Luận văn thạc sĩ quản lý xây dựng phát triển thuật toán lai ghép nấm nhầy để tối ưu tiến độ chi phí và các tiêu chí khác trong các dự án xây dựng

Luận văn thạc sĩ nghiên cứu quản lý xây dựng phát triển thuật toán lai ghép nấm nhầy để tối ưu tiến độ chi phí và các tiêu chí, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Lưu Ngọc Quỳnh Khôi
• Người hướng dẫn: PGS. Phạm Vũ Hồng Sơn
• Trường học: Đại học Bách Khoa - Đại học Quốc gia Thành phố Hồ Chí Minh
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Phát Triển Thuật Toán Lai Ghép Nấm Nhầy Tối Ưu Chi Phí Và Tiến Độ Trong Quản Lý Xây Dựng
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• 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

Tóm tắt

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.

Nội dung chính

Tổng quan nghiên cứu

Trong lĩnh vực quản lý xây dựng, việc tối ưu hóa tiến độ, chi phí và các tiêu chí khác trong các dự án xây dựng luôn là thách thức lớn đối với các nhà quản lý dự án. Theo ước tính, các dự án xây dựng tại Việt Nam thường gặp phải tình trạng chậm tiến độ và vượt chi phí kế hoạch, ảnh hưởng trực tiếp đến hiệu quả kinh tế và chất lượng công trình. Luận văn thạc sĩ này tập trung phát triển thuật toán lai ghép dựa trên thuật toán nấm nhầy (Slime Mold Algorithm – SMA) nhằm tối ưu đồng thời các yếu tố tiến độ, chi phí và các tiêu chí khác trong các dự án xây dựng điển hình tại Việt Nam trong giai đoạn nghiên cứu từ năm 2023. Mục tiêu cụ thể là phát triển các mô hình lai ghép SMA với các phương pháp đối ngẫu (OBL), lựa chọn cạnh tranh (TS) và trao đổi chéo – đột biến (M&C) để nâng cao khả năng khám phá, tăng tốc độ hội tụ và giảm thiểu tối ưu cục bộ, từ đó cải thiện hiệu quả tối ưu hóa đa mục tiêu trong quản lý dự án xây dựng.

Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp công cụ hỗ trợ ra quyết định cho các nhà quản lý dự án, giúp cân bằng các yếu tố mâu thuẫn như tiến độ và chi phí, đồng thời nâng cao chất lượng và các tiêu chí bổ sung như an toàn, môi trường và liên tục công việc. Việc áp dụng thuật toán lai ghép SMA không chỉ góp phần nâng cao hiệu quả quản lý dự án mà còn mở ra hướng nghiên cứu mới trong lĩnh vực trí tuệ nhân tạo ứng dụng cho quản lý xây dựng, đặc biệt trong bối cảnh chuyển đổi số và công nghiệp 4.0.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên nền tảng lý thuyết của thuật toán nấm nhầy (Slime Mold Algorithm – SMA), một thuật toán tối ưu hóa lấy cảm hứng từ hành vi kiếm ăn và di chuyển của sinh vật nguyên sinh Physarum polycephalum. SMA mô phỏng quá trình thăm dò và khai thác nguồn thức ăn của nấm nhầy thông qua các biến thể toán học về dao động, co bóp tĩnh mạch và trọng số vị trí, giúp thuật toán cân bằng giữa khám phá không gian tìm kiếm và khai thác các giải pháp tốt.

Bên cạnh đó, ba phương pháp phổ biến được lai ghép với SMA để cải tiến hiệu suất gồm:

• Phương pháp học tập dựa trên đối lập (Opposition-based Learning – OBL): Tăng cường khả năng khám phá bằng cách sử dụng thông tin vị trí đối lập trong không gian tìm kiếm, giúp tránh kẹt cục bộ và cải thiện tốc độ hội tụ.

• Phương pháp lựa chọn cạnh tranh (Tournament Selection – TS): Tăng tốc độ hội tụ bằng cách chọn lọc các cá thể tốt nhất trong nhóm ngẫu nhiên, nâng cao chất lượng quần thể và giảm thiểu rủi ro tối ưu cục bộ.

• Phương pháp trao đổi chéo – đột biến (Mutation & Crossover – M&C): Cải thiện khả năng khám phá và đa dạng hóa quần thể thông qua các thao tác đột biến và trao đổi chéo, giúp tìm kiếm giải pháp tối ưu hiệu quả hơn.

Các mô hình lai ghép được phát triển gồm: AOSMA (SMA + OBL), ASSMA (SMA + TS), MCSMA (SMA + M&C) và SMAOTM (kết hợp cả OBL, TS, M&C).

Ba khái niệm chính trong nghiên cứu là:

• Tối ưu hóa đa mục tiêu (Multi-objective Optimization): Giải quyết bài toán cân bằng giữa nhiều tiêu chí như tiến độ, chi phí, chất lượng, an toàn, môi trường.

• Hội tụ và đa dạng trong thuật toán tiến hóa: Cân bằng giữa khả năng tìm kiếm toàn cục và khai thác cục bộ để tránh rơi vào điểm tối ưu cục bộ.

• Mô hình lai ghép (Hybrid Model): Kết hợp các thuật toán và phương pháp để tận dụng ưu điểm và khắc phục hạn chế của từng thành phần.

Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu thực tế từ các dự án xây dựng điển hình tại Việt Nam, kết hợp với các bộ dữ liệu mô phỏng để kiểm nghiệm hiệu quả các mô hình thuật toán. Cỡ mẫu nghiên cứu bao gồm nhiều dự án với các đặc điểm khác nhau về quy mô, tiến độ và chi phí nhằm đảm bảo tính đại diện và khả năng áp dụng rộng rãi.

Phương pháp chọn mẫu là chọn lọc các dự án tiêu biểu có dữ liệu đầy đủ và phù hợp với bài toán tối ưu đa mục tiêu. Các mô hình thuật toán được lập trình và mô phỏng trên nền tảng MATLAB, với các tham số được điều chỉnh dựa trên các nghiên cứu trước đây và thử nghiệm thực tế.

Phân tích kết quả dựa trên các chỉ số đánh giá chất lượng thuật toán như C-metric, Spread, Hypervolume (HV) để đo lường khả năng hội tụ, đa dạng và hiệu quả tối ưu. Timeline nghiên cứu kéo dài từ tháng 2 đến tháng 6 năm 2023, bao gồm các giai đoạn phát triển thuật toán, mô phỏng, đánh giá và so sánh kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả tối ưu hóa đa mục tiêu: Mô hình lai ghép SMAOTM cho kết quả tối ưu vượt trội với giá trị tiến độ giảm khoảng 15%, chi phí tiết kiệm khoảng 12% so với thuật toán SMA gốc và các thuật toán truyền thống khác. Các mô hình AOSMA, ASSMA và MCSMA cũng cải thiện đáng kể so với SMA, với tốc độ hội tụ nhanh hơn từ 20-30%.

2. Khả năng hội tụ và đa dạng: Các chỉ số C-metric và Spread cho thấy mô hình lai ghép duy trì được sự đa dạng của quần thể trong quá trình tìm kiếm, giảm thiểu tối ưu cục bộ hiệu quả hơn. Ví dụ, Spread của SMAOTM thấp hơn 18% so với SMA, cho thấy sự phân bố giải pháp tối ưu rộng và đồng đều hơn.

3. Ứng dụng thực tiễn: Áp dụng mô hình vào dự án xây dựng thực tế tại Việt Nam cho thấy mô hình có thể xử lý tốt các dữ liệu phức tạp, đồng thời cung cấp các phương án tối ưu về tiến độ và chi phí phù hợp với điều kiện thực tế. So sánh với các thuật toán trước đây, mô hình đề xuất cho kết quả cải tiến từ 10-15% về các tiêu chí đánh giá.

4. Độ phức tạp thuật toán: Mô hình lai ghép tuy có độ phức tạp tính toán cao hơn do kết hợp nhiều phương pháp, nhưng vẫn đảm bảo thời gian xử lý trong khoảng chấp nhận được cho các dự án quy mô vừa và lớn.

Thảo luận kết quả

Nguyên nhân chính của sự cải tiến là do mô hình lai ghép tận dụng được ưu điểm của từng phương pháp: OBL giúp mở rộng không gian tìm kiếm, TS tăng cường chọn lọc các cá thể tốt, M&C đa dạng hóa quần thể qua các thao tác đột biến và trao đổi chéo. Sự kết hợp này giúp thuật toán tránh được tình trạng kẹt cục bộ và hội tụ nhanh hơn.

So sánh với các nghiên cứu trước đây sử dụng thuật toán di truyền, tiến hóa vi phân hay các thuật toán metaheuristic khác, mô hình SMA lai ghép cho thấy hiệu suất vượt trội hơn về cả tốc độ và chất lượng giải pháp. Kết quả này được minh họa qua các biểu đồ Pareto 3D thể hiện sự phân bố các giải pháp tối ưu về tiến độ, chi phí và chất lượng.

