بهسازي پارامترهاي حل‌كننده مساله صدق‌پذيري براي زمان‌بندي پروژه با منابع محدود چندحالته

Tuning Parameters for SAT Solver Problem in Multi-Mode Resource Constrained Project Scheduling Problem

مساله‌ زمان‌بندي پروژه با منابع محدود چندحالته تعميم مساله‌ زمان‌بندي پروژه با منابع محدود تك حالته (RCPSP) است. هدف آن، انتخاب يك حالت اجرايي براي هر فعاليت به‌منظور زمان‌بندي پروژه با حداقل زمان اجرا است به‌طوري‌كه محدوديت‌هاي پيش‌نيازي، منابع تجديدپذير و تجديدناپذير رعايت شوند. در روشي كه اخيرا معرفي شده، اين مساله در دو گام مجزا حل مي‌ شود. در گام نخست، با استفاده از مفاهيم جبر بول، درخت شمارشي و همچنين حل‌كننده‌ مساله‌ي صدق‌پذيري، مساله زمان‌بندي پروژه با منابع محدود چند حالته‌ به يك RCPSP تبديل شده و در گام دوم با كمك يكي از الگوريتم‌هاي زمان‌بندي، RCPSP حل مي‌شود. مشكل اساسي اين روش، كم آوردن حافظه و زمان اجراي طولاني در برخي موارد است. در اين مقاله سه راهكارجديد يعني مرتب‌سازي و دو قاعده هرس براي رفع اين مشكلات ارايه شده است.نتايج آزمون‌ها نشان مي دهند كه اعمال پيشنهادات در تعديل مشكلات روش حل به ميزان قابل توجهي موثر بوده و براساس معيارهاي تعيين شده توانسته است در مواردي بيش از 88 درصد روند را بهبود بخشد. از اين طريق نه تنها سرعت پردازش ارتقا يافته بلكه در ميزان حافظه مورد نياز نيز صرفه‌جويي شده است.

Multi-mode resource constrained project scheduling problem (MRCPSP) is a generalization of the resource constrained project scheduling problem (RCPSP). The objective of the MRCPSP is to determine a schedule with minimum makespan by selecting exactly one mode of execution for each activity subject to the precedence constraints as well as the renewable and non-renewable resource constraints. New algorithm splits the MRCPSP into two steps. First step, borrowing ideas from the Boolean algebra, enumeration schemes and satisfiability (SAT) problem solver the problem is converted into a single mode project scheduling problem(RCPSP) and twice step, is then solved using an efficient meta-heuristic procedure from the literature. The main problem with this method is, it often requires a higher CPU times and also larger memory. In order to improve the performance of the method, in this article propose three rules: ordering and two rule of pruning. Our experimental results show that in majority of cases, implementation of our rules lead to significant improvements regarding computer running time and the need for memory about 88 percent.