cho kênh mua sắm trên sóng truyền
hình
II. NGÀY GIAO NHIỆM VỤ: 30/08/2016
III. NGÀY HỒN THÀNH NHIỆM VỤ: 19/06/2017
IV. CÁN BỘ HƯỚNG DẪN: TS. Huỳnh Tường Nguyên, PGS. TS. Trần Văn Hoài
Tp.HCM, ngày ... tháng ... năm 2017
CÁN BỘ HƯỚNG DẪN
CHỦ NHIỆM BỘ MÔN ĐÀO TẠO
(Họ tên và chữ ký)

(Họ tên và chữ ký)

TRƯỞNG KHOA
(Họ tên và chữ ký)


LỜI CẢM ƠN
Em xin trân trọng cảm ơn thầy giáo TS. Huỳnh Tường Nguyên và thầy giáo PGS.
TS. Trần Văn Hồi đã tận tình hướng dẫn, giúp đỡ em trong quá trình thực hiện luận
văn này. Em cũng xin gửi lời cảm ơn đến trường đại học Bách Khoa cùng các thầy
cô trong khoa Khoa học và Kỹ thuật máy tính nói chung, và bộ mơn Khoa học máy
tính nói riêng đã tạo điều kiện cho em học tập và nghiên cứu. Và cuối cùng em xin
trân trọng cảm ơn hội đồng bảo vệ luận văn đã cho em nhiều đóng góp q báu để
em hồn thành luận văn này.
Tp. Hồ Chí Minh, ngày 19 tháng 06 năm 2017

Nguyễn Quốc Thịnh

TÓM TẮT
Mua sắm tại gia (home shopping) là một loại hình mua sắm xuất hiện đã lâu
đời và phát triển mạnh mẽ trong thời đại số hóa. Mua sắm tại nhà trở nên ngày
càng quan trọng vì tính tiện lợi cho người bận rộn, ít có thời gian mua sắm, dù còn
hạn chế trong tương tác giữa người mua, sản phẩm và người bán. Mua sắm trực
tuyến (shopping online) và mua sắm qua sóng truyền hình (TV-home shopping) là
hai hình thức chính của mua sắm tại gia, được sử dụng và bổ trợ cho nhau nhằm
đáp ứng thị trường, cũng như đối tượng khách hàng ngày càng ít phân hóa giữa hai
phương thức mua sắm này.
So với mua sắm trực tuyến, mua sắm qua sóng truyền hình có những điểm ưu
việt như: cách thức giới thiệu sản phẩm sống động, có sức thuyết phục cao, phương
thức thanh tốn an tồn thông qua tổng đài điện thoại. Tuy nhiên, mua sắm qua sóng
truyền hình bị hạn chế về thời gian và khơng gian trình chiếu. Thời gian là nguồn
tài ngun cần được cân nhắc để sử dụng một cách hợp lý để mang lại hiệu quả cao
nhất. Bài toán sắp xếp các quảng cáo một cách hợp lý để thu được doanh thu tối đa
trở thành một thách thức cần được tìm hiểu và giải quyết. Vì vậy, giải quyết bài tốn
sắp lịch cho mua sắm trên sóng truyền hình chính là mục tiêu của luận văn này.
Luận văn cung cấp cho người đọc tổng quan về lĩnh vực mua sắm qua sóng truyền
hình, những khó khăn và cách giải quyết trong quá trình sắp lịch cho kênh. Cụ thể
trong luận văn này, tác giả mơ tả và mơ hình hóa tốn học bài tốn thực tế, đề xuất
quy trình sắp lịch dựa vào dữ liệu thực tế để quá trình sắp lịch có thể tự điều chỉnh
một cách nhanh chóng khi thị trường thay đổi. Đồng thời, đề xuất hai giải thuật
heuristic và giải thuật di truyền để khảo sát miền nghiệm của bài tốn, từ đó cho
thấy được các heuristic có đủ tốt để sử dụng trực tuyến. Kết quả thực nghiệm cho
thấy giải thuật heuristic cho kết quả thực tế tốt trên 80% đối với cận trên. Trong
khi, giải thuật tiến hóa cải tiến chất lượng nghiệm lên đến 94%, cải thiện trung bình
5.92%.

ABSTRACT
Traditional retailing and direct-to-customer marketing are distribution channels
and are distinguished in helpful marketing literature (e.g. Balasubramin [2]). TV
home shopping is one kind of direct-to-customer marketing (for more detail see
[7]). The power of TV network is exerted to advertise products through broadcasting
interested programs. Audience can easily understand how to use products, how it is
helpful in order that they will be convinced to buy products. The payment method is
secured by phone order and products are quickly made delivery through the trading
method which becomes more and more popular.
TV home shopping and TV station have to focus on how to manage broadcast
time [1]. They have many programs which need to be broadcast and finding an
optimal broadcast schedule is not easy. So TV home shopping needs to explore a
schedule of marketing program across a set of selling products to maximize a total
revenue (in this situation, it means that maximize total profit). To make schedule,
we have to know or predict sale capacity of products in the current time.
In this paper, the authors propose a process to solve this problem which includes
three steps: prediction of sale capacity of products based on historical data; scheduling advertising TV program to maximize expected revenue; prediction adjustment
when the process gets new product data. We describe a development of an integer linear-programming model for TV home shopping schedule problem and two
heuristic algorithms to find out a suitable broadcast schedule. Three well-known
models for prediction are applied to calculate sale capacity of products in the next
cycle. To improve schedule performance, we design a genetic algorithm base on
heuristic. Experiment results evaluate the accuracy of predictive models and the
quality of solution given by proposed algorithms. The results of heuristic algorithms
are upper 80% with an upper bound induced from the proposed exact model. And
the genetic algorithm supplies result up to 94%, the average improvement percent
is 5.92%.


