Phát triển thuật toán lai ghép đom đóm (HFA) để tối ưu vị trí cần trục tháp

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA TRƯƠNG MINH LUẬN PHÁT TRIỂN THUẬT TOÁN LAI GHÉP ĐOM ĐĨM (HFA) ĐỂ TỐI ƯU VỊ TRÍ CẦN TRỤC THÁP Chuyên ngành: Quản Lý Xây Dựng Mã số: 60.58.03.02 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2019 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI: TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC QUỐC GIA - TP HỒ CHÍ MINH Cán hướng dẫn khoa học : TS Phạm Vũ Hồng Sơn Cán chấm nhân xét : Cán chấm nhận xét : Luận văn thạc sĩ bảo vệ Trường Đại Học Bách Khoa - Đại Học Quốc Gia TP Hồ Chí Minh vào ngày … tháng 01 năm 2019 Thành phần hội đồng đánh giá Luận văn thạc sĩ gồm : Xác nhận Chủ Tịch Hội Đồng đánh giá luận văn Trưởng khoa quản lý chuyên ngành: CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Trương Minh Luận Mã số học viên: 1670143 Ngày tháng năm sinh: 01/07/1992 Nơi sinh: Tiền Giang Chuyên ngành: Quản Lý Xây Dựng Mã ngành: 60.58.03.02 I TÊN ĐỀ TÀI : PHÁT TRIỂN THUẬT TOÁN LAI GHÉP ĐOM ĐĨM (HFA) ĐỂ TỐI ƯU VỊ TRÍ LẮP ĐẶT CẦN TRỤC THÁP NHIỆM VỤ VÀ NỘI DUNG: - Xây dựng mơ hình thuật tốn lai ghép đom đóm (HFA); - Áp dụng mơ hình thuật tốn vào casestudy cụ thể, so sánh kết với nghiên cứu trước đây; - Đưa nhận xét kết luận, từ rút học hướng phát triển mơ hình thuật tốn II NGÀY GIAO NHIỆM VỤ: 08/08/2019 III NGÀY HOÀN THÀNH: 12/12/2019 IV CÁN BỘ HƯỚNG DẪN: TS Phạm Vũ Hồng Sơn Tp.HCM, ngày 12 tháng 12 năm 2019 CÁN BỘ HƯỚNG DẪN TS Phạm Vũ Hồng Sơn CHỦ NHIỆM BỘ MÔN VÀ ĐÀO TẠO TS Đỗ Tiến Sỹ TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG LUẬN VĂN THẠC SĨ LỜI CẢM ƠN Lời đầu tiên, xin cho gửi đến thầy cô ngành Quản Lý Xây Dựng Đại học Bách Khoa TPHCM lời cảm ơn sâu sắc chân thành nhất, với giảng dạy nhiệt tình, tận tâm, thầy mang đến cho vô vàng kiến thức, kinh nghiệm mà học viên có hội tiếp cận Đó thứ vơ tơi may mắn có đời Tôi muốn gửi lời cảm ơn đến TS Phạm Vũ Hồng Sơn, người thầy giúp đỡ, động viên, hướng dẫn để giúp tơi hồn thành luận văn với đề tài Phát triển thuật toán lai ghép đom đóm (HFA) để tối ưu vị trí lắp đặt cần trục tháp Vì thời gian thực luận văn có hạn nên khơng tránh khỏi sai sót, kính mong thầy bạn có lời nhận xét khách quan nhất, giúp cho luận văn tơi hồn thiện có giá trị thực tế Ngồi ra, tơi muốn cám ơn bạn bè, đồng nghiệp, gia đình, người động viên giúp đỡ tơi lúc khó khăn, vất vả Điều đó động lực giúp tơi khơng từ bỏ hoàn thành mục tiêu sống Một lần nữa, xin chân thành cảm ơn tất cả! Tp HCM, ngày 12 tháng 12 năm 2019 Tác giả luận văn Trương Minh Luận HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ TÓM TẮT Cần trục tháp cơng cụ động cần có cơng trình xây dựng, giúp vận chuyển vật tư, thiết bị tồn cơng trường theo phương đứng phương ngang Do đó, việc bố trí cần trục tháp thỏa mãn ràng buộc định công trường tối ưu suất cần trục, làm giảm thiểu chi phí xuống mức thấp Ngược lại, vị trí cần trục tháp khơng hợp lý dẫn tới việc tiến độ bị chậm trễ, suất gia tăng chi phí Hiện nay, có nhiều thuật toán Meta-heuristic đề xuất nhằm giải vấn đề tối ưu, nhiên, khơng có thuật tốn hồn hảo cả, thuật tốn có ưu điểm khuyết điểm Vì vậy, mục tiêu nghiên cứu đề xuất mơ hình lai ghép Meta-heuristic đặt tên HFA – Hybrid of firefly algorithm, bao gồm thuật tốn đom đóm (Firefly Algorithm - FA), tối ưu hóa bầy đàn (Particle Swarm Optimization - PSO), phân phối Levy Flights thuật toán tiến hóa vi phân (Differential Evolution - DE) Thuật tốn đề xuất phát huy khả tìm kiếm cục PSO tìm kiếm