Nghiên cứu này đề xuất một thuật toán đa mục tiêu nhóm xã hội (MOSGO) và phương pháp ra quyết định đa tiêu chí (MCDM) để cân bằng thời gian, chi phí, rủi ro của dự án. Mô hình sẽ áp dụng cho một dự án thực tế để thấy được tính hiệu quả của thuật toán đề xuất. Các kết quả so sánh chỉ ra rằng phương pháp MOSGO là một công cụ mạnh, hiệu quả trong việc tìm kiếm đường cong của tập tối ưu. Ngoài ra, phương pháp ra quyết định đa tiêu chí được áp dụng để giúp nhà quản lý dự án lựa chọn giải pháp phù hợp nhất cho dự án. Mời các bạn tham khảo!
Tạp chí Khoa học Cơng nghệ Xây dựng, NUCE 2020 14 (5V): 1–10 ĐỀ XUẤT THUẬT TOÁN ĐA MỤC TIÊU NHÓM XÃ HỘI VÀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA TIÊU CHÍ CHO BÀI TỐN THỜI GIAN, CHI PHÍ, RỦI RO TRONG TIẾN ĐỘ DỰ ÁN Hồ Ngọc Khoaa,∗, Trần Đức Họcb , Lương Đức Longa a Khoa Xây dựng dân dụng Công nghiệp, Trường Đại học Xây dựng, số 55 đường Giải Phóng, quận Hai Bà Trưng, Hà Nội, Việt Nam b Khoa Kỹ thuật Xây dựng, Trường Đại học Bách Khoa TP Hồ Chí Minh, số 268 đường Lý Thường Kiệt, quận 10, TP Hồ Chí Minh, Việt Nam Nhận ngày 25/08/2020, Sửa xong 20/10/2020, Chấp nhận đăng 22/10/2020 Tóm tắt Trong lập kế hoạch dự án, rút ngắn thời gian để rút ngắn tổng chi phí tổng thời gian dự trữ dự án giảm dẫn đến cơng việc có xu hướng trở thành công việc găng Điều này, dẫn đến xác suất hoàn thành dự án giảm tăng nguy chậm trễ tiến độ Yếu tố rủi ro nghiên cứu cân nhắc thông qua (1) tổng thời gian dự trữ dự án (2) biến động tài nguyên Nghiên cứu đề xuất thuật tốn đa mục tiêu nhóm xã hội (MOSGO) phương pháp định đa tiêu chí (MCDM) để cân thời gian, chi phí, rủi ro dự án Mơ hình áp dụng cho dự án thực tế để thấy tính hiệu thuật tốn đề xuất Các kết so sánh phương pháp MOSGO công cụ mạnh, hiệu việc tìm kiếm đường cong tập tối ưu Ngồi ra, phương pháp định đa tiêu chí áp dụng để giúp nhà quản lý dự án lựa chọn giải pháp phù hợp cho dự án Từ khoá: quản lý dự án; tiến độ; thuật toán tiến hóa; thời gian-chi phí-rủi ro; đa tiêu chí PROPOSING MULTIPLE OBJECTIVE SOCIAL GROUP OPTIMIZATION AND MULTICRITERIA DECISION-MAKING METHOD FOR TIME-COST-RISK TRADEOFF IN PROJECT SCHEDULING Abstract In project scheduling, when the project duration is shortened to reduce total cost, the total float is lost resulting in more critical or nearly critical activities This results in reducing the probability of completing the project on time and increases the risk of project delays The aspect of “risk” in this research is considered as a function that integrates the two elements: (1) the total float of project; (2) the resource fluctuation This study proposes multiple objective social group optimization (SGO) and multicriteria decision-making method (MCDM) for time-cost-risk tradeoff in project scheduling The performance of proposed model is verified by a case study of real construction project The comparison results indicated that the proposed approach is a powerful, efficient and effective tool in finding the Pareto curve In addition, the multi-criteria decision making approaches are applied to help the project managers in selecting an appropriate schedule for project implementation Keywords: project management; scheduling; evolutionary algorithms; time-cost-risk; multicriteria https://doi.org/10.31814/stce.nuce2020-14(5V)-01 © 2020 Trường Đại học Xây dựng (NUCE) Giới thiệu Phát triển phương pháp lập kế hoạch tài nguyên phù hợp nhiệm vụ quan trọng người quản lý dự án để giảm chi phí khơng cần thiết tạo lợi nhuận cao ∗ Tác giả đại diện Địa e-mail: tdhoc@hcmut.edu.vn (Học, T Đ.) Khoa, H N., cs / Tạp chí Khoa học Công nghệ Xây dựng Thông thường dự án cân hai yếu tố quan trọng thời gian chi phí [1–3] Các nhà nghiên cứu thiết lập nhiều mơ hình áp dụng nhiều phương pháp để tối ưu hóa vấn đề