Tối ưu cân bằng chi phí - thời gian - nhân lực trong quản lý dự án xây dựng bằng thuật toán cá ngựa SHO và phương pháp Fuzzy

MỤC LỤC

Phương pháp nghiên cứu Tìm hiểu phân tích tài liệu

HVTH: Nguyễn Văn Quang - MSHV: 2170888 Trang 4 Từ đó, luận văn này cân bằng đồng thời giữa các nhân tố thời gian – chi phí – nhân lực có xét đến sự không chắc chắn của các biến đầu vào và có thời gian hội tụ nhanh hơn bằng cách áp dụng thuật toán (SHO) và lý thuyết mờ (Fuzzy logic).  Đưa ra các mô hình lựa chọn để người quản lý chọn lựa phương án cân bằng nhất khi thi công.

Các nghiên cứu về việc tối ưu hóa Thời gian – Chi phí – Nhân lực

Chỉ một số nghiên cứu đã được thực hiện để xử lý các vấn đề đánh đổi thời gian-chi phí-tài nguyên trong xây dựng dự án sử dụng nhiều phương pháp khác nhau như NSGA-II [1], sự kết hợp của GA và PSO [37], nhảy ếch xáo trộn [38], và nhiều sinh vật cộng sinh khách quan [39]. Khi công nghệ khoa học phát triển cũng như sự hiểu biết của con người về thế giới tự nhiên thì đã có rất nhiều nghiên cứu trước đó sử dụng các phương pháp khác nhau như toán học và heuristic đến metaheutistic và các thuật toán về tiến hóa để trình bày giải quyết vấn đề TCT và tài nguyên.

Các nghiên cứu về tối ưu thời gian – chi phí xây dựng tại Việt Nam

Bằng việc áp dụng phương pháp sửa đổi trọng số thích ứng (MAWA) để tổng hợp hai mục tiêu riêng biệt là thời gian và chi phí thành một mục tiêu duy nhất, mô hình đề xuất đã thành công trong việc tìm ra các giải pháp không bị chiếm ưu thế cho bài toán tối ưu về thời gian và chi phí. Mô hình được thiết lập để chuyển phân tích cân đối thời gian - chi phí hai chiều truyền thống thành phân tích cân đối chất lượng - thời gian - chi phí ba chiều Luận văn áp dụng tối ưu Pareto và sử dụng khoảng cách Euclid làm hàm thích nghi cho các cá thể trong quá trình tính toán.

Hình tối ưu hóa  thời gian – chi  phí – nhân lực  cho dự án xây  dựng (Ứng dụng  thuật giải  GA-PSO và Lý  thuyết mờ)”
Hình tối ưu hóa thời gian – chi phí – nhân lực cho dự án xây dựng (Ứng dụng thuật giải GA-PSO và Lý thuyết mờ)”

Lý thuyết sơ đồ mạng

  • Sơ đồ mạng công việc trên nút
    • Sơ đồ mạng và kinh phí
      • Một số khái niệm trong Lý thuyết mờ (fuzzy theory) .1 Biên giới tập mờ A (support của A)
        • Một số phép logic thường sử dụng với tập mờ

          Quan trọng nhất, độ dài của hành trình chính đồng thời là quy định thời gian cần thiết để hoàn thành dự án.Các công việc trên hành trình chính không có độ trễ, điều này nghĩa là mọi công việc đều ảnh hưởng trực tiếp đến. Khi xây dựng kế hoạch tiến độ bằng cách sử dụng biểu đồ mạng, không chỉ quan trọng để đảm bảo rằng các công việc được hoàn thành đúng thời hạn, mà còn cần phải xem xét một khía cạnh quan trọng khác: quản lý và phân phối tài nguyên. Đồng thời, có thể thực hiện sự điều chỉnh bằng cách thay đổi thời gian bắt đầu hoặc kéo dài thời gian thực hiện các công việc (với điều kiện không vượt quá thời gian dự trữ) để đạt được mục tiêu mong muốn là: chỗ nhân lực cao được giảm đến tung độ cần thiết, chỗ tung độ thấp được tăng đến tung độ cần thiết.

