ứng dụng trí tuệ nhân tạo trong tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố môi trường

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.97 MB, 113 trang )

Trang 1<div class="page_container" data-page="1">

---

VÕ DUY PHƯỚC

ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG TỐI ƯU CHI PHÍ TIẾN ĐỘ DỰ ÁN XÂY DỰNG

CÓ XÉT ĐẾN YẾU TỐ MÔI TRƯỜNG

APPLICATION OF ARTIFICIAL INTELLIGENCE IN OPTIMIZING COST AND SCHEDULE OF

CONSTRUCTION PROJECTS CONSIDERING ENVIRONMENTAL FACTORS

Chuyên ngành: Quản lý Xây dựng Mã số: 8.58.03.02

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 01 năm 2024

</div>Trang 2<div class="page_container" data-page="2">

Cán bộ hướng dẫn khoa học 1 : PGS. TS. Phạm Vũ Hồng Sơn. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ hướng dẫn khoa học 2: TS. Lưu Xuân Lộc.

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1 : PGS.TS Đỗ Tiến Sỹ

(Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2 : TS. Đặng Ngọc Châu

(Ghi rõ họ, tên, học hàm, học vị và chữ ký)

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp. HCM ngày 17 tháng 01 năm 2024.

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ) 1. Chủ tịch hội đồng bảo vệ: PGS.TS Lương Đức Long

2. Ủy viên Thư ký hội đồng: PGS.TS Trần Đức Học 3. Ủy viên: TS. Nguyễn Văn Tiếp

4. Phản biện 1: PGS.TS Đỗ Tiến Sỹ 5. Phản biện 2: TS. Đặng Ngọc Châu

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có).

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA

KHOA KỸ THUẬT XÂY DỰNG

PGS. TS. Lê Anh Tuấn

</div>Trang 3<div class="page_container" data-page="3">

ĐẠI HỌC QUỐC GIA TP.HCM

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: Võ Duy Phước MSHV : 2170885 Ngày, tháng, năm sinh: 09/10/1989 Nơi sinh: Tp. HCM

Chuyên ngành: Quản lý xây dựng Mã số : 8580302

I. TÊN ĐỀ TÀI: ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG TỐI ƯU CHI PHÍ TIẾN ĐỘ DỰ ÁN XÂY DỰNG CÓ XÉT ĐẾN YẾU TỐ MÔI TRƯỜNG (APPLICATION OF ARTIFICIAL INTELLIGENCE IN OPTIMIZING

ENVIRONMENTAL FACTORS) II. NHIỆM VỤ VÀ NỘI DUNG

1. Phân tích tầm quan trọng của yếu tố chi phí và tiến độ trong quản lý xây dựng và ảnh hưởng của yếu tố môi trường trong dự án xây dựng.

2. Xác định hàm mục tiêu tối ưu cho bài tối ưu hóa chi phí và tiến độ trong dự án xây dựng có xem xét đến yếu tố mơi trường.

3. Tìm hiểu về trí tuệ nhân tạo trong quản lý xây dựng và phát triển thuật toán AI nhằm tối ưu chi phí và tiến độ trong dự án xây dựng có xem xét đến yếu tố mơi trường. 4. So sánh, nhận xét, phân tích và đánh giá kết quả khi áp dụng thuật toán AI cho bài

tối ưu hóa chi phí và tiến độ trong dự án xây dựng có xem xét đến yếu tố mơi trường. 5. Kết luận và kiến nghị.

III. NGÀY GIAO NHIỆM VỤ : 04/09/2023 IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 18/12/2023

TS. Lê Hoài Long

TRƯỞNG KHOA KĨ THUẬT XÂY DỰNG

PGS. TS. Lê Anh Tuấn

</div>Trang 4<div class="page_container" data-page="4">

LỜI CẢM ƠN

Đề cương Luận văn thạc sĩ trong lĩnh vực quản lý xây dựng là một phần quan trọng trong chương trình đào tạo cao học, nhằm trang bị cho học viên khả năng tự nghiên cứu và khả năng giải quyết những vấn đề cụ thể trong thực tế xây dựng. Đây là trách nhiệm và niềm tự hào của mỗi học viên cao học.

Tơi muốn bày tỏ lịng biết ơn sâu sắc đến những tập thể và cá nhân đã hỗ trợ

tơi trong q trình hồn thành đề cương luận văn "Ứng dụng trí tuệ nhân tạo trong

tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố mơi trường". Bên cạnh sự cố

gắng và nỗ lực cá nhân, tôi đã nhận được nhiều sự giúp đỡ quý báu từ những người này.

Tơi xin bày tỏ lịng tri ân đặc biệt đến Thầy PGS. TS. Phạm Vũ Hồng Sơn và Thầy TS. Lưu Xuân Lộc, người đã tận tâm hướng dẫn và đưa ra gợi ý đầu tiên, giúp tôi hình thành ý tưởng cho đề tài. Thầy cũng đã góp ý về cách nhận định chính xác trong q trình nghiên cứu cũng như cách tiếp cận hiệu quả. Sự tận tâm và sự chỉ bảo của Thầy là nguồn động lực lớn giúp tơi hồn thành đề cương luận văn một cách xuất sắc.

Tôi cũng muốn chân thành cảm ơn quý Thầy Cô Khoa Kỹ Thuật Xây dựng, trường Đại học Bách Khoa Thành phố Hồ Chí Minh, đã truyền đạt cho tôi những kiến thức quý giá. Những kiến thức này không chỉ quan trọng trong q trình nghiên cứu khoa học mà cịn trong sự nghiệp của tôi trong tương lai.

Đề cương Luận văn thạc sĩ đã được hoàn thành đúng thời hạn nhờ sự nỗ lực của tôi. Tuy nhiên, tôi nhận thấy vẫn cịn một số thiếu sót. Vì vậy, tơi mong được sự chỉ bảo từ quý Thầy, Cô để tôi có thể bổ sung kiến thức và hồn thiện bản thân mình. Xin trân trọng cảm ơn.

Tp. Hồ Chí Minh, ngày 18 tháng 02 năm 2024

Võ Duy Phước

</div>Trang 5<div class="page_container" data-page="5">

TÓM TẮT ĐỀ TÀI

Trí tuệ nhân tạo (AI) đang nổi lên như cơng cụ không thể bỏ qua trong lĩnh vực quản lý xây dựng, mở ra những triển vọng mới trong việc cải tiến, tối ưu hóa chi phí, tiến độ, cũng như giảm thiểu tác động tiêu cực đến môi trường trong các dự án

xây dựng. Đề tài "Ứng dụng trí tuệ nhân tạo trong tối ưu chi phí tiến độ dự án xây

dựng có xét đến yếu tố môi trường" không chỉ hướng tới việc khám phá và phát triển

phương thức quản lý xây dựng thông minh và bền vững, mà cịn tạo ra một cơng cụ ra quyết định tiềm năng cho các nhà quản lý. Nghiên cứu này không chỉ tận dụng AI để tìm kiếm những giải pháp tối ưu cho những thách thức lớn như chi phí, tiến độ, và bảo vệ mơi trường, mà cịn góp phần đáng kể trong việc nâng cao hiệu suất và chất lượng của các dự án xây dựng. Đồng thời, đề tài này cũng cung cấp cơ sở cho việc ra quyết định thông minh trong quản lý xây dựng, giúp các chuyên gia và nhà quản lý dự án tiếp cận với một quy trình làm việc hiệu quả, nhanh chóng và có hiệu suất cao.

