Метод ветвей и границ для решения задачи минимизации платы за внешние ресурсы

Обложка

Цитировать

Полный текст

Аннотация

Рассматривается задача построения расписания работ, выполняемых на одном приборе. Заданы отношения предшествования между работами, а также подмножества работ, требующих дополнительные внешние ресурсы, за аренду которых взимается плата. Для каждого внешнего ресурса однозначно определены крайние (первая и последняя) работы, выполняемые с использованием этого ресурса. Необходимо упорядочить работы, не нарушив отношения предшествования и минимизируя суммарные арендные выплаты. Доказана теорема об NP-трудности данной задачи в сильном смысле даже при условии одинаковой продолжительности всех работ и одинаковых цен на все внешние ресурсы. На основе свойств целевой функции для решения поставленной задачи предлагаются нижние оценки и метод ветвей и границ, в котором перебор ведется по допустимым перестановкам крайних работ, использующих внешние ресурсы. Проведенный вычислительный эксперимент показал эффективность предлагаемых нижних оценок целевой функции, позволяющих отсекать бесперспективные ветви в дереве поиска. Определен тип входных данных задачи, для которого разработанный метод работает лучше других известных вариантов точных методов, в которых перебор происходит на множестве всех работ. В частности, на задачах большой размерности при количестве внешних ресурсов меньше 20 данный метод оказывается эффективнее решателя CP Optimizer на базе программирования в ограничениях.

Об авторах

Елена Геннадьевна Мусатова

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: nekolyap@mail.ru
Moscow

Александр Алексеевич Лазарев

ФГБУН Институт проблем управления им. В.А. Трапезникова РАН

Email: jobmath@mail.com
Moscow

Список литературы

  1. 1. КИБЗУН А.И., РАССКАЗОВА В.А. Модель целочисленно-го линейного программирования как математическое обес-печение системы оптимального планирования потоковогопроизводства на этапе оперативного графикования // Ав-томатика и телемеханика. – 2023. – №5. – С. 113—132.
  2. 2. МУСАТОВА Е.Г., ЛАЗАРЕВ А.А. Задача минимизации сум-марной взвешенной длительности курсов для одного прибо-ра с ограничениями предшествования // Автоматика и теле-механика. – 2023. – №9. – С. 153–168.
  3. 3. BRISKORN D., DAVARI M., MATUSCHKE J. Single-machinescheduling with an external resource // European Journal ofOperational Research. – 2021. – Vol. 293, No. 2. – P. 457–468.
  4. 4. BRUCKER P. Scheduling algorithms. – Springer: Heidelberg,2007. – 371 p..
  5. 5. CHEN B., POTTS C.N., WOEGINGER G.J. A reviewof machine scheduling: complexity, algorithms andapproximability // Handbook of Combinatorial Optimization. –Boston, MA: Springer US, 1998. – P. 1493–1641.
  6. 6. CSEBFALVI A.B., CSEBFALVI G. Hammock activities inproject scheduling // Proc. of the Sixteenth Annual Conf. ofPOMS. – Chicago, IL, 2005.
  7. 7. ELIEZER O. A new bi–objective hybrid metaheuristicalgorithm for the resource-constrained hammock cost problem(RCHCP). – Doctoral Dissertation. – Pecs, 2011. – 111 p.
  8. 8. GRAHAM R.L., LAWLER E.L., LENSTRA J.K., KAN A.R.Optimization and approximation in deterministic sequencingand scheduling: a survey // Annals of discrete mathematics. –1998. –Vol. 5 –P. 287–326.
  9. 9. HARHALAKIS G. Special features of precedence networkcharts // European Journal of Operational Research. – 1990. –Vol. 49, No. 1. – P. 50–59.
  10. 10. LAWLER E.L. Optimal sequencing of a single machine subjectto precedence constraints // Management Science. – 1973. –Vol. 19, No. 5. – P. 544–546.
  11. 11. LAWLER E.L. Sequencing jobs to minimize total weightedcompletion time subject to precedence constraints // Annals ofDiscrete Mathematics. – 1978. – Vol. 2 – P. 75-–90.
  12. 12. LAZAREV A., KHUSNULLIN N., MUSATOVA E. et al.Minimization of the weighted total sparsity of cosmonauttraining courses // Communications in Computer andInformation Science. – 2019. – Vol. 974. – P. 202–215.
  13. 13. LENSTRA J.K., RINNOOY KAN A.H.G. Complexityof scheduling under precedence constraints // OperationsResearch. – 1978. – Vol. 26, No. 1. – P. 22–35.
  14. 14. MOHRING R.H. Minimizing costs of resource requirements inproject networks subject to a fixed completion time // OperationsResearch. – 1984. – Vol. 32, No. 1. – P. 89—120.
  15. 15. NADERI B., RUIZ R., ROSHANAEI V. Mixed-integerprogramming vs. constraint programming for shop schedulingproblems: New results and outlook // INFORMS Journal onComputing. – 2023. – Vol. 35, No. 4. – P. 817–843.
  16. 16. RASSKAZOVA V.A. LIP model in solving RCPSP at theflow type production // Communications in Computer andInformation Science. – 2024. – Vol. 1913. – P. 75–88.
  17. 17. RODRIGUES S.B., YAMASHITA D.S. An exact algorithm forminimizing resource availability costs in project scheduling //European Journal of Operational Research. – 2010. – Vol. 206,No. 3. – P. 562–568.
  18. 18. TOMCZAK M., JASKOWSKI P. Scheduling repetitiveconstruction projects: Structured literature review // Journal ofCivil Engineering and Management. – 2022. – Vol. 28, No. 6. –P. 422–442.
  19. 19. VANHOUCKE M. Work continuity constraints in projectscheduling // Journal of Construction Engineering andManagement. – 2006. – Vol. 132, No. 1. – P. 14–25.
  20. 20. VANHOUCKE M. Work continuity optimization for theWesterscheldetunnel Project in the Netherlands // Tijdschriftvoor economie en management. – 2007. – Vol. 52, No. 3. –P. 435–449.
  21. 21. ZHANG A., ZHEN T., CHEN Y., CHEN G. An improvedalgorithm for parallel machine scheduling under additionalresource constraints // Optimization Letters. – 2023. – Vol. 17,No. 3. – P. 753–769.
  22. 22. ZOU X., WU G., ZHANG Q. Work continuity constraintsin repetitive project scheduling considering soft logic //Engineering, Construction and Architectural Management. –2021. – Vol. 28, No. 6. – P. 1713–1738.
  23. 23. https://www.ibm.com/docs/es/icos/22.1.0 (дата обращения:15.04.2025).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».