          Bảng 3.2 Mối quan hệ giữa hai công tác A và B
          Bảng 3.2 Mối quan hệ giữa hai công tác A và B

          Lý thuyết thuật giải SHO

          Tập tính di chuyển của cá ngựa

          Đặc biệt, chuyến bay Lévy được sử dụng để mô phỏng kích thước bước chuyển động của ngựa biển, điều này có lợi cho ngựa biển với xác suất cao vượt qua các vị trí khác trong các lần lặp lại sớm và tránh việc khai thác SHO cục bộ quá mức. Đồng thời, chế độ di chuyển xoắn ốc này của cá ngựa thay đổi liên tục góc quay để mở rộng các vùng lân cận của các giải pháp địa phương hiện tại trong trường hợp này, nó có thể được biểu diễn bằng toán học để tạo ra vị trí mới của một con ngựa biển như sau: [14]. Nếu r2 > 0,1 có nghĩa là cá ngựa săn mồi thành công, tức là cá ngựa đánh lén con mồi (tinh nhuệ), di chuyển nhanh hơn con mồi và cuối cùng tóm gọn Mặt khác, khi cuộc săn mồi thất bại, tốc độ phản hồi của cả hai sẽ ngược lại với tốc độ trước đó, điều này ngụ ý xu hướng khám phá không gian tìm kiếm của ngựa biển [14].

          Hình 3.11 Các kiểu chuyển động khác nhau của cá ngựa trên biển
          Hình 3.11 Các kiểu chuyển động khác nhau của cá ngựa trên biển

          Lý thuyết đa mục tiêu

          Các cá thể được sắp xếp theo thứ tự tăng dần từ trên xuống dưới theo các giá trị thể chất, và những con cá ngựa đầu tiên được chọn lọc lặp đi lặp lại làm quần thể mới cho quá trình tiến hóa tiếp theo. HVTH: Nguyễn Văn Quang - MSHV: 2170888 Trang 39 Các phương pháp cổ điển chỉ giải quyết được các bài toàn đơn mục tiêu, trong đó các vấn đề cần giải quyết của dự án là nhiều mục tiêu do đó có nhiều thuật toán tiến đóa để giải quyết vấn đề tối ưu đa mục tiêu như hiện nay [60]. Với các mục tiêu xung đột cần được cân bằng thì việc MOO là một tập hợp các giải pháp tối ưu (bộ Pareto) thay vì một giải pháp tối ưu. Để đạt được cân bằng cho bài toán quản lý chấp nhận mục kết quả của mục tiêu xấu này thì phải cân bằng kết quả ít nhập một mục tiêu khác. Nói chung, vấn để tối ưu đa mục tiêu bao gồm z hàm mục tiêu, n biến quyết định, m bất đẳng thức ràng buộc và p đẳng thức ràng buộc. )xn Tlà một vector của n biến quyết định trong không gian tương thích D.

          Ra quyết định đa tiêu chí

          Sự khác biệt chính giữa các phương pháp này liên quan đến mức độ phức tạp của thuật toán, phương pháp tính trọng số cho tiêu chí, cách thể hiện tiêu chí đánh giá ưu tiên, khả năng dữ liệu không chắc chắn và cuối cùng là kiểu tổng hợp dữ liệu [68]. Không có cách nào để chuyển từ một không bị thống trị giải pháp này sang giải pháp khác mà không phải hy sinh ít nhất một trong các tiêu chí mà điểm này có thể giúp người ra lựa chọn một bộ giải pháp từ tập hợp các giải pháp không bị chi phối. HVTH: Nguyễn Văn Quang - MSHV: 2170888 Trang 44 Nghĩa là, tiêu chí có thể có các đơn vị khác nhau mà không có bất kỳ mối quan hệ nào, và với các mục tiêu xung đột khác nhau (giảm thiểu các mục tiêu trong một số mục tiêu và tối đa hóa ở những người khác).

          Bảng 3.3 Bảng tổng hợp các lĩnh vực ứng dụng lý thuyết đa mục tiêu
          Bảng 3.3 Bảng tổng hợp các lĩnh vực ứng dụng lý thuyết đa mục tiêu

          Mô hình tối ưu đa mục tiêu

          Dữ liệu đầu vào

          Trong nghiên cứu này, tập giải pháp tối ưu ở các mức α khác nhau sẽ được tìm ra theo tình huống không chắc chắn và rủi ro trong mô hình hóa chi phí thời gian với các tập mờ tam giác. Trong nghiên cứu này, các tập mờ được sử dụng để mô hình hóa cả mức độ không chắc chắn và để đạt được quan điểm lạc quan và bi quan cho cả tính toán chi phí và thời gian tối ưu. Để mô hình hóa phương sai của các mức độ không chắc chắn, các mức cắt alpha khác nhau đã được sử dụng.

