В статье рассмотрен эвристический метод решения задачи планирования работ на основе интеграции эволюционного и имитационного моделирования. Задача планирования проектных работ связана с оптимизацией объема привлекаемого субподряда с целью максимизации загруженности собственных ресурсов предприятия. Для решения задачи разработан интеллектуальный агент генетической оптимизации, реализующий эволюционный метод генетических алгоритмов. Интеллектуальный агент является частью программного комплекса поиска решения задачи планирования, в который входит также модуль мультиагентного имитационного моделирования. Имитационная модель предназначена для оценки функций пригодности особей-решений с учетом динамического характера распределения собственных и субподрядных ресурсов по проектным работам. При решении реальной задачи планирования проектных работ проведено сравнение предложенного метода генетической оптимизации и эвристико-имитационного метода, основанного на анализе выходных параметров имитационной модели выполнения проектных работ. В результате сравнения выявлено преимущество метода генетической оптимизации по достижению наиболее эффективного решения задачи планирования проектных работ.
The article presents a heuristic method for solving the scheduling problem based on the integration of evolution modeling and simulation modeling. The project scheduling problem is connected with the optimization of involved subcontract in order to maximize the utilization of the own company resources. An intelligent agent of genetic optimization has been developed for solving this problem on the basis of applying a genetic algorithm. The intelligent agent is a part of the scheduling solution finding program complex that also includes multi-agent simulation module. A simulation model is intended to evaluate the fitness function of the genetic algorithm beings with considering dynamic nature of resources allocation to the project works. Comparison of the proposed genetic optimization method and the heuristic-simulation method based on the analysis of the simulation model output parameters has been done for real project scheduling problem. The comparison has shown the advantage of the multiagent genetic optimization method that achieves the most efficient scheduling problem solution.
1. Аксенов К. А., Антонова А. С. Применение имитационного моделирования и технологии интеллектуальных агентов для решения задачи управления проектами // Научно-технические ведомости СПбГПУ. – СПб., 2011. – № 4(128). – Информатика. Телекоммуникации. Управление. – С. 27-36.
2. Бежитский С. С., Семенкин Е. С. Эволюционные алгоритмы для автоматизации проектирования распределенных систем обработки информации и управления // Десятая национальная конференция по искусственному интеллекту с международным участием КИИ-2006: Сборник трудов: В 3 т. – М.: Физматлит, 2006. – Т. 3. – С. 1005-1012.
3. Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования.– М.: ФИЗМАТЛИТ, 2003. – 432 с.
4. Мышенков К. С., Романов А. Ю. Метод решения задачи календарного планирования ремонтов технологического оборудования предприятия с использованием генетического алгоритма // Наука и образование: электронное научно-техническое издание. – 2011. – № 9. –URL: http://technomag.edu.ru/doc/212208.html (дата обращения 6.10.2012).
5. Hartmann S., Drexl A. Project scheduling with multiple modes: a comparison of exact algorithms // Networks. – 1998. – Vol. 32, No 4. – P. 283–297.
6. Osaba E., Carballedo R., Diaz F. Simulation tool based on a memetic algorithm to solve a real instance of a dynamic TSP // Proceedings of the IASTED International Conference Applied Simulation and Modelling, June 25-27, 2012. – Napoli, Italy. – P. 27-33.
7. Sriprasert, E., Dawood, N. N. Genetic algorithms for multi-constrained scheduling: an application for the construction industry // Proceedings of the CIB W78's 20th International Conference on Construction IT, Construction IT Bridging the Distance, CIB Report 284, Waiheke Island, New Zealand, 23-25 April 2003. – P. 341-353.