Ý nghĩa của nghiên cứu là cung cấp một công cụ tối ưu hóa đa mục tiêu hiệu quả, có thể áp dụng rộng rãi trong quản lý dự án xây dựng, đặc biệt trong bối cảnh các dự án ngày càng phức tạp và yêu cầu cao về hiệu quả kinh tế và kỹ thuật.

Đề xuất và khuyến nghị

1. Triển khai mô hình lai ghép SMAOTM trong phần mềm quản lý dự án: Động viên các doanh nghiệp xây dựng tích hợp mô hình vào hệ thống quản lý để tối ưu hóa tiến độ và chi phí, dự kiến áp dụng trong vòng 12 tháng tới.

2. Đào tạo và nâng cao năng lực cho cán bộ quản lý dự án: Tổ chức các khóa đào tạo về ứng dụng thuật toán tối ưu hóa trong quản lý xây dựng nhằm nâng cao nhận thức và kỹ năng sử dụng công cụ mới, thực hiện trong 6 tháng đầu năm.

3. Mở rộng nghiên cứu áp dụng cho các tiêu chí bổ sung: Khuyến khích nghiên cứu tiếp tục phát triển mô hình để tối ưu thêm các tiêu chí như an toàn lao động, tác động môi trường và phát thải CO2, nhằm đáp ứng yêu cầu phát triển bền vững.

4. Phát triển giao diện người dùng thân thiện: Đề xuất xây dựng giao diện trực quan, dễ sử dụng cho phần mềm ứng dụng thuật toán, giúp các nhà quản lý dự án dễ dàng khai thác và áp dụng mô hình trong thực tế.

5. Hợp tác nghiên cứu và phát triển: Khuyến khích các trường đại học, viện nghiên cứu và doanh nghiệp xây dựng phối hợp để hoàn thiện và ứng dụng rộng rãi mô hình, tạo điều kiện cho việc thử nghiệm và cải tiến liên tục.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý dự án xây dựng: Giúp hiểu rõ về các phương pháp tối ưu hóa tiến độ và chi phí, từ đó áp dụng các công cụ hỗ trợ ra quyết định hiệu quả hơn trong quản lý dự án.

2. Chuyên gia và nhà nghiên cứu trong lĩnh vực trí tuệ nhân tạo và tối ưu hóa: Cung cấp cơ sở lý thuyết và mô hình lai ghép mới, mở rộng hướng nghiên cứu về ứng dụng thuật toán sinh học trong các bài toán đa mục tiêu phức tạp.

3. Doanh nghiệp xây dựng và tư vấn quản lý: Hỗ trợ phát triển các giải pháp công nghệ mới nhằm nâng cao hiệu quả quản lý dự án, giảm thiểu rủi ro và chi phí phát sinh.

4. Sinh viên và học viên cao học ngành quản lý xây dựng, kỹ thuật xây dựng: Là tài liệu tham khảo quý giá để hiểu sâu về ứng dụng thuật toán tiến hóa và trí tuệ nhân tạo trong quản lý dự án xây dựng hiện đại.

Câu hỏi thường gặp

1. Thuật toán nấm nhầy (SMA) là gì và tại sao được chọn?
   SMA là thuật toán tối ưu hóa lấy cảm hứng từ hành vi kiếm ăn của sinh vật Physarum polycephalum, nổi bật với khả năng cân bằng giữa thăm dò và khai thác không gian tìm kiếm. Thuật toán này được chọn vì tính hiệu quả trong giải quyết các bài toán tối ưu đa mục tiêu phức tạp như trong quản lý xây dựng.

2. Lai ghép SMA với các phương pháp OBL, TS, M&C có lợi ích gì?
   Việc lai ghép giúp khắc phục hạn chế của SMA gốc như dễ rơi vào tối ưu cục bộ, tăng tốc độ hội tụ và đa dạng hóa giải pháp, từ đó nâng cao chất lượng và hiệu quả tối ưu hóa đa mục tiêu.

3. Mô hình được kiểm nghiệm trên dữ liệu thực tế như thế nào?
   Mô hình được áp dụng trên các dự án xây dựng điển hình tại Việt Nam, kết quả cho thấy giảm tiến độ trung bình 15% và chi phí 12% so với các thuật toán truyền thống, đồng thời duy trì đa dạng giải pháp tốt.

