Tiểu luận môn toán học cho khoa học máy tính MẠNG NƠ-RON VÀ LOGIC MỜ- ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN

ĐẠI HỌC QUỐC GIA TP. HCM
ĐẠI HỌC CÔNG NGHỆ THÔNG TIN





ĐỒ ÁN MÔN HỌC
PHƯƠNG PHÁP TOÁN TRONG TIN HỌC – LOGIC MỜ
ĐỀ TÀI:
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG
TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH
VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN

Giảng viên:
PGS. TS. Đỗ Văn Nhơn
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
Nhóm Học Viên:
Hồ Văn Linh - CH1301020
Nguyễn Thường Kiệt – CH1301019
Tp. HCM, ngày 04 tháng 01 năm 2014
Mục lục





Trang 2
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
LỜI NÓI ĐẦU



Với đà phát triển như hiện nay, nước ta đã và đang có rất nhiều dự án đầu tư về xây
dựng. Tuy nhiên, tiến độ thực hiện các dự án vẫn chưa đạt yêu cầu; bởi vì, thời gian
công việc trong một dự án thường rất khó xác định. Dự án chỉ thực hiện một lần nên
hoàn toàn không có dữ liệu quá khứ để ước lượng.
Thậm chí nếu có dữ liệu quá khứ thì cũng không thể ước lượng chính xác được vì mỗi
dự án xảy ra trong một môi trường khác nhau, không có sự lặp lại dù là cùng loại.
Thông thường, người ta thường ước lượng các thời gian này thông qua các số liệu của
dự án tương tự. Nhưng đối với dự án phát triển mới thi công việc này vô cùng khó
khăn. Do đó, việc ước lượng thời gian hoàn thành cũng như phân tích rủi ro về tiến độ
thực hiện của một dự án đòi hỏi phải có một phương pháp phù hợp, chính xác và hiệu
quả hơn.
Thông thường, người ta sử dụng phương pháp điều độ CPM, PERT. PERT giả định
phân bố thời gian công việc là phân bố β với các tham số “thời gian thông thường”,
“thời gian lớn nhất” và “thời gian nhỏ nhất”. Tuy nhiên, các nhà nghiên cứu đã chỉ ra
các khuyết điểm của các phương pháp này và sử dụng lý thuyết mờ để cải thiện các
khuyết điểm trên. Khi dữ liệu đầu vào không chính xác thì lý thuyết mờ được xem là
thích hợp với dạng tự nhiên của vấn đề. Và đó cũng là lý do mà chúng tôi chọn đề tài
“Mạng nơron và logic mờ - Ứng dụng trong bài toán hỗ trợ ra quyết định về khả
năng hoàn thành dự án”.

Nghiên cứu sử dụng lý thuyết mờ xây dựng phân bố thời gian hòan thành dự án nhằm
•
Đánh giá khả năng hoàn thành dự án.
•
Ước lượng thời gian hoàn thành dự án .
•
Ước lượng chi phí dự án .


•
Nghiên cứu các vấn đề cơ bản của mạng nơron và lý thuyết mờ
•
Áp dụng vào bài toán dự báo khả năng hoàn thành của các dự án xây dựng nhà
cao tầng.

•
Nghiên cứu tài liệu.
•
Thu thập dữ liệu.

•
Đạt được mục tiêu đã đề ra.
•
Cài đặt chương trình và thử nghiệm với sai số không quá 6%.
Trang 3
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
!"#$%&
Ngoài phần Mở đầu, Kết luận, Danh mục tham khảo tài liệu, Phụ lục, đề tài gồm 02
chương.
Với thời gian nghiên cứu có hạn và nhận thức của chúng em còn hạn chế nên trong
quá trình thực hiện đề tài không tránh khỏi thiếu sót. Kính mong nhận được sự góp ý
tận tình của thầy hướng dẫn PGS. TS. Đỗ Văn Nhơn để đề tài của chúng em càng
hoàn thiện.
Xin chân thành cảm ơn!
Nhóm học viên:
Hồ Văn Linh – CH1301020
Nguyễn Thường Kiệt – CH1301019
Trang 4
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN

'()*+, /012.1345678.

