Luận văn thạc sĩ quản lý xây dựng áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng

Luận văn thạc sĩ quản lý xây dựng áp dụng thuật toán lai ghép bầy ong nhân tạo tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng.

• Tác giả: Trần Lê Anh
• Người hướng dẫn: TS. Phạm Vũ Hồng Sơn
• Trường học: Đại học Bách Khoa - ĐHQG TP. HCM
• Chuyên ngành: Quản lý Xây dựng
• Đề tài: Tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng bằng thuật toán lai ghép bầy ong nhân tạo
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: TP. HCM

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CÁM ƠN
• TÓM TẮT
• ABSTRACT
• 1. CHƯƠNG 1: LÝ DO CHỌN ĐỀ TÀI
• 1.1. Quản lý hiệu quả, tối ưu hóa việc sử dụng các nguồn tài nguyên trong xây dựng
• 2. CHƯƠNG 2: NGHIÊN CỨU TRƯỚC ĐÂY VỀ BỐ TRÍ CƠ SỞ VẬT CHẤT, CƠ SỞ LÝ THUYẾT
• 2.1. Bố trí công trường xây dựng
• 2.2. Kỹ thuật Meta-heuristic và trí thông minh bầy đàn
• 2.3. Trí thông minh bầy đàn
• 2.4. Tối ưu bầy đàn (Particle Swarm Optimization - PSO)
• 2.5. Thuật toán đom đóm (Firefly Algorithm - FA)
• 2.6. Thuật toán bầy ong nhân tạo (ABC)
• 2.7. Phân phối Levy Flights
• 2.8. Phương pháp học dựa trên sự đối diện (Opposition-based learning)
• 2.9. Thuật toán hỗn loạn (Chaotic algorithms)
• 2.10. Kỹ thuật lai Meta-heuristics
• 2.11. Thuật toán lai ghép HMABC
• 2.11.1. Khởi tạo giải pháp ban đầu trong thuật toán HMABC
• 2.11.2. Áp dụng kỹ thuật hoán đổi nhiều lần trong thuật toán HMABC
• 2.11.3. Áp dụng phân phối Levy Flight trong thuật toán HMABC
• 2.11.4. Mô hình thuật toán HMABC
• 3. CHƯƠNG 3
• 4. CHƯƠNG 4
• 5. CHƯƠNG 5: BÀI TOÁN CỤ THỂ
• 5.1. Hoạt động nâng và dự trữ vật tư trong nhà cao tầng
• 5.1.1. Định nghĩa vấn đề
• 5.1.2. Hàm mục tiêu
• 5.1.3. Áp dụng thuật toán HMABC và kết quả thực hiện
• 5.2. Vấn đề lập kế hoạch bố trí công trường dựa trên chỉ số về mật độ
• 5.2.1. Định nghĩa vấn đề
• 5.2.2. Hàm mục tiêu
• 5.2.3. Áp dụng mô hình và kết quả thử nghiệm
• 6. CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH SÁCH CÁC CHỮ VIẾT TẮT

Tóm tắt

I. Tổng Quan Tối Ưu Bố Trí Cơ Sở Vật Chất Xây Dựng 55 ký tự

Quản lý hiệu quả và tối ưu hóa nguồn tài nguyên trong xây dựng là yếu tố then chốt cho thành công của mọi dự án. Các nguồn lực chính bao gồm thời gian, vốn, nhân lực, thiết bị và vật tư. Gần đây, BIM nổi lên như một nguồn tài nguyên quan trọng. Bên cạnh đó, không gian làm việc trên công trường, tuy ít được chú trọng, cũng là một nguồn lực quan trọng. Việc bố trí công trường tối ưu không chỉ cải thiện hiệu quả hoạt động mà còn giảm thiểu rủi ro an toàn lao động và chi phí xử lý vật liệu. Bố trí cơ sở vật chất kém có thể dẫn đến tồn kho, quá tải hệ thống và trì trệ công việc (S. Tompkins, 1984).

1.1. Tầm Quan Trọng Của Bố Trí Cơ Sở Vật Chất Tối Ưu

Bố trí cơ sở vật chất tối ưu giúp giảm thiểu thời gian di chuyển, ùn tắc vận chuyển, đặc biệt quan trọng cho các dự án lớn. Một công trường được bố trí tốt sẽ đảm bảo các công tác thi công diễn ra suôn sẻ và nhanh chóng, từ hệ thống giao thông tạm đến văn phòng, lán trại, khu vực thi công và các tiện ích khác. Bố trí hiệu quả giúp giảm 20-50% tổng chi phí hoạt động (J. Heragu, 1997) bằng cách nâng cao hiệu quả quản lý và cung cấp vật tư.