4. Độ phức tạp tính toán của mô hình lai ghép có ảnh hưởng đến ứng dụng thực tế không?
   Mô hình có độ phức tạp cao hơn do kết hợp nhiều phương pháp, nhưng vẫn đảm bảo thời gian xử lý phù hợp với quy mô dự án vừa và lớn, có thể ứng dụng trong thực tế với phần mềm hỗ trợ.

5. Hướng phát triển tiếp theo của nghiên cứu là gì?
   Nghiên cứu đề xuất mở rộng mô hình để tối ưu thêm các tiêu chí như an toàn, môi trường, phát thải CO2, đồng thời phát triển giao diện phần mềm thân thiện và đào tạo người dùng để ứng dụng rộng rãi hơn.

Kết luận

• Luận văn đã phát triển thành công các mô hình lai ghép thuật toán nấm nhầy với OBL, TS và M&C nhằm tối ưu hóa tiến độ, chi phí và các tiêu chí khác trong dự án xây dựng.
• Mô hình lai ghép SMAOTM cho hiệu quả vượt trội về tốc độ hội tụ và chất lượng giải pháp so với thuật toán gốc và các thuật toán truyền thống.
• Ứng dụng thực tế tại các dự án xây dựng Việt Nam chứng minh tính khả thi và hiệu quả của mô hình trong điều kiện dữ liệu phức tạp.
• Nghiên cứu góp phần mở rộng ứng dụng trí tuệ nhân tạo trong quản lý xây dựng, đặc biệt trong bối cảnh chuyển đổi số và công nghiệp 4.0.
• Đề xuất các bước tiếp theo bao gồm phát triển phần mềm ứng dụng, đào tạo người dùng và mở rộng nghiên cứu tối ưu đa tiêu chí để nâng cao tính ứng dụng và hiệu quả thực tiễn.

Quý độc giả và các nhà nghiên cứu được khuyến khích tiếp cận và ứng dụng mô hình này nhằm nâng cao hiệu quả quản lý dự án xây dựng trong tương lai gần.

Trích đoạn nội dung tài liệu

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 1.5 Bố cục Luân văn GVHD1: PGS. PHẠM VŨ HỒNG SƠN Trang 4 GVHD2: TS. CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI 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 Chương 3: Cơ sở lý thuyết 3.1 Giới thiệu chi tiết về thuật toán AI được sử dụng 3.2 Giới thiệu chi tiết về thuật toán AI mà mình định kết hợp 3.3 Giới thiệu về hybrid – đưa sơ đồ lai ghép ra 3.4 Giải thích vì sao cần hybrid (lai ghép) 3.5 Đưa mô hình lai ghép vào giải quyết vấn đề trọng tâm Chương 4: Đánh giá mô hình đề xuất 4.1 Giới thiệu các giai đoạn của việc lai ghép mô hình 4.2 Giải bằng mô hình lai ghép 4.3 So sánh kết quả và rút ra nhận xét Chương 5: Ứng dụng vào thực tiễn 5.1 Dữ liệu từ một dự án thực tiễn 5.2 Giải dự án thực tiễn bằng mô hình lai ghép 5.3 So sánh với dự án thực tế 5.4 Giải thích sự nổi bật của mô hình 5.5 Những hạn chế Chương 6: Kết luận và những nghiên cứu tiếp theo 6.1 Kết quả đạt được 6.3 Những đóng góp của nghiên cứu 6.4 Đề xuất hướng phát triển GVHD1: PGS. PHẠM VŨ HỒNG SƠN Trang 5 GVHD2: TS.

CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI Chương 2: TỔNG QUAN Trước khi tìm hiểu sâu vào thuật toán nấm nhầy, việc nghiên cứu các đề tài liên quan đến lĩnh vực luận văn là một yếu tố cần thiết để có thể áp dụng và so sánh mang tính khả quan và ưu việt của mô hình mà tác giả dự kiến áp dụng.1 Liệt kê các nghiên cứu trước đây về vấn đề của Luận văn Bảng 2.1: Tóm tắt các nghiên cứu liên quan đến cân bằng tối ưu hoá STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm) 1 Using genetic Feng C-W, 1997 - Tác giả sử dụng thuật toán GA áp dụng và algorithms to Liu L, việc tìm kiếm giải pháp tối ưu của bài toán solve Burns SA tối ưu hoá tiến độ-chi phí dự xây dựng. construction - Thuật toán GA được phát triển tối ưu hoá time–cost các yếu tố nhằm chứng tỏ được tính hiệu trade-off quả của mô hình bằng cách chỉ tìm kiếm problems một phần nhỏ trong tổng không gian tìm kiếm. Độ chính xác của nó được xác minh bởi nhiều trường hợp thử nghiệm. - Bên cạnh đó, thuật toán còn quá khó và trừu tượng để sử dụng, khiến nhiều người sẽ ít thực hành được.

2 Project Tiwari S, 2015 - Bài nghiên cứu tập trung vào quy trình hai scheduling by Johari S bước mà việc tối ưu hoá tiến độ-chi phí integration of được áp dụng trên phần mềm Microsoft time cost Excel để giải quyết vấn đề. tradeoff và - Phương pháp tiếp cận heuristic sử dụng constrained MS trên công cụ Excel và MSP đồng thời resource nhằm chứng minh khả năng tạo ra các giải scheduling pháp nhanh chóng, thiết thực để lập trình các ràng buộc. - Hứa hẹn nhiều tiềm năng mã hoá thuật toán để triển khai đến phần mềm độc lập để giải quyết bài toán tiến độ - chi phí và CRS đồng thời trên một môi trường biến duy nhất. PHẠM VŨ HỒNG SƠN Trang 6 GVHD2: TS.

CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm) 3 Project Babu AJG, 1996 - Tác giả đề xuất mô hình lập trình tuyến management Suresh N tính để nghiên cứu sự cân bằng giữa tiến độ, with time, chi phí và chất lượng trong dự án xây dựng. cost, và - Với tính đơn giản trong giả định tuyến quality tính, tác giả đã phát triển chương trình toán considerations học có thể giải được dễ dàng bằng cách tổng hợp các mức đạt chất lượng tại các hoạt động theo ba cách khác nhau sử dụng trung bình cộng. - Tuy nhiên, các mô hình được phát triển trong nghiên cứu này vẫn cần được mở rộng để điểu chỉnh các mối quan hệ phi tuyến. 4 Time, cost và Khang DB, 1999 - Nghiên cứu đề xuất một Phương pháp lập quality Myint YM trình tuyến tính liên tục với nhau để giải tradeoff in quyết dự án xây dựng nhà máy xi măng thực project tế.

management: - Mô hình dễ hiểu về mặt khái niệm và tính a case study toán để giải quyết. Bên cạnh đó, mô hình còn được đánh giá phù hợp và thú vị. - Tuy nhiên, để có thể thấy trước tình huống trong đó đôi khi còn chủ quan và không chính xác để được coi là một hàm khách quan trong công thức. 5 Time-cost- El-Rayes 2005 - Nghiên cứu trình bày mô hình tối ưu hoá quality trade- K, Kvàil đa mục tiêu hỗ trợ những người ra quyết off analysis A.

định thực hiện nhiệm vụ đầy thách thức. for highway - Mô hình được thiết kế để tìm kiếm việc sử construction dụng tài nguyên tối ưu theo kế hoạch giảm thiểu tiến độ và chi phí xây dựng trong khi tối đa hoá chất lượng của dữ liệu. Mô hình được tối ưu hoá theo sự phát triển của 03 giai đoạn đơn giản. - Những khả năng mới này sẽ tỏ ra hữu ích cho những người ra quyết định trong các dự GVHD1: PGS.

PHẠM VŨ HỒNG SƠN Trang 7 GVHD2: TS. CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm) án xây dựng, đặc biệt là những đơn vị tham gia vào các loại hợp đồng đòi hỏi hiệu suất chất lượng cao. 6 Optimizing Duc-Long 2018 - Nghiên cứu tập trung việc phát triển một multi-mode Luong, thuật toán tối ưu hoá mới, Tiến hoá vi phân time-cost- Duc-Hoc đa mục tiêu dựa trên đối lập (OMODE) để quality trade- Tran & giải quyết tiến độ-chi phí- chất lượng trong off of Phong dự án xây dựng. construction Thanh - Nghiên cứu cung cấp một phương pháp project using Nguyen luận dựa trên DE thay thế để giải quyết các opposition vấn đề TCQT, nghĩa là xác định một tập hợp multiple xây dựng tối ưu các phương pháp cho tất cả objective các hoạt động tương ứng với từng yếu tố.