cân chi phí thời gian (TCT) ngành xây dựng Trong số phương pháp này, thuật tốn tiến hóa chứng minh hiệu việc tìm kiếm giải pháp cân thời gian chi phí [4–8] Chi phí tài ngun cơng nghệ sử dụng dự án thường liên quan đến suất thời gian thực dự án Khi sử dụng tài nguyên nhiều công nghệ cao rút ngắn thời gian dự án [9] Tuy nhiên rút ngắn thời gian chi phí dự án dẫn đến rủi ro chất lượng dự án, làm cho dự án xuống cấp nhanh dự kiến tăng chi phí bảo trì [10] Các dự án xây dựng có nhiều rủi ro nhiều yếu tố khơng chắn điều kiện thời tiết, kỹ lao động, điều kiện công trường, vật liệu, thiết bị cách thức quản lý [11] Do tính chất động khơng chắn dự án xây dựng, trì hỗn không mong đợi xảy ảnh hưởng xấu đến tiến độ dự án Trì hỗn cơng tác khơng Găng khơng ảnh hưởng đến tiến độ toàn dự án, nhiên giảm thiểu thời gian trữ gia tăng chi phí dự án Thêm vào, thời gian dự án rút ngắn, tổng thời gian trữ bị giảm có thêm nhiều công tác găng gần găng Điều làm giảm xác suất hoàn thành dự án hạn tăng nguy chậm trễ tiến độ [1, 12, 13] Do cần phải đưa yếu tố rủi ro mơ hình thời gian chi phí dự án để có mơ hình quản lý tiến độ hiệu Satapathy Naik [14] phát triển thuật tốn tối ưu hóa hiệu mới, gọi tối ưu hóa nhóm xã hội (SGO), xây dựng từ hành vi xã hội người để giải vấn đề tối ưu toàn cục phức tạp Thuật tốn SGO có cấu trúc đơn giản dễ vận hành, đồng thời thể hiệu quả, dễ dàng tính tốn có tính ổn định việc cung cấp giải pháp tối ưu cho vấn đề tối ưu hóa đơn mục tiêu Các nghiên cứu gần thuật toán SGO vượt trội nhiều phiên cải tiến thuật tốn đại tối ưu hóa bầy đàn (PSO-Particle swarm optimization), tiến hóa vi phân (DE-Differential evolution) đàn ong nhân tạo (ABC- Artificial bee colony algorithm) , biến thể chúng việc giải tốn tối ưu tồn cục vấn đề kỹ thuật liên quan [15–17] Từ thuật toán SGO đơn mục tiêu, nghiên cứu mở rộng thành thuật toán SGO đa mục tiêu kết hợp lý thuyết định đa tiêu chí mơ hình đề xuất để giải vấn đề cân thời gian, chi phí rủi ro dự án xây dựng Bài tốn thời gian chi phí rủi ro tiến độ dự án Một dự án M công tác biểu diễn sơ đồ công tác nút bao gồm M nút mối quan hệ nút Mỗi cơng tác dự án thực thông qua phương án thi công khác tùy thuộc vào số lượng tài nguyên, công nghệ thiết bị sử dụng Mỗi phương án lựa chọn công tác tương ứng thời gian, chi phí điểm rủi ro cụ thể để thực Vấn đề cân thời gian, chi phí rủi ro dự án xây dựng tập trung vào việc xác định phương án thi công công tác thời gian bắt đầu công tác đường găng để đạt tiến độ tối ưu, chi phí hiệu giảm thiểu rủi ro - Giảm thiểu thời gian dự án tính theo cơng thức [18] T p = Max (FT i ) = Max (ST i + Di ) i=1, ,M i=1, ,M (1) ST i , FT i thời gian bắt đầu (Start time) kết thúc (Finish time) công tác (i) tương ứng Thời gian thực công tác i ký hiệu Di Thời gian thực cơng tác thay đổi thời gian bình thường thời gian rút ngắn tùy thuộc vào tùy chọn phương án Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng - Giảm thiểu chi phí dự án tính theo cơng thức [18] M Tạp chí Khoa học Cơng nghệ Xây dựng, NUCE 2020 TC p = C D + C I = ci + C0 + bT P i=1 105 p-ISSN 2615-9058; e-ISSN 2734-9489 (2) - Giảm thiểu rủi ro dự án M chi phí trực tiếp được106 tính tổng chirủiphí trực nghiên tiếp cảđược cân công tácthông CD = i số thời gia Yếu tố ro cứutấtnày nhắc qua (1)ctổng 107 dự trữ dự án (2) biến động tài nguyên Thời gian trựi=1 định nghĩa l Rút ngắn thời gian dự án liên quan đến chi phí trực tiếp kết hợp với việc lựa chọn phương án thực 108 khoảng thời gian cơng tác trì hỗn mà khơng ảnh hưởng tổng thời gian hồ cơng tác Tuy nhiên, có nhiều loại chi phí khác thường gặp dự án Trong chi phí trực tiếp 109 thành dự án Khoảng thời gian dự trữ định bên liên quan để giảm bao gồm chi phí chung C0 (có thể bao gồm chi phí văn phịng, chi phí huy động chi phí ban 