مروری بر مدل سازی و حل زمان بندی پروژه های با محدودیت چندگانه منابع (RSPSP) با استفاده از الگوریتم ژنتیک

مسئله زمان بندی پروژه ها با محدودیت منابع (RSPSP) یکی از چالش برانگیزترین مسائل برنامه ریزی پروژه است که به عنوان تعمیم یافته ای از RCPSP شناخته می شود و با پیچیدگی NP-hard، نقش مهمی در مدیریت پروژه های صنعتی، ساخت وساز، فناوری اطلاعات و تولید دارد. با وجود توسعه مدل های کلاسیک RCPSP، بسیاری از شرایط واقعی پروژه ها همچون منابع چندمهارتی، ظرفیت متغیر منابع، تقاضای وابسته به پیشرفت فعالیت ها، امکان پیش وقفه گذاری ساختارهای چندحالته و وجود عدم قطعیت همچنان نیازمند مدل سازی پیشرفته تر است. در سال های اخیر رویکردهای RSPSP به ویژه در نسخه های چندمهارتی (MSPSP) مورد توجه فراوان قرار گرفته و پژوهش های متعددی به توسعه مدل های ریاضی، رویکردهای فازی و تصادفی و الگوریتم های فراابتکاری پرداخته اند. در میان روش های فراابتکاری الگوریتم ژنتیک (GA) به دلیل توانایی پیمایش فضای جستجوی بزرگ، سازگاری با مدل های پیچیده و قابلیت ترکیب با روش های تعمیر قیود یکی از موفق ترین روش ها برای حل RSPSP محسوب می شود. این مقاله مروری با هدف تحلیل جامع مدل های موجود RSPSP، مقایسه چارچوب های الگوریتم ژنتیک شامل نمایش کروموزوم، روش های تولید جمعیت اولیه، عملگرهای انتخاب، تقاطع و جهش و بررسی کارایی آن در نسخه های مختلف مسئله انجام گرفته است. همچنین روندهای پژوهشی نوظهور نظیر مدل های مبتنی بر عدم قطعیت، محیط های چندپروژه ای، مدل های چندمهارتی و الگوریتم های ترکیبی بررسی شده و شکاف ها و مسیرهای آتی پژوهش مشخص گردیده اند. نتایج مرور نشان می دهد که توسعه الگوریتم های ژنتیک هوشمند، هیبریدی و سازگار با مدل های پیچیده منابع همچنان مسیر اصلی تحقیقات آینده در حوزه RSPSP است.

کلیدواژه ها:

زمان بندی پروژه با محدودیت منابع (RSPSP) ، الگوریتم ژنتیک (RCPSP ، (GA ، چندمهارتی(MSPSP) ، عدم قطعیت و مدل های فازی تصادفی ، بهینه سازی زمان و منابع