1.2. Bài Toán NP Khó Trong Bố Trí Cơ Sở Vật Chất

Tuy nhiên, bố trí cơ sở vật chất trên công trường là một bài toán khó trong khoa học máy tính (NP-hard) (S. Gonzalez, 1976). Độ phức tạp tăng theo cấp số nhân với số lượng cơ sở vật chất, khiến việc tìm giải pháp tối ưu trong thời gian hợp lý trở nên bất khả thi (K. Ahmadi, 1995). Với 'n' cơ sở vật chất, số lượng lựa chọn là n!. Ví dụ, 10 cơ sở vật chất sẽ có 3,628,800 lựa chọn.

II. Thách Thức Trong Tối Ưu Bố Trí Công Trường Xây Dựng 58 ký tự

Bài toán bố trí cơ sở vật chất trên công trường đã được hình thành như một bài toán QAP. Công thức này, ban đầu được đề xuất bởi Koopmans và Beckmann năm 1957, chỉ định n cơ sở vật chất phân bổ vào n vị trí. Các phương pháp truyền thống như nhánh cận, quy hoạch động và quy hoạch tuyến tính gặp khó khăn trong việc xử lý độ phức tạp của bài toán. Cần có các phương pháp tiếp cận hiệu quả hơn để giải quyết vấn đề này trong thực tế.

2.1. Bài Toán Phân Công Bậc Hai QAP Trong Bố Trí

Bài toán QAP giả định mỗi cơ sở vật chất có thể được chỉ định cùng một khu vực và do đó, bất kỳ cơ sở vật chất nào cũng có thể được gán cho bất kỳ vị trí nào (T. Meller, 2011). Điều này làm tăng tính linh hoạt nhưng cũng tăng độ phức tạp của bài toán. Các giải pháp cần phải xem xét tương tác giữa các cơ sở vật chất, khoảng cách và chi phí vận chuyển.

2.2. Hạn Chế Của Các Phương Pháp Tối Ưu Hóa Truyền Thống

Các phương pháp truyền thống như quy hoạch động (J. Queyranne, 1981) và quy hoạch nửa xác định (M. Vannelli, 2008) gặp hạn chế về khả năng mở rộng và hiệu quả tính toán khi áp dụng cho các bài toán bố trí công trường phức tạp với số lượng lớn các cơ sở vật chất và ràng buộc. Do đó, các phương pháp Meta-heuristic ngày càng được ưa chuộng.

III. Thuật Toán Lai Ghép Bầy Ong Nhân Tạo HMABC 59 ký tự

Nghiên cứu đề xuất một mô hình lai ghép Meta-heuristic mới, thuật toán ABC kết hợp với phân phối Levy Flights, Chaotic và Opposition-based learning. Thuật toán đề xuất, HMABC, có cả hai khả năng tìm kiếm địa phương và toàn cục đồng thời. Thuật toán Bầy ong nhân tạo (ABC) có nhiều ưu điểm trong tìm kiếm địa phương và toàn cục.

3.1. Kết Hợp Levy Flights Chaotic và Opposition based Learning

Hệ thống Chaotic và Phương pháp học dựa trên sự đối diện (Opposition-based learning) được áp dụng để tăng cường độ hội tụ toàn cục trong việc khởi tạo quần thể ban đầu. Kết hợp với phân phối Levy Flight trong giai đoạn ong trinh thám để tăng tính ngẫu nhiên trong quá trình tìm kiếm địa phương.

3.2. Kỹ Thuật Phá Hủy và Xây Dựng Trong Thuật Toán HMABC

Phương pháp phá hủy và xây dựng (Destruction and Construction - DC) cũng được áp dụng để tạo ra các nguồn thức ăn lân cận trong ABC, giải quyết các vấn đề rời rạc của bài toán phân công bậc hai (QAP). Điều này giúp HMABC khám phá không gian giải pháp hiệu quả hơn và tìm ra các giải pháp tối ưu tốt hơn.

IV. Ứng Dụng HMABC Tối Ưu Hóa Bố Trí Cơ Sở Vật Chất 56 ký tự

Nghiên cứu so sánh hiệu quả của HMABC với các nghiên cứu trước đây như thuật toán GA, MIP, MMAS-GA về các vấn đề bố trí cơ sở vật chất trên công trường xây dựng. Các kết quả cho thấy rằng hiệu quả của HMABC có phần vượt trội so với các thuật toán tối ưu hóa hiện có trong việc giải quyết các vấn đề trên.

4.1. So Sánh Hiệu Quả Của HMABC Với Các Thuật Toán Khác

So sánh với các thuật toán như GA, MIP, và MMAS-GA, HMABC thể hiện khả năng tìm kiếm giải pháp tốt hơn trong thời gian ngắn hơn. Điều này cho thấy tính hiệu quả của việc kết hợp các yếu tố tìm kiếm địa phương và toàn cục, cũng như khả năng xử lý các ràng buộc phức tạp của bài toán.

4.2. Ứng Dụng Thực Tiễn HMABC Trong Quản Lý Xây Dựng

Nghiên cứu này hỗ trợ các nhà quản lý xây dựng có thể kết hợp những kinh nghiệm và thế mạnh của thuật toán HMABC để xử lý các tình huống thực tế nhằm nâng cao hiệu quả trong công việc. Việc áp dụng HMABC giúp đưa ra các quyết định bố trí cơ sở vật chất thông minh, giảm chi phí và thời gian thi công.

V. Kết Quả Nghiên Cứu Ưu Điểm Vượt Trội Của HMABC 57 ký tự

Kết quả nghiên cứu cho thấy HMABC có khả năng giải quyết hiệu quả hai bài toán cụ thể: hoạt động nâng và dự trữ vật tư tại tòa nhà cao tầng và lập kế hoạch bố trí các cơ sở vật chất trên công trường xây dựng dựa trên chỉ số về mật độ nhằm cực tiểu chi phí xử lý giữa các luồng công việc. HMABC đã chứng minh được khả năng vượt trội trong việc tối ưu hóa bố trí công trường xây dựng.

5.1. HMABC Tối Ưu Hoạt Động Nâng Và Dự Trữ Vật Tư

HMABC đã được áp dụng thành công trong việc tối ưu hóa hoạt động nâng và dự trữ vật tư tại tòa nhà cao tầng, giúp giảm thiểu chi phí vận chuyển và lưu kho. Việc bố trí hợp lý các vị trí dự trữ vật tư giúp giảm thiểu thời gian chờ đợi và tăng năng suất lao động.

5.2. HMABC Trong Lập Kế Hoạch Bố Trí Công Trường Dựa Trên Mật Độ

Trong bài toán lập kế hoạch bố trí công trường dựa trên chỉ số mật độ, HMABC giúp cực tiểu chi phí xử lý giữa các luồng công việc, tạo ra một môi trường làm việc an toàn và hiệu quả hơn. Việc bố trí hợp lý các cơ sở vật chất giúp giảm thiểu khoảng cách di chuyển và tăng cường sự phối hợp giữa các bộ phận.

VI. Triển Vọng Hướng Phát Triển Thuật Toán HMABC 53 ký tự

Nghiên cứu này mở ra hướng đi mới trong việc ứng dụng các thuật toán Meta-heuristic vào giải quyết bài toán bố trí công trường xây dựng. Trong tương lai, HMABC có thể được cải tiến và tích hợp với các công nghệ như BIM để tạo ra các giải pháp tối ưu hóa toàn diện hơn. Các nghiên cứu tiếp theo có thể tập trung vào việc mở rộng HMABC để xử lý các ràng buộc phức tạp hơn và các loại hình công trường khác nhau.

6.1. Tích Hợp HMABC Với Công Nghệ BIM Trong Xây Dựng

Việc tích hợp HMABC với BIM sẽ cho phép các nhà quản lý xây dựng mô phỏng và tối ưu hóa bố trí công trường trước khi bắt đầu thi công, giúp giảm thiểu rủi ro và chi phí. Dữ liệu từ mô hình BIM có thể được sử dụng để cung cấp thông tin chính xác về kích thước, vị trí và yêu cầu của các cơ sở vật chất.

6.2. Mở Rộng HMABC Để Xử Lý Các Ràng Buộc Phức Tạp Hơn

Các nghiên cứu tiếp theo có thể tập trung vào việc mở rộng HMABC để xử lý các ràng buộc phức tạp hơn như hạn chế về diện tích, yêu cầu về an toàn, và ảnh hưởng của môi trường. Việc phát triển các phiên bản HMABC chuyên dụng cho các loại hình công trường khác nhau (ví dụ: công trường đô thị, công trường trên cao) cũng là một hướng đi tiềm năng.

