برنامه نویسی خطی عدد صحیح مختلط برای مسائل تسطیح منابع

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

برنامه نویسی خطی عدد صحیح مختلط برای مسائل تسطیح منابع

عنوان لاتین

Mixed-integer linear programming for resource leveling problems

ما مسائل زمان بندی پروژه را مشروط به محدودیت های زمانی کلی در نظر می گیریم، که در آن ها استفاده از مجموعه منابع تجدید پذیر باید طی یک گستره ی برنامه ریزی پیش نویسی شده یکنواخت شود. بویژه، ما برنامه ی سنتی تسطیح منابع را در نظر می گیریم، که در آن تغییر در استفاده از منابع طی اجرای پروژه کاهش داده می شود، و مسئله ی به اصطلاح اضافه بار، که در آن در صورتی که از یک آستانه ی تعیین شده استفاده از منابع گذر شود، به هزینه ها افزوده می شود، پدید می آید. برای هر دو مسئله، ما فرمول های مدل خطی عدد صحیح مختلط جدید و تکنیک های پردازش کاهش دامنه ارائه می دهیم. به منظور تقویت روش ها، کران های پایینی و بالایی برای ضرورت های منابع در نقاطت خاصی در زمان، و همچنین صفحات موثر برشکاری، طراحی می شوند. ما از CPLEX 12.1 برای حل نمونه های مقیاس متوسط و همچنین مثال های مجموعه تست های معروف طراحی شده توسط کولیش و همکارانش (1999) استفاده می کنیم. مثال هایی که دارای حدودا 50 فعالیت می باشند و فرجه های فشرده ی پروژه برای اولین بار به بهینگی حل شدند.

We consider project scheduling problems subject to general temporal constraints, where the utilization of a set of renewable resources has to be smoothed over a prescribed planning horizon. In particular, we consider the classical resource leveling problem, where the variation in resource utilization during project execution is to be minimized, and the so-called ‘‘overload problem’’, where costs are incurred if a given resource-utilization threshold is exceeded. For both problems, we present new mixed-integer linear model formulations and domain-reducing preprocessing techniques. In order to strengthen the models, lower and upper bounds for resource requirements at particular points in time, as well as effective cutting planes, are outlined. We use CPLEX 12.1 to solve medium-scale instances, as well as instances of the well-known test set devised by Kolisch et al. (1999). Instances with up to 50 activities and tight project deadlines are solved to optimality for the first time.