Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí cơ sở vật chất trên công trường xây dựng

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA - - TRẦN LÊ ANH ÁP DỤNG THUẬT TOÁN LAI GHÉP BẦY ONG NHÂN TẠO VÀO TỐI ƯU HĨA BỐ TRÍ CƠ SỞ VẬT CHẤT TRÊN CÔNG TRƯỜNG XÂY DỰNG Chuyên ngành: Quản Lý Xây Dựng Mã Số : 60.58.03.02 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 06 năm 2018 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc Lập - Tự Do - Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Trần Lê Anh MSHV: 1670120 Ngày, tháng, năm sinh: 02/12/1991 Nơi sinh: Khánh Hòa Chuyên ngành: Quản lý Xây dựng Mã số: 60580302 I TÊN ĐỀ TÀI: Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí sở vật chất công trường xây dựng NHIỆM VỤ VÀ NỘI DUNG: Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa sở vật chất công trường xây dựng qua hai trường hợp nghiên cứu: hoạt động nâng, dự trữ vật tư tòa nhà cao tầng lập kế hoạch bố trí sở vật chất công trường xây dựng dựa số mật độ nhằm cực tiểu chi phí xử lý luồng công việc II NGÀY GIAO NHIỆM VỤ: 26/02/2018 III NGÀY HOÀN THÀNH NHIỆM VỤ: 17/06/2018 IV CÁN BỘ HƯỚNG DẪN: TS Phạm Vũ Hồng Sơn Tp.HCM, ngày … … tháng … … năm 20 … CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN TS Phạm Vũ Hồng Sơn PGS.TS Lương Đức Long TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG - HCM Cán hướng dẫn khoa học: TS Phạm Vũ Hồng Sơn Cán chấm nhận xét 1: TS Trần Đức Học Cán chấm nhận xét 2: TS Chu Việt Cường Luận văn thạc sĩ bảo vệ Trường Đại Học Bách Khoa, ĐHQG Tp HCM ngày 24 tháng 07 năm 2018 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS TS Lương Đức Long PGS TS Phạm Hồng Luân TS Trần Đức Học TS Chu Việt Cường TS Đỗ Tiến Sỹ Xác nhận Chủ Tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG PGS.TS Lương Đức Long TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG LỜI CAM ĐOAN Tôi xin cam đoan đề tài: “Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí sở vật chất cơng trường xây dựng” cơng trình nghiên cứu khoa học cá nhân chưa công bố cơng trình khoa học khác thời điểm TP Hồ Chí Minh, ngày 17 tháng 06 năm 2018 Tác giả luận văn Trần Lê Anh ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ LỜI CÁM ƠN Thời gian thấm thoát thoi đưa! Mới ngày đậu cao học ngành Quản Lý Xây Dựng - Đại học Bách Khoa TPHCM, lúc bỡ ngỡ bước chân vào nghề, hồn thành khóa học Tơi nhớ lời Thầy Đức Long buổi học hôm “ Các bạn thi môn Sức Bền Vật Liệu để bạn kĩ sư xây dựng tham gia quan trọng bạn phải có sức để học phải bền bỉ để theo đuổi” Tôi học với niềm đam mê, nỗ lực, kiên trì để vượt qua biết khó khăn học tập sống Tơi xin bày tỏ lịng biết ơn sâu sắc đến Thầy Cô Bộ môn Thi Công Quản Lý Xây Dựng, với giảng dạy tâm huyết nhiệt tình mình, họ truyền đạt cho tơi kiến thức bổ ích mà làm chưa tơi tiếp cận Dưới bảo tận tình, động viên, giúp đỡ TS Phạm Vũ Hồng Sơn giúp tơi hồn thành Luận văn tốt nghiệp với đề tài “Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí sở vật chất cơng trường xây dựng” Trong q trình thực đề tài cịn gặp nhiều khó khăn, tơi cố gắng để hoàn thiện luận văn khó tránh khỏi sai sót Tơi mong có nhận xét Thầy Cơ bạn để luận văn tơi hồn thiện Luận văn q tơi gửi tặng tới Thầy, gia đình, đồng nghiệp, bạn bè, người ủng hộ bên Một lần xin chân thành cám ơn! Tp HCM, ngày 17 tháng 06 năm 2018 Tác giả luận văn Trần Lê Anh HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ TĨM TẮT Bố trí cơng trường xây dựng phần quan trọng việc lập thiết kế thi công, nhằm mục đích xác định biện pháp thi cơng có hiệu nhất, giải vấn đề liên quan đến công tác lập tiến độ thiết kế công trường Việc bố trí tập hợp sở vật chất xác định trước vào vị trí thích hợp có sẵn để đạt giải pháp tối ưu, thực tốn khó nhà quản lý xây dựng có nhiều lựa chọn để thay Nhiều nghiên cứu dựa phương pháp Meta-heuristic thực để giải phức tạp vấn đề Tuy nhiên, phương pháp có ưu nhược điểm riêng Để khắc phục nhược điểm này, nghiên cứu đề xuất mơ hình lai ghép Meta-heuristic mới, thuật toán ABC kết hợp với phân phối Levy Flights, Chaotic Opposition-based learning Thuật toán đề xuất đặt tên HMABC - Hybrid Model of Artificial Bee Colony có hai khả tìm kiếm địa phương tồn cục đồng thời Thuật toán Bầy ong nhân tạo (ABC) có nhiều ưu điểm tìm kiếm địa phương toàn cục Hệ thống hỗn loạn (Chaotic System) Phương pháp học dựa đối diện (Oppositionbased learning) áp dụng để tăng cường độ hội tụ toàn cục việc khởi tạo quần thể ban đầu Kết hợp với phân phối Levy Flight giai đoạn ong trinh thám để tăng tính ngẫu nhiên q trình tìm kiếm địa phương Bên cạnh đó, phương pháp phá hủy xây dựng (Destruction and Construction - DC) áp dụng để tạo nguồn thức ăn lân cận ABC, giải vấn đề rời rạc tốn phân cơng bậc hai (Quadratic Assignment Problem - QAP) Hơn nữa, nghiên cứu so sánh hiệu HMABC so với nghiên cứu trước thuật toán GA, MIP, MMAS-GA vấn đề bố trí sở vật chất cơng trường xây dựng Các kết cho thấy hiệu HMABC có phần vượt trội so với thuật tốn tối ưu hóa có việc giải vấn đề Nghiên cứu hỗ trợ nhà quản lý xây dựng kết hợp kinh nghiệm mạnh thuật toán HMABC để xử lý tình thực tế nhằm nâng cao hiệu công việc HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ ABSTRACT Construction Site Layout (CSL) is an important part of construction design, with the aim of identifying the most effective construction methods, solving issues related to scheduling and site design Placing a set of predetermined facilities into the appropriate locations available to achieve an optimal solution is really hard problems for the construction manager because there are a lot of possible alternatives Many studies based on Meta-heuristic methods have been done to handle the complexity of these problems However, these methods have some advantages and disadvantages To overcome these drawbacks, this study proposes a new hybrid Meta-heuristic model, ABC algorithm associated with the distribution of Levy Flights, Chaotic and Opposition-based learning The proposed algorithm is named HMABC - Hybrid Model of Artificial Bee Colony has both local and global search capabilities simultaneously Chaotic System and Opposition-based learning are applied to increase global convergence in initial population of solutions Levy Flight distribution in the scout bee phase to increase randomness during local search Destruction and construction are also used to create neighbour food sources in ABC, solving the discrete problems of Quadratic Assignment Problem In addition, this research compared the performance of HMABC with GA, MIP, and MMAS-GA algorithms in site facilities layout problems The results show that the effectiveness of HMABC is better than existing optimization algorithms in solving these problems This research supports construction manager who can combine the experiences and strengths of the HMABC algorithm to handle real-world situations to improve work efficiency HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ MỤC LỤC CHƯƠNG GIỚI THIỆU 1.1 Lý chọn đề tài .1 1.2 Mục tiêu nghiên cứu 1.3 Phạm vi nghiên cứu, giả định giả thuyết 1.4 Phương pháp nghiên cứu 1.5 Bố cục luận văn CHƯƠNG NGHIÊN CỨU TRƯỚC ĐÂY VỀ BỐ TRÍ CƠ SỞ VẬT CHẤT CHƯƠNG CƠ SỞ LÝ THUYẾT 14 3.1 Bố trí công trường xây dựng 14 3.2 Kỹ thuật Meta-heuristic trí thông minh bầy đàn 17 3.2.1 Kỹ thuật Meta-heuristic .17 3.2.2 Trí thơng minh bầy đàn .18 3.3 Tối ưu bầy đàn (Particle Swarm Optimization - PSO) 18 3.4 Thuật tốn đom đóm (Firefly Algorithm-FA) 20 3.5 Thuật toán bầy ong nhân tạo (ABC) 22 3.6 Phân phối Levy Flights 30 3.7 Phương pháp học dựa đối diện (Opposition-based learning) 31 3.8 Thuật toán hỗn loạn (Chaotic algorithms) .33 3.9 Kỹ thuật lai Meta-heuristics 35 CHƯƠNG THUẬT TOÁN LAI GHÉP HMABC 37 4.1 Khởi tạo giải pháp ban đầu thuật toán HMABC 37 4.2 Áp dụng kỹ thuật hoán đổi nhiều lần thuật toán HMABC .39 4.3 Áp dụng phân phối Levy Flight thuật toán HMABC .41 4.4 Mơ hình thuật tốn HMABC 43 CHƯƠNG BÀI TOÁN CỤ THỂ 48 5.1 Hoạt động nâng dự trữ vật tư nhà cao tầng 48 5.1.1 Định nghĩa vấn đề 48 5.1.2 Hàm mục tiêu 51 5.1.3 Áp dụng thuật toán HMABC kết thực 55 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 5.2 Vấn đề lập kế hoạch bố trí cơng trường dựa số mật độ 62 5.2.1 Định nghĩa vấn đề 62 5.2.2 Hàm mục tiêu 63 5.2.3 Áp dụng mơ hình kết thử nghiệm .67 CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ 74 6.1 Kết luận 74 6.2 Kiến nghị 75 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM 71 Luận Văn Thạc Sĩ Để chứng minh HMABC đóng góp cải thiện, nghiên cứu so sánh HMABC với kết nghiên cứu trước Đã có hai nghiên cứu sử dụng thuật toán GA MMAS-GA để giải vấn đề trường hợp tương tự Kết bố trí cơng trường xây dựng nhìn thấy Hình 5-8, Hình 5-9 Hình - 8: Bố trí tối ưu cơng trường xây dựng phương pháp GA Hình - 9: Bố trí tối ưu cơng trường xây dựng tối ưu phương pháp MMAS-GA HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 72 Hình - 10: Bố trí tối ưu cơng trường xây dựng tối ưu thuật toán HMABC Bảng - 16: So sánh kết toán với nghiên cứu trước Cơ sở vật chất GA Vị trí 9 11 20 22 16 17 26 27 25 Giá trị tối ưu 857.99 MMAS-GA 20 18 11 12 17 26 27 25 698.3 HMABC 11 12 18 21 20 26 27 25 689.22 Từ kết tối ưu thuật toán HMABC, ta thấy giá trị tối ưu nhỏ 689.22 điểm, 190.86 điểm so với giải pháp lựa chọn ngẫu nhiên 880.08 điểm, giảm 21.68% Thuật tốn HMABC có luồng cơng việc tối thiểu, HMABC tạo 689.22 điểm tốt so với kết GA 857.99 điểm MMAS-GA 698.3 điểm HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 73 Trong cơng thức phép tốn chỉnh hợp, khơng gian tìm kiếm tính bằng: P9,27 = (27 − 3)! 24! = = 96.909.120 (27 − 9)! 18! Vì tốn có sở cố định, nên số phương án xếp 96.909.120 Số lượng phương án lớn để thực tính tốn theo cách thơng thường Thuật tốn HMABC cần khoảng 47.62 giây để tìm giải pháp tối ưu Do đó, HMABC đề xuất nghiên cứu trường hợp sử dụng hiệu để giải vấn đề kỹ thuật xây dựng thực tế cho CSL HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 74 CHƯƠNG 6: KẾT LUẬN VÀ KIẾN NGHỊ Trong chương này, kết luận nghiên cứu trình bày đưa gợi ý cho hướng nghiên cứu tương lai 6.1 Kết luận Trong nghiên cứu này, thuật toán lai HMABC - Hybrid Model of Artificial Bee Colony (ABC) đề xuất cơng cụ tìm kiếm tối ưu hóa việc giải vấn đề bố trí cơng trường xây dựng HMABC thuật toán lai ghép dựa thuật toán gốc ABC kết hợp với thuật toán phụ trợ khác Levy flights, Chaotic, Opposition-based learning Destruction and Construction - DC Thuật tốn ABC có nhiều ưu điểm tìm kiếm địa phương tồn cục Hệ thống hỗn loạn (Chaotic) Phương pháp học dựa đối diện (Opposition-based learning) áp dụng để tăng cường độ hội tụ toàn cục việc khởi tạo quần thể ban đầu Kết hợp với phân phối Levy Flight giai đoạn ong trinh thám để tăng tính ngẫu nhiên q trình tìm kiếm địa phương Bên cạnh đó, phương pháp DC áp dụng để tạo nguồn thức ăn lân cận ABC, giải vấn đề rời rạc tốn phân cơng bậc hai (QAP) Sự kết hợp lai ghép hợp tất ưu điểm thuật toán giảm thiểu nhược điểm thuật toán HMABC thử nghiệm qua hai toán cụ thể chương để chứng minh sức mạnh HMABC, thời gian chạy HMABC không tốt so với số nghiên cứu trước Tuy nhiên, khơng có thuật tốn hồn hảo để giải vấn đề mà khơng có nhược điểm Để có kết tốt nhất, đơi đánh đổi thời gian cần thiết HMABC có kết tốt thuật toán khác để giải hàm mục tiêu toán Kết thử nghiệm chứng minh tính mạnh mẽ, độ tin cậy tính quán HMABC việc tìm giải pháp tối ưu cho vấn đề bố trí cơng trường xây dựng 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 toán khác Nghiên cứu giúp cho nhà quản lý xây dựng có nhìn cơng tác bố trí công trường xây dựng, kết hợp kinh nghiệm thân mạnh thuật HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 75 toán HMABC để xử lý tình thực tế, đưa biện pháp nhằm nâng cao hiệu làm việc, đẩy nhanh tiến độ, giảm thiểu chi phí hướng tới mục tiêu chung thành công dự án 6.2 Kiến nghị Do thời gian nghiên cứu có hạn, tác giả tập trung tiến hành so sánh hiệu thuật toán HMABC với thuật toán GA, MMAS-GA, MIP Nghiên cứu tương lai tác giả tập trung so sánh hiệu thuật toán HMABC với thuật toán khác ABC, PSO, DE, FA… để kiểm chứng rõ hiệu thuật toán lai ghép HMABC Trong nghiên cứu này, thuật toán HMABC sử dụng để giải vấn đề tối ưu hoá tổ hợp rời rạc, chẳng hạn CSLP Nghiên cứu tương lai thực để chứng minh thuật toán HMABC hiệu vần đề tối ưu hóa liên tục Thuật tốn HMABC áp dụng cho trường hợp nghiên cứu khác tối ưu hóa 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 HMABC phù hợp cho vấn đề miền liên tục, nghiên cứu tương lai cho vấn đề rời rạc tập trung vào số lần lặp lại đánh giá hàm mục tiêu, khả hội tụ thuật tốn HMABC cải thiện Bên cạnh đó, với phát triển cơng nghệ thơng tin, nghiên cứu tương lai phát triển phần mềm dựa thuật toán HMABC Phần mềm giải toán trường hợp tổng quát so với hai toán đề cập nghiên cứu này, với việc thêm vào số ràng buộc rủi ro vấn đề động, tình khẩn cấp xảy q trình xây dựng để tốn gần với điều kiện thực tế Để đạt điều này, nghiên cứu cần khảo sát để thu thập liệu chi phí vận chuyển loại vật tư khác nhau, số mật độ sở… công trường Việt Nam để áp dụng vào mơ hình Phần mềm công cụ hỗ trợ đắc lực việc thiết kế công trường nhà quản lý xây dựng HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 76 DANH MỤC TÀI LIỆU THAM KHẢO A Drira, H Pierreval, and S Hajri-Gabouj, 2007 Facility layout problems: A survey Annual Reviews in Control, Volume 31, pp 255-267 A Gomes de Alvarenga, F Negreiros-Gomes, and M r Mestria, 2000 Metaheuristic methods for a class of the facility layout problem Journal of Intelligent Manufacturing, Volume 11, pp 421-430 A H Gandomi, X.