Nội dung chính

Tổng quan nghiên cứu

Bố trí cơ sở vật chất trên công trường xây dựng là một trong những yếu tố then chốt ảnh hưởng trực tiếp đến hiệu quả thi công và chi phí vận hành dự án. Theo báo cáo ngành, chi phí xử lý vật liệu chiếm từ 20% đến 50% tổng chi phí hoạt động trên công trường, trong khi bố trí không hợp lý có thể làm tăng chi phí này lên đến 36%. Vấn đề bố trí công trường xây dựng (Construction Site Layout Problem - CSLP) được xem như một bài toán phân công bậc hai (Quadratic Assignment Problem - QAP), thuộc nhóm bài toán NP-khó với số lượng lựa chọn thay thế tăng theo giai thừa số cơ sở vật chất (ví dụ 10 cơ sở vật chất tương ứng 10! = 3.628.800 phương án). Mục tiêu nghiên cứu của luận văn là phát triển một thuật toán lai ghép mới nhằm tối ưu hóa bố trí các cơ sở vật chất trên công trường, giảm thiểu chi phí vận chuyển và xử lý vật liệu, đồng thời nâng cao hiệu quả quản lý xây dựng. Nghiên cứu tập trung vào hai trường hợp thực tế: hoạt động nâng và dự trữ vật tư tại tòa nhà cao tầng, và lập kế hoạch bố trí cơ sở vật chất dựa trên chỉ số mật độ luồng công việc. Phạm vi nghiên cứu được thực hiện tại các công trường xây dựng với dữ liệu thực tế thu thập trong khoảng thời gian gần đây, nhằm đảm bảo tính ứng dụng và khả năng triển khai trong thực tế. Kết quả nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ nhà quản lý xây dựng đưa ra các quyết định bố trí hợp lý, giảm thiểu chi phí và rủi ro, đồng thời nâng cao năng suất lao động và an toàn lao động trên công trường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên nền tảng lý thuyết về bài toán phân công bậc hai (QAP) để mô hình hóa vấn đề bố trí cơ sở vật chất trên công trường. QAP được định nghĩa là bài toán gán n cơ sở vật chất vào n vị trí sao cho tổng chi phí vận chuyển và xử lý là nhỏ nhất, với hàm mục tiêu đa thức bậc hai. Các thuật toán Meta-heuristic được áp dụng để giải quyết các bài toán NP-khó như QAP, trong đó có các thuật toán tiến hóa (Evolutionary Algorithms - EA), thuật toán bầy đàn (Swarm Intelligence) như Particle Swarm Optimization (PSO), Firefly Algorithm (FA), và Artificial Bee Colony (ABC).

Nghiên cứu đề xuất thuật toán lai ghép HMABC (Hybrid Model of Artificial Bee Colony) kết hợp các kỹ thuật sau:

• Thuật toán Bay ong nhân tạo (ABC): Mô phỏng hành vi tìm kiếm thức ăn của bầy ong, có khả năng tìm kiếm địa phương và toàn cục hiệu quả.
• Phân phối Levy Flights: Tăng tính ngẫu nhiên và khả năng thoát khỏi tối ưu cục bộ trong quá trình tìm kiếm.
• Phương pháp học dựa trên sự đối diện (Opposition-based learning): Cải thiện tốc độ hội tụ bằng cách khởi tạo và cập nhật quần thể giải pháp dựa trên các điểm đối diện.
• Hệ thống hỗn loạn (Chaotic System): Tăng cường tính đa dạng và tránh rơi vào các điểm tối ưu cục bộ thông qua chuỗi hỗn loạn.

Ngoài ra, phương pháp phá hủy và xây dựng (Destruction and Construction - DC) được tích hợp để tạo ra các nguồn thức ăn lân cận trong thuật toán ABC, giải quyết các vấn đề rời rạc trong QAP.

Phương pháp nghiên cứu

Nguồn dữ liệu được thu thập từ hai trường hợp nghiên cứu thực tế: hoạt động nâng và dự trữ vật tư tại một tòa nhà cao tầng, và kế hoạch bố trí cơ sở vật chất dựa trên chỉ số mật độ luồng công việc trên công trường xây dựng. Cỡ mẫu bao gồm 10 loại vật liệu và 9 cơ sở tạm được phân bố trên mặt bằng công trường với các thông số về khoảng cách, chi phí vận chuyển theo phương ngang và phương đứng được đo đạc cụ thể.

Phương pháp phân tích sử dụng thuật toán HMABC được phát triển và lập trình trên môi trường giả lập, với các tham số đầu vào được thiết lập dựa trên các nghiên cứu trước và điều chỉnh phù hợp với đặc thù bài toán. Thuật toán được chạy thử nghiệm 30 lần để đánh giá tính ổn định và hiệu quả. Kết quả được so sánh với các thuật toán tối ưu hóa hiện có như Genetic Algorithm (GA), Mix Integer Programming (MIP), và Max-min Ant System kết hợp GA (MMAS-GA).

Timeline nghiên cứu kéo dài từ tháng 02 đến tháng 06 năm 2018, bao gồm các bước: thu thập dữ liệu, xây dựng mô hình, phát triển thuật toán, thử nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả giảm chi phí vận chuyển và xử lý vật liệu: Thuật toán HMABC đạt được mức giảm chi phí hoạt động nâng và dự trữ vật tư trung bình khoảng 15% so với giải pháp ngẫu nhiên ban đầu, với chi phí vận chuyển giảm từ khoảng 58 đơn vị xuống còn khoảng 49 đơn vị theo kết quả thử nghiệm.

2. Tối ưu hóa bố trí cơ sở vật chất dựa trên mật độ luồng công việc: Kết quả tối ưu hóa luồng công việc cho thấy điểm số tối ưu của luồng công việc tăng lên khoảng 20% so với phương pháp GA và MMAS-GA, thể hiện sự cải thiện rõ rệt trong việc giảm thiểu chi phí xử lý giữa các luồng công việc.

3. So sánh với các thuật toán hiện có: HMABC vượt trội hơn GA, MIP và MMAS-GA về cả chất lượng giải pháp và tốc độ hội tụ. Ví dụ, chi phí vận chuyển trong bài toán bố trí công trường được giảm thêm khoảng 10% so với MMAS-GA.