LỜI CAM ĐOAN
Tơi xin cam đoan luận văn này hồn tồn do tơi thực hiện. Các số liệu và kết

quả đạt được trong q trình nghiên cứu là hồn tồn trung thực. Tôi xin chịu trách
nhiệm về luận văn của mình.
Tp. Hồ Chí Minh, ngày 19 tháng 06 năm 2017

Nguyễn Quốc Thịnh


Mục lục
TÓM TẮT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
LỜI CAM ĐOAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Chương 1. Giới thiệu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1

Chương 2. Tổng quan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

2.1. Bài toán dự báo và hiệu chỉnh độ hiệu quả cho các chương trình quảng
cáo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8

2.2. Bài toán sắp lịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8

2.3. Tình hình nghiên cứu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9

Chương 3. Cơ sở lý thuyết . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

3.1. Mơ hình dự báo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

3.1.1. Mơ hình dự báo Holt-Winter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

11

3.1.2. Mơ hình dự báo bước ngẫu nhiên (Random walk) . . . . . . . . . . . . . . . . . . . .

12

3.1.3. Mơ hình dự báo trung bình động (moving average) . . . . . . . . . . . . . . . . . .

12

3.1.4. Kiểm tra chéo cho dữ liệu thời gian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

3.2. Heuristic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

3.3. Metaheuristic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

14

3.4. Giải thuật di truyền (Genetic algorithm) . . . . . . . . . . . . . . . . . . . . . . . .

15


Chương 4. Mơ hình bài tốn sắp lịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

4.1. Bài toán sắp lịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

4.2. Mơ hình bài tốn sắp lịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

4.2.1. Định nghĩa tập dữ liệu yêu cầu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

18

4.2.2. Biến quyết định của mơ hình . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

4.2.3. Các ràng buộc của mơ hình . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

4.2.4. Hàm mục tiêu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

4.3. Chứng minh bài toán thuộc lớp NP-complete . . . . . . . . . . . . . . . . . . .

20

Chương 5. Giải pháp đề xuất . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

5.1. Quy trình sắp lịch được đề xuất . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

5.2. Bài toán dự báo và tinh chỉnh . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

5.3. Những giải thuật heuristic đề xuất . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25

5.4. Giải pháp đề xuất dựa trên giải thuật di truyền . . . . . . . . . . . . . . . . .

26

5.4.1. Định nghĩa thuật ngữ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

5.4.2. Toán tử di truyền (genetic operators) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

5.4.3. Các bước tiến hành giải thuật . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

27

Chương 6. Kết quả thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

6.1. Tập dữ liệu kiểm thử . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

6.2. Môi trường thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

31

6.3. Thời lượng chiếu và số lần phát tối đa cho mỗi nhóm . . . . . . . . . . . .

32

6.4. Kết quả thực nghiệm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

6.4.1. Thực nghiệm cho các mơ hình dự báo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

6.4.2. Thực nghiệm cho giải thuật heuristic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

6.4.3. Thực nghiệm cho giải thuật tiến hóa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

KẾT LUẬN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

51

Danh mục các cơng trình khoa học . . . . . . . . . . . . . . . . . . . . . . .

54


Danh sách hình vẽ
2.1
2.2
2.3
2.4
2.5

Quy trình vận hành nghiệp vụ . . . .
Số liệu sản lượng bán hàng hằng ngày
Số liệu được tổng hợp theo chu kỳ . .
Lịch phát sóng . . . . . . . . . . . . .
Quy trình sắp lịch hiện tại . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

3.1

Giải thuật di truyền truyền thống . . . . . . . . . . . . . . . . . . . . . 16

4.1

Cách sắp lịch tối ưu cho chương trình Pr+1 . . . . . . . . . . . . . . . . 21

5.1
5.2
5.3
5.4
5.5
5.6

Quy trình sắp lịch đề xuất . . . . . . . . . . . .
Giải thuật di truyền . . . . . . . . . . . . . . .

Ví dụ về một nhiễm sắc thể . . . . . . . . . . .
Ví dụ về lai tạo . . . . . . . . . . . . . . . . .
Ví dụ đột biến nhiễm sắc thể giảm số lần chiếu
Ví dụ đột biến nhiễm sắc thể tăng số lần chiếu .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.

.
.

.
.
.
.
.
.

.
.
.
.
.
.

24
27
28
29
30
30

6.1
6.2
6.3
6.4
6.5
6.6

6.7
6.8
6.9
6.10
6.11
6.12
6.13
6.14

Kết quả dự báo cho mẫu 1 . . . . . . . . . . . . . . . . . . .
Kết quả dự báo cho mẫu 2 . . . . . . . . . . . . . . . . . . .
Kết quả dự báo cho mẫu 3 . . . . . . . . . . . . . . . . . . .
Kết quả dự báo cho mẫu 4 . . . . . . . . . . . . . . . . . . .
Kiểm tra số lần lặp không cải tiến kết quả trên mẫu 1 . . . . .
Kiểm tra số lần lặp không cải tiến kết quả trên mẫu 2 . . . . .
Kiểm tra số lần lặp không cải tiến kết quả trên mẫu 3 . . . . .
Kiểm tra số lần lặp không cải tiến kết quả trên mẫu 4 . . . . .
Số thế hệ có sau mỗi điều kiện lặp . . . . . . . . . . . . . . .
Kiểm tra kích thước quần thể mẫu 1 . . . . . . . . . . . . . .
Kiểm tra kích thước quần thể mẫu 2 . . . . . . . . . . . . . .
Kiểm tra kích thước quần thể mẫu 3 . . . . . . . . . . . . . .
Kiểm tra kích thước quần thể mẫu 4 . . . . . . . . . . . . . .
Thời gian thực hiện giải thuật khi thay đổi kích thước quần thể

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

35
36
36
37
40
40
41
41
42
44
44
45
45
46

.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.