-S Yang, and A H Alavi, 2011 Mixed variable structural optimization using Firefly Algorithm Computers & Structures, Volume 89, pp 23252336 A Noktehdan, B Karimi, and A Husseinzadeh Kashan, 2010 A differential evolution algorithm for the manufacturing cell formation problem using group based operators Expert Systems with Applications, Volume 37, pp 4822-4829 Alatas, B., 2010 Chaotic bee colony algorithms for global numerical optimization Elsevier Anon., 1997 Handbook of Evolutionary Computation s.l.: IOP Publishing Ltd B Ashuri and M Tavakolan, 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, pp 1065-1074 B Basturk and D Karaboga, 2006 An Artificial Bee Colony (ABC) Algorithm for Numeric function Optimization IEEE Swarm Intelligence Baris Yuce, Michael S Packianather, Ernesto Mastrocinque, Duc Truong Pham and Alfredo Lambiase, 2013 Honey Bees Inspired Optimization Method: The Bees Algorithm insects, pp 646-662 Basturk B., Karaboga D., An, 2006 Artificial Bee Colony (ABC) Algorithm for Numeric Function Optimization Indianapolis, Indiana, USA, s.n C Blum, J P G R R a A R., 2011 Hybrid metaheuristics in combinatorial optimization Applied Soft Computing, Volume 11, pp 4135-4151 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 77 C Huang, C K Wong, and C M Tam, 2010 Optimization of material hoisting operations and storage locations in multi-storey building construction by mixed integer programming Automation in Construction, Volume 19, pp 656-663 Coelho,Mariani, 2008 Use of chaotic sequences in a biologically inspired algorithm for engineering design optimization Elservier, pp 1905-1913 Cuong, T T., 2007 Quy hoạch tổng bình đồ cơng trường theo mơ hình động ứng dụng giải thuật di truyền Autocad., Hồ Chí Minh: Đại học Bách Khoa Tp HCM D Karaboga, B Gorkemli, C Ozturk, 2012 A comprehensive survey: artificial bee colony (ABC) algorithm and applications Artificial Intelligence Review D Karaboga, B A., 2009 A comparative study of artificial bee colony algorithm Applied Mathematics and Computation, p 108–132 D Karaboga, B A., 2011 A modified artificial bee colony (abc) algorithm for constrained optimization problems Applied Soft Computing, p 3021–3031 D T Pham, A Ghanbarzadeh, E Koc, S Otri, S Rahim, and M Zaidi, 2006 The Bees Algorithm, A Novel Tool for Complex Optimisation Problems Proceedings of the 2nd International Virtual Conference on Intelligent Production Machines and Systems (IPROMS 2006), pp 454-461 Deb, K., 2000 An efficient constraint handling method for genetic algorithms Computer Methods in Applied Mechanics and Engineering , p 311–338 H Li and P E D Love, 2000 Genetic search for solving construction site-level unequal area facility layout problems Automation in Construction, Volume 9, pp 217-226 H Samarghandi and K Eshghi, 2010 An efficient tabu algorithm for the single row facility layout problem European Journal of Operational Research, Volume 205, pp 98-105 H Samarghandi, P Taabayan, and F F Jahantigh, 2010 A particle swarm optimization for the single row facility layout problem Computers & Industrial Engineering, Volume 58, pp 529-534 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 78 H Shinn-Ying, S Li-Sun, and C Jian-Hung, 2004 Intelligent evolutionary algorithms for large parameter optimization problems IEEE, Volume 8, pp 522-541 H Zhang and J Wang, 2008 Particle Swarm Optimization for Construction Site Unequal Area Layout Journal of Construction Engineering and Management, Volume 134, pp 739-748 H Zhang, H Li, and C Tam, 2006 Permutation-Based Particle Swarm Optimization for Resource-Constrained Project Scheduling Journal of Computing in Civil Engineering, pp 141-149 Heragu, S S., 1997 Facilities Design In: Boston: PWS Pub Hoan, N T., 2012 Lựa chọn phương án vận chuyển tối ưu công trường xây dựng công trình thủy lợi, thủy điện Khoa học kỹ thuật thủy lợi môi trường, Volume 38, pp 64-68 I W H Fung, C K Wong, C Tam, and T K.