tồn cục FA, từ giúp tốn hội tụ nhanh Thêm vào đó, DE giúp tạo đa dạng quần thể giảm thiểu so sánh cá thể đom đóm, Levy Flights giúp đom đóm di chuyển hiệu Ngoài ra, nghiên cứu so sánh thuật toán HFA với thuật toán FA, DE, PSO, ECBO, EVPS, EBB-BC để đánh giá hiệu thuật toán đề xuất việc tối ưu hóa vị trí cần trục tháp Các kết nghiên cứu cho thấy HFA tốt thuật tốn đề cập, vậy, thuật tốn ứng dụng rộng rãi việc giải vấn đề tối ưu quản lý xây dựng HVTH: TRƯƠNG MINH LUẬN – MSHV:1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ ABSTRACT Tower crane is a versatile equipment needed in construction site, helping transport materials, tools around the buildings in vertical and horizontal direction Therefore, if the tower crane location satisfies the restraints of the construction site, it will optimize the efficiency of tower crane and reduce the costs to deepest level Otherwise, if the tower crane layout is not logical, it will lead to behind schedule, low productivities, cost overrun Nowadays, there are many Meta-heuristic algorithms, however, no algorithim is perfect, every algorithm has its pros and cons Consequently, this research objective is conducting a new hybrid Meta-heuristic model named HFA – Hybrid of firefly algorithm, consisting of Firefly Algorithm FA, Particle Swarm Optimization - PSO, Levy Flights and Differential Evolution DE The new algorithm will bring into local search ability and global search ability of PSO and FA, respectively, so that the solutions will converge quicker Moreover, DE improves the diversity of population and decrease the comparions between firefly particles in FA phase, Levy Flights helps firely particles move more efficiently In addition, this research will compare HFA with other algorithms such as FA, DE, PSO, ECBO, EVPS, EBB-BC to evaluate the accuracy of HFA algorithm in tower crane location optimization The results show that HFA is a better algorthm in mentioned algorithm, hence, HFA should be implemented widely in solving optimzation problems of construction management HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ LỜI CAM ĐOAN Tôi xin cam đoan luận văn hồn tồn cá nhân tơi tự nghiên cứu thực Tôi xin cam đoan tất thơng tin, trích dẫn nghiên cứu hồn tồn xác có nguồn gốc rõ ràng Tất số liệu kết nghiên cứu hồn tồn trung thực, khơng chép từ nghiên cứu khác Tp HCM, ngày 12 tháng 12 năm 2019 Tác giả luận văn Trương Minh Luận HVTH: TRƯƠNG MINH LUẬN – MSHV:1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ MỤC LỤC CHƯƠNG : MỞ ĐẦU 1.1 LÝ DO CHỌN ĐỀ TÀI 1.2 MỤC TIÊU NGHIÊN CỨU 1.3 PHẠM VI NGHIÊN CỨU 1.4 PHƯƠNG PHÁP NGHIÊN CỨU 1.5 BỐ CỤC LUẬN VĂN CHƯƠNG : TỔNG QUAN TÀI LIỆU CHƯƠNG : CƠ SỞ LÝ THUYẾT 16 3.1 BỐ TRÍ VỊ TRÍ CẦN TRỤC THÁP 16 3.2 KỸ THUẬT META-HEURISTIC 17 3.3 TRÍ THƠNG MINH BẦY ĐÀN (SI) 20 3.4 TỐI ƯU HÓA BẦY ĐÀN (PARTICLE SWARM OPTIMIZATION - PSO) 21 3.5 THUẬT TOÁN BẦY ONG NHÂN TẠO (ARTIFCIAL BEE COLONY - ABC) 25 3.6 PHÂN PHỐI LEVY FLIGHTS 28 3.7 THUẬT TỐN ĐOM ĐĨM (FIRELY ALGORITHM - FA) 29 3.8 THUẬT TOÁN TIẾN HÓA VI PHÂN (DIFFERENTIAL EVOLUTION – DE) 34 3.9 LAI GHÉP THUẬT TOÁN (HYBRID METAHEURISTIC) 38 CHƯƠNG : THUẬT TOÁN LAI GHÉP HFA 43 4.1 KẾT HỢP THUẬT TOÁN PSO VÀ FA 43 4.2 KẾT HỢP THUẬT TOÁN DE VÀ FA 45 4.2 KẾT HỢP PHÂN PHỐI LEVY FLIGHTS VÀ FA 46 4.3 MƠ HÌNH THUẬT TỐN HFA 47 CHƯƠNG : BÀI TOÁN CỤ THỂ 53 5.1 ĐỊNH NGHĨA VẤN ĐỀ 53 5.2 TRƯỜNG HỢP SỬ DỤNG CẦN TRỤC THÁP 58 5.3 TRƯỜNG HỢP SỬ DỤNG CẦN TRỤC THÁP 67 CHƯƠNG : KẾT LUẬN VÀ KIẾN NGHỊ 80 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 