یک روش ترکیبی برای حل مساله ی زمانبندی پروژه با منابع محدود با استفاده از ترکیب الگوریتم های تکاملی و بهینه سازی انبوه ذرات

زمانبندی نقش مهمی در حوزه های متفاوت مهندسی از جمله مدیریت پروژه، محاسبات گرید، زمانبندی پرستار، کنترل خط تولید، تولید و توسعه ی نرم افزار و مهندسی ساخت و غیره دارد. یکی از مهم ترین مسائل زمانبندی که در سال های اخیر مورد توجه بسیاری از محققین قرار گرفته مساله زمانبندی پروژه با منابع محدود (rcpsp) است. این مساله شامل مجموعه ای از فعالیت ها، منابع، محدودیت ها و معیار کارایی است. هدف یافتن راهی برای تخصیص منابع به فعالیت ها است به طوری که معیار کارایی بهینه شود. در این پایان نامه یک روش ترکیبی برای حل rcpsp تک حالته با هدف کمینه کردن زمان تکمیل پروژه پیشنهاد کرده ایم. روش پیشنهادی ما از ترکیب الگوریتم ژنتیک و الگوریتم انبوه بهینه سازی ذرات (pso) استفاده می کند. در روش پیشنهادی راه حل های جدید با استفاده از ترکیب الگوی اصلاح شده ی حرکت ذرات در pso و عملگرهای کنترل اکتشاف و استخراج در الگوریتم ژنتیک تولید می شوند. افراد مبتنی بر لیست فعالیت توسعه یافته کدگذاری شده و با استفاده از طرح تولید زمانبندی ترتیبی یا موازی کدگشایی می شوند. برای افزایش بهبود کیفیت راه حل ها یک رویه ی fbi به کار گرفته شده است. همچنین برای افزایش بهبود تنوع جمعیتی یک رویه با نام idrp پیشنهاد شده است. روش پیشنهادی بر روی مجموعه داده های استاندارد موجود که به صورت رایگان در اینترنت موجود است (psplib) اجرا شده و با برخی از روش های موجود در مطالعات مقایسه شده است. نتایج به دست آمده حاکی از آن است، که روش پیشنهادی ما برای حل rcpsp یک راهکار موثر و مناسب را ارائه می کند.