          Yêu cầu đầu ra

          Các quan điểm lạc quan và bi quan đóng một vai trò trong quá trình giải mờ. HVTH: Nguyễn Văn Quang - MSHV: 2170888 Trang 49 Đối với mỗi lựa chọn được, xác định thời điểm khởi đầu các công việc sao cho biến động nhân công của dự án đạt mức thấp nhất. Ở bất kỳ giai đoạn nào của dự án, tổng lượng nhân công yêu cầu không vượt quá khả năng cung cấp tối đa của nhà thầu.

          Mô hình tối ưu thời gian – chi phí – nhân lực

          Xác định thông số của dự án

             Cần giảm thiểu khoảng cách giữa biên giới của kết quả tối ưu đã biết (best- known Pareto front) và biên giới thực tế của tập Pareto (true Pareto front). Lý tưởng nhất, tập kết quả không bị chi phối nên là một phần con của tập Pareto thực.  Biên độ của biên Pareto thu được cần tối đa hóa (tức là cần phải khám phá được các giải pháp ở cả hai đầu của biên Pareto thực), và các giải pháp trong tập kết quả cần được phân phối đều và đa dạng trên biên Pareto thực.

            Hàm mục tiêu thời gian và chi phí

              Biến động trong việc sử dụng tài nguyên là một trong những vấn đề phức tạp nhất mà các nhà thầu phải giải quyết khi xây dựng kế hoạch xây dựng khi thuê/sa thải lao động và việc thuê/sở hữu thiết bị dựa trên việc sử dụng tài nguyên cực kỳ biến động là không thực tế trong thực tế dự án. Cách tiếp cận của Popescu và Charoenngam (1995) [73] được sử dụng trong việc tối ưu hóa làm mục tiêu biến động tài nguyên vì sự khác biệt bình phương luôn tạo ra kết quả tích cực, và giảm bớt những khác biệt nhỏ trong khi phóng đại những khỏc biệt lớn khỏc biệt, làm cho sự khỏc biệt trở nờn rừ ràng hơn. Tối ưu hóa phân phối tài nguyên trong bối cảnh thời hạn xây dựng công trình đã xác định là việc điều chỉnh các công việc theo thời gian, vẫn giữ nguyên quan hệ công nghệ và tổ chức, nhằm mục đích làm giảm thiểu sai phương của biên độ sử dụng tài nguyên so với mức trung bình là nhỏ nhất.

              Hình 4.2 Biểu diễn các công tác dưới dạng ma trận
              Hình 4.2 Biểu diễn các công tác dưới dạng ma trận

              Mô hình cho bài toán Thời gian – Chi phí - Nhân lực

                Cách tiếp cận đối cho vấn đề TCR (Thời Gian, Chi Phí, và Nhân Lực) trong các dự án xây dựng có thể được mô tả thông qua một giải pháp tiềm năng, được biểu diễn bằng một vectơ có D phần tử theo công thức (CT 4.9). Vector này gồm hai phần. a) Chọn lựa phương án thực hiện cho các công việc;. b) Thời điểm bắt đầu của các công việc. Execution-Option Start time value. Trong phần a) về các lựa chọn thi công (Execution option), chúng ta sử dụng N để biểu thị tổng số lượng công việc. Để chuyển đổi các giá trị này thành các số nguyên gần nhất, chúng ta áp dụng hàm Ceil trong công thức (CT 4.11). Hành động này giúp xác định chính xác các phương án thi công cho từng công việc, tạo ra sự linh hoạt và khả năng điều chỉnh theo các giá trị nguyên, làm nổi bật tính hiệu quả và chính xác của quá trình lựa chọn thi công trong mô hình. Trong phần b) về giá trị thời gian bắt đầu (Start time value), biến xi,j được sử dụng để định rừ thời điểm bắt đầu thực hiện cụng việc trong khoảng thời gian dự trữ. Cụ thể, Shannon đã phát triển mô hình toán học cho quyết định đa mục tiêu, trong khi Monghasemi và Nikoo [75] đã áp dụng các phương pháp ra quyết định đa tiêu chí vào các ứng dụng thực tế.Việc áp dụng phương pháp ra quyết định đa tiờu chớ giỳp người quản lý khụng chỉ hiểu rừ hơn về ưu tiờn của từng giải phỏp mà còn làm tăng khả năng áp dụng kết quả tối ưu vào quyết định thực tế.

                Hình 4.3 Sơ đồ của thuật toán SHO
                Hình 4.3 Sơ đồ của thuật toán SHO