T. 12 S. 06 (2022): Tạp chí Vật liệu & xây dựng
##common.pageHeaderLogo.altText##
Tạp chí Vật liệu và Xây dựng - Bộ Xây dựng

ISSN:

Website: www.jomc.vn

Tối ưu bố trí cơ sở vật chất trên mặt bằng công trình xây dựng sử dụng thuật toán lai ghép kiến sư tử (ALO)

Phạm Vũ Hồng Sơn , Tô Diệu Lam

Từ khóa:

Thuật toán kiến sư tử ALO
Bài toán phân công bậc hai
Lập kế hoạch bố trí mặt bằng xây dựng
Bố trí mặt bằng
Thuật toán tối ưu bầy đàn

Tóm tắt

Lập kế hoạch bố trí mặt bằng xây dựng (CSLP) là vấn đề quan trọng trong việc quản lý xây dựng. Các cơ sở vật chất bị xung đột mục đích sử dụng trong không gian có sẵn trên mặt bằng xây dựng, làm tăng luồng vận chuyển cơ sở vật chất không hiệu quả và đó là nguyên nhân chính dẫn đến mất năng suất hoạt động, làm tăng chi phí xây dựng dự án. Cho nên việc lập, bố trí cơ sở vật chất được xác định vào các vị trí thích hợp để tìm ra một giải pháp tối ưu trong không gian mặt bằng có sẵn là vấn đề cần giải quyết dựa trên phương pháp (Quadratic Assignment Problems – QAP) . Trước đây từng có nhiều cách để giải quyết vấn đề (QAP) bằng phương pháp meta-heuristic như (GA), (MIP), (ABC). Tuy nhiên mỗi phương pháp đều có ưu và nhược điểm riêng. Vì vậy, bài nghiên cứu này đề xuất một thuật toán mới lai ghép giữa phương pháp đột biến và trao đổi chéo,  phương pháp lựa chọn cạnh tranh (Tournament selection), phương pháp học dựa trên sự đối diện (Opposition-based learning) với thuât toán cải tiến (IALO) dựa trên thuật toán Ant Lion Optimizer (ALO) để giải quyết vấn đề (Quadratic Assignment Problems – QAP) tối ưu hóa bố trí cơ sở vật chất trên mặt bằng xây dựng tìm ra một kết quả tối ưu nhất trong khoảng thời gian ngắn nhất. Kết quả qua bảng so sánh đánh giá đã cho thấy rằng thuật toán lai ghép cải tiến mới có kết quả tốt hơn so với các thuật toán trước đây như thuật toán di truyền (GA), (MIP), và thuật toán gốc (ALO), kết quả cho thấy thuât toán mới đã vượt trội hơn về tốc độ hội tụ, kết quả tìm kiếm với độ chính xác cao hơn các thuật toán nghiên cứu giải quyết vấn đề (QAP) trước đây.

Điều hướng Người dùng

PDF

Cách trích dẫn

Sơn, P. V. H. ., & Lam, T. D. (2022). Tối ưu bố trí cơ sở vật chất trên mặt bằng công trình xây dựng sử dụng thuật toán lai ghép kiến sư tử (ALO). Tạp Chí Vật liệu Và Xây dựng - Bộ Xây dựng, 12(06), Trang 93 – Trang 102. https://doi.org/10.54772/jomc.06.2022.468