110 thiểu rủi ro cho cơng tác khơng găng dựa vào phân tích xáo trộn thời gian dự đầu khác) tỷ lệ chi phí 111 liên quan đến thời gian dự án bT Hệ số b hệ số chi phí tương ứng [13, 19, 20] Các tiến độ đượcplập ban đầu thường bị biến động tài nguyên dẫn đến s với đơn vị thời gian trễ dự112 án, b không thườnghiệu lấy theo phần trăm tổng chi phí (10-20%) T p nhà quả, tốn rủi ro cao cho nhà thầu thực Vì vậy, biểu thị thời gian chênh thời gian dự án thuật tốn tìm thời gian giả định trước Thông 113 lý xây dựng bắt buộc phải thực quy trình điều chỉnh tiến độ để giảm biến độn thường thời gian giả định thời gian mà tất công sớm q thựctrình phương 114 khơng cần thiết việc sử tác dụng tài khởi nguyên thực dự án Giảm thiể án thi cơng có thời gian thực 115 nhỏrủinhất ro dự án tính theo công thức [1] - Giảm thiểu rủi ro dự án Pd Rt tổng R Yếu tố rủi ro nghiên cứu cân nhắc 1thông qua (1) số thời gian dự trữ dự TFcurrent t R w1 * w2 116 (3 án (2) biến động tài nguyên Thời gian trựTFđược định nghĩa khoảng thời gian cơng tác max Pd * R trì hỗn mà khơng ảnh hưởng tổng thời gian hoàn thành dự án Khoảng thời gian dự trữ 117 thiểu rủi TF gian trữ củagăng dự ándựa theovào tiếnphân độ tại;xáo TFmax tổng thờ định bên liên quan để giảm rocurrent chotổng cácthời cơng tácdựkhơng tích trộn thời gian dự án [13, 19, Cácdữtiến độ ban đầu thường bị biến tài nguyên 11820].gian trữ dự án ởlập mức linh động cácđộng công tác xếp khởi sớm dẫn đến khơng hiệu quả, tốn119 rủicórothể caoRtcho thầu thực Vìt vậy, nhà quản nhucác cầunhà tài nguyên thời điểm ; R tài nguyên trunglýbình; wi hệ s xây dựng bắt buộc phải thực quy trình điều chỉnh tiến độ để giảm biến động không cần thiết 120 chia theo mức độ quan trọng tài nguyên Pd tổng thời gian thực dự án việc sử dụng tài nguyên trình thực dự án Giảm thiểu rủi ro dự án tính 121 Đề xuất mơ hình cho tốn thời gian chi phí rủi ro theo cơng thức [1] Pd tối ưu hóa 122 mơ tả thuật tốn nhóm xã hội đa mục tiêu dựa thuật toá TFPhần t=1 Rt − R current + R=w − SGO để cân + đồng w2 thời thời gian ∗ 1gốc 123 chi phí rủi ro tiến(3) độ dự án xâ TFmax + Rtrúc mơ hình đề xuất kết hợp MOSGO MCDM d ∗cấu 124 dựng Hình mơ tả sơ đồ tồnPbộ Đề xuất mơ hình cho tốn thời gian chi phí rủi ro Phần mơ tả thuật tốn tối ưu hóa nhóm xã hội đa mục tiêu dựa thuật toán gốc SGO để cân đồng thời thời gian chi126 phí rủi ro tiến độ dự án xây dựng Hình mơ tả sơ đồ tồn cấu trúc mơ hình đề xuất kết hợp MOSGO MCDM cho vấn đề cân thời gian, chi phí rủi ro (TCR) Tối ưu hóa MOSGO 125dự trữ chocủa vấn dự đề cân TFcurrent tổng thời gian án thời gian, chi phí rủi ro (TCR) theo tiến độ tại; TFmax tổng thời gian trữ Thông tin dự án Bắt đầu Thiết lập tham số dự án mức linh động công Xác định biến định Kết thúc Khởi tạo quần thể tác xếp khởi sớm Rt nhu cầu Giải pháp tối ưu tài nguyên thời điểm t; R tài nguyên trung bình; Quần thể NP giải pháp [X1, 1, X1, 2, , X1, D ] wi hệ số chia theo mức độ quan trọng tài Lý thuyết định đa tiêu chí nguyên; Pd tổng thời gian thực dự án [XNP, 1, XNP, 2, , XNP, D ] Thời gian Giai đoạn cải thiện Chi phí Giai đoạn thu thập Lựa chọn quần thể Khơng Rủi ro Có Điều kiện dừng Pareto Front Tập hợp giải pháp Hình Sơ đồ thuật toán MOSGO-TCR Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng 3.1 Khởi tạo Đầu vào mơ hình bao gồm mối quan hệ công tác, thời gian thực cơng tác chi phí tùy chọn ci Chúng ta cần thiết lập thông số MOSGO như: kích thước quần thể (NP); số hệ tối đa (Gmax ); số biến định (D); giới hạn (LB) giới hạn (UB) cho biến định; số hàm mục tiêu (O) MOSGO sử dụng phương pháp ngẫu nhiên để khởi tạo quần thể gồm NP cá thể với xi, j ∈ [0, 1] định nghĩa công thức (4) Xi,G=0 j = LBi + xi, j ∗ (U Bi − LBi ); i = 1, D; j = 1, NP (4) 3.2 Biến định Một giải pháp tiềm cho vấn đề TCR dự án xây dựng biểu