-L Tong, 2008 Optimizing material hoisting operations and storage cells in single multi-storey tower block construction by genetic algorithm The International Journal of Construction Management, pp 6576 Ince, Y., 2016 A Discrete Artificial Bee Colony Algorithm for the Permutation Flowshop Scheduling Problem with Sequence-Dependent Setup Times IEEE, pp 3401-3409 Islier, A A., 1998 A genetic algorithm approach for multiple criteria facility layout design International Journal of Production Research, Volume 36, pp 1549-1569 J A Tompkins, J A White, Y A Bozer, and J M A Tanchoco, 2010 Facilities Planning, 4th Edition New York: Wiley J Balakrishnan and C H Cheng, 2007 Multi-period planning and uncertainty issues in cellular manufacturing: A review and future directions European Journal of Operational Research, Volume 177, pp 281-309 J F a C Pierce, W B., 1971 Tree-search algorithms for quadratic assignment problems Naval Research Logistics, Volume 18, pp 1-36 J Kennedy and R Eberhart, 1995 Particle swarm optimization Neural Networks, Volume 4, pp 1942-1948 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 79 J P Paul, J M Brian, and V C Charles, 2004 Particle Swarm Optimization for The Design of Trusses American Society of Civil Engineers, pp 1-10 J Puchinger and G Raidl, 2005 Combining Metaheuristics and Exact Algorithms in Combinatorial Optimization: A Survey and Classification Computer Science, pp 4153 J S Kochhar, B T Foster, and S S Heragu, 1998 HOPE: A genetic algorithm for the unequal area facility layout problem Computers & Operations Research, Volume 25, pp 583-594 J.-C Picard and M Queyranne, 1981 On the One-Dimensional Space Allocation Problem Operations Research, Volume 29, pp 371-391 K L Mak, Y S Wong, and F T S Chan, 1998 A genetic algorithm for facility layout problems Computer Integrated Manufacturing Systems, Volume 11, pp 113127 K Lam, X Ning, and M Lam, 2009 Conjoining MMAS to GA to Solve Construction Site Layout Planning Problem Journal of Construction Engineering and Management, Volume 135, pp 1049-1057 K Ravi Kumar, G C Hadjinicola, and T.-l Lin, 1995 A heuristic procedure for the single-row facility layout problem European Journal of Operational Research, Volume 87, pp 65-73 Karaboga, D., 2005 An idea based on honey bee swarm for numerical optimization, s.l.: Erciyes University Lam, K C N X a N T., 2007 The application of the ant colony optimization algorithm to the construction site layout planning problem Construction Management and Economics, 25(4), pp 359-374 Lawler, E L., 1963 The Quadratic Assignment Problem Management Science, Volume 19, pp 586-590 Liao, T W E P J S B R a L S S., 2011 Metaheuristics for project and construction management - A state-of-the-art review Automation in Construction, Volume 20, pp 491-505 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 80 M Anjos and A Vannelli, 2008 Computing Globally Optimal Solutions for Layout Problems Using Semidefinite Programming and Cutting Planes INFORMS Journal on Computing, Volume 20, pp 611-617 M Cheng and L Lien, 2012 Hybrid Artificial Intelligence–Based PBA for Benchmark Functions and Facility Layout Design Optimization Journal of Computing in Civil Engineering, Volume 26, pp 612-624 M Farahani, A A Abshouri, B Nasiri, and M R Meybodi, 2011 A Gaussian Firefly Algorithm International Journal of Machine Learning and Computing, Volume 1, pp 448-453 M Solimanpur, P V a R S., 2005 An ant algorithm for the single row layout problem in flexible manufacturing systems Computers & Operations Research, Volume 32, pp 583-598 N Chai-ead, P Aungkulanon, and P Luangpaiboon, 2011 Bees and Firefly Algorithms for Noisy Non-Linear Optimization Problems Hong-Kong, s.n Nam, D H., 2010 Tối ưu hóa chi phí dự trữ vật tư cơng trường xây dựng việc ứng dụng thuật giải di truyền (bài toán áp dụng cho cơng trình xây dựng Tp HCM)., Hồ Chí Minh: Đại học Bách Khoa Tp.HCM O Hrstka, A K M L a J Z., 2003 A competitive comparison of different types of evolutionary algorithms Computers & Structures, Volume 81, pp 1979-1990 P Kouvelis, A A Kurawarwala, and G J Gutiérrez, 1992 P Kouvelis, A A Kurawarwala, and G J Gutiérrez, European Journal of Operational Research, Volume 63, pp 287-303 P Zouein, H Harmanani, and A Hajar, 2002 Genetic Algorithm for Solving Site Layout Problem with Unequal-Size and Constrained Facilities ournal of Computing in Civil Engineering, Volume 16, pp 143-151 Pan, Q.-K., 2013 An Effective Artificial Bee Colony Algorithm for a Real-World Hybrid Flowshop Problem in Steelmaking Process IEEE, 10(2), pp 307-322 Pan, Q.-K., 2014 A novel discrete artificial bee colony algorithm for the hybrid flowshop scheduling problem with makespan minimisation Elsevier , pp 42-56 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 81 Pan, Q.-K., Wang, L & Mao, K., 2013 An Effective Artificial Bee Colony Algorithm for a Real-World Hybrid Flowshop Problem in Steelmaking Process IEEE, 10(2), pp 307-322 Q Bai, 2010 Analysis of particle swarm algorithm Volume 134, pp 180-184 R Akbari, R Hedayatzadeh, K Ziarati, B Hassanizadeh, 2011 A multi-objective artificial bee colony algorithm Swarm and Evolutionary Computation, p 39–52 R F Love and J Y Wong, 1976 On solving a single row space allocation problem with integer programming INFOR, Volume 14, pp 139-143 R M Satheesh Kumar, P Asokan, S Kumanan, and B Varma, 2008 Scatter Search Algorithm for Single Row Layout Problem in FMS Advances in Production Engineering & Management, Volume 3, pp 193-204 Raidl, G., 2006 A Unified View on Hybrid Metaheuristics Hybrid Metaheuristics Raidl, G., 2006 A Unified View on Hybrid Metaheuristics In: Hybrid Metaheuristics s.l.:s.n Rosenblatt, M J., 1979 The facilities layout problem: a multi-goal approach International Journal of Production Research, Volume 17, pp 323-332 S Jajodia, I Minis, G Harhalakis, and J.-M Proth, 1992 CLASS: Computerized Layout Solutions using Simulated annealing International Journal of Production Research, Volume 30, pp 95-108 S K Pal, A I Rai, and A P Singh, 2012 Comparative study of firefly algorithm and particle swarm optimization for noisy non-linear optimization problems Intelligent Systems and Applications, Volume 10, pp 50-57 S Łukasik and S Żak, 2009 Firefly Algorithm for Continuous Constrained Optimization Tasks Springer Berlin Heidelberg, Volume 5796, pp 97-106 S Önüt, U R Tuzkaya, and B Doaỗ, 2008 A particle swarm optimization algorithm for the multiple-level warehouse layout design problem Computers & Industrial Engineering, Volume 54, pp 783-799 S S Heragu and A S Alfa, 1992 Experimental analysis of simulated annealing based algorithms for the layout problem European Journal of Operational Research, Volume 57, pp 190-202 HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 82 S Sahni and T Gonzalez, 1976 P-Complete Approximation Problems J ACM, Volume 23, pp 555-565 S.