ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGUYỄN VĂN KHƠN

TỐI ƯU HĨA MỨC TIÊU THỤ NĂNG LƯỢNG CỦA
HỆ THỐNG HVAC TRONG TÒA NHÀ BẰNG CÁCH SỬ DỤNG
MẠNG NƠ-RON NHÂN TẠO (ANN) VÀ
THUẬT TỐN SĨI XÁM (GWO)
Chun ngành: Quản lý xây dựng
Mã số: 8580302

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2023


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BACH KHOA – ĐHQG -HCM
Cán bộ hướng dẫn khoa học 1: PGS.TS PHẠM VŨ HỒNG SƠN

Chữ ký:

Cán bộ hướng dẫn khoa học 2: TS. CHU VIỆT CƯỜNG

Chữ ký:

Cán bộ chấm nhận xét 1: TS. LÊ XUÂN ĐẠI

Chữ ký:

Cán bộ chấm nhận xét 2: TS. ĐẶNG THỊ TRANG

Chữ ký:

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, Đại học Quốc gia Tp.HCM,
ngày 14 tháng 07 năm 2023.
Thành phần hội đồng đánh giá Luận văn thạc sĩ gồm:
1. Chủ tịch hội đồng:

TS. LÊ HOÀI LONG

2. Thư ký hội đồng :

PGS.TS LƯƠNG ĐỨC LONG

3. Uỷ viên phản biện 1:

TS. LÊ XUÂN ĐẠI

4. Uỷ viên phản biện 2:

TS. ĐẶNG THỊ TRANG

5. Uỷ viên hội đồng:

TS. NGUYỄN HOÀI NGHĨA

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


TRƯỞNG KHOA
KỸ THUẬT XÂY DỰNG

TS. Lê Hồi Long

PGS.TS Lê Anh Tuấn


ĐẠI HỌC QUỐC GIA TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: NGUYỄN VĂN KHÔN

MSHV : 2070544

Ngày, tháng, năm sinh: 19/04/1995

Nơi sinh: Đồng Tháp

Chuyên ngành: Quản lý xây dựng

Mã số : 8580302


I.

TÊN ĐỀ TÀI:
TỐI ƯU HÓA MỨC TIÊU THỤ NĂNG LƯỢNG CỦA HỆ THỐNG HVAC
TRONG TÒA NHÀ BẰNG CÁCH SỬ DỤNG MẠNG NƠ-RON NHÂN TẠO
(ANN) VÀ THUẬT TỐN SĨI XÁM (GWO). (OPTIMIZATION OF HVAC
SYSTEM ENERGY CONSUMPTION IN A BUILDING USING ARTIFICIAL
NEURAL NETWORK (ANN) AND GRAY WOLF ALGORITHM (GWO)).

II.

NHIỆM VỤ VÀ NỘI DUNG

1. Tìm hiểu vấn đề về mức tiêu thụ năng lượng và tiện nghi nhiệt của hệ thống
HVAC trong tòa nhà.
2.Tìm hiểu phương pháp tối ưu hóa thuật tốn Sói Xám (GWO) và mạng
Nơ-ron nhân tạo (ANN) .
3. Xác định và giải quyết mục tiêu bài toán về ‘‘mức tiêu thụ năng lượng và
tiện nghi nhiệt” bằng phương pháp tối ưu hóa thuật tốn GWO-ANN. So sánh
kết quả với thuật toán trước đây và ứng dụng vào trường hợp thực tế ở Việt
Nam.
III.

NGÀY GIAO NHIỆM VỤ

: 05/09/2022

IV.

NGÀY HOÀN THÀNH NHIỆM VỤ: 12/06/2023


V.

CÁN BỘ HƯỚNG DẪN : PGS.TS. PHẠM VŨ HỒNG SƠN và TS. CHU VIỆT
CƯỜNG
Tp. Hồ Chí Minh, ngày … tháng … năm 2023

CÁN BỘ HƯỚNG DẪN
PGS.TS. Phạm Vũ Hồng Sơn

CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

TS. Chu Việt Cường

TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG


i

LỜI CẢM ƠN
Sau những thời gian cố gắng học tập và nghiên cứu, tơi đã hồn thành được luận
văn thạc sĩ với đề tài “ Tối Ưu Hóa Mức Tiêu Thụ Năng Lượng Của Hệ Thống HVAC
Trong Tòa Nhà Bằng Cách Sử Dụng Mạng Nơ-Ron Nhân Tạo (ANN) Và Thuật Tốn
Sói Xám (GWO)”. Tơi ln ghi nhận những sự ủng hộ, hỗ trợ và đóng góp nhiệt tình
của những người bên cạnh mình. Tơi xin chân thành gửi lời cảm ơn sâu sắc đến họ.
Lời đầu tiên tôi xin cảm ơn thầy PGS.TS Phạm Vũ Hồng Sơn và thầy TS. Chu Việt
Cường người đã dìu dắt và hướng dẫn tơi trong suốt quá trình làm đề tài luận văn. Sự
định hướng và chỉ bảo của thầy đã giúp tôi nghiên cứu và giải quyết vấn đề một cách

khoa học, đúng đắn hơn.
Tiếp theo, tôi xin trân trọng cảm ơn Ban giám hiệu, Bộ phận sau Đại học, Phòng đào
tạo, Phòng khảo thí Trường Đại học Bách Khoa Thành Phố Hồ Chí Minh đã tạo điều
kiện cho chúng tơi được học tập và hồn thành khóa luận một cách thuận lợi. Xin
cảm ơn quý thầy cô giáo đã dạy dỗ và truyền đạt kiến thức cho chúng tôi trong suốt
thời gian qua.
Tôi muốn gửi lời cảm ơn đến tập thể lớp Quản Lý Xây Dựng đã cùng tôi đi qua những
ngày tháng học tập miệt mài, cùng chia sẻ niềm vui nỗi buồn và động viên tơi vượt
qua những khó khăn, vất vả để hoàn thành luận văn này.
Luận văn thạc sĩ đã hoàn thành trong thời gian quy định với sự nỗ lực của bản thân,
tuy nhiên không thể không có những thiếu sót. Kính mong q Thầy Cơ chỉ dẫn thêm
để tơi bổ sung những kiến thức và hồn thiện bản thân mình hơn.
Xin trân trọng cảm ơn.

Tp. HCM, ngày

tháng

năm 2023

Nguyễn Văn Khôn


ii

TĨM TẮT
Nghiên cứu này phân tích mơ hình mạng Nơ ron nhân tạo (ANN) và thuật tốn
Sói xám (GWO) nhằm mục tiêu tối ưu hóa các hoạt động hệ thống sưởi ấm, thơng
gió và điều hịa khơng khí (HVAC) và các thông số xây dựng khác nhằm giảm thiểu
mức tiêu thụ năng lượng hàng năm và tối đa hóa sự tiện nghi nhiệt. Nghiên cứu được

lấy cảm hứng từ việc kết hợp mạng Nơ ron nhân tạo (ANN) và thuật tốn Sói xám
(GWO) nhằm nâng cao khả năng khám phá, tăng tốc độ hội tụ và giảm khả năng tối
ưu cục bộ để tìm ra kết quả tốt nhất. Hệ thống HVAC được lắp đặt trong tịa nhà tích
hợp hệ thống làm lạnh thể tích khơng khí thay đổi (VAV) và hệ thống khơng khí
ngồi trời chun dụng (DOAS). Một số thông số bao gồm cài đặt bộ ổn định nhiệt,
thiết kế kết cấu vỏ tịa nhà và kiểm sốt hoạt động làm lạnh được coi là biến quyết
định. Sau đó, tỷ lệ người khơng hài lịng (PPD) và tiêu thụ năng lượng xây dựng hàng
năm được chọn hàm mục tiêu. Tối ưu hóa đa mục tiêu được sử dụng để tối ưu hóa hệ
thống với hai hàm mục tiêu. ANN đã thực hiện một mối liên hệ giữa các biến quyết
định và hàm mục tiêu. GWO sẽ đưa ra kết quả một số biến thiết kế có thể thay thế để
đạt được hệ thống tối ưu về sự tiện nghi nhiệt và tiêu thụ năng lượng hàng năm. Tóm
lại, việc tối ưu hóa xem xét hai mục tiêu cho thấy kết quả tốt nhất liên quan đến sự
tiện nghi nhiệt và tiêu thụ năng lượng so với thiết kế cơ sở.


iii

ABSTRACT
This study analyzes the Artificial Neural Network (ANN) model and Grey Wolf
Optimizer (GWO) algorithm to optimize the heating, ventilation and air conditioning
(HVAC) system operations and other information. Several other constructions aim to
minimize annual energy consumption and maximize thermal comfort. The research
is inspired by the combination of Artificial Neural Network (ANN) and Grey Wolf
Optimizer (GWO) algorithm to improve discoverability, speed up convergence, and
reduce local optimal ability to find out. best results. The HVAC system is installed in
a building that integrates a variable air volume (VAV) refrigeration system and a
dedicated outdoor air system (DOAS). Several parameters including thermostat
setting, building shell structural design and refrigeration operation control are
considered as decisive variables. Then, the Percentage Of People Dissatisfied (PPD)
and annual construction energy consumption are selected as the objective function.

Multi-objective optimization is used to optimize the system with two objective
functions. ANN has made a relationship between the decision variables and the
objective function. GWO will result in a number of design variables that can be
changed to achieve the optimum system in terms of thermal comfort and annual
energy consumption. In summary, the optimization considering two objectives shows
the best results regarding thermal comfort and energy consumption compared to the
base design.


iv

LỜI CAM ĐOAN
Tôi xin cam đoan đây là luận văn do chính tơi thực hiện dưới sự hướng dẫn của
PGS.TS. Phạm Vũ Hồng Sơn và TS. Chu Việt Cường.
Các kết quả của luận văn là đúng sự thật và chưa được công bố ở các nghiên cứu
khác.
Tôi xin chịu trách nhiệm về cơng việc thực hiện của mình.
Tp. Hồ Chí Minh, ngày … tháng … năm 2023

Nguyễn Văn Khôn


v

MỤC LỤC
LỜI CẢM ƠN .............................................................................................................i
TÓM TẮT ................................................................................................................. ii
ABSTRACT ............................................................................................................. iii
LỜI CAM ĐOAN .....................................................................................................iv
DANH MỤC CÁC HÌNH ...................................................................................... vii

DANH MỤC CÁC BẢNG .......................................................................................ix
DANH MỤC CÁC CHỮ VIẾT TẮT....................................................................... x
CHƯƠNG 1. MỞ ĐẦU ............................................................................................. 1
1.1 Lựa chọn đề tài .................................................................................................. 1
1.2 Mục tiêu nghiên cứu .......................................................................................... 3
1.3 Phạm vi nghiên cứu ........................................................................................... 3
1.4 Ý nghĩa và đóng góp của nghiên cứu ................................................................ 4
1.5 Phương pháp nghiên cứu. .................................................................................. 4
1.6 Bố cục luận văn ................................................................................................. 7
CHƯƠNG 2. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU ................................... 8
2.1 Tổng quan bài toán nghiên cứu ......................................................................... 8
2.2 Tổng quan thuật toán sử dụng cho nghiên cứu ................................................. 9
2.3 Hạn chế của các nghiên cứu trước đây ............................................................ 15
CHƯƠNG 3. CƠ SỞ LÝ THUYẾT ....................................................................... 16
3.1 Khái niệm thuật toán mạng nơ-ron nhân tạo (ANN) ....................................... 16
3.2 Thuật tốn Sói xám (GWO) ............................................................................ 18
3.2.1 Cảm hứng từ thuật tốn (GWO) ............................................................... 18
3.2.2 Mơ hình tốn học và thuật toán (GWO) ................................................... 19
3.2.2.1 Hệ thống phân cấp xã hội .................................................................. 19
3.2.2.2 Bao vây con mồi ................................................................................. 19
3.2.2.3 Săn bắt con mồi .................................................................................. 21


vi
3.2.2.4 Tấn cơng con mồi (khai thác) ............................................................ 22
3.2.2.5 Tìm kiếm con mồi (thăm dò) .............................................................. 23
3.3 Phương pháp tối ưu hóa ................................................................................... 24
CHƯƠNG 4. TRƯỜNG HỢP NGHIÊN CỨU ..................................................... 28
4.1 Khái niệm vấn đề năng lượng.......................................................................... 28
4.2 Khái niệm vấn đề tiện nghi nhiệt..................................................................... 29

4.3 Hàm mục tiêu bài toán..................................................................................... 30
4.4 Trường hợp case study 1 ................................................................................. 31
4.4.1 Giới thiệu tịa nhà và hệ thống HVAC ...................................................... 31
4.4.2 Mơ phỏng tịa nhà ..................................................................................... 31
4.4.3 Dữ liệu phân tích tịa nhà ......................................................................... 32
4.4.4 Kết quả phân tích tịa nhà ......................................................................... 41
4.5 Trường hợp case study 2. Tòa nhà văn phòng: “LIM TOWER 3” ................. 46
4.5.1 Giới thiệu tòa nhà và hệ thống HVAC ...................................................... 46
4.5.2 Mơ phỏng tịa nhà ..................................................................................... 47
4.5.3 Dữ liệu phân tích tồn nhà ....................................................................... 50
4.5.4 Kết quả phân tích tịa nhà ......................................................................... 63
CHƯƠNG 5. KẾT LUẬN VÀ KIẾN NGHỊ ......................................................... 72
5.1. Kết luận. ...................................................................................................... 72
5.2. Hạn chế. ...................................................................................................... 72
5.3. Kiến nghị. .................................................................................................... 72
TÀI LIỆU THAM KHẢO ...................................................................................... 73


vii

DANH MỤC CÁC HÌNH
Hình 1-1: Tiêu thụ năng lượng sơ cấp tại Việt Nam từ 2005 đến 2017...................... 2
Hình 1-2 : Sơ đồ nghiên cứu đề tài ............................................................................ 5
Hình 2-1 : Phân loại các thuật tốn tối ưu hóa cho BOP .......................................... 12
Hình 3-1 : Mạng perceptron nhiều lớp ...................................................................... 16
Hình 3-2 : Hệ thống phân cấp của sói xám (sự thống trị giảm từ trên xuống) ......... 18
Hình 3-3 : Hành vi săn mồi của sói xám: (A) đuổi theo, tiếp cận và theo dõi con mồi
(B-D) truy đuổi, quấy rối và bao vây (E) đứng yên và tấn cơng (Muro et al., 2011)
................................................................................................................................... 19
Hình 3-4 : Vectơ vị trí 2D và 3D và các vị trí tiếp theo có thể có của chúng ........... 21

Hình 3- 5 : Cập nhật vị trí trong GWO ..................................................................... 22
Hình 3-6 : Tấn cơng con mồi so với tìm kiếm con mồi ............................................ 23
Hình 3-7 : Các quy trình của thuật tốn sói xám ...................................................... 24
Hình 3-8 : Khung tối ưu hóa ..................................................................................... 26
Hình 4-1 : Đại diện vùng thoải mái ASHRAE.......................................................... 29
Hình 4-2 : Mối quan hệ PPD và PMV ...................................................................... 30
Hình 4- 3 : Hình học của tịa nhà giáo dục (a) mơ phỏng (b) thực tế ....................... 31
Hình 4-4 : Khai báo thơng số thuật tốn tối ưu case study 1 .................................... 41
Hình 4-5 : Kết quả tối ưu hóa hệ thống HVAC case study 1 .................................... 42
Hình 4-6 : Giải pháp tối ưu được chọn dựa vào kỹ thuật sắp xếp thứ tự ưu tiên theo
độ tương tự với lời giải lý tưởng (TOPSIS) cho case study 1 .................................. 42
Hình 4- 7 : Cấu trúc hệ thống HVAC ....................................................................... 47
Hình 4-8 : Mơ hình tịa nhà văn phịng Lim Tower 3 (a) mô phỏng (b) thực tế ....... 48
Hình 4-9 : Biểu đồ làm việc người cư ngụ ................................................................ 48
Hình 4-10 : Biểu đồ làm việc đèn ............................................................................. 49
Hình 4-11 : Biểu đồ làm việc thiết bị ........................................................................ 49
Hình 4-12 : Cấu trúc của ANN với đầu vào và đầu ra .............................................. 63
Hình 4-13 : Kết quả huấn luyện 245 bộ dữ liệu (a) Năng lượng (b) PPD ................ 64
Hình 4-14 : Kết quả xác thực sử dụng 105 bộ dữ liệu (a) Năng lượng (b) PPD....... 64
Hình 4-15 : Kết quả huấn luyện 350 bộ dữ liệu (a) Năng lượng (b) PPD ................ 64
Hình 4-16 : Khai báo thơng số thuật tốn tối ưu case study 2 .................................. 65


viii
Hình 4-17 : Kết quả tối ưu hóa hệ thống HVAC trong case study 2 ........................ 67
Hình 4-18 : Giải pháp tối ưu được chọn dựa vào kỹ thuật sắp xếp thứ tự ưu tiên theo
độ tương tự với lời giải lý tưởng (TOPSIS) cho case study 2 .................................. 67


ix


DANH MỤC CÁC BẢNG
Bảng 2-1 : Các nghiên cứu trước đây ở dùng phương pháp công cụ học máy để giải
quyết vấn đề tối ưu hóa tịa nhà .................................................................................. 9
Bảng 2- 2 : Các nghiên cứu trước đây ở dùng phương pháp thuật toán tối ưu để giải
quyết vấn đề tối ưu hóa tịa nhà ................................................................................ 10
Bảng 3-1 : Phạm vi dữ liệu để tối ưu hóa ................................................................. 25
Bảng 4-1 : Case 1 data .............................................................................................. 33
Bảng 4-2 : Kết quả tối ưu hóa thuật tốn case study 1.............................................. 43
Bảng 4-3 : Kết quả so sánh trong case study 1 ......................................................... 45
Bảng 4-4 : Case 2 data .............................................................................................. 51
Bảng 4-5 : Kết quả tối ưu hóa thuật tốn case study 2.............................................. 68
Bảng 4-6 : Kết quả so sánh case study 2 ................................................................... 70


