Trang chủ » Nghiên cứu » Các Trung tâm nghiên cứu » PTN Mô hình hóa, mô phỏng và tối ưu hóa – MSOLab

Nghiên cứu

PTN Mô hình hóa, mô phỏng và tối ưu hóa – MSOLab
Các Trung tâm nghiên cứu

PTN Mô hình hóa, mô phỏng và tối ưu hóa – MSOLab

Cập nhật lần cuối: 03/06/2022 12:01
23
Th6

1. Thông tin chung

Phòng thí nghiệm Mô hình hóa, Mô phỏng và Tối ưu hóa (Modeling, Simulation and Optimization Lab – MSO)

2. Giới thiệu phòng thí nghiệm

MSO Lab là đơn vị nghiên cứu chuyên sâu về Tối ưu hóa. Các hướng nghiên cứu chính của MSO bao gồm: Trí tuệ nhân tạo và Học máy, Thuật toán và tối ưu, Tính toán hiệu năng cao. MSO định hướng nghiên cứu cơ bản và công bố kết quả nghiên cứu trên các tạp chí và hội thảo quốc tế hàng đầu. MSO sẽ tiên phong áp dụng các nghiên cứu cơ bản về thuật toán và tối ưu để giải các bài toán thực tế chẳng hạn trong lĩnh vực kho vận, lập lịch, các hệ thống thông minh, các bài toán thiết kế mạng, các bài toán tối ưu trong mạng cảm biến.

MSO hợp tác với các nhóm nghiên cứu mạnh của các trường đại học nước ngoài Melbourne University, University of Technology Sydney, như Nanyang Technological University… và một số doanh nghiệp nước ngoài tại Việt Nam như Cinnamon, DAC…

MSO đã và đang chủ trì 04 đề tài NAFOSTED hợp tác với Bỉ và Đức, 02 đề tài cấp Bộ, 1 đề tài cấp Nhà nước, 01 đề tài hợp tác quốc tế được tài trợ bởi U.S Army Research Lab và nhiều đề tài cấp cơ sở.

3. Các lĩnh vực nghiên cứu chính

Thuật toán và Tối ưu (Algorithms and Optimization); Trí tuệ nhân tạo (Artificial Intelligence), Tính toán hiệu năng cao (High Performance Computing), Học máy (Machine Learning), Tính toán tiến hóa (Evolutionary Computation).

4. Các chủ đề nghiên cứu đang quan tâm

Tính toán tiến hóa, học đa nhiệm, thuật toán trên một số cấu trúc đồ thị đặc biệt, AutoML, phát hiện và theo bám đối tượng, các bài toán tối ưu trong lĩnh vực kho vận, lập lịch, các hệ thống thông minh, các bài toán thiết kế mạng, các bài toán tối ưu trong mạng cảm biến.

5. Các dự án/đề tài NCKH tiêu biểu

Đề tài cấp Quốc gia

1. Tên đề tài: Phát triển và hoàn thiện phần mềm sử dụng cho việc xây dựng Bộ CSDL về mẫu vật địa chất, thổ nhưỡng và sinh vật sử dụng cho Hệ thống Bảo tàng thiên nhiên Việt Nam (DATP.03/15-17)

  • Chủ trì: TS. Vũ Văn Thiệu
  • Thời gian thực hiện: 6/2016 – 12/2019
  • Nguồn tài trợ: Viện hàn lâm khoa học và công nghệ Việt Nam
  • Mô tả ngắn gọn: Nhiệm vụ của đề tài là phát triển và hoàn thiện phần mềm sử dụng cho việc xây dựng Bộ CSDL về mẫu vật địa chất, thổ nhưỡng và sinh vật sử dụng cho Hệ thống Bảo tàng thiên nhiên Việt Nam. Yêu cầu cụ thể của phần mềm là: Đảm bảo truy cập và nhập dữ liệu nhanh (thời gian tối đa cho một truy vấn dữ liệu (query) là 0,4 giây, theo chuẩn QRTi của MySql) và chính xác (đảm bảo dữ liệu không bị mất mát khi truy/xuất, đảm bảo hiển thị đầy đủ các dữ liệu chứa từ khóa khi tìm kiếm). Đảm bảo tính bảo mật dư liệu và an toàn an ninh thông tin. Các đặc tính khác của phần mềm tương đương với các phần mềm đang được các bảo tàng lớn trên thế giới sử dụng.