difference evolution - Mô hình OMODE giải quyết đa mục tiêu một các hiệu quả và tìm ra Pareto đa mục tiêu các giải pháp tối ưu trong các lần chạy mô phỏng, đa dạng tốt hơn, mang lại hiệu quả tốt trong việc thoả hiệp và đạt được mức độ cao hơn. - Tuy nhiên, công cụ lập kế hoạch trong nghiên cứu này chỉ xem xét dữ liệu đầu vào xác định và tĩnh và giả định rằng mối quan hệ logic giữa các hoạt động 7 Multi- Afshar A, 2014 - Để giải quyết bài toán tối ưu hoá tiến độ, objective Dolabi chi phí và rủi ro, tác giả đề xuất phát triển optimization HRZ mô hình rủi ro an toàn dựa trên hoạt động of time–cost– định tính (QASR) safety using - Mô hình được phát triển như một cách tiếp genetic cận thích hợp để xem xét các đánh giá rủi ro algorithm an toàn trong môi trường rời rạc. - Mô hình được kết luận ràng chống lại mạnh mẽ trôi dạt di truyền và kết thúc với những cải tiến kể trong các chức năng mục tiêu và cân bằng phân phối các giải pháp tối GVHD1: PGS. PHẠM VŨ HỒNG SƠN Trang 8 GVHD2: TS.

CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm) ưu về pareto cuối cùng, 8 The LP/IP Burns SA, 1996 - Tác giả đề xuất sử dụng phương pháp hybrid Liu L, đường dẫn tới hạn (CPM) để giảm tổng thể method for Feng C-W chi phí dự án bằng sử dụng các nguồn lực ít construction tốn kém hơn cho các hoạt động mà không time-cost ảnh hưởng đến tiến độ. trade-off - Trình bày một thuật toán mới để cung cấp analysis một công cụ dễ sử dụng để giải quyết các vấn đề đánh đổi chi phí-tiến độ bằng cách sử dụng mô hình toán học. 9 The discrete De P, 1995 - Nghiên cứu trình bày sự phân rã/giảm time-cost James thiểu mạng làm cơ sở thuận tiện để giải tradeoff Dunne E, quyết vấn đề và phân tích độ khó của mô problem Ghosh JB, hình. revisited Wells CE - Sử dụng phân rõ mô-đun như một thiết bị thuận lợi để giải quyết vấn đề và nghiên cứu sự phức tạp của mô hình.

Ngoài ra, đã đề cập đến các phương pháp dựa trên việc giảm mạng gia tăng. - Tuy nhiên, một số vấn đề vẫn còn mở cho nghiên cứu trong tương lai. 10 A multi-stage Jiang A, 2010 - Phát triển mô hình là một hệ nhị phân approach to Zhu Y. thuần tuý về lâp trình.

Sử dụng để cải thiện time-cost hiệu qủa tính toán mô hình điều chỉnh. trade-off - So với các phương pháp tiếp cận toán học analysis using khác, chẳng hạn như lập trình động, điều mathematical này phương pháp tiếp cận xem xét các mối programming quan hệ toàn diện hơn về thời gian và chi phí trong các hoạt động xây dựng, và nó tìm ra giải pháp tối ưu toàn cầu và cải thiện hiệu quả tính toán bằng cách mô hình hóa vấn đề đánh đổi trong nhiều giai đoạn - Tuy nhiên, nghiên cứu điển hình chỉ có 13 hoạt động. Các dự án với nhiều hoạt động GVHD1: PGS. PHẠM VŨ HỒNG SƠN Trang 9 GVHD2: TS.

CHU VIỆT CƯỜNG LUẬN VĂN THẠC SĨ HVTH: LƯU NGỌC QUỲNH KHÔI STT Tên bài báo Tác giả Năm Mô tả (Vấn đề, ưu/nhược điểm) hơn là cần thiết để chứng minh độ tin cậy của điều này cách tiếp cận 11 Overall Elbeltagi 2016 - Nghiên cứu được trình bày bởi nguồn cảm multiobjective E, Ammar hứng từ hành vi xã hội của mô đàn chim di optimization M, Sanad cư. of H, Kassab - Trong bài báo này, một mô hình tối ưu hóa construction M. tổng thể để lập lịch dự án đa mục tiêu được projects phát triển bằng cách tích hợp thông tin được scheduling chia sẻ về thời gian, chi phí, các nguồn lực using particle sẵn có và các thành phần dòng tiền và tiếp swarm theo, bằng cách sử dụng tối ưu hóa bầy hạt đa mục tiêu kỹ thuật tìm kiếm giải pháp tối ưu. - Để khắc phục khó khăn trong việc lựa chọn giải pháp duy nhất trong số các giải pháp Tối ưu nhất, một quy trình để có được giải pháp thay thế tốt nhất đã được áp dụng để có được giải pháp thỏa hiệp Pareto.