Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (1.42 MB, 131 trang )
<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">
<b>TRƯỜNG ĐẠI HỌC BÁCH KHOA </b>
Chuyên ngành : Quản Lý Xây Dựng Mã số: 8580302
TP. HỒ CHÍ MINH, tháng 1 năm 2024.
</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2"><b>KHOA </b>
<b> </b>
Họ tên học viên: Võ Thị Bích Huyền MSHV: 2170869 Ngày, tháng, năm sinh: 02/09/1993 Nơi sinh: Tây Ninh Chuyên ngành: Quản Lý Xây Dựng Mã số : 8580302
<b>II. NHIỆM VỤ VÀ NỘI DUNG: Nhiệm vụ nghiên cứu là tập trung vào việc cải thiện chất lượng </b>
ánh sáng trong nhà và giảm thiểu tác động tiêu cực từ ánh sáng mặt trời. Kết quả cho thấy sự hiệu quả của thuật tốn tối ưu hóa trong việc tạo ra các thiết kế mặt dựng, đáp ứng cả về mặt thẩm mỹ lẫn công năng. Đồng thời, nghiên cứu cũng làm sáng tỏ một số yếu tố ảnh hưởng đến việc tính điểm trong chứng chỉ LEED và đề xuất cách thức để tối ưu hóa chúng trong quá trình thiết kế
<b>III. NGÀY GIAO NHIỆM VỤ : 04/09/2023 </b>
<b>IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 18/12/2023 </b>
<b>V. CÁN BỘ HƯỚNG DẪN: PGS.TS. Phạm Vũ Hồng Sơn và TS. Nguyễn Thị Phương Quyên </b>
</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">Lời cảm ơn đầu tiên tôi xin trân trọng gửi đến ban giảng huấn của bộ môn, các thầy cô đã cung cấp nền tảng kiến thức lý thuyết và thực tế vô cùng vững chắc để giúp tôi bước vào bầu trời khoa học rộng lớn.
Tiếp đến, tôi vô cùng cảm ơn thầy Phạm Vũ Hồng Sơn và cô Nguyễn Thị Phương Quyên, giảng viên hướng dẫn của tôi, đã tận tâm hướng dẫn, chỉ bảo và động viên tơi trong suốt q trình nghiên cứu và hồn thiện luận văn. Nhờ có sự hướng dẫn của thầy, tơi đã có thêm nhiều kỹ năng nghiên cứu và phương pháp làm việc khoa học. Dưới sự dẫn dắt của thầy, tôi thêm vững tin trên con đường nghiên cứu khoa học không chỉ ở hiện tại mà còn cả trong tương lai.
Sau cùng, tơi xin gửi lời cảm ơn đến gia đình của tôi, đặc biệt chồng tôi, đã luôn yêu thương, quan tâm và tuyệt đối ủng hộ tôi theo đuổi ước mơ học tập và nghiên cứu của mình. Kiến thức và chuyên môn của anh là nguồn thông tin quý báu giúp tơi hồn thiện nghiên cứu trong luận văn này .
TP.HCM, ngày 17 tháng 01 năm 2024
Võ Thị Bích Huyền
</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">Trong bối cảnh kiến trúc hiện đại, việc tối ưu hóa việc sử dụng ánh sáng tự nhiên trong các tòa nhà, đặc biệt là ở các mặt tiền hướng Tây, trở nên quan trọng hơn bao giờ hết. Nghiên cứu này đề xuất một cách tiếp cận mới thông qua việc sử dụng các thuật tốn tối ưu hóa metaheuristic để cải thiện hiệu suất ánh sáng tự nhiên và đạt được tiêu chuẩn công trình xanh, cụ thể là tiêu chuẩn LEED v4.1. Phương pháp này kết hợp giữa mơ hình hóa tham số thiết kế của mặt dựng cơng trình, mơ phỏng ánh sáng và phân tích kỹ thuật để đạt được các giải pháp thiết kế tối ưu.
Nghiên cứu tập trung vào việc cải thiện chất lượng ánh sáng trong nhà và giảm thiểu tác động tiêu cực từ ánh sáng mặt trời. Kết quả cho thấy sự hiệu quả của thuật tốn tối ưu hóa trong việc tạo ra các thiết kế mặt dựng, đáp ứng cả về mặt thẩm mỹ lẫn công năng. Đồng thời, nghiên cứu cũng làm sáng tỏ một số yếu tố ảnh hưởng đến việc tính điểm trong chứng chỉ LEED và đề xuất cách thức để tối ưu hóa chúng trong q trình thiết kế.
Nghiên cứu này có thể góp phần mở đường cho các hướng nghiên cứu khác trong tương lai về việc tích hợp các giải pháp tối ưu hóa trong thiết kế kiến trúc, với mục tiêu cung cấp thêm nhiều lựa chọn cho nhà quản lý dự án, quản lý thiết kế trong việc nâng cao hiệu suất năng lượng và tạo ra môi trường sống thoải mái, bền vững cho người sử dụng.
</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">In the context of modern architecture, optimizing the use of natural light in buildings, especially on west-facing facades, is more important than ever. This study proposes a new approach through the use of metaheuristic optimization algorithms to improve natural light performance and achieve green building standards, specifically LEED v4.1 standards. This method combines design parameter modeling of building facades, lighting simulation and technical analysis to achieve optimal design solutions.
Research focuses on improving indoor light quality and minimizing negative effects from sunlight. The results show the effectiveness of the optimization algorithm in creating facade designs that satisfy both aesthetics and functionality. At the same time, the research also sheds light on some factors affecting scoring in LEED certification and suggests ways to optimize them during the design process.
This research can contribute to paving the way for other future research directions on integrating optimization solutions in architectural design, with the goal of providing more options for project managers, design management in improving energy efficiency and creating a comfortable, sustainable living environment for users.
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7"><b>Tơi, Võ Thị Bích Huyền tác giả của luận văn thạc sĩ có tựa đề "Tối ưu hóa ánh sáng </b>
<b>ban ngày và tiện nghi thị giác trong các dự án xây dựng dựa trên chứng chỉ LEEDv4.1.1 bằng thuật toán kền kền châu Phi", thực hiện tại Trường đại học Bách </b>
Khoa TP.HCM, xin cam đoan những điều sau đây.
Tôi cam đoan rằng luận văn này là kết quả của công trình nghiên cứu do chính tơi
<b>thực hiện dưới sự hướng dẫn và hỗ trợ của Cán bộ hướng dẫn: Phạm Vũ Hồng Sơn </b>
<b>- Nguyễn Thị Phương Quyên </b>
Tôi cam đoan rằng tất cả thông tin, dữ liệu, và tài liệu tham khảo được trích dẫn một cách trung thực và đầy đủ theo quy tắc và nguyên tắc của khoa học.
Tôi cam đoan rằng tất cả các ý kiến, kết quả và phân tích được trình bày trong luận văn này là sự hiểu biết và đánh giá của riêng tôi về vấn đề nghiên cứu, và không phản ánh quan điểm của bất kỳ tổ chức hoặc cá nhân nào khác.
Tôi cam đoan rằng tôi đã tuân thủ các quy tắc và nguyên tắc đạo đức trong nghiên cứu, bao gồm việc trích dẫn nguồn thông tin một cách đúng đắn và không vi phạm bản quyền.
Tôi cam đoan rằng tôi đã không tham gia vào bất kỳ hình thức gian lận nào trong quá trình thực hiện luận văn này, bao gồm việc sao chép hoặc biến đổi dữ liệu một cách gian lận.
Tôi hiểu rằng vi phạm lời cam đoan này có thể dẫn đến hậu quả nghiêm trọng về đạo đức và học thuật. Tơi sẽ chịu trách nhiệm hồn toàn trước những hậu quả của việc vi phạm lời cam đoan này.