6.1 KẾT LUẬN 80 6.1 KIẾN NGHỊ 81 TÀI LIỆU THAM KHẢO 83 HVTH: TRƯƠNG MINH LUẬN – MSHV:1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ DANH MỤC HÌNH ẢNH Hình 1.1 Minh họa tối ưu vị trí cần trục tháp Hình 1.2 Sơ đồ bước nghiên cứu Hình 2.1 Hình ảnh cần trục ngồi công trường Hình 3.1 Phân loại kỹ thuật Meta-Heuristic 19 Hình 3.2 Những kiến hợp tác để cắt nhỏ miếng thức ăn 20 Hình 3.3 Vị trí cập nhật cá thể theo pbest gbest 22 Hình 3.4 Sơ đồ thuật tốn PSO 23 Hình 3.5 Sơ đồ thuật tốn ABC 26 Hình 3.6 Minh họa Levy Flights 28 Hình 3.7 Sự di chuyển bầy đom đóm 30 Hình 3.8 Sơ đồ thuật tốn FA 32 Hình 3.9 Sơ đồ thuật tốn DE 37 Hình 3.10 Phân loại lai ghép thuật toán theo thiết kế 39 Hình 3.11 Phân loại lai ghép thuật toán theo áp dụng 40 Hình 3.12 Phân loại lai ghép thuật tốn xác Metaheuristics 41 Hình 4.1 Kết hợp thuật tốn PSO FA 44 Hình 4.2 Kết hợp thuật toán FA DE 46 Hình 4.3 Mơ hình thuật toán HFA 48 Hình 5.1 Mặt cơng trường 54 Hình 5.2 Mơ q trình di chuyển cẩu cần trục tháp 57  Hình 5.3 Minh họa vector X tốn cần trục 58 Hình 5.4 Sự biến thiên giá trị tốt lần lặp LFA trường hợp cần trục 59 Hình 5.5 Sự biến thiên giá trị tốt lần lặp PSO trường hợp cần trục 60 Hình 5.6 Sự biến thiên giá trị tốt lần lặp DE trường hợp cần trục 61 Hình 5.7 Sự biến thiên giá trị tốt lần lặp HFA trường hợp cần trục 62 Hình 5.8 Vị trí cần trục tối ưu thuật toán HFA trường hợp cần trục 65 Hình 5.9 Biểu đồ đường cong hội tụ với 1000 lần lặp 65 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN 75 LUẬN VĂN THẠC SĨ HFA 100 1.0864e+05 1.4856e+05 1.1298e+05 2.0195e+04 300 1.0831e+05 1.4740e+05 1.1270e+05 1.6345e+04 500 1.0824e+05 1.4711e+05 1.1119e+05 1.5062e+04 1000 1.0812e+05 1.4690e+05 1.0843e+05 1.2109e+04 Từ kết trên, ta thấy tất thuật tốn tìm vị trí tối ưu cần trục tháp Tuy nhiên, HFA thuật toán tìm chi phí thấp 1.0812e+05 mà thịa mãn yêu cầu điểm cung cấp điểm yêu cầu, độ lệch chuẩn chạy toán nhỏ, số liệu nằm quanh giá trị trung bình Từ đó, ta thấy rằng, tốn có số lượng biến lớn (164 biến), HFA có khả tìm giá trị tối ưu Ứng với giá trị tốt 1.0812e+05, vị trí cần trục tối ưu C2 C1, Sự phân bố vật liệu cho điểm cung cấp yêu cầu trình bày Bảng 5.17 bên dưới: Bảng 5.17 Sự phân bố vật liệu ứng với giá trị tốt trường hợp cần trục Giới hạn Phần trăm 0 47 191 203 0 276 Thực tế 750 500 745 498 748 497 741 494 749 750 500 750 500 750 500 750 500 750 100% 100% 99% 100% 100% 99% 99% 99% 99.9% 0 35 147 221 35 149 750 500 750 500 750 29% 0% 0% 7% 20% D1 D2 D3 D4 D5 D6 D7 D8 D9 S1 S2 S3 S4 S5 S6 S7 S8 S9 0 0 24 246 537 92 2 24 65 304 137 115 0 0 42 34 179 302 77 41 0 70 36 65 298 117 0 26 47 32 299 171 23 73 2 344 240 96 15 0 0 179 178 413 30 0 S1 S2 S3 S4 S5 0 0 221 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN 76 LUẬN VĂN THẠC SĨ S6 S7 S8 S9 Thực tế Giới hạn 0 0 34 0 162 168 0 0 1 0 0 0 0 0 0 0 0 900 800 700 600 500 600 700 800 900 900 800 700 600 500 600 700 800 900 197 172 500 750 500 750 0% 0% 39% 22.9% 6500 11500 57% Hình 5.16 Vị trí cần trục tối ưu thuật toán HFA trường hợp cần trục HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 77 Hình 5.17 Biểu đồ đường cong hội tụ với 1000 lần lặp Với trường hợp 1000 lần lặp, ta tiến hành vẽ biểu đồ đường cong hội tụ thuật tốn Hình 5.17 Kết cho thấy với 1000 lần lặp, số lượng biến lớn, thuật toán HFA cho kết tối ưu từ lúc bắt đầu lúc kết thúc vịng lặp, thuật tốn khác cho thấy thiếu hiệu chạy với số lượng biến lớn Ngoài ra, đường cong cho thấy toán chạy HFA hội tụ nhanh toán chạy thuật toán