x

DANH MỤC CÁC CHỮ VIẾT TẮT
GWO

Grey Wolf Optimizer

ANN

Artificial Neural Network

HVAC

Heating, Ventilating and Air conditioning


VAV

Variable Air Volume

DOAS

Dedicated Outdoor Air System

PPD

Percentage Of People Dissatisfied

IEA

International Energy Agency

ASEAN

Association of Southeast Asian Nations

TRNSYS

TRaNsient SYstems Simulation Program

MPC

Model Predictive Control

MOGA


Multi-Objective Genetic Algorithm

PSO

Particle Swarm Optimization

I-PreCons

Intelligent PREdiction system of CONcrete Strength

BPN

Backpropagation Neural Net

CPN

Counterpropagation Neural Net

GA

Genetic Algorithm

NSGA-II

Multiobjective Genetic Algorithm

VOC

Volatile Organic Compound


RMSE

Root Mean Square Error

PMV

Predicted Mean Vote

DF

Derivative-Free

MLP

Multilayer Perceptron Network

PAU

Primary Air Units

BOP

Building Optimization Problems

M-PAES
TOPSIS

Memetic Pareto Archive Evolution Strategy
Technique for Order Preference by Similarity to Ideal Solution



LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

CHƯƠNG 1. MỞ ĐẦU
1.1 Lựa chọn đề tài
Tốc độ gia tăng dân số đã dẫn đến nhu cầu năng lượng lớn hơn (Nasruddin et al., 2016).
Năm 2013, Cơ quan Năng lượng Quốc tế (IEA) ước tính rằng tịa nhà đã trở thành nơi tiêu
thụ năng lượng lớn thứ ba trên thế giới (Agency, 2013). Nói chung, việc sử dụng năng
lượng trong tòa nhà là dành cho ánh sáng, thiết bị điện và hệ thống HVAC. Một số nghiên
cứu cho thấy một nửa mức sử dụng năng lượng trong tòa nhà được sử dụng để điều hịa
khí hậu trong nhà (Balaras, Dascalaki, Gaglia, Droutsa, & Kontoyiannidis, 2007; Poel, van
Cruchten, & Balaras, 2007). Kể từ những thập kỷ qua, hầu hết các hệ thống phát điện trên
thế giới sử dụng năng lượng hóa thạch như than đá, dầu mỏ và khí đốt tự nhiên làm nguồn
năng lượng chính của họ (Reda, Ali, Morsy, & Taha, 2016). Điều này không chỉ gây bất
lợi cho việc tạo ra và giải phóng các khí độc hại như CO2 và SOX vào mơi trường, mà cịn
làm cạn kiệt thêm nguồn cung cấp nhiên liệu hóa thạch hạn chế. Do đó, việc giảm sử dụng
năng lượng trong các tịa nhà có thể giảm thiểu phát thải khí nhà kính.
Mối quan tâm dường như phổ biến và nghiêm trọng hơn trong khu vực Hiệp hội các
quốc gia Đông Nam Á (ASEAN). Khu vực này đã và đang phải đối mặt với một thách thức
kép là duy trì tăng trưởng kinh tế và giải quyết các vấn đề xung quanh (Munir, Lean, &
Smyth, 2020). Tăng trưởng kinh tế gây áp lực ngày càng tăng lên nhu cầu năng lượng, hiện
đang phụ thuộc rất nhiều vào nhiên liệu hóa thạch (Erdiwansyah et al., 2019). Việt Nam là
một trong những nền kinh tế mới nổi phát triển nhanh nhất ở châu Á. Tuy nhiên, sự tăng
trưởng kinh tế của đất nước đã đi kèm với sự gia tăng tiêu thụ năng lượng với những tác
động xấu đến môi trường. Nền kinh tế năng lượng của Việt Nam đã thay đổi nhanh chóng
trong những thập kỷ gần đây. Nó đã trải qua quá trình chuyển đổi tương tự như nền kinh
tế: Từ một nền kinh tế nông nghiệp dựa trên nhiên liệu truyền thống, Việt Nam đã chuyển
sang sử dụng sinh khối và các năng lượng tái tạo khác.Việt Nam rất giàu tài ngun năng
lượng như dầu thơ, than, khí đốt tự nhiên và thủy điện đã hỗ trợ tăng trưởng kinh tế của
Việt Nam vì đất nước khơng cần phải nhập khẩu các tài sản năng lượng này. Tuy nhiên,

trong những năm gần đây, thu nhập bình quân đầu người tăng đã làm tăng nhu cầu năng
lượng và do đó cũng phải nhập khẩu. Trong những năm qua, bất kể nguồn nào mức tiêu
thụ năng lượng đã tăng đều đặn. Liên quan đến tiêu thụ năng lượng sơ cấp ở Việt Nam từ

HVTH: Nguyễn Văn Khôn – 2070544

1


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

năm 2005 đến 2017, chúng ta có thể thấy trong Hình 1-1, một sự tăng trưởng vượt mức.
Năm 2017, Việt Nam tiêu thụ tổng cộng khoảng 75,3 triệu tấn dầu quy đổi năng lượng sơ
cấp. Mặc dù mức tiêu thụ năng lượng sơ cấp tăng qua các năm nhưng đã có sự thay đổi
trong loại tiêu thụ năng lượng cuối cùng. Về mức tiêu thụ năng lượng cuối cùng của ngành,
từ năm 2015, ngành công nghiệp là ngành tiêu thụ lớn nhất với 43%, tiếp theo là khu dân
cư với 29,6% và từ ngành giao thông vận tải với 22,7%. Sự gia tăng tiêu thụ năng lượng,
dưới hầu hết các hình thức, đã tạo ra sự gia tăng lượng khí thải CO2. Năm 2016, lượng khí
thải CO2 là 206.042,1 nghìn tấn CO2/năm với mức tăng đáng kể từ năm 1997 đến 2016:
Việt Nam đã ghi nhận giá trị tăng từ 43.373,4 lên 206.042,1 nghìn tấn CO2/năm mức tăng
hàng năm trên 18%. Chỉ trong quý cuối cùng của năm 2016 giá trị đã giảm 0,09%. Liên
quan đến cường độ phát thải trên một đơn vị GDP năm 2016 là 0,37 kg CO2/1USD, với
mức tăng trưởng hàng năm từ 1997 đến 2016 là 2,24% (Morelli & Policy, 2020).

