Luận văn thạc sĩ quản lý xây dựng ứng dụng thuật toán cộng sinh tìm kiếm đa mục tiêu và bim trong quản lý thời gian chi phí của dự án

Chuyên đề nghiên cứu Ứng dụng thuật toán cộng sinh trong quản lý thời gian và chi phí dự án xây dựng, cập nhật xu hướng mới, giá trị tham khảo cao

• Tác giả: Thạch Phi Hùng
• Người hướng dẫn: TS. Trần Đức Học
• Trường học: Đại học Quốc gia TP. HCM
• Chuyên ngành: Quản lý xây dựng
• Đề tài: Ứng Dụng Thuật Toán Cộng Sinh Tìm Kiếm Đa Mục Tiêu Và BIM Trong Quản Lý Thời Gian, Chi Phí Của Dự Án
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Giới thiệu

Trong bối cảnh ngành xây dựng ngày càng phát triển, việc quản lý thời gian và chi phí trở thành yếu tố quyết định sự thành công của dự án. Nghiên cứu này tập trung vào việc ứng dụng thuật toán cộng sinh trong việc tối ưu hóa hai yếu tố quan trọng này. Các nhà thầu thường phải đối mặt với nhiều thách thức, bao gồm việc lựa chọn phương pháp thi công phù hợp và tối ưu hóa tài nguyên. Việc áp dụng các phương pháp tối ưu hóa hiện đại, đặc biệt là thuật toán cộng sinh, có thể giúp cải thiện đáng kể hiệu suất dự án. Theo nghiên cứu, việc tối ưu hóa không chỉ giúp tiết kiệm chi phí mà còn nâng cao năng suất lao động, từ đó tăng cường lợi nhuận cho nhà thầu. Một trong những điểm nổi bật của mô hình này là khả năng hỗ trợ các nhà quản lý dự án trong việc đưa ra quyết định thông minh hơn, dựa trên dữ liệu thực tế và phân tích chi phí.

1.1 Lý do chọn đề tài

Quản lý tiến độ và chi phí là những yếu tố then chốt trong việc đảm bảo thành công của dự án đầu tư xây dựng. Nghiên cứu cho thấy rằng, việc nâng cao hiệu quả trong quản lý thời gian và quản lý chi phí không chỉ giúp tiết kiệm tài nguyên mà còn tạo ra lợi nhuận cao hơn cho nhà thầu. Trong bối cảnh hiện tại, nơi mà các nhà thầu thường dựa vào kinh nghiệm cá nhân để đưa ra quyết định, nghiên cứu này đề xuất một cách tiếp cận mới bằng cách ứng dụng thuật toán cộng sinh để tối ưu hóa các yếu tố này. Mô hình này không chỉ giúp cải thiện quy trình ra quyết định mà còn giảm thiểu rủi ro trong việc vượt quá ngân sách và thời gian hoàn thành.

II. Cơ sở lý thuyết

Mô hình tối ưu hóa đa mục tiêu dựa trên thuật toán cộng sinh (MOSOS) được phát triển nhằm giải quyết các bài toán phức tạp trong quản lý dự án xây dựng. MOSOS mô phỏng các mối quan hệ cộng sinh trong tự nhiên, cho phép tối ưu hóa đồng thời nhiều mục tiêu như thời gian hoàn thành và chi phí xây dựng. Việc áp dụng phương pháp này giúp các nhà quản lý có thể đưa ra quyết định dựa trên nhiều yếu tố khác nhau, từ đó tăng cường khả năng cạnh tranh. Hơn nữa, việc sử dụng công nghệ BIM và Dynamo trong mô hình này giúp tự động hóa quy trình chuyển đổi dữ liệu từ mô hình thiết kế thành thông tin đầu vào cho thuật toán, từ đó nâng cao độ chính xác và hiệu quả của quá trình tối ưu hóa.

2.1 Tối ưu hóa đa mục tiêu

Tối ưu hóa đa mục tiêu là một lĩnh vực quan trọng trong nghiên cứu kỹ thuật, nơi mà nhiều mục tiêu cần được cân nhắc đồng thời. Việc áp dụng các phương pháp tối ưu hóa hiện đại như thuật toán cộng sinh giúp giải quyết các bài toán phức tạp trong quản lý chi phí và thời gian. Mô hình này cho phép các nhà quản lý dự án đánh giá các lựa chọn khác nhau dựa trên các tiêu chí khác nhau, từ đó đưa ra quyết định tối ưu hơn. Một trong những ưu điểm của MOSOS là khả năng xử lý các vấn đề không tuyến tính và đa dạng, điều này rất quan trọng trong bối cảnh xây dựng, nơi mà các yếu tố có thể thay đổi liên tục.

