Tổng quan nghiên cứu

Trong quản lý dự án xây dựng hiện đại, bài toán cân bằng giữa chất lượng, chi phí và tiến độ luôn là thách thức cốt lõi đối với các nhà quản lý. Mặt bằng công trường là một nguồn tài nguyên không gian hữu hạn và có tính chất động lực cao. Theo các khảo sát thực nghiệm trong ngành, công tác vận chuyển vật tư và di chuyển nội bộ của nhân công chiếm tỷ trọng lớn trong tổng chi phí hoạt động tại hiện trường; việc thiết kế mặt bằng thi công hợp lý có thể giúp cắt giảm từ 10% đến 30% chi phí bốc xếp vận chuyển vật liệu và tiết kiệm từ 20% đến 50% chi phí vận hành tổng thể nhờ giảm thiểu xung đột di chuyển và ách tắc không gian.

Tuy nhiên, trong thực tế triển khai tại nhiều dự án, quy hoạch mặt bằng thi công thường được thực hiện theo cảm tính hoặc thiếu sự liên kết chặt chẽ với tiến độ tổng thể, dẫn đến sự lãng phí tài nguyên và gia tăng rủi ro mất an toàn lao động. Trước thực trạng đó, luận văn thạc sĩ chuyên ngành Quản lý Xây dựng (Mã số: 8580302) của tác giả Febrina Vienna Soulisa, dưới sự hướng dẫn khoa học của Phó Giáo sư, Tiến sĩ Phạm Vũ Hồng Sơn tại Trường Đại học Bách khoa – ĐHQG-HCM, đã tập trung nghiên cứu đề tài: "Site Layout Optimization Using Novel Hybrid Ant Lion Optimizer (ALO) Algorithm" (Tối ưu hóa bố trí mặt bằng thi công sử dụng thuật toán lai ghép kiến sư tử - ALO mới).

Nghiên cứu được triển khai thực hiện từ tháng 3 năm 2022 đến tháng 12 năm 2022. Mục tiêu trọng tâm của đề tài là xây dựng một thuật toán tối ưu hóa bầy đàn cải tiến (Novel Hybrid ALO - NH-ALO), khắc phục triệt để nhược điểm về thời gian tính toán và nguy cơ mắc kẹt tại cực trị cục bộ của thuật toán gốc. Thuật toán được kiểm chứng và đánh giá hiệu năng thông qua 4 ca nghiên cứu điển hình từ 10 đến 14 phân khu chức năng, mang lại công cụ hỗ trợ ra quyết định chuẩn xác, giúp tối thiểu hóa quãng đường di chuyển và nâng cao năng suất thi công toàn diện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự tích hợp giữa lý thuyết quản trị mặt bằng xây dựng và các giải thuật tối ưu hóa siêu phỏng sinh học tiên tiến:

  • Mô hình toán học Tối ưu hóa Mặt bằng Thi công (Site Layout Optimization - SLO): Bài toán được mô hình hóa dưới dạng bài toán gán vị trí tổng quát nhằm tối thiểu hóa tổng quãng đường di chuyển nội bộ. Hàm mục tiêu được xác định theo công thức toán học:

    $$\text{Minimize } TD = \sum_{i=1}^{n}\sum_{j=1}^{n}\sum_{k=1}^{n}\sum_{l=1}^{n} f_{jk} \cdot d_{jl} \cdot x_{ij} \cdot x_{kl}$$

    Trong đó, $n$ đại diện cho số lượng công trình tạm/tiện ích thi công; $f_{jk}$ là tần suất di chuyển giữa công trình $j$ và $k$; $d_{jl}$ là khoảng cách hình học giữa vị trí $j$ và $l$; biến nhị phân $x_{ij} = 1$ khi công trình $i$ được gán vào vị trí $j$, đảm bảo mỗi vị trí chỉ bố trí duy nhất một tiện ích phục vụ thi công.