Hình 1-1: Tiêu thụ năng lượng sơ cấp tại Việt Nam từ 2005 đến 2017
(tính bằng triệu tấn dầu quy đổi)
Việc gia tăng mức tiêu thụ năng lượng của tòa nhà bị ảnh hưởng nhiều bởi thiết kế tòa
nhà, thay đổi tiêu chuẩn tiện nghi của người ở, vận hành, bảo trì tịa nhà và thiết kế hệ
thống HVAC. Tất cả những khía cạnh đó nên được hình thành trong nhận thức với mức
tiêu thụ năng lượng và sự tiện nghi của người cư ngụ. Vấn đề nghiên cứu tối ưu hóa tịa

nhà đã được thực hiện và công bố trên nhiều tài liệu : (Wang et al., 2004) đã phát triển một
mơ hình đơn giản hóa để tối ưu hóa và điều khiển bộ cuộn dây làm mát. (Henze, Kalz, Liu,
& Felsmann, 2005) đã trình diễn một mơ hình tịa nhà trong TRNSYS với điều khiển dự
HVTH: Nguyễn Văn Khôn – 2070544

2


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

đốn mơ hình (MPC) để kiểm kê kho lưu trữ nhiệt tại tòa nhà chủ động và thụ động. (Freire,
Oliveira, & Mendes, 2008) đã phát triển ANN để xây dựng các mơ hình động về mức tiêu
thụ năng lượng và tiện nghi nhiệt tại hệ thống HVAC đơn lẻ. (L. Zhou & Haghighat, 2009)
áp dụng các thuật toán di truyền để tối ưu hóa hoạt động HVAC của tịa nhà bằng cách
giảm thiểu mức tiêu thụ năng lượng và duy trì sự thoải mái về nhiệt độ trong nhà.
Việc tối ưu hóa hệ thống HVAC của tịa nhà đã được thực hiện thơng qua nhiều phương
pháp và mục đích khác nhau. Tuy nhiên, hầu hết trong số họ tập trung vào một hệ thống
HVAC đơn lẽ. Nghiên cứu này trình bày việc tối ưu hóa hệ thống HVAC tổ hợp, bao gồm
hệ thống máy làm lạnh VAV và hệ thống DOAS. Mục tiêu của nghiên cứu này là phát triển
một cách tiếp cận mới, cải thiện để tối ưu hóa đa mục tiêu về mức tiêu thụ năng lượng và
sự tiện nghi tịa nhà thơng qua việc kết hợp thuật tốn GWO-ANN và chương trình IESVE
nhằm phù hợp với các tính năng của mơ hình để khai thác và chứng minh những điểm
mạnh và vượt trội so với các thuật toán trước đây. Nghiên cứu này đề cập đến việc tối ưu
hóa đa mục tiêu của hệ thống máy làm lạnh VAV và hệ thống DOAS, cho thấy tiềm năng
của phương pháp này trong việc xác định hoạt động phù hợp của các hệ thống HVAC phức
hợp.
1.2 Mục tiêu nghiên cứu
Phát triển một cách tiếp cận mới tối ưu hóa đa mục tiêu giải quyết bài toán tối ưu hệ
thống HVAC trong tòa nhà về năng lượng tiêu thụ và tiện nghi nhiệt thơng qua phương
pháp tối ưu hóa GWO, ANN và chương trình IESVE.

Tối ưu hóa các hoạt động hệ thống HVAC và các thông số xây dựng khác của một hệ
thống VAV và DOAS làm việc đồng thời, cho thấy tiềm năng của phương pháp này trong
việc xác định vận hành tích hợp của các hệ thống HVAC phức hợp.
Phương pháp tối ưu hóa dùng thuật tốn GWO-ANN phải tốt hơn các thuật toán cũ
Multi-objective genetic algorithm_MOGA (Nasruddin et al., 2019) về giải quyết vấn đề
tiêu thụ năng lượng và tiện nghi nhiệt trong hệ thống HVAC.
Để chứng minh sự cải thiện về hiệu suất và tốc độ trong q trình xử lý bài tốn, nghiên
cứu này đã tính tốn và so sánh với kết quả các nghiên cứu trước đây, đồng thời áp dụng
vào một cơng trình thực tế tại Việt Nam.
1.3 Phạm vi nghiên cứu
Các vấn đề nghiên cứu cụ thể trong phạm vi Luận văn này bao gồm:
HVTH: Nguyễn Văn Khôn – 2070544

3


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

-

Hệ thống HVAC trong tòa nhà ở Thành phố Hồ Chí Minh.

-

Hệ thống làm lạnh trong đó VAV và hệ thống DOAS làm việc đồng thời.

-

Giảm mức tiêu thụ năng lượng và sự tiện nghi nhiệt của hệ thống HVAC trong tịa
nhà.


-

Các yếu tố, vấn đề nghiên cứu đã có dữ liệu trước.

1.4 Ý nghĩa và đóng góp của nghiên cứu
Về ý nghĩa khoa học
-

Giới thiệu phương pháp tối ưu hóa dùng thuật tốn GWO-ANN giải quyết vấn đề
về tiêu thụ năng lượng và sự tiện nghi nhiệt của hệ thống HVAC, mở ra hướng phát
triển mới với phương pháp tối ưu hóa thuật tốn này.

-

So sánh khi dùng thuật toán GWO-ANN với các thuật toán trước đây do các tác giả
trên thế giới sử dụng. Đưa ra đánh giá cụ thể khi áp dụng vào giải quyết bài toán về
tiêu thụ năng lượng và sự tiện nghi nhiệt.

-

Nghiên cứu cho thấy tiềm năng của phương pháp này trong việc xác định hoạt động
phù hợp của các hệ thống HVAC phức hợp.

Về mặt thực tiễn
-

Nghiên cứu thực hiện có thể được sử dụng để giúp ban quản lý tòa nhà thiết kế và
lựa chọn chiến lược điều khiển để vận hành hệ thống HVAC một cách hiệu quả.


