ارائه الگوريتمي كارا براي حل مسئله سرمايه گذاري در منابع با فعاليت هاي چند حالته

An efficient algorithm for multi-mode resource investment problem

مسئله سرمايه گذاري در منابع يكي از مسائل زمان بندي پروژه است كه در آن سطح دسترسي منابع به عنوان متغير تصميم در نظر گرفته مي شود و هدف پيدا كردن يك برنامه زمان بندي و سطح نيازمندي منابع است، به طوريكه هزينه كل منابع كمينه شود. در اين نوشته ((مسئله سرمايه گذاري در منابع با فعاليت هاي چند حالته)) مورد بررسي قرار مي گيرد كه در آن فعاليتها چندين حالت اجرا دارند. براي هر فعاليت در هر حالت اجرا، طول انجام فعاليت و همچنين مقدار منابع مورد نياز آن مي تواند تغيير كند. با توجه به پيچيدگي بسيار بالاي مسئله و عدم امكان ارائه جواب دقيق براي مسائل با ابعاد بزرگ، در اين مقاله يك الگوريتم ژنتيك براي حل اين مسئله ارائه شده است و كارايي آن با حل 50 مسئله نمونه مورد ارزيابي قرار گرفته است. بررسي ادبيات موضوع نشان مي دهد تنها تعداد بسيار كمي مقاله به ارائه روش حل براي اين مسئله پرداخته اند و عدم اثبات كارايي اين روش ها علت اصلي توسعه مقاله حاضر بوده است. نتايج به دست آمده مويد اين مطلب است كه كارايي الگوريتم پيشنهادي كاملا رضايت بخش است

A resource investment problem (RIP) is a project-scheduling problem in which the availability levels of the resources are considered as decision variables and the goal is to find a schedule, and resource requirement levels, such that the total cost of the resources minimizes. This paper investigates the "multimode resource investment problem" (MMRIP) in which activities have multiple modes. For each activity, the duration can be modified with the mode, as well as the quantity of resources required. Regarding the very high complexity of the problem and the lack of exact solutions for large scale problems, in this paper a genetic algorithm is presented (GA) to solve this problem and its performance has been evaluated by solving 150 problems. According to the exiting literature, there are very few papers which have provided a solution method with established performance, and this had been the main enthusiasm for developing the current study. The results of the experimentation are quite satisfactory.