diễn vectơ D phần tử công thức (5) Vector gồm hai phần a) lựa chọn phương án thi công cho công tác; b) thời gian bắt đầu công tác X = [x1, j , , xn, j , , xN, j , xN+1, j , xt, j , , x2N, j ]; Phương án thi công S n n = 1, N; t = N + 1, 2N (5) Giá trị thời gian bắt đầu ST t Trong phần a) (Execution option – phương án thi công) N biểu thị số lượng công tác xi, j đại diện cho số nguyên khoảng [1, Mi ] (Mi tổng phương án lựa chọn để thực công tác i Hàm Ceil công thức (6) sử dụng để ánh xạ biến tới số nguyên gần chúng, xác định phương án thi công cho công tác Xi, j = Ceil(xi j × U B(i)) (6) Phần b) (Start time value – giá trị thời gian bắt đầu) xi, j dùng để xác định thời gian bắt đầu công tác khoảng thời gian trữ 3.3 Giai đoạn cải thiện Trong giai đoạn này, giải pháp Xi cá thể ith tạo dựa cá thể tốt Gbest , xuất phát từ nhóm cá thể tốt (first rank) quần thể Kỹ thuật lọc nhanh giá trị không vượt trội [21] phân loại lớp (rank) Để cân tính hiệu tối ưu, chế giai đoạn cải thiện sửa đổi phương trình (7) Xi,new j = F(Xi, j ) old Xi, j + β(Gbest − Xi,oldj ); j = 1, 2, , D best F(G ) (7) Q trình tối ưu hóa phát triển cá thể tốt Cá thể tốt hiểu thể cho giá trị hàm mục tiêu (thời gian, chi phí) tốt so với cá thể cũ Trong trường hợp old vậy, Xi,oldj thay cá thể Xi,new j Cá thể cũ Xi, j thêm vào quần thể Ngược lại, Xi,new j thêm vào quần thể Khoa, H N., cs / Tạp chí Khoa học Công nghệ Xây dựng 3.4 Giai đoạn thu thập Phương trình (8) mơ tả chế hoạt động giai đoạn thu thập old best − Xi, j f (Xi ) vượt trội f (Xk ) Xi, j + β1 Xi, j − Xk, j + β2 G new Xi, j = Xi,oldj + β1 Xk, j − Xi, j + β2 Gbest − Xi, j khác (8) Quy trình lựa chọn giai đoạn thu thập tương tự quy trình cải thiện Nếu cá thể new Xi,new j vượt trội cá thể Xi, j , Xi, j thay Xi, j Xi, j đưa vào quần thể ngoài; ngược lại, Xi,new j chuyển vào quần thể 3.5 Lựa chọn quần thể Nghiên cứu áp dụng kỹ thuật lọc nhanh giá trị không vượt trội [21] kỹ thuật entropy [22] để chọn giải pháp NP tốt từ quần thể kết hợp cho hệ Lúc đầu, kỹ thuật lọc nhanh giá trị không vượt trội áp dụng để chia quần thể hình thành tập không vượt trội cho F1 , F2 , , Fn Số quần thể lấy từ F1 đến Fk Giả sử Fk tập chọn cuối Kỹ thuật entropy áp dụng để xác định xác thành viên NP 3.6 Điều kiện dừng Điều kiện dừng người dùng xác định, chẳng hạn số lần đánh giá hàm mục tiêu số vòng lặp Gmax tối đa chạy Nghiên cứu sử dụng số vòng lặp tối đa chạy điều kiện dừng Trường hợp nghiên cứu Tính hiệu khả thi mơ hình đề xuất minh chứng dự án thực tế Dự án xây dựng cửa hàng đồ ăn nhanh thành phố Hồ Chí Minh, Việt Nam Bảng minh họa liệu dự án, bao gồm mối quan hệ logic công tác, thời gian thực cơng tác (T), chi phí (C) nhân công (R) ứng với lựa chọn phương án thực 4.1 Kết tối ưu hóa Thuật tốn MOSGO có tham số điều khiển chung kích cỡ quần thể số vịng lặp tối đa Các thơng số cài đặt thông qua phương pháp kiểm tra thử Số quần thể chọn vào khoảng đến 10*D (D số biến), Số vòng lặp tối đa xác định sau số vòng lặp mà giá trị số thể tập không vượt trội (non-dominated set) không tăng Trong trường hợp nghiên cứu này, kích cỡ quần thể đặt 100 số vòng lặp tối đa 100 Để tránh ngẫu nhiên trình tối ưu, nghiên cứu ngày tiến hành chạy mơ hình với 30 lần mơi trường Matlab Bảng liệt kê tám giải pháp tốt tương ứng với mục tiêu thời gian, chi phí, rủi ro cân hai mục tiêu Phương án thi công thời gian bắt đầu công tác công tác thể Bảng Ví dụ, giải pháp 1, cơng tác số (dầm móng) lựa chọn phương án thi cơng số thời gian bắt đầu công tác ngày (0); công tác số (dàn mái) lựa chọn phương án thi công số thời gian bắt đầu cơng tác ngày thứ Có thể thấy, giải pháp tạo cung cấp lựa chọn tốt cho thời gian dự án Giải pháp mang lại lựa chọn tối ưu cho chi phí dự án Giải pháp giảm thiểu rủi ro cho dự án giải pháp khác thỏa