  • Thuật toán Tối ưu hóa Bầy Kiến Sư Tử (Ant Lion Optimizer - ALO): Được đề xuất năm 2015 mô phỏng 5 tập tính săn mồi đặc trưng của ấu trùng kiến sư tử trong tự nhiên bao gồm: chuyển động bước đi ngẫu nhiên của kiến, xây dựng hố bẫy cát, bẫy con mồi, trượt kiến về phía đáy bẫy cát, bắt mồi - tái tạo bẫy và cơ chế lưu giữ cá thể ưu tú (elitism). Mặc dù ALO có ưu thế vượt trội về khả năng hội tụ so với thuật toán di truyền cổ điển, việc sử dụng phân phối bước đi ngẫu nhiên đơn thuần khiến thuật toán đòi hỏi khối lượng tính toán lớn và thời gian chạy kéo dài.

  • Kỹ thuật học đối nghịch (Opposition-Based Learning - OBL) và Toán tử Đột biến - Lai ghép: Cơ chế OBL giúp đánh giá đồng thời giải pháp hiện tại và giải pháp đối nghịch trong không gian tìm kiếm, tăng tốc độ hội tụ lên gấp 2 lần. Cùng với đó, toán tử đột biến vi phân và lai ghép đóng vai trò duy trì tính đa dạng của quần thể, ngăn ngừa hiện tượng hội tụ sớm tại các cực trị địa phương.

Phương pháp nghiên cứu

Nghiên cứu ứng dụng phương pháp thực nghiệm mô phỏng số thông qua việc phát triển mã nguồn thuật toán tối ưu hóa trên nền tảng môi trường lập trình MATLAB:

  • Nguồn dữ liệu và mẫu nghiên cứu: Dữ liệu thực nghiệm bao gồm 4 trường hợp nghiên cứu mặt bằng xây dựng có độ phức tạp cao: Ca nghiên cứu 1 gồm 11 công trình tiện ích (có 2 vị trí cố định là cổng công trường và cổng chính); Ca nghiên cứu 2 là dự án chung cư cao tầng tại Surabaya, Indonesia gồm 10 hạng mục công trình; Ca nghiên cứu 3 là dự án khách sạn phức hợp tại Surabaya gồm 14 tiện ích (với 4 vị trí cố định: cổng chính, cổng phụ, tháp cần trục và trạm biến áp); Ca nghiên cứu 4 dùng để kiểm chứng mở rộng thuật toán.
  • Kỹ thuật lai ghép cải tiến: Luận văn thay thế toán tử vòng quay may mắn (Roulette Wheel) bằng phương pháp Chọn lọc Giải đấu (Tournament Selection) với kích thước giải đấu chọn lọc $k = 5$, giúp gia tăng áp lực chọn lọc có lợi và giảm thiểu 35% thời gian xử lý vòng lặp. Đồng thời, các tham số xác suất đột biến và xác suất lai ghép được thiết lập chính xác để tối ưu hóa không gian tìm kiếm.
  • Quy trình thử nghiệm và đối chuẩn: Thuật toán NH-ALO được thiết lập quy mô quần thể từ 30 đến 50 cá thể, số lượng vòng lặp biến thiên từ 30 đến 200 thế hệ. Hiệu năng của thuật toán được đối chuẩn trực tiếp với 6 giải thuật nổi tiếng trong cùng điều kiện thực nghiệm: Thuật toán Tối ưu hóa Bầy đàn (PSO), Thuật toán Bầy ong Nhân tạo (ABC), Thuật toán Tìm kiếm Sinh vật Cộng sinh (SOS), Thuật toán Cá voi (WOA), Thuật toán Va chạm Vật thể (CBO) và giải thuật lai ghép WOA-CBO.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thực nghiệm và đối chuẩn trên các tập dữ liệu công trường thực tế mang lại những kết quả định lượng rõ rệt:

  • Tại Ca nghiên cứu 1 (Mặt bằng 11 phân khu): Với quy mô 30 cá thể và 30 vòng lặp, thuật toán NH-ALO đạt tổng quãng đường di chuyển tối ưu ngắn nhất là 12.546 mét, giá trị cực đại thấp nhất là 12.578 mét, giá trị trung bình đạt 12.549,20 mét và độ lệch chuẩn đạt mức kỷ lục là 9,00. Khi mở rộng thử nghiệm lên 50 cá thể và 200 vòng lặp, giá trị trung bình duy trì ổn định ở mức 12.548,25 mét với độ lệch chuẩn chỉ 18,00, vượt trội hoàn toàn so với mức độ phân tán của WOA và CBO.
  • Tại Ca nghiên cứu 2 (Dự án Chung cư tại Surabaya - 10 phân khu): NH-ALO tìm ra lời giải bố trí tối ưu với tổng cự ly di chuyển 39.184 mét, giá trị trung bình đạt 39.193,00 mét và độ lệch chuẩn cực kỳ ổn định ở mức 24,202. Trong khi đó, các thuật toán đối chuẩn như PSO hay ABC ghi nhận độ biến thiên kết quả lớn hơn nhiều qua các lần chạy độc lập.
  • Tại Ca nghiên cứu 3 (Dự án Khách sạn quy mô 14 phân khu phức tạp): NH-ALO thiết lập kỷ lục hiệu năng mới khi đạt quãng đường di chuyển tối thiểu chỉ 3.946 mét (thấp hơn đáng kể so với mức xấp xỉ 4.100 mét của các thuật toán truyền thống), giá trị trung bình 3.962,33 mét và độ lệch chuẩn thấp nhất đạt 37,147.
+------------------+-----------------------+-----------------------+----------------------+
| Ca nghiên cứu    | Khoảng cách tối thiểu | Khoảng cách trung bình| Độ lệch chuẩn (SD)   |
+------------------+-----------------------+-----------------------+----------------------+
| Ca 1 (11 vị trí) | 12.546 m              | 12.549,20 m           | 9,000                |
| Ca 2 (10 vị trí) | 39.184 m              | 39.193,00 m           | 24,202               |
| Ca 3 (14 vị trí) | 3.946 m               | 3.962,33 m            | 37,147               |
+------------------+-----------------------+-----------------------+----------------------+

Thảo luận kết quả

Đồ thị đường cong hội tụ (convergence curve) ghi nhận trong môi trường mô phỏng chỉ ra rằng thuật toán NH-ALO đạt trạng thái tối ưu toàn cục chỉ sau 15 đến 20 thế hệ đầu tiên, nhanh hơn từ 30% đến 45% so với mô hình lai ghép WOA-CBO và thuật toán ALO nguyên bản.

Sự vượt trội này bắt nguồn trực tiếp từ việc tích hợp chiến lược Chọn lọc Giải đấu kết hợp cơ chế Học đối nghịch OBL. Việc thay thế vòng quay may mắn đã loại bỏ hiện tượng các cá thể kém chất lượng làm chậm quá trình tìm kiếm, trong khi toán tử đột biến vi phân liên tục bơm các cấu hình mặt bằng mới lạ vào quần thể để phá vỡ các bẫy cực trị địa phương. Khi biểu diễn không gian bố trí dưới dạng biểu đồ ma trận khoảng cách, các tiện ích có tần suất tương tác cao (như xưởng gia công cốt thép, kho vật liệu chính và tháp cẩu) luôn được NH-ALO tự động gom cụm tại các vị trí tiếp cận tối ưu, đảm bảo không vi phạm các hạn chế an toàn tĩnh của cổng ra vào và trạm cấp nguồn.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm vượt trội của mô hình thuật toán, luận văn đề xuất 4 nhóm giải pháp mang tính ứng dụng thực tiễn cao cho ngành xây dựng:

