Νοήμονες μέθοδοι επίλυσης προβλημάτων εξομάλυνσης πόρων σε έργα

Abstract

Η παρούσα διατριβή ασχολείται με την επίλυση του προβλήματος βελτιστοποίησης της εξομάλυνσης πόρων σε έργα. Πρόκειται για ένα πρόβλημα που δεν έχει λυθεί με ακρίβεια για έργα μεγάλης πολυπλοκότητας. Για έργα μικρού σχετικά μεγέθους παρουσιάζονται στη βιβλιογραφία ακριβείς λύσεις. Γα μεσαία και μεγάλα έργα καθώς και για έργα με ιδιαιτερότητες (μεγάλη διάρκεια δραστηριοτήτων, συσχετίσεις μεταξύ δραστηριοτήτων) παρουσιάζονται σε δημοσιευμένες εργασίες κάποιες προσεγγιστικές λύσεις αρκετά καλές, οι οποίες όμως επιδέχονται περαιτέρω βελτίωσης. Η παρούσα διατριβή επιτυγχάνει βελτιωμένες προσεγγιστικές λύσεις σε μεσαία και μεγάλα έργα, αναπτύσσοντας και συγκρίνοντας τέσσερεις (4) νέες μεθόδους, όλες σχετιζόμενες με τις εξελικτικές υπολογιστικές μεθόδους. Εκτός των άλλων, η διατριβή προτείνει μια σειρά πρότυπων προβλημάτων διοίκησης έργων για τον έλεγχο και τη σύγκριση αποδόσεων νέων μεθοδολογιών εξομάλυνσης πόρων στο μέλλον. Από πλευράς μεθοδολογικών καινοτομιών η διατριβή προτείνει έναν νέο, πιο αποτελεσματικό, γενετικό αλγόριθμο από τους υπάρχοντες της βιβλιογραφίας και δύο ακόμα υβριδικές νοήμονες τεχνικές που αποδεικνύεται ότι όλες διαχειρίζονται αποτελεσματικά το πρόβλημα της εξομάλυνσης πόρων. Η προτεινόμενη προσέγγιση βασίζεται στην αξιοποίηση μιας πρωτότυπης μεθοδολογίας παραγωγής εφικτών εναλλακτικών ενάρξεων των δραστηριοτήτων του έργου για το σχηματισμό καλύτερων προφίλ πόρων. Δοκιμάζονται όλες οι βιβλιογραφικά γνωστές συναρτήσεις αξιολόγησης των προφίλ πόρων (επτά στο σύνολο) που αντιπροσωπεύουν διαφορετικές λογικές στο πρόβλημα βελτιστοποίησης, σχετικές με την πολυτιμότητα του πόρου, με την ανάγκη ομοιομορφίας στην κατανομή του, κλπ. Λόγω της υπάρχουσας γκάμας συναρτήσεων αξιολόγησης του προφίλ πόρων, προτείνεται επίσης μια αλληλουχία εφαρμογής όλων των γνωστών συναρτήσεων με όλους τους δυνατούς συνδυασμούς, επιδιώκοντας έτσι τον εντοπισμό του καλύτερου δυνατού μέσου προφίλ πόρων έτσι ώστε να ικανοποιούνται σε ένα βαθμό όλες οι εμπλεκόμενες συναρτήσεις αξιολόγησης. Το αποτέλεσμα της μεθόδου αυτής σε μεγάλο ποσοστό συμφωνεί με τα αποτελέσματα της βασικής προτεινόμενης προσέγγισης της διατριβής που έχει βάση τους γενετικούς αλγορίθμους. Στη διατριβή περιλαμβάνονται αρκετές μελέτες άλλων επιστημόνων στο πρόβλημα. Η παρούσα έρευνα ξεπερνά τις υπάρχουσες προσεγγίσεις της βιβλιογραφίας σε μεσαία και μεγάλα προβλήματα εξομάλυνσης πόρων, ή τις ανταγωνίζεται επάξια σε μικρά προβλήματα όπου είναι γνωστή η ακριβής βέλτιστη λύση. Συγκρίσεις είναι δυνατές βεβαίως μόνο σε όσες εργασίες παρατίθενται σχετικά δεδομένα έργων, όμως γενικά τα περισσότερα έργα της υφιστάμενης βιβλιογραφίας είναι μικρά σε μέγεθος. Από την διατριβή προέκυψε ένας αριθμός δημοσιεύσεων που καλύπτει τα επιμέρους κεφάλαια και ερευνητικά θέματα που αναλύονται στο κείμενο που ακολουθεί, ενώ αναμένονται και τα αποτελέσματα μερικών ακόμη εργασιών που έχουν υποβληθεί προς κρίση μέσα στο τρέχον ακαδημαϊκό έτος.

The present thesis deals with Resource Leveling optimization problems in projects. Resource leveling is a problem that has not been accurately solved so far, for large scale projects. For small scale projects accurate solutions can be found in literature, achieving global optimum. For medium and large scale project as well as for projects with particular characteristics (large duration of activities, complex associations among activities) approximate solutions of acceptable quality can be found in literature, but further field for improvement exists. The present dissertation achieves improved approximate solutions in resource leveling for medium and large scale projects, implementing and comparing four (4) new methodologies, all related to computational intelligence. In addition, the dissertation proposes a number of suitable benchmark problems for resource leveling in projects, for further experimentation and comparison on new related methods in the future. Concerning methodological innovation, the dissertation proposes a new, more effective genetic algorithm from the ones existing in literature and two more hubrid intelligent techniques which prove to handle effectively the problem of resource leveling optimization. The proposed approach is based on the development of an innovative methodology for the production of feasible alternative starts of the project’s activities for the formation of improved resource profiles. All known resource profile evaluation functions are tested (seven in total, according to related literature) which correspond to different approaches to the optimization problem, related to the preciousness of the resource, the need for uniform resource distribution, etc . Due to the existing variety of resource profile evaluation functions, a sequential application of all known functions with all possible combinations is proposed, thus aiming at the best possible average resource profile tracking, in such a way that all the involved resource profile evaluation functions can be partially satisfied. The result of this method in most cases agrees with the results obtained from the main proposed GA approach. Within the dissertation, several studies of other researchers for the problem of resource leveling are reported and analyzed in detail. The proposed resource leveling methodologies prove superior to other competitive approaches existing in literature for medium and large scale projects, or compete to them worthily in small scale problems where the exact optimum is known. Comparisons are possible only with those research reports that provide related project data. Nevertheless, most projects presented in related literature so far, concern small scale problems. From the present dissertation a number of published papers in referred conferences and journals has resulted (while a few more have been submitted for publication), which covers all partial research questions posed and investigated from the PhD candidate during his study period.