-

Phương pháp nghiên cứu được áp dụng trong nghiên cứu này có thể được tham khảo
để giải quyết các vấn đề tối ưu hóa phức tạp trên hệ thống HVAC và thiết kế tịa
nhà.

1.5 Phương pháp nghiên cứu.
1.5.1 Quy trình các bước nghiên cứu tổng quát bằng sơ đồ.

HVTH: Nguyễn Văn Khôn – 2070544

4


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

Hình 1-2 : Sơ đồ nghiên cứu đề tài
1.5.2 Quy trình các bước nghiên cứu chi tiết.
1.5.2.1 Lựa chọn đề tài
Xác định các vấn đề của đề tài nghiên cứu :
• Tìm hiểu vấn đề tiêu thụ năng lượng và tiện nghi nhiệt của hệ thống HVAC.
• Việc tối ưu hóa đa mục tiêu của hệ thống máy làm lạnh trong đó VAV và hệ
thống DOAS hoạt động đồng thời, cho thấy tiềm năng của phương pháp này
trong việc xác định hoạt động phù hợp của các hệ thống HVAC phức hợp.
1.5.2.2 Mục tiêu nghiên cứu.
Xác định đối tượng nghiên cứu :
• Giải quyết vấn đề nghiên cứu

HVTH: Nguyễn Văn Khôn – 2070544


5


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

Những đóng góp nghiên cứu trong tương lai :
• Ý nghĩa khoa học
• Ý nghĩa thực tiễn
1.5.2.3 Phạm vi nghiên cứu.
Thống nhất về mặt thời gian, không gian, lĩnh vực nghiên cứu,
• Xác định phạm vi và giới hạn trong nghiên cứu
1.5.2.4 Nghiên cứu trước đây về vấn đề tiêu thụ năng lượng và tiện nghị nhiệt của hệ
thống HVAC
Tìm hiểu các nghiên cứu trước đây,
• Mục tiêu, ý nghĩa và hạn chế của các nghiên cứu trước đây.
1.5.2.5 Cơ sở lý thuyết
Xác định các khái niệm lý thuyết liên quan về vấn đề tiêu thụ năng lượng và tiện
nghị nhiệt của hệ thống HVAC.
• Tìm hiểu các phương pháp tối ưu thuật tốn GWO, ANN
• Khái niệm về các vấn đề trong hệ thống HVAC.
1.5.2.6 Xây dựng mơ hình nghiên cứu
Nghiên cứu phương pháp tối ưu thuật tốn GWO-ANN
• Grey Wolf Optimizer
• Artificial neural network
1.5.2.7 Áp dụng mơ hình
Ý nghĩa khoa học
• Áp dụng GWO-ANN vào case study 1 so sánh kết quả đạt được với các
nghiên cứu trước đây
Ý nghĩa thực tiễn
• Áp dụng GWO-ANN vào case study 2 so sánh kết quả thu được với kết quả

thực tế
1.5.2.8 Kết luận và kiến nghị
• Xác nhận và đánh giá kết quả đã đạt được trong mục tiêu đề ra của nghiên
cứu

HVTH: Nguyễn Văn Khôn – 2070544

6


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

• Nêu ra những đóng góp và hạn chế trong bài nghiên cứu
• Kiến nghị
1.6 Bố cục luận văn
Chương 1. Mở đầu:
Trình bày lý do chọn đề tài, mục tiêu, phạm vi nghiên cứu của đề tài, ý nghĩa và
đóng góp, phương pháp nghiên cứu, bố cục luận văn
Chương 2. Tổng quan tình hình nghiên cứu:
Trình bày tổng quan bài toán, thuật toán nghiên cứu và các nghiên cứu liên quan
trước đây
Chương 3. Cơ sở lý thuyết:
Giới thiệu lý thuyết về trình bày khái niệm thuật tốn Sói xám (GWO), mạng thần
kinh nhân tạo (ANN), phương pháp tối ưu và cách áp dụng giải quyết vấn đề
Chương 4. Các trường hợp nghiên cứu:
Giới thiệu và áp dụng thuật toán tối ưu hóa vào các trường hợp khác nhau trên các
nghiên cứu trước đây và ngoài thực tiễn, so sánh các kết quả giữa các thuật toán cũ và mới,
ứng dụng vào trường hợp thực tế
Chương 5. Kết luận và kiến nghị:
Trình bày kết luận và kiến nghị, đề xuất hướng đi mới cho các nghiên cứu về sau.


HVTH: Nguyễn Văn Khôn – 2070544

7


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

CHƯƠNG 2. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
2.1 Tổng quan bài tốn nghiên cứu
Trong ứng dụng thực tế, khá khó để xác định thiết kế tòa nhà tối ưu và vận hành hệ
thống HVAC liên quan đến chất lượng không khí trong nhà và mức tiêu thụ năng lượng do
có rất nhiều thông số cần được xem xét (Magnier & Haghighat, 2010). Nhiều nghiên cứu
tối ưu hóa tịa nhà nhằm nâng cao hiệu quả vận hành hệ thống HVAC trong tịa nhà đã
được thực hiện và cơng bố trên các tài liệu. (Wei, Kusiak, Li, Tang, & Zeng, 2015) giới
thiệu phương pháp tối ưu hóa bầy đàn hạt (PSO) để giải quyết vấn đề tối ưu hóa đa mục
tiêu của hệ thống HVAC trong một cơ sở văn phòng điển hình. (Ghalambaz, Jalilzadeh
Yengejeh, & Davami, 2021) nghiên cứu tối ưu hóa năng lượng tịa nhà bằng Sói xám
(GWO) nhằm mục đích để giảm thiểu mức tiêu thụ năng lượng hàng năm của một tịa nhà
văn phịng. Bên cạnh đó, gần đây có nhiều thuật tốn metaheuristic được áp dụng hiệu quả
như sau : (Kaveh, 2014) cuốn sách này trình bày các thuật toán metaheuristic hiệu quả để
thiết kế cấu trúc tối ưu, các khái niệm và thuật tốn được trình bày trong cuốn sách này
không chỉ áp dụng để tối ưu hóa cấu trúc khung và mơ hình phần tử hữu hạn, mà cịn có
thể được sử dụng để thiết kế tối ưu các hệ thống khác như thủy lực và điện các mạng. Trong
phiên bản thứ hai, bảy chương mới được thêm vào bao gồm những phát triển mới trong
lĩnh vực tối ưu hóa. Các chương này bao gồm tối ưu hóa các vật thể va chạm nâng cao,
phân tích độ nhạy tồn cầu, tối ưu hóa kéo co, tối ưu hóa sự bay hơi của nước, tối ưu hóa
hệ thống hạt rung và các thuật tốn tối ưu hóa q trình sinh sản theo chu kỳ. Một chương
cũng được dành cho thiết kế tối ưu của các cấu trúc quy mơ lớn. (Kaveh, 2017) cuốn sách
trình bày các thuật tốn tối ưu hóa metaheuristic hiệu quả được phát triển gần đây và các