</div>Trang 6<div class="page_container" data-page="6">

ABSTRACT

Artificial Intelligence (AI) is rapidly becoming an essential tool in the field of construction management, offering new avenues for enhancement, cost and schedule optimization, and the reduction of negative environmental impacts in construction

projects. The research topic "Application of Artificial Intelligence in Optimizing

Cost and Schedule of Construction Projects Considering Environmental Factors"

aims not only to explore and develop intelligent and sustainable construction management methods but also to forge a powerful decision-making tool for managers. This study utilizes AI to identify optimal solutions to key challenges such as cost management, scheduling, and environmental protection, significantly improving the efficiency and quality of construction projects. Furthermore, this topic lays a solid foundation for intelligent decision-making in construction management, providing experts and project managers with the means to achieve more effective, rapid, and high-performance work processes.

</div>Trang 7<div class="page_container" data-page="7">

LỜI CAM ĐOAN

Tôi xin xác nhận rằng đề cương luận văn này là thành quả của công việc cá nhân của tôi, được thực hiện dưới sự hướng dẫn tận tâm của PGS. TS. Phạm Vũ Hồng Sơn và TS. Lưu Xuân Lộc. Tất cả những kết quả được trình bày trong luận văn này đều đáng tin cậy và chưa được công bố trong bất kỳ nghiên cứu nào khác.

Tơi chịu trách nhiệm hồn tồn về q trình nghiên cứu và thực hiện của mình, và tơi cam đoan rằng tôi đã tuân thủ các quy tắc và nguyên tắc đạo đức nghiên cứu trong quá trình thực hiện đề cương luận văn này.

Tp. Hồ Chí Minh, ngày 18 tháng 12 năm 2023

Võ Duy Phước

</div>Trang 8<div class="page_container" data-page="8">

1.2 Đối tượng và phạm vi nghiên cứu ... 5

1.3 Phương pháp nghiên cứu ... 6

1.4 Mục tiêu nghiên cứu ... 7

1.5 Đóng góp của đề tài ... 7

1.5.1 Về mặt học thuật ... 7

1.5.2 Về mặt thực tiễn ... 8

1.6 Cấu trúc luận văn ... 8

CHƯƠNG 2: CÁC NGHIÊN CỨU LIÊN QUAN ... 10

2.1 Các nghiên trong nước ... 10

2.2 Các nghiên cứu nước ngoài ... 17

2.2.1 Tối ưu chi phí, tiến độ và khí thải CO2 ... 17

2.2.2 Thuật toán châu chấu (GOA) ... 23

2.2.3 Phương pháp học dựa trên sự đối diện (OBL) ... 26

2.2.4 Phương pháp lựa chọn giải đấu (TS) ... 30

2.3 Kết luận ... 32

</div>Trang 9<div class="page_container" data-page="9">

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ... 34

3.1 Tính tốn chi phí tiến độ và ước tính phát thải CO2 từ hoạt động xây dựng .. 34

3.1.1 Tính tốn tiến độ chi phí dự án xây dựng ... 34

3.1.2 Mối quan hệ chi phí-tiến độ trong một dự án ... 35

3.1.3 Rút ngắn tiến độ của dự án ... 36

3.1.4 Phương pháp ước tính phát thải CO2 từ hoạt động xây dựng ... 38

Phát thải trực tiếp ... 38

Phát thải gián tiếp... 39

3.1.5 Tối ưu chi phí vật liệu và phát thải CO2 ... 41

3.2 Thuật toán châu chấu - Grasshopper Optimisation Algorithm (GOA) ... 42

3.3 Kết luận ... 54

CHƯƠNG 4: MƠ HÌNH TỐI ƯU HĨA VÀ TRƯỜNG HỢP ỨNG DỤNG... 56

4.1 Phương pháp học dựa trên sự đối diện (Opposition-based learning) ... 56

4.2 Phương pháp lựa chọn giải đấu (TS) ... 58

4.3 Xây dựng thuật toán tối ưu mới eGOA ... 58

5.2 Hướng nghiên cứu trong tương lai ... 91

DANH MỤC CƠNG TRÌNH KHOA HỌC ... 93

TÀI LIỆU THAM KHẢO VÀ TRÍCH DẪN ... 94

</div>Trang 10<div class="page_container" data-page="10">

DANH MỤC CÁC HÌNH

Hình 1.1. Sự phức tạp của một dự án xây dựng ... 1

Hình 1.2. Yếu tố trong quản lý xây dựng ... 2

Hình 1.3. Phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo quốc gia/khu vực (Triệu tấn) năm 2009 [8] ... 3

Hình 1.4. Cường độ phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo quốc gia/khu vực (Kilotons/Triệu USD) năm 2009 [8] ... 4

Hình 3.1. Mối quan hệ chi phí-tiến độ trong một dự án ... 35

Hình 3.2. (a) Châu chấu trưởng thành (b) Vòng đời của châu chấu [31] ... 42

Hình 3.3. Phạm vi của hàm s khi l=1,5 và f=0,5 (phải) của hàm s khi x nằm trong [1,4] [31]... 43

Hình 3.4. Hành vi của hàm s khi thay đổi l hoặc f [31] ... 44

Hình 3.5. Mơ hình điều chỉnh giữa các cá thể trong một bầy châu chấu [31] ... 45

Hình 3.6. Hành vi của bầy đàn trong không gian 2D [31] ... 46

Hình 3.7. Hành vi của bầy đàn trong khơng gian 3D [31] ... 47

Hình 3.8. Hành vi của châu chấu xung quanh mục tiêu cố định và di động trong khơng gian 2D [31] ... 49

Hình 3.9. Hành vi của châu chấu xung quanh mục tiêu cố định và di động trong không gian 3D [31] ... 50

Hình 3.10. Hành vi của châu chấu trên chức năng kiểm tra đơn phương thức và chức năng kiểm tra đa phương thức [31] ... 51

Hình 4.5. Pareto front thu được bằng mơ hình eGOA ứng với Case study 1 ... 71

Hình 4.6. Khả năng hội tụ của eGOA và các thuật toán khác ứng với Case study 2 ... 81

Hình 4.7. Pareto front thu được bằng mơ hình eGOA của ứng với Case study 2 .... 88

</div>Trang 11<div class="page_container" data-page="11">

DANH MỤC CÁC BẢNG

Bảng 2.1. Các nghiên cứu liên quan đến tối ưu chi phí và khí thải CO2 ... 11

Bảng 2.2. Các nghiên cứu liên quan đến tối ưu chi phí và khí thải CO2 ... 18

Bảng 2.3. Các nghiên cứu liên quan đến thuật toán châu chấu ... 23

Bảng 2.4. Các nghiên cứu liên quan đến phương pháp OBL ... 27

Bảng 2.5. Các nghiên cứu liên quan đến phương pháp TS ... 31

Bảng 3.1. Dấu chân CO2 của các phương thức phát điện khác nhau (POST, 2006) 39 Bảng 3.2. Hệ số phát thải cacbon của vật liệu xây dựng thông thường [52] ... 40

Bảng 3.3. Pseudo code của GOA ... 51

Bảng 3.4. Main code của GOA ... 52

Bảng 4.1. Pseudo code của eGOA ... 60

Bảng 4.2. Dữ liệu case study 1 [24] ... 61

Bảng 4.3. Thông số của các thuật toán eGOA, GOA, DA, ALO và SMA ... 63

Bảng 4.4. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo tiến độ) ứng với Case study 1... 65

Bảng 4.5. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo chi phí) ứng với Case study 1... 67

Bảng 4.6. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo phát thải CO2) ứng với Case study 1 ... 69