o0o

1.1.
9%$:;<=
Giải quyết các bài toán tối ưu bằng các phương pháp định lượng là khó khăn vì khó
thu thập đủ thông tin để lượng hoá các tham số mô hình. Với sự phát triển của lý
thuyết mờ, những khó khăn trên có thể được loại trừ. Lý thuyết mờ có thể được sử
dụng để giải quyết được các bài toán chuyên ngành, một trong những bài toán được
quan tâm là bài toán điều độ dự án.
Ý tưởng điều độ mờ đầu tiên xuất hiện vào 1979 được Prade đề ra trong bài báo
“Using fuzzy set theory in a scheduling problem: a case study”. Từ đó, những nghiên
cứu về vấn đề này không ngừng phát triển. Các nhà nghiên cứu chỉ ra các khuyết điểm
của các phương pháp điều độ thường dùng (CPM, PERT) và sử dụng lý thuyết mờ để
cải thiện các khuyết điểm trên. Khi dữ liệu đầu vào không chính xác thì lý thuyết tập
mờ được xem là thích hợp với dạng tự nhiên của vấn đề hơn là CPM hay PERT. Năm
1981, Chanas và Kamburowski cải tiến PERT, đưa ra mô hình FPERT (Fuzzy PERT)
với thời gian công việc là những số mờ tam giác. Năm 1988, Kaufmann va Gupta
trình bày phương pháp đường găng khi thời gian công việc là số mờ tam giác.
McCahon và Lee cho rằng PERT chỉ thích hợp cho những dự án tương tự và có số
công việc lớn hơn hay bằng 30, khi thời gian công việc là mơ hồ thì mô hình dự án
với những thành phần mờ. Lootsma cho rằng đánh giá của con người có vai trò quan
trọng khi ước lượng thời gian công việc, sự mơ hồ không thích hợp với mô hình xác
suất, nên FPERT xác thực và dễ thực hiện hơn PERT. Vào 1989, Buckley đề ra hai
phương pháp tính FPERT với thời gian công việc là những số mờ rời rạc và liên tục
theo dạng hình thang. Năm 1990, DePorter va Ellis trình bày mô hình nén dự án sử
dụng quy hoạch tuyến tính mờ. Năm 1993, McCahon đã đưa ra phương pháp FPNA
(Fuzzy Project Network Analysis). Năm 1994, Nasuation chứng tỏ rằng với nhát cắt
α, độ dư mờ trong phương pháp đường găng cung cấp đủ thông tin để xác định đường

găng, đưa ra một giải thuật tính thời gian trễ nhất cho phép và thời gian dư. Hapke
trình bày một hệ thống hỗ trợ ra quyết định cho điều độ dự án mờ FPS, ước lượng thời
gian hoàn thành dự án kỳ vọng và thời gian trễ lớn nhất, phân tích rủi ro liên quan thời
gian hoàn thành dự án yêu cầu.
Năm 1995, Chang xây dựng giải thuật hiệu quả giải quyết bài toán điều độ dự án, loại
trừ những công việc có khả năng găng không cao, xác định những đường có khả năng
Trang 5
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
găng cao nhất. Shipley, De Korvin và Omer kết hợp logic mờ, hàm mức tin, nguyên
lý mở rộng và phân bố xác suất mờ phát triển thành giải thuật BIFPET (Belief in
fuzzy probabilities of estimate time). BIFPET dùng số mờ tam giác để xác định thời
gian công việc, từ đó xác định đường găng và thời gian hoàn thành dự án. Năm 2000,
Chanas và Zieliski suy rộng khái niệm găng cho dự án có thời gian công việc mờ bằng
cách áp dụng trực tiếp nguyên lý mở rộng của Zadeh, xây dựng phương pháp tính
mức độ găng theo khái niệm đường găng mờ. Năm 2001, cả hai lại đưa ra phương
pháp phân tích đường găng khi thời gian công việc là mơ hồ. Chanas, Zieliski và
Dubois cũng đã trình bày nghiên cứu về đường găng khi thời gian công việc là những
khoảng mờ.
1.1.1.
Dự án và điều độ dự án
Dự án là một tập hợp các công việc có thuộc tính và quan hệ sử dụng các nguồn lực
nhằm đạt được mục tiêu, tạo được một kết quả nào đó. Quản lý dự án là tổ chức thực
hiện các công việc một cách có hệ thống, hiệu quả để đạt được mục tiêu về chất
lượng, thời gian và chi phí. Các giai đoạn trong quản lý dự án là hoạch định, điều độ,
kiểm soát dự án. Điều độ dự án là sự chuyển đổi những hoạch định dự án thành bảng
thời gian các công việc, làm cơ sở cho kiểm soát dự án. Khi không có ràng buộc
nguồn lực, điều độ dự án bố trí các công việc với ràng buộc thứ tự và thời gian công
việc nhằm tối thiểu thời gian hoàn thành dự án. Điều độ còn giúp ước lượng thời gian
hoàn thành dự án, xác định các công việc găng, và hỗ trợ cho các quyết định về tiến
độ dự án. Các công cụ điều độ thường dùng bao gồm Sơ đồ Gantt, Mô hình mạng,

CPM, PERT. Sơ đồ Gantt ra đời vào năm 1917 bởi Henry L. Gantt, biểu diễn những
công việc của dự án trên trục nằm ngang, mỗi công việc được trình bày bằng một
đường hoặc thanh nằm ngang có chiều dài là thời gian hoàn thành công việc. Các
công việc được vẽ trên đồ thị theo trình tự và theo tỉ lệ thời gian của từng công việc.
Mô hình mạng được phát triển từ lý thuyết đồ thị biểu diễn mối quan hệ giữa các công
việc với nhau. Trong định dạng công việc trên cung, các cung chỉ các công việc, và
các nút chỉ các cột mốc hay sự kiện. Phương pháp CPM ra đời từ những nỗ lực ban
đầu của công ty DuPont và Remmington Rand Univac vào 1957, xác định đường
găng, các công việc găng, các công việc không găng, thời gian thực hiện dự án. CPM
giả định nguồn lực là vô hạn, thời gian hoàn thành công việc là tất định, chỉ có ràng
buộc trước sau giữa các công việc. Phương pháp PERT bắt đầu vào 1958, dựa vào
CPM xác định kỳ vọng và phân bố thời gian hoàn thành dự án với giả thiết thời gian
hoàn thành công việc là bất định theo phân bố β, phân bố hoàn thành dự án là phân bố
chuẩn.
1.1.2.
Giải thuật CPM
Phương pháp CPM được ứng dụng ở phần sau nên được nhắc lại ở đây với một số định
Trang 6
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
nghĩa. Đường găng là đường biểu diễn thời gian dài nhất từ lúc bắt đầu đến kết thúc dự án,
xác định thời gian hoàn thành dự án. Công việc găng là các công việc nằm trên đường găng,
không thể bị trễ, nếu trễ ảnh hưởng đến thời gian hoàn thành dự án.
• Thời gian công việc D.
• Thời gian bắt đầu sớm nhất ES của một nút sự kiện hay một công việc.
• Thời gian hoàn thành sớm nhất EC của một công việc: EC = ES + D
• Thời gian hoàn thành trễ nhất LC của một nút sự kiện hay một công việc.
• Thời gian bắt đầu trễ nhất LS của 1 công việc : LS = LC -D
• Thời gian dư S của 1 công việc : S = LC – D – ES = LC – EC = LS – ES.
Công việc găng là công việc có S = 0 .
Xem một dự án biễu diễn bởi mô hình mạng gồm n nút. Thời gian bắt đầu sớm nhất ES

i,
i =
1 ÷ n của các nút sẽ được tính từ nút đầu đến nút cuối qua thủ tục tiến :
ES
1
= 0
ES
j
= max
i
{ES
i
+ D
ij
} , j = 2 ÷ n
D
ij
: thời gian công việc (i,j) là công việc bắt đầu ở nút i kết thúc ở nút j.
Sau khi tính xong thời gian bắt đầu sớm nhất ES
i
, i = 1 ÷ n của các nút, thời gian hoàn
thành trễ nhất LC
i
, i = 1 ÷ n của các nút sẽ được tính từ nút cuối đến nút đầu qua thủ
tục lùi :
LC
n
= ES
n
LC

i
= min
j
{LC
j
- D
ij
} , j = n-1 ÷ 1
Sau khi tính được các thời gian ES và LC của các nút ta đã tính được ES và LC của
các công việc dựa vào thời gian công việc ta tính được các thời gian EC và LS cũng
như độ dư S của từng công việc. Sau đó ta xác định công việc găng và đường găng
cũng như thời gian hoàn thành dự án :
T
n
= LC
n
= ES
n
1.1.3.
Xác định phân bố thời gian hoàn thành dự án
Thời gian công việc
Cho một dự án có n công việc có mối quan hệ trước sau giữa các công việc.
Thời gian hoàn thành của mỗi công việc là một số mờ hình thang T
j
có hàm thành
viên . Gọi :
a
j
- c
j

: thời gian nhỏ nhất của công việc j (lạc quan)
[a
j
, b
j
]: khoảng thời gian thông thường của công việc j ;a
j
≤ b
j
b
j
+ d
j
: thời gian lớn nhất của công việc j (bi quan)
>?@A=#&&;<(
Gọi TP là thời gian hoàn thành dự án. Dựa vào phương pháp CPM, số mờ T
P
có thể
được tính dựa trên nhát cắt α được mô tả như sau:
Trang 7
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
1.
Cắt mỗi số mờ T
j
thành những khoảng rõ. Với mỗi nhát cắt α, 0≤α≤1 ta tính được
các giá trị cận dưới, LT
j
(α) và giá trị cận trên, UT
j
(α) của thời gian hoàn thành

công việc.
2.
Sử dụng các giá trị LT
j(
α) và UT
j
(α), theo phương pháp CPM lần lượt xác định giá
trị cận dưới LT
p
(α) và cận trên UT
p
(α) tương ứng của thời gian hoàn thành dự án.
3.
Xác định số mờ T
p
:
4.
Xác định phân bố khả năng thời gian hoàn thành dự án như sau.
r
Tp
(x)= Pos[T
p
= x] = μ
Tp
(x), x X∈
BCDE=#&&;<
Thời gian hòan thành dự án tính được là một số mờ. Kỳ vọng thời gian hoàn
thành dự án có thể tính được khi giải mờ tập mờ này. Giải mờ theo luật trung
bình hàm thành viên cực đại thì có :T
P

= [L
Tp
(1)+ U
Tp
(1)]/ 2 .
Dựa vào tính chất tập mờ, thời gian hoàn thành dự án nhỏ nhất T
p,min
và thời gian
hoàn thành dự án lớn nhất T
p,max
được ước lượng như sau:
T
p,min
= LT
p
(0); T
p,max
= UT
p
(0)
1FGEG#H$IJK&&;<
Ra quyết định về khả năng dự án hoàn thành trong khoảng thời gian cho trước
T có các tham số là thời gian T và khả năng chấp nhận π
0
, 0 ≤ π
0
≤ 1. Quá trình ra
quyết định gồm các bước:
1. Xác định thời gian T và khả năng chấp nhận π
0

, 0 ≤ π
0
≤ 1.
2. Tính khả năng dự án hoàn thành trong thời gian T:
P(T)= Pos (T
P
≤ T ) = max
Tp
≤
T
μ
Tp
(t)
3. Ra quyết định về khả năng hoàn thành dự án
π
0
≤ Pos(T
P
≤ T) Dự án có thể hoàn thành với khả năng π⇒
0
.
π
0
> Pos(T
P
≤ T) Dự án không thể hoàn thành với khả năng π⇒
0
.
Ra quyết định về khả năng hoàn thành dự án bằng ngôn ngữ
Nhằm xác định khả năng hoàn thành dự án theo ngôn ngữ con người để việc ra

quyết định tự nhiên hơn, khả năng hoàn thành dự án trong thời gian T là biến ngôn
ngữ. Các tham số ra quyết định ở đây là thời gian T và trị ngôn ngữ chấp nhận dự
án X, chẳng hạn như X=C có nghĩa chỉ chấp nhận dự án khi khả năng hoàn thành
cao. Ra quyết định về khả năng hoàn thành dự án trong khoảng thời gian cho trước
T bằng ngôn ngữ có các tham số là thời gian T và khả năng chấp nhận bằng trị
ngôn ngữ X, X S. Quá trình ra quyết định gồm các bước:∈
1. Xác định thời gian T và khả năng chấp nhận X, X S.∈
2. Tính khả năng dự án hoàn thành trong thời gian T:
P(T)= Pos (T
P
≤ T ) = max
Tp