III. Ứng dụng thực tiễn

Việc áp dụng thuật toán cộng sinh trong quản lý dự án xây dựng đã cho thấy nhiều kết quả khả quan. Mô hình được kiểm nghiệm qua các dự án thực tế cho thấy khả năng tối ưu hóa chi phí xây dựng và thời gian hoàn thành một cách hiệu quả. Nghiên cứu chỉ ra rằng việc sử dụng MOSOS không chỉ giúp tiết kiệm chi phí mà còn cải thiện năng suất làm việc của các nhà thầu. Các công cụ như Dynamo cũng đóng vai trò quan trọng trong việc chuyển đổi dữ liệu từ mô hình Revit thành thông tin đầu vào cho thuật toán, giúp giảm thiểu sai sót và tăng cường tính chính xác trong quá trình tối ưu hóa.

3.1 Kết quả thực nghiệm

Các kết quả thực nghiệm từ việc áp dụng mô hình MOSOS cho thấy sự cải thiện rõ rệt trong việc quản lý thời gian hoàn thành và chi phí xây dựng. Các nhà thầu đã có thể lựa chọn phương pháp thi công hiệu quả hơn, từ đó giảm thiểu thời gian và chi phí phát sinh. Hơn nữa, việc sử dụng các công nghệ hiện đại như BIM và Dynamo đã giúp tăng cường khả năng phân tích và dự đoán, hỗ trợ các nhà quản lý đưa ra quyết định chính xác hơn. Điều này không chỉ tạo ra lợi ích cho nhà thầu mà còn nâng cao uy tín và vị thế cạnh tranh trong ngành xây dựng.

Trích đoạn nội dung tài liệu

Chương 1 : Giới thiệu về luận văn: lý do chọn đề tài, mục tiêu nghiên cứu, phạm vi nghiên cứu, nội dung nghiên cứu, phương pháp nghiên cứu. Chương 2 : Các nghiên cứu trước đây về tối ưu hóa đa mục tiêu. Chương 3 : Cơ sở lý thuyết, bao gồm : - Tối ưu hóa đa mục tiêu, các định nghĩa bài toán tối ưu. - Giới thiệu về thuật toán tìm kiếm sinh vật cộng sinh (SOS), nguyên lý và lưu đồ của thuật toán.

- Đánh giá ưu điểm và nhược điểm của thuật toán. - Tổng quan về BIM (Building information Model và Building Information Modeling). - Tổng quan về Dynamo Chương 4 : Đề xuất mô hình tối ưu hóa đa mục tiêu và lai ghép BIM. Bao gồm 3 vấn đề chính sau : - Xây dựng mô hình tối ưu đa mục tiêu bằng thuật toán tìm kiếm sinh vật cộng sinh.

HVTH: Thạch Phi Hùng 15 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến - Phương pháp sử dụng Dynamo để chuyển mô hình thông tin xây dựng cơ bản (Basic Revit Model) thành dữ liệu đầu vào cho mô hình tối ưu hóa trong Matlab. - Phân tích hạn chế và các ứng dụng tiềm năng của mô hình.

Chương 5 : Bài toán cụ thể. Để xác minh tính hiệu quả của mô hình tối ưu đa mục tiêu bằng thuật toán tìm kiếm sinh vật công sinh, chương này sẽ trình bày bài toán áp dụng cụ thể, với các bước áp dụng bao gồm : - Định nghĩa vấn đề. - Áp dụng thuật toán tìm kiếm sinh vật cộng sinh đa mục tiêu vào mô hình và kết quả thực hiện. Chương 6 : Kết luận và hướng phát triển.

HVTH: Thạch Phi Hùng 16 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến CHƯƠNG 2: NGHIÊN CỨU TRƯỚC ĐÂY VỀ TỐI ƯU HÓA ĐA MỤC TIÊU Trong ngành công nghiệp xây dựng, tồn tại nhiều vấn đề phức tạp liên quan đến yếu tố kỹ thuật và quản lý của một dự án, đặc biệt đối với những dự án lớn có thời gian thực hiện kéo dài và chi phí thực hiện lớn. Với trong môi trường kinh doanh cạnh tranh gay gắt hiện nay, các công ty xây dựng muốn tồn tại và phát triển thì cần phải quản lý hiệu quả chi phí và tiến độ.

Vì vậy, việc phát triển nhiều kỹ thuật và công cụ để hỗ trợ các quyết định trong xây dựng được sự quan tâm của các nhà nghiên cứu. Yếu tố chi phí và tiến độ luôn đi đôi với nhau trong các dự án xây dựng. Vấn đề cân bằng hai nguồn tài nguyên này là thiết yếu với các nhà quản lý xây dựng. Có nhiều phương pháp đã được đề xuất để tối ưu bài toán tiến độ, chi phí bằng cách chọn tổ hợp tối ưu các phương án thi công công việc.

