You are on page 1of 16

‫ﺧﺼﻮﺻﻴﺎت و روش ﻫﺎي ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژه اي ﺑﺎ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ‬

‫اﻣﻴﺮ ﺳﺎﻣﺎن ﺧﻴﺮﺧﻮاه‬


‫اﺳﺘﺎدﻳﺎر ﮔﺮوه ﻣﻬﻨﺪﺳﻲ ﺻﻨﺎﻳﻊ‪-‬داﻧﺸﮕﺎه ﺑﻮﻋﻠﻲ ﺳﻴﻨﺎ ﻫﻤﺪان‬
‫‪Kheirkhah@basu.ac.ir‬‬
‫ﻣﺤﻤﺪ ﺣﺴﻦ ﻛﺎرﮔﺮﻓﺮد‬
‫داﻧﺸﺠﻮي ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ ﻣﻬﻨﺪﺳﻲ ﺻﻨﺎﻳﻊ‪-‬داﻧﺸﮕﺎه ﺑﻮﻋﻠﻲ ﺳﻴﻨﺎ ﻫﻤﺪان‬
‫‪Kargarfard.hasan@gmail.com‬‬

‫واژهﻫﺎي ﻛﻠﻴﺪي‬
‫زﻣﺎﻧﺒﻨﺪي ‪ ،‬روش ﻫﺎي اﺑﺘﻜﺎري‪ ،‬ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ‪RCMPSP1 ،‬‬

‫ﭼﻜﻴﺪه‬

‫اﻣﺮوزه اﺳﺘﻔﺎده از روشﻫﺎ و اﺑﺰارﻫﺎي ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه در ﺗﺤﻘﻖ اﻫﺪاف ﺑﺴﻴﺎري از ﺳﺎزﻣﺎنﻫﺎ و ﺷﺮﻛﺖﻫﺎ ﺿﺮوري‬
‫اﺳﺖ‪ .‬روشﻫﺎي زﻣﺎﻧﺒﻨﺪي ﻓﻌﺎﻟﻴﺖﻫﺎ‪ ،‬ﺑﺮاي ﻛﻤﻴﻨﻪﺳﺎزي ﻫﺰﻳﻨﻪ ﻫﺎ ﺑﺎ ﺑﻜﺎرﮔﻴﺮي ﻣﻨﺎﺑﻊ ﻣﺤﺪود و در ﺷﺮاﻳﻂ وﺟﻮد ﻣﺤﺪودﻳﺖ‬
‫ﻫﺎي ﺣﺴﺎس زﻣﺎﻧﻲ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ‪ .‬اﻳﻦ روش ﻫﺎ ﺗﻮاﻧﺎﻳﻲ ﺳﺎزﻣﺎن ﻫﺎ را در اﺟﺮا وﻛﻨﺘﺮل ﭘﺮوژه ﻫﺎ و راه ﻫﺎي‬
‫اﺳﺘﻔﺎده از ﻣﻨﺎﺑﻊ و اﻓﺮاد‪ ،‬ﺑﻬﺒﻮد ﻣﻲ ﺑﺨﺸﻨﺪ‪ .‬ﺑﺴﻴﺎري از روش ﻫﺎي ﻣﻮﺟﻮد در زﻣﺎﻧﺒﻨﺪي ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﻳﻚ ﭘﺮوژه ﻛﺎرﺑﺮد‬
‫دارﻧﺪ‪ ،‬ﺣﺎل آﻧﻜﻪ ﺑﺎ ﭘﻴﭽﻴﺪه ﺗﺮ ﺷﺪن ﺷﺮاﻳﻂ ﺑﺴﻴﺎري از ﺳﺎزﻣﺎن ﻫﺎ ﺑﺎ ﭼﺎﻟﺶ ﻣﺪﻳﺮﻳﺖ ﻫﻤﺰﻣﺎن ﭘﺮوژه ﻫﺎي ﻣﺘﻌﺪد روﺑﺮو‬
‫ﻫﺴﺘﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ اﺳﺘﻔﺎده از روش ﻫﺎي زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژه اي ﺑﺮاي ﺳﺎزﻣﺎن ﻫﺎ ﺿﺮوري ﺷﺪه اﺳﺖ‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ روش‬
‫ﻫﺎي ﺣﻞ و ﺧﺼﻮﺻﻴﺎت ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژه اي و ﻛﺎرﻫﺎي اﻧﺠﺎم ﮔﺮﻓﺘﻪ در اﻳﻦ زﻣﻴﻨﻪ ﻣﻮرد ﺑﺮرﺳﻲ و ﻣﻘﺎﻳﺴﻪ ﻗﺮار‬
‫ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬در ﭘﺎﻳﺎن ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از اﻳﻦ ﺑﺮرﺳﻲ‪ ،‬آورده ﺷﺪه و زﻣﻴﻨﻪ ﻫﺎي ﺗﺤﻘﻴﻘﺎت آﺗﻲ ﻣﻌﺮﻓﻲ ﺷﺪه اﺳﺖ‪.‬‬