TP.HCM, ngày 17 tháng 01 năm 2024
Võ Thị Bích Huyền
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">2.2. Các nghiên cứu trước đó ... 9
2.3. Giải thuật tối ưu hóa lấy cảm hứng từ thiên nhiên: Khám phá tiềm năng và hiệu suất của thuật toán AVOA ... 11
2.4. Phương pháp tiếp cận phân tích tham số đối với ánh sáng ban ngày và tiện nghi thị giác bằng cách sử dụng hệ thống che nắng phản ứng với ánh nắng mặt trời ... 182.5. Sơ lược về thuật toán African Vulture Optimization Algorithm (AVOA) 19
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU ... 23
3.1. Thuật toán AVOA ... 23
3.1.1. Bước 1: Lựa chọn kền kền tối ưu trong một nhóm... 23
3.1.2. Bước 2: Tốc độ đói của kền kền ... 24
3.1.3. Bước 3: Khám phá ... 26
3.1.4. Bước 4: Khai phá cục bộ ... 28
3.2. Phần mềm sử dụng và phương pháp mô phỏng... 34
CHƯƠNG 4. TRƯỜNG HỢP NGHIÊN CỨU – CASE STUDY ... 37
4.1. Thiết kế mơ hình mơ phỏng ... 38
4.1.1. Thơng số của khơng gian tính tốn mô phỏng chiếu sáng... 38
4.1.1. Loggia Design Thiết kế loggia ... 41
4.3.2. Hàm mục tiêu: Tối đa hóa |sDA-ASE| ... 44
4.3.1. Điều chỉnh hàm mục tiêu để đáp ứng tiêu chuẩn LEED V4.1 ... 45
4.3.2. Truy xuất kết quả ... 45
4.4. Kết quả ... 46
</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">5.1. Giới hạn nghiên cứu... 62
5.2. Hướng nghiên cứu trong tương lai ... 63
DANH MỤC CƠNG TRÌNH KHOA HỌC ... 65
TÀI LIỆU THAM KHẢO ... 66
PHỤ LỤC ... 72
Mã nguồn thuật toán AVOA ... 72
Mã nguồn thuật toán GA ... 96
Mã nguồn thuật tốn GWO ... 107
PHẦN LÝ LỊCH TRÍCH NGANG ... 117
Q TRÌNH ĐÀO TẠO ... 117
Q TRÌNH CƠNG TÁC ... 117
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">Hình 3.3. Ví dụ về vector tổng trong trường hợp cạnh tranh vì thức ăn[17] ... 29
Hình 3.4. Ví dụ về véc tơ tổng trong trường hợp bay xoắn ốc của kền kền[17] .. 30
Hình 3.5. Sơ đồ mơ phỏng trong Grasshopper- Rhino7 ... 35
Hình 3.6 Sơ đồ quy trình thực hiện mơ phỏng ... 36
Hình 4.1 Sơ đồ tổng thể phương pháp nghiên cứu ... 38
Hình 4.2 Mặt bằng khơng gian mơ phỏng ... 40
Hình 4.3 Các mẫu gạch bơng gió sử dụng trong nghiên cứu ... 42
Hình 4.4 Gía trị |sDA-ASE| của mơ hình khơng mặt dựng ... 50
Hình 4.5 Biểu đồ hộp |sDA-ASE| của các mơ hình ... 51
Hình 4.6 Tỉ lệ đạt LEED của các mơ hình ... 52
Hình 4.7 So sánh song song các giá trị sDA và ASE cho mô hình ngẫu nhiên và mơ hình được tối ưu hóa bằng thuật tốn AVOA ... 53
Hình 4.8 Tỷ lệ loại vật liệu gạch đạt chuẩn LEED. ... 54
Hình 4.9 Tỷ lệ loại vật liệu kính đạt chuẩn LEED ... 55
Hình 4.10 So sánh lựa chọn vật liệu gạch giữa các thuật tốn tối ưu hóa ... 57
Hình 4.11 So sánh lựa chọn vật liệu kính của các thuật tốn tối ưu hóa ... 58
Hình 4.12 So sánh lựa chọn mẫu gạch giữa các thuật tốn tối ưu hóa ... 58
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12">Bảng 4.1 Kích thước không gian mô phỏng ... 39
Bảng 4.2 Vật liệu không gian mô phỏng ... 40
Bảng 4.3 Tham số mô phỏng ... 41
Bảng 4.4 Tham số mơ hình ... 42
Bảng 4.5 Vật liệu kính ... 43
Bảng 4.6 Thống kê mơ tả của hàm số |sDA-ASE| ... 46
Bảng 4.7 Thống kê mô tả của hàm số |sDA-ASE| được tối ưu hóa bằng GA và GWO ... 48
Bảng 4.8 Kiểm định ANOVA và LSD về ánh sáng ban ngày giữa các thuật tốn tối ưu hóa ... 56
Bảng 4.9 Kết quả thống kê mô tả của mô hình Ngẫu nhiên và AVOA với khối lượng tính tốn tương đương ... 60
Bảng 4.10 Kết quả kiểm định mẫu độc lập ... 61
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">1 VGBC Hội đồng Cơng trình Xanh Việt Nam 2 VOC Các hợp chất hữu cơ dễ bay hơi VOC
3 sDA Tự chủ về ánh sáng ban ngày trong không gian 4 ASE Phơi nhiễm với ánh sáng mặt trời hàng năm
5 AMD Thối hóa điểm vàng do tuổi tá
6 AVOA Thuật tốn tối ưu hóa Kền kền châu Phi 7 GWO Thuật toán Sói Xám
8 GA Thuật tốn Di Truyền 9 SCA thuật toán Sin Cosin
10 MVO Vũ trụ các thuật toán tối ưu hóa
11 OBL Học tập dựa trên sự đối lập
12 RMC Kỹ thuật tối ưu hóa trong việc lập kế hoạch cho việc vận chuyển xe tải bê tông trộn sẵn
13 TCTO Cân bằng thời gian và chi phí
14 ASSMA Thuật tốn nấm nhầy chọn lọc thích ứng 15 MCSMA Thuật toán nấm nhầy đột biến chéo 16 SCA Thuật toán sin cosine
</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14">17 HDGM Mô hình tối ưu hóa lai kết hợp thuật toán chuồn chuồn và trình tối ưu hóa sói xám
</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">Biến đổi khí hậu là một hiện tượng tồn cầu đặc trưng bởi sự gia tăng dần nhiệt độ trung bình của Trái Đất do sự tích tụ khí nhà kính trong khí quyển. Hiệu ứng nhà kính, do các hoạt động của con người như đốt nhiên liệu hóa thạch và phá rừng, giữ nhiệt lượng trong bầu khí quyển của Trái đất, dẫn đến một loạt hậu quả đáng báo động. Các đợt nắng nóng cực độ đã xảy ra thường xuyên và dữ dội hơn, phá vỡ các loại hình thời tiết và gây ra nhiệt độ kỷ lục ở nhiều khu vực khác nhau. Sự biến đổi này cũng góp phần tạo ra sự khác biệt đáng kể về nhiệt độ ngày đêm và những thay đổi trong những đặc trưng theo mùa của thời tiết, ảnh hưởng đến hệ sinh thái và môi trường sống tự nhiên trên tồn thế giới[1].
Các tác động của biến đổi khí hậu dần sâu rộng và nghiêm trọng. Hạn hán ngày càng kéo dài và dữ dội hơn, dẫn đến tình trạng khan hiếm nước, thiệt hại về nông nghiệp và ảnh hưởng xấu đến an ninh lương thực[2]. Ngược lại, nhiệt độ tăng cũng dẫn đến sự gia tăng lượng mưa lớn, dẫn đến lũ lụt tàn phá và xói mịn ở những khu vực dễ bị tổn thương. Ngồi ra, biến đổi khí hậu đặt ra một mối đe dọa đáng kể đối với an ninh năng lượng vì các hiện tượng thời tiết cực đoan có thể làm hỏng cơ sở hạ tầng năng lượng và làm gián đoạn việc cung cấp điện[3], ảnh hưởng đến cả hộ gia đình và các ngành cơng nghiệp.
Ngành xây dựng chịu trách nhiệm định hình mơi trường xây dựng, đóng một vai trị quan trọng trong biến đổi khí hậu và suy thối mơi trường[4]. Trong suốt vịng đời của một dự án xây dựng, từ khi bắt đầu cho đến khi phá dỡ, các hoạt động khác nhau có tác động sâu sắc đến môi trường và sức khỏe con người[5], [6]. Các quy trình xây dựng tiêu thụ một lượng lớn tài nguyên thiên nhiên, góp phần gây ô nhiễm thông qua khí thải và tạo ra chất thải, dù vậy nhưng các nhà hoạch định dự án dường như chưa quan tâm nhiều đến hiệu quả năng lượng và các nguyên tắc thiết kế bền vững.
Trước đây, những khía cạnh bền vững trong xây dựng chưa được xem xét đầy đủ
</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">những mục đích về chi phí và lợi ích ngắn hạn. Các dự án xây dựng tập trung vào lợi ích trước mắt mà khơng tính tốn đầy đủ các hậu quả lâu dài của các hành động của họ. Các tịa nhà được thiết kế mà khơng kết hợp các biện pháp tiết kiệm năng lượng, dẫn đến tăng mức tiêu thụ năng lượng và lượng khí thải carbon cả trong q trình thiết kế, thi cơng, vận hành và kết thúc vòng đời của dự án. Các loại vật liệu có năng lượng hàm chứa cao và các thành phần độc hại thường được sử dụng mà không xem xét đúng mức tác động đến môi trường hoặc khả năng gây hại cho người sử dụng[7]. Ngành xây dựng nếu khơng thay đổi sẽ tiếp tục góp phần làm suy thối mơi trường tự nhiên và gây rủi ro cho sức khỏe con người. Việc xây dựng và vận hành các tòa nhà thải ra một lượng đáng kể khí nhà kính, làm trầm trọng thêm tình trạng biến đổi khí hậu[7]. Hơn nữa, chất lượng khơng khí trong nhà kém, đặc biệt là nhà ở đô thị, hệ thống thơng gió khơng đầy đủ cùng với việc sử dụng các vật liệu không thân thiện và đạt tiêu chuẩn có thể tác động tiêu cực đến sức khỏe và hạnh phúc của người sử dụng sau khi việc xây dựng hồn thành và cơng trình được đưa vào sử dụng[8].