.
.
.

.
.

.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.

.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

4
5
6
7
7

Danh sách bảng
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9
6.10
6.11

Kết quả dự báo của các mơ hình . . . . . . . . . . . . . . .
Kết quả dự báo của các mơ hình . . . . . . . . . . . . . . .
Căn bậc hai trung bình bình phương độ lỗi của các mơ hình .
Trung bình sai số tuyệt đối của các mơ hình . . . . . . . . .
Trung bình phần trăm sai số tuyệt đối của các mơ hình . . .
So sánh chất lượng nghiệm của giải thuật đề xuất với cận trên
So sánh thay đổi kích thước quần thể của giải thuật tiến hóa .
So sánh thay đổi tỉ lệ lai hóa và đột biến cho mẫu 1 . . . . .
So sánh thay đổi tỉ lệ lai hóa và đột biến cho mẫu 2 . . . . .
Nhóm 3 các cấu hình tốt nhất . . . . . . . . . . . . . . . . .
So sánh chất lượng nghiệm của giải thuật di truyền . . . . .

.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.

.
.
.
.
.
.
.
.

34
35
37
38
38
39
43
47
48
49
50


Chương 1

Giới thiệu
Mua sắm tại gia (home shopping) là một loại hình mua bán xuất hiện đã lâu đời
và phát triển mạnh mẽ trong thời đại số hóa. Nghiên cứu của Eleanor và Stephen [8]
cho thấy sự khác biệt giữa mua sắm tại nhà và mua tại cửa hàng (in-store). Mua sắm
tại nhà trở nên ngày càng quan trọng mặc dù hạn chế trong tương tác giữa người
mua, sản phẩm và người bán. Tuy nhiên khơng ai có thể phủ nhận được sự tiện lợi

mà nó mang lại, đặc biệt là cho những người bận rộn, có ít thời gian để mua sắm.
Mua sắm điện tử ra đời đã phần nào giải quyết những vấn đề về tương tác mà những
loại hình mua sắm tại gia trước đó gặp phải. Với mua sắm điện tử, người dùng có
thể tìm kiếm, mua sắm ở bất kì đâu, vào bất kì thời gian nào, đây chính là điểm ưu
việt so với mua tại cửa hàng.
Ngành công nghiệp mua sắm điện tử (electronic shopping industry) bắt đầu phát
triển vào cuối thập niên 90 khi mạng máy tính cũng như truyền hình cáp bắt đầu
được đưa vào phục vụ trong ngành công nghiệp bán lẻ ở Châu Âu. Vào thời gian
này, khi mạng máy tính lẫn truyền hình cáp cịn chưa được phổ biến, các giao dịch
buôn bán bị giới hạn về số lượng mặt hàng và phương thức giao dịch. Tuy nhiên,
chính sự thay đổi về lối sống cũng như công việc đã làm thay đổi hành vi mua sắm
của người dùng. Họ nhanh chóng chấp nhận những phương thức mua sắm mới mặc
dù nó vẫn cịn rất nhiều hạn chế. Mua sắm trực tuyến (shopping online) và mua sắm
qua sóng truyền hình (TV-home shopping) phát triển mạnh khi mà công nghệ được
phát triển, giá thành thiết bị cũng như dịch vụ mạng trở nên rẻ hơn. Cả hai sẽ được
sử dụng và bổ trợ cho nhau khi thị trường cũng như đối tượng khách hàng ngày
càng ít phân hóa giữa hai phương thức mua sắm này. Ngành công nghiệp bán lẻ sẽ
chuyển dịch từ mua sắm truyền thống sang mua sắm điện tử[7].

1


Ngày nay, thương mại điện tử khơng cịn xa lạ với mọi người trên thế giới. Số
lượng giao dịch điện tử càng ngày tăng thơng qua hai loại hình chính là mua sắm
trực tuyến và mua sắm trên sóng truyền hình. So với mua sắm trực tuyến, mua sắm
qua sóng truyền hình có những ưu điểm vượt trội hơn: cách thức giới thiệu sản phẩm
sống động và có sức thuyết phục, phương thức thanh tốn an tồn thơng qua tổng
đài điện thoại. Tuy nhiên, mua sắm qua sóng truyền hình bị hạn chế về thời gian
[7] cũng như không gian trình chiếu. Người xem phải sắp xếp thời gian để đón xem
các chương trình quảng cáo mà họ thích, trong khi mua sắm trực tuyến có thể cho