‫‪1‬‬
‫‪Resource Constrained Multi-Project Scheduling Problem‬‬
‫‪ -1‬ﻣﻘﺪﻣﻪ‬

‫ﭘﺮوژه ﻫﺎ از ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺗﻮﺳﻌﻪ و رﺷﺪ اﻗﺘﺼﺎدي‪ -‬اﺟﺘﻤﺎﻋﻲ ﻛﺸﻮرﻫﺎي ﺗﻮﺳﻌﻪ ﻧﻴﺎﻓﺘﻪ و درﺣﺎل ﺗﻮﺳﻌﻪ ﻣﻲﺑﺎﺷﻨﺪ و درﺑﺨﺶ ﺧﺼﻮﺻﻲ‪ ،‬اﺑﺰاري‬
‫اﺳﺎﺳﻲ ﺑﺮاي ﺗﺎﻣﻴﻦ ﺳﻮدآوري ﺑﻪ ﺷﻤﺎر ﻣﻲ روﻧﺪ‪ .‬ﺑﺎ ﺗﺤﻮل ﺷﻴﻮه ﻫﺎي ﺗﻮﻟﻴﺪ و ﺗﻐﻴﻴﺮ ﻧﻘﺶ و اﻫﻤﻴﺖ و اوﻟﻮﻳﺖ ﻫﺮ ﻳﻚ از ﻣﻨﺎﺑﻊ ﻧﺴﺒﺖ ﺑﻪ ﻳﻜﺪﻳﮕﺮ‬
‫و ﻋﻮاﻣﻞ ﻣﺨﺘﻠﻒ ﺗﻮﻟﻴﺪ در ﺳﺎﺧﺘﺎر اﻗﺘﺼﺎدي‪ -‬اﺟﺘﻤﺎﻋﻲ ﺟﺎﻣﻌﻪ و ﭘﻴﭽﻴﺪه ﺗﺮ ﺷﺪن ﺷﺮاﻳﻂ‪ ،‬ﺧﻴﻠﻲ از ﺳﺎزﻣﺎن ﻫﺎ ﺑﺎ ﭼﺎﻟﺶ ﻣﺪﻳﺮﻳﺖ ﻫﻤﺰﻣﺎن ﭘﺮوژه‬
‫ﻫﺎ ﺑﺎ ﻣﺤﺪودﻳﺖ زﻣﺎن و ﻣﻨﺎﺑﻊ روﺑﺮو ﻫﺴﺘﻨﺪ و ﻣﻬﺎرت ﻣﺪﻳﺮﻳﺖ و زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژه اي ﺑﺮاي ﺳﺎزﻣﺎن ﻫﺎ ﺿﺮوري ﺷﺪه اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﺣﺘﻲ‬
‫ﻳﻚ ﭘﻴﺸﺮﻓﺖ ﻛﻮﭼﻚ در ﻣﺪﻳﺮﻳﺖ ﭼﻨﺪﭘﺮوژه اي ﻣﻲ ﺗﻮاﻧﺪ در زﻣﻴﻨﻪ ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه ﺑﺴﻴﺎر ﻋﻈﻴﻢ ﺑﺎﺷﺪ‪ .‬ﻣﻄﺎﻟﺐ ﮔﻔﺘﻪ ﺷﺪه ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻣﺴﺎﻟﻪ‬
‫زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي از ﭘﻴﭽﻴﺪه ﺗﺮﻳﻦ و واﻗﻌﻲ ﺗﺮﻳﻦ ﻧﻮع ﻣﺴﺎﺋﻞ ﮔﻮﻧﺎﮔﻮن زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه اﺳﺖ ﻛﻪ ﺗﺎ ﺑﻪ ﺣﺎل ﻣﻄﺎﻟﻌﻪ ﺷﺪه اﺳﺖ و ﺑﺴﻴﺎري‬
‫از ﺳﺎزﻣﺎن ﻫﺎي ﺻﻨﻌﺘﻲ و ﺧﺪﻣﺎﺗﻲ‪ ،‬ﻋﻤﻮﻣﻲ و ﺧﺼﻮﺻﻲ ﺑﺎ آن درﮔﻴﺮ ﻫﺴﺘﻨﺪ‪ .‬ﻣﺤﻘﻘﺎن در دﻫﻪﻫﺎي اﺧﻴﺮ اﺑﺰارﻫﺎ و ﺗﻜﻨﻴﻚﻫﺎي زﻳﺎدي را ﺑﺮاي‬
‫زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﻣﻌﺮﻓﻲ ﻛﺮدهاﻧﺪ‪ .‬اﻣﺎ ﺑﻴﺸﺘﺮ ﺑﻪ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﺗﻚ ﭘﺮوژه اي ﭘﺮداﺧﺘﻪ اﻧﺪ و ﻛﻤﺘﺮ ﺑﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژهاي ﭘﺮداﺧﺘﻪ ﺷﺪه اﺳﺖ‪.‬‬
‫در اﻳﻦ ﻣﻘﺎﻟﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻫﻤﻴﺖ ﻣﺴﺎﻟﻪ‪ ،‬روش ﻫﺎي ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي و ﻣﻄﺎﻟﻌﺎت اﻧﺠﺎم ﮔﺮﻓﺘﻪ در ﻫﺮ روش و ﺧﺼﻮﺻﻴﺎت‬
‫ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي‪ ،‬ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﻧﺘﺎﻳﺞ اﻳﻦ ﺑﺮرﺳﻲ ﻣﻲ ﺗﻮاﻧﺪ ﺑﺮاي ﺳﺎزﻣﺎن ﻫﺎﻳﻲ ﻛﻪ ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﺧﻮد را در‬
‫ﻗﺎﻟﺐ ﭘﺮوژه ﻫﺎي ﭼﻨﺪﮔﺎﻧﻪ ﺗﻌﺮﻳﻒ و ﻣﺪﻳﺮﻳﺖ ﻣﻲ ﻛﻨﻨﺪ‪ ،‬ﻣﻔﻴﺪ ﺑﺎﺷﺪ‪.‬‬

‫‪ -2‬ﺣﺎﻟﺖ ﻣﻘﺪﻣﺎﺗﻲ ﻣﺴﺎﻟﻪ ‪RCMPSP‬‬

‫ﻣﺴﺎﻟﻪ ‪ RCMPSP‬ﻣﻲ ﺗﻮاﻧﺪ ﺑﺼﻮرت زﻳﺮ ﺑﻴﺎن ﺷﻮد‪ .‬ﻣﺠﻤﻮﻋﻪ اي از ‪ l=2,3,…,L‬ﭘﺮوژه‪ ،‬ﻛﻪ ﻫﺮ ﭘﺮوژه ﺷﺎﻣﻞ ‪ N l i=1,2,…,‬ﻓﻌﺎﻟﻴﺖ‬
‫ﺑﺎ زﻣﺎن اﻧﺠﺎم ﻗﻄﻌﻲ و ﺑﺪون وﻗﻔﻪ ‪ d ij‬اﺳﺖ‪ .‬ﻓﻌﺎﻟﻴﺖ ﻫﺎ ﺗﻮﺳﻂ ﻣﺤﺪودﻳﺖ ﻫﺎي ﭘﻴﺶ ﻧﻴﺎزي و ﻣﻨﺎﺑﻊ ﺑﻪ ﻫﻢ واﺑﺴﺘﻪ اﻧﺪ‪ .‬ﻫﺮ ﻓﻌﺎﻟﻴﺖ ﺑﻪ ‪ rik‬واﺣﺪ‬
‫از ﻣﻨﺒﻊ ﻧﻮع ‪ k ∈ K‬در ﻃﻮل ﻫﺮ دوره از زﻣﺎن اﻧﺠﺎﻣﺶ اﺣﺘﻴﺎج دارد‪ .‬ﻣﻨﺒﻊ ‪ K‬ﻇﺮﻓﻴﺖ ﺗﺠﺪﻳﺪ ﭘﺬﻳﺮ ‪ Rk‬دارد‪ RCMPSP .‬ﺷﺎﻣﻞ ﭘﻴﺪا ﻛـﺮدن‬
‫ﻳﻚ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺑﺮاي ﻓﻌﺎﻟﻴﺖ ﻫﺎ اﺳﺖ )ﻳﻌﻨﻲ‪ ،‬ﺗﻌﺮﻳﻒ زﻣﺎن ﻫﺎي ﺷﺮوع و ﭘﺎﻳﺎن( ﻛﻪ ﺗﺎﺑﻊ ﻫﺪﻓﻲ را ﺑﻬﻴﻨﻪ ﻣﻲ ﻛﻨﺪ‪ ،‬ﻣﺎﻧﻨﺪ ﺣـﺪاﻗﻞ ﻛـﺮدن ﺗـﺎﺧﻴﺮ‬
‫ﭘﺮوژه‪ .‬ﻓﺮض ﻛﻨﻴﺪ ‪ Fil‬زﻣﺎن اﺗﻤﺎم ﻓﻌﺎﻟﻴﺖ ‪ i‬در ﭘﺮوژه ‪ l‬را ﻧﺸﺎن دﻫﺪ‪ ،‬آﻧﮕﺎه ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺗﻮﺳﻂ ﺑﺮدارﻫﺎي زﻣﺎن ﭘﺎﻳﺎن ) ‪( FN l l ,…, F2l , F1l‬‬
‫ﻧﺸﺎن داده ﻣﻲ ﺷﻮد‪ .‬ﻓﺮض ﻛﻨﻴﺪ )‪ A(t‬ﻣﺠﻤﻮﻋﻪ ﻓﻌﺎﻟﻴﺖ ﻫﺎي در ﺣﺎل اﻧﺠﺎم در زﻣﺎن ‪ t‬ﺑﺎﺷﺪ‪ Pil .‬ﻣﺠﻤﻮﻋﻪ ﺗﻤـﺎم ﭘـﻴﺶ ﻧﻴﺎزﻫـﺎي ﺑـﻲ درﻧـﮓ‬
‫ﻓﻌﺎﻟﻴﺖ ‪ i‬در ﭘﺮوژه ‪ l‬اﺳﺖ‪ .‬ﺑﺎ اﻳﻦ ﺗﻌﺎرﻳﻒ ﻣﺪل ﻣﺴﺎﻟﻪ ﺑﺼﻮرت زﻳﺮ ﺑﻴﺎن ﻣﻲ ﺷﻮد‪:‬‬
‫)‪(1‬‬ ‫‪Optimize : Performance Measure‬‬
‫‪Such That:‬‬
‫)‪(2‬‬ ‫‪Fil ≤ Fil − d il‬‬
‫)‪(3‬‬ ‫‪∑r‬‬
‫) ‪i ,l∈A ( t‬‬
‫‪ilk‬‬ ‫‪≤ Rk‬‬

