| Русский Русский | English English |
   
Главная Архив номеров
17 | 04 | 2024
10.14489/vkit.2014.010.pp.016-022

DOI: 10.14489/vkit.2014.010.pp.016-022

Будыльский А. В., Квятковская И. Ю.
СОСТАВЛЕНИЕ РАСПИСАНИЯ ПРОЕКТА В УСЛОВИЯХ ОГРАНИЧЕННЫХ ВРЕМЕНИ И СТОИМОСТИ
(с. 16-22)

Аннотация. Рассмотрено решение задачи составления оптимального расписания в условиях ограниченных времени и бюджета проекта при помощи модифицированного генетического алгоритма, использующего принципы Парето и коэволюцию. Показана критичность правильности составленного расписания для успеха проекта. Выполнена формализация задачи составления расписания. Представлены основные для расписания понятия и связи между ними. В математической модели показаны целевые функции оптимизации, а также ограничения системы. Обоснована целесообразность приведения поставленной задачи к многокритериальной оптимизации.

Ключевые слова: проект; составление расписания; многокритериальная оптимизация; эволюционные алгоритмы; коэволюция; принципы Парето.

 

Budylskiy A. V., Kvyatkovskaya I. Yu.
PROJECT SCHEDULING PROBLEM UNDER DURATION AND COST CONSTRAINTS
(pp. 16-22)

Abstract. This article considers the multicriteria optimization approach using the modified genetic algorithm with Pareto principles and coevolu-tion to solve the project-scheduling problem under duration and cost constraints. We explain the criticality of project schedule correctness for project success. We identify the mathematical model of the project-scheduling problem. The work describes the main project entities and its relationships. The paper includes the definition of objectives and constraints. The article contains the list of choices for solving this problem. We explain the main disadvantage of using one-criterion optimization approach for multicriteria problem. The multicriteria opti-mization approach is justified here. We explain the advantages of coevolution using in these type of problems. The study describes the coevolution approach together with Pareto principles, which are used in the modified genetic algorithm. The genetic algorithm is a basis of out method. Concurrent threads should be used for this algorithm. We use each of threads for optimization of one criteria. For evaluating fitness value of chromosome we use coevolution. The paper justifies the method advantages. The article includes the example.

Keywords: Project; Project scheduling; Multicriteria optimization; Evolution algorithms; Coevolution; Pareto Библиографический список

Рус

А. В. Будыльский, И. Ю. Квятковская  (Астраханский государственный технический университет) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

A. V. Budylskiy, I. Yu. Kvyatkovskaya (Astrakhan State Technical University) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Рус

1. Задачи распределения ресурсов в управлении проектами [Электронный ресурс] / П. С. Баркалов и др. М.: ИПУ РАН, 2002. 65 с. URL: http://sfpk.at.ua/biblioteka/ PMI/raspred_project.pdf (дата обращения: 23.11.2013).
2. Wiegand R. P. An Analysis of Cooperative Coevolutionary Algorithms. 2003. URL: http://citeseerx.ist. psu.edu/viewdoc/download?doi=10.1.1.109.1816&rep=rep1&type=pdf (дата обращения: 23.11.2013).
3. Konak A., Coit D. W., Smith A. E. Multi-Objec¬tive Optimization Using Genetic Algorithms: A Tutorial. Reliability Engineering and System Safety. 2006. V. 91, № 9. С. 992 – 1007.
4. A Guide to the Project Management Body of Know¬ledge. 5th Ed. Project Management Institute, 2013. 619 с.
5. The Ant Search Algorithm: An Ant Colony Optimi-zation Algorithm for the Optimal Searcher Path Problem with Visibility / M. Morin, L. Lamontagne, I. Abi-Zeid, P. Maupin. 2010. URL: http://www.academia.edu/1144152/ The_Ant_Search_Algorithm_An_Ant_Colony_Optimization_Algo-rithm_for_the_Optimal_Searcher_Path_Problem_with_ Visibility (дата обращения: 15.11.2013).
6. The Bees Algorithm – A Novel Tool for Complex Optimisation Problems / D. T. Pham et al. 2006. URL: https:// svn-d1.mpi-inf.mpg.de/AG1/MultiCoreLab/papers/Pham06% 20-%20The%20Bee%20Algorithm.pdf (дата обращения: 15.11.2013).
7. Busetti F. Simulated Annealing Overview. 2003. URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi= 10.1.1.66.5018&rep=rep1&type=pdf (дата обращения: 15.11.2013).
8. Schaffer J. D. Multiple Objective Optimization with Vector Evaluated Genetic Algorithms // Proc. of an Intern. Conf. on Genetic Algorithm and their Applications. 1985. P. 93 – 100.
9. Coello C. A., Lamont G. B., Van Veldhuizen D. A. Evolutionary Algorithms for Solving Multi-Objective Prob-lems. NY: Springer, 2007. 810 р.

Eng

1. Barkalov P. S. et al. (2002). Allocation problems in project management. Moscow: IPU RAN. Available at: http://sfpk.at.ua/biblioteka/PMI/raspred_project.pdf (Ac-cessed: 23.11.2013).
2. Wiegand R. P. (2003). An Analysis of Cooperative Coevolutionary Algorithms. Available at: http://citeseerx.ist. psu.edu/viewdoc/download?doi=10.1.1.109.1816&rep=rep1&type=pdf (Accessed: 23.11.2013).
3. Konak A., Coit D. W., Smith A. E. (2006). Multi-objective optimization using genetic algorithms: A tutori-al. Reliability Engineering and System Safety, 91(9), pp. 992-1007. doi: 10.1016/j.ress.2005.11.018
4. A Guide to the Project Management Body of Know-ledge. (2013). 5th Ed. Project Management Institute.
5. Morin M., Lamontagne L., Abi-Zeid I., Maupin P. (2010). The Ant Search Algorithm: An Ant Colony Optimization Algorithm for the Optimal Searcher Path Problem with Visibility. Available at: http://www.academia.edu/ 1144152/The_Ant_Search_Algorithm_An_Ant_Colony_Optimization_Algorithm_for_the_Optimal_Searcher_Path_Problem_with_Visibility (Accessed: 15.11.2013).
6. Pham D. T. et al. (2006). The Bees Algorithm – A Novel Tool for Complex Optimisation Problems. Available at: https://svn-d1.mpiinf.mpg.de/AG1/MultiCoreLab/papers/ Pham06% 20-%20The%20Bee%20Algorithm.pdf (Accessed: 15.11.2013).
7. Busetti F. (2003). Simulated Annealing Overview. Available at: http://citeseerx.ist.psu.edu/viewdoc/dow-nload?doi= 10.1.1.66.5018&rep=rep1&type=pdf (Accessed: 15.11.2013).
8. Schaffer J. D. (1985). Multiple Objective Optimiza-tion with Vector Evaluated Genetic Algorithms. Proc. of an International Conference on Genetic Algorithm and their Applications, pp. 93 – 100.
9. Coello C. A., Lamont G. B., Van Veldhuizen D. A. (2007). Evolutionary Algorithms for Solving Multi-Objective Problems. NY: Springer.

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 250 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2014.010.pp.016-022}

.

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 250 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2014.010.pp.016-022}

 

 

 

 

 

.

.

 

 
Поиск
Баннер
Баннер
Rambler's Top100 Яндекс цитирования