khác, điều chứng tỏ khuyết điểm thời gian hội tụ thuật toán FA loại bỏ Để tiếp tục kiểm tra hiệu thuật toán lai ghép được, ta tiến hành sánh HFA với thuật toán ECBO, EBB-BC sử dụng nghiên cứu trước (Ali Kaveh, 2018) EBB-BC thuật toán big bang – vụ co lớn cải tiến dựa vào lý thuyết big bang vụ co lớn, lý thuyết tiến hóa vũ trụ giới thiệu (Herdany, 2014) Kết thuật tốn ứng với 30 lần chạy vịng lặp 1000 với HFA, 10000 với ECBO EBB-BC trình bày Bảng 5.18 đây: HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 78 Bảng 5.18 So sánh HFA với nghiên cứu trước EBB-BC ECBO HFA Vị trí cần trục C3,C6 C2,C3 C2,C1 Giá trị best 1.1403e+05 1.1593e+05 1.0812e+05 Hình 5.18 Vị trí cần trục tối ưu thuật tốn EBB-BC trường hợp cần trục Hình 5.19 Vị trí cần trục tối ưu thuật tốn ECBO trường hợp cần trục HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 79 Kết cho thấy rằng, với số lượng biến lớn (164 biến) HFA lại thuật toán cho kết tốt hai thuật tốn cịn lại Ngoài ta thấy chạy kết HFA với 1000 vòng lặp, kết cho tốt thuật tốn cịn lại chạy với 10000 vịng lặp Vì vậy, ta rút được, với số lượng biến toán lớn thuật tốn ECBO, EBB-BC dễ vướng vào tối ưu cục mặc cho số vòng lặp lớn, điểm yếu nhiều thuật tốn Trong thuật toán HFA tối ưu khả ba thuật toán tham gia FA, DE, PSO mặc cho số lượng biến đầu vào lớn, từ khai phá, mở rộng vùng tìm kiếm tìm giá trị tối ưu với số lần lặp HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 80 Chương : Kết luận kiến nghị Ở chương 6, điều rút từ nghiên cứu trình bày đưa kiến nghị cho hướng nghiên cứu khác tương lai 6.1 Kết luận Trong nghiên cứu này, thuật toán lai ghép Meta-heuristic đưa nhằm phát hay ưu điểm hạn chế khuyết điểm thuật toán tham gia Thuật toán đặt tên Hybrid Firefly Algorithm (HFA), cơng cụ giúp tìm kiếm vị trí tối cần trục tháp, tối ưu lượng vật liệu điểm cung cấp điểm u cầu cơng trường xây dựng Thuật tốn lai ghép HFA coi cải tiến thuật tốn đom đóm FA, kết hợp thuật toán FA thuật toán phụ trợ PSO, DE, Levy Flights FA từ lâu biết đến thuật tốn có khả tìm kiếm toàn cục tốt, khả hội tụ cao PSO thêm vào tăng khả tìm kiếm cục tốt giúp khai phá xung quanh kết tốt nhất, tăng tốc độ hội tụ, DE tạo nên thêm đa dạng cho quần thể, bổ sung thêm khả tìm kiếm cục tồn cục thuật tốn Thêm vào đó, Levy Flights tích hợp vào q trình di chuyển đom đóm, giúp cải tiến khả di chuyển chúng, tăng khả tìm kiếm kết tối ưu Khi kết hợp điều lại, ta tạo thuật toán với ưu điểm vượt trội che lấp khuyết điểm thuật toán tham gia Sau tiến hành chạy thử thuật toán riêng lẻ thuật toán lai ghép HFA với casestudy chương ta thấy thuật toán HFA cho ta kết tốt thuật toán riêng lẻ PSO, FA, DE, khả hội tụ tốt độ hội tụ tốt, không bị vướng phải tối ưu cục Tuy nhiên, thời gian chạy thuật toán HFA vài trương hợp lại nhiều FA + Levy Flight, kết tìm kiếm lại kết tối ưu nhất, vậy, khơng phải khuyết điểm q lớn trình tìm kiếm khai phá cần thời gian định Ngoài ra, tiến hành so sánh kết thuật toán HFA với thuật toán tối ưu khác ECBO, HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 81 HFA cho kết tối ưu Điều chứng minh hiệu trình lai ghép Nhìn chung, khẳng định thuật toán HFA đạt yêu cầu đề q trình nghiên cứu, thuật tốn mạnh, có độ tin cậy cao, giải vấn đề tối ưu phức tạp, nhiều biến HFA hứa hẹn áp dụng vào thực tế cơng cụ hiệu cho người làm công tác quản lý xây dựng, giúp cho người hoạch định tìm lựa chọn tối ưu nhất, giảm thiểu thời gian làm việc, đẩy nhanh tiến độ, tạo nên thành công cho dự án 6.1 Kiến nghị Do thời gian nghiên cứu có hạn nên số lượng