‫)‪(4‬‬ ‫‪Fil 0 ≥ 0‬‬


‫ﻫﻤﺎﻧﻄﻮر ﻛﻪ اﺷﺎره ﮔﺮدﻳﺪ‪ ،‬ﺗﺎﺑﻊ ﻫﺪف )‪ (1‬ﺑﺮاي ﺑﻬﻴﻨﻪ ﻛﺮدن ﺗﺎﺑﻊ ﻫﺪف از ﭘﻴﺶ ﺗﻌﻴﻴﻦ ﺷﺪه اي ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﻣﻲ ﺷﻮد‪ .‬ﻣﺤﺪودﻳﺖ )‪(2‬‬
‫رواﺑﻂ ﺗﻘﺪﻣﻲ ﺑﻴﻦ ﻓﻌﺎﻟﻴﺖ ﻫﺎ را ﻧﺸﺎن ﻣﻲ دﻫﺪ‪ .‬ﻣﺤﺪودﻳﺖ )‪ (3‬ﺗﻘﺎﺿﺎي ﻣﻨﺒﻊ داده ﺷﺪه ﺗﻮﺳﻂ ﻓﻌﺎﻟﻴﺖ ﻫﺎي اﻧﺠﺎم ﺷﺪه در زﻣﺎن ‪ t‬ﺑﺮاي ﻇﺮﻓﻴﺖ‬
‫در دﺳﺘﺮس را ﻣﺤﺪود ﻣﻲ ﻛﻨﺪ‪ .‬ﻣﺤﺪودﻳﺖ )‪ (4‬ﺑﺎﻋﺚ ﻣﻲ ﺷﻮد زﻣﺎن ﻫﺎي اﻧﺠﺎم ﻧﺎﻣﻨﻔﻲ ﺑﺎﺷﻨﺪ‪.‬‬
‫ﻣﺴﺎﻟﻪ ﻣﻘﺪﻣﺎﺗﻲ ﺑﻪ ﭼﻨﺪ ﻃﺮﻳﻖ ﻣﻲ ﺗﻮاﻧﺪ ﺗﻮﺳﻌﻪ ﻳﺎﺑﺪ‪ .‬واﺑﺴﺘﮕﻲ ﻫﺎي ﭘﺮوژه )ﻓﺮاﺗﺮ از ﻣﻨﺎﺑﻊ ﻣﻌﻤﻮﻟﻲ( ﻣﻤﻜﻦ اﺳﺖ وﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﻓﻌﺎﻟﻴﺖ‬
‫ﻫﺎ ﻣﻲ ﺗﻮاﻧﻨﺪ در ﺣﺎﻟﺖ ﻫﺎي ﻣﺨﺘﻠﻔﻲ اﻧﺠﺎم ﺷﻮﻧﺪ‪ ،‬ﻛﻪ ﻫﺮ ﻛﺪام ﺑﻪ اﻧﻮاع ﻣﺘﻔﺎوت ﻳﺎ ﻣﻘﺎدﻳﺮ ﻣﺘﻔﺎوت ﻣﻨﺎﺑﻊ ﻧﻴﺎز دارﻧﺪ‪ .‬اﻳﺠﺎد وﻗﻔﻪ در اﻧﺠﺎم ﻓﻌﺎﻟﻴﺖ‬
‫ﻣﻤﻜﻦ اﺳﺖ ﻣﺠﺎز ﺑﺎﺷﺪ‪ ،‬زﻣﺎن ﻫﺎي اﻧﺠﺎم ﻓﻌﺎﻟﻴﺖ ﻫﺎ ﻣﻲ ﺗﻮاﻧﺪ اﺣﺘﻤﺎﻟﻲ ﺑﺎﺷﺪ‪ .‬زﻣﺎن اﻧﺘﻘﺎل ﻣﻨﺎﺑﻊ‪ 2‬ﻣﻲ ﺗﻮاﻧﺪ ﻏﻴﺮﻣﻨﻔﻲ ﺑﺎﺷﺪ و ﻣﻨﺎﺑﻊ ﻣﻤﻜﻦ اﺳﺖ‬
‫ﺗﺠﺪﻳﺪ ﻧﺎﭘﺬﻳﺮ ﺑﺎﺷﻨﺪ‪[1] .‬‬