Tài liệu tham khảo

  1. . S. Jajodia, I. Minis, G. Harhalakis, and J.-M. Proth, 1992. CLASS: Computerized Layout Solutions using Simulated annealing. International Journal of Production Research, Volume 30, pp. 95-108.
  2. . J. S. Kochhar, B. T. Foster, and S. S. Heragu, 1998. HOPE: A genetic algorithm for the unequal area facility layout problem. Computers & Operations Research, Volume 25, pp. 583-594
  3. . J. A. Tompkins, J. A. White, Y. A. Bozer, and J. M. A. Tanchoco, 2010. Facilities Planning, 4th Edition. New York: Wiley.
  4. . P. Kouvelis, A. A. Kurawarwala, and G. J. Gutiérrez, 1992. P. Kouvelis, A. A. Kurawarwala, and G. J. Gutiérrez,. European Journal of Operational Research, Volume 63, pp. 287-303.
  5. . S. Sahni and T. Gonzalez, 1976. P-Complete Approximation Problems. J. ACM, Volume 23, pp. 555-565.
  6. . K. L. Mak, Y. S. Wong, and F. T. S. Chan, 1998. A genetic algorithm for facility layout problems. Computer Integrated Manufacturing Systems, Volume 11, pp. 113-127.
  7. . T. Koopmans and M. Beckmann, 1957. Assignment Problems and the Location of Economic Activities. Econometrica, Volume 25, pp. 53-76.
  8. . J.-C. Picard and M. Queyranne, 1981. On the One-Dimensional Space Allocation Problem. Operations Research, Volume 29, pp. 371-391.
  9. . Simmons, D. M., 1969. Single row space allocation: An ordering algorithm.. Operations Research, Volume 17, p. 812–826
  10. . R. F. Love and J. Y. Wong, 1976. On solving a single row space allocation problem with integer programming. INFOR, Volume 14, pp. 139-143.
  11. . M. W. Guo, J. S. Wang, L. F. Zhu, S. S. Guo, and W. Xie, “Improved Ant Lion Optimizer Based on Spiral Complex Path Searching Patterns,” IEEE Access, vol. 8, pp. 22094–22126, 2020, doi: 10.1109/ACCESS.2020.2968943.
  12. . Z. Zhang, R. Yang, H. Li, Y. Fang, Z. Huang, and Y. Zhang, “Antlion optimizer algorithm based on chaos search and its application,” Journal of Systems Engineering and Electronics, vol. 30, no. 2, pp. 352–365, Apr. 2019, doi: 10.21629/JSEE.2019.02.14
  13. . H. Tizhoosh, “Opposition-Based Learning: A New Scheme for Machine Intelligence,” International Conference on Computational Intelligence for Modelling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce (CIMCA-IAWTIC’06), vol. 1, pp. 695–701, 2005.
  14. . S. Mirjalili, “The ant lion optimizer,” Advances in Engineering Software, vol. 83, pp. 80–98, 2015, doi: 10.1016/j.advengsoft.2015.01.010.
  15. . S. Assiri, A. G. Hussien and M. Amin, "Ant Lion Optimization: Variants, Hybrids, and Applications," in IEEE Access, vol. 8, pp. 77746-77764, 2020, doi: 10.1109/ACCESS.2020.2990338.
  16. . Emary, Eid, Hossam M. Zawbaa, and Aboul Ella Hassanien. "Binary ant lion approaches for feature selection." Neurocomputing 213 (2016): 54-65.
  17. . N. Kumar, I. Hussain, B. Singh, B. K. Panigrahi, “Maximum power
  18. extraction from partially shaded pv panel in rainy season by using improved antlions optimization algorithm”, in: 2016 IEEE 7th Power India International Conference (PIICON), IEEE, 2016, pp. 1-6.
  19. . K. R. Subhashini, J. K. Satapathy, “Development of an enhanced ant lion optimization algorithm and its application in antenna array synthesis”, Applied Soft Computing 59 (2017) 153-173
  20. . K. Zhang, J. Ma, X. Zhao, X. Liu, Y. Zhang, “Parameter identi cation and state of charge estimation of nmc cells based on improved antlion optimizer”, Mathematical Problems in Engineering 2019.
  21. . J. Vilma Roseline and D. D. Saravanan, “Crossover and Mutation Strategies applied in Job Shop Scheduling Problems,” in Journal of Physics: Conference Series, Nov. 2019, vol. 1377, no. 1. doi: 10.1088/1742-6596/1377/1/012031.
  22. . H. Tizhoosh, “Opposition-Based Learning: A New Scheme for Machine Intelligence,” International Conference on Computational Intelligence for Modelling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce (CIMCA-IAWTIC’06), vol. 1, pp. 695–701, 2005.
  23. . Y. Fang and J. Li, “A Review of Tournament Selection in Genetic Programming,” Advances in Computation and Intelligence, vol. 6382, pp. 181–192, 2010, doi: 10.1007/978-3-642-16493-4_19.
  24. . Petrović, M., et al. "The ant lion optimization algorithm for flexible process planning." Journal of Production Engineering 18.2 (2015): 65-68.
  25. . Kilic, Haydar, Ugur Yuzgec, and Cihan Karakuzu. "A novel improved antlion optimizer algorithm and its comparative performance." Neural Computing and Applications 32.8 (2020): 3803-3824.
  26. . Filali, W., et al. "A Novel Parameter Identification Approach for C–V–T Characteristics of Multi-Quantum Wells Schottky Diode Using Ant Lion Optimizer." Russian Microelectronics 48.6 (2019): 428-434.
  27. . Kılıç, Haydar, and Ugur Yuzgec. "Improved antlion optimization algorithm for quadratic assignment problem." Malaysian Journal of Computer Science 34.1 (2021): 34-60.
  28. . Razali, Noraini Mohd, and John Geraghty. "Genetic algorithm performance with different selection strategies in solving TSP." Proceedings of the world congress on engineering. Vol. 2. No. 1. Hong Kong, China: International Association of Engineers, 2011.
  29. . Abdoun, Otman, Jaafar Abouchabaka, and Chakir Tajani. "Analyzing the performance of mutation operators to solve the travelling salesman problem." arXiv preprint arXiv:1203.3099 (2012).
  30. . Dinkar, Shail Kumar, and Kusum Deep. "An efficient opposition based Lévy Flight Antlion optimizer for optimization problems." Journal of computational science 29 (2018): 119-141.
  31. . Tizhoosh, Hamid R. "Opposition-based learning: a new scheme for machine intelligence." International conference on computational intelligence for modelling, control and automation and international conference on intelligent agents, web technologies and internet commerce (CIMCA-IAWTIC'06). Vol. 1. IEEE, 2005.
  32. . Rahnamayan, Shahryar, Hamid R. Tizhoosh, and Magdy MA Salama. "Opposition versus randomness in soft computing techniques." Applied Soft Computing 8.2 (2008): 906-918.
  33. . Huang, Chun, Chi Kwong Wong, and Chi Ming Tam. "Optimization of material hoisting operations and storage locations in multi-storey building construction by mixed-integer programming." Automation in Construction 19.5 (2010): 656-663.
  34. . CHIANG, W.-C. & CHIANG, C. J. E. J. O. O. R. 1998. Intelligent local search strategies for solving facility layout problems with the quadratic assignment problem formulation. 106, 457-488.

Các bài báo được đọc nhiều nhất của cùng tác giả