فهرس المقالات RCPSP

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - A ‎M‎athematical Optimization Model for Integrating the Problems of Discrete Time-Cost Tradeoff (DTCTP) and Multi-Mode Resource-Constrained Project Scheduling (‎MRCPSP)‎
  M. A. Shafiee F. Hosseinzadeh ‎Lotfi‎ M. R. Shahriari R. ‎Radfar‎
  10.30495/ijim.2023.36595.1197
  ‎The problem of resource-constrained project scheduling(RCPSP) and the problem of time-cost tradeoff (DTCTP) are two mathematical optimization problems that have long mattered in project management in such a way that reducing the completion time of a project, which أکثر

  ‎The problem of resource-constrained project scheduling(RCPSP) and the problem of time-cost tradeoff (DTCTP) are two mathematical optimization problems that have long mattered in project management in such a way that reducing the completion time of a project, which is achieved through increasing the resources required for executing the activities, usually turns into a necessity in practice. The existing methods and algorithms for solving this problem, considering the cost-slope of the activities as a pivotal index, have been defined differently to date. Yet, this paper aims to present a framework whereby project scheduling and time-cost tradeoff can be addressed under the circumstances that several modes of execution exist for each activity. Apart from the renewable resources, the non-renewable resources have also been taken into consideration for each activity. Hence, initially, a mathematical optimization model based on the assumptions of the problems is proposed, and then, via changing the variables and other mathematical modelling techniques, the problems are integrated and developed in form of a mixed-integer linear mathematical programming model. Eventually, the model is solved using the branch and bound method and the results are studied with sensitivity ‎analysis.‎ تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - حل مسئله زمانبندی پروژه با محدودیت منابع چندهدفه در حالت چند مد با الگوریتم زنبورهای عسل چندهدفه
  Amir Sadeghi Sina Namazi Zahra Ghorajehlo Behnam Rezvanpour
  مساله زمان‌بندی پروژه با منابع محدود، در واقع کلی ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. در این مقاله مسئله زمانبندی پروژه با محدودیت منابع در حالت چند مد و رو أکثر

  مساله زمان‌بندی پروژه با منابع محدود، در واقع کلی ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی ، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. در این مقاله مسئله زمانبندی پروژه با محدودیت منابع در حالت چند مد و روابط پیش نیازی جزئی در حالت مدل چندهدفه پیشنهاد شده است. در جهت کاربردی تر کردن بیش از پیش این مسئله مشهور اهداف مهم و کاربردی از قبیل کمینه کردن زمان اتمام پروژه و بیشینه کردن کیفیت انجام فعالیت های پروژه و کمینه کردن هزینه کل پروژه در نظر گرفته شده است. پس از اعتبار دهی مدل با استفاده از الگوریتم زنبورهای عسل به حل این مدل چند هدفه پیشنهادی، پرداخته شده است و نتایج عملکرد، با الگوریتم NSGA-II مقایسه شده است. نتایج نشان دهنده این است که الگوریتم پیشنهادی عملکرد مناسبی در حل این گونه مسائل داشته است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - حل مسئله زمانبندی پروژه با هدف کمینه سازی زمان اتمام پروژه با محدودیت منابع با الگوریتم فراابتکاری قورباغه
  Alireza Haji Akhondi Gholam Reza Tavakoli Peyman Akhavan Manouchehr Manteghi
  الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال‌های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه می‌گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از رو أکثر

  الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال‌های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه‌ی جستجوی غذای گروه‌های قورباغه سرچشمه می‌گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه‌های قورباغه از روش نمو ممتیک استفاده می‌کند. SFLA از استراتژی ترکیب استفاده می‌کند و امکان مبادله پیام در جستجوی محلی را فراهم می‌سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه‌سازی گروه ذرات (PSO) را ترکیب می‌کند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است. مساله زمان‌بندی پروژه با منابع محدود در واقع کلی ترین مساله زمان‌بندی است. مسائل زمان‌بندی کارگاهی، جریان کارگاهی ، زمان‌بندی و سایر مسائل زمان‌بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمان‌بندی پروژه یکی از وظایف اصلی و فعالیت‌های اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیت‌ها مسئله زمان‌بندی پروژه را امری دشوار می‌سازد. زمان‌بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودیت منابع پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - An Evolutionary Algorithm Based on a Hybrid Multi-Attribute Decision Making Method for the Multi-Mode Multi-Skilled Resource-constrained Project Scheduling Problem
  Amir Hossein Hosseinian Vahid Baradaran
  10.22094/joie.2018.556347.1531
  This paper addresses the multi-mode multi-skilled resource-constrained project scheduling problem. Activities of real world projects often require more than one skill to be accomplished. Besides, in many real-world situations, the resources are multi-skilled workforces. أکثر

  This paper addresses the multi-mode multi-skilled resource-constrained project scheduling problem. Activities of real world projects often require more than one skill to be accomplished. Besides, in many real-world situations, the resources are multi-skilled workforces. In presence of multi-skilled resources, it is required to determine the combination of workforces assigned to each activity. Hence, in this paper, a mixed-integer formulation called the MMSRCPSP is proposed to minimize the completion time of project. Since the MMSRCPSP is strongly NP-hard, a new genetic algorithm is developed to find optimal or near-optimal solutions in a reasonable computation time. The proposed genetic algorithm (PGA) employs two new strategies to explore the solution space in order to find diverse and high-quality individuals. Furthermore, the PGA uses a hybrid multi-attribute decision making (MADM) approach consisting of the Shannon’s entropy method and the VIKOR method to select the candidate individuals for reproduction. The effectiveness of the PGA is evaluated by conducting numerical experiments on several test instances. The outputs of the proposed algorithm is compared to the results obtained by the classical genetic algorithm, harmony search algorithm, and Neurogenetic algorithm. The results show the superiority of the PGA over the other three methods. To test the efficiency of the PGA in finding optimal solutions, the make-span of small size benchmark problems are compared to the optimal solutions obtained by the GAMS software. The outputs show that the proposed genetic algorithm has obtained optimal solutions for 70% of test problems. تفاصيل المقالة