Phát triển thuật toán lai ghép nấm nhầy tối ưu chi phí và tiến độ trong quản lý xây dựng

LỜI CẢM ƠN

LỜI CAM ĐOAN

DANH MỤC HÌNH ẢNH

DANH MỤC CÁC BẢNG BIỂU

MỘT SỐ KÝ HIỆU VIẾT TẮT

1. CHƯƠNG 1: MỞ ĐẦU

1.1. Lý do chọn đề tài

1.2. Đối tượng và phạm vi nghiên cứu

1.3. Phương pháp nghiên cứu

1.4. Đóng góp của Luận văn

1.4.1. Về mặt học thuật

1.4.2. Về mặt thực tiễn

1.5. Bố cục Luận văn

2. CHƯƠNG 2: TỔNG QUAN

2.1. Liệt kê các nghiên cứu trước đây về vấn đề của Luận văn

2.2. Liệt kê các nghiên cứu trước đây về thuật toán mình áp dụng

2.3. Giải thích vì sao thuật toán SMA đầy hứa hẹn giải quyết được vấn đề trong ngành quản lý xây dựng

3. CHƯƠNG 3: CƠ SỞ LÝ THUYẾT

3.1. Giới thiệu chi tiết về thuật toán AI được sử dụng

3.2. Quá trình tối ưu

3.3. Các biến trong công thức

3.4. Ưu điểm và nhược điểm

3.5. Sơ đồ quy trình của SMA

3.6. Giới thiệu chi tiết về các phương pháp đề xuất

3.6.1. Phương pháp việc học tập dựa trên đối lập (Opposition-based learning)

3.6.2. Phương pháp lựa chọn cạnh tranh (Tournament Selection)

3.6.3. Phương pháp trao đổi chéo – đột biến (Mutation and Crossover)

3.7. Giới thiệu về mô hình lai ghép

3.7.1. Thuật toán SMA kết hợp với phương pháp OBL (AOSMA)

3.7.2. Thuật toán SMA kết hợp với phương pháp TS (ASSMA)

3.7.3. Thuật toán SMA kết hợp với phương pháp M&C (MCSMA)

3.7.4. Thuật toán SMA kết hợp với phương pháp OBL+TS+M&C (SMAOTM)

3.8. Mục đích lai ghép các mô hình

3.9. Quy trình giải quyết vấn đề trong bài toán

4. CHƯƠNG 4: ĐÁNH GIÁ MÔ HÌNH ĐỀ XUẤT

4.1. Giới thiệu các giai đoạn của việc lai ghép mô hình

4.1.1. Giai đoạn 1: Áp dụng SMA giải quyết TCQ

4.1.2. Giai đoạn 2: Áp dụng AOSMA giải quyết TCQS

4.1.3. Giai đoạn 3: Áp dụng ASSMA giải quyết TCQE

4.1.4. Giai đoạn 4: Áp dụng MCSMA giải quyết TCQC

4.2. So sánh kết quả và rút ra nhận xét

5. CHƯƠNG 5: ỨNG DỤNG VÀO THỰC TIỄN

5.1. Dữ liệu từ một dự án thực tiễn

5.2. Giải dự án thực tiễn

5.3. So sánh với các thuật toán trước đây

5.4. Giải thích sự nổi bật của mô hình

5.5. Những hạn chế

6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ NHỮNG NGHIÊN CỨU TIẾP THEO