Để giảm thiểu những rủi ro này, ngành xây dựng phải áp dụng các biện pháp bền vững nhằm giảm thiểu tác động đến môi trường và ưu tiên sức khỏe của người dùng. Điều này liên quan đến việc áp dụng các chiến lược thiết kế tiết kiệm năng lượng, sử dụng vật liệu có thể tái tạo và ít carbon, tối ưu hóa việc sử dụng tài nguyên và thực hiện các biện pháp quản lý chất thải nghiêm ngặt. Ngoài ra, thúc đẩy áp dụng chứng chỉ cơng trình xanh và kết hợp các tiêu chí bền vững vào q trình lập kế hoạch dự án và đánh giá dự án có thể thúc đẩy những thay đổi tích cực[9].
Bằng cách giải quyết những mối quan tâm này, ngành xây dựng có tiềm năng trở thành chất xúc tác cho sự chuyển đổi môi trường tích cực. Tương lai của ngành xây dựng nằm ở cách tiếp cận toàn diện giúp cân bằng giữa nhu cầu của môi trường xây dựng với yêu cầu của một hành tinh bền vững và có khả năng phục hồi.
Ngành xây dựng đang ngày càng nhận ra tầm quan trọng của việc bảo tồn môi trường và hạnh phúc của con người. Ở Việt Nam, xây dựng bền vững nổi lên như một
</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">khái niệm tương đối mới, được giới thiệu chính thức vào đầu thế kỷ 21[10]. Sự phát triển này được thúc đẩy bởi tác động ngày càng lớn của biến đổi khí hậu, vốn đã ảnh hưởng đến nhiều quốc gia, trong đó có Việt Nam.
Các chính phủ, công ty và cá nhân hiện đang chú trọng hơn vào các hoạt động xây dựng bền vững. Bằng chứng là dữ liệu từ Hội đồng Công trình Xanh Việt Nam (VGBC), số lượng cơng trình xanh ở Việt Nam đã đạt 150 vào cuối năm 2021. Điều này cho thấy một sự thay đổi đáng chú ý đối với việc xây dựng các cơng trình ưu tiên tính bền vững của mơi trường và sức khỏe cho cộng đồng .
Trong công tác thiết kế cơng trình xanh, nhiều biện pháp thơng thường như hạn chế tiêu thụ năng lượng, hạn chế phát thải các hợp chất hữu cơ dễ bay hơi (VOC), thơng gió tự nhiêm và sử dụng ánh sáng tự nhiên thường được áp dụng làm chỉ số tính điểm trong các bộ tiêu chí đánh giá cơng trình xanh. Tuy nhiên, ngoài các yếu tố trên, chúng ta bắt buộc phải thừa nhận rằng sự thoải mái về thị giác cũng là một khía cạnh quan trọng cần được chú ý. Điều này chủ yếu là do tác động trực tiếp của nó đến người sinh sống và làm việc bên trong cơng trình[11].
Một lĩnh vực đáng được xem xét liên quan đến sự thoải mái về thị giác là mối quan hệ giữa ánh sáng bên trong và sức khỏe con người, nó bao gồm cả sự hiện diện của ánh sáng đầy đủ nhận được trong năm (sDA) và mức độ sáng thích hợp trong khơng gian trong nhà (ASE) [12], [13].
Mức độ ánh sáng quá mức có thể gây ra tác dụng phụ đối với một số cá nhân, chẳng hạn như mỏi mắt, đau đầu và cảm giác mệt mỏi chung[14]. Ngồi ra, nó có thể cản trở khả năng đi vào giấc ngủ vào ban đêm, làm gián đoạn chu kỳ đánh thức giấc ngủ bình thường. Ngược lại, ánh sáng khơng đủ có thể dẫn đến các vấn đề về tầm nhìn, gây cận thị, suy giảm thị lực gây khó khăn trong việc phân biệt các đồ vật và có khả năng làm giảm chất lượng giấc ngủ[15].
Hơn nữa, loại ánh sáng cụ thể phát ra từ các thiết bị điện tử khác nhau, thường được gọi là ánh sáng xanh, cũng cần được chú ý do những tác động tiềm ẩn đối với sức khỏe của nó. Tiếp xúc với ánh sáng xanh có liên quan đến sự rối loạn đối với giấc
</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18">ngủ tự nhiên, do đó ảnh hưởng đến nhịp sinh học của một người. Tiếp xúc kéo dài với loại ánh sáng này cũng có liên quan đến việc tăng nguy cơ thối hóa điểm vàng do tuổi tác (AMD), một tình trạng ảnh hưởng đến thị lực trung tâm và có thể dẫn đến suy giảm thị lực[16].
Về bản chất, rõ ràng là cả sự hiện diện của ánh sáng mặt trời tự nhiên và mức độ sáng thích hợp trong không gian nội thất là những yếu tố quan trọng cần xem xét để thúc đẩy sự thoải mái về thị giác[11]. Bằng cách tạo ra sự cân bằng và đảm bảo điều kiện ánh sáng tối ưu, chúng ta có thể góp một phần nhỏ mang lại sự hài lòng và sức khỏe tổng thể cho những người cư ngụ trong tòa nhà[14], [15]
Hai hệ thống đánh giá và chứng nhận cơng trình xanh được cơng nhận rộng rãi, cụ thể là tiêu chuẩn LEED v4 nổi bật trên toàn cầu và tiêu chuẩn LOTUS tại Việt Nam. Các hệ thống này kết hợp các tiêu chí cụ thể để đánh giá sự thoải mái về thị giác, chẳng hạn như yêu cầu sDA300,50% (Tự chủ về ánh sáng ban ngày trong không gian), quy định rằng ít nhất 50% khơng gian phải nhận đủ ánh sáng ban ngày và giới hạn ASE1000,250 (Phơi nhiễm với ánh sáng mặt trời hàng năm), với ngưỡng tiếp xúc với ánh sáng mặt trời quá mức ở mức 10%.
Tuy nhiên, các tiêu chuẩn này chủ yếu tập trung vào việc đáp ứng các điều kiện theo quy định hơn là nhấn mạnh hoàn toàn vào việc tối ưu hóa tiện nghi thị giác. Để tăng cường sự thoải mái cho thị giác - một khía cạnh không được làm nổi bật nhiều, bắt buộc phải tối đa hóa giá trị sDA. Điều này ngụ ý đảm bảo đủ mức độ ánh sáng trong tòa nhà để tạo điều kiện sử dụng thoải mái. Ngược lại, giảm thiểu giá trị ASE là rất quan trọng để tránh độ sáng quá mức có thể gây khó chịu. Thật khơng may, việc tối ưu hóa tiện nghi thị giác này đã không được nhấn mạnh đầy đủ trong các tiêu chuẩn nói trên.
Tại Việt Nam, nơi cường độ ánh sáng mặt trời cao và thời gian ban ngày dài, việc giải quyết vấn đề này càng trở nên cấp thiết hơn.
Năm 2018, Tabadkani [8] và các đồng nghiệp đã thực hiện một nghiên cứu nhằm đánh giá hiệu quả của hệ thống che nắng phản ứng với ánh nắng mặt trời. Nhóm
</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">nghiên cứu khơng chỉ sử dụng hệ thống này để đạt được sự tuân thủ các tiêu chí chứng nhận Định Hướng về Năng lượng và Thiết kế Mơi trường (LEED) v4 mà cịn sử dụng thuật toán siêu dữ liệu để tối ưu hóa hiệu suất của hệ thống về mặt tối đa hóa quyền tự chủ ánh sáng ban ngày trong khơng gian (sDA) và giảm thiểu năng lượng mặt trời hàng năm phơi nhiễm (ASE). Về bản chất, nghiên cứu đã tìm cách giải quyết các vấn đề nói trên thơng qua việc thực hiện một giải pháp khả thi. Tuy nhiên, phương pháp được đề cập trong nghiên cứu cũng bộc lộ những nhược điểm nhất định. Về cơ bản, mơ hình đáp ứng u cầu có chi phí thi công đáng kể, thách thức về khả năng vận hành và các vấn đề bảo trì. Với nhiều bộ phận chuyển động tinh vi, các thành phần cơ học càng có khả năng hư hại tổn hại trong q trình vận hành với vòng đời lên đến vài chục năm của cơng trình. Hơn nữa, việc lựa chọn bộ giải thuật Galapagos không dựa trên bằng chứng thực nghiệm về hiệu suất của nó trong bối cảnh cụ thể này, có khả năng khiến nó khơng đạt mức tối ưu cho các mơ hình lớn hơn và phức tạp hơn đòi hỏi tăng biến số đầu vào và kết quả đầu ra.
Những nhược điểm nói trên đóng vai trị là động lực chính để chúng ta thực hiện nghiên cứu này.
Trong nghiên cứu này, chúng tơi tìm cách giải quyết hai mục tiêu. Đầu tiên, chúng tôi mong muốn đánh giá hiệu quả của Thuật toán tối ưu hóa Kền kền châu Phi (AVOA)[17]. Như một sự thay thế tiềm năng cho thuật toán Galapagos được sử dụng trong nghiên cứu ban đầu. Bằng cách áp dụng AVOA thay cho thuật toán Galapagos, chúng tơi dự định xác định xem nó có mang lại hiệu suất vượt trội hay không và khám phá thêm các cơ hội để nâng cao hiệu quả tối ưu hóa của bài tốn này trên các thuật tốn thịnh hành khác như Sói Xám (GWO) và thuật toán Di Truyền (GA)
Sau khi hiểu rõ hơn về khả năng tối ưu hóa và các cải tiến tiềm năng của AVOA, mục tiêu thứ hai của chúng tôi là sử dụng thuật toán để đánh giá và tối ưu hóa hiệu suất của mặt dựng mơ hình căn phòng lớn hơn cùng với sự tăng cường hiệu suất của AVOA. Những mặt dựng bằng gạch này phục vụ như một giải pháp thay thế hiệu quả về chi phí, khả thi và hấp dẫn trực quan cho các hệ thống mặt dựng phức tạp, hiện có
</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20">để tối ưu hóa thiết kế, chúng tơi mong muốn làm phong phú quy trình kiến trúc với việc tối ưu hóa hiệu suất dựa trên bằng chứng cho các mẫu gạch, vượt qua ý quan điểm và trực giác chủ quan.