‫‪ -3‬روﻳﻜﺮدﻫﺎي زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي‬

‫زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﻫﺎي ﮔﻮﻧﺎﮔﻮن ﻫﻤﺮاه ﺑﺎ ﺗﻘﺴﻴﻢ ﻋﺎدي ﻣﻨﺎﺑﻊ ﮔﻮﻧﺎﮔﻮن‪ ،‬ﺑﺎ دو روﻳﻜﺮد ﻣﻲ ﺗﻮاﻧﺪ اﻧﺠﺎم ﺷﻮد‪ :‬ﺗﻚ ﭘﺮوژه اي و ﭼﻨﺪ ﭘﺮوژه اي‪.‬‬
‫در روﻳﻜﺮد ﺗﻚ ﭘﺮوژه اي‪ ،‬ﭘﺮوژه ﻫﺎ ﺑﻄﻮر ﻣﺼﻨﻮﻋﻲ ﺑﻮﺳﻴﻠﻪ ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﻣﺠﺎزي ﺷﺮوع و ﭘﺎﻳﺎن ﺑﺎ ﻫﻢ ﻳﻜﻲ ﻣﻲ ﺷﻮﻧﺪ و ﺑﻪ ﻳﻚ ﭘﺮوژه ﺗﺒﺪﻳﻞ‬
‫ﻣﻲ ﺷﻮﻧﺪ‪ .‬ﻫﺮ دو روﻳﻜﺮد ﻣﻲ ﺗﻮاﻧﻨﺪ ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﻣﺘﻔﺎوﺗﻲ را ﺑﺎ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ﻳﻜﺴﺎن ﺗﻮﻟﻴﺪ ﻛﻨﻨﺪ‪[2] .‬‬

‫ﺷﻜﻞ ‪-1‬روﻳﻜﺮدﻫﺎي زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي‬


‫روﻳﻜﺮد ﺗﻚ ﭘﺮوژه اي ﺑﺮاي ﺣﻞ ‪ RCMPSP‬ﻫﺎ داراي ﭼﻨﺪ اﺷﻜﺎل اﺳﺖ‪ .‬ﻧﺨﺴﺖ‪ ،‬اﻳﻦ ﻧﻮع ﻧﻤﺎﻳﺶ‪ ،‬ﻧﻤﺎﻳﺶ ﻧﺎﺻﺤﻴﺤﻲ از واﻗﻌﻴﺖ اﺳﺖ‪،‬‬
‫زﻳﺮا ﺑﻪ روﺷﻨﻲ ﻳﻚ ﺟﺮﻳﻤﻪ ﺗﺎﺧﻴﺮ ﻳﻜﺴﺎن ﺑﺮاي ﻫﻤﻪ ﭘﺮوژه ﻫﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲ ﺷﻮد‪ [3] .‬دوم‪ ،‬ﺗﺤﻠﻴﻞ ﭘﺮوژه ﻫﺎ ﺑﻄﻮر ﻣﺴﺘﻘﻞ وﻗﺘﻲ ﻛﻪ ﺗﻤﺎم‬
‫ﭘﺮوژه ﻫﺎ ﻧﺴﺒﺖ ﺑﻪ ﻫﻢ ﻣﺤﺪود ﻫﺴﺘﻨﺪ‪ ،‬ﻣﺸﻜﻞ ﻣﻲ ﺷﻮد‪ .‬ﺣﻔﻆ ﺗﻤﺎﻳﺰ در ﻣﺴﻴﺮﻫﺎي ﺑﺤﺮاﻧﻲ آﻧﻬﺎ ﻣﺸﻜﻞ اﺳﺖ‪ .‬ﺳﻮم‪ ،‬روش ﻫﺎي ﺑﻬﻴﻨﻪ ﺳﺎزي‬
‫ﺑﺮاي ‪ RCPSP3‬ﻧﻤﻲ ﺗﻮاﻧﻨﺪ ﻣﺴﺎﺋﻞ ﺑﺰرگ را ﻛﻪ ﻣﺎﻧﻨﺪ ﻧﺘﻴﺠﻪ ﻋﺎدي ﻣﺠﻤﻮع ﭼﻨﺪﭘﺮوژه اﺳﺖ‪ ،‬ﺣﻞ ﻛﻨﻨﺪ‪.‬‬
‫وﺿﻌﻴﺖ ﭼﻨﺪﭘﺮوژه اي در ﻛﺎرﺑﺮد ﻋﺎدي ﺗﺮ اﺳﺖ و اﺣﺘﻤﺎﻻ ﻓﺮﺻﺖ ﺑﻬﺘﺮي را ﺑﺮاي ﭘﻴﺸﺮﻓﺖ ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﺪ‪ [5,4] ،‬اﻣﺎ در ﺗﺤﻘﻴﻘﺎت ﮔﺬﺷﺘﻪ‬
‫ﺗﻮﺟﻪ ﻛﻤﺘﺮي ﺑﻪ روﻳﻜﺮد ﭼﻨﺪﭘﺮوژه اي ﺷﺪه و ﺗﻮﺟﻬﺎﺗﻲ ﻫﻢ ﻛﻪ ﺑﻪ آن ﺷﺪه ﻧﺘﺎﻳﺞ ﻏﻴﺮﻗﺎﻃﻌﻲ را ﺑﺪﻧﺒﺎل داﺷﺘﻪ اﺳﺖ‪ .‬ﺷﻜﻞ ‪ 2‬ﻳﻚ دﻳﺪ ﻛﻠﻲ در‬
‫زﻣﺎﻧﺒﻨﺪي ﻋﻤﺪه ادﺑﻴﺎت ﭘﺮوژه را ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﺪ‪[1] .‬‬