6.1. Những đóng góp của nghiên cứu

6.2. Đề xuất hướng phát triển

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC

DANH MỤC TÀI LIỆU THAM KHẢO

I. Giới thiệu thuật toán nấm nhầy SMA

Thuật toán nấm nhầy (SMA) là một phương pháp tối ưu hóa dựa trên nguyên lý hoạt động của nấm nhầy trong tự nhiên. SMA có khả năng tìm kiếm và tối ưu hóa các giải pháp cho các bài toán phức tạp, đặc biệt là trong lĩnh vực quản lý xây dựng. Việc áp dụng thuật toán nấm nhầy trong quản lý xây dựng giúp cải thiện hiệu suất và giảm thiểu chi phí. Các nghiên cứu trước đây đã chỉ ra rằng SMA có thể giải quyết các bài toán tối ưu đa mục tiêu, bao gồm tối ưu hóa tiến độ và chi phí trong các dự án xây dựng. "Mô hình này không chỉ mang lại kết quả khả quan mà còn cho thấy khả năng thích ứng cao với các điều kiện thực tiễn trong ngành xây dựng". Việc phát triển và cải tiến SMA thông qua việc lai ghép với các phương pháp khác như OBL, TS và M&C nhằm tăng cường khả năng tìm kiếm và hội tụ của thuật toán, từ đó nâng cao hiệu quả trong việc quản lý chi phí và tiến độ.

II. Lai ghép thuật toán SMA với các phương pháp phổ biến

Việc lai ghép thuật toán lai ghép SMA với các phương pháp như OBL, TS và M&C đã tạo ra các mô hình mới như AOSMA, ASSMA và MCSMA. Những mô hình này cho phép tối ưu hóa đồng thời nhiều yếu tố trong quản lý xây dựng. Cụ thể, AOSMA kết hợp giữa SMA và phương pháp học tập dựa trên đối lập, giúp cải thiện khả năng tìm kiếm và giảm thiểu tối ưu cục bộ. ASSMA sử dụng phương pháp lựa chọn cạnh tranh để tăng tốc độ hội tụ, trong khi MCSMA áp dụng phương pháp trao đổi chéo và đột biến nhằm cải thiện khả năng khám phá. "Những cải tiến này đã chứng minh được tính hiệu quả khi áp dụng vào các bài toán thực tế trong xây dựng, cho thấy sự vượt trội so với các mô hình trước đây". Sự kết hợp này không chỉ tối ưu hóa chi phí mà còn nâng cao chất lượng và tiến độ của dự án.

III. Đánh giá hiệu suất và so sánh với các mô hình trước đây

Đánh giá hiệu suất của các mô hình lai ghép được thực hiện thông qua việc so sánh với các thuật toán trước đây. Các chỉ số như C-metric và Spread được sử dụng để đo lường hiệu quả của từng mô hình. Kết quả cho thấy rằng mô hình AOSMA, ASSMA và MCSMA không chỉ cải thiện về mặt chi phí mà còn tăng cường chất lượng đầu ra. "Mô hình đề xuất cho thấy sự đo lường hiệu suất rộng hơn và tốt hơn thông qua các nghiên cứu điển hình, cho ra các dữ liệu đầu ra cải tiến hơn so với các thuật toán khác". Việc so sánh này giúp khẳng định giá trị và tính ứng dụng thực tiễn của các mô hình mới trong quản lý xây dựng.

IV. Ứng dụng thực tiễn và phương hướng nghiên cứu trong tương lai

Nghiên cứu đã chỉ ra rằng các mô hình lai ghép có thể được áp dụng hiệu quả trong các dự án xây dựng thực tế tại Việt Nam. Dữ liệu từ các dự án thực tiễn đã được sử dụng để kiểm nghiệm tính hiệu quả của từng mô hình. "Việc áp dụng các mô hình này không chỉ giúp tối ưu hóa tiến độ và chi phí mà còn mang lại giải pháp thực hiện thành công cho các dự án xây dựng". Hơn nữa, nghiên cứu mở ra hướng phát triển mới cho việc cải tiến thuật toán SMA và các phương pháp lai ghép khác nhằm đáp ứng tốt hơn các yêu cầu đa dạng trong quản lý xây dựng trong tương lai.

Luận văn thạc sĩ: Tối ưu hóa chi phí và tiến độ trong quản lý xây dựng bằng thuật toán lai ghép nấm nhầy