Ứng dụng thuật toán cộng sinh tìm kiếm đa mục tiêu và bim trong quản lý thời gian, chi phí của dự án

ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HCM THẠCH PHI HÙNG ỨNG DỤNG THUẬT TỐN CỘNG SINH TÌM KIẾM ĐA MỤC TIÊU VÀ BIM TRONG QUẢN LÝ THỜI GIAN, CHI PHÍ CỦA DỰ ÁN Chuyên ngành: Quản lý xây dựng Mã số: 60.58.03.02 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 01 năm 2020 CƠNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA Cán hướng dẫn khoa học: TS TRẦN ĐỨC HỌC TS PHẠM HẢI CHIẾN Cán chấm nhận xét 1: PGS.TS LƯƠNG ĐỨC LONG Cán chấm nhận xét 2: TS NGUYỄN HOÀI NGHĨA Luận Văn Thạc Sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp Hồ Chí Minh, ngày 11 tháng 01 năm 2020 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS PHẠM HỒNG LUÂN – CHỦ TICH HỘI ĐỒNG BẢO VỆ TS PHẠM VŨ HỒNG SƠN – THƯ KÝ PGS.TS LƯƠNG ĐỨC LONG – PHẨN BIỆN TS NGUYỄN HOÀI NGHĨA – PHẢN BIỆN TS CHU VIỆT CƯỜNG - ỦY VIÊN Chủ tịch hội đồng đánh giá luận văn Bộ môn quản lý chuyên ngành ĐẠI HỌC QUỐC GIA TP HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA _ Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: THẠCH PHI HÙNG MSHV : 1770408 Ngày tháng năm sinh: 26 - 01 - 1992 Nơi sinh : Bến Tre Chuyên ngành : QUẢN LÝ XÂY DỰNG Mã số : 60.58.03.02 TÊN ĐỀ TÀI: I ỨNG DỤNG THUẬT TỐN CỘNG SINH TÌM KIẾM ĐA MỤC TIÊU VÀ BIM TRONG QUẢN LÝ THỜI GIAN, CHI PHÍ CỦA DỰ ÁN NHIỆM VỤ LUẬN VĂN: - Nghiên cứu tổng quan phương pháp tối ưu đa mục tiêu - Xây dựng mơ hình tối ưu hóa đa mục tiêu dựa thuật tốn cộng sinh tim kiếm đa mục tiêu (Multiple Objective Symbiotic Organisms Search) - Ứng dụng Dynamo để chuyển thông tin từ mơ hình Revit thành liệu đầu vào thuật tốn tối ưu - Đề xuất công cụ hỗ trợ đưa định trực quan cho nhà quản lý dự án nhà thầu thi công việc lựa chọn chi phí tiến độ thi cơng phù hợp với dự án xây dựng II NGÀY GIAO NHIỆM VỤ: 19/08/2019 III NGÀY HOÀN THÀNH NHIỆM VỤ: 10/12/2019 IV CÁN BỘ HƯỚNG DẪN: TS TRẦN ĐỨC HỌC, TS PHẠM HẢI CHIẾN Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua Tp.HCM, ngày … tháng 12 năm 2019 CÁN BỘ HƯỚNG DẪN CÁN BỘ HƯỚNG DẪN TS TRẦN ĐỨC HỌC TS PHẠM HẢI CHIẾN CHỦ NHIỆM BỘ MÔN TS ĐỖ TIẾN SỸ TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG ………………………………………………………… LỜI CẢM ƠN Năm 2017, tiếp tục đường học vấn thân với lớp cao học ngành Quản Lý Xây Dựng trường Đại học Bách Khoa Tp HCM Thời gian trôi qua thật nhanh! Giờ hồn thành khóa học Bài luận văn xem thử thách cuối cho trình nổ lực, kiên trì học tập nghiên cứu thân năm qua Bên cạnh đó, tơi ln nhận giúp đỡ tận tình thầy cơ, bạn bè, đồng nghiệp đặc biệt động viên, khuyến khích mạnh mẽ tinh thần từ gia đình Tôi xin gửi lời cảm ơn tri ân sâu sắc đến Thầy Cô môn Thi công Quản Lý Xây Dựng, cảm ơn giảng dạy tâm huyết nhiệt tình Thầy Cơ, truyền đạt kiến thức bổ ích ln đồng hành suốt năm qua Dưới hướng dẫn tận tình, động viên, giúp đỡ thầy TS Trần Đức Học Thầy TS Phạm Hải Chiến giúp tơi hồn thành Luận văn với đề tài “Ứng dụng thuật tốn cộng sinh tìm kiếm đa mục tiêu Bim quản lý thời gian, chi phí dự án” Trong q trình thực đề tài cịn gặp nhiều khó khăn, tơi cố gắng để hồn thiện luận văn, nhiên khơng tránh khỏi sai sót Vì vậy, tơi mong nhận nhận xét Thầy Cô bạn để nghiên cứu hồn thiện Cuối cùng, tơi xin cảm ơn người thân gia đình ủng hộ tinh thần động viên em q trình thực luận văn, nguồn động lực lớn để phấn đấu học tập, nghiên cứu làm việc tốt Tp HCM, ngày 10 tháng 12 năm 2019 Tác giả luận văn Thạch Phi Hùng TÓM TẮT LUẬN VĂN Quản lý tiến độ chi phí đóng vai trị quan trọng định thành công dự án đầu tư xây dựng Việc nâng cao hiệu quản lý tiến độ chi phí vấn đề cốt lõi nhà thầu, nhằm tiết kiệm thời gian, nguyên vật liệu, nhân cơng, máy móc, thiết bị, tăng suất lao động ….Việc đảm bảo tiến độ tiết kiệm chi phí làm tăng lợi nhuận nhà thầu, bên cạnh tạo uy tính chủ đầu tư nâng cao vị cạnh tranh nhà thầu thương trường Nghiên cứu đề xuất mô hình tối ưu hóa dựa thuật tốn phát triển gần gọi cộng sinh tìm kiếm đa mục tiêu (MOSOS) MOSOS bắt chước chiến lược quan hệ cộng sinh mà sinh vật sử dụng để tồn hệ sinh thái Mơ hình đề xuất thuật tốn cộng sinh tìm kiếm đa mục tiêu cho tốn: tiến độ, chi phí Đề xuất mơ hình kiểm nghiệm dự án thực tế nước Các kết thực nghiệm đạt từ nghiên cứu mang lại lợi ích lớn cho nhà quản lý dự án hay nhà thầu, hỗ trợ đưa định giải tồn đa mục tiêu lĩnh vực thi cơng xây dựng Đặc biệt, mơ hình đề xuất mang đến lợi ích đáng kể cho ngành cơng nghiệp xây dựng công cụ hỗ trợ hiệu cho nhà thầu quản lý xây dựng Từ khóa: Multiple Objective Symbiotic Organisms Search, Dynamo, BIM ABSTRACT Managing progress and costs plays an important role in determining the success of a construction investment project Improving efficiency in managing progress and costs is a core issue for all contractors, in order to save time, materials, labor, machinery and equipment, increase labor productivity ensuring progress and cost savings will increase contractor profits, besides, will create prestige for investors and improve the competitive position of contractors in the market This study proposes an optimization model based on a recently developed algorithm called multiple objective symbiotic organisms search (MOSOS) MOSOS mimics the symbiotic relationship strategies that organisms use to survive in ecosystems The proposed model is a algorithm for problems: time, cost Proposed models tested by actual domestic projects The empirical results gained from this study are of great benefit to project managers or contractors, supporting decision-making when solving multi-objective projects in the field of construction In particular, this proposed model can bring significant benefits to the construction industry as an effective support tool for contractors and construction managers Keywords: Multiple Objective Symbiotic Organisms Search, Dynamo, BIM LỜI CAM ĐOAN Tôi xin cam đoan luận văn cơng trình nghiên cứu cá nhân tơi, thực hướng dẫn khoa học TS Trần Đức Học TS Phạm Hải Chiến Các số liệu, kết luận nghiên cứu trình bày luận văn hồn tồn trung thực chưa cơng bố trước Ngồi ra, luận văn cịn có sử dụng nhận xét kết tác giả, tổ chức ngồi nước có trích dẫn nguồn gốc rõ ràng Tp.HCM, ngày 10 tháng 12 năm 2019 Thạch Phi Hùng GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến NỘI DUNG THỰC HIỆN CHƯƠNG 1: GIỚI THIỆU 10 1.1 Lý chọn đề tài 10 1.2 Mục tiêu nghiên cứu 12 1.3 Đối tượng, phạm vi nội dung nghiên cứu 13 1.3.1 Đối tượng nghiên cứu 13 1.3.2 Phạm vi nghiên cứu 13 1.3.3 Nội dung nghiên cứu 13 1.4 Phương pháp nghiên cứu 14 1.5 Đóng góp nghiên cứu 15 1.6 Bố cục luận văn 15 CHƯƠNG 2: NGHIÊN CỨU TRƯỚC ĐÂY VỀ TỐI ƯU HÓA ĐA MỤC TIÊU 17 CHƯƠNG 3: 3.1 CƠ SỞ LÝ THUYẾT 22 Tối ưu hóa đa mục tiêu (Multiple Objective Optimization) 22 3.1.1 Định nghĩa toán tối ưu đa mục tiêu 23 3.1.2 Tính vượt trội tập tối ưu (Dominance and Pareto Front) 24 3.1.3 Sắp xếp không vượt trội nhanh (Fast non-dominated sorting) 25 3.1.4 Phương pháp đám đơng Entropi (Crowding entropy measure) 26 3.2 Thuật tốn công sinh (Symbiotic Organisms Search) 27 3.2.1 Nguyên lý thuật toán cộng sinh 27 3.2.2 Ưu điểm thuật toán 31 3.3 Tổng quan BIM 31 3.3.1 Khái niệm BIM 31 HVTH: Thạch Phi Hùng MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến 3.3.2 BIM lợi ích 33 3.4 Tổng quan Dynamo – Trình tạo lập thuật toán trực quan với mã nguồn mở 34 3.4.1 Computational Design 34 3.4.2 Parametric Design 36 3.4.2.1 Khái niệm Parametric Design 36 3.4.2.2 Parametric Design với Revit 37 3.4.3 Generative Design 38 3.4.4 Visual Programming Dynamo 39 3.4.4.1 Visual Programming 39 3.4.4.2 Dynamo 41 3.4.4.3 Phương pháp tư làm việc với Visual Programming 42 3.4.5 Phương pháp kết hợp Dynamo để truy xuất liệu từ Revit 44 CHƯƠNG 4: ĐỀ XUẤT MƠ HÌNH TỐI ƯU HĨA ĐA MỤC TIÊU, LAI GHÉP BIM 45 4.1 Lưu đồ thuật tốn cộng sinh tìm kiếm đa mục tiêu 45 4.1.1 Khởi tạo quần thể 45 4.1.2 Giai đoạn tương sinh (Mutualism Phase) 46 4.1.3 Giai đoạn hội sinh (Commensalishm Phase) 49 4.1.4 Giai đoạn ký sinh (Parasitism Phase) 51 4.1.5 Điều kiện dừng 53 4.1.6 Lưu đồ thuật toán 55 4.2 Sử dụng Dynamo chuyển thông tin từ Model revit thành liệu đầu vào cho thuật toán tối ưu 56 HVTH: Thạch Phi Hùng MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến 4.2.1 Xây dựng Workflow Dynamo cho trình xuất khối lượng cột 57 4.2.1.1 Xuất liệu sang Excel (bước 5) 59 4.2.1.2 Tạo liệu theo định dạng Level khối lượng (bước 4) 62 4.2.1.3 Tạo liệu Level liệu tổng khối lượng (bước 2, 3) 63 4.2.1.4 Khởi tạo nhóm đối tượng (Bước 1) 66 4.2.2 Xây dựng Workflow Dynamo cho trình xuất khối lượng sàn 69 4.2.3 Xây dựng Workflow Dynamo cho trình xuất khối lượng dầm 70 4.2.4 Xây dựng Workflow Dynamo cho trình xuất khối lượng vách 71 4.3 Hạn chế mơ hình 72 4.4 Các ứng dụng tìm mơ hình 72 CHƯƠNG 5: 5.1 BÀI TOÁN CỤ THỂ 73 Bài tốn tối ưu chi phí tiến độ thi công xây dựng 74 5.1.1 Định nghĩa vấn đề 74 5.1.2 Áp dụng thuật tốn tìm kiếm sinh vật cộng sinh kết thực 75 5.1.2.1 Các giả định toán 75 5.1.2.2 Xây dựng tiến độ gộp cho dự án 76 5.1.2.3 Chuyển đổi file Excel thành liệu đầu vào toán tối ưu 78 5.1.3 Áp dụng thuật tốn tìm kiếm sinh vật cộng sinh kết thực 82 5.1.3.1 Áp dụng mơ hình thuật tốn với giới hạn vịng lập Gmax = 50 82 HVTH: Thạch Phi Hùng MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến 5.2.2.2Trường hợp phát sinh thêm hai tầng Mơ hình Revit cập nhật thêm tầng hình Hình 5.11 Mơ hình Revit toán cập nhật thêm tầng Dữ liệu xuất từ mơ hình Revit vẽ định dạng để tự động tính tốn dựa đơn giá khối lượng từ mơ bảng 5-12 Bảng 5-12 Dữ liệu đầu vào toán No Logical 1FS+2 days 2FS+2 days 3FS 4FS+1 day 5FS HVTH: Thạch Phi Hùng Option T C 60 6186 18 2908 18 1103 17 2610 1063 958 96 Option T C 50 6662 17 2774 17 1157 16 2736 1115 991 Option T C 40 7614 16 2595 15 1246 15 2947 1166 1073 MSHV: 1770408 GVHD1: TS Trần Đức Học 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 5FS 7FS+1 day,6FS+1 day 8FS 9FS+1 day 10FS 11FS+1 day 12FS 13FS+1 day 14FS 15FS+1 day 16FS 17FS+1 day 18FS 19FS+1 day 20FS 21FS+1 day 22FS 23FS+1 day 24FS 25FS+1 day 26FS 27FS+1 day 28FS 29FS+1 day 30FS 31FS+1 day 32FS 33FS+1 day 34FS 35FS+1 day 36FS GVHD2: TS Phạm Hải Chiến 521 539 584 222 254 262 7 7 7 7 7 7 7 7 533 189 577 189 515 189 567 177 569 177 569 177 569 177 626 195 626 195 626 195 626 195 619 195 619 195 619 45 82 6 6 6 6 6 6 6 595 217 515 217 533 217 586 203 589 203 589 203 589 203 647 223 647 223 647 223 647 223 640 223 640 212 640 50 84 5 5 5 5 5 5 5 5 577 224 533 224 577 224 635 209 638 209 638 209 638 209 701 230 701 230 701 230 701 230 693 230 693 230 693 54 92 Bảng 5-13 cho biết thông số đầu vào thuật tốn MOSOS Kích thước quần thể NP chọn 300, số lượng vòng lặp tối đa Gmax = 50 Thuật toán chạy 30 lần để trành ngẫu nhiên tìm kiếm tối ưu hóa HVTH: Thạch Phi Hùng 97 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến Bảng 5-13 Thông số đầu vào thuật tốn Thơng số đầu vào Ký hiệu Cài đặt Số biến D 37 Kích thước quần thể NP 300 Giới hạn vòng lặp Gmax 50 29.5 TẬP GIẢI PHÁP TỐI ƯU ỨNG VỚI TRƯỜNG HỢP 29 28.5 28 27.5 27 26.5 26 210 220 230 240 250 260 270 280 290 300 310 Tiến độ (ngày) Hình 5.12 Các giải pháp tốt đạt tương ứng trường hợp 5.2.2.3 Trường hợp phát sinh thêm ba tầng Mơ hình Revit cập nhật thêm tầng hình 5.13 HVTH: Thạch Phi Hùng 98 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến Hình 5.13 Mơ hình Revit toán cập nhật thêm tầng Dữ liệu xuất từ mơ hình Revit vẽ định dạng để tự động tính tốn dựa đơn giá khối lượng từ mơ bảng 5-14 Bảng 5-14 Dữ liệu đầu vào toán No Logical 1FS+2 days 2FS+2 days 3FS 4FS+1 day 5FS 5FS HVTH: Thạch Phi Hùng Option T C 60 6186 18 2908 18 1103 17 2610 1063 958 521 99 Option T C 50 6662 17 2774 17 1157 16 2736 1115 991 539 Option T C 40 7614 16 2595 15 1246 15 2947 1166 1073 584 MSHV: 1770408 GVHD1: TS Trần Đức Học 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 7FS+1 day,6FS+1 day 8FS 9FS+1 day 10FS 11FS+1 day 12FS 13FS+1 day 14FS 15FS+1 day 16FS 17FS+1 day 18FS 19FS+1 day 20FS 21FS+1 day 22FS 23FS+1 day 24FS 25FS+1 day 26FS 27FS+1 day 28FS 29FS+1 day 30FS 31FS+1 day 32FS 