‫‪ -4‬روش ﻫﺎي ﺣﻞ ‪RCMPSP‬‬

‫ﻗﺒﻞ از ﺑﻜﺎرﮔﻴﺮي ﻛﺎﻣﭙﻴﻮﺗﺮ در ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه‪ ،‬ﻣﺤﻘﻘﺎن زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه را ﺑﺼﻮرت دﺳﺘﻲ اﻧﺠﺎم ﻣﻲدادﻧﺪ ﻛﻪ اﻳﻦ اﻣﺮ ﺑﺴﻴﺎر زﻣﺎن ﺑﺮ ﺑﻮد‬
‫و ﺗﻀﻤﻴﻦ ﻛﻨﻨﺪه ﺧﻮﺑﻲ ﺟﻬﺖ دﺳﺘﻴﺎﺑﻲ ﺑﻪ ﺟﻮاب ﺑﻬﻴﻨﻪ ﻧﺒﻮد‪ .‬در اواﺧﺮ دﻫﻪ ‪ 1950‬ﺗﻮﺳﻌﻪ ﺗﻜﻨﻴﻚﻫﺎي ﻣﺴﻴﺮ ﺑﺤﺮاﻧﻲ‪ 4‬و ارزﻳﺎﺑﻲ و ﺑﺎزﻧﮕﺮي‬
‫ﭘﺮوژه‪ 5‬ﺑﺎﻋﺚ ﺷﺪ ﻛﻪ ﭘﺮوژهﻫﺎ ﻗﺎﺑﻠﻴﺖ اﻳﻦ را داﺷﺘﻪ ﺑﺎﺷﻨﺪ ﺗﺎ ﺑﻪ وﺳﻴﻠﻪ دﻳﺎﮔﺮام ﻫﺎي ﺷﺒﻜﻪ ﺗﻮﺻﻴﻒ ﺷﻮﻧﺪ ﺑﻄﻮرﻳﻜﻪ ﻛﺎرﻫﺎ و ﻓﻌﺎﻟﻴﺖ ﻫﺎ ﺑﻮﺳﻴﻠﻪ‬
‫ﺳﺎﺧﺘﺎر ﺷﺒﻜﻪ ﺗﻌﺮﻳﻒ ﻣﻲﺷﺪﻧﺪ‪ .‬ﺑﺎ اﻳﻦ وﺟﻮد‪ ،‬در اﻳﻦ ﺗﻜﻨﻴﻚ ﻫﺎ‪ ،‬ﺗﻨﻬﺎ زﻣﺎن اﻧﺠﺎم ﭘﺮوژه ﻣﺪ ﻧﻈﺮ ﺑﻮد و ﻣﺤﺪودﻳﺖ اﺳﺘﻔﺎده از ﻣﻨﺎﺑﻊ‪ ،‬ﻣﻮرد ﺑﺮرﺳﻲ‬
‫ﻗﺮار ﻧﻤﻲﮔﺮﻓﺖ‪ .‬اﻳﻦ در ﺣﺎﻟﻴﺴﺖ ﻛﻪ ﻣﺤﺪودﻳﺖ ﭘﺮوژه ﻳﻜﻲ از اﺻﻠﻲ ﺗﺮﻳﻦ ﻣﺸﻜﻼت ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﭘﺮوژه در دﻧﻴﺎي واﻗﻌﻲ اﺳﺖ‪ .‬در ﻃﻮل دو دﻫﻪ‬
‫اﺧﻴﺮ‪ ،‬اﻧﻮاع ﺗﻜﻨﻴﻚ ﻫﺎي ﺑﺮﻧﺎﻣﻪ رﻳﺰي زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺗﺤﺖ ﺷﺮاﻳﻂ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ‪ ،‬اراﺋﻪ‪ ،‬اﺟﺮاء و ارزﻳﺎﺑﻲ ﺷﺪهاﻧﺪ‪ [6] .‬دو روﻳﻜﺮد ﺑﺮاي ﺣﻞ‬
‫ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ :‬روش ﻫﺎي دﻗﻴﻖ و روش ﻫﺎي اﺑﺘﻜﺎري‪.‬‬

‫‪2‬‬
‫‪transfer‬‬
‫‪3‬‬
‫‪Resource Constrained Project Scheduling Problem‬‬
‫‪4‬‬
‫‪CPM‬‬
‫‪5‬‬
‫‪PERT‬‬
‫‪ -1-4‬روشﻫﺎي دﻗﻴﻖ‬

‫روشﻫﺎي دﻗﻴﻖ ﺟﻬﺖ ﻳﺎﻓﺘﻦ ﺟﻮابﻫﺎي ﺑﻬﻴﻨﻪ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ اﻣﺎ در ﻣﻮاﺟﻬﻪ ﺑﺎ ﻣﺴﺎﺋﻠﻲ ﺑﺎ اﻧﺪازهﻫﺎي ﺑﺰرگ و ﻳﺎ ﻣﺴـﺎﺋﻠﻲ ﺑـﺎ‬
‫ﻣﺤﺪودﻳﺖﻫﺎي زﻳﺎد ﺗﻘﺮﻳﺒﺎ ﻏﻴﺮ ﻋﻤﻠﻲ ﻫﺴﺘﻨﺪ‪ .‬روشﻫﺎي دﻗﻴﻖ ﺷﺎﻣﻞ دو ﮔﺮوه ﺑﺮﻧﺎﻣﻪرﻳﺰي رﻳﺎﺿﻲ و ﺗﻜﻨﻴﻚﻫﺎي ﺷﻤﺎرﺷﻲ ﻣﻲﺑﺎﺷﻨﺪ‪.‬‬

‫ﺷﻜﻞ ‪-2‬دﻳﺪ ﻛﻠﻲ در زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه‬

‫‪ -1-1-4‬ﺑﺮﻧﺎﻣﻪرﻳﺰي رﻳﺎﺿﻲ‬

‫ﻓﺮم ﻛﻠﻲ ﺑﺮﻧﺎﻣﻪ رﻳﺰي رﻳﺎﺿﻲ در زﻳﺮ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪:‬‬
‫) ‪M in ( M ax‬‬ ‫‪F ( x 1 , x 2 , .. ., x‬‬ ‫‪n‬‬ ‫)‬
‫‪s .t .‬‬
‫‪g ( x 1 , x 2 , ..., x‬‬ ‫‪n‬‬ ‫‪) ≤ b‬‬ ‫‪1‬‬

‫‪g ( x 1 , x 2 , ..., x‬‬ ‫‪n‬‬ ‫‪) ≤ b2‬‬


‫‪.. .‬‬
‫‪g ( x 1 , x 2 , ..., x‬‬ ‫‪n‬‬ ‫‪) ≤ bm‬‬

‫روﺷﻬﺎي ﺣﻞ ﭼﻨﻴﻦ ﻣﺴﺎﺋﻠﻲ ﺗﻮﺳﻂ ﮔﺎرﻓﻴﻨﻜﻞ‪ ،‬ﺟﻮرج و دارﻟﻴﻨﺞ ﺑﺮرﺳﻲ ﺷﺪه اﺳﺖ‪ .‬آﻧﻬﺎ ﺑﻪ اﻳﻦ ﻧﻜﺘﻪ اﺷﺎره داﺷﺘﻪاﻧﺪ ﻛﻪ ﻣﻌﻤﻮﻻ روش ﻫﺎي‬
‫ﺑﺮﻧﺎﻣﻪرﻳﺰي رﻳﺎﺿﻲ ﺑﻪ ﻣﺤﺎﺳﺒﺎت زﻳﺎدي ﻧﻴﺎزﻣﻨﺪﻧﺪ‪ .‬ﺑﻌﻼوه ادﻋﺎ ﻧﻤﻮده اﻧﺪ ﻛﻪ اﻳﻦ روش ﻫﺎ ﺑﻪ ﺑﺮرﺳﻲ وﻳﮋﮔﻲﻫﺎي ﺧﺎص ﻣﺴﺎﻟﻪ ﻣﻮرد ﻧﻈﺮ ﻧﻤـﻲ‪-‬‬
‫ﭘﺮدازﻧﺪ‪ .‬ﻟﺬا روش ﻫﺎي ﺑﺮﻧﺎﻣﻪرﻳﺰي رﻳﺎﺿﻲ‪ ،‬زﻣﺎن زﻳﺎدي را ﺻﺮف ﻳﺎﻓﺘﻦ راه ﺣﻞ ﻣﺴﺎﻟﻪ ﻣﻲﻧﻤﺎﻳﻨﺪ‪ .‬ﻳﻜﻲ از اوﻟﻴﻦ ﻛﺎرﻫﺎي زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘـﺮوﮋه‬
‫اي ﺗﻮﺳﻂ ﭘﺮﻳﺘﺴﻜﺮ و ﻫﻤﻜﺎران ]‪ [7‬اراﺋﻪ ﺷﺪ ﻛﻪ ﻳﻚ روﻳﻜﺮد ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﺻﻔﺮ و ﻳﻚ را اراﺋﻪ ﻛﺮدﻧـﺪ‪ .‬ﻣﺎﻧـﺪﻟﻲ و ﺳـﻴﺪﻳﻚ ]‪ [8‬ﻣﺴـﺎﻟﻪ ﻣﻮﻋـﺪ‬
‫ﺗﺤﻮﻳﻞ ﺑﺮاي ﭘﺮوژهﻫﺎ در ﻣﺤﻴﻂ ﭼﻨﺪﭘﺮوژهاي را ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻗﺮار دادﻧﺪ‪ .‬دﻛﺮو و ﻫﻤﻜﺎران ]‪ [ 9‬ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژهاي را ﻓﺮﻣﻮلﻧﻮﻳﺴـﻲ‬
‫ﻛﺮدﻧﺪ و ﻳﻚ روﻳﻜﺮد ﺗﺠﺰﻳﻪاي ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ ﺑﺰرگ ﺑﻜﺎر ﮔﺮﻓﺘﻨﺪ‪.‬‬
‫‪ -1-2-4‬ﺗﻜﻨﻴﻚﻫﺎي ﺷﻤﺎرﺷﻲ‬