Nhiệm vụ nghiên cứu cơ bản Quỹ Phát triển khoa học và công nghệ quốc gia (NAFOSTED)

1. Tên đề tài: Kéo dài thời gian hoạt động của mạng Internet vạn vật sử dụng các thuật toán lấy cảm hứng từ tự nhiên

  • Chủ trì: PGS. Huỳnh Thị Thanh Bình
  • Thời gian thực hiện: 2020-2022
  • Nguồn tài trợ: NAFOSTED
  • Mô tả ngắn gọn: Cùng với sự phát triển của công nghệ vi xử lý, thu thập và xử lý dữ liệu thông minh, mạng Internet vạn vật (IoT) ngày càng được sử dụng rộng rãi và đóng vai trò quan. Phần lớn các mạng IoT là các mạng tự vận hành, các nút mạng thường bị giới hạn về năng lượng. Vì vậy, một trong những vấn đề cấp thiết đối với mạng IoT là tối ưu hoá năng lượng tiêu thụ của các nút mạng nhằm kéo dài tối đa tuổi thọ mạng. Đây là một vấn đề thu hút sự chú ý của rất nhiều nhà nghiên cứu. Năng lượng tiêu thụ của các nút mạng phụ thuộc vào rất nhiều yếu tố, từ triển khai lắp đặt cho tới vận hành. Do đó, tối ưu năng lượng là một bài toán khó, đặc biệt là với các mạng IoT thế hệ mới, có cấu hình phức tạp và sử dụng các công nghệ tân tiến.
    Mặc dù đã có nhiều nghiên cứu tối ưu hoá năng lượng của mạng IoT, các nghiên cứu hiện tại chỉ tập trung vào một số loại hình mạng nhất định và giải quyết bài toán tối ưu với các giả thiết lý tưởng. Trong nghiên cứu này, chúng tôi hướng tới một giải pháp tối ưu hoá năng lượng toàn diện cho các mạng IoT. Cụ thể, chúng tôi đề xuất các mô hình mạng IoT gần với thực tế, đưa ra các giải pháp tối ưu hoá năng lượng sử dụng các công nghệ tân tiến nhất. Các bài toán tối ưu hoá năng lượng là các bài toán NP-khó và thường không thể tìm được lời giải chính xác với các bộ dữ liệu kích thước lớn. Chúng tôi sẽ áp dụng các thuật toán thông minh lấy cảm hứng từ tự nhiên nhằm đưa ra lời giải hiệu quả nhất.

2. Tên đề tài: Phương pháp thuật toán và tổ hợp trên một số cấu trúc rời rạc (102.01-2016.05)

  • Chủ trì: PGS.TS. Đỗ Phan Thuận
  • Thời gian thực hiện: từ 4/2017 đến 4/2019
  • Nguồn tài trợ: NAFOSTED
  • Mô tả ngắn gọn: áp dụng thuật toán tổ hợp và đồ thị vào một số bài toán tối ưu tổ hợp trong mạng truyền thông, bài toán phát hiện xâm nhập mạng, bài toán tối ưu trong trí tuệ nhân tạo.