33FS+1 day 34FS 35FS+1 day 36FS 37FS+1 day 38FS GVHD2: TS Phạm Hải Chiến 222 254 262 7 7 7 7 7 7 7 533 189 577 189 515 189 567 177 569 177 569 177 569 177 626 195 626 195 626 195 626 195 619 195 619 195 619 195 619 324 82 6 6 6 6 6 6 6 595 217 515 217 533 217 586 203 589 203 589 203 589 203 647 223 647 223 647 223 647 223 640 223 640 212 640 212 640 353 84 5 5 5 5 5 5 5 5 577 224 533 224 577 224 635 209 638 209 638 209 638 209 701 230 701 230 701 230 701 230 693 230 693 230 693 230 693 382 92 Bảng 5-15 cho biết thơng số đầu vào thuật tốn MOSOS Kích thước quần thể NP chọn 300, số lượng vịng lặp tối đa Gmax = 50 Thuật tốn chạy 30 lần để trành ngẫu nhiên tìm kiếm tối ưu hóa HVTH: Thạch Phi Hùng 100 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến Bảng 5-15 Thông số đầu vào thuật tốn Thơng số đầu vào Ký hiệu Cài đặt Số biến D 39 Kích thước quần thể NP 300 Giới hạn vòng lặp Gmax 50 31 TẬP GIẢI PHÁP TỐI ƯU ỨNG VỚI TRƯỜNG HỢP 30.5 30 29.5 29 28.5 28 27.5 27 210 220 230 240 250 260 270 280 290 300 310 Tiến độ (ngày) Hình 5.14 Các giải pháp tốt đạt tương ứng trường hợp HVTH: Thạch Phi Hùng 101 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến Hình 5.15 Các giải pháp tốt đạt tương ứng với trường hợp phát sinh Hình 5.15 trình bày giải pháp tốt đạt tương ứng với trường hợp phát sinh Biểu đồ câu trả lời cho vấn đề tìm tập giải pháp tốt chi phí, tiến độ hỗ trợ đưa định cho nhà quản lý dự án nhà thầu thi công xây dựng dự án phát sinh thay đổi thiết kế Giả sử dự án ban đầu chưa pháp sinh, chủ đầu tư lựa chọn giải pháp A để thực dự án Trong trình thi cơng, dự án thay đổi kiến trúc thêm tầng, lúc tập tối ưu đề xuất hình 5.16: HVTH: Thạch Phi Hùng 102 MSHV: 1770408 GVHD1: TS Trần Đức Học - GVHD2: TS Phạm Hải Chiến Lựa chọn 1: Nếu chi phí cơng trình bị ràng buộc khơng thể thay đổi, có lựa chọn thay giải pháp B, tiếng độ bị kéo dài - Lựa chọn 2: Lực chọn theo chi phí giảm, chọn giải pháp C, tiến bị kéo dài - Lựa chọn 3: Lựa chọn theo tiến độ giảm, lựa chọn giải pháp E, chi phí tăng lên Hình 5.16 Lựa chọn giải pháp Tùy thuộc vào tính chất cơng trình mà chủ đầu tư hay nhà thầu đưa định phù hợp để dự án hồn thành cách tốt HVTH: Thạch Phi Hùng 103 MSHV: 1770408 GVHD1: TS Trần Đức Học CHƯƠNG 6: GVHD2: TS Phạm Hải Chiến KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 6.1 Kết đạt Nghiên cứu đạt mục tiêu đặt ra, cụ thể sau: • Đầu tiên, thuật tốn cộng sinh tìm kiếm đa mục tiêu đề xuất cơng cụ tìm kiếm tối ưu hóa việc giải vấn đề tối ưu chi phí tiến độ dự án đầu tư xây dựng • Thứ hai, Nghiên cứu giúp giải toán tối ưu cách tổng quát, tăng cường độ hội tụ toàn cục cho kết tối ưu cao so với thuật tốn khác • Thứ ba, tất thuật toán đề xuất so sánh xây dựng triển khai thực phần mềm Matlab • Đề xuất cơng cụ hỗ trợ đưa định cho nhà quản lý dự án nhà thầu thi công việc lựa chọn biện pháp phù hợp với chi phí tiến độ dự án 6.2 Kết luận Thông qua nghiên cứu số kết luận rút sau: • Thuật tốn cộng sinh tìm kiếm đa mục tiêu đồng thời tìm kiếm nhận dạng tập