ứng dụng của chúng để giải quyết các vấn đề tối ưu hóa khác nhau trong kỹ thuật dân dụng.
Các khái niệm này cũng có thể được sử dụng để tối ưu hóa các vấn đề trong kỹ thuật cơ và
điện. Nghiên cứu về công cụ học máy đã quen thuộc và ứng dụng rộng rãi trong nghiên
cứu năng lượng tòa nhà. (Lee, Hong, Seo, & Lee, 2019) phân tích ứng dụng mạng nơ ron
nhân tạo để tối ưu hóa nhiệt độ gió xả AHU và giảm thiểu năng lượng làm mát trong hệ
thống VAV. (Abida & Richter, 2023) nghiên cứu điều khiển HVAC trong tòa nhà sử dụng
mạng nơ-ron mục tiêu của nghiên cứu là điều tra tính chính xác của thói quen học máy đối
với việc kiểm sốt tối ưu hóa tịa nhà. Ngồi ra, nghiên cứu về các công cụ học máy được

HVTH: Nguyễn Văn Khôn – 2070544

8


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

ứng dụng rộng rãi trong các nghiên cứu sau : (Kaveh & Khalegi, 1998) Mục đích của
nghiên cứu này là phát triển I-PreConS (Hệ thống dự đốn thơng minh về cường độ bê
tông) cung cấp thông tin về cường độ tại chỗ của bê tông để tạo điều kiện loại bỏ ván khuôn
bê tông và lập kế hoạch thi công. (Kaveh & Iranmanesh, 1998) mô tả các ứng dụng của hai
mạng nơ-ron nhân tạo cụ thể là mạng nơ-ron lan truyền ngược (BPN) và mạng nơ-ron phản
lan truyền cải tiến (CPN) để phân tích và thiết kế các cấu trúc khơng gian quy mơ lớn.
(Kaveh & Khavaninzadeh, 2023) mục đích là sử dụng sự kết hợp của thuật toán metaheuristic với hai loại cấu trúc mạng thần kinh nhân tạo khác nhau để tối ưu hóa các tham
số của lan truyền ngược nguồn cấp dữ liệu và mạng chức năng cơ sở hướng tâm.
Sự phức tạp, khó xác định của bài toán nghiên cứu đã thúc đẩy các nhà nghiên cứu tìm
giải pháp áp dụng các thuật tốn khác nhau để có được các giải pháp tối ưu hoặc gần tối
ưu cho các bài toán về tiêu thụ năng lượng và tiện nghi nhiệt của hệ thống HVAC.
2.2 Tổng quan thuật toán sử dụng cho nghiên cứu
Các thuật toán tối ưu hóa dựa trên mơ phỏng thường được sử dụng là thuật toán di
truyền (GA) và phương pháp tối ưu hóa bầy đàn hạt (PSO). Những phương pháp tinh vi

này sử dụng các kế hoạch tìm kiếm ngẫu nhiên địi hỏi hàng trăm đến hàng nghìn mơ phỏng
tịa nhà tốn nhiều thời gian để hội tụ. Chi phí và thời gian tối ưu hóa phụ thuộc vào nhiều
tham số, chẳng hạn như số lần tính tốn hàm mục tiêu, số lượng biến thiết kế và thuật tốn
tối ưu hóa được áp dụng. Với sức mạnh tính tốn hiện tại, một số lần chạy tối ưu hóa có
thể mất vài tuần hoặc vài tháng (Attia, Hamdy, O’Brien, & Carlucci, 2013). Ngoài ra, tiện
nghi nhiệt và mức tiêu thụ năng lượng của các tịa nhà là phi tuyến tính do đó thuật tốn
tối ưu hóa có thể được áp dụng ở điểm cực tiểu cục bộ (Nguyen, Reiter, & Rigo, 2014).
Theo đó, cần phải phát triển một phương pháp tối ưu hóa có thể giải quyết những thách
thức tính tốn này.
Bảng 2-1 : Các nghiên cứu trước đây ở dùng phương pháp công cụ học máy để giải quyết
vấn đề tối ưu hóa tịa nhà
STT

1

Tên bài báo,
nghiên cứu
Predictive controllers
for thermal comfort
optimization and
energy savings

Tác giả
Freire,
Roberto Z.
Oliveira,
Gustavo H. C.

HVTH: Nguyễn Văn Khôn – 2070544


Năm

Mục tiêu

-Nghiên cứu đã phát triển ANN để xây
dựng các mô hình động về mức tiêu
2008
thụ năng lượng và tiện nghi nhiệt tại
hệ thống HVAC đơn lẻ.

9


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023
Mendes,
Nathan

2

Neural networks based
predictive control for
thermal comfort and
energy savings in
public buildings

Ferreira, P.
M.
Ruano, A. E.
Silva, S.
Conceiỗóo, E.

Z. E.

-Mụ hỡnh xut mng thần kinh cơ
2010 sở xuyên tâm để điều khiển dự đoán
nhằm giảm thiểu năng lượng.