phép người dùng truy cập 24/7. Hơn nữa, khơng gian trình chiếu của mua sắm trên
sóng truyền hình cũng bị giới hạn chỉ trong một khung hình, khơng thể mở rộng
như mua sắm trực tuyến với nhiều khung hình, nhiều đường dẫn, quảng cáo nhiều
sản phẩm trên nhiều phần của màn hình. Trong đó, thời gian giữ vai trị quan trọng
nhất và là nguồn tài nguyên cần được cân nhắc để sử dụng một cách hợp lý để mang
lại hiệu quả cao nhất. Bài toán sắp xếp các quảng cáo một cách hợp lý để thu được
doanh thu tối đa trở thành một thách thức cần được tìm hiểu và giải quyết. Vì vậy,
giải quyết bài toán sắp lịch cho mua sắm trên sóng truyền hình chính là mục tiêu
của luận văn này.
Thử thách đặt ra cho đề tài là phải sắp lịch trong mơi trường khơng chắc chắn vì
thị trường ln biến đổi liên tục cần phải dự báo trước thị trường. Dữ liệu được cung
cấp từ cơng ty chứa ít thơng tin để có thể dự báo chính xác cũng như kích thước dữ
liệu q nhỏ khó áp dụng cho các mơ hình dự báo dựa trên chuỗi thời gian. Đồng
thời, cần xác định được độ phức tạp của bài toán đang nghiên cứu để có thể tìm ra
được phương pháp giải quyết hiệu quả nhất. Theo tìm hiểu của tác giả thì chưa có
các nghiên cứu đặc thù về sắp lịch trước đây áp dụng cho lĩnh vực kinh doanh này.
Vì vậy, cần phải tìm hiểu mở rộng để thấy được các nghiên cứu liên quan trong các
ngành quảng cáo, từ đó sử dụng làm nguồn tài liệu nghiên cứu phù hợp.
Để đạt được các mục tiêu đã đề ra cho luận văn, các bước cần thực hiện bao gồm:
• Thu thập dữ liệu thực tế, tìm hiểu quy trình nghiệp vụ của công ty cung cấp
dịch vụ mua sắm trên sóng truyền hình.
• Đặc tả bài tốn, mơ hình hóa tốn học, đánh giá độ phức tạp của bài tốn sắp
lịch
• Đề xuất giải pháp cho bài tốn dựa trên các nghiên cứu liên quan, cũng như
cơ sở lý thuyết căn bản.
• Thực nghiệm để kiểm tra độ chính xác của giải pháp đề xuất.
Luận văn đã đóng góp thực tiễn thơng qua việc giải quyết khó khăn về vấn đề sắp
lịch cho doanh nghiệp, đóng góp khoa học áp dụng kiến thức toán tối ưu cũng như

2

dự báo để giải quyết bài tốn cơng nghiệp. Cụ thể các đóng góp chính của luận văn
là:
• Đặc tả bài tốn thực tế, mơ hình hóa bài tốn học bài toán, chứng minh bài
toán bài toán lập lịch thuộc lớp bài tốn khó, lớp bài tốn NP − complete
trong chương 4.
• Đề xuất quy trình sắp lịch mới thích ứng với sự thay đổi của thị trường đồng
thời có thể tận dụng được dữ liệu quá khứ để tiên đốn cho tương lai gần. Quy
trình được trình bài trong mục 5.1.
• Đề xuất hai giải thuật heuristic và giải thuật di truyền để giải quyết bài toán
sắp lịch trong mục 5.3, 5.4.
Trong luận văn này, giới hạn đề tài nghiên cứu là tập trung giải quyết bài toán sắp
lịch, các bài tốn liên quan trong q trình nghiên cứu về dự báo sẽ được nghiên
cứu chuyên sâu trong các cơng trình sau này.
Nội dung chính của luận văn bao gồm:
• Chương 1 giới thiệu chung đề tài đang nghiên cứu
• Chương 2 giới thiệu bài tốn sắp lịch cho kênh mua sắm truyền hình, tình
hình nghiên cứu và các cơng trình nghiên cứu liên quan
• Chương 3 giới thiệu các cơ sở lý thuyết về mơ hình dự báo, giải thuật tính
tốn được áp dụng cho luận văn
• Chương 4 mơ hình hóa tốn học bài tốn sắp lịch, chứng minh bài tốn thuộc
lớp bài tốn NP − complete
• Chương 5 đề xuất giải pháp để giải quyết bài tốn sắp lịch bao gồm quy trình
sắp lịch đề xuất, các giải thuật heuristic và giải thuật di truyền
• Chương 6 thể hiện các kết quả thực nghiệm khi áp dụng các giải thuật đề xuất
trên dữ liệu

3

Chương 2

Tổng quan
Công ty tham gia kinh doanh trong lĩnh vực mua sắm trên sóng truyền hình thực
hiện việc quảng bá và kích thích khách hàng mua sản phẩm thơng qua các chương
trình quảng cáo. Mỗi chương trình được thiết kế để giới thiệu một cách sinh động
các tính năng mà sản phẩm cung cấp, đi kèm những khuyến mãi hấp dẫn. Một
kênh truyền hình được thuê để phục vụ việc trình chiếu liên tục các quảng cáo về
mặt hàng công ty cung cấp. Người xem sẽ đánh giá sản phẩm và từ đó ra quyết
định mua hàng. Quy trình hoạt động này được biểu diễn như hình 2.1.Trong đó, đài
truyền hình sẽ yêu cầu lịch chiếu các chương trình từ phía cơng ty theo chu kỳ. Vì
vậy cơng ty cần có một đội ngũ chuyên gia am hiểu nghiệp vụ, thị trường, cũng như
nhu cầu của khách hàng để sắp lịch chiếu một cách hợp lý nhất.
sản phẩm

Làm chương trình

Chương trình

Lập lịch

Quyết định mua

Khách hàng

Phát sóng

Hình 2.1: Quy trình vận hành nghiệp vụ
4

Lịch chiếu


Các cơng việc chính mà chun gia sắp lịch cần thực hiện là tổng hợp dữ liệu
bán hàng của từng sản phẩm đã được quảng cáo. Với số liệu doanh số bán và lượng
hàng tồn kho họ tính ra được nhu cầu của thị trường cũng như nguồn cung từ cơng
ty để cân đối việc quảng cáo như hình 2.2. Nhằm mục đích tránh tình trạng một mặt
hàng cơng ty đã sắp hết hàng thì được quảng cáo quá nhiều, khách hàng sẽ liên tục
mua mà công ty không đáp ứng được. Trong khi có những mặt hàng khác bị tồn kho
không được quảng cáo đủ để người xem biết và tiêu thụ. Như vậy sẽ làm lãng phí
tài nguyên khơng hiệu quả cho cả người xem và cơng ty.

Hình 2.2: Số liệu sản lượng bán hàng hằng ngày
Sau khi đã có được số liệu thống kê về doanh số bán hàng của các sản phẩm trong
một chu kỳ, chương trình quảng cáo cho chúng sẽ được đánh giá độ hiệu quả thơng
qua một cơng thức tính trung bình sẽ được nói chi tiết trong phần 5.2. Các số liệu
thống kê chính được tổng hợp để hỗ trợ sắp lịch được thể hiện như hình 2.3.

5


Hình 2.3: Số liệu được tổng hợp theo chu kỳ
Với những dữ liệu thống kê từ chu kỳ trước đó, người sắp lịch kết hợp với kinh
nghiệm do tìm hiểu thị trường sẽ ra quyết định chương trình quảng cáo nào sẽ được
chiếu bao nhiêu lần một ngày và được chiếu vào những khung giờ nào. Lịch chiếu
được hình thành và chuyển đến đài truyền hình. Lịch chiếu ở đây là lịch chiếu theo
ngày, nghĩa là các ngày tiếp theo sẽ chiếu giống nhau. Thời gian này gọi là một
chu kỳ chiếu. Kết thúc chu kỳ chiếu, lịch chiếu mới sẽ được tạo để cập nhật với thị
trường. Nội dung lịch chiếu như hình 2.4.

6


Hình 2.4: Lịch phát sóng

Tóm tắt quy trình sắp lịch hiện tại của công ty mà nghiên cứu đang thực hiện như
hình 2.5.
Thống kê

Chỉ số hiệu quả

Lập lịch

Lịch phát sóng

Sản lượng bán hàng

Phát sóng

Hình 2.5: Quy trình sắp lịch hiện tại
Từ quy trình sắp lịch hiện tại, cơng ty có như cầu muốn cải thiện chất lượng sắp
lịch thông qua việc tự động hóa các bước sắp lịch. Để thực hiện được cơng việc này
địi hỏi các bước cải thiện sau:
7


• Đề xuất quy trình lập lịch mới nhằm nâng cao khả năng dự báo, nắm bắt sự
thay đổi của thị trường.
• Áp dụng các giải thuật tiên đốn để tìm ra độ hiệu quả của các chương trình

trong tương lai gần mà ở đây là chu kỳ kế tiếp.
• Thiết kế giải thuật để sắp lịch dựa trên thông số độ hiệu quả dự báo.
• Hiệu chỉnh mơ hình dự báo theo thời gian khi có dự liệu mới được cập nhật
để đảm bảo tính thích ứng theo thị trường.

2.1.

Bài toán dự báo và hiệu chỉnh độ hiệu quả cho
các chương trình quảng cáo

Để có thể biết được một lịch chiếu đã đạt hiệu quả cần dựa vào doanh thu mà
lịch chiếu mang lại. Trong đó mỗi quảng cáo sẽ đóng góp riêng phần một phần
doanh thu cho tồn bộ lịch chiếu. Chính vì tính chất này nên chỉ số hiệu quả của các
chương trình quảng cáo sẽ đánh giá doanh thu mà chúng mang lại và mức tiêu hao
tài nguyên thời gian. Với chỉ số hiệu quả này người sắp lịch có thể đánh giá nhanh
chất lượng của quảng cáo và mặt hàng mà nó đang quảng cáo. Vì vậy độ hiệu quả
là một thơng số quan trọng hàng đầu cần chú ý khi sắp lịch.
Để biết được độ hiệu quả của chương trình trong chu kỳ kế tiếp cần phải thực
hiện một quá trình dự báo. Hiện nay các cơng ty đang áp dụng mơ hình dự báo sử
dụng dữ liệu trong một thời gian ngắn trước đó (1 đến 2 chu kì trước) để thống kê và
áp dụng cho chu kỳ kế tiếp. Đề tài muốn kiểm tra độ hiệu quả của các cách làm này
bằng so sánh với một số mơ hình dự báo thơng dụng khác. Kết quả của qúa trình dự
báo sẽ là dữ liệu đầu vào cho bài toán sắp lịch sau đó.

2.2.

Bài tốn sắp lịch

Bài tốn sắp lịch được miêu tả cơ bản như sau: cơng ty có một danh sách các sản
phẩm cần được bán. Ứng với mỗi sản phẩm sẽ có một chương trình quảng cáo cho

nó. Các chương trình quảng cáo được lượng giá độ hiệu quả thơng qua một chỉ số
gọi là độ hiệu quả. Từ đó, các chương trình này được chia thành các nhóm chương
trình dựa trên ngưỡng hiệu quả định trước. Mỗi nhóm chương trình lại được quy
định tổng thời lượng phát sóng trong một ngày. Dựa vào mức độ hàng tồn kho, xu
hướng mua hàng mà mỗi chương trình được giới hạn số lần phát tối đa trong một
ngày. Đồng thời, mỗi chương trình sẽ được quy định cụ thể các khung giờ mà chúng
8


có thể được trình chiếu dựa trên kinh nghiệm của chuyên gia sắp lịch. Họ chia thời
gian chiếu một ngày ra thành các khung giờ liên tiếp dựa trên lượng người xem,
và lượng mua hàng. Lịch chiếu cần phải thỏa mãn nhiều ràng buộc như: thời gian
chiếu, khung giờ được phép chiếu, thời lượng chiếu của nhóm, các chương trình
khơng được chiếu chồng lấp lên nhau, một chương trình được chiếu lại không quá
gần lần chiếu trước (chi tiết các ràng buộc sẽ được trình bày ở chương 3).
Luận văn sẽ đề xuất quy trình sắp lịch cho kênh mua sắm trên sóng truyền hình.
Dựa vào quy trình đã đề xuất, đưa ra những giải quyết cụ thể cho từng bước trong
quy trình bao gồm: dự báo, lập lịch và hiệu chỉnh. Luận văn sẽ mơ hình hóa tốn
học bài toán lập lịch và đưa ra lời giải cho bài tốn tối ưu.