Bảng 4.7. Công tác gantt ứng với các phương án thu được bởi eGOA trong Case study 1 ... 71

Bảng 4.8. C-metric của các thuật toán khác nhau ứng với case study 1 ... 74

Bảng 4.9. Dữ liệu case study 2 ... 75

Bảng 4.10. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo tiến độ) ứng với Case study 2... 82

Bảng 4.11. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo chi phí) ứng với Case study 2... 84

Bảng 4.12. Các giải pháp trội tốt nhất thu được bằng các thuật toán khác nhau (được sắp xếp theo phát thải CO2) ứng với Case study 2 ... 86

</div>Trang 12<div class="page_container" data-page="12">

Bảng 4.13. Công tác gantt ứng với các phương án thu được bởi eGOA trong Case study 2 ... 89 Bảng 4.14. C-metric của các thuật toán khác nhau ứng với case study 2 ... 89

</div>Trang 13<div class="page_container" data-page="13">

TCSC Thyristor Controlled Series Compensator GOBL Generalized Opposition-Based Learning GOPSO Enhanced PSO Algorithm

GSA Gravitational Search Algorithm

OGSA Opposition-Based Gravitational Search Algorithm DE Differential Evolution

</div>Trang 14<div class="page_container" data-page="14">

TCT Tối ưu chi phí, tiến độ

TCTC Tối ưu chi phí, tiến độ có xem xét đến yếu tố môi trường BIM Building Information Modeling

FBS Feasible Boundary Search MOO Multi-Objective Optimization

</div>Trang 15<div class="page_container" data-page="15">

CHƯƠNG 1: GIỚI THIỆU

1.1 Lý do chọn đề tài

Hình 1.1. Sự phức tạp của một dự án xây dựng

Ngành xây dựng là một trong những ngành cơng nghiệp quan trọng nhất trên tồn cầu. Tuy nhiên, nó cũng đối mặt với nhiều thách thức do tính chất đặc thù của mình. Mỗi dự án xây dựng là duy nhất, có giá trị lớn, quy mơ phức tạp và không thể

thay đổi một cách dễ dàng (Hình 1.1). Trong quá trình xây dựng, thường xảy ra xung

đột giữa các bên liên quan. Tiến độ, chi phí và chất lượng là một trong những ràng buộc quan trọng đối với các dự án xây dựng. Do đó, khơng chỉ chất lượng mà cả yếu tố thời gian và chi phí đều đóng vai trị quan trọng trong việc đạt được hiệu quả cho

một dự án xây dựng (Hình 1.2). Tối ưu chi phí và tiến độ (TCT) là một trong những

nhiệm vụ quan trọng và đầy thách thức trong quá trình quản lý dự án xây dựng. Các nhà quản lý dự án thường gặp khó khăn khi tìm kiếm sự kết hợp hiệu quả giữa tiến

</div>Trang 16<div class="page_container" data-page="16">

độ và chi phí nhằm hồn thành dự án theo thời gian mong muốn với chi phí tối thiểu [1].

Hình 1.2. Yếu tố trong quản lý xây dựng

Khi tối ưu hóa chi phí trong dự án xây dựng, có thể tiết kiệm nguyên vật liệu và nhân lực, giảm chi phí vận hành và bảo trì sau khi hồn thành. Điều này khơng chỉ giúp tối ưu hóa sự sử dụng nguồn lực mà cịn tránh lãng phí. Đồng thời, tối ưu hóa tiến độ đảm bảo rằng dự án hoàn thành đúng thời hạn. Tuân thủ tiến độ giúp giảm thiểu rủi ro, tránh chậm trễ và phạt hợp đồng, tạo niềm tin cho các bên liên quan. Khi hồn thành dự án đúng hạn cịn tạo thuận lợi cho khởi động hoạt động kinh doanh, mở ra cơ hội tiếp cận thị trường và tạo thu nhập sớm cho nhà đầu tư. Tóm lại, TCT trong quản lý xây dựng mang lại nhiều lợi ích cho cơng ty xây dựng, từ tiết kiệm tài nguyên đến đảm bảo đúng tiến độ và tạo cơ hội kinh doanh [2].

Ngành xây dựng góp phần gây ra nhiều vấn đề môi trường liên quan đến hoạt động xây dựng và vận hành cơng trình [3, 4]. Những q trình này đóng vai trị chủ

yếu trong ơ nhiễm mơi trường ngồi trời và thải ra khí nhà kính (Hình 1.3 và Hình

1.4). Trong đó, q trình sản xuất vật liệu xây dựng tạo ra lượng khí carbon dioxide

(CO2) cao nhất. Đối với hầu hết các dự án xây dựng, thành công được đo lường dựa trên các yếu tố quan trọng như thời gian, chi phí và chất lượng. Tuy nhiên, việc quan tâm đến các vấn đề liên quan đến môi trường hiếm khi được nhà quản lý dự án chú ý. Hiện nay, có rất ít nghiên cứu xoay quanh việc TCT có xem xét các vấn đề liên quan đến môi trường. Một số nghiên cứu đã phát triển mơ hình để đánh đổi giữa chi phí xây dựng và khí thải carbon dioxide bằng cách sử dụng các phương pháp tối ưu hóa đa mục tiêu dựa trên thuật toán tổ hợp [5].

</div>Trang 17<div class="page_container" data-page="17">

Hầu hết các nghiên cứu trước đây chỉ sử dụng một loại quan hệ cơ bản là "Finish to start" (FS), trong đó một hoạt động chỉ có thể bắt đầu sau khi các hoạt động trước đó đã hồn thành. Tuy nhiên, giả định hạn chế này khơng phù hợp với thực tế của các dự án. Trong thực tế, các nhà quản lý dự án thường tối ưu hóa thời gian dự án bằng cách lập lịch các hoạt động đồng thời trong sơ đồ mạng [6, 7]. Chẳng hạn, trong các dự án xây dựng tòa nhà cao tầng, việc xây tường và sơn nước có thể được thực hiện song song với nhau, thay vì tuân thủ sắp xếp tuần tự một cách logic cho từng hoạt động.

Hình 1.3. Phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo quốc

gia/khu vực (Triệu tấn) năm 2009 [8]

Vấn đề TCT đã được nghiên cứu rộng rãi và thu hút sự quan tâm đáng kể trong lĩnh vực quản lý xây dựng trong hơn năm thập kỷ qua. Ban đầu, Kelley Jr and Walker [9] đã đề xuất các phương pháp giải quyết vấn TCT bằng lập trình tuyến tính tham số. Các kỹ thuật được phân loại thành hai nhóm chính: phương pháp lập trình tốn học và phương pháp heuristic [10]. Phương pháp lập trình tốn học sử dụng quy hoạch nguyên hỗn hợp để giải quyết vấn đề TCT, có khả năng tìm ra các giải pháp tối ưu hoặc liệt kê tất cả các giải pháp để tìm kiếm giải pháp tối ưu. Mặc dù phương pháp

</div>Trang 18<div class="page_container" data-page="18">

lập trình tốn học thường tìm ra giải pháp tối ưu, nhưng chúng địi hỏi chi phí tính tốn cao [11]. Trong khi đó, phương pháp heuristic được biết đến là các giải pháp gần đúng cho vấn đề, sử dụng quy tắc kinh nghiệm thay vì chứng minh tốn học để giảm cơng sức tính tốn [12, 13]. Tuy nhiên, các phương pháp này chỉ mang lại giải pháp gần tối ưu mà không đảm bảo tìm được giải pháp tối ưu [14].