tối ưu cho tất vấn đề tối ưu hóa đa mục tiêu • Thuật tốn cộng sinh tìm kiếm đa mục tiêu (MOSOS) tạo kết tối ưu với độ xác cao thời gian tối ưu ngắn Do đó, nhà nghiên cứu nên ý nhiều đến kỹ thuật giải toán quan trọng kỹ thuật xây dựng • Thuật tốn cộng sinh tìm kiếm đa mục tiêu đơn giản, nhanh, mạnh hiệu Thuật tốn khơng có hạn chế số lượng hàm mục tiêu mở rộng thêm nhiều mục tiêu khác Chỉ cần sửa đổi nhỏ thuật tốn có tiềm để giải toán tối ưu đa mục tiêu khác lĩnh vực quản lý xây dựng cân hiệu suất, chi phí độ tin cậy HVTH: Thạch Phi Hùng 104 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến công việc thiết kế kỹ thuật; cân nguồn tài nguyên với nguồn lực hạn chế q trình thi cơng dự án 6.3 Những đóng góp nghiên cứu Những đóng góp nghiên cứu tổng hợp theo sau: • Nghiên cứu tiên phong việc sử dụng thuật tốn cơng sinh tìm kiếm đa mục tiêu để tạo thành mơ hình tính tốn tối ưu nhằm giúp nhà quản lý dự án việc xếp lên kế hoạch tiến độ • Thơng qua toán thực tế chứng minh thuật tốn cộng sinh tìm kiếm hiệu hiệu suất cao việc giải toán đa mục tiêu lĩnh vực xây dựng mà tập tối ưu tạo thời gian ngắn Thuật tốn đề xuất có đặc điểm tạo đa dạng quần thể, mang lại giải pháp thích nghi tốt mức độ hài lịng cao giải pháp tối ưu khơng vượt trội Tập tối ưu (Pareto front) tạo thuật tốn thơng tin hữu ích cho nhà quản lý để xác định xác giải pháp tối ưu • Đề xuất cơng cụ hỗ trợ đưa định cho nhà quản lý dự án nhà thầu thi công việc lựa chọn biện pháp phù hợp với chi phí tiến độ dự án 6.4 Đề xuất hướng phát triển 6.4.1 Thuật tốn • Lai ghép thuật tốn sinh vật cộng sinh tìm kiếm đa mục mục tiêu với kỹ thuật tiên tiến khác: thuật toán hỗ loạn (chaos functions), kỹ thuật đối lập • Phát triển giao diện thân thiện người dùng để thuận tiện việc sử dụng thuật tốn • Phát triển thuật tốn giải vấn đề lĩnh vực xây dựng Nhiều toán lĩnh vực xây dựng cần tối ưu, tiềm cho nghiên cứu sau HVTH: Thạch Phi Hùng 105 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến 6.4.2 Trường hợp nghiên cứu • Các nguồn tài nguyên thời gian, chi phí trường hợp nghiên cứu cân nhắc loại tài nguyên với giả định nguồn tài nguyên có mức độ lực chi phí đơn vị Vì vậy, cần nghiên cứu thêm để xây dựng mơ hình tối ưu để giải toán gồm nhiều nguồn tài nguyên, mà nguồn tài nguyên thay đổi giá chi phí • Bài tốn thời gian chi phí, với liệu đầu vào thường cố định, số cụ thể Tuy nhiên, thực tế, chuyên gia, nhà thầu, kỹ sư nhà quản lý thường đánh giá hiệu suất sử dụng chủ quan, khơng chắn Vì vậy, hướng nghiên cứu thêm cần thiết để xây dựng mơ hình tối ưu nhằm giải khơng chắn thời gian, chi phí, có xem xét khía cạnh cơng việc khơng chắn khơng xác Lai ghép mơ hình với kỹ thuật khác mơ mờ ngẫu nhiên hướng thú vị cho nghiên cứu tương lai • Cần nghiên cứu áp dụng thêm toán tối ưu đa mục tiêu thời gian chi phí, chất lượng nguồn nhân lực HVTH: Thạch Phi Hùng 106 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến TÀI LIỆU THAM KHẢO [1] Cheng, M.