Bài toán tối ưu chi phí và tiến độ là một trong những chủ đề được nghiên cứu rộng rãi và thu hút được nhiều nhà khoa học trên thế giới. Và cũng đã có rất nhiều mô hình được xây dựng để giải bài toán tối ưu chi phí và tiến độ. Những nghiên cứu tối ưu dựa trên thuật toán bầy ong nhân tạo (Artificial Bee Colony- viết tắt là ABC) [9], là thuật toán mô phỏng ứng xử của loài ong trong quá trình tìm kiếm thức ăn [9, 12]. Giống như các thuật toán bầy đàn khác, ABC là thuật toán dựa vào mô phỏng hành vi tìm kiếm thức ăn của đàn ong.

Các cá thể trong quần thể là các giải pháp tối ưu của bài toán đang xét. ABC cân nhắc các giải pháp như là nguồn thức ăn. Mục đích của ABC là tìm kiếm các nguồn thức ăn chấp nhận được với các tiêu chuẩn đánh giá đặc biệt. Mỗi giải pháp được đánh giá thông qua các hàm mục tiêu.

Các hàm mục tiêu này thay đổi theo từng vấn đề, bài toán cụ thể. Khái quát hóa, mỗi giải pháp có một giá trị đánh giá và giá trị đánh giá này được sử dụng các cách chọn lọc khác nhau. Trong ABC, quần thể bao gồm ba thành phần cơ bản [13, 14]: Nguồn thức ăn (Food Sources): Giá trị của nguồn thức ăn phụ thuộc nhiều yếu tố như khoảng cách đối với tổ ong, sự dồi dào và tập trung của nguồn năng lượng. HVTH: Thạch Phi Hùng 17 MSHV: 1770408 GVHD1: TS.

Trần Đức Học GVHD2: TS. Phạm Hải Chiến (C) Ong không dẫn (A) Nguồn thức ăn (B) Ong dẫn hướng hướng Hình 2.1 Các thành phần của bầy ong Ong dẫn hướng: Những con ong này mang những thông tin như khoảng cách và hướng chỉ dẫn từ nguồn thức ăn tới tổ, lợi ích của ong dẫn là chia sẻ thông tin với một xác suất nhất định. Ong không dẫn hướng: Có hai loại ong không dẫn hướng: (a) ong do thám, là loại tìm kiếm môi trường xung quanh tổ để tìm nguồn thức ăn mới và (b) ong làm mật, là loại chỉ ở trong tổ để làm mật thông qua thông tin của ong dẫn hướng. Bảng 2-1 Các nghiên cứu trước đây ở nước ngoài Thời Hạn chế của các Tác giả Hướng nghiên cứu giang nghiên cứu 2007 D.

Karaboga Thuật toán tối ưu hóa dựa trên - Thuật toán bầy ong B. Basturk một hành vi thông minh của không ghi lại thông bầy ong. So sánh hiệu suất tin tìm kiếm từ các của thuật toán đàn ong nhân vòng lập trước như tạo với tiến hóa vi phân [8], thuật toán bầy đàn. tối ưu hóa dòng hạt (PSO) và Điều này có thể thuật toán tiến hóa (EA) cho không hiệu quả các vấn đề đa chiều.

trong các vòng lập 2012 Dervis Trình bày một cuộc khảo sát tiếp theo. Karaboga toàn diện về những tiến bộ - BO có nhược điểm là Beyza với thuật toán bầy ong nhân đôi khi bị hội tụ sớm Gorkemli tạo và các ứng dụng của nó. trong vài vòng lặp Celal Ozturk đầu tiên và giải pháp HVTH: Thạch Phi Hùng 18 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS.

Phạm Hải Chiến Nurhan cuối cùng không đạt Karaboga yêu cầu. Rekaby Trình bày nghiên cứu thuật - BO phụ thuộc vào toán bầy ong nhân tạo (ABC) quá trình tìm kiếm vào vấn đề nhân viên bán ngẫu nghiên nên khá hàng du lịch, vấn đề lập kế yếu trong các bài hoạch công việc và kiểm tra toán có nhiều điểm phần mềm. tối ưu cục bộ. Karaboga Đề xuất thuật toán bầy ong nhân tạo (ABC), dựa trên hành vi tập thể của côn trùng.

