Combining Monte-Carlo and hyper-heuristic methods for the multi-mode resource-constrained multi-project scheduling problem

منابع چند متغیری و برنامه ریزی پروژه با محدودیت پیشین، یک مشکل بهینه سازی چالش شناخته شده در دنیای واقعی است. یک نوع مهم از این مشکل، برنامه ریزی فعالیت هایی را برای پروژه های متعدد با توجه به دسترسی منابع محلی و جهانی به عهده دارد، در حالی که احتیاج به تعدادی محدودیت دارد. جنبه بحرانی معیارهایی که در این مقاله مورد توجه قرار گرفته است این است که هدف اصلی این است که مجموع زمانهای تکمیل پروژه را به حداقل رسانده و با به حداقل رساندن ماتریس معمول به عنوان یک هدف ثانویه به حداقل برسانیم. ما متوجه می شویم که این منجر به یک ساختار کلی انتظار می رود که راه حل های خوب و بحث در مورد اثرات این بر روی طراحی الگوریتم است. این مقاله ترکیبی از دقت طراحی شده از جستجوی درخت مونت کارلو، حرکت محله جدید، الگوریتم های مامیتی و روش های فوق العاده اکتشافی را ارائه می دهد. پیاده سازی نیز برای افزایش سرعت انجام تکرارها و همچنین بهره گیری از توان محاسباتی دستگاه های چند هسته ای طراحی شده است. ارزیابی تجربی نشان می دهد که الگوریتم چند جزء به اشتراک گذاری اطلاعات به طور قابل توجهی از سایر حل کننده ها بر روی مجموعه ای از هیدنا برتر است؟ موارد، به عنوان مثال موارد موجود در مرحله طراحی الگوریتم.