Thông qua nghiên cứu này, chúng tôi mong muốn cung cấp một giải pháp tối ưu khoa học cho việc lựa chọn các mẫu gạch trong thiết kế cơng trình. Cách tiếp cận này nhằm nâng cao cả tính thẩm mỹ và hiệu quả sử dụng năng lượng của các tòa nhà ở Việt Nam, góp phần tạo nên một cảnh quan kiến trúc bền vững và tiết kiệm năng lượng hơn.
Để đánh giá hiệu quả của Thuật tốn tối ưu hóa Kền kền châu Phi (AVOA) như một giải pháp tiềm năng trong bối cảnh tối ưu hóa thiết kế.
Cung cấp các phương án đa dạng có thể đáp ứng được u cầu tính tốn dưới góc nhìn của nhà quản lý
Để kết hợp các phương pháp khoa học trong quy trình kiến trúc bằng cách ưu tiên tối ưu hóa hiệu suất dựa trên bằng chứng cho các mẫu gạch, vượt ra ngoài những cân nhắc thẩm mỹ chủ quan.
Thiết kế thụ động của cơng trình đạt chứng chỉ cơng trình xanh tại Việt Nam
Các yếu tố cấu thành mặt dựng của công trình
sDA và ASE trong khơng gian nội thất của cơng trình
Đóng góp của nghiên cứu:
</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21"> Cung cấp bằng chứng thực nghiệm về hiệu quả của Thuật tốn tối ưu hóa Kền kền châu Phi (AVOA) trong bối cảnh thiết kế kiến trúc, từ đó làm phong phú thêm tài liệu về các thuật tốn tối ưu hóa.
Nghiên cứu sẽ nâng cao hiểu biết về các khả năng tối ưu hóa của AVOA và các lĩnh vực cải tiến tiềm năng của nó, đưa ra các hướng phát triển thuật toán trong tương lai.
Đưa ra một giải pháp thay thế được tối ưu hóa một cách khoa học cho việc lựa chọn các mẫu gạch trong thiết kế tịa nhà, thể hiện một mơ hình tích hợp các phương pháp tính tốn tối ưu hóa vào các quyết định phương án kiến trúc thực tế.
Cuối cùng, nó sẽ đóng góp vào việc theo đuổi kiến trúc bền vững và tiết kiệm năng lượng ở Việt Nam, cung cấp những hiểu biết thực tế đồng thời cung cấp kết quả nghiên cứu một cách khoa học cho việc định hướng sự phát triển của ngành và thực tiễn chuyên môn trong lĩnh vực này.
</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22">Nghiên cứu này tối ưu hóa hai chỉ số sDA và ASE vì chúng phù hợp với tiêu chí chiếu sáng ban ngày LEED v4.1 và đã trở thành tiêu chuẩn để đánh giá hiệu suất ánh sáng ban ngày. sDA cho biết phần trăm không gian có đủ ánh sáng ban ngày cho người ở, trong khi ASE giúp xác định các vấn đề chói tiềm ẩn do ánh nắng trực tiếp có cường độ quá cao[19]. Ban đầu, các thông số khác như hệ số ánh sáng ban ngày, khả năng tự chủ về ánh sáng ban ngày và độ chiếu sáng ban ngày hữu ích cũng đã được xem xét, nhưng cuối cùng sDA và ASE vẫn được chọn do chúng phù hợp chặt chẽ hơn với các yêu cầu của tiêu chuẩn LEED.
Các dự án được chứng nhận LEED phải đạt được các tiêu chuẩn:
Tự chủ ánh sáng ban ngày theo khơng gian (sDA): Phần trăm diện tích sàn đáp ứng mức độ chiếu sáng ban ngày tối thiểu (300 lux) trong ít nhất 50% số giờ sử dụng hàng năm. Để đạt điểm theo LEED, các dự án phải đạt được sDA300/50% cho ít nhất 40% diện tích sàn sử dụng (1 điểm), 55% (2 điểm) hoặc 75% (3 điểm). Nghiên cứu này nhắm mục tiêu mức cao nhất là 75% sDA [6].
Tiếp xúc với ánh nắng mặt trời hàng năm (ASE): Phần trăm diện tích sàn
</div><span class="text_page_counter">Trang 23</span><div class="page_container" data-page="23">nhận được ít nhất 1000 lux trong ít nhất 250 giờ sử dụng mỗi năm. LEED v4.1 quy định giới hạn trên ASE1000/250 không quá 10% không gian sử dụng [6].
Đã có nhiều nghiên cứu đã đi sâu vào chủ đề tối ưu hóa mặt dựng cơng trình. ElBatran và cộng sự[20] đã nghiên cứu thiết kế mặt dựng hai lớp tối ưu hướng về hướng Nam cho khí hậu nóng bức của Ai Cập để đáp ứng tiêu chuẩn LEED. Tuy nhiên, nghiên cứu của họ không bao gồm ảnh hưởng của hình học mặt dựng, độ phản chiếu và màu sắc của mặt dựng đến hiệu suất ánh sáng ban ngày. Tương tự, Zhang và Ji[21]đã sử dụng các công cụ mô phỏng tham số, chẳng hạn như Rhino và Grasshopper, để tối ưu hóa thiết kế cửa sổ căn hộ bằng thuật toán di truyền (GA), tuy nhiên các số liệu trọng tâm trong nghiên cứu của họ khơng đặt tính bền vững LEED làm trọng tâm.
Glassman và Reinhart[22] đã khám phá tác động của các kịch bản khí hậu trong tương lai đối với việc tối ưu hóa mặt dựng bằng cách sử dụng các công cụ mô phỏng và thiết kế theo dạng tham số. Nghiên cứu này tuy sâu sắc nhưng lại tập trung vào năng lượng và lượng khí thải carbon làm tiêu chí chính mà bỏ qua các khía cạnh lấy con người làm trung tâm trong việc xem xét đến hiệu quả cửa mặt dựng và chưa xem xét đến chất lượng ánh sáng ban ngày, sự thoải mái về thị giác và sự hài lòng của người sử dụng.
Shan và Junghans[23] đã phát triển một thuật toán tiến hóa được gọi là bức xạ thích ứng để tối ưu hóa thiết kế mặt dựng của tòa nhà ở các vùng khí hậu khác nhau. Nghiên cứu này sửa đổi một vài điểm đơn giản của thuật toán di truyền để đạt được kết quả tối ưu hóa gần như tối ưu nhưng lại có thể giảm chi phí tính tốn một cách đáng kể. Dù nghiên cứu này tối ưu hóa mặt dựng để đạt hiệu quả năng lượng liên quan đến các yêu cầu làm mát, sưởi ấm và chiếu sáng nhân tạo, nhưng lại khơng tính đến các yếu tố lấy con người làm trung tâm trong việc xem xét đến các yếu tố ảnh
</div><span class="text_page_counter">Trang 24</span><div class="page_container" data-page="24">Bakmohammadi và Noorzai[24] đề xuất một mơ hình giúp các kiến trúc sư đánh giá thiết kế của một lớp học, nhấn mạnh vào sự thoải mái về nhiệt và tính bền vững của thiết kế. Ngồi ra, Hosseini và các cộng sự[25] nhấn mạnh vai trò của mặt dựng trong việc nâng cao hiệu suất ánh sáng ban ngày trong cơng trình. Mơ hình nghiên cứu này dù phức tạp nhưng lại được thiết kế riêng biệt cho một loại tịa nhà cụ thể, điều này khiến mơ hình giảm đi khả năng ứng dụng rộng rãi cho các loại cơng trình khác. Nghiên cứu này khơng áp dụng tiêu chuẩn LEED vào quá trình nghiên cứu.
Wang và cộng sự[26] tập trung vào việc cải tiến hệ thống lam che nắng cho các lớp học ở Nam Xương, Trung Quốc, nghiên cứu sử dụng mô hình tham số 3D và thuật tốn NSGA-II nhưng lại khơng đưa các chỉ số bền vững vào quá trình nghiên cứu.
Tabadkani và cộng sự[27] đã nghiên cứu yếu tố thoải mái về thị giác bằng sự đối lập giữa mặt dựng động và mặt dựng tĩnh, nhằm mục đích cải thiện hiệu suất ánh sáng ban ngày. Trong một nghiên cứu khác, Fang và Cho[28] đã đào sâu vào việc tối ưu hóa mặt dựng ở các vùng khí hậu khác nhau, phân tích các biến số thiết kế khác nhau cho một tòa nhà văn phòng nhỏ ở các thành phố như Miami, Atlanta và Chicago.