thuật tốn so sánh ít, bao gồm PSO, DE, FA, ECBO, EBB-BC, EVPS Trong thời gian tới, tác giả tiến hành so sánh thêm HFA với thuật toán khác để có kiểm tra thêm tính hiệu thuật tốn lai ghép có phương pháp để cải tiến thuật toán Quần thể ngẫu nhiên ban đầu tốn cải thiện cách sử dụng thêm thuật toán tạo ngẫu nhiên, hỗn loạn, giúp tăng đa dạng cho quần thể ban đầu phù hợp với tốn giúp tốn hội tụ nhanh Lý dù thuật toán tốt hay xấu quần thể ban đầu chứa nhiều giải pháp khả thi tốc độ hội tụ nhanh Ngồi ra, ta cân nhắc việc chạy thuật toán FA trước PSO nhằm khai thác khả tìm kiếm diện rộng, sau tập trung khai thác xung quanh điểm tốt lần lặp Trong nghiên cứu này, thuật toán HFA sử dụng để giải vấn đề tối ưu hoá tổ hợp rời rạc TCL Do đó, tương lai tác giả đánh giá hiệu vần đề tối ưu hóa liên tục, thiết kế kết cấu cơng trình, tối ưu hóa xếp sở vật chất mặt trạng nhà máy trộn bê tông thương phẩm, toán tối ưu đa mục tiêu đánh đổi tiến độ - chi phi - chất lượng HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 82 Để cho thuật tốn áp dụng rộng rãi thực tế, tác giả tiến hành đánh giá hiệu thuật toán cho trường hợp từ ba tới bốn cần trục tháp với mặt cơng trường rộng Ngồi ra, với phát triển khoa học công nghệ, nhiều phần mềm 3D sử dụng để tạo nên trực quan, sinh động, ví dụ BIM, mong muốn tác giả kết hợp thuật toán với mơ hình BIM để BIM chọn vị trí khả thi cần trục mặt cơng trường, sau tiến hành tìm kiếm tối ưu thuật tốn HFA Ngồi ra, thu thập thêm số liệu thực tế cách khảo sát để tạo nên phần mềm có tảng thuật tốn HFA, phần mềm giải tất trường hợp mặt công trường khác nhau, với ràng buộc đa dạng ngồi thực tế Nếu thành cơng, phần mềm công cụ tuyệt vời công tác quản lý xây dựng HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 83 Tài liệu tham khảo A Gómez-Iglesias, M V.-R.-M.-R (2010) Artificial Bee Colony Inspired Algorithm Applied to Fusion Research in a Grid Computing Environment 508-512 A Rahmani, S M (2014) A hybrid Firefly-Genetic Algorithm for the capacitated facility location problem A.H.Gandomi, X A (2011) Mixed variable structural optimization using firefly algorithm Computers&Structures 89 (23–24) 2325-2336 Abdelmegid, S ,.-K (2015) GA optimization model for solving tower crane location problem in construction sites Afnizanfaizal Abdullah, S D (2012) A New Hybrid Firefly Algorithm for Complex and Nonlinear Problem Al-Hussein, M A (2006) Integrating 3D visualization and simulation for tower crane operations on construction sites, Automation in Construction 554-562 Ali Kaveh, Y V (2018) Optimization of Tower Crane Location and Material Quantity Between Supply and Demand Points Alkriz, K & (2005) A new model for optimizing the location of cranes and construction facilities using genetic algorithms 21st Annual ARCOM Conference 981-991 Appleton, B J (2002) Special purpose simulation modeling of tower cranes, Proc Winter Simulation Conference, IEEE IEEE Babu, R A (2006) Optimization of process synthesis and design problems: A modified differential evolution approach Chemical Engineering Science Behdin Vahedi Nouri, P F (2013) Hybrid firefly-simulated annealing algorithm for the flow shop problem with learning effects and flexible maintenance activities International Journal of Production Research Beni.G., W J (1989) Swarm Intelligence in Cellular Robotic Systems Proceed NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy Brown, C L (2007) L´evy flights in Dobe Ju/’hoansi C Blum, J P (2011) Hybrid metaheuristics in combinatorial