2.3.

Tình hình nghiên cứu

Hiện nay có nhiều nghiên cứu sắp lịch cho quảng cáo trên truyền hình [1, 3],
quảng cáo trên tạp chí, báo [5], hay trên các trang mạng [15]. Với mỗi loại hình
quảng cáo thì các nguyền tài ngun chính cần quan tâm là khơng gian và thời gian.
Đối với quảng cáo trên sóng truyền hình thời gian ln được ưu tiên xem xét. Đài
truyền hình cần tính tốn để sắp lịch các quảng cáo như thế nào để đạt doanh thu cao
nhất. Bởi vì nguồn thu nhập chính của các đài truyền hình xuất phát từ phát sóng

quảng cáo. Một bài tốn đặt ra đối với họ là sắp xếp các quảng cáo theo yêu cầu của
khách hàng vào các khung giờ quảng cáo một cách hợp lý để thu được doanh thu tối
đa. Alaei và cộng sự [1] đã áp dụng chiến lược đấu giá nhiều món hàng (multi-unit
combinatorial auction) kết hợp với giải thuật tiến hóa để giải quyết bài tốn này.
Nghiên cứu của họ cho thấy giải thuật di truyền (GA) đề xuất có độ chính xác gần
như khơng đổi khi tăng kích thước bài tốn thực.
Một yếu tố thường được chú ý trong sắp lịch quảng cáo truyền hình truyền thống
là tỉ lệ người xem (audience ratings). Các nhà quảng cáo trả tiền để tăng lượng người
xem cho các quảng cáo của mình. Một nghiên cứu ở Trung Quốc giải quyết bài toán
sắp lịch quảng cáo cho các quảng cáo dựa vào hai yếu tố là tỉ lệ người xem và độ
dài quảng cáo để tối đa hóa doanh thu cho đài truyền hình. Ru Bai và Jinxing Xie
[3] đã mơ hình hóa bài tốn theo mơ hình quy hoạch ngun (interger programming
model), lấy tích số giữa tỉ lệ người xem mà nhà quảng cáo yêu cầu và thời lượng
quảng cáo làm giá trị đo doanh thu cho mỗi quảng cáo. Tác giả đã đưa ra ba giải
thuật heuristic để giải quyết bài toán NP −Complete này. Kết quả thực nghiệm cho
thấy giải thuật hiệu quả với dữ liệu giả lập.
Trong khi đó quảng cáo trên báo, tạp chí và trang mạng, yếu tố không gian để đặt
quảng cáo luôn được tối ưu hóa để thu hút dược người đọc nhưng tiết kiệm diện tích.
9


Nghiên cứu về cách đăng tải quảng cáo hợp lý vào các vị trí nhất định trên website
áp dụng giữa giải thuật heuristic đề xuất và giải thuật di truyền thiết kế riêng cho
bài tốn sao cho quảng cáo có được số lượng người xem trung bình thỏa mãn yêu
cầu khách hàng đồng thời tăng doanh thu quảng cáo. Kumar [15] và đồng nghiệp
đã cho thấy được sự cải tiến đáng kể khi thử nghiệm giải thuật lai giữa giải thuật di
truyền và giải thuật heuristic tự đề xuất dựa trên giải thuật bin-packing so với một
giải thuật heuristic đã tồn tại trước đó. Kết quả thực nghiệm cho thấy giải thuật mới
cải thiện trên 87% so với giải thuật đã đề xuất trước đó. Điều này giúp cho doanh
thu của quảng cáo trên trang mạng được tối đa hóa.

Khơng chỉ truyền hình hay mạng cần đến bài tốn sắp xếp mà quảng cáo trên
báo, tạp chí cũng cần tối ưu hóa để giảm chi phí in ấn mà khơng ảnh hưởng đến tiến
độ in ấn. Công việc sắp xếp in quảng cáo vào các vùng (zone) đã định sao cho rút
ngắn thời gian in ấn của các máy in là bài tốn mà Carter [5] và cơng sự phải đối
mặt. Họ đã áp dụng một cách khéo léo giải thuật di truyền để đưa ra được lịch in tối
ưu giúp giảm gần 25% thời gian in ấn nhà xuất bản. Điều này đồng nghĩa rằng họ
đã tiết kiệm chi phí cũng như cơng sức in ấn, đồng thời giúp nhà xuất bản có nhiều
vùng in ấn trống hơn nhờ đó có thể tăng số lượng in ấn.
Nhìn chung các bài tốn đặt ra được mơ hình hóa và giải quyết theo nhiều chiến
lược đa dạng, cơ bản sử dụng heuristic và giải thuật di truyền một cách hợp lý để
đưa ra được giải pháp tốt cho công nghiệp. Tuy nhiên, hiện nay theo tìm hiểu của
tác giả thì vẫn chưa có những nghiên cứu lập lịch chuyên biệt cho lĩnh vực mua
sắm trên sóng truyền hình, mặc dù đặc tính của chương trình cũng như mục tiêu
của nó và quảng cáo truyền thống là khác nhau. Quảng cáo của mua sắm trên sóng
truyền hình thường dài hơn rất nhiều so với quảng cáo thơng thường có thể lên đến
60 phút. Các quảng cáo này được chiếu liên tục, không phụ thuộc vào các chương
trình chính khác như: các chương trình phim, bóng đá, chương trình giải trí khác.
Mục tiêu của quảng cáo trên sóng truyền hình là thuyết phục người xem mua hàng
một cách nhanh chóng với nhiều khuyến mãi ngắn hạn (count down time), doanh
thu chính từ nguồn bán hàng. Đối với quảng cáo truyền thống thì đài truyền hình sẽ
là người sắp lịch và nguồn doanh thu là tiền khách hàng trả cho quảng cáo, không
phụ thuộc vào doanh số mà sản phẩm quảng cáo đó thu được.
Chính sự khác biệt của lĩnh vực này địi hỏi chúng ta cần phải có những cơng
trình nghiên cứu mới để đáp ứng những thay đổi của lĩnh vực này. Đây là động lực
chính để tác giả thực hiện đề tài. Trong luận văn này, bài tốn sẽ được mơ hình hóa
lại để miêu tả chính xác các ràng buộc đặc thù, đồng thời áp dụng các giải thuật lập
lịch đã được áp dụng trong các nghiên cứu liên quan.