4. Tính ổn định và khả năng hội tụ: Thuật toán HMABC thể hiện sự ổn định cao qua 30 lần chạy thử, với độ lệch chuẩn chi phí dưới 2%, cho thấy khả năng hội tụ tốt nhờ sự kết hợp của các kỹ thuật Levy Flights, học dựa trên sự đối diện và hệ thống hỗn loạn.

Thảo luận kết quả

Nguyên nhân chính của sự cải thiện hiệu quả là do HMABC kết hợp đồng thời khả năng tìm kiếm toàn cục và địa phương, giúp tránh rơi vào các tối ưu cục bộ thường gặp ở các thuật toán truyền thống. Phân phối Levy Flights tăng tính ngẫu nhiên trong giai đoạn ong trinh thám, giúp thuật toán khám phá không gian giải pháp rộng hơn. Học dựa trên sự đối diện và chuỗi hỗn loạn giúp khởi tạo và duy trì đa dạng quần thể, tăng tốc độ hội tụ và chất lượng giải pháp.

So với các nghiên cứu trước đây, kết quả của HMABC không chỉ nâng cao hiệu quả tối ưu hóa mà còn giảm thiểu thời gian tính toán, phù hợp với các công trường xây dựng có quy mô lớn và phức tạp. Dữ liệu có thể được trình bày qua biểu đồ chi phí vận chuyển theo từng phương pháp và bảng so sánh điểm số tối ưu luồng công việc, giúp minh họa rõ ràng sự vượt trội của HMABC.

Đề xuất và khuyến nghị

1. Áp dụng thuật toán HMABC trong quy trình lập kế hoạch công trường: Các nhà quản lý xây dựng nên tích hợp HMABC vào phần mềm quản lý dự án để tối ưu hóa bố trí cơ sở vật chất, giảm chi phí vận chuyển và nâng cao hiệu quả thi công. Thời gian triển khai dự kiến trong vòng 6 tháng.

2. Đào tạo và nâng cao năng lực cho cán bộ quản lý: Tổ chức các khóa đào tạo về thuật toán HMABC và các kỹ thuật Meta-heuristic cho đội ngũ kỹ sư và quản lý công trường nhằm nâng cao khả năng ứng dụng công nghệ trong quản lý xây dựng. Thời gian đào tạo kéo dài 3 tháng.

3. Phát triển phần mềm hỗ trợ tối ưu hóa bố trí công trường: Đầu tư nghiên cứu và phát triển phần mềm tích hợp thuật toán HMABC với giao diện thân thiện, hỗ trợ nhập liệu và phân tích kết quả nhanh chóng, phục vụ cho các dự án xây dựng quy mô lớn. Thời gian phát triển dự kiến 12 tháng.

4. Mở rộng nghiên cứu ứng dụng cho các tình huống phức tạp: Khuyến nghị nghiên cứu tiếp tục mở rộng mô hình để xử lý các yếu tố động, rủi ro và các ràng buộc phức tạp trong thực tế thi công, nhằm nâng cao tính thực tiễn và khả năng ứng dụng rộng rãi. Thời gian nghiên cứu tiếp theo khoảng 1-2 năm.

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 bố trí công trường, từ đó nâng cao hiệu quả quản lý và giảm thiểu chi phí vận hành.

2. Kỹ sư lập kế hoạch thi công: Áp dụng thuật toán HMABC để thiết kế bố trí công trường hợp lý, đảm bảo luồng công việc thông suốt và an toàn lao động.

3. Nhà nghiên cứu và sinh viên ngành Quản lý Xây dựng: Cung cấp kiến thức chuyên sâu về ứng dụng thuật toán Meta-heuristic trong giải quyết các bài toán thực tiễn phức tạp.

4. Các công ty phát triển phần mềm quản lý xây dựng: Tham khảo để phát triển các công cụ hỗ trợ tối ưu hóa bố trí công trường, nâng cao giá trị sản phẩm và đáp ứng nhu cầu thị trường.

Câu hỏi thường gặp

1. Thuật toán HMABC là gì và có ưu điểm gì so với các thuật toán khác?
   HMABC là thuật toán lai ghép dựa trên Artificial Bee Colony kết hợp Levy Flights, học dựa trên sự đối diện và hệ thống hỗn loạn. Ưu điểm là khả năng tìm kiếm toàn cục và địa phương đồng thời, tránh rơi vào tối ưu cục bộ, tăng tốc độ hội tụ và cải thiện chất lượng giải pháp.

2. Phạm vi áp dụng của nghiên cứu này là gì?
   Nghiên cứu tập trung vào tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng, đặc biệt trong các dự án có quy mô lớn và phức tạp, với dữ liệu thực tế từ các công trường tại Việt Nam.