hiệp ba mục tiêu Có giải pháp nhà quản lý dự án lựa chọn phương án thi công theo ý đồ tổ Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng Bảng Dữ liệu dự án Lựa chọn No Tên công tác Công tác trước 10 11 12 13 14 Dầm móng Tấm tường Panel Khu vực đậu xe Dàn mái Mái Cửa cửa sổ Quầy Thiết bị tủ lạnh Thiết bị quầy Thiết bị bếp Lát sàn Hoàn thiện Cảnh quan Ký kết _ 1; 2; 4; 5; 6; 6; 7; 8;9 7;10 11; 5; 3; Lựa chọn Lựa chọn T C R T C R T C R 12 10 10 1900 5000 2900 1700 1300 3200 2600 5400 4200 6400 5000 3000 2600 3000 2 3 2 7 10 6 6 5900 6000 3500 3500 2000 5800 4000 7400 5000 8400 6000 4500 4500 2000 4 5 3 _ 5 _ _ 4 _ _ 10000 4400 4700 2800 6200 5800 _ 6200 _ 8000 5800 5800 _ _ 12 7 _ _ 5 _ Ghi chú: T (Thời gian dự án – đơn vị ngày); C (Chi phí dự án – Đơn vị ngàn đồng); R (Nhân công – Người) Bảng Các giải pháp tốt đạt mơ hình MOSGO-TCT Thông số dự án TT Sắp xếp ưu tiên [Phương án thi công; Thời gian bắt đầu công tác] Thời gian (ngày) Chi phí (nghìn đồng) Rủi ro (%) Theo thời gian [2.3.1.3.3.3.3.2.3.2.3.3.1.2; 0.3.3.8.17.19.24.24.28.32.38.43.19.11] [2.3.1.2.3.3.3.2.3.2.3.3.1.2; 0.3.3.8.18.20.25.25.29.33.39.44.20.11] 47 48 78700 77500 6.29 5.74 Theo chi phí [1.1.1.1.1.1.1.1.1.1.1.1.1.2; 0.7.7.16.28.32.41.41.48.54.64.72.32.15] [2.3.1.3.3.3.3.2.3.2.3.3.1.2; 0.7.11.16.28.30.39.39.46.52.62.70.30.19] 79 77 47200 48700 14.09 13.28 Theo rủi ro [2.1.1.3.3.3.2.1.3.2.3.3.1.2; 0.3.3.12.21.23.28.28.34.38.44.49.23.11] [2.1.1.3.2.3.2.1.3.2.3.3.1.2; 0.3.3.12.21.24.29.29.35.39.45.50.24.11] 53 54 69900 69100 4.99 5.54 Cân [2.2.1.3.2.3.2.1.3.2.3.3.1.2; 0.3.3.10.19.22.27.27.33.37.43.48.22.11] [1.1.1.1.1.1.1.1.1.2.1.1.1.2; 0.7.7.16.28.32.41.41.48.54.60.68.33.15] 52 75 70100 49200 7.25 13.51 chức Ví dụ rủi ro dự án đánh giá thông qua số cụ thể để nhà quản lý dự án đánh giá mặt định lượng Hình 2(a) hiển thị giải pháp khơng vượt trội tốt được gọi tập Pareto MOSGO tìm kiếm Hình 2(b), (c), (d) hình chiếu tập Pareto lên không gian 2D Các đường cong Pareto cho thấy rõ mối quan hệ thời gian, chi phí rủi ro dự án Ví dụ Hình 2(b), giải pháp S1 tạo thời gian dự án ngắn nhất; giải pháp S2 cung cấp chi phí dự án nhỏ giải pháp cân thời gian chi phí dự án Hình minh họa giải pháp 1, 3, Bảng 2, Minh họa biểu đồ tài nguyên dự án, thời gian hoàn thành dự án Tạp chí Khoa học Cơng nghệ Xây dựng, NUCE 2020 Tạp chí Khoa học Cơng nghệ Xây dựng, NUCE 2020 p-ISSN 2615-9058; e-ISSN 2734-9489 p-ISSN 2615-9058; e-ISSN 2734-9489 Tạp chí Khoa học Cơng nghệ XâyH.dựng, p-ISSN 2615-9058; e-ISSN 2734-9489 Khoa, N., vàNUCE cs / Tạp2020 chí Khoa học Cơng nghệ Xây dựng Tạp chí Khoa học Cơng nghệ Xây dựng, NUCE 2020 p-ISSN 2615-9058; e-ISSN 2734-9489 Tạp chí Khoa học Công nghệ Xây dựng, NUCE 2020 p-ISSN 2615-9058; e-ISSN 2734-9489 a) Tập giải pháp không vượt trội a) Tập giảigiải pháp vượttrội trội (a) Tập phápkhông không vượt a) Tập giải pháp không a) Tập giảivượt pháptrội không vượt trội a) Tập giải pháp không vượt trội (b) Đường cong thời gian––chi chi phí phí b) Đường cong thời gian b) Đường cong thời gian – chi phí b) Đường cong thời gian – chi phí 214 214 214 215 215 c) Đường cong thời gian – rủi ro d) Đường cong rủi ro – chi phí 214 (c) Đường cong cong thời gian ––rủi ro2 (d) Đường ro – chi phí 215c) Hình Các–giải pháp tốt đạt bởirocong MOSGO 214 d) Đường cong rủi – chirủiphí c) thời Đường cong thời rủi ro Đường gian rủi ro gian d) Đường c) Đường cong thờicong gianthời– gian rủi –rorủi ro d) Đường cong rủicong ro – chirủi phíro – chi phí c) Đường 215 2.pháp Các giảinhất pháp Hình Hình CácHình giải đạtt bởibởiMOSGO Các giải tốt pháp tốt đạt MOSGO 215 Các giải pháp tốtnhất đạt MOSGO Hình Hình Các2.giải pháp tốt đạt MOSGO 216 216 217 216 217 216 218 217 219 220 218 221 219 220 221 Hình Phân nguyên,tiến tiến độ độ liên liên quan tốitối