optimization: A survey Applied Soft Computing, vol 11 4135-4151 C Blum, X (2008) Swarm intelligence in optimization 43-86 C Huang, C W (2011) Optimization of tower crane and material supply locations in a high-rise building site by mixed-integer linear programming C M TAM, T K (2002) GA-ANN model for optimizing the locations of tower C.M Tam, K T (2003) GA-ANN model for optimizing the locations of tower 257-266 C.W Choi, F H (1991) A model for determining optimum crane position, in: Proceedings of the Institution of Civil Engineers 627-34 Chen Yonggang, Y F (2006) A new Particle swam optimization Algorithm Journal of Jilin University 181-183 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 84 Christian Bluma, J P (2011) Hybrid metaheuristics in combinatorial optimization: A survey Cooper, C (1987) CRANES – A Rule-Based Assistant with Graphics for Construction Planning Engineers, Civil-Comp Press, Edinburgh, UK 47-54 D Karaboga, S O (2004) A simple and global optimization algorithm for engineering problems: differential evolution algorithm Turkish Journal of Electrical Engineering, D.T Pham, E K (2006) The bees algorithm - a novel tool for complex optimization problems, In Proceedings of the Second International 451-461 Dorigo, M (1992) Optimization, Learning and Natural Algorithms, Ph.D Thesis Politecnico Eberhart, R C (1999) Human tremor analysis using particle swarm optimization Proc Congress on Evolutionary Computation l9Y9, Washington, DC Eduardo Gerhardt, H M (2012) Artificial Bee Colony (ABC) Algorithm for Engineering Optimization Problems 3-4 F Kang, J L (2009) Structural Inverse Analysis by Hybrid Simplex Artificial Bee Colony Algorithms Comput Struct., vol 87 861-870 Feoktistov, V (2006) Differential Evolution: In Search of Solutions (Springer Optimization and Its Applications Springer-Verlag New York Feoktistov, V (2006) Differential Evolution: In Search of Solutions (Springer Optimization and Its Applications) Springer-Verlag New York H H Zhong, B M (2012) Cost Optimization Problem of Hybrid Flow-Shop Based on Differential Evolution Algorithm Advanced Materials Research H Zhang, H L (2006) Permutation-Based Particle Swarm Optimization for ResourceConstrained Project Scheduling Journal of Computing in Civil Engineering 141-149 Herdany, A A (2014) Evolutionary Big Bang - Big Crunch Algorithm for Construction Engineering Optimization Problem Horng, M.-H (2012) Vector quantization using the firefly algorithm for image compression Expert Systems with Applications, Vol 39, No 1078-1091 Iztok Fister, I F.-S (2013) A comprehensive review of firefly algorithms 7-8 J A Tompkins, J A (2010) Facilities Planning, 4th Edition New York: Wiley J Kennedy, R E (1995) Particle swarm optimization, In Proceedings of the 1995 19421948 J P Paul, J M (2004) Particle Swarm Optimization for The Design of Trusses American Society of Civil Engineers 1-10 J Puchinger, G R (2005) Combining metaheuristics and exact algorithms in combinatorial optimization: a survey and classification, in: IWINAC 41-53 J.J Michalek, R C (2002) Architectural layout design optimization 461-484 Jang, M H (2013) Selection of a tower crane using augmented reality in smart devices International Journal of Civil, Structural, Construction and Architectural Engineering 368371 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 85 Javier Irizarry, E P (2012) Optimizing location of tower cranes on construction sites through GIS and BIM integration, Journal of Information Technology in Construction (ITcon), Vol 17 Ju, F a (2005) Dynamic analysis of tower cranes, Journal of engineering mechanics 8896 Jung, Y C (2006) A Forecasting Model for Rental Prices of Tower Cranes, Proc Architectural Engineering National Conference 1-15 K.V.Price, R a (2005) Differential Evolution: A practical Approach to global Springer Science & Business Media, Karaboga, B B (2006) An Artificial Bee Colony (ABC) Algorithm for Numeric function Optimization IEEE Swarm Intelligence Kaveh, A K.