  • Ứng dụng công cụ tối ưu hóa vào giai đoạn lập kế hoạch tiền thi công (Pre-construction): Ban điều hành dự án và các tổng thầu xây dựng cần ứng dụng phần mềm thuật toán NH-ALO trước ngày khởi công từ 30 đến 45 ngày nhằm thiết lập mặt bằng thi công chuẩn mực, hướng tới mục tiêu cắt giảm ít nhất 15% đến 20% chi phí di chuyển nội bộ và nâng cao năng suất vận hành của thiết bị nâng hạ.
  • Tích hợp thuật toán vào môi trường Mô hình hóa Thông tin Công trình (BIM 4D/5D): Các đơn vị tư vấn và quản lý dự án cần phát triển các module tích hợp mã nguồn NH-ALO vào phần mềm điều phối như Autodesk Revit hoặc Navisworks trong lộ trình 6 đến 12 tháng, cho phép tự động phân bổ không gian lán trại, bãi đúc và kho bãi theo từng mốc tiến độ thi công thực tế.
  • Chuẩn hóa cơ sở dữ liệu định mức di chuyển và luồng công việc tại công trường: Phòng Kỹ thuật - Đấu thầu của các doanh nghiệp xây dựng cần xây dựng bộ quy chuẩn ma trận tần suất vận chuyển (Trip Frequencies Matrix) cho 10 đến 20 loại hình công trình đặc thù, cập nhật định kỳ hàng quý nhằm cung cấp dữ liệu đầu vào chuẩn xác nhất cho thuật toán.
  • Nghiên cứu mở rộng sang bài toán bố trí mặt bằng động đa mục tiêu (Dynamic Multi-Objective SLOP): Các viện nghiên cứu và trường đại học chuyên ngành xây dựng cần tiếp tục phát triển biến thể thuật toán NH-ALO trong giai đoạn 2024–2026 để giải quyết đồng thời bài toán mặt bằng thay đổi linh hoạt theo từng giai đoạn kết cấu - hoàn thiện và tích hợp thêm tiêu chí an toàn bức xạ nhiệt/tiếng ồn.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thực tiễn và học thuật chuyên sâu cho 4 nhóm đối tượng chính:

  • Chỉ huy trưởng, Giám đốc dự án và Kỹ sư Quản lý công trường: Cung cấp phương pháp khoa học để bố trí mặt bằng công trường quy mô lớn, giải quyết triệt để tình trạng xung đột đường nội bộ, tối ưu hóa vị trí đặt cẩu tháp, kho xi măng, xưởng cốt thép nhằm tiết kiệm hàng trăm giờ công lao động mỗi tháng.
  • Kỹ sư Kế hoạch, Biện pháp thi công và Đấu thầu: Cung cấp công cụ tính toán định lượng chuẩn xác để thuyết minh biện pháp thi công trong hồ sơ dự thầu, nâng cao tỷ lệ trúng thầu thông qua phương án tối ưu hóa chi phí vận hành tạm thời.
  • Chuyên gia Công nghệ Xây dựng (ConTech) và Nhà phát triển phần mềm: Nắm bắt thuật toán lai ghép metaheuristic tiên tiến đã được tối ưu hóa tham số để xây dựng các giải pháp tự động hóa thiết kế mặt bằng (Generative Site Layout Design) trên nền tảng kỹ thuật số.
  • Giảng viên, Nghiên cứu sinh và Học viên Cao học ngành Quản trị Xây dựng: Nguồn tài liệu học thuật giá trị về ứng dụng trí tuệ nhân tạo (AI) và giải thuật bầy đàn giải quyết các bài toán tối ưu hóa tổ hợp phức tạp trong kỹ thuật hạ tầng và xây dựng dân dụng.

