نوع مقاله : مقاله پژوهشی

نویسندگان

عضو هیات علمی دانشگاه خواجه نصیرالدین طوسی

چکیده

یکی از مسائل کاربردی زمان بندی پروژه، که در سال های اخیر موردتوجه محققان قرار گرفته، مسألة
سرمایه گذاری در منابع می باشد. در این مسأله، برخلاف سایر مسائل زمان بندی پروژه، سطح دردسترس
بودن منابع موردنیاز پروژه به صورت متغیر تصمیم مطرح شده و مدنظر است که علاوه بر زمان بندی
فعالیت ها، سطح تدارک منابع نیز مشخص گردند. مطالعات انجام شده در این زمینه، محدود به بهینه سازی
یک تابع هدف می باشد. در این مقاله، مسألة سرمایه گذاری در منابع به منظور بهینه سازی همزمان اهداف
حداقل مدت زمان اتمام پروژه و حداقل هزینه های تدارک منابع، تعریف و مورد بررسی قرار می گیرد. به
منظور حل مسأله، دو الگوریتم فراابتکاری به نام های الگوریتم ژنتیک دو مرحله ای زیر جمعیتی و الگوریتم
ژنتیک چندجمعیتی، ارائه می شود. همچنین باتوجه به معیارهای ارزیابی، عملکرد دو الگوریتم مورد
سنجش قرار می گیرد.

کلیدواژه‌ها

عنوان مقاله [English]

Problem with Objectives of Minimizing Resource Costs and Minimizing Project Completion Time

نویسندگان [English]

  • amir abas najafii
  • faramarz shamsnatari
  • mohammad najafi

چکیده [English]

 
A Resource Investment Problem is a project scheduling problem recently considered. In this issue, in contrast with other project scheduling, the project availability of needed resources level is considered decision variable and the goal is to find a schedule and resource requirement level. Researches regarding this field are related to optimizing an objective. In this paper, resource investment problem is studied for simultaneous optimization minimizing projectspan and project resource costs. Two multi-objective meta-heuristic algorithms, two process sub-population genetic algorithms and multi-population genetic algorithm are proposed to find solutions. According to evaluation criteria, the function of two algorithms is computationally compared and.

. آذر، عادل و منصور مومنی، آمار و کاربرد آن در مدیریت، جلد دوم، تهران: انتشارات سمت،
2. Akpan, E.O.P., Optimal resource determination for project scheduling, Production Planning and Control, 8(5), 462-468, 1997.
3 Baker, K., Introduction to sequencing and scheduling, John Wiely and Sons, 1974.
4. Blazevics, J., Complexity of computer scheduling algorithms under resource constraints, First Meeting of the AFCET on Applied Mathematics, Poland, 169-178, 1978.
5. Chang, P., S. Chen, and K. Lin, Two-phase sub population genetic algorithm for parallel machine-scheduling problem, Expert Systems with Applications, 29, 705–712, 2005.
6. Cochran, J. K., S. Min Horng and J. W. Fowler, “A multi-population genetic algorithm to solve multi-objectivescheduling problems for parallel machines”, Computers and Operations Research, 30, 1087–1102, 2003.
7. Kolisch, R., Schwindt, C., and Sprecher, A., Benchmark instances for project scheduling problems, in: J. Weglarz (Ed.): Handbook on Recent Advanced in Project Scheduling, Kluwer Academic publishers, Dordrecht, 1998.
8. Mohring, R.H., Minimizing costs of resource requirements in project networks subject to a fix completion time, Operations Research, 32, 89–120, 1984.
9. Najafi A.A., and S.T.A. Niaki, A genetic algorithm for resource investment problem with discounted cash flows, Applied Mathematics and Computation, 183, 1057–1070, 2006.
10. Nuamann, K., C. Schwindt and J. Zimmerman, Project Scheduling with Time Windows and Scarce Resources, Springer, Berlin, 2003.
11. Nubel, H., The resource renting problem subject to temporal constraints, OR Spektrum, 23, 574–586, 2001.
12. Qian, B., L. Wang, D. Huang, W. Wang and X. Wang, An effective hybrid DE-based algorithm for multi-objective flow shop scheduling with limited buffers, Computers and Operations Research, 36, 209 – 233, 2009.
13. Shadrokh, S. and F. Kianfar, A genetic algorithm for resource investment project scheduling problem tardiness permitted with
21 مطالعاتمدیریتصنعتی،سالیازدهم،شماره 22 ،تابستان 22
penalty, European Journal of Operational Research, 181, 86–101, 2007.
14. Tavares, L., A review of the contribution of operation research to project management, European Journal of Operational Research, 136, 1–18, 2002.