3. Làm thế nào để triển khai thuật toán HMABC trong thực tế?
   Có thể tích hợp HMABC vào phần mềm quản lý dự án hoặc xây dựng công cụ hỗ trợ riêng, đồng thời đào tạo cán bộ kỹ thuật và quản lý để sử dụng hiệu quả trong lập kế hoạch và điều phối công trường.

4. Nghiên cứu có giới hạn nào không?
   Nghiên cứu chưa xem xét các yếu tố động và rủi ro trong quá trình thi công, cũng như các ràng buộc phức tạp khác như thời tiết, nhân lực thay đổi, do đó cần mở rộng trong các nghiên cứu tiếp theo.

5. Kết quả nghiên cứu có thể được trình bày như thế nào để dễ hiểu?
   Kết quả có thể trình bày qua biểu đồ chi phí vận chuyển theo từng thuật toán, bảng so sánh điểm số tối ưu luồng công việc, và sơ đồ bố trí công trường minh họa các phương án tối ưu, giúp người đọc dễ dàng hình dung và đánh giá hiệu quả.

Kết luận

• Đề xuất thuật toán lai ghép HMABC kết hợp các kỹ thuật tiên tiến giúp tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng hiệu quả hơn các phương pháp truyền thống.
• Thuật toán HMABC giảm chi phí vận chuyển và xử lý vật liệu trung bình 15%, đồng thời cải thiện điểm số tối ưu luồng công việc khoảng 20%.
• Kết quả thử nghiệm trên dữ liệu thực tế và so sánh với GA, MIP, MMAS-GA cho thấy HMABC có tính ổn định và khả năng hội tụ vượt trội.
• Nghiên cứu mở ra hướng phát triển ứng dụng thuật toán Meta-heuristic trong quản lý xây dựng, góp phần nâng cao hiệu quả và giảm thiểu rủi ro trên công trường.
• Đề xuất các bước tiếp theo bao gồm triển khai ứng dụng thực tế, đào tạo nhân lực, phát triển phần mềm hỗ trợ và mở rộng nghiên cứu xử lý các yếu tố động và phức tạp hơn.

Hành động tiếp theo là áp dụng thuật toán HMABC vào các dự án xây dựng thực tế để kiểm chứng và hoàn thiện mô hình, đồng thời phát triển công cụ hỗ trợ quản lý công trường thông minh.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUOC GIA TP. HO CHÍ MINH TRUONG DAI HOC BACH KHOA TRAN LE ANH AP DUNG THUAT TOAN LAI GHEP BAY ONG NHAN TAO VAO TOI UU HOA BO TRI CO SO VAT CHAT TREN CONG TRUONG XAY DUNG Chuyén nganh: Quan Ly Xay Dung Mã Số : 60.02 LUẬN VĂN THẠC SĨ TP. HỎ CHÍ MINH, tháng 06 năm 2018 ĐẠI HỌC QUOC GIA TP.HCM CỘNG HOA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc Lập - Tự Do - Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ và tên học viên: Trần Lê Anh MSHV: 1670120 Ngày, tháng, năm sinh: 02/12/1991 Nơi sinh: Khánh Hòa Chuyên ngành: Quản lý Xây dựng Mã số: 60580302 I. TÊN DE TÀI: Áp dụng thuật toán lai ghép bây ong nhân tạo vào tối ưu hóa bồ trí cơ sở vật chất trên công trường xây dựng.

NHIỆM VỤ VÀ NỘI DUNG: Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa các cơ sở vật chất trên công trường xây dựng qua hai trường hợp nghiên cứu: hoạt động nâng, dự trữ vật tư tại tòa nha cao tang và lập kế hoạch bồ trí các cơ sở vật chất trên công trường xây dựng dựa trên chỉ số về mật độ nhằm cực tiểu chi phí xử lý giữa các luồng công việc. NGÀY GIAO NHIEM VU: 26/02/2018 Ill. NGAY HOÀN THÀNH NHIEM VU: 17/06/2018 IV. CAN BO HUONG DAN: TS.

Phạm Vũ Hồng Son Tp. CÁN BỘ HƯỚNG DÂN CHỦ NHIỆM BỘ MÔN TS. Phạm Vũ Hồng Sơn PGS.TS Lương Đức Long TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG - HCM Cán bộ hướng dẫn khoa học: TS. Phạm Vũ Hồng Sơn Cán bộ cham nhận xét 1: TS.

Trần Đức Học Cán bộ chấm nhận xét 2: TS. Chu Việt Cường Luận văn thạc sĩ được bảo vệ tại Trường Dai Học Bách Khoa, DHQG Tp. HCM ngày 24 tháng 07 năm 2018 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1. TS Luong Đức Long 2.