‫ﺗﻜﻨﻴﻚﻫﺎي ﺷﻤﺎرﺷﻲ ﺑﺼﻮرت ﺧﻴﻠﻲ ﺳﺎده ﺗﻤﺎﻣﻲ ﺑﺮﻧﺎﻣﻪﻫﺎي زﻣﺎﻧﻲ ﻣﻤﻜﻦ را ﻟﻴﺴﺖ و ﺷﻤﺎرش ﻧﻤﻮده‪ ،‬ﺳﭙﺲ ﺑﺮﻧﺎﻣﻪﻫﺎي ﻏﻴﺮ ﺑﻬﻴﻨـﻪ را از‬
‫ﻟﻴﺴﺖ ﺣﺬف ﻣﻲ ﻧﻤﺎﻳﻨﺪ‪ .‬روش ﺷﺎﺧﻪ و ﻛﺮان ﻳﻜﻲ از اﻧﻮاع ﺗﻜﻨﻴﻚﻫﺎي ﺷﻤﺎرﺷﻲ ﻣﻲ ﺑﺎﺷﺪ‪ .‬اﻳﻦ روﺷﻬﺎ ﺑﻪ دﻟﻴـﻞ ﺗﻌـﺪاد ﺑﺴـﻴﺎر زﻳـﺎد ﺟﻮاﺑﻬـﺎي‬
‫ﻣﻤﻜﻦ ﺑﺮاي ﻣﺴﺎﻳﻠﻲ ﺑﺎ ﭘﻴﭽﻴﺪﮔﻲ ﺑﺎﻻﺗﺮ ﻏﻴﺮ ﻛﺎرا و ﻧﺎﻣﻮﺛﺮ ﺑﻪ ﺷﻤﺎر ﻣﻲ روﻧﺪ‪ [13] .‬ﻛﺎﻧﻮي و ﻫﻤﻜﺎران ]‪ [10‬اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ ﺷﺎﺧﻪ و ﻛـﺮان‬
‫را ﺑﺮاي اوﻟﻴﻦ ﺑﺎر در ﻣﺴﺎﻟﻪ زﻣﺎنﺑﻨﺪي ﻣﻄﺮح ﻛﺮدﻧﺪ‪ .‬درﻛﺴﻞ ]‪ [11‬اﻧﻮاع ﻣﺴﺎﺋﻞ ﺗﺨﺼﻴﺺ ﻣﻨﺎﺑﻊ ﻣﺤﺪود ﺑـﺪون وﻗﻔـﻪ را ﺑـﺎ ﺗﺮﻛﻴـﺐ اﻟﮕـﻮرﻳﺘﻢ‬
‫ﺷﺎﺧﻪ و ﻛﺮان‪ /‬ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﭘﻮﻳﺎ ﺑﺎ روش اﺑﺘﻜﺎري ﻛﺮان ﺑﺎﻻي ‪ Monte Carlo‬ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار داد‪ .‬ﻛﻮﻟﻴﺶ ]‪ [12‬ﺗﻌـﺪادي از ﺗﻜﻨﻴـﻚ ﻫـﺎي‬
‫ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﻪ ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺑﺎ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ‪ ،‬ﺷﺎﻣﻞ ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﭘﻮﻳﺎ‪ ،‬ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﺻﻔﺮ و ﻳﻚ و ﺷﻤﺎرش ﺿﻤﻨﻲ ﺑﺎ ﺷﺎﺧﻪ و ﻛـﺮان را‬
‫ﺑﺮرﺳﻲ ﻛﺮده اﺳﺖ‪ .‬در ﻣﻴﺎن روش ﻫﺎي دﻗﻴﻖ‪ ،‬روش ﺷﺎﺧﻪ و ﻛﺮان ﻛﺎرﺑﺮد ﮔﺴﺘﺮده ﺗﺮي دارد‪.‬‬

‫‪ -2-4‬روشﻫﺎي اﺑﺘﻜﺎري‬

‫روش ﻫﺎي اﺑﺘﻜﺎري ﺑﺮاي ﻣﺴﺎﺋﻞ ﻣﺮﺑﻮط ﺑﻪ زﻣﺎﻧﺒﻨﺪي ﻣﺤﺪود‪ ،‬ﺑﻪ دﻻﻳﻠﻲ ﻛﺎرﺑﺮد ﻋﻤﻮﻣﻲ وﺳﻴﻌﻲ دارﻧﺪ‪ .‬اول اﻳﻨﻜﻪ‪ ،‬ﺗﻨﻬﺎ روش ﻫﺎي ﻣﻤﻜﻦ‬
‫و ﻋﻤﻠﻲ ﺑﺮاي ﭘﺮداﺧﺘﻦ ﺑﻪ ﻣﺴﺎﺋﻞ ﺑﺰرگ‪ ،‬ﻏﻴﺮﺧﻄﻲ و ﭘﻴﭽﻴﺪه اي اﺳﺖ ﻛﻪ در دﻧﻴﺎي واﻗﻌﻲ ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه روي ﻣﻲ دﻫﺪ‪ .‬دوم اﻳﻨﻜﻪ‪ ،‬ﺑﺮﻧﺎﻣﻪ‬
‫ﻫﺎي زﻣﺎﻧﻲ ﺣﺎﺻﻞ از روش اﺑﺘﻜﺎري ﻣﻤﻜﻦ اﺳﺖ ﺑﻬﻴﻨﻪ ﻧﺒﺎﺷﺪ‪ ،‬اﻣﺎ ﻣﻌﻤﻮﻻ ﻛﺎﻣﻼ ﻣﻨﺎﺳﺐ و ﺑﻪ ﻳﻘﻴﻦ ﺑﺮاي ﺑﺴﻴﺎري از ﻣﻘﺎﺻﺪ ﺑﺴﻨﺪه اﺳﺖ‪[14] .‬‬
‫روﻳﻜﺮدﻫﺎي اﺑﺘﻜﺎري ﻣﻲ ﺗﻮاﻧﺪ ﺑﻪ ﭼﻬﺎرﮔﺮوه ﺗﻘﺴﻴﻢ ﺷﻮد‪ [16,15] :‬اﺑﺘﻜﺎري ﻫﺎ ﺑﺮﭘﺎﻳﻪ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ اﻳﻜﺲ ﻋﺒﻮري‪ ،‬ﻓﺮااﺑﺘﻜﺎري ﻫﺎي‬
‫ﻛﻼﺳﻴﻚ‪ ،‬ﻓﺮااﺑﺘﻜﺎري ﻫﺎي ﻏﻴﺮ اﺳﺘﺎﻧﺪارد و اﺑﺘﻜﺎري ﻫﺎي ﻣﺘﻔﺮﻗﻪ‪[1] .‬‬