Mặc dù phương pháp lập trình tốn học có thể tìm ra phương án tối ưu, nhưng nó địi hỏi chi phí tính toán cao. Đặc biệt, đối với bài toán tối ưu chi phí tiến độ xét đến yếu tố mơi trường – TCTC (bao gồm ba tiêu chí tương quan), bài tốn này có độ phức tạp cao với một số công việc lớn, với số lượng phương án khả thi là 1.63 x 1010cho Case study 1 và 2.07 x 1026 cho cơng trình thực tế (Case study 2), việc sử dụng phương pháp lập trình tốn học là khơng khả quan. Vấn đề này đã thúc đẩy nghiên cứu khả năng của các thuật toán tối ưu dựa trên trí tuệ nhân tạo, nhằm đạt được tính tốn hiệu quả và nhanh chóng cho bài tốn TCTC. Tuy nhiên, các phương pháp này chỉ mang lại giải pháp gần tối ưu mà khơng đảm bảo tìm được giải pháp tối ưu. Do đó, để chứng minh hiệu quả của phương pháp mà học viên đề xuất, kết quả của luận văn sẽ được so sánh với các nghiên cứu trước đây.

Hình 1.4. Cường độ phát thải CO2 trực tiếp và gián tiếp của ngành xây dựng theo

quốc gia/khu vực (Kilotons/Triệu USD) năm 2009 [8]

</div>Trang 19<div class="page_container" data-page="19">

Sau khi đánh giá được hiệu quả của việc áp dụng thuật tốn tối ưu dựa trên trí tuệ nhân tạo để giải quyết bài toán TCTC, học viên hy vọng sẽ cung cấp cho các nhà quản lý dự án và nhà thầu một cơng cụ có khả năng lựa chọn các phương án tối ưu một cách có cơ sở, nhanh chóng và hiệu quả. Với tầm quan trọng ngày càng gia tăng của việc TCT trong lĩnh vực xây dựng, cùng với sự quan tâm ngày càng lớn đến yếu tố môi trường trong quá trình xây dựng, các hạn chế của các phương pháp tối ưu truyền thống cũng như tiềm năng của các thuật tốn dựa trên trí tuệ nhân tạo đã thúc đẩy học viên thực hiện đề tài này. Điều này nhằm mục đích tìm ra các phương án tối ưu, không chỉ từ quan điểm kinh tế mà cịn từ quan điểm mơi trường, để đảm bảo sự phát triển bền vững và giảm thiểu tác động tiêu cực đến môi trường từ các hoạt động xây dựng. Nhờ sự tiến bộ trong lĩnh vực này, học viên hy vọng có thể đạt được sự cân bằng giữa các yếu tố kinh tế, xã hội và mơi trường trong các dự án xây dựng, góp phần thúc đẩy sự phát triển bền vững trong ngành công nghiệp xây dựng.

1.2 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu:

+ Dự án xây dựng: Nghiên cứu tập trung vào các dự án xây dựng trong lĩnh vực công nghiệp xây dựng.

+ Chi phí xây dựng: Đối tượng nghiên cứu bao gồm các yếu tố liên quan đến chi phí trong q trình xây dựng dự án, bao gồm kinh phí vật liệu, lao động, thiết bị, vận chuyển và quản lý chi phí tổng thể.

+ Tiến độ xây dựng: Đối tượng nghiên cứu cũng bao gồm các yếu tố liên quan đến tiến độ của dự án, như thời gian hồn thành các cơng việc, lịch trình thi công, và quản lý tiến độ để đảm bảo dự án được hoàn thành đúng hạn.

+ Yếu tố môi trường: Nghiên cứu đặt sự chú trọng đến yếu tố mơi trường trong q trình tối ưu hóa, đặt biệt nhấn mạnh việc giảm thiểu khí thải CO2.

Phạm vi nghiên cứu:

</div>Trang 20<div class="page_container" data-page="20">

+ Phương pháp tối ưu hóa: Nghiên cứu sẽ tập trung vào việc phát triển các phương pháp trí tuệ nhân tạo giải quyết bài toán TCTC trong quá trình xây dựng.

+ Các yếu tố tối ưu: Nghiên cứu xem xét các yếu tố liên quan đến chi phí, tiến độ và xem xét đến yếu tố mơi trường trong quá trình xây dựng cũng như các thuật tốn tối ưu dựa trên trí tuệ nhân tạo.

1.3 Phương pháp nghiên cứu

Để đạt được mục tiêu nghiên cứu của đề tài "Ứng dụng trí tuệ nhân tạo trong

tối ưu chi phí tiến độ dự án xây dựng có xét đến yếu tố mơi trường", học viên sẽ sử

dụng phương pháp nghiên cứu sau:

1. Tìm hiểu bài tốn TCTC: Học viên sẽ tiến hành tìm hiểu về phương pháp tối ưu hóa chi phí, tiến độ có xem xét đến yếu tố mơi trường lĩnh vực quản lý xây dựng. Điều này đảm bảo học viên có kiến thức sâu rộng về lĩnh vực nghiên cứu và cơ sở để tiến hành các phân tích sau này.

2. Tìm hiểu về trí tuệ nhân tạo trong quản lý xây dựng: Học viên sẽ tiến hành một đánh giá tổng quan về trí tuệ nhân tạo và ứng dụng của nó trong lĩnh vực quản lý xây dựng. Qua đó, học viên sẽ tìm hiểu các phương pháp, cơng nghệ và cơng cụ trí tuệ nhân tạo phù hợp để áp dụng trong đề tài.

3. Phát triển giải thuật tối ưu hóa: Học viên sẽ phát triển các giải thuật trí tuệ nhân tạo nhằm giải quyết bài toán TCTC.

4. Đánh giá và kiểm tra mơ hình: Học viên sẽ thực hiện các thử nghiệm và kiểm tra hiệu quả của mơ hình với các nghiên cứu trước. Qua đó, học viên sẽ đánh giá hiệu suất và độ chính xác của mơ hình, cũng như sự đóng góp của mơ hình trong quản lý xây dựng.

5. Phân tích kết quả và đưa ra đề xuất: Học viên sẽ phân tích kết quả thu được từ các thử nghiệm và đánh giá, đồng thời đưa ra những đề xuất và khuyến nghị để cải thiện q trình giải quyết bài tốn TCTC dựa trên thuật tốn trí tuệ nhân tạo.

</div>Trang 21<div class="page_container" data-page="21">

Phương pháp nghiên cứu này kết hợp giữa lý thuyết và thực tiễn, sử dụng các cơng cụ trí tuệ nhân tạo để giải quyết bài toán TCTC trong quản lý xây dựng. Học viên hy vọng phương pháp này có thể mang lại những đóng góp quan trọng trong việc cải thiện hiệu suất và hiệu quả của các dự án xây dựng, đồng thời bảo vệ môi trường và thúc đẩy phát triển bền vững trong ngành công nghiệp xây dựng.

1.4 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của đề tài "Ứng dụng trí tuệ nhân tạo trong tối ưu chi

phí tiến độ dự án xây dựng có xét tới yếu tố mơi trường" là tìm hiểu, phát triển và

áp dụng các phương pháp trí tuệ nhân tạo để giải quyết bài tốn TCT, đồng thời xem xét yếu tố môi trường. Học viên nhằm đạt đến các mục tiêu cụ thể sau:

1. Phân tích tầm quan trọng của yếu tố chi phí và tiến độ trong quản lý xây dựng và ảnh hưởng của yếu tố môi trường trong dự án xây dựng.