Những nghiên cứu tối ưu dựa trên thuật toán cộng sinh đa mục tiêu (SOS), là một thuật toán mô phỏng chiến lược tương tác công sinh được các sinh vật áp dụng để tồn tại và nhân giống trong hệ sinh thái của chúng [1]. Theo Cheng [1] thuật toán cộng sinh đa mục tiêu là một thuật toán siêu hình mạnh mẽ áp dụng để giải quyết vấn đề kỹ thuật và tối ưu hóa. Gần đây, Ông Trần Đức Học và cộng sự, nghiên cứu áp dụng thuật toán sinh vật công sinh khách quan tìm kiếm (OMOSOS) để lên kế hoạch thực hiện dự án có công tác lặp đi lặp lại. Nghiên cứu chỉ ra rằng [11], các nhà quản lý xây dựng thường phải đối mặt với các dự án chứa nhiều đơn vị trong đó các hoạt động lặp lại từ đơn vị này sang đơn vị khác.

Quản lý tài nguyên hiệu quả là phải quản lý được về mặt về thời gian, chi phí và chất lượng dự án. Theo đó, các nhà nghiên cứu đã phát triển một số mô hình để hỗ trợ các nhà quản lý dự án lập kế hoạch và tối ưu các nguồn tài nguyên cho các dự án lặp đi lặp lại. Thuật toán đề xuất đã được thực hiện trên hai ví dụ ứng dụng để chứng minh khả năng của nó trong việc tối ưu hóa việc lập lịch trình cho các dự án xây dựng lặp đi lặp lại. Kết quả chỉ ra rằng phương pháp OMOSOS là một kỹ thuật tối ưu hóa mạnh và có thể hỗ trợ các nhà quản lý dự án trong việc lựa chọn kế hoạch phù hợp cho dự án.

Thuật toán tìm kiếm sinh vật cộng sinh (SOS) với chức năng hình phạt thích HVTH: Thạch Phi Hùng 19 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS. Phạm Hải Chiến ứng để giải quyết các vấn đề tối ưu hóa đa mục tiêu với tài nguyên ràng buộc [10], Thuật toán được lấy cảm hứng từ các tương tác của các sinh vật sống để tồn tại và phát triển trong hệ sinh thái. Trong nghiên cứu này, thuật toán SOS được xây dựng để giải quyết các vấn đề đa mục tiêu (được gọi là MOSOS).

Thuật toán sinh vật cộng sinh tìm kiếm tối ưu dựa trên lập kế hoạch nhiệm vụ trong môi trường điện toán đám mây [7]. Lập kế hoạch hiệu quả là một trong những bước chính để khai thác hiệu quả tiềm năng của điện toán đám mây. Trong điện toán đám mây, một số công việc có thể cần được lên lịch trên các máy ảo khác nhau để giảm thiểu độ dài và tăng mức sử dụng hệ thống. Nghiên cứu trình bày một thuật toán tìm kiếm sinh vật cộng sinh rời rạc (DSOS) để lập kế hoạch tối ưu cho các nhiệm vụ trên tài nguyên đám mây.

SOS là một kỹ thuật tối ưu hóa siêu dữ liệu mới được phát triển để giải quyết các vấn đề tối ưu hóa số. Kết quả mô phỏng cho thấy DSOS vượt trội so với tối ưu hóa hạt nhân (PSO), một trong những kỹ thuật tối ưu hóa phổ biến nhất được sử dụng cho các vấn đề lập kế hoạch. DSOS hội tụ nhanh hơn, điều này phù hợp với các vấn đề lập lịch quy mô lớn. Phân tích phương pháp đề xuất được thực hiện bằng T-test cho thấy hiệu suất DSOS tốt hơn đáng kể so với PSO đặc biệt là đối với không gian tìm kiếm lớn.

Bảng 2-2 Các nghiên cứu trước đây ở nước ngoài Thời Ưu điểm của các Tác giả Hướng nghiên cứu gian nghiên cứu 2017 Duc-Hoc Tran Nghiên cứu áp dụng thuật toán sinh Mô phỏng các Long Luong- vật công sinh khách quan tìm kiếm chiến lược tương Duc (OMOSOS) để lên kế hoạch thực tác cộng sinh mà Minh-Tin hiện dự án có công tác lặp đi lặp lại. các sinh vật sử Duong Thuật toán đề xuất đã được thực dụng để tồn tại Trong-Nhan le hiện trên hai ví dụ ứng dụng để trong hệ sinh thái. Anh-Duc Pham chứng minh khả năng của nó trong Một lợi thế chính việc tối ưu hóa việc lên kế hoạch cho của thuật toán các dự án xây dựng lặp đi lặp lại SOS so với hầu HVTH: Thạch Phi Hùng 20 MSHV: 1770408 GVHD1: TS. Trần Đức Học GVHD2: TS.