Nhiều quyết định BĐS không chỉ dự báo mà cần chọn phương án tốt nhất dưới ràng buộc: phân bổ ngân sách CAPEX, chọn mix căn, lịch thi công, lựa chọn phase hoặc phân bổ đất cho các chức năng. Linear Programming – LP – và Mixed-Integer Programming – MIP/MILP – biến bài toán thành decision variables, objective function và constraints.
Điểm mạnh của tối ưu hóa là buộc người ra quyết định nói rõ mục tiêu và giới hạn. Điểm yếu là mô hình sẽ tối ưu chính xác một bài toán sai nếu objective hoặc constraints không phản ánh thực tế.
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 44 · Mô phỏng, tối ưu và tương tác chiến lược
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Ba thành phần cơ bản
| Thành phần | Ví dụ |
|---|---|
| Decision variables | x_i = diện tích/căn/budget phân bổ |
| Objective | Tối đa NPV/NOI; tối thiểu cost/risk |
| Constraints | Budget, FAR, parking, demand, pháp lý |
2. Linear Programming
LP yêu cầu objective và constraints tuyến tính. Ví dụ tối đa Σmargin_i x_i với Σcost_i x_i≤Budget và giới hạn min/max từng loại sản phẩm.
3. Continuous, Integer và Binary variables
Diện tích có thể continuous; số căn là integer; mở hay không mở một block/site là binary. Dùng continuous cho quyết định rời rạc có thể cho nghiệm 2,4 tòa – tối ưu toán học nhưng vô nghĩa.
4. Mixed-Integer Programming
MILP kết hợp biến continuous và integer/binary. Đây là công cụ mạnh cho product mix, phase selection, tenant mix, facility opening và scheduling.
5. Big-M và indicator constraints
Big-M liên kết logic nhị phân với continuous constraints nhưng M quá lớn làm relaxation yếu và numerics xấu. Nên dùng bound chặt hoặc indicator constraints khi solver hỗ trợ.
6. Constraint logic
Ví dụ nếu xây phase 2 thì phase 1 phải xây: y2≤y1. Nếu mở retail podium thì tối thiểu 200 chỗ parking: Parking≥200·y_retail.
7. Objective không chỉ lợi nhuận
Có thể tối ưu NPV, affordable units, carbon hoặc service coverage. Khi có nhiều mục tiêu, weighted sum cần weights có căn cứ; epsilon-constraint hoặc Pareto frontier minh bạch trade-off hơn.
8. Pareto frontier
Một phương án Pareto-efficient không bị phương án khác tốt hơn trên mọi mục tiêu. Investment Committee có thể chọn điểm cân bằng NPV–carbon–affordability sau khi thấy frontier.
9. Feasibility
Solver báo infeasible thường vì constraints mâu thuẫn, không phải lỗi phần mềm. IIS – irreducible infeasible set – giúp chỉ ra nhóm ràng buộc gây xung đột.
10. Shadow price
Dual value trong LP cho biết objective có thể cải thiện bao nhiêu nếu nới constraint thêm một đơn vị trong vùng local. Ví dụ giá trị biên của thêm 1.000 m² GFA hoặc thêm 1 tỷ CAPEX.
11. Sensitivity
Nghiệm tối ưu có thể đổi khi margin, demand cap hoặc cost thay đổi. Sensitivity cho biết solution robust hay chỉ tối ưu ở một điểm giả định.
12. Stochastic optimization
Khi uncertainty quan trọng, two-stage stochastic programming tách quyết định trước uncertainty và recourse sau scenario. Ví dụ mua đất hôm nay, rồi chọn phase sau khi biết demand.
13. Robust optimization
Thay vì xác suất, robust optimization bảo vệ trước uncertainty set. Nó phù hợp khi khó gán probability nhưng biết khoảng biến động hợp lý.
14. Chance constraints
Ví dụ yêu cầu P(DSCR≥1,2)≥95% hoặc P(Cost≤Budget)≥90%. Chance constraints nối trực tiếp risk appetite vào lời giải.
15. Case: product mix
Chọn căn 1PN/2PN/3PN để tối đa margin dưới GFA, parking, cấu trúc tầng, minimum family mix và absorption caps. Integer constraints bảo đảm floor-plan khả thi.
16. Case: CAPEX portfolio
Chọn 20 gói retrofit trong ngân sách 100 tỷ, mỗi gói có NPV, carbon saving, dependency và minimum package. Đây là binary knapsack/MILP.
17. Scheduling
Construction sequencing có precedence, crew capacity, setup time và deadline. MIP hoặc constraint programming phù hợp hơn LP thuần nếu logic 'trước–sau' dày.
18. Objective scaling
Nếu weighted objective ghép tỷ đồng, tấn CO₂ và phút di chuyển, cần normalize hoặc dùng epsilon constraints. Nếu không, biến có đơn vị số lớn sẽ thống trị do scale.
19. Optimality gap
MIP lớn có thể dừng với nghiệm tốt nhưng chưa chứng minh tối ưu tuyệt đối. Optimality gap cho biết khoảng cách giữa incumbent và bound; 1–2% đôi khi đủ cho quyết định thực tế.
20. Cấu trúc dữ liệu
| option_id | profit | cost | resource_1 | min_qty | max_qty | binary_dependency |
|---|---|---|---|---|---|---|
| A | 12 | 8 | 3 | 0 | 100 | B |
21. Governance
Optimizer nên xuất solution, binding constraints, assumptions, near-optimal alternatives và sensitivity. Không nên đưa Investment Committee một con số tối ưu mà không giải thích vì sao.
22. Sai lầm
- Tối ưu point estimates không sensitivity.
- Big-M quá lớn.
- Không kiểm infeasibility.
- Weights đa mục tiêu tùy ý.
- Decision rời rạc dùng continuous.
- Optimal = chắc chắn tốt ngoài đời.
23. Bài tập thực hành
Xây MILP product mix với 3 loại căn, GFA, parking, demand caps, minimum mix và phase binary. Sau đó stress margin ±15%, tạo Pareto frontier giữa NPV và affordable units, rồi báo optimality gap.
24. Near-optimal solutions
Trong thực tế, nghiệm kém tối ưu 0,5% nhưng dễ thi công, ít thay đổi thiết kế và ít nhạy với giả định có thể tốt hơn nghiệm toán học tuyệt đối. Có thể yêu cầu solver tìm nhiều nghiệm trong một optimality tolerance rồi đưa cho nhóm dự án so sánh.
25. Dữ liệu đầu vào phải có đơn vị và nguồn
Mỗi coefficient trong objective và constraint nên có đơn vị, thời điểm và nguồn. Margin tỷ đồng/căn, GFA m², parking chỗ và demand căn/tháng không được trộn mà không quy đổi đúng. Optimization rất nhạy với lỗi đơn vị vì solver vẫn tìm được nghiệm dù input sai.
Ghi nhớ trong 30 giây
- Optimization cần decision variables, objective và constraints.
- LP cho quan hệ tuyến tính; MILP thêm quyết định rời rạc.
- Feasibility và formulation quan trọng hơn phần mềm.
- Uncertainty nên được đưa vào sensitivity, stochastic hoặc robust optimization.
- Optimal chỉ đúng trong phạm vi assumptions và constraints.
Nguồn tham khảo
- Hillier & Lieberman – Introduction to Operations Research.
- Winston – Operations Research: Applications and Algorithms.
- OR-Tools, HiGHS và SCIP documentation.
Bài tiếp theo: Facility Location Model: chọn vị trí dưới ràng buộc cầu, khoảng cách và công suất