Sie sind hier: Startseite → Proceedings
Artikelaktionen

Proceedings

Deep Neural Networks for the Scheduling of Resource-Constrained Activity Sequences: A Preliminary Investigation

Tiefe neuronale Netze für die Planung von Prozessabläufen mit Ressour-cenbedingungen: eine vorläufige Untersuchung

  1. M.Sc. Paolo Pagani
  2. M.Sc. Fabian Pfann

Zusammenfassungen

The scheduling of activity sequences under resource constraints, also known as Resource-Constrained Project Scheduling Problem (RCPSP), is a well-known optimization problem that consists in finding an activity execution schedule that minimizes the total duration of the considered sequence. This problem is generally tackled with heuristic and meta-heuristic methods. This paper proposes a different approach based on artificial neural networks, used as decision tools, and machine learning. Moreover, it is shown that such methodology is able to provide good and fast activity execution schedules.

Die Planung von ressourcenbeschränkten Aktivitätsfolgen, bekannt als das ressourcenbeschränkte Projektplanungsproblem, ist ein bekanntes Optimierungsproblem, das darin besteht, einen Ausführungsplan zu finden, der die Gesamtdauer der betrachteten Aktivitätsfolge minimiert. Dieses Problem wird im Allgemeinen mit heuristischen und meta-heuristischen Methoden gelöst. In diesem Beitrag wird ein alternativer Lösungsansatz vorgestellt, der eine Entscheidungsstrategie umfasst, die auf künstlichen neuronalen Netzen und maschinellem Lernen basiert. Darüber hinaus wird gezeigt, dass ein solcher Ansatz in der Lage ist, für Aktivitätsfolgen gute Ausführungspläne in kurzer Zeit zu generieren.

Keywords

Volltext

Lizenz

Jedermann darf dieses Werk unter den Bedingungen der freien Digital Peer Publishing Lizenz elektronisch über­mitteln und zum Download bereit­stellen. Der Lizenztext ist im Internet unter der Adresse http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html abrufbar.

Anzahl der Zitationen

Besuchen Sie Google Scholar um herauszufinden, wie oft dieser Artikel zitiert wurde.