‫‪ -2-1-4‬اﺑﺘﻜﺎري ﻫﺎ ﺑﺮﭘﺎﻳﻪ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ اﻳﻜﺲ ﻋﺒﻮري‬

‫ﻳﻚ اﺑﺘﻜﺎري ﺑﺮ ﭘﺎﻳﻪ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ از دو ﺟﺰء ﺗﺸﻜﻴﻞ ﺷﺪه اﺳﺖ‪ :‬روش ﺗﻮﻟﻴﺪ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ )‪ (SGS‬و ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ‪ .‬ﺑﻄﻮرﻛﻠﻲ دو روش‬
‫ﺗﻮﻟﻴﺪ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﻣﺘﻔﺎوت ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﺳﺖ‪ :‬ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺳﺮي و ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﻣﻮازي‪ .‬ﻫﺮ دو روش ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﺷﺪﻧﻲ ﺑﺎ اﺳﺘﻔﺎده از‬
‫ﺗﻮﺳﻌﻪ ﻣﺮﺣﻠﻪ ﺑﻪ ﻣﺮﺣﻠﻪ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺟﺰﺋﻲ‪ ،‬ﺗﻮﻟﻴﺪ ﻣﻲ ﻛﻨﻨﺪ‪ .‬ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺟﺰﺋﻲ‪ ،‬ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ اﺳﺖ ﻛﻪ در آن ﺗﻨﻬﺎ زﻳﺮﻣﺠﻤﻮﻋﻪ اي از ﻓﻌﺎﻟﻴﺖ‬
‫ﻫﺎ زﻣﺎﻧﺒﻨﺪي ﺷﺪه اﻧﺪ‪ .‬ﻓﻌﺎﻟﻴﺖ ﻫﺎﻳﻲ ﻛﻪ در ﻫﺮ ﻣﺮﺣﻠﻪ ﺑﺮاي اﺳﺘﻔﺎده از ﻣﻨﺎﺑﻊ رﻗﺎﺑﺖ ﻣﻲ ﻛﻨﻨﺪ ﺑﺎ اﺳﺘﻔﺎده از ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﻣﺮﺗﺐ ﺷﺪه اﻧﺪ‪[2] .‬‬
‫ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﺑﻪ ﻫﺮ ﻓﻌﺎﻟﻴﺖ ﻣﺠﺎز ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﻳﻚ ﻣﻘﺪار اﻟﻮﻳﺖ‪ ، v( j ) ،‬را ﻣﻲ دﻫﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﻓﻌﺎﻟﻴﺖ ﺑﺎ ﺑﻴﺸﺘﺮﻳﻦ ﻳﺎ‬
‫ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار ) ‪ ، v( j‬در اﻟﻮﻳﺖ ﻗﺮار ﻣﻲ ﮔﻴﺮد‪[15] .‬‬
‫‪7‬‬ ‫‪6‬‬
‫اﺑﺘﻜﺎري ﻫﺎ ﺑﺮ ﻣﺒﻨﺎي ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ‪ ،‬ﺑﻪ ﻋﻨﻮان روش ﻫﺎي ‪ X-pass‬ﺷﺎﻣﻞ روش ﻫﺎي ﺗﻚ ﻋﺒﻮري و ﭼﻨﺪ ﻋﺒﻮري ﻧﻴﺰ ﺷﻨﺎﺧﺘﻪ ﺷﺪه اﻧﺪ‪.‬‬
‫]‪ [17‬اﮔﺮ اﺑﺘﻜﺎري ﻳﻚ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ را ﺗﻮﻟﻴﺪ ﻛﻨﺪ‪ ،‬روش ﺗﻚ ﻋﺒﻮري ﻧﺎم دارد‪ ،‬اﮔﺮ ﺑﻴﺸﺘﺮ از ﻳﻚ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺗﻮﻟﻴﺪ ﻛﻨﺪ‪ ،‬ﺑﻪ آن ﭼﻨﺪ ﻋﺒﻮري‬
‫ﮔﻔﺘﻪ ﻣﻲ ﺷﻮد‪ [15] .‬ﻗﺪﻳﻤﻲ ﺗﺮﻳﻦ اﺑﺘﻜﺎري ﻫﺎ ﺑﺮاي ‪ RCPSP‬روش ﻫﺎي ﺗﻚ ﻋﺒﻮري اﺳﺖ ﻛﻪ ﻳﻚ ﻧﻮع ‪ SGS‬و ﻳﻚ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ را ﺑﻜﺎر‬
‫ﻣﻲ ﺑﺮد‪ .‬در روش ﻫﺎي روش ﭼﻨﺪ ﻋﺒﻮري‪ ،‬اﻣﻜﺎن ﻫﺎي زﻳﺎدي ﺑﺮاي ﺗﺮﻛﻴﺐ ‪ SGS‬و ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ وﺟﻮد دارد‪ .‬ﻣﻌﻤﻮﻟﻲ ﺗﺮﻳﻦ آﻧﻬﺎ روش ﻫﺎي‬
‫ﭼﻨﺪ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ‪ ،‬روش ﻫﺎي زﻣﺎﻧﺒﻨﺪي رﻓﺖ و ﺑﺮﮔﺸﺖ‪ ،‬و روش ﻫﺎي ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﻫﺴﺘﻨﺪ‪.‬‬
‫روش ﻫﺎي ﭼﻨﺪ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﭼﻨﺪ ﺑﺎر از ‪ SGS‬اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻨﺪ و ﻫﺮ ﺑﺎر از ﻳﻚ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﻣﺘﻔﺎوت اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻨﺪ‪ .‬ﺑﻮﻛﺘﺮ ﻫﻔﺖ‬
‫ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﻣﺘﻔﺎوت را ﺑﺎ ﻣﻄﺎﻟﻌﻪ ﺗﺠﺮﺑﻲ اش ﺑﺮرﺳﻲ ﻛﺮد‪ .‬ﻳﻮﻟﻮﺳﻮي و ازدﻣﺎر ﺗﺮﻛﻴﺐ ﻣﺤﺪب ‪ 2‬ﻗﺎﻧﻮن را ﺑﻤﻨﻈﻮر ﺗﻮﻟﻴﺪ ‪ 10‬ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ‬
‫ﻣﺘﻔﺎوت ﺑﻜﺎر ﮔﺮﻓﺘﻨﺪ‪ .‬روش ﻫﺎي زﻣﺎﻧﺒﻨﺪي ﭘﻴﺸﺮو – ﭘﺴﺮو‪ ،‬ﻳﻚ ‪ SGS‬را ﺑﻤﻨﻈﻮر زﻣﺎﻧﺒﻨﺪي ﻣﻜﺮر ﭘﺮوژه ﺑﺎ ﺗﻌﻮﻳﺾ زﻣﺎﻧﺒﻨﺪي ﭘﻴﺸﺮو – ﭘﺴﺮو‬
‫ﺑﻜﺎر ﻣﻲ ﮔﻴﺮد‪ [15] .‬روش ﻫﺎي ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺑﻄﻮرﻛﻠﻲ از ﻳﻚ ‪ SGS‬و ﻳﻚ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﺪ‪ .‬ﺑﺠﺎي ﻣﻘﺪار اﻟﻮﻳﺖ ) ‪ ، v( j‬اﻣﻜﺎن‬