2. Xác định hàm mục tiêu tối ưu cho bài tốn TCTC.

3. Tìm hiểu về trí tuệ nhân tạo trong quản lý xây dựng và phát triển thuật toán AI cho vấn đề TCTC.

4. So sánh, nhận xét, phân tích và đánh giá kết quả khi áp dụng thuật toán AI cho bài toán TCTC.

5. Đánh giá hiệu suất và hiệu quả của mơ hình trí tuệ nhân tạo nhằm chứng minh sự đóng góp của đề tài này trong quản lý xây dựng hiện đại và bền vững.

1.5 Đóng góp của đề tài 1.5.1 Về mặt học thuật

+ Ứng dụng trí tuệ nhân tạo (AI): Nghiên cứu này áp dụng các giải thuật tính tốn tối ưu để tối ưu hóa quy trình quản lý xây dựng. Các thuật tốn và mơ hình được nghiên cứu và phát triển dựa trên cơ sở lý thuyết vững chắc và được đánh giá và kiểm chứng với các nghiên cứu đi trước.

+ Xem xét yếu tố mơi trường: Một khía cạnh quan trọng của đề tài này là sự xem xét yếu tố môi trường trong quyết định quản lý dự án xây dựng. Bằng

</div>Trang 22<div class="page_container" data-page="22">

cách tích hợp dữ liệu về phát thải CO2 vào quá trình tối ưu hóa, nghiên cứu này đảm bảo rằng các phương án quản lý xây dựng đạt được cân bằng giữa hiệu quả kinh tế và bảo vệ môi trường.

1.5.2 Về mặt thực tiễn

+ Tối ưu hóa chi phí và tiến độ: Áp dụng trí tuệ nhân tạo trong quản lý xây dựng giúp tối ưu hóa chi phí và tiến độ dự án. Các giải thuật tính tốn tối ưu giúp dự đoán và điều chỉnh các yếu tố quyết định như lựa chọn vật liệu, phân bổ tài nguyên và kế hoạch thi công, từ đó giảm thiểu lãng phí và tăng hiệu suất.

+ Bảo vệ môi trường và phát triển bền vững: Đề tài này đặc biệt quan tâm đến yếu tố môi trường trong quyết định quản lý xây dựng. Bằng cách tích hợp thơng tin về khí thải CO2, nghiên cứu này giúp tạo ra các phương án xây dựng thân thiện với môi trường, đồng thời thúc đẩy sự phát triển bền vững trong ngành xây dựng.

1.6 Cấu trúc luận văn

Luận văn gồm có:

• CHƯƠNG 1: GIỚI THIỆU: Trình bày mục tiêu nghiên cứu, nội dung nghiên

cứu, tính cần thiết và ý nghĩa thực tiễn của nghiên cứu.

• CHƯƠNG 2: CÁC NGHIÊN CỨU LIÊN QUAN: Trình bày tình hình

nghiên cứu ngồi nước, tình hình nghiên cứu trong nước và chỉ ra những vấn đề mà luận văn cần tập trung giải quyết.

• CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU: Trình bày các cơ sở lý

thuyết về tối ưu chi phí và khí thải CO2 trong dự án xây dựng và thuật toán

tiến hóa giải bài tốn tối ưu.

• CHƯƠNG 4: CHƯƠNG 4: MƠ HÌNH TỐI ƯU HĨA VÀ TRƯỜNG HỢP

ỨNG DỤNG: Xây dựng mơ hình sử dụng thuật tốn tiến hóa nhằm tối ưu chi

phí, tiến độ và phát thải CO2. Thực hiện giải bài toán TCTC bằng các thuật

</div>Trang 23<div class="page_container" data-page="23">

toán AI trên các case study cụ thể. So sánh, nhận xét và đánh giá kết quả thu được.

• CHƯƠNG 5: KẾT LUẬN VÀ KIẾN NGHỊ: Trình bày những kết luận và

kiến nghị của tác giả khi nghiên cứu về áp dụng, đề xuất và kiến nghị cho những nghiên cứu về sau.

</div>Trang 24<div class="page_container" data-page="24">

CHƯƠNG 2: CÁC NGHIÊN CỨU LIÊN QUAN

Trong phần này, các nghiên cứu sử dụng các thuật tốn trí tuệ nhân tạo vào giải quyết các bài tốn tối ưu của ngành xây dựng nói chung, cũng như bài tốn TCTC nói riêng sẽ được cung cấp. Bên cạnh đó, các nghiên cứu sử dụng thuật tốn châu chấu (GOA) cũng như các kỹ thuật nhằm nâng cao hiệu quả của các thuật tốn trí tuệ nhân tạo, bao gồm kỹ thuật học dựa trên sự đối diện (OBL) và kỹ thuật lựa chọn giải đấu (TS), cũng sẽ được đề cập.

2.1 Các nghiên trong nước

Trong những năm gần đây tại Việt Nam, các thuật toán tối ưu đã được áp dụng rộng rãi vào việc giải quyết các bài toán tối ưu trong ngành xây dựng, mở ra một hướng tiếp cận mới và hiệu quả cho lĩnh vực này. Sự phát triển của công nghệ thông tin và trí tuệ nhân tạo đã cho phép các nhà nghiên cứu sử dụng các thuật toán phức tạp để giải quyết các thách thức trong thiết kế, lập kế hoạch, và quản lý dự án.

Những thuật toán này bao gồm các phương pháp tiến hóa, tối ưu hóa đa mục tiêu, và các kỹ thuật tối ưu hóa dựa trên quần thể như thuật tốn di truyền, thuật tốn bầy đàn, và thuật tốn tối ưu hóa vi phân. Chúng giúp tối ưu hóa từng phần của dự án xây dựng, bao gồm việc cân nhắc giữa chi phí, thời gian và chất lượng, cũng như tối ưu hóa sử dụng nguyên vật liệu và năng lượng, đóng góp vào việc xây dựng bền vững. Ngồi ra, việc tích hợp các thuật toán này với các cơng nghệ như mơ hình thơng tin xây dựng (BIM) cũng đang mở rộng khả năng và hiệu quả của quá trình thiết kế và quản lý dự án xây dựng. Điều này không chỉ giúp tăng cường khả năng dự báo và quản lý rủi ro, mà còn cung cấp những hiểu biết sâu sắc hơn về cách thức các quyết định thiết kế ảnh hưởng đến hiệu suất và chi phí của dự án trong suốt vịng đời của nó.

Sự áp dụng rộng rãi của các thuật toán tối ưu trong ngành xây dựng tại Việt Nam không chỉ chứng minh sự tiến bộ trong lĩnh vực kỹ thuật và công nghệ, mà còn phản ánh nhu cầu ngày càng tăng về việc xây dựng hiệu quả và bền vững trong bối

cảnh phát triển đơ thị nhanh chóng của đất nước. Bảng 2.1 cung cấp các nghiên cứu

</div>Trang 25<div class="page_container" data-page="25">

liên quan đến việc sử dụng các thuật toán tối ưu nhằm giải quyết các bài toán tối ưu trong ngành xây dựng.

Bảng 2.1. Các nghiên cứu liên quan đến tối ưu chi phí và khí thải CO2

STT Tên bài báo,

nghiên cứu Tác giả Năm Mô tả

“Tối ưu chi phí xây dựng mạng lưới thốt nước thải sinh hoạt sử dụng trí tuệ nhân tạo”

Sơn and NguyệtV.M. [15]

2023

- Nghiên cứu này kết hợp hai thuật toán, Bầy Salps (SSA) và Chuồn Chuồn (DA), để tạo ra một thuật toán lai nhằm mục tiêu cải thiện việc tối ưu hóa mạng lưới thốt nước thải. Mục đích là để tận dụng ưu điểm và khắc phục nhược điểm của từng thuật toán, đồng thời tạo ra sự ổn định giữa khám phá và khai thác trong q trình tối ưu hóa.