-M (2016) Construction site layout planning problem using two new metaheuristic algorithms Iranian Journal of Science and Technology, Transactions of Civil Engineering, 263–275 Kennedy, E a (2001) Swarm Intelligence, San Francisco: Morgan Kaufmann Publishers L.-C Lien, M.-Y C (2014) Particle bee algorithm for tower crane layout with material quantity supply and demand optimization,Automat Construct 45 25-32 Lampinen, H.-Y F (2003) A Trigonometric Mutation Operation to Differential Evolution J of Global Optimization Li, X (2003) A New Intelligent Optimization-artificial Fish Swarm Algorithm, Ph.D Thesis Li-Chuan Lien, M.-Y (2012) A hybrid swarm intelligence based particle-bee algorithm for construction site layout optimization Lien, M C (2012) Hybrid Artificial Intelligence–Based PBA for Benchmark Functions and Facility Layout Design Optimization Journal of Computing in Civil Engineering, Volume 26 612-624 Lopes, C C (2009) A New Approach for Template Matching in Digital Images using an Artificial Bee Colony Algorithm in Nature & Biologically Inspired Computing 146-151 M Marzouk, O Moselh (2003) A decision support tool for construction bidding, Construction 111-124 M Sayadi, R.-N (2010) Adiscrete firefly meta-heuristic with local search for make span minimization in permutation flow shop scheduling problems Okdem, D K (2004) A simple and global optimization algorithm for engineering problems: differential evolution algorithm Turkish Journal of Electrical Engineering P Zhang, F H (1999) Location optimization for a group of tower cranes, J Construct Eng Manage 125 115–122 Q.Bai (2010) "Analysis of particle swarm algorithm," Computer and Information Science, vol 180-184 Rakesh, B B (2003) Optimization of Water Pumping System Using Differential Evolution Strategies Proceedings of The Second International Conference on Computational Intelligence, Robotics, and Autonomous Systems HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 86 Rosenfeld, Y a (1998) Automation of existing tower cranes: economic and technological feasi-bility, Automation in Construction 285-298 S Gholizadeh, H (2012) A comparative study of three metaheuristics for optimum design of trusses S.K Udgata, S S (2009) Sensor Deployment in Irregula Terrain using Artificial Bee Colony Algorithm in Nature & Biologically Inspired Computing 1309-1314 S.N Omkar, J S (2009) Artificial Bee Colony (ABC) for Multi-Objective Design Optimization of Composite Structures Applied Soft Computing, vol In Press, Corrected Proof S.Talatahari, A (n.d.) Optimum design of tower structures using firefly algorithm Sanad HM, A M (2008) Optimal construction site layout considering safety and environmental aspects J Constr Eng Manag 134(7) 536–544 Senthilnath, J O (2011) Clustering using firefly algorithm: performance study, Swarm and Evolutionary Computation, Vol 1, No 164-171 Shapira, A a (2009) Identification and analysis of factors affecting safety on construction sites with tower cranes 24-33 Singh, A (2009) An