≤ T
μ
Tp
(t)
3. Tính trị ngôn ngữ Y của khả năng hoàn thành theo mức thành viên cao nhất rằng
Trang 8
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
“ Chỉ thực hiện dự án khi có khả năng hoàn thành là cao”. Vấn để đặt ra khi xây
dựng mô hình là các trạng thái ngôn ngữ và phân bố của từng trạng thái là như thế
nào. Herrera và Martinez đề nghị chia làm 7 trị ngôn ngữ :
S ={K, RT, T, V, C, RC, CC}
Trong đó K là không có khả năng, RT là khả năng rất thấp, T là khả năng thấp, V
là khả năng trung bình, C là khả năng cao, RC là khả năng rất cao, CC
là chắc chắn.
4. Ra quyết định về khả năng hoàn thành dự án
Y ≥ X Dự án có thể hoàn thành với khả năng X.⇒
Y < X Dự án không thể hoàn thành với khả năng X.⇒

So sánh X và Y theo logic : K < RT < T < V < C < RC < CC
1.1.4.
Kết luận
Nghiên cứu đã trình bày một phương pháp xác định phân bố thời gian hoàn thành dự
án, từ ước lượng thời gian hoàn thành dự án đồng thời xây dựng mô hình ra quyết
định thực hiện dự án theo khả năng hoàn thành. Phương pháp đã được ứng dụng cho
một dự án thực là “Dự án xây dựng nhà máy sản xuất dược phẩm và vật liệu sinh học
y tế GMP ASEAN” với số công việc dự án là 113. Áp dụng phương pháp với số nhát
cắt 51 ta đã xây dựng được phân bố khả năng thời gian hoàn thành dự án.
Nhìn chung phương pháp có các ưu điểm như sau:
- Thời gian công việc xác định dễ dàng, tự nhiên hơn,
- Phân bố thời gian hoàn thành dự án không phụ thuộc số công việc, dễ dàng xác định,
- Khả năng hỗ trợ ra quyết định hiệu quả.
Tuy nhiên nghiên cứu vẫn còn những hạn chế, một số hướng phát triển như sau:
- Phân bố thời gian công việc rời rạc.
- Xác định đường găng, công việc găng, hỗ trợ cho việc điều độ.
- Mở rộng bài toán điều độ dự án có ràng buộc nguồn lực.
1.2.
L;&@&FGEG#H$I%JK&&;<
1.2.1.
Giới thiệu chung về phương pháp và ứng dụng và bài toán
Trong tất cả các lĩnh vực nói chung, một dự án có khả năng hoàn thành hay không phụ thuộc
rất nhiều vào các yếu tố khách quan và chủ quan. Tuy nhiên trong đó có hai yếu tố quan
trọng nhất đó là chi phí cho dự án và thời hoàn thành dự án. Hai yếu tố này hầu như có thể
quyết định được một dự án có hoàn thành hay không Việc ước lượng chi phí và thời gian
hoàn thành cho dự án là một nhiệm vụ rất quan trọng của công tác quản lý dự án nói chung
và trong đề tài này chúng ta nghiên cứu về khả năng hoàn thành dự án xây dựng chung cư.
Trang 9
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
Cùng với sự phát triển đô thị hóa và sự gia tăng dân số ngày càng nhanh, các dự án luôn