- Hai case study đã được thực hiện để đánh giá hiệu quả của mơ hình lai này. Các kết quả thu được cho thấy, so với các phương pháp đã được áp dụng trong các nghiên cứu trước, thuật toán lai SSA-DA này cung cấp những giải pháp tối ưu hơn, cải thiện được các thông số kỹ thuật so với khi sử dụng SSA hoặc DA độc lập. Ngoài ra, chi phí thu được cũng thấp hơn so với các nghiên cứu

</div>Trang 26<div class="page_container" data-page="26">

trước, làm nổi bật tiềm năng của phương pháp mới này.

“Phát triển thuật tốn chó rừng vằn hơng để tối ưu hóa q trình vận chuyển và giảm ơ nhiễm khí thải CO2 trong công nghiệp và dân dụng”

Son and

Khôi [16] 2021

- Nghiên cứu này giới thiệu một phương pháp mới trong lĩnh vực tối ưu hóa, lấy cảm hứng từ hành vi săn mồi của loài chó rừng vằn hơng, nhằm phát triển một thuật tốn tìm kiếm hiệu quả cao. Cách tiếp cận này được thiết kế để vượt trội so với các thuật toán hiện có thơng qua việc cung cấp các giải pháp khơng chỉ kinh tế hơn mà cịn giảm thiểu lượng khí CO2 thải ra mơi trường.

- Khi so sánh với các thuật toán truyền thống, thuật toán mới này đã chứng minh được khả năng ưu việt của mình, khơng chỉ trong lý thuyết mà cịn trong việc đối mặt với những thách thức thực tế như việc thay đổi lộ trình dựa trên các điều kiện cụ thể. Điều này mở ra một hướng tiếp cận mới và hiệu quả hơn cho việc giải quyết các vấn đề tối ưu hóa trong các ứng dụng thực tế.

</div>Trang 27<div class="page_container" data-page="27">

“Phát triển thuật toán lai ghép kiến sư tử (ALO) để tối ưu chi phí logistics cho cấu kiện bê tơng đúc sẵn”

Sơn and

Hiếu [17] 2021

- Nghiên cứu này đã phát triển một thuật toán lai mới kết hợp giữa thuật toán kiến sư tử (ALO) và phương pháp OBL, cùng với các chiến lược đột biến và trao đổi chéo, nhằm mục đích tối ưu hóa chi phí dựa trên phương pháp tính giá dựa trên hoạt động.

- Thuật toán lai này đã được so sánh với nhiều phương pháp khác như thuật tốn sói xám (GWO), thuật toán PSO, thuật toán lai ghép DA-PSO và phiên bản nguyên bản của thuật toán ALO. Kết quả đánh giá từ so sánh này cho thấy rằng thuật toán lai mới này vượt trội hơn hẳn trong việc giảm chi phí logistics cho cấu kiện bê tơng đúc sẵn, một ứng dụng cụ thể trong lĩnh vực xây dựng, nhờ khả năng tìm kiếm hiệu quả và tối ưu hóa chi phí tốt hơn.

“Tối ưu tiết diện ngang kết cấu dàn theo điều kiện bền và chuyển vị

Dương, et

al. [18] 2021

- Bài báo này tập trung vào việc khám phá sự hiệu quả của thuật toán Rao trong việc giải quyết các bài toán tối ưu hóa tiến diện ngang của các cấu trúc dàn, với các điều kiện cần thiết về độ bền và độ

</div>Trang 28<div class="page_container" data-page="28">

bằng thuật toán Rao”

chuyển vị. Trong nghiên cứu, một kỹ thuật đặc biệt được áp dụng để xử lý các điều kiện ràng buộc - kỹ thuật tìm kiếm biên khả thi. Sự hiệu quả của phương pháp này được kiểm nghiệm qua các ví dụ tính tốn cụ thể, qua đó đánh giá và chứng minh khả năng áp dụng của thuật tốn Rao trong việc tối ưu hóa thiết kế kết cấu, đặc biệt là trong lĩnh vực kỹ thuật xây dựng và cơ khí.

“Phát triển thuật tốn đa mục tiêu cá voi để cân bằng tài nguyên trong tiến độ dự án”

Đức and Trình [19]

2021

- Nghiên cứu này phát triển một mơ hình mới kết hợp cơng nghệ mơ hình thơng tin tịa nhà - BIM với q trình tối ưu hóa đa mục tiêu - MOO, nhằm tìm kiếm sự cân bằng tối ưu giữa các nguồn lực trong quá trình lập kế hoạch dự án xây dựng. Sự hiệu quả của mơ hình kết hợp này đã được chứng minh thông qua việc áp dụng thực tế trên một dự án xây dựng cụ thể.

- Để đánh giá mơ hình, thuật tốn Multi-Objective Whale

Optimization (MOWO) đã được sử dụng để tìm ra các giải pháp tối ưu, và kết quả được so sánh thông qua

</div>Trang 29<div class="page_container" data-page="29">

các chỉ số đánh giá hiệu suất chính: Độ phân bố (Diversity Metric - DM) với giá trị cao nhất đạt được là 28,113; Độ mở rộng (Spread - SP) với giá trị thấp nhất là 0,872; và Thể tích hình bao (Hypervolume - HV) với giá trị cao nhất là 0,875. Các số liệu này chứng tỏ mơ hình lai ghép có khả năng tìm kiếm khơng gian giải pháp hiệu quả, tạo ra các phương án cân bằng nguồn lực cho dự án xây dựng một cách tối ưu.

“Tối ưu cân bằng thời gian chi phí trong tiến độ các dự án có cơng tác lặp lại”

Học [20] 2019

- Bài báo này giới thiệu một cách tiếp cận mới để tính tốn tiến độ dự án xây dựng, đặc biệt áp dụng cho các dự án có quan hệ thứ tự giữa các cơng tác liên tục nhưng khơng theo dạng tuyến tính. Điểm nhấn của nghiên cứu là thuật toán sinh học cộng sinh tìm kiếm tự điều chỉnh đa mục tiêu (Adaptive Multi-objective Symbiotic Organisms Search - AMOSOS), được phát triển để giải quyết vấn đề cân bằng giữa chi phí và thời gian trong các dự án xây dựng có các cơng tác được lặp lại.

</div>Trang 30<div class="page_container" data-page="30">

- Để minh họa cho phương pháp tính tốn tiến độ, nghiên cứu đã sử dụng một ví dụ cụ thể, qua đó cũng chứng minh được hiệu quả của AMOSOS trong việc tối ưu hóa chi phí và thời gian. Cách tiếp cận này đặc biệt hữu ích trong việc lập kế hoạch cho các dự án xây dựng phức tạp, nơi mà việc lặp lại công tác là một yếu tố cần được quản lý cẩn thận để đạt được sự cân bằng chi phí - thời gian tối ưu.

