Рассматривается применение генетических алгоритмов для задачи составления расписания проекта
Вид материала | Документы |
- Уктуре генетических алгоритмов, рассмотрю один из примеров использования алгоритмов,, 101.45kb.
- Задачи : Определить наличие алгоритмов в школьных предметах: география, математика,, 99.61kb.
- М. А. Жужа Ключевые слова: олимпиадные задачи по физике, приёмы составления задач,, 94.17kb.
- Доклады по секции «Приложения методов оптимизации», 22.26kb.
- Секция “Краевые задачи в физике и химии твердого тела”, 31.36kb.
- Рабочая программа учебной дисциплины (модуля) Программная реализация экспертных систем, 94.38kb.
- «Применение ит в молекулярной генетике», 325.87kb.
- Сведения для составления расписания по кафедре прикладной математики и информатики, 96.49kb.
- Белая Холуница Кировская область Описание проекта Название проекта Алгоритмы и основы, 179.54kb.
- В. Е. Латов Тульский государственный университет mibo@klax tula ru Эволюционное моделирование, 65.56kb.
УДК 004.896(06) Интеллектуальные системы и технологии
O.В. КОКШАГИНА
Московский государственный технический университет им Н.Э. Баумана
МОДИФИЦИРОВАННЫЙ ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ДЛЯ ЗАДАЧИ СОСТАВЛЕНИЯ РАСПИСАНИЯ ПРОЕКТА
Рассматривается применение генетических алгоритмов для задачи составления расписания проекта. К проектам разработки наукоемкой продукции предъявляются жесткие требования относительно сроков и бюджета. Представлена постановка задачи, иллюстрирующая основные проблемы, возникающие при планировании проекта, и предложено её решение с помощью генетического алгоритма.
Рассмотрим следующую постановку задачи: проект представляет собой совокупность работ и ресурсов. Ресурс характеризуется нормальным количеством потребления в день (в единицах ресурса), стоимостью единицы ресурса при нормальном потреблении.
Работа характеризуется длительностью, списком назначенных ресурсов, списком предшествующих и последующих работ.
Составить расписание работ проекта можно с помощью генетических алгоритмов, в основе идеи которых лежит постепенное улучшение состава популяции на основе естественного отбора.
Возможные результаты задачи представляются в виде хромосом, состоящих из генов.
При решении задачи составления расписаний в качестве хромосомы выбрана последовательность работ.
В этом случае необходимо выполнить требование, чтобы значения всех генов (аллели) были уникальными, т.е. каждая работа должна быть включена в расписание один раз, при этом должны быть выполнены все работы проекта, т.е. каждая работа должна попасть в расписание.
При добавлении очередной работы в расписании ресурсы на ее выполнение должны быть свободны, а предшествующие работы (при их наличии) включены в расписание.
Соответственно в качестве хромосом могут использоваться не любые случайные последовательности работ, а только заранее допустимые.
Данные ограничения обуславливают разработку модифицированного генетического алгоритма, т.е. помимо алгоритма для вычисления функции пригодности, следует разработать алгоритмы формирования начальной популяции, операторы кроссинговера, мутации [1].
Учет всех ограничений поможет избежать возникновения недопустимых решений.
В большинстве случаев при планировании проекта приходится искать баланс между его стоимостью и длительностью.
Тогда в качестве функции полезности могут выступать произведение или сумма длительности и стоимости выполнения работ проекта.
Постановку задачи можно изменить или расширить с учетом особенностей управления конкретной организации, при этом решение можно будет также найти с помощью генетического алгоритма.
Модификацией рассмотренной задачи может быть добавление новых ограничений и ввод новых понятий, так, например, ресурсы могут быть унарными, иметь сверхурочное потребление в день, могут объединяться в смены, быть взаимозаменяемыми.
Дополнительным ограничением могут стать календари ресурсов и работ. При планировании проекта каждому ресурсу можно назначить календарь, в соответствии с которым будут определяться его рабочие часы, и вычисляться длительность его работы [2, 3].
Список литературы
В. В. Емельянов, В. М. Курейчик, В. В. Курейчик Теория и практика эволюционного моделирования. М.: Физматлит, 2003. 432 c.
- И.П. Норенков Генетические методы структурного синтеза проектных решений // Журнал «Информационные технологии» №1, 1998.
- Д.И. Батищев, Э.Д. Гудман, И.П. Норенков, М.Х. Прилуцкий Метод декомпозиции для решения комбинаторных задач упорядочения и распределения ресурсов // Журнал «Наука в образовании: электронное научное издание» №9, 2004.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10