-Y and D Prayogo, Symbiotic Organisms Search: A new metaheuristic optimization algorithm ScienceDirect, 2014 [2] Meyer, W and L Shaffer, Extensions of the critical path method through the application of integer programming Civil Engineering and Construction Research, 1963 [3] Luan, P.H and D.T Nhan, Nghiên cứu ứng dụng thuật toán ACO (Ant colony optimization) tối ưu thời gian chi phí cho dự án xây dựng Tạp chí phát triển KH&CN, 2010 13 [4] Trang, P.T., Xây dựng chương trình tối ưu hố theo tiêu thời gian chi phí sơ đồ mạng Tạp chí khoa học cơng nghệ, Đại học Đà Nẵng, 2009 30 [5] Yang, I., Using Elitist Particle Swarm Optimization to Facilitate Bicriterion Time-Cost Trade-Off Analysis Journal of Construction Engineering and Management, 2007 133: p 498-505 [6] Ng, S and Y Zhang, Optimizing Construction Time and Cost Using Ant Colony Optimization Approach Journal of Construction Engineering and Management, 2008 13: p 498-505 [7] Abdullahi, M., Symbiotic Organism Search optimization based task scheduling incloud computing environment Future Generation Computer Systems, 2015 56: p 640 [8] Deb, K., Multi-Objective Optimization using Evolutionary Algorithms 2001 [9] Karaboga, D and B Basturk, On the performance of artificial bee colony (ABC) algorithm Applied Soft Computing, 2008 [10] Panda, A and S Pani, A Symbiotic Organisms Search algorithm with adaptive penalty function to solve multi-objective constrained optimization problems Applied Soft Computing, 2016 46: p 46 [11] Tran, D.-H., L Luong-Duc, and M.-T Duong, A novel Multiple Objective Symbiotic Organisms Search (MOSOS) for time–cost–labor utilization tradeoff problem Knowledge-Based Systems, 2016 94 [12] Karaboga, D and B Akay, A comparative study of Artificial Bee Colony algorithm Applied Mathematics and Computation, 2009 24 [13] Karaboga, D., et al., A comprehensive survey: artificial bee colony (ABC) algorithm and applications Artificial Intelligence Review, 2014 [14] Rekaby, A., Different Artificial Bee Colony Algorithms and Relevant Case Studies Intelligent Systems for Science and Information, 2014 HVTH: Thạch Phi Hùng 107 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến [15] Coello, C.A.C., G.B Lamont, and D.A.V Veldhuizen, Evolutionary Algorithms for Solving Multi-Objective Problems (2nd Edition) 2007(Springer Science+Business Media) [16] Qingfu, Z and L Hui, A Multiobjective Evolutionary Algorithm Based on Decomposition Evolutionary Computation, 2007 11: p 712-731 [17] Cheshmehgaz, H., H Haron, and A Sharifi, The review of multiple evolutionary searches and multi-objective evolutionary algorithms Artificial Intelligence Review, 2015 43 [18] Zhou, A., et al., Multiobjective evolutionary algorithms: A survey of the state of the art Swarm and Evolutionary Computation, 2011 11 [19] Marler, R.T and J.S Arora, Survey of multi-objective optimization methods for engineering Structural and Multidisciplinary Optimization, 2004 26 [20] Cheng, M.-Y and D.