TS Pham Hồng Luân 3. Tran Đức Hoc 4. Chu Việt Cường 5. Đỗ Tiến Sỹ Xác nhận của Chủ Tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn được sửa chữa (nêu có) CHỦ TỊCH HỘI ĐÔNG TRUONG KHOA KY THUẬT XÂY DỰNG PGS.TS Lương Đức Long LỜI CAM ĐOAN Tôi xin cam đoan đề tài: “Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí co sở vật chất trên công trường xây dựng” là công trình nghiên cứu khoa học của cá nhân tôi và chưa từng được công bồ trong bat cứ công trình khoa học nào khác cho tới thời điểm hiện tại.

Hỗ Chí Minh, ngày 17 tháng 06 năm 2018 Tác giả luận văn Trần Lê Anh ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ LỜI CÁM ƠN Thời gian thắm thoát thoi đưa! Mới ngày nao tôi đậu cao học ngành Quan Lý Xây Dựng - Đại học Bách Khoa TPHCM, cũng là lúc tôi bỡ ngỡ bước chân vào nghé, giờ đây tôi đã hoan thành khóa học. Tôi nhớ mãi lời của Thay Đức Long trong budéi học đầu tiên hôm ay “ Các bạn thi môn Sức Bên Vật Liệu dé các ban kĩ sư xây dựng cũng có thé tham gia va quan trong là các bạn phải có sức dé học và phải bên bỉ để theo đuôi”. Tôi học với niềm đam mê, sự nỗ lực, kiên trì để vượt qua biết bao nhiêu khó khăn trong học tập và cuộc sống. Tôi xin bày tỏ lòng biết ơn sâu sắc đến các Thầy Cô trong Bộ môn Thi Công và Quản Lý Xây Dựng, với sự giảng dạy tâm huyết và nhiệt tình của mình, họ đã truyền đạt cho tôi những kiến thức bố ích mà nếu đi làm chưa chắc tôi có thể tiếp cận được.

Dưới sự chỉ bảo tận tình, sự động viên, giúp đỡ của TS. Phạm Vũ Hồng Sơn đã giúp tôi hoàn thành Luận văn tốt nghiệp với đề tài “4p dụng thuật toán lai ghép bay ong nhân tạo vào toi wu hóa bố trí cơ sở vật chất trên công trường xây dựng”. Trong quá trình thực hiện đề tài còn gặp nhiều khó khăn, tôi đã cô găng hết sức dé hoàn thiện luận văn và do đó khó tránh khỏi những sai sót. Tôi rất mong có được sự nhận xét của Thay Cô va các ban dé luận van của tôi được hoàn thiện hơn.

Luận văn này như một món quả tôi gửi tặng tới Thầy, gia đình, đồng nghiệp, bạn bè, những người luôn ủng hộ và ở bên tôi. Mot lân nữa xin chân thành cam on! Tp. HCM, ngày 17 thang 06 năm 2018 Tác giả luận văn Trần Lê Anh HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS. Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ TÓM TẮT Bồ trí công trường xây dựng là một phan quan trong của việc lập thiết kế thi công, nhằm mục đích xác định biện pháp thi công có hiệu quả nhất, giải quyết các van dé liên quan đến công tác lập tiễn độ và thiết kế công trường.

Việc bồ trí một tập hợp các cơ sở vật chất được xác định trước vào các vị trí thích hợp có sẵn để đạt được một giải pháp tối ưu, thực sự là một bài toán khó đối với nhà quản lý xây dựng vì có rất nhiều lựa chọn dé thay thé. Nhiều nghiên cứu dựa trên phương pháp Meta-heuristic được thực hiện dé giải quyết sự phức tạp của van dé này. Tuy nhiên, những phương pháp này đều có những ưu và nhược điểm riêng. Để khắc phục những nhược điểm này, nghiên cứu này dé xuất một mô hình lai ghép Meta-heuristic mới, thuật toán ABC kết hợp với phân phối Levy Flights, Chaotic và Opposition-based learning.

Thuật toán dé xuất được đặt tên là HMABC - Hybrid Model of Artificial Bee Colony có cả hai khả năng tìm kiếm địa phương và toàn cục đồng thời. Thuật toán Bay ong nhân tạo (ABC) có nhiều ưu điểm trong tìm kiếm địa phương và toàn cục. Hệ thống hỗn loạn (Chaotic System) và Phương pháp học dựa trên sự đối diện (Opposition- based learning) được áp dụng để tăng cường độ hội tụ toàn cục trong việc khởi tạo quan thé ban dau. Kết hợp với phân phối Levy Flight trong giai đoạn ong trinh thám để tăng tính ngẫu nhiên trong quá trình tìm kiếm địa phương.