10

Chương 3

Cơ sở lý thuyết
Chương này trình bày những lý thuyết nền tảng sử dụng trong giải pháp được đề
xuất trong luận văn này, bao gồm: mơ hình dự báo, đánh giá đơ chính xác của mơ
hình, giải thuật heuristic, giải thuật di truyền.

3.1.

Mơ hình dự báo

Một chuỗi thời gian bất kỳ thường có 3 thành phần quan trọng: xu hướng, mùa
vụ và ngẫu nhiên, tùy vào đặc tính dữ liệu mà các thành phần này đóng vai trị khác
nhau. Các mơ hình dự báo dưới đây sẽ chú trọng vào các thành phần này để đưa ra
dự báo.

3.1.1.

Mơ hình dự báo Holt-Winter

Để dự báo trong thời gian ngắn hạn các cơng ty thường sử dụng mơ hình HoltWiter bởi vì nó đơn giản, cần ít dữ liệu và rất dễ dàng tự động hóa cho kết quả tốt
[12]. Mơ hình do Holt(1957) và Winter (1960) [13] phát triển từ mơ hình do Holt
đề trước đó để có thể thể hiện tính chất mùa. Trong khi mơ hình cũ chỉ thể hiện
được tính chất xu hướng. Có hai loại mơ hình được sử dụng là mơ hình cộng và mơ
hình nhân. Mơ hình cộng xem yếu tố mùa ít thay đổi trong chuỗi thời gian, trong
khi mơ hình nhân xem xét yếu tố mùa tỉ lệ với yếu tố cấp độ (level). Mơ hình này
gồm 3 phương trình cho cấp độ (level) lt , xu hướng bt , mùa vụ st , các thông số làm
trơn α, β ∗ và γ, m là khoảng thời gian xét tính mùa.

11


Công thức hàm cộng:
yt+h|t = lt + hbt + st−m+h+m

(3.1)

lt = α(yt − st−m ) + (1 − α)(lt−1 + b + t − 1)

(3.2)

bt = β ∗ (lt − lt−1 ) + (1 − β ∗ )bt−1

(3.3)

st = γ(yt − lt−1 − bt−1 ) + (1 − γ)st−m

(3.4)

Công thức hàm nhân:
yt+h|t = (lt + hbt ) ∗ st−m+h+m
lt = α(

yt
st−m

) + (1 − α)(lt−1 + b + t − 1)

bt = β ∗ (lt − lt−1 ) + (1 − β ∗ )bt−1

yt
st = γ(
) + (1 − γ)st−m
lt−1 + bt−1

(3.5)
(3.6)
(3.7)
(3.8)

Với: h+
m = (h − 1) mod m + 1

3.1.2.

Mơ hình dự báo bước ngẫu nhiên (Random walk)

Mơ hình bước ngẫu nhiên[9] được áp dụng rất thông dụng trong dự báo chứng
khốn vì chuỗi thời gian giá trị biến đổi một cách không biết trước do những nhân
tố chưa biết gây nên. Với những dữ liệu có tính biến đổi nhanh và khó dự báo thì
đây là mơ hình thích hợp để áp dụng. Trong chuỗi thời gian, một quá trình thỏa mãn
theo phương trình sau được gọi là bước ngẫu nhiên.
yt = yt−1 + εt

(3.9)

Với εt là độ sai lệch tại thời gian t tuân theo phân phối chuẩn, εt iid(0, σε2 )

3.1.3.

Mơ hình dự báo trung bình động (moving average)

Một mơ hình đơn giản hay được sử dụng để nhận biết xu hướng của thị trường là
mô hình trung bình động. Mơ hình trung bình có số bước m có cơng thức như sau:
1
Tt =
m

k

∑
j=−k

12

yt+ j

(3.10)


Với m = 2k + 1
Thơng thường, chúng ta có thể sử dụng hai mơ hình trung bình động, một sử dụng
với bước thời gian m1 lớn để xem hướng ổn định của thị trường, một mơ hình khác
có bước thời gian m2 với m1 > m2 để nhận biết sự thay đổi ngắn hạn đang diễn ra.

3.1.4.