ưuưu Hình Phân bổbổtàitàinguyên, quanđến đếncác cácgiải giảipháp pháp 218 4.2 So sánh kết 217 Hình Phân bổ tài nguyên, tiến độ liên quan đến giải pháp tối ưu 216 219 Để đánh giá hiệu so sánh thuật tốn đề xuất, chúng tơi so sánh 4.2 218 So kết 217sánh4.2 Hình kết Phân So sánh bổ tài nguyên, tiến độ liên quan đến giải pháp tối ưu 220 suất MOSGO với thuật tốn dụng rộng ưu ưu hóa bầy Hìnhhiệu Phân bổ tài nguyên, tiến độđược liênsửquan đến rãi các– thuật giải toán pháptốitối Để đánh giá tiêu so sánh thuật tốn đềdixuất, chúngxếp tơi khơng so sánh hiệuII suất MOSGO 221 4.2 đànhiệu đa mục (MOPSO) [23]so vàsánh thuật toán truyền vượtchúng trội 218 So 219 Đểsánh đánhkếtgiá hiệu thuật toánsắpđược đề xuất, tơi so sánh với thuật tốn sử dụng rộng rãi – thuật tốn tối ưu hóa bầy đàn đa mục tiêu (MOPSO) [23] 4.2 So sánh kết 220 hiệu suất với thuật toán đượcthuật dụng rộng rãi –xuất, thuật toán tối ưu bầy 219toán ĐểMOSGO đánh giá hiệu sotiến sánh toán đềgiải chúng tơi hóa sotrong sánh thuật di truyền sắpbổ xếp vượt trội IIđộ (NSGA-II) [21] Đểcác tạo sopháp sánh cơng Hình Phân tàikhơng ngun, liên sử quan đến tối ưubằng Để đánh giá hiệu so sánh thuật toán đề xuất, chúng tơi so sánh mục tiêu [23] vàbiến thuật tốn truyền xếp khơng trội ba221 thuật đàn tốn xem xét,(MOPSO) hai thamthuật số phổ đặtdivới kích quần thểtốilàvượt 100 vàbầy sốII 220 hiệuđa suất MOSGO với toán sử dụng rộng rãithước – thuật toán ưu hóa hiệu suất MOSGO với thuật tốn sử dụng rộng rãi – thuật tốn tối ưu hóa bầy 4.2 So sánh kết vòng 221 lặp tối đàn đa làđa 100 chotiêu trường hợp nghiên mục (MOPSO) [23]cứu thuật tốn di truyền xếp khơng vượt trội II đàn đa mục tiêu (MOPSO) [23] thuật tốn di truyền xếp khơng vượt trội II toán Để đánh giá hiệu so sánh thuật đề xuất, so sánh hiệu suất MOSGO với thuật toán sử dụng rộng rãi – thuật tốn tối ưu hóa bầy đàn đa mục tiêu (MOPSO) [23] thuật toán di truyền xếp không vượt trội II Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng Các cài đặt tham số cho thuật toán so sánh sau Trong MOPSO, tham số nhận thức xã hội c1 c2 , đặt thành tham số trọng lượng quán tính w xác định từ 0,3 đến 0,7 Trong NSGA-II, xác suất chéo pc = 0,9 xác suất đột biến pm = 0,5 Các thông số lựa chọn từ đề xuất nghiên cứu trước [6, 21] Khác với thuật toán đơn mục tiêu, thơng thường thuật tốn đa mục tiêu sử dụng số sau để so sánh tính hiệu Bảng thể kết so sánh thuật toán, bảng MOSGO chứng tỏ thuật toán hiệu tất thuật toán so sánh Với tiêu chí định nghĩa sau Bảng Kết số so sánh thuật toán Thuật toán Chỉ số 1: DM Chỉ số 2: SP Chỉ số 3: HV MOSGO MOPSO NSGA-II 18.352 12.727 10.409 0.424 0.606 0.734 0.818 0.724 0.715 Độ phân bố (DM) tính theo cơng thức 9, Min, Max fi giá trị nhỏ lớn tương ứng theo hàm mục tiêu; k số hàm mục tiêu Giá trị DM lớn tốt DM = k i=1 (Min fi − Max fi ) (9) Độ mở rộng (SP) tính theo cơng thức 10 SP = d f + dl + di − d¯ d f + dl + (N − 1)d¯ N−1 i=1 (10) d f dl khoảng cách điểm xa tập tới điểm biên, di khoảng cách hai điểm liên tiếp tập tối ưu, d¯ giá trị trung bình SP nhỏ thuật tốn hiệu Thể tích hình bao (HV) tính theo cơng thức (11) vi độ lớn từ điểm tới điểm tham khảo cho người định Giá trị HV lớn thể thuật tốn tìm giải pháp tốt |Ω| (11) HV = volume vi i=1 4.3 Lý thuyết định Thuật tốn tối ưu hóa đa mục tiêu cho kết dạng tập hợp giải pháp không vượt trội gọi tập Pareto Thông thường, tất mục tiêu toán đa mục tiêu xung đột lẫn nhau, Pareto lớn khó để người quản lý đưa định lựa chọn giải pháp phù hợp Phương pháp định đa tiêu chí dựa nhiều tiêu chí giúp xếp hạng tất giải pháp không vượt trội theo thứ tự, phương pháp tương tự phương pháp đề xuất nghiên cứu tác giả Shannon [24], Monghasemi, Nikoo [25] Hình trình bày xếp hạng tập Pareto chọn thu thuật toán đề xuất MOSGO theo điểm số ưu tiên cho trường hợp nghiên