3. Tên đề tài: Phát triển các kỹ thuật meta-heuristic giải các bài toán tối ưu trong các hệ thống phân tán và hệ thống phần mềm (DFG 102.01-2016.03

  • Chủ trì: PGS.TS Huỳnh Thị Thanh Bình
  • Thời gian thực hiện:  từ 07/2017 đến 07/2019
  • Nguồn tài trợ: NAFOSTED – DFG (Hợp tác song phương NAFOSTED và Quỹ nghiên cứu quốc gia Đức)
  • Mô tả ngắn gọn: Việc kết hợp và chia sẻ nhiều dạng tài nguyên trong các hệ thống phân tán và xây dựng các hệ thống phần mềm chạy trên các hạ tầng mạng khác nhau là một xu thế công nghệ mới, điển hình là Internet of Things (IoT). Mặc dù ứng dụng IoT hiện nay mới chỉ dừng ở mức sử dụng công nghệ, nhưng các ứng dụng này đòi hỏi phải xử lý một lượng dữ liệu khổng lồ, trong môi trường phân tán trong thời gian thực với các giới hạn về năng lực xử lý, bộ nhớ, nguồn pin của thiết bị cuối. Đề tài này quan tâm đến hai hướng nghiên cứu chính và đề xuất các vấn đề cần nghiên cứu liên quan:
    – Hạ tầng IoT: tối ưu việc triển khai mạng cảm biến không dây trong công nghệ IoT; giảm độ trễ trong truyền thông của hạ tầng mạng IoT.
    Phát triển phần mềm cho IoT: tối ưu hóa phần mềm IoT để đáp ứng yêu cầu phi chức năng của phần mềm; sinh dữ liệu tự động cho kiểm thử phần mềm trong môi trường IoT; Đánh giá và kiểm thử tiến hóa dịch vụ trong các môi trường IoT.
    Hai hướng nghiên cứu và các đề xuất nghiên cứu trong đề tài đều được chứng minh là dẫn tới phải giải quyết các bài toán tối ưu tổ hợp thuộc lớp NP-Khó. Hiện nay, các ứng dụng IoT mới dừng lại ở việc sử dụng công nghệ chưa hoặc ít xây dựng được các kỹ thuật metaheuristic để giải quyết các vấn đề tối ưu trong các hạ tầng IoT và phát triển phần mềm IoT. Vì vậy, vấn đề sử dụng các kỹ thuật metaheuristic để giải quyết lớp các bài toán NP-Khó trong các hệ phân tán và phần mềm là một chủ đề cần được nghiên cứu sâu thêm.

4. Tên đề tài: Nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán điều hành xe với tham số không cố định (FWO. 102.2013.04)

  • Chủ trì: TS. Phạm Quang Dũng
  • Thời gian thực hiện: từ 04/2014 đến 04/2016
  • Nguồn tài trợ: NAFOSTED
  • Mô tả ngắn gọn: Mục tiêu của đề tài là nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán lập lộ trình vận tải vận chuyển người và hàng hóa trong các kịch bản tĩnh và động. Gồm các nội dung: Nghiên cứu và xây dựng mô hình bài toán điều hành xe với tham số không cố định. Nghiên cứu các thành tựu trong ứng dụng học máy để dự đoán về mật độ giao thông. Nghiên cứu và phát triển modun dự đoán các tham số không cố định (mật độ giao thông, yêu cầu khách hàng) của bài toán điều hành xe. Nghiên cứu, phát triển và thử nghiệm các thuật toán tối ưu giải bài toán đặt ta với các hướng tiếp cận khác nhau như tìm kiếm địa phương, tính toán tiến hóa, quy hoạch nguyên.

 

Đề tài cấp Bộ

1. Tên đề tài: Nghiên cứu phát triển thuật toán truyền dữ liệu tối ưu và công cụ sinh mã tự động trên các bộ xử lý đồ hoạ (GPU computing) cho một số bài toán tính toán hiệu năng cao (B2015-01-90)

  • Chủ trì: TS. Vũ Văn Thiệu
  • Thời gian thực hiên: 2015-2017
  • Nguồn tài trợ:  Bộ Giáo dục và Đào tạo
  • Mô tả ngắn gọn: Đề tài tập trung nghiên cứu và giải quyết hai vấn đề phức tạp, ảnh hưởng trực tiếp đến hiệu suất của chương trình CUDA, đó là vấn đề đồng bộ trong tính toán và vấn đề tối ưu hóa truyền thông giữa CPU với GPU và giữa các GPU. Việc cài đặt một chương trình CUDA bằng tay thường tốn nhiều thời gian và hiệu quả không cao. Phạm vi nghiên cứu cụ thể là chúng tôi sẽ đề xuất các phương pháp giải quyết hai vấn đề nêu trên và nghiên cứu phát triển một công cụ sinh mã tự động, có thể tự động tạo chương trình CUDA hiệu quả cho nhiều bài toán tính toán hiệu năng cao khác nhau.

 

Đề tài Hợp tác quốc tế

1. Tên đề tài Multitasking Evolutionary Algorithms for Optimizing Artificial Neural Network and Graph-based Models

  • Chủ trì: PGS. Huỳnh Thị Thanh Bình
  • Thời gian thực hiện: 2019-2022
  • Nguồn tài trợ:  US Army Research Lab, US Army International Research Center – Asia Pacific.
  • Mô tả ngắn gọn: Nhiều ứng dụng thực tế trong các lĩnh vực như kinh tế, công nghiệp, khoa học được quy về các bài toán tối ưu tổ hợp như các bài toán tìm đường (routing), bài toán xếp lịch (scheduling), các bài toán thiết kế mạng, bài toán huấn luyện mạng neural… Phần lớn các bài toán tối ưu tổ hợp có nhiều ứng dụng quan trọng trong thực tế lại thuộc vào lớp bài toán NP-khó. Các thuật toán giải gần đúng không đảm bảo tìm được lời giải chính xác mà thường chỉ tìm được lời giải gần đúng (xấp xỉ). Tuy nhiên, thời gian chạy của các thuật toán này thường chấp nhận được với mọi bộ dữ liệu. Hiện nay, chưa có kỹ thuật nào cho phép tìm được lời giải chính xác với thời gian chấp nhận được đối với các bài toán tối ưu tổ hợp dạng NP-khó với trường hợp bộ dữ liệu lớn. Các thuật toán tiến hóa là một cách tiếp cận khác để xử lý các bài toán NP-khó đang được chú ý trong thời gian gần đây. Đề tài này đề xuất, phát triển các mô hình tiến hóa đa nhiệm để giải các bài toán tối ưu như các bài toán tối ưu trên đồ thị, các bài toán huấn luyện trong mạng neural, các bài toán có ứng dụng trong thiết kế hệ thống phân phối hàng hóa, tưới tiêu trong nông nghiệp….

6. Các công bố khoa học tiêu biểu

  • Nguyen Thi Tam, Huynh Thi Thanh Binh, Dinh Anh Dung, Phan Ngoc Lan, Le Trong Vinh, Bo Yuan, Xin Yao, A hybrid clustering and evolutionary approach for wireless underground sensor network lifetime maximization, Information Sciences, 504 (2019), pp. 372–393 (Q1, IF 5.5).
  • Huynh Thi Thanh Binh, Pham Dinh Thanh, Ta Bao Thang, New Approach to Solving The Clustered Shortest-Path Tree Problem Based on Reducing The Search Space of Evolutionary Algorithm, Knowledge-Based Systems, 180 (2019), pp. 12-25 (Q1, IF 5.1).
  • Nguyen Thi Hanh, Huynh Thi Thanh Binh, Nguyen Xuan Hoai, Marimuthu Swami Palaniswami, An Efficient Genetic Algorithm for Maximizing Area Coverage in Wireless Sensor Networks, Information Sciences, Volume 488, 2019, pp. 58-75 (Q1, IF 5.5).
  • Huynh Thi Thanh Binh, Nguyen Thi My Binh, Nguyen Hong Ngoc, Dinh Thi Ha Ly, Nguyen Duc Nghia, Efficient Approximation Approaches to Minimal Exposure Path Problem in Probabilistic Coverage Model for Wireless Sensor Networks, Applied Soft Computing, Vol 76, 2019, pp. 726-743 (Q1, IF 4.8).
  • Huynh Thi Thanh Binh, Nguyen Thi Hanh, La Van Quan, Nguyen Duc Nghia, Nilanjan Dey, Metaheuristics for Maximization of Obstacles Constrained Area Coverage in Heterogeneous Wireless Sensor Networks, Applied Soft Computing, Vol 86, 2020 (IF 4.8)
  • Huynh Thi Thanh Binh, Nguyen Thi Hanh, La Van Quan, Nilanjan Dey, Improved Cuckoo Search and Chaotic Flower Pollination Algorithms for Maximizing Area Coverage in Wireless Sensor Networks, Neural Computing and Applications, Vol 30, 2018, pp. 2305-2317 (Q1, IF 4.6).
  • Phan Thuan Do, Nguyen Viet Dung Nghiem, Ngoc Quang Nguyen, Quang Dung Pham. A time-dependent model with speed windows for share-a-ride problems: A case study for Tokyo transportation. Data & Knowledge Engineering, Volume 114, Pages 67-85.
  • Quang Minh HA, Yves Deville, Quang Dung PHAM, Minh Hoang HA. On the min-cost traveling salesman problem with drone. Transportation Research Part C – Emerging technologies, Pages 597– 621.
  • Do, V. Nam and Le, H. Anh and Vu, V. Thieu. Real-space and plane-wave hybrid method for electronic structure calculations for two-dimensional materials. Phys Rev B, Vol. vol.95, pp 165130 – 165139, 2017.
  • BUI Quoc Trung, Yves Deville, PHAM Quang Dung. Exact methods for solving the elementary shortest and longest path problems. Annals of Operations Research, Vol. vol. 238, pp 1-36, 2016.