3

Prediction and
optimization of heating
and cooling loads in a
Xu, Yuanjin
residential building
Li, Fei
based on multi-layer
Asgari, Armin
perceptron neural
network and different
optimization algorithms

-Phương pháp tối ưu hóa để dự đốn
2022 q trình sưởi ấm và làm mát của các
tịa nhà tiết kiệm năng lượng

Bảng 2- 2 : Các nghiên cứu trước đây ở dùng phương pháp thuật toán tối ưu để giải quyết
vấn đề tối ưu hóa tịa nhà
STT

1


2

Tên bài báo,
nghiên cứu

Multiobjective
optimization of
building design using
TRNSYS simulations,
genetic algorithm, and
Artificial Neural
Network

Tác giả

Magnier,
Laurent
Haghighat,
Fariborz

Energy Efficient
Shi, Jie
Building HVAC
Control Algorithm with Yu, Nanpeng
Real-time Occupancy
Yao, Weixin
Prediction

HVTH: Nguyễn Văn Khơn – 2070544


Năm

Mục tiêu

-Tối ưu hóa tịa nhà liên quan đến
nhiều mục tiêu nói chung là một q
trình cực kỳ tốn thời gian. Phương
pháp GAINN được trình bày trong
nghiên cứu này trước tiên sử dụng
Mạng nơ-ron nhân tạo (ANN) dựa trên
2010
mơ phỏng để mơ tả hành vi của tịa
nhà, sau đó kết hợp ANN này với
Thuật tốn di truyền đa mục tiêu
(NSGA-II) để tối ưu hóa nhằm để tối
ưu hóa tiện nghi nhiệt và tiêu thụ năng
lượng trong nhà ở.
- Một lượng lớn năng lượng bị lãng
phí thơng qua hoạt động khơng hiệu
quả của hệ thống sưởi ấm, thơng gió
và điều hịa khơng khí (HVAC) do
2017 thiếu đo lường và dự đốn sức chứa
đáng tin cậy của tịa nhà.
-Nghiên cứu nhằm mục tiêu dự đốn
cơng suất sử dụng theo thời gian thực
không chỉ giảm mức tiêu thụ điện mà

10



LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023
còn cải thiện sự thoải mái cho cư dân
tòa nhà.

3

4

5

HVAC system energy
optimization using an
adaptive hybrid
metaheuristic

Ghahramani,
Ali
Karvigh,
Simin
Ahmadi
BecerikGerber,
Burcin

-Những nỗ lực nghiên cứu trước đây,
để tối ưu hóa việc sử dụng năng lượng
của các hệ thống HVAC, u cầu phải
xây dựng các mơ hình toán học của
các hệ thống HVAC hoặc chúng yêu
2017 cầu dữ liệu vận hành lịch sử đáng kể
để tìm hiểu các cài đặt vận hành tối ưu.

-Thuật toán được đề xuất giúp tiết
kiệm năng lượng so với các hoạt động
cơ sở.

Optimization of HVAC
system energy
consumption in a
building using artificial
neural network and
multi-objective genetic
algorithm

Nasruddin,
Sholahudin,
Satrio, Pujo
Mahlia,
Teuku
Meurah Indra
Giannetti,
Niccolo
Saito, Kiyoshi

-Việc tối ưu hóa hoạt động của hệ
thống sưởi ấm,thơng gió và điều hịa
khơng khí (HVAC) và các thơng số
2019 khác của tịa nhà nhằm giảm thiểu
mức tiêu thụ năng lượng hàng năm và
tối đa hóa tiện nghi nhiệt được trình
bày trong nghiên cứu này.


Afroz, Zakia
Shafiullah, G.
M.
Urmee, Tania
Shoeb, M. A.
Higgins, Gary

-Khái niệm duy trì chất lượng mơi
trường trong nhà bao gồm nhiệt độ
trong nhà, độ ẩm tương đối, CO2 và
mức hợp chất hữu cơ dễ bay hơi
(VOC) đặt ra những thách thức mới
đối với hoạt động tối ưu của hệ thống
sưởi, thơng gió và điều hịa khơng khí
2022 (HVAC).
-Nghiên cứu này đề xuất một phương
pháp mơ hình hóa và tối ưu hóa hiện
đại để giảm thiểu mức tiêu thụ năng
lượng của các hệ thống HVAC mà
không ảnh hưởng đến chất lượng môi
trường trong nhà.

Predictive modelling
and optimization of
HVAC systems using
neural network and
particle swarm
optimization algorithm

Phương pháp thông thường để giải các vấn đề về tối ưu hóa tịa nhà (BOP) là tối ưu hóa

dựa trên mơ phỏng, trong đó phần mềm mơ phỏng tịa nhà sẽ được kết hợp với thuật tốn
tối ưu hóa (ví dụ: Thuật tốn di truyền). Do đó, phần mềm mơ phỏng tịa nhà tính tốn hàm
mục tiêu (ví dụ: tiện nghi nhiệt, mức tiêu thụ năng lượng) và thuật tốn tối ưu hóa kiểm
sốt các tham số thiết kế....

HVTH: Nguyễn Văn Khôn – 2070544

11


LUẬN VĂN THẠC SĨ NGÀNH QUẢN LÝ XÂY DỰNG - 2023

Hiệu suất của các thiết kế tối ưu hóa dựa trên mơ phỏng phụ thuộc rất nhiều vào các
thuật tốn tối ưu hóa. Hình 2-1 chỉ ra một phân loại các thuật tốn tối ưu hóa được sử dụng
nhiều nhất trong BOP theo phương pháp hoạt động. Các thuật toán tối ưu hóa có thể được
thường được phân thành hai loại: Thuật toán dựa trên độ dốc và thuật toán khơng đạo hàm
(DF).

Hình 2-1 : Phân loại các thuật tốn tối ưu hóa cho BOP
Các phương pháp Gradient-based như thuật toán Levenberg–Marquardt hay thuật toán
Armijo rời rạc sử dụng đạo hàm của hàm để tìm ra lời giải tối ưu. Mặc dù các phương pháp
này có lợi thế từ sự hội tụ nhanh và đảm bảo mức tối thiểu cục bộ, nhưng chúng dễ bị gián
đoạn trong các hàm mục tiêu và hàm đa phương thức, khiến các thuật toán này không phù
hợp với BOP (Attia et al., 2013; Machairas, Tsangrassoulis, & Axarli, 2014; Nguyen et al.,
2014).

HVTH: Nguyễn Văn Khôn – 2070544

12