Branch-and-bound algorithn for solving problem of minimizing fees for external resources

封面

如何引用文章

全文:

详细

We consider a problem of scheduling jobs performed on a single machine. Precedence relations between jobs are established, as well as subsets of jobs that require additional external resources, for which a fee is charged. For each external resource, the extreme (first and last) job to be executed using that resource is uniquely determined. It is necessary to order the jobs without violating the precedence relations and minimizing total rent payments. We have proved that this problem is NP-hard in the strong sense, even if the processing times of all jobs are the same and the prices of all external resources are equal. Based on the properties of the objective function, lower bounds and the branch-and-bound method are proposed to solve the problem. In this method, enumeration is performed according to feasible permutations of extreme jobs using external resources. The computational experiment showed the efficiency of the proposed lower bounds of the objective function, which make it possible to cut off unpromising branches in the search tree. We also determined the type of input data for which the developed method is more successful than another known variant of exact methods that enumerate all jobs. In particular, for large-dimensional problems with fewer than 20 external resources, this method proves to be more efficient than CP Optimizer solver which is based on constraint programming.

作者简介

Elena Musatova

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: nekolyap@mail.ru
Moscow

Alexander Lazarev

V.A. Trapeznikov Institute of Control Sciences of RAS

Email: jobmath@mail.com
Moscow

参考

  1. 1. КИБЗУН А.И., РАССКАЗОВА В.А. Модель целочисленно-го линейного программирования как математическое обес-печение системы оптимального планирования потоковогопроизводства на этапе оперативного графикования // Ав-томатика и телемеханика. – 2023. – №5. – С. 113—132.
  2. 2. МУСАТОВА Е.Г., ЛАЗАРЕВ А.А. Задача минимизации сум-марной взвешенной длительности курсов для одного прибо-ра с ограничениями предшествования // Автоматика и теле-механика. – 2023. – №9. – С. 153–168.
  3. 3. BRISKORN D., DAVARI M., MATUSCHKE J. Single-machinescheduling with an external resource // European Journal ofOperational Research. – 2021. – Vol. 293, No. 2. – P. 457–468.
  4. 4. BRUCKER P. Scheduling algorithms. – Springer: Heidelberg,2007. – 371 p..
  5. 5. CHEN B., POTTS C.N., WOEGINGER G.J. A reviewof machine scheduling: complexity, algorithms andapproximability // Handbook of Combinatorial Optimization. –Boston, MA: Springer US, 1998. – P. 1493–1641.
  6. 6. CSEBFALVI A.B., CSEBFALVI G. Hammock activities inproject scheduling // Proc. of the Sixteenth Annual Conf. ofPOMS. – Chicago, IL, 2005.
  7. 7. ELIEZER O. A new bi–objective hybrid metaheuristicalgorithm for the resource-constrained hammock cost problem(RCHCP). – Doctoral Dissertation. – Pecs, 2011. – 111 p.
  8. 8. GRAHAM R.L., LAWLER E.L., LENSTRA J.K., KAN A.R.Optimization and approximation in deterministic sequencingand scheduling: a survey // Annals of discrete mathematics. –1998. –Vol. 5 –P. 287–326.
  9. 9. HARHALAKIS G. Special features of precedence networkcharts // European Journal of Operational Research. – 1990. –Vol. 49, No. 1. – P. 50–59.
  10. 10. LAWLER E.L. Optimal sequencing of a single machine subjectto precedence constraints // Management Science. – 1973. –Vol. 19, No. 5. – P. 544–546.
  11. 11. LAWLER E.L. Sequencing jobs to minimize total weightedcompletion time subject to precedence constraints // Annals ofDiscrete Mathematics. – 1978. – Vol. 2 – P. 75-–90.
  12. 12. LAZAREV A., KHUSNULLIN N., MUSATOVA E. et al.Minimization of the weighted total sparsity of cosmonauttraining courses // Communications in Computer andInformation Science. – 2019. – Vol. 974. – P. 202–215.
  13. 13. LENSTRA J.K., RINNOOY KAN A.H.G. Complexityof scheduling under precedence constraints // OperationsResearch. – 1978. – Vol. 26, No. 1. – P. 22–35.
  14. 14. MOHRING R.H. Minimizing costs of resource requirements inproject networks subject to a fixed completion time // OperationsResearch. – 1984. – Vol. 32, No. 1. – P. 89—120.
  15. 15. NADERI B., RUIZ R., ROSHANAEI V. Mixed-integerprogramming vs. constraint programming for shop schedulingproblems: New results and outlook // INFORMS Journal onComputing. – 2023. – Vol. 35, No. 4. – P. 817–843.
  16. 16. RASSKAZOVA V.A. LIP model in solving RCPSP at theflow type production // Communications in Computer andInformation Science. – 2024. – Vol. 1913. – P. 75–88.
  17. 17. RODRIGUES S.B., YAMASHITA D.S. An exact algorithm forminimizing resource availability costs in project scheduling //European Journal of Operational Research. – 2010. – Vol. 206,No. 3. – P. 562–568.
  18. 18. TOMCZAK M., JASKOWSKI P. Scheduling repetitiveconstruction projects: Structured literature review // Journal ofCivil Engineering and Management. – 2022. – Vol. 28, No. 6. –P. 422–442.
  19. 19. VANHOUCKE M. Work continuity constraints in projectscheduling // Journal of Construction Engineering andManagement. – 2006. – Vol. 132, No. 1. – P. 14–25.
  20. 20. VANHOUCKE M. Work continuity optimization for theWesterscheldetunnel Project in the Netherlands // Tijdschriftvoor economie en management. – 2007. – Vol. 52, No. 3. –P. 435–449.
  21. 21. ZHANG A., ZHEN T., CHEN Y., CHEN G. An improvedalgorithm for parallel machine scheduling under additionalresource constraints // Optimization Letters. – 2023. – Vol. 17,No. 3. – P. 753–769.
  22. 22. ZOU X., WU G., ZHANG Q. Work continuity constraintsin repetitive project scheduling considering soft logic //Engineering, Construction and Architectural Management. –2021. – Vol. 28, No. 6. – P. 1713–1738.
  23. 23. https://www.ibm.com/docs/es/icos/22.1.0 (дата обращения:15.04.2025).

补充文件

附件文件
动作
1. JATS XML


Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».