7. Các nhóm nghiên cứu

Thuật toán và Tối ưu (Algorithms and Optimization):

Tính toán hiệu năng cao (High Performance Computing)

Học máy và Thị giác máy (Machine Learning and Computer Vision)

8. Các giải thưởng, kết quả nghiên cứu tiêu biểu

8.1 Các giải thưởng

8.2 Kết quả nghiên cứu tiêu biểu

Open CBLS: Thư viện Tìm kiếm cục bộ dựa trên ràng buộc và ứng dụng

OpenCBLS là một Framework mã nguồn mở được thiết kế và xây dựng (dựa trên kiến trúc chuẩn của tìm kiếm cục bộ dựa trên ràng buộc) cho phép người phát triển ứng dụng mô hình hóa và tìm kiếm lời giải cho nhiều bài toán tối ưu tổ hợp xuất hiện trong nhiều lĩnh vực quản lý điều hành lập kế hoạch.

Framework một mặt có thể được sử dụng như một black-box theo nghĩa người phát triển ứng dụng mô hình hóa bài toán sử dụng các API của OpenCBLS và OpenCBLS sẽ tự vận hành để tìm kiếm lời giải. Mặt khác, người phát triển ứng dụng có thể tự thiết kế và cài đặt các module mới, tích hợp vào framework để đáp ứng các yêu cầu đặc thù mới đặt ra.

OpenCBLS đã được sử dụng cho đào tạo, nghiên cứu cũng như triển khai một số ứng dụng trong đời sống như giải pháp lập lộ trình vận chuyển. OpenCBLS có thể được truy cập và sử dụng miễn phí tại https://github.com/dungkhmt/OpenCBLS

Liên hệ: TS. Phạm Quang Dũng (dungpg@soict.hust.edu.vn)

Nghiên cứu giải pháp lập lộ trình vận chuyển

Nhóm nghiên cứu: TS. Phạm Quang Dũng (dungpq@soict.hust.edu.vn)

Tối ưu bao phủ trong mạng cảm biến

Tối ưu bao phủ như bao phủ vùng, bao phủ đối tượng, bao phủ biên có ứng dụng trong thành phố thông minh, quân sự. Nghiên cứu về tối ưu bao phủ trong mạng cảm biến đã được công bố trên các tạp chí uy tín như Information Sciences, Applied Soft Computing, Knowledge Based Systems…

Nghiên cứu về kép dài thời gian sống của mạng với tối ưu vị trí đặt nút trạm ứng dụng trong dự báo thiên tai đã nhận được giải thưởng cho bài báo tốt nhất tại 2015 IEEE HTC.