cứu 253 254 255 256 257 chí dựa nhiều tiêu chí giúp xếp hạng tất giải pháp khơng vượt trội theo thứ tự, phương pháp tương tự phương pháp đề xuất nghiên cứu tác giả Shannon [24], Monghasemi, Nikoo [25] Hình trình bày xếp hạng tập Pareto chọn thu thuật toán đề xuất MOSGO theo điểm số ưu tiên cho trường hợp nghiên cứu Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng 258 Hình Điểmsốsốcủa củacác giải giải pháp Hình 4 Điểm pháptrong trongtập tậpPareto Pareto 259 260 Kết luận 261 Kết luận Nghiên cứu trình bày thuật tốn tối ưu hóa nhóm xã hội đa mục tiêu 262 để giải vấn đề cân thời gian chi phí rủi ro dự án xây dựng 263 cứuMOSGO trêntoán thuậttối toán đơn mục tiêu MOSGO Nghiên trìnhphát bàytriển mộtdựa thuật ưugốc hóa nhóm xã hội đa mục tiêuthuật để giải 264bằng toánthời mạnh, đáng cậy,và rủi khả ro tạo racác tập dự Pareto giảiMOSGO pháp, có độ phânphát triển dựa vấn đề cân gian chitinphí án với xâynhiều dựng rộng Tập Pareto tạo cung hữu ích cho nhàtin quản lý dự thuật265 toánbố gốc đơn mục tiêu MOSGO cấp mộtthơng thuậttintốn mạnh, đáng cậy, án khả tạo 266 để cân tối ưu mục tiêu dự án bao gồm thời gian, chi phí rủi ro dự tập Pareto với nhiều giải pháp, có độ phân bố rộng Tập Pareto tạo cung cấp thông tin hữu ích 267 án Phương pháp định đa tiêu chí chấm điểm xếp hạng giải pháp giúp cho nhà quản lý dự án để cân tối ưu mục tiêu dự án bao gồm thời gian, chi phí rủi 268 nhà quản lý lựa chọn phương pháp phù hợp ro dự án Phương pháp định đa tiêu chí chấm điểm xếp hạng giải pháp giúp nhà 269 Trường hợp nghiên cứu dự án xây dựng thực tế phân tích để xác nhận quản lý lựa chọn phương pháp phù hợp 270 tính hiệu mơ hình đề xuất để chứng minh khả mơ hình việc Trường hợp nghiên cứu dự án xây dựng thực tế phân tích để xác nhận tính hiệu mơ hình đề xuất để chứng minh khả mơ hình việc tạo giải pháp không vượt trội Việc so sánh kết thực 11 dự án để chứng minh hiệu suất phương pháp đề xuất so với thuật tốn tiến hóa đa mục tiêu sử dụng rộng rãi MOSGO có khả tìm kiếm mạnh hiệu so với thuật toán so sánh Mơ hình đề xuất dễ hiểu dễ minh họa máy tính Thuật tốn khơng giới hạn số hàm mục tiêu số biến Do vậy, thuật toán ứng dụng tốn đa mục tiêu khơng lĩnh vực xây dựng mà lĩnh vực khoa học kỹ thuật khác Tài liệu tham khảo [1] Al Haj, R A., El-Sayegh, S M (2015) Time–cost optimization model considering float-consumption impact Journal of Construction Engineering and Management, 141(5):04015001 [2] Zahraie, B., Tavakolan, M (2009) Stochastic time-cost-resource utilization optimization using nondominated sorting genetic algorithm and discrete fuzzy sets Journal of Construction Engineering and Management, 135(11):1162–1171 [3] Linh, L Đ., Toản, N Q., Hải, N H., Cường, V K (2016) Sử dụng phương pháp mô Monte Carlo để ước lượng thời gian dự phịng lập tiến độ thi cơng xây dựng Tạp chí Khoa học Cơng nghệ Xây dựng (KHCNXD)-ĐHXD, 10(3):64–67 [4] Feng, C.-W., Liu, L., Burns, S A (1997) Using genetic algorithms to solve construction time-cost tradeoff problems Journal of Computing in Civil Engineering, 11(3):184–189 [5] Hegazy, T (1999) Optimization of construction time-cost trade-off analysis using genetic algorithms Canadian Journal of Civil Engineering, 26(6):685–697 Khoa, H N., cs / Tạp chí Khoa học Cơng nghệ Xây dựng [6] Yang, I.