چکیده
در این مقاله یک الگوریتم بهینهسازی چندعامله (MAOA) برای حل مسئلهی زمانبندی پروژه دارای منابع محدود (RCPSP) ارائه شده است. در MAOA، چندین عامل در یک محیط گروه‌بندی شده که هر عامل در آن یک راه‌حل ممکن است کار می‌کنند. سیر تکاملی عامل‌ها با استفاده از جهار عنصر اصلی در MAOA بدست می‌آید که شامل رفتار اجتماعی، رفتار مستقل، خودیادگیری و تعدیل (تطبیق) محیط می‌باشد. رفتار اجتماعی شامل جهانی و محلی برای انجام اکتشاف است. از طریق رفتار اجتماعی جهانی، عامل رهبر در هر گروه توسط بهترین رهبر جهانی راهنمای و هدایت می‌شود. از طریق رفتار اجتماعی محلی، هر عامل توسط عامل رهبر گروه خودش راهنمایی می‌گردد. از طریق رفتار مستقل، هر عامل از همسایگی (مجاورت) خود بهره‌برداری می‌کند. از طریق خودیادگیری، بهترین عامل یک جستجوی تشدید شده را برای بهره‌بردای بیشتر در منطقه‌ی امیدبخش انجام می‌دهد. در ضمن، برخی عامل‌های بین گروه‌ها مهاجرت می‌کنند تا به منظور به اشتراک گذاری اطلاعات، محیط را به صورت پویا تعدیل نمایند. پیاده‌سازی MAOA برای حل RCPSP به صورت مفصل در ادامه آورده شده است و تاثیرات پارامترهای کلیدی MAOA بر اساس روش طراحی آزمایش تاگوچی مورد بررسی قرار گرفته است. نتایج آزمایش عددی با استفاده از سه مجموعه از نمونه‌های الگوبرداری فراهم شده است. مقایسه با الگوریتم‌های موجود نشان‌دهنده‌ی کارایی روش MAOA ارائه شده برای حل RCPSP است.
1. مقدمه
مسئله زمانبندی پروژهی منبع محدود (RCPSP) به معنی زمانبندی فعالیت‌های پروژه در طول زمان و تحت محدودیت‌های موجود برای منابع در دسترس است (Brucker, Drexl, Mohring, Neumann, & Pesch, 1999). RCPSP یکی از غیرقابل کنترل‌تری مسائل NP-Hard در زمینه‌ی تحقیق در عملیات و علم مدیریت است (Mohring, Schulz, Stork, & Uetz, 2003). RCPSP در زمینه‌های متعدد مهندسی مانند تحقیقات پزشکی (Hartmann, 1997) و توسعه‌ی نرم‌افزار (Alba & Chicano, 2007) متداول است. مسائل زمانبندی زیادی می‌توانند به شکل خاصی از RCPSPS تبدیل شوند که نمونه‌ی آنها شامل زمانبندی فروشگاه-کار، زمانبندی جریان-کارگاه، زمانبندی کارگاه-باز و زمانبندی پروژه است (Leung, 2004). هم برای تحقیقات آکادمیک و هم برای کاربردهای مهندسی مهم است که الگوریتم‌های موثری برای حل RCPSP ارائه دهند...