được đưa ra ngày càng nhiều nhất là các nhu cầu về các dự án xây dựng đang phát triển một
cách chóng mặt về số lượng lẫn chất lượng. Việc ra hỗ trợ ra quyết định về khả năng hoàn
thành dự án là vô cùng cần thiết và sẽ giúp ích rất nhiều cho người quản lý dự án, trưởng
phòng kế hoạch của các công ty, xí nghiệp trong việc quyết định nhận hoặc đấu thầu một dự
án nào đó. Trong đề tài này, tôi sẽ trình bày cách ứng dụng mạng nơron và logic mờ vào bài
toán ra quyết định về khả năng hoàn thành dự án xây dựng chung cư. Hơn nữa, một chương
trình viết bằng ngôn ngữ Visual C# 2008, với cùng mục đích trên, cũng sẽ được xây dựng và
trình bày.
Ra quyết định về khả năng hoàn thành một dự án là một công việc cấp thiết và hầu như nó sẽ
giúp cho người quản lý có một quyết định đúng đắn trong quá trình đấu thầu, nhận dự án.
Chất lượng của công tác quản lý cũng phụ thuộc rất nhiều vào mức độ chính xác của việc ra
quyết định này. Mặc dù cũng có các tác nhân khác ảnh hưởng trực tiếp đến công việc này
nhưng hiện nay phần lớn việc ra quyết định nhận dự án vẫn là một công việc phụ thuộc
nhiều vào kinh nghiệm của các nhà quản lý, của người dự toán…và càng phụ thuộc nhiều
hơn vào giá cả các loại vật liệu xây dựng trên thị trường, nơi xây dựng chung cư, Bài toán
này dựa trên các số liệu khách quan không chỉ để tăng hiệu quả tính toán mà còn để loại trừ
các yếu tố do chủ quan. Hiện nay trí tuệ nhân tạo mà đặc biệt là mạng nơ-ron được ứng dụng
rất rộng rãi trong quản lý xây dựng với khả năng ‘học’ từ các kinh nghiệm tập hợp trong quá
khứ. Trên thế giới đã có rất nhiều nghiên cứu ứng dụng mạng nơ-ron trong các lĩnh vực khác
nhau.
Ở Việt Nam trong vài năm trở lại đây đã nở rộ các nghiên cứu ứng dụng mạng nơ-ron trong
quản lý và dự đoán: ứng dụng mạng nơ-ron tối ưu hóa tiến độ mạng, ứng dụng mạng nơ-ron
trong chọn thầu thi công, xác định chi phí xây dựng với mạng nơ-ron mờ … Tuy nhiên các
nghiên cứu trước đây chưa ai nghiên cứu đến việc ứng dụng mạng nơ-ron mờ vào bài toán ra
quyết định về khả năng hoàn thành dự án. Trong phạm vi đề tài này, tôi sẽ trình bày việc ứng
dụng mạng nơ-ron mờ để dự đoán khả năng hoàn thành dự án qua việc ‘học’ từ kinh nghiệm
các dự án đã được thực hiện trước đây. Việc ‘học’ và chọn mạng sử dụng trong hệ thống sẽ
được thực hiện với công cụ Neuron Toolbox của Matlab để tìm được bảng ma trận trọng số
thích hợp. Và để thực hiện quy trình tính toán này, một chương trình viết bằng Visual C#
2008 để tạo ra một giao diện thân thiện được thực hiện.

1.2.2.
Xây dựng mô hình và quy trình thực hiện
Để xây dựng mô hình mạng nơ-ron cần tiến hành các bước sau đây:
(1) Xác định các yếu tố ảnh hưởng đến khả năng hoàn thành dự án và thu thập các dữ liệu về
các dự án xây dựng chung cư đã được thực hiện trước đây.
(2) Thực hiện quy trình chuẩn hóa dữ liệu đầu vào và từ đó tiến hành mờ hóa dữ liệu.
(3) Xây dựng mô hình ANN và lựa chọn mô hình thích hợp.
(4) Viết chương trình Fuzzy Neural Network để dự đoán khả năng hoàn thành dự án với với
Trang 10
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
tổng chi phí và thời gian hoàn thành dự án. Từ đó hỗ trợ cho nhà đầu tư ra một quyết định
đúng đắn.
Quy trình tính toán:
1.2.3.
Các yếu tố ảnh hưởng đến bài toán
Tiến hành thu thập dữ liệu từ các dự án xây dựng chung cư cao cấp đã được thực hiện trong
các năm gần đây, tôi quan tâm đến các yếu tố ảnh hưởng chính như sau :
(1). Giá xăng trung bình (VND/lít)
(2). Giá xi măng trung bình (VND /bao)
(3). Giá sắt trung bình (VND /kg)
(4). Giá thép trung bình (VND /cây)
(5). Giá gạch trung bình (VND /viên)
(6). Giá cát trung bình (VND /m
3
)
(7). Giá đá xây dựng trung bình (VND /m
3
)
(8). Tổng diện tích xây dựng (m
2

)
(9). Số tầng (tầng)
(10). Mật độ dân cư nơi thực hiện dự án (Rất đông, khá đông, )
(11). Vị trí địa lý của dự án (Mặt tiền to, đường hẹp…)
(12). Giá điện trung bình (VND /kwh)
(13). Thời gian hoàn thành dự án (ngày)
Trang 11
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
(14). Tổng chi phí đầu tư cho dự án (VND)
Trong các yếu tố trên, các yếu tố thể hiện giá cả của các loại vật liệu chính như: xi măng,
cát, đá…ta sử dụng mức giá trung bình, chấp nhận sai số nhỏ.
Còn các yếu tố có giá trị mờ như: mật độ dân cư có đông hay không?, Vị trí địa lý có rộng
rãi hay không? Chúng ta sẽ thực hiện quá trình chuyển đổi dữ liệu thành các tham số đặc
trưng.
1.2.4.
Chuẩn hóa dữ liệu và tiến hành chuyển đổi các thuộc tính mờ.
Ta có cơ sở dữ liệu chứa thông tin của các công ty nhận dự án như sau:
Trang 12
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
'HM$N;ODP
#Q$:;?(
1G#R(
)STUV;ODPW =W#X#HMW#U#;;ODPGY&
$Z#UAEGU#(
a.
Lớn : 1.0
b. Khá Lớn : 0.8
c. Bình thường : 0.6
d. Khá Thấp : 0.4
e. Thấp : 0.2