-T (2007) Using elitist particle swarm optimization to facilitate bicriterion time-cost trade-off analysis Journal of Construction Engineering and Management, 133(7):498–505 [7] Xiong, Y., Kuang, Y (2008) Applying an ant colony optimization algorithm-based multiobjective approach for time–cost trade-off Journal of Construction Engineering and Management, 134(2):153–156 [8] Geem, Z W (2010) Multiobjective optimization of time-cost trade-off using harmony search Journal of Construction Engineering and Management, 136(6):711–716 [9] Học, T Đ (2019) Tối ưu cân thời gian chi phí tiến độ dự án có cơng tác lặp lại Tạp chí Khoa học Cơng nghệ Xây dựng (KHCNXD)-ĐHXD, 13(1V):56–65 [10] El-Rayes, K., Kandil, A (2005) Time-cost-quality trade-off analysis for highway construction Journal of Construction Engineering and Management, 131(4):477–486 [11] Sakka, Z I., El-Sayegh, S M (2007) Float consumption impact on cost and schedule in the construction industry Journal of Construction Engineering and Management, 133(2):124–130 [12] Mohammadipour, F., Sadjadi, S J (2016) Project cost–quality–risk tradeoff analysis in a timeconstrained problem Computers & Industrial Engineering, 95:111–121 [13] Al-Gahtani, K S (2009) Float allocation using the total risk approach Journal of Construction Engineering and Management, 135(2):88–95 [14] Satapathy, S., Naik, A (2016) Social group optimization (SGO): a new population evolutionary optimization technique Complex & Intelligent Systems, 2(3):173–203 [15] Naik, A., Satapathy, S C., Ashour, A S., Dey, N (2018) Social group optimization for global optimization of multimodal functions and data clustering problems Neural Computing and Applications, 30(1): 271–287 [16] Nagireddy, V., Parwekar, P., Mishra, T K (2019) Comparative Analysis of PSO-SGO Algorithms for Localization in Wireless Sensor Networks Information Systems Design and Intelligent Applications, Springer, 401–409 [17] Rajinikanth, V., Satapathy, S C (2018) Segmentation of ischemic stroke lesion in brain MRI based on social group optimization and Fuzzy-Tsallis entropy Arabian Journal for Science and Engineering, 43 (8):4365–4378 [18] Tran, D.-H., Cheng, M.-Y., Cao, M.-T (2015) Hybrid multiple objective artificial bee colony with differential evolution for the time–cost–quality tradeoff problem Knowledge-Based Systems, 74:176–186 [19] Gong, D., Rowings Jr, J E (1995) Calculation of safe float use in risk-analysis-oriented network scheduling International Journal of Project Management, 13(3):187–194 [20] de la Garza, J M., Prateapusanond, A., Ambani, N (2007) Preallocation of total float in the application of a critical path method based construction contract Journal of Construction Engineering and Management, 133(11):836–845 [21] Deb, K., Pratap, A., Agarwal, S., Meyarivan, T A M T (2002) A fast and elitist multiobjective genetic algorithm: NSGA-II IEEE Transactions on Evolutionary Computation, 6(2):182–197 [22] Wang, Y.-N., Wu, L.-H., Yuan, X.-F (2010) Multi-objective self-adaptive differential evolution with elitist archive and crowding entropy-based diversity measure Soft Computing, 14(3):193 [23] Dai, C., Wang, Y., Ye, M (2015) A new multi-objective particle swarm optimization algorithm based on decomposition Information Sciences, 325:541–557 [24] Shannon, C E (1948) A mathematical theory of communication The Bell System Technical Journal, 27 (3):379–423 [25] Monghasemi, S., Nikoo, M R., Fasaee, M A K., Adamowski, J (2015) A novel multi criteria decision making model for optimizing time–cost–quality trade-off problems in construction projects Expert Systems with Applications, 42(6):3089–3104 10 ... tối ưu hóa nhóm xã hội đa mục tiêu 262 để giải vấn đề cân thời gian chi phí rủi ro dự án xây dựng 263 cứuMOSGO trêntoán thuậttối toán đơn mục tiêu MOSGO Nghiên trìnhphát bàytriển mộtdựa thuật ưugốc... nhóm xã hội đa mục tiêuthuật để giải 264bằng toánthời mạnh, đáng cậy ,và rủi khả ro tạo racác tập dự Pareto giảiMOSGO pháp, có độ phânphát triển dựa vấn đề cân gian chitinphí án với xâynhiều dựng... tốt cho thời gian dự án Giải pháp mang lại lựa chọn tối ưu cho chi phí dự án Giải pháp giảm thiểu rủi ro cho dự án giải pháp khác thỏa hiệp ba mục tiêu Có giải pháp nhà quản lý dự án lựa chọn phương