سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,500
تعداد مشاهده مقاله124,086,209
تعداد دریافت فایل اصل مقاله97,189,630
Damghani, K., Tavakkoli-Moghaddam, Reza, Tabari, M.. (1390). Solving Resource Constraint Project Scheduling Problems Using Modified Ant Colony Optimization. , 45(1), 59-69.
K. Damghani; Reza Tavakkoli-Moghaddam; M. Tabari. "Solving Resource Constraint Project Scheduling Problems Using Modified Ant Colony Optimization". , 45, 1, 1390, 59-69.
Damghani, K., Tavakkoli-Moghaddam, Reza, Tabari, M.. (1390). 'Solving Resource Constraint Project Scheduling Problems Using Modified Ant Colony Optimization', , 45(1), pp. 59-69.
Damghani, K., Tavakkoli-Moghaddam, Reza, Tabari, M.. Solving Resource Constraint Project Scheduling Problems Using Modified Ant Colony Optimization. , 1390; 45(1): 59-69.

Solving Resource Constraint Project Scheduling Problems Using Modified Ant Colony Optimization

Advances in Industrial Engineering
مقاله 5، دوره 45، شماره 1 - شماره پیاپی 600832، تیر 2011، صفحه 59-69    اصل مقاله (312 K)
نویسندگان
K. Damghani؛ Reza Tavakkoli-Moghaddam؛ M. Tabari
چکیده
Resource Constraints Project Scheduling Problem (RSPSP) seeks proper sequence of implementation of project activities in a way that the precedence relations and different type of resource constraints are met concurrently. RCPSP tends to optimize some measurement function as make-span, cost of implementation, number of tardy tasks and etc. As RCPSP is assumed as an NP-Hard problem so, different meta-heuristic approaches have been proposed to solve different variants of it. In this paper, a modified Ant Colony Optimization (ACO) approach has been developed to deal with RCPSP. The definition of probabilistic selection rule has been modified in proposed approach in favor of better performance. Moreover, the parameters of algorithm have been determined in an adaptive manner and the stagnation behavior has been prevented in high iterations of algorithm. Uncertainty of parameters of RCPSP has also been discussed. The proposed algorithm has been coded using Visual Basic software and tested on benchmark instance in this area. The results are promising and have been compared with optimal or best known solutions.
کلیدواژه‌ها
Ant colony Optimization؛ meta-heuristic methods؛ Resource constraint project scheduling
عنوان مقاله [English]
حل مسایل زمانبندی پروژه‌ها با منابع محدود با استفاده از الگوریتم مورچگان اصلاح شده
نویسندگان [English]
کاوه خلیلی دامغانی؛ رضا توکلی مقدم؛ مجتبی طبری
چکیده [English]
موضوع زمانبندی پروژه‌ها با منابع محدود1 (RCPSP) در پی یافتن توالی مناسبی برای انجام فعالیت‌های یک پروژه است؛ به نحوی که محدودیت‌های تقدم و و تأخر شبکه پروژه و انواع مختلف محدودیت‌های منبعی موجود در پروژه به طور همزمان ارضا و معیار سنجش معینی از جمله زمان انجام پروژه، هزینه انجام، تعداد فعالیت‌های تأخیر‌دار و غیره بهینه شوند. RCPSP، یک مسئله چندجمله‌ای غیرقطعی سخت2 به شمار می‌آید و اهمیت این موضوع در ابعاد عملی باعث شده است که تا کنون رویکردهای فراابتکاری متعددی برای حل این موضوع ارایه شود. در این مقاله رویکردی بر اساس بهینه‌سازی توسط کلونی مورچگان برای حل مسئله زمانبندی پروژه‌ها با منابع محدود ارایه شده است. از جمله تفاوت‌های اصلی رویکرد ارایه شده در این مقاله می‌توان به تعریف قانون انتخاب احتمالی به شکل نوین، تغییر عوامل الگوریتم به شکل تطبیقی، جلوگیری از بروز رفتارهای نامناسب و تعیین رفتار کلی الگوریتم در تکرارهای بالا اشاره کرد. در مورد نبود قطعیت برخی از عوامل مسئله نیز بحث و بررسی شده است. الگوریتم با استفاده از نرم افزار VB 6.0 کد شده و بر مثال‌های الگو3 در این زمینه آزمایش شده است. نتایج حاصل امیدوارکننده بوده و با جواب‌های بهینه در صورت وجود یا با بهترین جواب‌های یافت شده مقایسه شده‌اند.
کلیدواژه‌ها [English]
بهینه‌سازی توسط کلونی مورچگان, روش‌های فرابتکاری, زمانبندی پروژه با منابع محدود
آمار
تعداد مشاهده مقاله: 3,709
تعداد دریافت فایل اصل مقاله: 8,573


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب