扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

求解资源受限项目调度问题的卷积神经网络:一种新方法

论论资讯 | 2023-03-01 3热度

Decision Science Letters

Explore content

About the journal

Publish with us

A convolutional neural network for the resource-constrained project scheduling problem (RCPSP): A new approach

Golab A.; Gooya E.S.; Al Falou A.; Cabon M.

Published:2023-03-01
DOI:10.5267/j.dsl.2023.2.002

研究背景

项目管理在国家发展和经济增长中扮演着重要角色。项目管理包括多个知识领域,如项目整合管理、项目范围管理、项目进度管理等。其中,资源受限项目调度问题(RCPSP)是进度管理的一部分,是一个重要的研究领域。该问题有两个重要约束条件:资源约束和项目进度中活动的先后关系。研究者们需要在这些约束条件下优化和最小化项目的持续时间,以达到项目目标。然而,传统的元启发式方法需要生成大量的解决方案或人口,这使得研究者们需要寻找一种更高效的算法。

研究内容

本文提出了一种卷积神经网络(CNN)方法来解决标准单模式RCPSP。该算法不需要生成大量的解决方案或人口,相比于传统的元启发式方法具有更高的效率。本文使用串行调度生成方案(SSGS)来安排项目活动,使用进化的CNN作为选择适当优先级规则的工具来过滤候选活动。CNN根据八个项目参数进行学习,这些参数包括网络复杂度、资源因子、资源强度、每个活动的平均工作量等。这些参数是网络的输入,并在每个项目计划步骤中重新计算。此外,发展起来的网络具有优先级规则,这些规则是CNN的输出。因此,在学习过程之后,网络可以自动选择适当的优先级规则来过滤候选活动。通过这种方式,算法能够根据给定的项目约束条件安排所有项目活动。最后,使用PSPLIB中的标准基准问题,将卷积神经网络(CNN)方法与MLFNN方法和标准元启发式方法进行比较。

研究意义

本文提出了一种新颖的方法,使用卷积神经网络来解决资源受限项目调度问题(RCPSP),相比于传统的元启发式方法具有更高的效率。本文的研究成果对于优化和最小化项目的持续时间具有重要意义,同时也为项目管理领域提供了一种新的解决方案。

微信扫码即可查看