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


•
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

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,

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

: 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

= [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

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.⇒

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.

)
(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

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

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