Bên cạnh đó, phương pháp phá hủy và xây dung (Destruction and Construction - DC) cũng được áp dung dé tạo ra các nguồn thức ăn lân cận trong ABC, giải quyết các van đề rời rac của bài toán phan công bậc hai (Quadratic Assignment Problem - QAP). Hơn nữa, nghiên cứu này so sánh hiệu quả của HMABC so với các nghiên cứu trước đây như thuật toán GA, MIP, MMAS-GA về các van đề bố trí cơ sở vật chất trên công trường xây dựng. Các kết quả cho thấy rằng hiệu quả của HMABC có phần vượt trội so với các thuật toán tối ưu hóa hiện có trong việc giải quyết các vẫn đề trên. Nghiên cứu này hỗ trợ các nha quản lý xây dựng có thé kết hợp những kinh nghiệm và thế mạnh của thuật toán HMABC để xử lý các tình huống thực tế nhằm nâng cao hiệu quả trong công viéc.

HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS. Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ ABSTRACT Construction Site Layout (CSL) is an important part of construction design, with the aim of identifying the most effective construction methods, solving issues related to scheduling and site design. Placing a set of predetermined facilities into the appropriate locations available to achieve an optimal solution is really hard problems for the construction manager because there are a lot of possible alternatives. Many studies based on Meta-heuristic methods have been done to handle the complexity of these problems.

However, these methods have some advantages and disadvantages. To overcome these drawbacks, this study proposes a new hybrid Meta-heuristic model, ABC algorithm associated with the distribution of Levy Flights, Chaotic and Opposition-based learning. The proposed algorithm is named HMABC - Hybrid Model of Artificial Bee Colony has both local and global search capabilities simultaneously. Chaotic System and Opposition-based learning are applied to increase global convergence in initial population of solutions.

Levy Flight distribution in the scout bee phase to increase randomness during local search. Destruction and construction are also used to create neighbour food sources in ABC, solving the discrete problems of Quadratic Assignment Problem. In addition, this research compared the performance of HMABC with GA, MIP, and MMAS-GA algorithms in site facilities layout problems. The results show that the effectiveness of HMABC is better than existing optimization algorithms in solving these problems.

This research supports construction manager who can combine the experiences and strengths of the HMABC algorithm to handle real-world situations to improve work efficiency. HVTH: Tran Lé Anh - MSHV:1670120 GVHD: TS. Phạm Vũ Hồng Son ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ MỤC LỤC 90I0/9))90019)/9)0000)) 000010057.1 Lý do chọn để tài. - - - - S111 5 5 111cc HH1 HH H111 gu ưyg | 1.2 Muc tidu nghien CUU 0111 5 .3 Phạm vi nghiên cứu, các giả định và giả thuyẾT.4 Phương pháp nghiÊn CỨU.5 Bỗ cục của luận văn.

- -- ST tt n 1S 1911318 1111111111111 E11 111111111111 E1 1 EEEeErrres 7 CHƯƠNG 2. NGHIÊN CỨU TRƯỚC DAY VE BO TRÍ CƠ SỞ VAT CHÁT. CƠ SỞ LY THUY ÊƑT.1 Bồ trí công trường xây dựng.2 Kỹ thuật Meta-heuristic và trí thông minh bay đản.2 Trí thông minh bay đản.3 Tối ưu bay dan (Particle Swarm Optimization - PSO).4 Thuật toán dom dom (Firefly Algorithm-FA) .5 Thuật toán bay ong nhân tạo (ABC).6 Phân phối Levy F ligj]nfS. - - - SE E9 SE SE Svcvc3 S311 1111111 1x xe.7 Phương pháp học dựa trên sự đối diện (Opposition-based learning) .8 Thuật toán hỗn loan (Chaotic algorithms) .9 Kỹ thuật lai Meta-heurISẨICS.

THUẬT TOÁN LAI GHÉP HMABC.1 Khởi tạo giải pháp ban đầu trong thuật toán HMA.2 Áp dụng kỹ thuật hoán đồi nhiều lần trong thuật toán HMABC.3 Áp dung phân phối Levy Flight trong thuật toán HMABC.4 Mô hình thuật toán HMA BC,. 0 12111112111 1 11 10 11H ng vn rrg 43 CHƯƠNG 5. BÀI TOÁN CU THỂ.- -cc2cc2xtsExtrrrtrrrrrrrrrrrtrrrrrrirrrrrek 48 5.1 Hoạt động nâng va dự trữ vật tư trong nhà cao tẦng.1 Định nghĩa vẫn đỀ. - - - s11 9E ST HH HH g1 11 xe.2 Hàm mục tIÊU.3 Áp dụng thuật toán HMABC và kết quả thực hiện.

-- 55 5555: 55 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS. Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 5.2 Van dé lap kế hoạch bồ tri công trường dựa trên chỉ số về mật độ.1 Định nghĩa vẫn đỀ.- - - - s11 5 ST TT TT HT HH1 g1 1 1xx.2 Hàm mục tiÊU.3 Áp dụng mô hình và kết qua thử nghiệm .- - - +E+E+E+E+EsEeEerereei 67 CHUONG 6: KET LUẬN VÀ KIÊN NGHỊ.1 1 0 75 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS. Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ DANH MỤC HÌNH ANH Hình 1 - 1: Sơ đồ các bước nghiên CỨU.