Kiểm tra chéo cho dữ liệu thời gian

Để so sánh tính chính xác hay tính thích hợp của các mơ hình dự báo với nhau

khi khớp dữ liệu. Chúng ta cần đến phương pháp kiểm thử các mơ hình. Kiềm tra
chéo là một phương pháp hay được sử dụng. Trong luận văn, chúng tôi sẽ sử dụng
phương pháp kiểm tra chéo cho dữ liệu thời gian.
Giả sử k là số lượng tối thiểu điểm quan sát trong tập huấn luyện. Chọn điểm thứ
k + i + 1 cho tập kiểm thử. Dữ liệu tại các điểm 1, 2, ..., k được khớp mô hình để dự
báo cho thời điểm k + 1. Sau khi có mơ hình dự báo, kết quả dự báo được tính và
đồng thời so sánh kết quả đó với điểm dữ liệu thật ở thời điểm k + 1 để tính độ lỗi.
Q trình này tiếp tục lắp với i = 0, 1, ..., n − k − 1, n là tổng số điểm quan sát được.
Để so sánh độ chính xác của các mơ hình khi khớp dữ liệu và dự báo thì các phép
đo sau đây được áp dụng: căn bậc hai trung bình bình phương độ lỗi (RMSE), trung
bình độ lỗi tuyệt đối (MAE), trung bình phần trăm độ lỗi tuyệt đối (MAPE). Với yi
là giá trị thật còn yi là giá trị dự báo tại thời điểm i.
RMSE =

3.2.

1 n
(yi − yi )2
∑
n i=1

(3.11)

1 n
MAE = ∑ |yi − yi |
n i=1

(3.12)

1 n |yi − yi |

MAPE = ∑
n i=1 yi

(3.13)

Heuristic

Heuristic [14] là những giải thuật cho kết quả gần đúng hoặc cung cấp một lời
giải nhưng khơng đầy đủ trên tồn bộ tập nghiệm. Đối với những bài tốn tối ưu cần
tìm cực trị lớn nhất hoặc nhỏ nhất thuộc lớp bài toán NP − hard thì thời gian để tìm
nghiệm tối ưu đối với dữ liệu đầu vào có khơng gian nghiệm lớn thì thời gian thực
thi rất lâu, khơng đáp ứng được yêu cầu về mặt thời gian. Giải thuật heuristic mặc
13


dù khơng tìm được nghiệm tối ưu tồn cực vì nó chỉ chỉ tìm nghiệm tối ưu trên một
khơng gian nghiệm cục bộ, nhưng thời gian thực thi lại rất nhanh. Để có thể thoải
mãi thời gian thực thi thì các giải thuật heuristic luôn được áp dụng một cách hiệu
quả với các bài tốn thuộc nhóm NP − Hard.

3.3.

Metaheuristic

Metaheuristic [11] là một khung hay một quy trình cung cấp một tập hướng dẫn
hoặc nhiều chiến lược phát triển heuristic để giải bài toán tối ưu độc lập. Các giải
thuật metaheuristic thường thiết kế các chiến lược của mình dựa trên những chiến
lược của tự nhiên. Chúng cần chứng minh được khả năng có thể tìm được nghiệm tối
ưu trong một khơng gian giới hạn, thời gian vì vậy khơng vô hạn. Metaheuristic phát
triển các chiến lược đặc thù cho các bài tốn của mình để có thể tìm được nghiệm là

đủ tốt đồng thời thời gian tính tốn là đủ nhỏ. Có thể phân loại metaheuristic thành
ba loại chính dựa trên các thức các bước giải của giải thuật nhân rộng nghiệm trên
miền tìm kiếm.
Tìm kiếm cục bộ (local search) metaheristic là hướng cải thiện kết quả bằng cách
thay đổi nhỏ nghiệm đã tìm thấy trong các bước lặp của giải thuật. Mục đích tinh
chỉnh nghiệm để nghiệm đạt đến mức tối ưu. Quá trình này được thấy rất rõ qua
các giải thuật leo đồi, giải thuật giải kim. Tuy nhiên các giải thuật này vẫn bị tính
chất cục bộ chi phối vì vậy cần có các điểm thốt cục bộ. Các kỹ thuật thoát cục bộ
thường dùng là sử dụng xác suất để chuyển qua miền nghiệm mới từ đó thốt được
nghiệm cục bộ. Để lưu vết và tránh việc tìm kiếm bị trùng lặp quá nhiều trên miền
tìm kiếm kỹ thuật tìm kiếm tabu được áp dụng. Với kỹ thuật này, các nghiệm đã đi
qua sẽ được lưu lại vì vậy giải thuật sẽ nhanh chóng khai phá các miền tìm kiếm
mới mà khơng bị trùng lặp. Tuy nhiên vấn đề không gian lưu trữ bị giới hạn cần
phải được quan tâm.
Loại thứ hai là contructive metaheuristic. Với loại hình này thì các giải thuật sẽ
sinh ra các nghiệm mới dựa vào việc thêm một thành phần của tập nghiệm trong
các lần lặp. Cách làm này thích hợp theo hướng giải thuật tham lam, mỗi bước lặp
sẽ luôn được thêm vào nghiệm tốt nhất để cải thiện chất lượng của tồn tập nghiệm
mà giải thuật tìm thấy trong bước tiếp theo. Một số giải thuật thuộc loại này có thể
kể đến như acronym for greedy randomized adaptive search procedure (GRASP),
Large neighborhood search (LNS), Ant colony optimization (ACO).
Loại thứ ba dựa trên quần thể nghiệm. Các nghiệm được chọn lựa kết hợp để sinh
ra một quần thể. Giải thuật tiêu biểu là giải thuật di truyền hay giải thuật tiến hóa.
Giải thuật này mơ phỏng sự phát triển trong giới tự nhiên để đạt được hình thái tốt
14