Câu hỏi thường gặp

  • Thuật toán lai ghép NH-ALO có điểm gì cải tiến vượt trội so với thuật toán ALO nguyên bản? Thuật toán NH-ALO đã thay thế cơ chế chọn lọc vòng quay may mắn truyền thống bằng kỹ thuật Chọn lọc Giải đấu ($k=5$), đồng thời tích hợp phương pháp Học đối nghịch (OBL) và toán tử Đột biến - Lai ghép. Cải tiến này giúp tốc độ hội tụ nhanh hơn khoảng 35%, mở rộng không gian tìm kiếm và hạn chế tối đa nguy cơ rơi vào bẫy nghiệm cục bộ.
  • Hàm mục tiêu của bài toán tối ưu hóa trong luận văn được xây dựng như thế nào? Hàm mục tiêu được xây dựng nhằm tối thiểu hóa tổng quãng đường di chuyển ($TD$), biểu thị qua tích của ma trận khoảng cách hình học giữa các vị trí và ma trận tần suất di chuyển của nhân công, xe máy thi công giữa các tiện ích phụ trợ, chịu ràng buộc nghiêm ngặt về tính duy nhất của mỗi vị trí không gian.
  • Mức độ ổn định của thuật toán NH-ALO được chứng minh qua những chỉ số nào? Độ ổn định vượt trội của NH-ALO được chứng minh qua giá trị độ lệch chuẩn (Standard Deviation) thấp nhất trên cả 3 ca nghiên cứu: đạt 9,00 ở ca 11 vị trí; 24,202 ở ca chung cư 10 vị trí; và 37,147 ở ca khách sạn 14 vị trí, vượt trội hơn hẳn so với các thuật toán PSO, ABC và SOS.
  • Doanh nghiệp xây dựng cần chuẩn bị những dữ liệu đầu vào nào để vận hành mô hình tối ưu này? Doanh nghiệp chỉ cần cung cấp 3 bộ thông số cơ bản: bản đồ mặt bằng hiện trạng với tọa độ các vị trí tiềm năng (bao gồm các vị trí cố định như cổng ra vào, trạm điện), ma trận khoảng cách đo đạc giữa các vị trí ($d_{jl}$) và bảng ước tính tần suất di chuyển/vận chuyển vật tư giữa các tiện ích ($f_{jk}$).
  • Mô hình của luận văn có thể áp dụng cho các công trình có diện tích mặt bằng hạn hẹp đô thị không? Hoàn toàn khả thi. Thuật toán hỗ trợ thiết lập các vị trí cố định cưỡng bức (như cổng chính, tháp cần trục) và tính toán khoảng cách theo nhiều hệ chuẩn (Euclidean hoặc Manhattan), rất phù hợp để giải quyết bài toán bố trí mặt bằng công trình cao tầng có mật độ xây dựng dày đặc tại các đô thị lớn.

Kết luận

  • Luận văn đã nghiên cứu và phát triển thành công thuật toán lai ghép mới Novel Hybrid Ant Lion Optimizer (NH-ALO) ứng dụng giải quyết bài toán tối ưu hóa mặt bằng thi công xây dựng.
  • Sự kết hợp giữa Chọn lọc Giải đấu ($k=5$), kỹ thuật OBL và toán tử Đột biến - Lai ghép giúp tăng tốc độ hội tụ và giảm độ phân tán kết quả xuống mức tối thiểu trên tất cả các kịch bản thử nghiệm.
  • Kết quả đối chuẩn trên 4 ca nghiên cứu điển hình chứng minh NH-ALO luôn đạt cự ly di chuyển ngắn nhất (12.546 m tại ca 1; 39.184 m tại ca 2; 3.946 m tại ca 3) cùng độ lệch chuẩn thấp vượt bậc so với các giải thuật metaheuristic hiện hành.
  • Mô hình mở ra giải pháp chuyển đổi số thiết thực cho các tổng thầu xây dựng, giúp cắt giảm từ 10% đến 30% chi phí vận chuyển nội bộ và nâng cao năng suất an toàn lao động trong giai đoạn 2024–2026.
  • Các nhà quản lý dự án và doanh nghiệp xây dựng hãy chủ động ứng dụng thuật toán NH-ALO vào quy trình lập biện pháp thi công ngay hôm nay để tối ưu hóa nguồn lực và hiện đại hóa công tác điều hành công trường.