Nghiên cứu về tối ưu bao phủ đảm bảo kết nối đã được chọn trong 10 nhóm tốt nhất trong cuộc thi cho các nhà khoa học trẻ của IEEE vùng châu Á – Thái Bình Dương năm 2017

Liên hệ: PGS. Huỳnh Thị Thanh Bình (binhht@soict.hust.edu.vn)

Tiến hóa đa nhân tố giải các bài toán tối ưu

Tiến hóa đa nhân tố có thể áp dụng để giải nhiều bài toán tối ưu tương tự nhau cùng lúc. Kết quả nghiên cứu đã được công bố trên các tạp chí uy tín như Information Sciences, Knowledge Based Systems, Memetic Computing và hội thảo đầu ngành như IEEE Congress on Evolutionary Computation.

Nhóm nghiên cứu đã giành Giải Nhất tại cuộc thi Tiến hóa đa nhiệm, Tối ưu đa nhiệm đơn mục tiêu, 2018 IEEE World Congress on Computational Intelligence.

Liên hệ: PGS. Huỳnh Thị Thanh Bình (binhht@soict.hust.edu.vn)

Nhận dạng đối tượng

Liên hệ: TS. Đinh Viết Sang (sangdv@soict.hust.edu.vn)

Lập lịch trong Fog Computing

Việc quản lý cung ứng tài nguyên trong điện toán sương mù là vấn đề được nhiều nhà khoa học, doanh nghiệp quan tâm. Vì nhu cầu của người dùng cuối thay đổi theo thời gian nên điện toán sương mù cần có cơ chế cung ứng tài nguyên hợp lý tùy theo nhu cầu của người dùng tại mỗi thời điểm. Do đó, nhóm nghiên cứu tập trung vào việc giải quyết bài toán cung ứng tài nguyên trong điện toán sương mù (phù hợp với yêu cầu của người dùng ở thời điểm hiện tại và trong tương lai) bằng cách sử dụng các kỹ thuật dự báo, reinforcement learning, machine learning,…

Kết quả nghiên cứu đã được công bố trên tạp chí và hội thảo uy tín như IJCNN, Applied Sciences.

Liên hệ: PGS. Huỳnh Thị Thanh Bình (binhht@soict.hust.edu.vn)

9. Nghiên cứu sinh

a.  Nguyễn Thị Hạnh (Đã bảo vệ)

  • Tên đề tài: Metaheuristic giải bài toán tối ưu bao phủ và đảm bảo kết nối trong mạng cảm biến
  • Giáo viên hướng dẫn: PGS. Huỳnh Thị Thanh Bình

b.  Phạm Đình Thành

  • Tên đề tài: Các thuật toán tiến hóa giải các bài toán tối ưu
  • Giáo viên hướng dẫn: PGS. Huỳnh Thị Thanh Bình

c.  Nguyễn Thị Mỹ Bình

  • Tên đề tài: Các thuật toán xấp xỉ giải bài toán bao phủ biên trong mạng cảm biến
  • Giáo viên hướng dẫn: PGS. Huỳnh Thị Thanh Bình

d.  Nguyễn Văn Sơn

  • Tên đề tài: Nghiên cứu và phát triển các thuật toán tối ưu giải các bài toán lập lộ trình vận tải người và hàng hóa.
  • Giáo viên hướng dẫn: TS. Phạm Quang Dũng

e. Nguyễn Thị Tâm

  • Tên đề tài: Các thuật toán xấp xỉ giải bài toán tối ưu trong mạng cảm biến ngầm.
  • Giáo viên hướng dẫn: PGS. Huỳnh Thị Thanh Bình

f. Trần Thị Hương

  • Tên đề tài: Thuật toán xấp xỉ giải bài toán lập lịch sạc trong mạng cảm biến có thể sạc không dây.
  • Giáo viên hướng dẫn: PGS. Huỳnh Thị Thanh Bình