“Tối ưu trọng lượng khung thép cột đặc dàn vì kèo sử dụng thuật tốn tiến hóa vi phân”

Hiếu, et

al. [21] 2019

- Bài báo này trình bày một nghiên cứu về việc tối ưu hóa trọng lượng cho khung thép, trong đó tập trung vào các cột đặc được kết nối với mái dàn vì kèo. Các tác giả đã sử dụng thuật toán tiến hóa vi phân, một phương pháp trong lĩnh vực trí tuệ nhân tạo và tối ưu hóa, và triển khai nó thơng qua ngơn ngữ lập trình Visual Basic for Applications (VBA), một công cụ phổ biến trong tự động hóa các nhiệm vụ trong ứng dụng Microsoft Office.

- Để chứng minh và minh họa cho khả năng của thuật tốn này, một ví dụ được đưa ra với việc khảo sát

</div>Trang 31<div class="page_container" data-page="31">

các yếu tố ảnh hưởng đến q trình tối ưu hóa như hình dạng của dàn và cấu tạo hệ thanh bụng. Mục tiêu chính là để xác định một sơ đồ cấu trúc hợp lý nhất cho loại khung thép này, qua đó giảm trọng lượng và chi phí vật liệu mà vẫn đảm bảo tính tồn vẹn và an tồn của cấu trúc.

2.2 Các nghiên cứu nước ngoài

2.2.1 Tối ưu chi phí, tiến độ và khí thải CO2

Trong ngành quản lý xây dựng, việc cân nhắc giữa việc cực tiểu hóa thời gian thi cơng và hạn chế chi phí ln là một thách thức lớn. Để giải quyết vấn đề này, nhiều phương pháp tối ưu hóa ngẫu nhiên đã được giới thiệu và áp dụng. Tuy nhiên, xu hướng hiện nay không chỉ dừng lại ở việc giải quyết vấn đề TCT. Các nhà quản lý dự án ngày càng nhận ra rằng, để đảm bảo sự thành công của dự án, cần phải xem xét nhiều yếu tố quyết định khác, bao gồm các vấn đề về môi trường, yếu tố xã hội và đạo đức. Do đó, bài tốn TCT đã được mở rộng ra ngoài hai yếu tố truyền thống là tiến độ và chi phí, nhằm xây dựng những dự án bền vững và mang lại giá trị lâu

dài cho cộng đồng và xã hội. Bảng 2.2 cung cấp các nghiên cứu liên quan đến vấn đề

tối ưu tiến độ, chi phí và phát thải CO2.

</div>Trang 32<div class="page_container" data-page="32">

Bảng 2.2. Các nghiên cứu liên quan đến tối ưu chi phí và khí thải CO2

STT Tên bài báo,

nghiên cứu Tác giả Năm Mô tả

“An based

LCA-environmental impact

assessment model for construction processes”

Li, et al.

- Bài báo này trình bày mơ hình đánh giá tác động mơi trường suốt vịng đời dự án, áp dụng cho nghiên cứu giai đoạn xây dựng, trong đó các yếu tố tác động được xem xét dựa trên hai khía cạnh của q trình xây dựng thông thường: thiết bị xây dựng và vật liệu phụ trợ.

- Kết quả cho thấy mơ hình được đề xuất có khả năng định lượng hiệu quả tác động mơi trường của các quy trình xây dựng và có thể được sử dụng như một cơng cụ cho các nhà thầu chọn lựa các kế hoạch xây dựng thân thiện với môi trường.

“Optimizing cost and CO2 emission for construction projects using

Liu, et al.

- Mục tiêu của nghiên cứu này là hỗ trợ người ra quyết định xác định giải pháp cân đối giữa chi phí xây dựng và khí thải CO2.

</div>Trang 33<div class="page_container" data-page="33">

particle swarm optimization”

- Một dự án thực tế về cải tạo cơng trình xây dựng được sử dụng để đánh giá tính khả thi của mơ hình được đề xuất và kết quả chứng minh tính hợp lý và thực tế của mơ hình này.

“Building information modeling based building design

optimization for

- Kết quả của nghiên cứu thực nghiệm cho thấy phương pháp này có thể mở rộng khơng gian tìm kiếm cho các giải pháp thiết kế tối ưu và rút ngắn thời gian xử lý để đạt được kết quả thiết kế tối ưu, điều này thực sự hữu ích cho các nhà thiết kế để đưa ra một kế hoạch thiết kế kinh tế và thân thiện với môi trường.

“Multiple Objective Social Group Optimization

Huynh, et

al. [24] 2021

- Nghiên cứu này trình bày một phương pháp mới được gọi là MOSGO để cân nhắc các yếu tố thời gian, chi phí, chất lượng và

</div>Trang 34<div class="page_container" data-page="34">

for Time–Cost–Quality–Carbon Dioxide in Generalized Construction Projects”

khí thải carbon dioxide (TCQC) trong các dự án xây dựng tổng quát.

- MOSGO đã cho thấy sự đa dạng và hội tụ tốt hơn, đạt được phân bố rộng hơn và mang lại sự đồng đều cao hơn của các giải pháp so với các thuật tốn tiến hóa đa mục tiêu được so sánh.

“Stochastic carbon emission estimation method for construction operation”

Yi, et al.

- Bài báo này đề xuất một phương pháp tính tốn được gọi là "Ước lượng Khí thải Carbon Ngẫu nhiên" (SCE2) để đo lường sự biến động của các khí thải nhà kính.

- Nghiên cứu này có giá trị đối với các nhà nghiên cứu vì SCE2 bổ sung cơng cụ trong việc mơ hình hố và phân tích hoạt động kinh tế sinh thái, đồng thời xem xét các điều kiện vận hành ở mức độ vi mô của các hoạt động xây dựng có nhiều cơng việc ngẫu nhiên.

“Discrete OBNSGA III method-based

Sharma and

2023

- Mục đích chính của bài báo được trình bày là cung cấp một thuật toán D-OBNSGA III dựa trên

</div>Trang 35<div class="page_container" data-page="35">

robust objective scheduling model for civil construction projects”

multi-Trivedi [26]

phương pháp RMOSM cho các dự án xây dựng quy mô nhỏ, vừa và lớn

- Hơn nữa, so sánh với các mơ hình lập kế hoạch hiện có, phân tích đồ thị đường giá trị, phân tích tương quan và phân tích nhạy cảm của thuật tốn thu hút các nhà quản lý xây dựng sử dụng mơ hình phát triển trong lập kế hoạch các dự án xây dựng thực tế.

“Time, cost, and energy consumption analysis on construction optimization in high-rise buildings”

He, et al.

- Đóng góp chính của nghiên cứu này là cung cấp một mơ hình tối ưu hóa đa mục tiêu tiêu thụ thời gian-chi phí- tiêu thụ năng lượng có tính đến các ưu tiên quyết định khác nhau của các nhà quản lý dự án.

- Nghiên cứu cũng có thể giúp các nhà quản lý dự án tạo ra sự kết hợp tốt nhất giữa các hoạt động xây dựng.

“GA based multi-objective time-cost optimization in

Parveen and Saha [28]

2012

- Đề xuất một phương pháp đa mục tiêu sử dụng thuật toán di truyền, kết hợp một phương pháp trọng số

</div>Trang 36<div class="page_container" data-page="36">

a project with resources consideration”

thích nghi đã được sửa đổi dựa trên thời gian và đầu vào chi phí.

- Điều này giúp xác định các giải pháp tối ưu và biên Pareto để cho phép ra quyết định dựa trên các kết quả đạt được.

“AEHO: Apriori-Based Optimized Model for Building Construction to Time-Cost Tradeoff Modeling”

Gupta and Trivedi [29]

2022

- Giới thiệu mô hình AEHO, một sự kết hợp của “Apriori-based swarm intelligence” và “elephant herding optimization”, tối ưu hóa thời gian xây dựng, chi phí và các yếu tố mơi trường.

- Mơ hình này hoạt động hiệu quả hơn mơ hình PSO hiện hành về hiệu suất.

“Optimizing time and cost simultaneously in projects with multi-verse optimizer”

Son and Nguyen Dang [30]

2023

- Giới thiệu một mơ hình tối ưu hóa đa vũ trụ lai kết hợp tối ưu hóa đa vũ trụ và thuật tốn sine cosine.

- Giải quyết hiệu quả tối ưu hóa hiệu quả thời gian xây dựng, chi phí trong quản lý dự án xây dựng, mang lại các giải pháp vượt trội cho các dự án quy mô lớn và phức tạp so với các thuật tốn trước đó

</div>Trang 37<div class="page_container" data-page="37">

2.2.2 Thuật toán châu chấu (GOA)

Thuật toán tối ưu hóa châu chấu (GOA) là một ví dụ điển hình về việc áp dụng kiến thức về hành vi tự nhiên của động vật vào lĩnh vực tối ưu hóa. Hành vi tụ tập đặc trưng của châu chấu đã trở thành nguồn cảm hứng cho việc đề xuất thuật tốn này. Thay vì chỉ dừng lại ở việc di chuyển ngẫu nhiên, GOA sử dụng mơ hình tụ tập của châu chấu, cho phép thuật toán tập trung vào những vùng có tiềm năng cao, tránh việc mất thời gian tại những vùng có ít giá trị và tăng hiệu quả tìm kiếm. Qua đó, thuật tốn GOA khơng chỉ mang lại giải pháp tối ưu cho một lĩnh vực cụ thể mà cịn có thể được áp dụng rộng rãi trong nhiều ngành học và ứng dụng thực tế khác nhau. Với sự linh hoạt và hiệu suất của mình, GOA đã được chứng minh là một cơng cụ

mạnh mẽ và đáng tin cậy trong việc giải quyết các vấn đề tối ưu hóa. Bảng 2.3 cung

cấp các nghiên cứu liên quan đến việc sử dụng thuật toán GOA vào giải quyết các bài toán tối ưu.

Bảng 2.3. Các nghiên cứu liên quan đến thuật toán châu chấu

STT Tên bài báo,

nghiên cứu Tác giả Năm Mô tả

“Grasshopper optimization algorithm for multi-objective optimization problems”

Mirjalili,

et al. [31] 2018

- Nghiên cứu này đề xuất một thuật toán đa mục tiêu mới được lấy cảm hứng từ cách thức di chuyển của đàn châu chấu trong tự nhiên.

- Kết quả cho thấy thuật tốn đề xuất có khả năng cung cấp kết quả cạnh tranh về độ chính xác của các giải pháp Pareto tối ưu nhận được và phân bố của chúng.

</div>Trang 38<div class="page_container" data-page="38">

“Placement and sizing of

multiple distributed generation and battery

swapping stations using grasshopper optimizer algorithm”

Sultana,

et al. [32] 2018

- Trong bài báo này, việc giảm thiểu tổn thất năng lượng và tăng cường yếu tố ổn định điện áp được thực hiện bằng cách phân bổ tối ưu các nguồn phân tán (DG) và hệ thống lưu trữ năng lượng (BSS), sử dụng thuật tốn tối ưu hóa Grasshopper Optimizer (GOA) mới.

- Kết quả đã chứng minh sự ưu việt của GOA trong các yếu tố hiệu suất hệ thống và đặc điểm hội tụ.

“Optimal voltage and frequency control of an islanded

microgrid using grasshopper optimization algorithm”

Jumani,

et al. [33] 2018

- Nghiên cứu này phát triển một chiến lược điều khiển tối ưu cho việc điều chỉnh điện áp và tần số trong MG dựa trên năng lượng mặt trời (PV) hoạt động ở chế độ cách ly sử dụng thuật toán GOA.

- Kết quả mô phỏng chứng minh rằng GOA cung cấp một giải pháp nhanh hơn và tốt hơn so với PSO và WOA, dẫn đến việc giảm phụ áp và tần số với dòng ra tối thiểu và THD.

“Optimal conductor selection of

Ismael, et

al. [34] 2018

- Trong nghiên cứu này, một đề xuất tổng quan toàn diện về vấn đề lựa chọn dây dẫn tối ưu được trình bày.

</div>Trang 39<div class="page_container" data-page="39">

radial distribution feeders: an overview and new application using

grasshopper optimization algorithm”

Hơn nữa, một phương pháp mới được đề xuất để giải quyết vấn đề lựa chọn dây dẫn tối ưu cho các mạng phân phối hình sao.

- Các kết quả thu được được so sánh với các kết quả khác có sẵn trong tài liệu để chứng minh tính hiệu quả của thuật tốn đề xuất trong việc giảm thiểu tổn thất mạng và tối đa hóa sự tiết kiệm tổng thể, đồng thời duy trì các ràng buộc đã chỉ định trong các kịch bản tăng tải hàng năm cao.

“Optimal placement of TCSC for reactive power planning using grasshopper optimization algorithm considering line outage (NM)”

Juhari, et

al. [35] 2019

- Trong bài báo này, thuật toán GOA đã được áp dụng để giải quyết vấn đề lập kế hoạch công suất phản kháng, xem xét một sự cố mất dòng trong hệ thống với bộ bù công tắc điều khiển thyristor (TCSC).

- GOA đã xác định giá trị tối ưu cho tất cả các biến điều khiển, bao gồm vị trí và kích thước của TCSC thơng qua phân tích dịng điện.

“Modified grasshopper algorithm-based

Liang, et

al. [36] 2019

- Trong nghiên cứu này, một thuật toán GOA được sửa đổi để làm cho phương pháp Tsallis cross entropy

</div>Trang 40<div class="page_container" data-page="40">

multilevel thresholding for color image segmentation”

đa cấp trở nên thực tế hơn và giảm độ phức tạp.

- Kết quả thực nghiệm cho thấy phương pháp được đề xuất cần ít vịng lặp hơn và độ chính xác cao hơn.

“Implementation of

grasshopper optimization algorithm for controlling a BLDC motor drive”

Potnuru and Tummala [37]

2018

- Trong nghiên cứu này, đã triển khai một thuật tốn tối ưu hóa GOA mới được phát triển gần đây để cải thiện tốc độ đáp ứng trong điều kiện chuyển động và ổn định cho một động cơ BLDC.

- Một hàm mục tiêu được xây dựng để giảm sai số tổng bình phương theo một cách sao cho các hệ số điều khiển tốc độ (PID) được điều chỉnh tối ưu.

2.2.3 Phương pháp học dựa trên sự đối diện (OBL)

Phương pháp học dựa trên sự đối diện (Opposition-Based Learning - OBL) là một phương pháp tiếp cận sáng tạo trong việc tối ưu hóa và giải quyết vấn đề, bằng cách tìm kiếm sự khác biệt hoặc "đối diện" giữa các giải pháp. Mơ hình này xuất phát từ quan điểm rằng, thay vì chỉ tập trung vào việc tìm kiếm giải pháp tối ưu, việc nhận biết và hiểu rõ giữa giải pháp tối ưu và giải pháp đối diện của nó có thể giúp cải thiện chất lượng và tốc độ của q trình tối ưu hóa. Điều này khơng chỉ giúp tăng cường khả năng tìm kiếm và hội tụ nhanh hơn đối với giải pháp tối ưu, mà còn giúp phát hiện ra các giải pháp đối diện có thể hữu ích trong các bối cảnh khác nhau. Việc áp

</div>