Nghiên cứu của Do và Chan[29] cung cấp những kết quả có giá trị về vấn đề kiểm sốt ánh sáng ban ngày và độ chói cho cơng trình có mặt tiền nhiều lớp. Nghiên cứu của chúng tơi nhằm mục đích bổ sung cho nghiên cứu của của Do và Chan trong việc giải quyết trực tiếp các tiêu chí về ánh sáng ban ngày của LEED v4.1, tập trung vào sự thoải mái về thị giác và có đủ ánh sáng ban ngày. Mặc dù nghiên cứu của Do và Chan tạo thành nền tảng vững chắc, nhưng sự tuân thủ và áp dụng tiêu chuẩn LEED trong nghiên cứu này của chúng tôi lại tăng khả năng cho phép chúng ta sử dụng trong các dự án có mục tiêu nhắm đến tiêu chuẩn LEED ngay t ban u.
Kizilửrenli v Tokuỗ[30] ó nghiên cứu một hệ thống mặt tiền đáp ứng (responsive faỗade system) mi nhm ti u húa ỏnh sỏng ban ngày cho mặt tiền hướng Tây. Hệ thống được mô hình hóa tham số của họ tập trung vào việc tối đa hóa Quyền tự chủ ánh sáng ban ngày trong khơng gian (sDA) trong khi vẫn duy trì Mức tiếp xúc với ánh sáng mặt trời hàng năm (ASE) dưới 10% để giảm nhiễu loạn thị giác. Bằng cách
</div><span class="text_page_counter">Trang 25</span><div class="page_container" data-page="25">sử dụng các công cụ như Rhinoceros 3D, Grasshopper, Climate Studio và Octopus, họ đã cải thiện hiệu quả dữ liệu ánh sáng ban ngày từ các mơ hình ban đầu, mang lại mức độ thoải mái hơn cho người dùng. Cách tiếp cận của họ, mặc dù tương đồng với cách tiếp cận của chúng tơi trong việc tối ưu hóa việc kiểm sốt ánh sáng ban ngày, nhưng lại khác nhau ở một số khía cạnh. Đáng chú ý, phương pháp của họ khơng đứa tiêu chuẩn LEED vào điều kiện tính tốn, thiếu sự thay đổi về vật liệu và chỉ so sánh kết quả với một kịch bản cơ bản khơng có mặt tiền, thay vì khám phá một loạt các thiết kế mặt tiền ngoài đời thực. Cách tiếp cận này mặc dù mang lại nhiều giải pháp nhưng lại bỏ qua việc so sánh trực tiếp với các thiết kế mặt tiền thường được sử dụng, có khả năng hạn chế khả năng ứng dụng rộng rãi hơn những phát hiện của họ trong các tình huống thực tế.
Tóm lại, các nghiên cứu được đề cập đã đạt được những tiến bộ đáng chú ý. Tuy nhiên, phải thừa nhận rằng một số khía cạnh của thang đo LEED và yếu tố quan trọng của quá trình vận hành cơng trình là người sử dụng và cư dân sinh sống bên chưa được ứng dụng và quan tâm đúng mức.
Sự quan tâm đến các kỹ thuật tối ưu hóa lấy cảm hứng từ sinh học ngày càng tăng, các nhà nghiên cứu gần đây đã bắt đầu áp dụng những thuật toán này để giải quyết các vấn đề tối ưu hóa thực tế trên nhiều lĩnh vực khác nhau. Ví dụ, Son và cộng sự[31] đã giới thiệu thuật toán Sin Cosin (SCA) nâng cao tích hợp lựa chọn bánh xe roulette với Opposition-based Learning (OBL), thể hiện hiệu suất vượt trội so với các thuật tốn tối ưu hóa truyền thống trong các bối cảnh có nhiều kỹ thuật tối ưu hóa khác nhau. Son và Nguyen Dang[32] đã trình bày mơ hình MVO như một công cụ hiệu quả để giải quyết các vấn đề tối ưu hóa thời gian-chi phí trong quản lý dự án xây dựng, vượt trội hơn các kỹ thuật khác trong các ứng dụng quy mô nhỏ. Son và cộng sự[33] đã đề xuất kỹ thuật tối ưu hóa trong việc lập kế hoạch cho việc vận chuyển xe tải bê tông trộn sẵn (RMC). Cốt lõi của nó là một thuật tốn trí tuệ bầy đàn lai mới
</div><span class="text_page_counter">Trang 26</span><div class="page_container" data-page="26">thu được có hiệu suất vượt trội so với các thuật toán độc lập và báo trước một bước nhảy vọt trong việc hợp tác nhà máy đa độc lập để phân phối RMC một cách chuẩn xác trong lĩnh vực xây dựng. Son và Nguyen Dang đã trình bày một mơ hình tổng hợp có tên là trình tối ưu hóa đa vũ trụ (hybrid multi-verse optimizer model - hDMVO)[34], tích hợp MVO và thuật tốn sin cosine (SCA). Mơ hình này rất thành thạo trong việc quản lý các vấn đề khó khăn về cân bằng thời gian và chi phí (TCTO) riêng biệt trong việc điều phối dự án xây dựng. Sức mạnh của nó tỏa sáng thông qua các đánh giá điểm chuẩn và khả năng đưa ra các giải pháp ưu việt trong các kịch bản TCTO quy mô lớn cho các dự án phức tạp.
Đối với các tác vụ lặp lại với nhiều trường hợp đồng thời, thuật toán nấm nhầy chọn lọc thích ứng (ASSMA) được nghiên cứu bởi Son và Khoi[35]. Nghiên cứu này phát triển thuật toán nấm nhầy đột biến chéo (MCSMA) để cân bằng thời gian, chi phí, chất lượng và tính liên tục trong một dự án xây dựng[36]. Ngồi ra, cũng đã có nhiều nghiên cứu sâu rộng trong lĩnh vực trí tuệ nhân tạo như Son và Nam[37] đã sử dụng thuật toán Tối ưu hóa Sin Cosine đã được lai ghép để giải quyết Dự án Giao thơng vận tải. Mơ hình tối ưu hóa đa chiều kết hợp cho bài tốn đánh đổi chi phí-thời gian rời rạc khá lớn của Son và Nguyen Dang[34]. Để giải quyết những hạn chế của thuật toán GWO, Son và Trang[33] giới thiệu HDGM, một mơ hình tối ưu hóa lai kết hợp thuật tốn chuồn chuồn và trình tối ưu hóa sói xám. Phần mềm Weka được mô tả bởi Son và Luan[38] đã hỗ trợ mơ hình hóa bằng các thuật tốn mạnh mẽ và độ tin cậy cao.
Giải thuật tối ưu hóa đã thu hút nhiều sự chú ý trong lĩnh vực trí tuệ nhân tạo nhờ khả năng đưa ra giải pháp cho các vấn đề tối ưu hóa phức tạp mà các thuật tốn truyền thống chưa đáp ứng được[28]. Các thuật toán này, thường lấy cảm hứng từ các hiện tượng tự nhiên hoặc xã hội học, nhằm mục đích đạt được sự cân bằng giữa khám phá (tìm kiếm các vùng đáp án mới trong khơng gian tìm kiếm) và khai thác (tinh chỉnh phương án tìm kiếm trong khu vực hiện tại). Sự khéo léo của những kỹ thuật này nằm ở việc mô phỏng các hành vi cụ thể được quan sát thấy trong tự nhiên hoặc xã hội, tận dụng tiềm năng trí tuệ sẵn có có của hệ thống. Một sự bổ sung gần đây cho Giải
</div><span class="text_page_counter">Trang 27</span><div class="page_container" data-page="27">thuật tối ưu hóa lấy cảm hứng từ thiên nhiên là Thuật tốn Tối ưu hóa Kền kền Châu Phi (AVOA).
Chúng ta xem thuật tốn tối ưu hóa kền kền châu Phi (AVOA) là thuật tốn chính cho nghiên cứu này, nhằm tối đa hóa các chỉ số về độ thoải mái về mặt thị giác, vì những lý do sau đây:
Được phát triển gần đây: AVOA được giới thiệu vào năm 2021[30], là một thuật toán mới được phát triển và đang trải qua quá trình sàng và phát triển[39], [40], [41], [42], [43], mang lại cơ hội cải tiến hơn nữa và mở rộng các lĩnh vực có thể ứng dụng thuật tốn.
Đã cho thấy sự hiệu quả trong một số nghiên cứu: Các nghiên cứu sơ bộ đã chứng minh hiệu suất ấn tượng và nhất quán của AVOA, thuật toán này thường vượt qua các thuật toán Metaheuristic trước đây trong các bài kiểm tra đánh giá sức mạnh tối ưu hóa[44],[45], [46], [47].
Tính linh hoạt: AVOA thể hiện tính linh hoạt trong việc giải quyết một loạt các thách thức trong bài tốn tối ưu hóa, bao gồm cả những thách thức có nhiều ràng buộc và các vấn đề phi tuyến phức tạp[45], [46], [47]. Khi khám phá tiềm năng và hiệu suất của AVOA trong việc tối ưu hóa thiết kế mặt dựng nhằm nâng cao hiệu quả của ánh sáng ban ngày, người ta thừa nhận rằng lý do chọn AVOA, như đã nêu trước đó, mang tính chủ quan ở mức độ nào đó. Để đánh giá tính xác thực của những lý do này và để có được góc nhìn rộng hơn về hiệu quả của AVOA, nghiên cứu này cũng sẽ tiến hành so sánh sơ bộ với hai thuật toán siêu dữ liệu đã được thiết lập tốt: Thuật tốn di truyền (GA) và trình tối ưu hóa Sói xám (GWO).
