Use of genetic algorithms in multi-objective multi-project resource constrained project scheduling

Abstract

Kaynak kısıtlı proje çizelgeleme problemi, araştırmacılar tarafından, yenilenebilir ve yenilenemez kaynaklar da göz önüne alınarak çokca çalışılmıştır. Çözüm yöntemleri olarak, birçok kesin ve bulgusal yöntem önerilmiştir. İlgili problemin teknik yazında, çok modlu kaynak kısıtlı proje çizelgeleme problemi, çok amaçlı kaynak kısıtlı projeçizelgeleme problem ve kaynak kısıtlı çoklu proje çizelgeleme problem gibi uzantıları çalışılmıştır. Bu çalışmada, çok amaçlı kaynak kısıtlı çoklu proje çizelgeleme problem üzerinde durulmuştur. Çözüm yöntemi olarak, teknik yazinda Bastırılmamış Sınıflandırmalı Genetik Algoritma II (NSGA-II) olarak bilinen algoritma tercih edilmiştir. Çeşitli çaprazlama yöntemleri ve ebeveyn seçim yöntemleri kullanılarak, genetik algoritma parametrelerinin hassas ayarları ayrıntılı bir şekilde yapılmıştır. Bu deneyde, teknik yazinda Yanıt Yüzeyi Yöntemi olarak bilinen istatistiksel bir yaklaşım kullanılmıştır. Çözüm kalitesini geliştirmek için, geriye-ileriye (forward-backward) yöntemi hem işlem sonrası aşamada, hem de algoritma devam ederken yeni nüfus üretilmesinde kullanılmıştır. Ek olarak, çeşitli ıraksama yöntemleri önerilmiştir ve bunlardan entropi temelli olanı ayrıntılı bir şekilde calışılmıştır. Algoritmanin performansı ve çözüm süreleri kaydedilmiştir. Bu çalışmada ayrıca, yeni bir çoklu proje sınama dataları üretme yöntemi önerilmiş, sınama dataları üretilmiş ve bunlar ile algoritmanin performansı sınanmıştır. Sonuçlar, geriye-ileriye yönteminin çözüm kalitesini artırmada etkili olduğunu göstermiştir.

Resource Constrained Project Scheduling Problem (RCPSP) has been studied extensively by researchers by considering limited renewable and non-renewable resources. Several exact and heuristic methods have been proposed. Some important extensions of RCPSP such as multi-mode RCPSP, multi-objective RCPSP and multi-project RCPSP have also been focused. In this study, we consider multi-project and multi-objective resource constrained project scheduling problem. As a solution method, non-dominated sorting genetic algorithm is adopted. By experimenting with different crossover and parent selection mechanisms, a detailed fine-tuning process is conducted, in which response surface optimization method is employed. In order to improve the solution quality, backward-forward pass procedure is proposed as both post-processing as well as for new population generation. Additionally, different divergence applications are proposed and one of them, which is based on entropy measure is studied in depth. The performance of the algorithm and CPU times are reported. In addition, a new method for generating multi-project test instances is proposed and the performance of the algorithm is evaluated through test instances generated through this method of data generation. The results show that backward-forward pass procedure is successful to improve the solution quality.