Artificial Bee Colony Algorithm for the Leaf Constrained Minimum Spanning Tree Problem 625-631 Sonmez, M (2010) Artificial Bee Colony algorithm for optimization of truss structures Talbi, E (2002) A Taxonomy of Hybrid Metaheuristics Journal of Heuristics, vol 8, no 541-564 Tam, C M (2003) GA-ANN model for optimizing the locations of tower crane and supply points for high-rise public housing construction Construction Management and Economics 257,266 Tandon (2000) Closing the gap between CAD/CAM and optimized CNC end milling Master's thesis, Purdue School of Engineering and Technology, Indiana University Tavakolan, B A (2011) Fuzzy Enabled Hybrid Genetic Algorithm–Particle Swarm Optimization Approach to Solve TCRO Problems in Construction Project Planning Journal of Construction Engineering and Management, Volume 138 1065-1074 Trevino, A.-R (2017) Single Tower Crane Allocation Using Ant Colony Optimization Viadana, E Z (2011) Optimization of the inspection intervals of a safety system in a nuclear power plant by Multi-Objective Differential Evolution (MODE) Reliability Engineering & System Safety W Rodriguez-Ramos, R F (1983) Single crane location optimization, J Construct Eng Manage 109 387-397 Wang, H Z (2008) Particle Swarm Optimization for Construction Site Unequal Area Layout Journal of Construction Engineering and Management, Volume 134 739-748 Wang, J L (2014) Integrating building information modelling and firefly algorithm to optimize tower crane layout The 31st International Symposium on Automation and Robotics in Construction and Mining X.-S Yang (2014) Natural – Inspired optimization Algorithms Yang, X (2008) Firefly algorithm, Nature-Inspired Metaheuristic Algorithms 20 79-90 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 87 Yang, X.-S (2010) Firefly algorithm, L´evy flights and global optimization Research and Development in Intelligent Systems XXVI, 209-218 Z Juan, X Z (2011) Improved Differential Evolution Algorithm for Structural Optimization Design of Flumes with Hybrid Discrete Variables Advanced Materials Research Zhang, P H (1996) A computer-based model for optimizing the location HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN 88 LUẬN VĂN THẠC SĨ PHẦN LÝ LỊCH TRÍCH NGANG Họ tên: TRƯƠNG MINH LUẬN Ngày, tháng, năm sinh: 01/07/1992 Nơi sinh: Tiền Giang Địa liên lạc: 202/19 Huỳnh Văn Bánh, phường 12, quận Phú Nhuận, TP Hồ Chí Minh Email: luantruong17@gmail.com Sđt: 0772462492 Q TRÌNH ĐÀO TẠO Từ 2010 đến năm 2015: Học đại học quy chuyên ngành Kỹ Thuật Xây Dựng trường Đại Học Bách Khoa TP Hồ Chí Minh Từ 2016 đến nay: Học thạc sỹ chuyên ngành Quản lý Xây Dựng trường Đại Học Bách Khoa TP Hồ Chí Minh Q TRÌNH CƠNG TÁC Từ 07/2015 đến nay: Kỹ sư thiết kế Công ty TNHH Structerre Viet Nam HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN LUẬN VĂN THẠC SĨ 89 HVTH: TRƯƠNG MINH LUẬN – MSHV: 1670143 GHVD: PHẠM VŨ HỒNG SƠN ... TÀI : PHÁT TRIỂN THUẬT TỐN LAI GHÉP ĐOM ĐĨM (HFA) ĐỂ TỐI ƯU VỊ TRÍ LẮP ĐẶT CẦN TRỤC THÁP NHIỆM VỤ VÀ NỘI DUNG: - Xây dựng mơ hình thuật tốn lai ghép đom đóm (HFA); - Áp dụng mơ hình thuật toán. .. tìm vị trí tối ưu cho trường hợp cần trục tháp 2018 Sử dụng thuật toán lai ghép tạo từ thuật toán tối ưu dựa va chạm cá thể (CBO) hệ thống cá thể dao động (VPS) nhằm tối ưu hóa vị trí cẩu tháp. .. tìm vị trí tối ưu cho cần trục tháp (Trevino, 2017), so sánh thuật tốn để tối ưu hóa vị trí cần trục vật liệu (Ali Kaveh, 2018) Từ ý tưởng meta-heuristic, nhiệm vụ luận văn phát triển mơ hình thuật