</div><span class="text_page_counter">Trang 28</span><div class="page_container" data-page="28">Phân tích so sánh này khơng nhằm mục đích đánh giá một cách tồn diện hay cứng nhắc về các thuật toán này mà nó nhằm mục đích cung cấp cái nhìn sâu sắc ở các bước đầu về hiệu quả tương đối của chúng trong bối cảnh tối ưu hóa mặt dựng để có khơng gian đủ ánh sáng ban ngày và đạt chuẩn LEED, đặc biệt là trong điều kiện hạn chế về phần cứng máy tính của chúng tơi. Việc so sánh này nhằm cung cấp cái nhìn khái quát về hiệu suất của các thuật toán trong thiết lập bài tốn của chúng ta. Do đó, mục tiêu chính là khám phá xem liệu lựa chọn của AVOA dựa trên các tiêu chí cụ thể trước đó có đáp ứng được yêu cầu khi đặt cạnh GA và GWO trong mơi trường tính tốn hạn chế hay khơng.
Thuật tốn di truyền (GA), một thuật tốn phổ biến mơ phỏng quá trình chọn lọc tự nhiên, được đề xuất lần đầu tiên bởi J.H. Holland vào năm 1992[48]. Tuy nhiên, nền tảng của GA có thể bắt nguồn từ năm 1975, đánh dấu nguồn gốc sâu xa hơn của nó trong lý thuyết tối ưu hóa[49]. Thuật tốn này được sử dụng rộng rãi để giải quyết các vấn đề tối ưu hóa phức tạp và phát triển các giải pháp qua nhiều thế hệ tính tốn[50]. Khả năng thích ứng và tính mạnh mẽ của nó làm cho GA trở thành một chuẩn mực thích hợp để so sánh, chứng tỏ tính phù hợp và hiệu quả lâu dài của nó trong các bối cảnh tối ưu hóa khác nhau.
Đầu tiên, một tập hợp các giải pháp ứng viên ban đầu được tạo ngẫu nhiên. Mỗi giải pháp được biểu diễn dưới dạng nhiễm sắc thể, thường được mã hóa dưới dạng chuỗi bit nhị phân. Tính thích hợp hoặc chất lượng của từng giải pháp được đánh giá bằng cách sử dụng hàm thích hợp được xác định trước. Sau đó, q trình chọn lọc được sử dụng để xác định giải pháp nào từ quần thể hiện tại sẽ được sử dụng để tạo
</div><span class="text_page_counter">Trang 29</span><div class="page_container" data-page="29">ra con cái cho thế hệ tiếp theo. Các giải pháp có độ thích hợp cao hơn sẽ có cơ hội được lựa chọn cao hơn. Các phương pháp lựa chọn phổ biến bao gồm bánh xe roulette, giải đấu và lựa chọn thứ hạng.
Các giải pháp được chọn trải qua quá trình trao đổi chéo, trong đó các phần của chuỗi nhiễm sắc thể của chúng được hoán đổi để tạo ra các giải pháp con mới. Các kỹ thuật phân tần khác nhau bao gồm phân tần đơn điểm, đa điểm và phân tần thống nhất. Q trình chéo kết hợp thơng tin từ các giải pháp tốt với mục tiêu khám phá các giải pháp thậm chí cịn tốt hơn qua các thế hệ kế tiếp. Sau khi lai ghép, đột biến được áp dụng, trong đó các thay đổi ngẫu nhiên được thực hiện đối với các bit riêng lẻ trong chuỗi nhiễm sắc thể. Đột biến giúp duy trì sự đa dạng trong quần thể và cho phép khám phá các khu vực mới của khơng gian tìm kiếm.
Các giải pháp mới được tạo sẽ hình thành quần thể cho thế hệ tiếp theo trong GA và chúng sẽ được đánh giá mức độ phù hợp. Chu kỳ chọn lọc, lai ghép, đột biến và đánh giá sức mạnh này được tiếp tục thực hiện qua nhiều thế hệ. Theo thời gian, các giải pháp sẽ phát triển để phù hợp hơn, cuối cùng hội tụ thành các giải pháp gần tối ưu cho vấn đề. Giải pháp tổng thể tốt nhất được trả về sau khi đáp ứng các tiêu chí được đặt ra trước đó, thường dựa trên số lượng thế hệ cố định, chất lượng giải pháp đạt yêu cầu.
Tóm lại, các thuật toán di truyền tận dụng sức mạnh của q trình tiến hóa để tìm kiếm một cách hiệu quả các không gian rộng lớn, phức tạp, tinh chỉnh lặp đi lặp lại các bộ sưu tập giải pháp ứng cử viên dựa trên các nguyên tắc như chọn lọc tự nhiên, tái tổ hợp và đột biến. Khả năng GA tránh bị mắc kẹt trong tối ưu cục bộ mang lại
</div><span class="text_page_counter">Trang 30</span><div class="page_container" data-page="30">cho chúng lợi thế so với các kỹ thuật tối ưu hóa khác đối với nhiều vấn đề trong thế giới thực.
Trình tối ưu hóa Sói Xám (GWO), lấy cảm hứng từ chiến lược săn bắt và phân cấp xã hội của sói xám, là một thuật tốn siêu dữ liệu mạnh mẽ được giới thiệu gần đây hơn vào năm 2014[51]. Khả năng khám phá và khai thác không gian giải pháp một cách hiệu quả đã khiến nó trở thành lựa chọn phổ biến trong các bối cảnh tối ưu hóa khác nhau. Sự phổ biến này có thể là do sự đơn giản, dễ sử dụng, sự linh hoạt, khả năng mở rộng và đặc biêtk là khả năng trong việc cân bằng giữa khám phá (exploration) và khai thác (exploitation) trong quá trình tìm kiếm[52]. Trong GWO, các giải pháp cho các vấn đề tối ưu hóa được biểu diễn bằng hình ảnh của những con sói xám. Các sói được chia thành bốn loại, phản ánh hệ thống phân cấp xã hội của đàn sói: Alpha (α), Beta (β), Delta (δ) và Omega (ω). Sói Alpha là những lãnh đạo đưa ra quyết định về săn mồi, nơi ngủ và các hoạt động khác. Sói Beta giúp đỡ Alpha trong việc ra quyết định và các hoạt động khác của đàn. Sói Delta là cấp dưới của Alpha và Beta và có vai trị riêng trong hệ thống phân cấp của đàn. Cuối cùng, sói Omega có thứ hạng thấp nhất và chịu trách nhiệm thực hiện các quyết định do sói cấp cao hơn đưa ra.
Thuật tốn GWO bắt đầu với việc khởi tạo một quần thể ngẫu nhiên của sói xám (các giải pháp). Sau đó, những con sói này được hướng dẫn đến giải pháp tối ưu thơng qua các vịng lặp săn mồi, tức là khám phá khơng gian tìm kiếm. Q trình săn mồi chủ yếu được hướng dẫn bởi sói Alpha, Beta và Delta, vì chúng có kiến thức tốt nhất về vị trí của con mồi tiềm năng (giải pháp tối ưu). Phần cịn lại của bầy (sói Omega)
</div><span class="text_page_counter">Trang 31</span><div class="page_container" data-page="31">theo dõi sự dẫn dắt của ba con sói này. Trong q trình săn mồi, các sói bao vây con mồi, tương tự như việc thu hẹp không gian tìm kiếm trong q trình tối ưu hóa. Hành vi bao vây này được mơ hình hóa tốn học trong thuật tốn. Các sói cập nhật vị trí của mình dựa trên vị trí của con mồi và vị trí của sói Alpha, Beta và Delta.
Thuật tốn lặp đi lặp lại việc điều chỉnh vị trí của các sói trong khơng gian tìm kiếm, mơ phỏng q trình bao vây và tấn cơng con mồi. Vị trí được cập nhật dựa trên sự kết hợp giữa khoảng cách từ con mồi và vị trí của các sói dẫn đầu. Quá trình này tiếp tục cho đến khi đạt đến tiêu chí dừng, có thể là số lần lặp tối đa hoặc mức độ chính xác chấp nhận được trong giải pháp.
Tóm lại, thuật tốn GWO là một cách tiếp cận đổi mới trong việc giải quyết các vấn đề tối ưu hóa
So sánh thuật tốn tối ưu hóa Kền kền châu Phi (AVOA) với thuật tốn sói xám GWO và Thuật tốn di truyền (GA) có thể mang đến quan điểm hiện đại trong việc đánh giá hiệu quả của các phương pháp tối ưu hóa mới.