-O Cheung, T K.-L Tong, and C.-M Tam, 2002 Site pre-cast yard layout arrangement through genetic algorithms Automation in Construction, Volume 11, pp 35-46 Shahryar Rahnamayan, Hamid R Tizhoosh, Magdy M.A Salama, 2006 OppositionBased Differential Evolution for Optimization of Noisy Problems Vancouver, BC, Canada, s.n Simmons, D M., 1969 Single row space allocation: An ordering algorithm Operations Research, Volume 17, p 812–826 S, R., 2008 Opposition-based differential evolution IEEE, Volume 12, p 64–79 Sule, D R., 1988 Manufacturing facilities: Location, planning, and design Boston: PWS Kent Pub Co T Koopmans and M Beckmann, 1957 Assignment Problems and the Location of Economic Activities Econometrica, Volume 25, pp 53-76 The Truyen Tran, Trung Thanh Nguyen, Hoang Linh Nguyen, 2004 Global optimization using Levy flight Hanoi, VietNam, s.n Tizhoosh, H., 2005 Opposition-Based Learning: A New Scheme for Machine Intelligence CIMCA, Volume I, pp 695-701 Tizhoosh, H., 2005 Opposition-Based Learning: A New Scheme for Machine Intelligence CIMCA, Volume I, pp 695-701 Tizhoosh, H., 2005 Reinforcement Learning Based on Actions and Opposite Actions Cairo, Egypt, s.n Tizhoosh, H., 2006 Opposition-Based Reinforcement Learning Advanced Computational Intelligence and Intelligent Informatics, 10(3) X.S Yang, S Deb, 2009 Cuckoo search via Levy flights Nature & Biologically Inspired Computing, p 210–214 X.-S Yang, 2009 Firefly algorithms for multimodal optimization Proceedings of the 5th international conference on Stochastic HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 83 Yang, X., 2010 Engineering Optimization: An Introduction with Meta-heuristic Applications, s.l.: s.n Yang, X S., 2010 Nature-InspiredMetaheuristic AlgorithmsSecond Edition University of Cambridge, United Kingdom: Luniver Press HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM Luận Văn Thạc Sĩ 84 PHẦN LÝ LỊCH TRÍCH NGANG Họ tên: TRẦN LÊ ANH Ngày, tháng, năm sinh: 02/12/1991 Nơi sinh: Khánh Hòa Địa liên lạc: 74/4 đường Bạch Đằng, phường 2, quận Tân Bình, TP Hồ Chí Minh Email: tranleanh212@gmail.com Sđt: 01653614809 Q TRÌNH ĐÀO TẠO Từ 2009 đến năm 2014: Học đại học quy chuyên ngành Kỹ Thuật Xây Dựng trường Đại Học Kiến Trúc 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 QUÁ TRÌNH CƠNG TÁC Từ 09/2014 đến 04/2016: Kỹ sư kết cấu Công ty cổ phần tư vấn xây dựng đầu tư Dinh Phát Từ 05/2016 đến 06/2018: Kỹ sư dự án Công ty cổ phần tư vấn đầu tư IDICO Từ 07/2018 đến nay: Quản lý thu mua Công ty General Resource Viet Nam HVTH: Trần Lê Anh - MSHV:1670120 GVHD: TS Phạm Vũ Hồng Sơn ĐH Bách Khoa TPHCM HVTH: Trần Lê Anh - MSHV:1670120 85 Luận Văn Thạc Sĩ GVHD: TS Phạm Vũ Hồng Sơn ... lý Xây dựng Mã số: 60580302 I TÊN ĐỀ TÀI: Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí sở vật chất công trường xây dựng NHIỆM VỤ VÀ NỘI DUNG: Áp dụng thuật toán lai ghép bầy. .. Lương Đức Long TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG LỜI CAM ĐOAN Tôi xin cam đoan đề tài: ? ?Áp dụng thuật toán lai ghép bầy ong nhân tạo vào tối ưu hóa bố trí sở vật chất cơng trường xây dựng? ?? cơng trình... bầy ong nhân tạo vào tối ưu hóa sở vật chất công trường xây dựng qua hai trường hợp nghiên cứu: hoạt động nâng, dự trữ vật tư tòa nhà cao tầng lập kế hoạch bố trí sở vật chất cơng trường xây dựng