@[IG>$I#D\"#;<(
Trang 13
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
Tương tự như với tham biến mật độ dân cư ta xét từ cơ sở dữ liệu có 5 mức mờ hóa, chuyển
hóa sang dạng dữ liệu rõ và đặt các tham số tượng trưng cho các mức như sau :
a. Rất Rộng : 1.0
b. Khá Rộng : 0.8
c. Bình thường : 0.6
d. Khá Hẹp : 0.4
e. Hẹp : 0.2
Sau khi chuẩn hóa dữ liệu ta có bảng dữ liệu cho đầu vào như sau:
Trang 14
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
1.2.5.
Thử nghiệm trên Matlab và lựa chọn mô hình tối ưu
Sau các thí nghiệm trên Matlab sử dụng dữ liệu của bài toán dùng các hàm học (như:
TRAINGD: hàm học cập nhật trọng số và bias theo chiều giảm Gradien, TRAINRD: hàm
học cập nhật trọng số và bias theo thuật toán lan truyền ngược đàn hồi…) khác nhau và thay
đổi số nơ-ron, các hàm truyền (như: LOGSIG, TANSIG…) ở các tầng khác nhau. Mô hình
mạng nơ-ron thích hợp nhất trong bài toán là multilayer feedforward networks và sử dụng
thuật toán backpropagation để huấn luyện mạng. Số lượng lớp ẩn ở đây được sử dụng là
một. Trong bài toán này số nút đầu vào tương ứng là các yếu tố dữ liệu đầu vào từ khảo sát
còn biến đầu ra là giá trị chi phí xây dựng và thời gian hoàn thành công trình.
Mô hình ANN được thể hiện trong hình bên dưới.
Trang 15
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
L;PA$]^?H;<_PJG,<^?H
;<`C3a6X61'
Các thông số đầu vào của dự án xây dựng chung cư `C3a6X61':
Kết quả dự đoán chi phí xây dựng bằng chương trình sử dụng hệ thống đã xây dựng ở trên,

chi phí trong dự toán, thời gian hoàn thành và sai số của kết quả dự đoán so với dự toán và
được trình bày trong bảng bên dưới. Chúng ta thấy rằng, sai số dự đoán của chương trình so
Trang 16
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
với thực tế chỉ là khoảng 5.8%. Đây là khoảng sai số chấp nhận được trong việc cung cấp
cho chúng ta một con số định lượng tương đối về chi phí cần bỏ ra để đầu tư.
Sai số được tính = (Chi phí dự đoán – Chi phí dự toán)/Chi phí dự đoán
Tuy nhiên vẫn còn một số hạn chế của chương trình có nguồn do chính các khó khăn trong
việc thu thập số liệu gây ra, đó là số công trình được sử dụng trong việc huấn luyện mạng
nơ-ron còn ít do đó nó không bao quát được tất cả các trường hợp dự án xây dựng chúng cư
đã qua. Các con số dự đoán chi phí xây dựng ở đây còn mang nặng tính dự toán mà chưa
lường được chi phí xây dựng chúng cư thực tế có thể tăng hoặc giảm so với dự toán do các
điều kiện thực tế gây ra. Về thời gian hoàn thành thì cũng chưa lường trước được thiên tai,
trời mưa nhiều có thể gây ảnh hưởng rất lớn đến yếu tố này. Với chương trình được xây
dựng ở đề tài, các nhà đầu tư có thể được hỗ trợ bởi được cung cấp hai thông số quan trọng
đó là chi phí xây dựng dự án chung cư và thời gian có thể hoàn thành được trong giai đoạn
thực hiện nghiên cứu dự án đầu tư mà không cần thể hiện chi tiết hóa giá trị của từng
hạng mục hay thành phần cấu thành. Các nhà đầu tư cũng có thể dự báo được giá trị đầu tư
của dự án khi thay đổi quy mô công trình dựa trên sự thay đổi tầng cao, diện tích xây dựng
hay cấp công trình. Ngoài ra cũng có thể dự báo được chi phí thay đổi nếu giá cả các vật tư
xăng dầu, sắt thép hay xi măng thay đổi. từ đó giúp nhà đầu tư có thể hình dung được mức
độ đầu tư trước khi thực hiện dự án và có thể vạch kế hoạch thực hiện hay không thực hiện
dự án.
Trang 17
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
'('459b6'1Bc./6d2.161e./15f
2.
/#;P>"#Ga
1gDHP: Thủ tục huấn luyện cho mạng nơ-ron
6hU : Thử nghiệm trên dữ liệu mới

2.1.
<P"#Ga
2.2.
'K!DHPiG
Trang 18
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
2.3.
'KJMG#;ODP"#iG$]j
Trang 19
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
2.4.
d#H$I%JK&&;<
2.5.
'&$Z
Chương trình được xây dựng bằng ngôn ngữ Visual C# 2008, Cơ sở dữ liệu
được xây dựng bằng Ms Access. Chương trình có thể chạy trên tất cả các máy
chỉ cần có cài đặt Microsoft .NET Framework 3.5 trở lên và Microsoft Access 2003 trở lên.
'k6lmn.[41Bo./1866d5p.
qiiiiiiq
Sau một thời gian nghiên cứu và cài đặt thử nghiệm, đề tài của tôi đã đáp ứng được mục tiêu
đề ra là xây dựng được mô hình mạng nơ-ron thích hợp, đồng thời ứng dụng thành công vào
bài toán hỗ trợ ra quyết định về khả năng hoàn thành dự án xây dựng nhà chung cư đạt hiệu
quả cao.
Ngoài ra, tôi thiết nghĩ mô hình này có khả năng góp phần không nhỏ cho các nhà quản lý,
các nhà kế hoạch, đầu tư bất động sản… trong việc hoạch định thời gian, đấu thầu thi công
nhà chung cư. Đó chính là điểm mấu chốt của đề tài.
Hướng phát triển Tiếp tục nghiên cứu mở rộng về cơ sở dữ liệu của bài toán và hoàn thiện
chương trình này để áp dụng vào thực tế.
Trang 20
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN

645l5fm61r1s7
6[P
[1] PGS.TS. Đỗ Văn Nhơn. Bài giảng cao học môn học phương pháp toán trong tin học.
ĐHCNTT-TPHCM.
[2] GS.TSKH. Hoàng Kiếm. Bài giảng cao học môn học cơ sở tri thức và ứng dụng.
ĐHCNTT-TPHCM.
[3] Bùi Công Cường, Nguyễn Doan Phước, Hệ mờ Mạng nơ-ron va Ứng dụng, Nhà
xuất bản KHKT, 2006
[4] TS. Lê Hoàng Thái, Bài giảng Tổng quan mạng nơron nhân tạo, trường Đại học
khoa học tự nhiên.
[5] TS. Lê Hoàng Thái, Bài giảng Máy học - Fuzzy, trường Đại học khoa học tự nhiên.
[6] Nguyễn Thiện Luận (2005), Bài giảng Logic mờ và suy diễn xấp xỉ, Học viện Kỹ
thuật Quân sự.
[7] Đỗ Phúc (2007), Bài giảng về Khai phá dữ liệu, Trường Đại học Công nghệ Thông
Trang 21
MẠNG NƠ-RON VÀ LOGIC MỜ - ỨNG DỤNG TRONG BÀI TOÁN HỖ TRỢ RA QUYẾT ĐỊNH VỀ KHẢ NĂNG HOÀN THÀNH DỰ ÁN
tin, ĐHQG.HCM
6r
[8] Ali Selamat and Ng Choon Ching (2008), Arabic Script Documents Language
Identifications Using Fuzzy ART, Universiti Technologi Malaysia Faculty of Computer
Science and Information Systems.
[9] T. Joachims (1998), Text Categorization with Support Vector Machines: Learning
with Many Relevant Features, European Conferences on Machine Learning
(ECML’98).
[10] Dwi H. Widyantoro and John Yen (2003), Afuzzy Similarity Approach in Text
Classification Task, Department of Computer Science Texas A&M University.
Trang 22