FenixEdu™

Dissertação

{en_GB=A Genetic Algorithm for the Flexible Resource-Constraine Multi-Project Scheduling Problem} {} EVALUATED

Detalhes: {pt=O problema de planeamento flexível de múltiplos projetos com recursos limitados (FRCMPSP) é um problema de otimização do ramo da gestão de projetos. Consiste em agendar atividades de duração variável para minimizar os atrasos e avanços ponderados de vários projetos. Instâncias de teste baseadas no mundo real são resolvidas para encontrar planos e perfis de recursos viáveis que cumpram simultaneamente as restrições de todos os projetos num ambiente agregado. Neste trabalho, uma abordagem meta-heurística híbrida para o FRCMPSP foi desenvolvida e avaliada. Esta contém um esquema de geração de planos adaptado ao problema, que está embutido num algoritmo genético (AG). As variações dentro do AG foram analisadas, nomeadamente através de regras de prioridade e adaptação dos operadores. O desempenho dos métodos propostos é demonstrado num estudo com métodos de referência da literatura. Foram alcançadas soluções viáveis para a maioria das instâncias de teste utilizadas (62,5%), considerando um subconjunto diversificado. O impacto da flexibilidade dos parâmetros de recursos e datas-limite foi avaliado, sendo a capacidade instalada o parâmetro mais influente na função objetivo., en=The production planning problem for an engineer-to-order company is addressed. This problem was modeled as a flexible resource-constrained multi-project scheduling problem (FRCMPSP). The FRCMPSP is an optimization problem in the field of project management. It consists of scheduling activities of variable duration to minimize the weighted-earliness-tardiness of several projects. Real-world-based problem instances are solved to find feasible schedules and resource profiles that simultaneously fulfill the constraints of all projects in an aggregated environment. In this work, a hybrid metaheuristic approach for the FRCMPSP is developed and evaluated. It contains a problem-adapted schedule generation scheme, which is embedded into a genetic algorithm (GA). Variations within the GA were analyzed, namely through priority rules and adaptation of operators. The performance of the proposed methods is demonstrated in a computational study with benchmark methods from the literature. It achieved feasible solutions for most of the benchmark test instances (62.5%) considering a diverse subset. The impact of flexibility of resource and due date parameters was evaluated, and resource availability had the largest influence on the objective function.}
Keywords: {pt=Planeamento de projetos, Perfis flexíveis de recursos, Ponderação de avanços e atrasos, Meta-heurísticas, en=Project scheduling, Flexible Resource Profiles, Weighted-earliness-tardiness, Metaheuristics}

Discussão: dezembro 6, 2022, 15:30