Ngoài việc cung cấp những hiểu biết sơ bộ về hiệu suất của Thuật tốn Tối ưu hóa Kền Kền Châu Phi (AVOA), Thuật toán Di truyền (GA) và Trình tối ưu hóa Sói Xám (GWO) trong việc tối ưu hóa ánh sáng ban ngày trong thiết kế mặt dựng, nghiên cứu này cũng tìm cách khám phá bản chất của các giải pháp thiết kế được đề xuất bởi mỗi thuật tốn. Một khía cạnh quan trọng của việc khám phá này là hiểu được tính đa dạng của khơng gian giải pháp mà mỗi thuật tốn hướng đến và những yếu tố được ưu tiên hoặc xu hướng cụ thể mà chúng thể hiện trong việc lựa chọn vật liệu và phương án thiết kế.
</div><span class="text_page_counter">Trang 32</span><div class="page_container" data-page="32">Sau đây là phần giới thiệu chi tiết hơn về phương pháp mới mà Tabadkani và cộng sự[27] sử dụng trong nghiên cứu về chiếu sáng tự nhiên và tiện nghi nhìn. Trọng tâm chính nằm ở phương pháp tiếp cận độc đáo của Tabadkani trong phân tích thơng qua các tham số, được thực hiện thơng qua một hệ thống vỏ bao che thích nghi theo điều kiện ánh sáng mặt trời. Phân tích đi sâu vào việc khám phá tác động của một loạt biến số lên điều kiện chiếu sáng nội thất và tiện nghi nhìn trong một khơng gian văn phịng ở thủ đơ Tehran; Iran, nơi có khí hậu đặc trưng nóng ẩm. Trong phần này, chúng tơi trình bày chi tiết về quá trình phát triển hệ thống này và cách ứng dụng của nó có thể cải thiện hiệu suất chiếu sáng ban ngày và tiện nghi nhìn tổng thể.
Nghiên cứu trên được xây dựng xung quanh việc tìm hiểu khả năng và hạn chế của việc tạo ra một lớp vỏ bao che có thể đáp ứng theo điều kiện ánh sáng mặt trời. Thử nghiệm trên một khơng gian văn phịng với mặt chiếu sáng hướng về phía nam, đặt tại thủ đơ Tehran; Iran. Nghiên cứu được chia thành ba giai đoạn: mơ hình hóa dựa trên tham số, xác định tiêu chí và mơ phỏng.
Giai đoạn một tập trung vào việc chuyển một hoa văn trang trí đặc trưng của Hồi giáo, có tên gọi là “hoa văn Ngôi sao Hồi giáo” (Islamic Star Patterns ) [53] hay Rosette [54], thành một mẫu hoa văn động, có khả năng thay đổi. Mẫu hoa văn này sẽ được sử dụng như là một thiết bị chắn sáng thích nghi, thơng qua các cơng cụ thiết kế và tính toán như Grasshopper/Rhino sẽ giúp gia tăng sự đồng đều của lượng ánh sáng lọt vào trong cơng trình.
Giai đoạn hai, nhóm nghiên cứu phát triển một nguyên mẫu vỏ bao che có thể được điều khiển bằng các tham số, đồng thời với một tập hợp các tiêu chuẩn về tiện nghi nhìn, thực hiện bằng Grasshopper, DIVA kết hợp với Radiance và DAYSIM[55]
Giai đoạn ba bao gồm việc tạo ra một loạt các giải pháp thiết kế đa dạng thơng qua việc sử dụng thuật tốn tiến hóa Galapagos. Các giải pháp được xây dựng dựa trên
</div><span class="text_page_counter">Trang 33</span><div class="page_container" data-page="33">các biến đầu vào, nhắm đến việc tối ưu hóa các chỉ số sDA<small>300, 50%</small> và ASE<small>1000, 10% </small>có ít cho việc đánh giá và chứng nhận cơng tình về sau.
Mặc dù nghiên cứu thành công trong việc giới thiệu một cách tiếp cận mới và tiềm năng thông qua hệ thống vỏ bao che động. Chúng ta nên cân nhắn các hạn chế của mơ hình này. Phương pháp này sáng tạo, nhưng có những nhược điểm như chi phí có thể cao hơn đáng kế so với vỏ bao che truyền thống, cần có giải pháp để vận hành và bảo trì một hệ thống phức tạp, với hàng nghìn chi tiết chuyển động. Hơn nữa, việc lựa chọn thuật toán Galapagos, mặc dù là một phần quan trọng trong quá trình, nhưng chưa được xác minh về tính hiệu quả cho trường hợp cụ thể của nghiên cứu. Điều này có thể làm giảm hiệu quả của mơ hình khi ứng dụng vào các trường hợp lớn, phức tạp, và đòi hỏi nhiều input hơn. Do đó, mặc dù cơng trình của Tabadkani cho thấy một cái nhìn giá trị và tiến bộ trong lĩnh vực này, nhưng chúng ta vẫn cần thêm những nghiên cứu để tiếp nối, tinh chỉnh, giải quyết các thách thức và đẩy mạnh hơn nữa năng suất làm việc của hệ thống.
AVOA (African Vulture Optimization Algorithm) là thuật tốn tối ưu hóa metaheuristic tương đối mới, được đề xuất bỏi Benyamin Abdollahzadeh và cộng sự[17] vào năm 2021. Lấy cảm hứng từ hành vi phức tạp quan sát thấy ở lồi kền kền chậu Phi khi tìm kiếm thức ăn. Để phát triển thuật toán, Abdollahzadeh và nhóm nghiên cứu đã quan sát tỉ mỉ hành vi kiếm ăn của kền kền châu Phi, chú ý những yếu tố khác nhau ảnh hưởng đến quá trình này.
Trong đó, mức độ đói của kền kền là một trong các yêu tố quan trọng hàng đầu. Các nhà nghiên cứu nhận thấy động lực tìm kiếm cũng như cách thức kiếm ăn bị chi phối lớn bởi mức độ no hoặc đói của chúng[56]. Khi thiếu ăn, kền kền thể hiện sự quyết tâm cao hơn, thúc đẩy chúng sử dụng các chiến lược mang tính mạnh mẽ, hiếu chiến hơn[57], [58].
</div><span class="text_page_counter">Trang 34</span><div class="page_container" data-page="34">Ngồi trạng thái đói, sức mạnh thể chất là một yếu tố khác tác động đáng kể đến hành vi kiếm ăn của kền kền châu Phi. Những cá thể khỏe hơn có khả năng bay được xa hơn trong quá trình tìm kiếm, khám phá những khu vực rộng lớn, nâng cao khả năng tìm được nguồn thức ăn[58], [59].
Tiếp đến là phương thức mà kền kền di chuyển, hay cách mà chúng bay. Nhóm nghiên cứu phát hiện ra kền kền sử dụng nhiều kiểu bay khác nhau tùy vào điều kiện môi trường, nguồn thức ăn sẵn có và sự hiện diện của những con kền kền khác. Những kiểu bay này thể hiện khả năng thích ứng với hồn cảnh thay đổi, giúp tối ưu hóa khả năng sinh tồn.
Sự tương tác giữa những cá thể kền kền cũng là một khía cạnh quan trọng. Hành vi cạnh tranh xuất hiện khi nguồn thức ăn hạn chế. Các nhà nghiên cứu đã khảo sát tác động của sự lựa chọn thời điểm, tổ chức xã hội, và chiến thuật lên khả năng giành lợi thế của chúng khi xung đột xảy ra.
Thông qua sự tìm hiểu về các yếu tố trên, nhóm của Abdullahzadeh hướng đến việc áp dụng những gì làm nên sự thành công của kền kền châu Phi vào thuật toán AVOA. Với mục tiêu xây dựng một cơng cụ tối ưu hóa mạnh mẽ, giải quyết được các vấn đề phức tạp, lấy cảm hứng từ loài chim ăn xác đáng kinh ngạc này.
Thuật toán AVOA mặc định được triển khai dựa vào các giả định sau[17]:
- Khởi tạo dân số ban đầu: Bắt đầu với xác định số lượng kền kền (N) có trong môi trường. Con số này xác định dựa trên vấn đề cụ thể mà nhà nghiên cứu muốn giải quyết. Số lượng này chính là số lượng cá thể mà thuật toán metaheuristic sử dụng để tính tốn cho quần thể ban đầu.
- Phân nhóm: Trong mơi trường, kền kền được chia thành hai nhóm. Đầu tiên, thuật tốn sẽ tính tốn giá trị hàm mục tiêu (fitness function) cho tất cả cá thể của quần thể ban đầu. Dựa trên kết quả đó, kền kền được chia thành hai nhóm. Cá thể có thể lực cao nhất được chỉ định là kền kền đứng đầu của nhóm thứ nhất, trong khi giải pháp tốt thứ hai được chỉ định thành kền kền đứng đầu của
</div><span class="text_page_counter">Trang 35</span><div class="page_container" data-page="35">nhóm thứ hai. Các cá thể còn lại tạo thành một quần thể cạnh tranh hoặc thay thế một trong hai con kền kền tốt nhất trong mỗi vòng lặp.
- Hành vi sống theo nhóm: Cơ sở lý luận đằng sau việc chia kền kền thành các nhóm nằm ở việc mơ phỏng hành vi tự nhiên chính của chúng, đó là sống theo nhóm với mục đích tìm kiếm thức ăn. Mỗi nhóm kền kền có một mức độ thành thạo khác nhau trong việc tìm kiếm và tiêu thụ thức ăn.
- Chống lại cái đói: Kền kền thể hiện rất thích kiếm ăn và dành hàng giờ để tìm kiếm thức ăn. Để mơ hình hóa hành vi này, AVOA giới thiệu một cơ chế chống đói. Cơ chế này giả định rằng giải pháp tồi tệ nhất trong quần thể tương ứng với con kền kền yếu nhất và đói nhất. Các cá thể khác có xu hướng giữ khoảng cách với giải pháp yếu nhất và cố gắng tiếp cận giải pháp tốt nhất. Trong AVOA, hai con kền kền có giải pháp tốt nhất được coi là con kền kền mạnh nhất và giỏi nhất, trong khi những con kền kền khác cố gắng hội tụ để hướng tới giải pháp tốt nhất. Từ 4 giả định trên, AVOA được mơ hình hóa thành 4 bước riêng biệt, được trình bày theo Hình 2.1.
- Chi tiết về mơ hình tốn học và các vấn đề liên quan sẽ được trình bày trong phần 3.1.
</div><span class="text_page_counter">Trang 36</span><div class="page_container" data-page="36">Hình 2.1 Sơ đồ tính AVOA
</div><span class="text_page_counter">Trang 37</span><div class="page_container" data-page="37">Để phát triển phương pháp tối ưu hóa một cách hiệu quả cho mặt dựng hướng Tây, chúng ta tích hợp mơ hình tham số, thuật tốn tối ưu hóa Metaheuristic và mơ phỏng ánh sáng ban ngày có độ chính xác cao với nhau. Điều này có thể giúp chúng ta khám phá được các cấu hình thiết kế đa dạng, từ đó xác định các giải pháp giúp nâng cao hiệu suất ánh sáng ban ngày phù hợp với tiêu chuẩn cơng trình bền vững LEED v4.1. Mơ hình tham số này cho phép chúng biến đổi linh hoạt thông qua các biến số chính như hình thức mặt dựng, vật liệu và chủng loại của vách kính. Chúng ta sử dụng thuật tốn tối ưu hóa Kền kền Châu Phi nhằm tìm kiếm lời giải cho bài tốn tối ưu hóa phức tạp này.
Một cơng cụ khác là chương trình mơ phỏng ClimateStudio sẽ cung cấp và phân tích chính xác về số liệu ánh sáng ban ngày cho mơ hình mơ phỏng. Bằng cách kết hợp các công cụ này với nhau, mô phỏng này đặt mục tiêu tạo ra các phương án mặt dựng của cơng trình hướng Tây nhưng được tối đa hóa chất lượng ánh sáng ban ngày trong nhà cùng với sự thoải mái thị giác, cung cấp cho các kiến trúc sư và các nhà quản lý dự án khả năng đánh giá và lựa chọn thiết kế đảm bảo tuân thủ các biện pháp thực hành tốt nhất về công trình xanh. Các phần sau đây đi sâu hơn vào thuật tốn, cơng cụ phần mềm, tham số mơ phỏng và số liệu làm nền tảng cho phương pháp này.
Sau đây, chúng tơi trình bày sơ lược lại thuật toán tối ưu AVOA lấy ý tưởng từ kền kền châu Phi với hình ảnh và cơng thức từ nghiên cứu gốc của Abdollahzadeh và
<b>cộng sự[17], gồm 4 bước như sau: </b>
<b>3.1.1. Bước 1: Lựa chọn kền kền tối ưu trong một nhóm </b>
Theo sau sự khởi tạo quần thể ban đầu, thể lực của tất cả kền kền được tính tốn. Giải pháp có thể lực cao nhất được xác định là kền kền tối ưu trong nhóm đầu tiên, trong khi giải pháp có thể lực cao thứ hai được chọn là kền kền tối ưu trong nhóm thứ
<i>hai. Các giải pháp cịn lại, sử dụng Cơng thức 1 để lựa chọn hướng tới giải pháp tốt </i>
</div><span class="text_page_counter">Trang 38</span><div class="page_container" data-page="38">nhất trong nhóm thứ nhất hoặc thứ hai. Quá trình này được lặp lại cho mỗi vịng lặp, u cầu tính tốn lại tồn bộ dân số.
R(i) = {<sup>𝐵𝑒𝑠𝑡𝑉𝑢𝑙𝑡𝑢𝑟𝑒</sup><sub>𝐵𝑒𝑠𝑡𝑉𝑢𝑙𝑡𝑢𝑟𝑒</sub><sup>1</sup><sup>𝑖𝑓 𝑃</sup><sup>𝑖</sup><sup> = 𝐿1</sup>
<i>Công thức 1 được sử dụng để giúp mỗi cá thể lựa chọn một trong hai kền kền tối </i>
ưu nhất để hướng đến. Tham số L1 và L2, được quyết định trước q trình tìm kiếm, có giá trị trong khoản từ 0 đến 1 sao cho tổng của chúng bằng 1. Sau đó, bằng phương
<i>pháp bánh xe Roulette (Công thức 2), biến chúng thành xác suất để lựa chọn một </i>
trong hai giải pháp. 𝑃<sub>𝑖</sub> = <sup>F</sup><small>𝑖</small>
<b>3.1.2. Bước 2: Tốc độ đói của kền kền </b>
Khi có đủ thức ăn, kền kền có nhiều năng lượng hơn và bay được xa hơn để tìm thức ăn. Tuy nhiên khi đói, sự thiếu hụt năng lượng khiến phải trành giành thức ăn với kền kền có thể lực cao hơn. Cái đói cũng khiến kền kền trở nên bạo lực hơn[57], [58].
<i>Công thức 4 được dùng để mơ hình hóa hành vi này. Bằng cách điều chỉnh mức </i>
độ no và đói của kền kền, ta có thể hướng thuật tốn đi vào giai đoạn tìm kiếm hoặc
<i>khai thác cục bộ. Cơng thức 4 được thiết kế để khiến mức độ ăn no của kền kền có </i>
xu hướng giảm theo thời gian. 𝑡 = h × (sin<small>𝑤</small>(<sup>𝜋</sup>
<small>2</small>× <sup>𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛</sup><small>𝑖</small>
<small>𝑚𝑎𝑥𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛𝑠</small>) + cos (<sup>𝜋</sup>
<small>2</small>× <sup>𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛</sup><small>𝑖</small>
<small>𝑚𝑎𝑥𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛𝑠</small>) − 1) (3) 𝐹 = (2 × 𝑟𝑎𝑛𝑑<sub>1</sub>) × 𝑧 × (1 − <sup>𝑖𝑡𝑒𝑟𝑎𝑡𝑖𝑜𝑛</sup><small>𝑖</small>
<i>Trong Cơng thức 3 và Công thức 4, F đại diện cho mức độ no của kền kền. Biến iterationi tương ứng với số vòng lặp hiện tại, maxiterations tổng số vòng lặp tối đa. Biến z là một số ngẫu nhiên có giá trị từ -1 đến 1, thay đổi theo mỗi vòng lặp. Biến h </i>
</div><span class="text_page_counter">Trang 39</span><div class="page_container" data-page="39">là số ngẫu nhiên trong khoản -2 đến 2, cũng được thay đổi cho mỗi vòng lặp. Biến
<i>rand1 là số ngẫu nhiên từ 0 đến 1. </i>
Khi giải quyết các vấn đề tối ưu hóa phức tạp, khơng có gì đảm bảo rằng sau giai đoạn khám phá, quần thể sẽ cho về kết quả tổng thể tốt, thường dẫn đến sự hội tụ sớm
<i>ở giai đoạn tối ưu cục bộ. Công thức 3 được sử dụng để gia tăng khả năng thoát khỏi </i>
tối ưu cục bộ, qua đó tăng hường hiệu quả của thuật tốn[60]
Các cơng thức trên sẽ khiến cho những vịng lặp cuối cùng của AVOA tập trung thực hiện khai thác cục bộ, trong khi những vịng lặp đầu có xu hướng khám phá
<i>nhiều hơn. Sự thay đổi này có thể được được chỉnh thơng qua Cơng thức 3, mục đích </i>
là làm tăng xác suất xảy ra bước khám phá ở những vòng lặp cuối. Thông qua tham
<i>số w, được quyết định trước khi thực thi thuật toán, việc sử dụng số w lớn hơn sẽ làm </i>
tăng xác suất xảy ra pha khám phá ở các vòng lặp cuối và ngược lại.
<i>Sự thay đổi của F và t với các giá trị w khác nhau được thể hiện ở Hình 3.1 Hình </i>
3.2
Hình 3.1. Sự thay đổi của thời hạn xáo trộn t dưới các giá trị của tham số w[17]
</div><span class="text_page_counter">Trang 40</span><div class="page_container" data-page="40">Hình 3.2. Sự thay đổi của tốc độ đói của kền kền F dưới các giá trị của tham số w[11]
Xu hướng khám phá của kền kền giảm dần sau mỗi lần lặp lại. Khi giá trị tuyệt đối của F vượt quá 1, kền kền mở rộng tìm kiếm thức ăn, kích hoạt giai đoạn khám phá của AVOA. Ngược lại, nếu giá trị tuyệt đối của F giảm xuống dưới 1, AVOA sẽ chuyển sang giai đoạn khai thác cục bộ, giới hạn việc tìm kiếm thức ăn của kền kền trong vùng lân cận của các giải pháp hiện có.
</div>