-H Tran, Two-Phase Differential Evolution for the Multiobjective Optimization of Time-Cost Tradeoffs in Resource-Constrained Construction Projects Engineering Management, 2014 11 [21] Cheng, M and D Tran, Opposition-Based Multiple-Objective Differential Evolution to Solve the Time–Cost–Environment Impact Trade-Off Problem in Construction Projects Journal of Computing in Civil Engineering, 2014 [22] Lei, D., Multi-objective production scheduling: a survey The International Journal of Advanced Manufacturing Technology, 2009 43 [23] Tapia, M.G.C and C.A.C Coello, Applications of multi-objective evolutionary algorithms in economics and finance: A survey Evolutionary Computation, 2007 [24] Lu, J., G Zhang, and a.D Ruan, Multi-objective Group Decision Making: Methods, Software and Applications With Fuzzy Set Techniques: Imperial College Press 2007 [25] Wu, C., X Wang, and a.J Lin, Optimizations in Project Scheduling: A Stateof-Art Survey Optimization and Control Methods in Industrial Engineering and Construction, 2014 [26] association, S.J.E.b., A History of Symbiosis Oxford University Press, 1994 [27] Deb, K., et al., Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, 2002 [28] Huang, V.L., et al., Multiobjective Differential Evolution with External Archive and Harmonic Distance-Based Diversity Measure 2008 [29] Wang, Y.-N., L.-H Wu, and X.-F Yuan, Multi-objective self-adaptive differential evolution with elitist archive and crowding entropy-based diversity measure Soft Computing - A Fusion of Foundations, Methodologies and Applications, 2009 17 HVTH: Thạch Phi Hùng 108 MSHV: 1770408 GVHD1: TS Trần Đức Học GVHD2: TS Phạm Hải Chiến [30] Tran, D.-H., M.-Y Cheng, and D Prayogo, A novel Multiple Objective Symbiotic Organisms Search (MOSOS) for time–cost–labor utilization tradeoff problem Knowledge-Based Systems, 2015 14 [31] Woodbury, R., Some Patterns for Parametric Modeling 2007 [32] Bohnacker, H., et al., Generative design: visualize, program, and create with processing 2012 HVTH: Thạch Phi Hùng 109 MSHV: 1770408 LÝ LỊCH TRÍCH NGANG THƠNG TIN CÁ NHÂN Ø Họ tên: THẠCH PHI HÙNG Ø Ngày sinh: 26/01/1992 Ø Nơi sinh: Thành Phố Bến Tre, Tỉnh Bến tre Ø Điện thoại: 0943 17 37 59 Ø E-mail: thachphihungbt@gmail.com QUÁ TRÌNH ĐÀO TẠO Ø 2011 – 2015: Sinh viên trường Đại Học Bách Khoa Tp HCM Ø 2017 – 2019: Học viên cao học trường Đại học Bách Khoa Tp.HCM Q TRÌNH CƠNG TÁC Ø 2015 – 2019: Kỹ sư thiết kế, Công Ty cổ phần đầu tư xây dựng Winbuild ... tháng năm sinh: 26 - 01 - 1992 Nơi sinh : Bến Tre Chuyên ngành : QUẢN LÝ XÂY DỰNG Mã số : 60.58.03.02 TÊN ĐỀ TÀI: I ỨNG DỤNG THUẬT TOÁN CỘNG SINH TÌM KIẾM ĐA MỤC TIÊU VÀ BIM TRONG QUẢN LÝ THỜI... THỜI GIAN, CHI PHÍ CỦA DỰ ÁN NHIỆM VỤ LUẬN VĂN: - Nghiên cứu tổng quan phương pháp tối ưu đa mục tiêu - Xây dựng mơ hình tối ưu hóa đa mục tiêu dựa thuật toán cộng sinh tim kiếm đa mục tiêu (Multiple... Trần Đức Học Thầy TS Phạm Hải Chi? ??n giúp tơi hồn thành Luận văn với đề tài ? ?Ứng dụng thuật tốn cộng sinh tìm kiếm đa mục tiêu Bim quản lý thời gian, chi phí dự án? ?? Trong q trình thực đề tài cịn