‫‪6‬‬
‫‪Single-pass‬‬
‫‪7‬‬
‫‪Multi-pass‬‬
‫اﻧﺘﺨﺎب ) ‪ p( j‬ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﺷﻮد‪ p( j ) .‬اﺣﺘﻤﺎل اﻳﻦ اﺳﺖ ﻛﻪ ﻓﻌﺎﻟﻴﺖ ‪ j‬از ﻣﺠﻤﻮﻋﻪ ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﻣﺠﺎز اﻧﺘﺨﺎب ﺷﻮد‪ .‬ﺑﺴﺘﻪ ﺑﻪ ﻧﺤﻮه ﻣﺤﺎﺳﺒﻪ‬
‫اﺣﺘﻤﺎل ﻫﺎ‪ ،‬ﻣﻲ ﺗﻮان ﻣﻴﺎن ﻧﻤﻮﻧﻪ ﺑﺮداري ﺗﺼﺎدﻓﻲ‪ ،‬ﻧﻤﻮﻧﻪ ﺑﺮداري ﺗﺼﺎدﻓﻲ ﺳﻮﮔﻴﺮاﻧﻪ و ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﺳﻮﮔﻴﺮاﻧﻪ ﺑﺮ ﻣﺒﻨﺎي ﭘﺸﻴﻤﺎﻧﻲ‪ 8‬ﺗﻤﺎﻳﺰ‬
‫ﻗﺎﺋﻞ ﺷﺪ‪ [18] .‬روش ﻫﺎي ﻧﻤﻮﻧﻪ ﺑﺮداري ﺗﺼﺎدﻓﻲ ﺳﻮﮔﻴﺮاﻧﻪ ﺗﻮﺳﻂ ﻛﻮﭘﺮ ]‪ [19‬ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﺷﺪ‪.‬‬
‫ﻣﻄﺎﻟﻌﺎت ‪ ،RCMPSP‬درﺑﺎره اﻳﻨﻜﻪ ﻛﺪام ﻗﺎﻧﻮن ﺑﻬﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد را دارد و ﺗﺤﺖ ﭼﻪ ﺷﺮاﻳﻄﻲ‪ ،‬ﻧﺎﺳﺎزﮔﺎرﻧﺪ‪ .‬ﺑﻴﺸﺘﺮ ﻣﻘﺎﻟﻪ ﻫﺎﻳﻲ ﻛﻪ ﻋﻤﻠﻜﺮد‬
‫ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ را ارزﻳﺎﺑﻲ ﻛﺮده اﻧﺪ ﺑﻴﻨﺸﻲ را درﺑﺎره ﭘﺮوژه‪ ،‬ﻣﺴﺎﻟﻪ ﻳﺎ ﺧﺼﻮﺻﻴﺎت ﻣﻨﺎﺑﻊ ﻛﻪ در آن ﻗﻮاﻧﻴﻦ ﻣﻮﻓﻖ )ﻳﺎ ﻧﺎﻣﻮﻓﻖ( ﺑﻮده اﻧﺪ‪ ،‬ﻣﻬﻴﺎ ﻧﻜﺮده‬
‫اﻧﺪ‪ .‬ﻫﻤﭽﻨﻴﻦ اﮔﺮﭼﻪ ﻣﻄﺎﻟﻌﺎت ﺑﻴﺸﻤﺎري در ﺟﻬﺖ ﻋﻤﻠﻜﺮد ﻫﺰارﻫﺎ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﺑﺮاي ‪ RCPSP‬ﻫﺪاﻳﺖ ﺷﺪه اﻧﺪ‪ ،‬ﺗﻨﻬﺎ ﺗﻌﺪاد ﻛﻤﻲ از ﻗﻮاﻧﻴﻦ‬
‫ﺑﺮاي ﻣﺤﻴﻂ ﭼﻨﺪﭘﺮوژه اي ﺗﻮﺳﻌﻪ و ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﻧﺪ‪ [1] .‬ﺑﺮﺧﻲ از ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ در ﺟﺪول ‪ 1‬آﻣﺪه اﺳﺖ‪ .‬ﺑﺮﺧﻲ از ﻛﺎرﻫﺎي دﻳﮕﺮ‬
‫اﻧﺠﺎم ﮔﺮﻓﺘﻪ در زﻳﺮ ﺑﻴﺎن ﻣﻲ ﺷﻮد‪:‬‬
‫ﻛﻮرﺗﻮﻟﻮس و دﻳﻮﻳﺲ ]‪ [20‬ﺷﺶ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ و ﻫﻤﺮاه ﺑﺎ آﻧﻬﺎ ﺳﻪ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﺗﻚ ﭘﺮوژه اي را ﺑﺮاي ﻣﺤﻴﻂ ﭼﻨﺪ ﭘﺮوژه اي ﺗﻮﺳﻌﻪ‬
‫دادﻧﺪ و آﻧﻬﺎ را ﺑﺎ ﻫﺪف ﺣﺪاﻗﻞ ﻛﺮدن ﺗﺎﺧﻴﺮ ﻛﻠﻲ ﭘﺮوژه ﺗﺤﻠﻴﻞ ﻛﺮدﻧﺪ و درﻳﺎﻓﺘﻨﺪ ﻛﻪ ‪ SASP‬در ﺑﻴﺸﺘﺮ ﺷﺮاﻳﻂ ﺑﻬﺘﺮﻳﻦ اﺳﺖ‪.‬‬
‫ﻓﻨﺪﻟﻲ ]‪ [21‬از ﻫﺸﺖ ﺗﺎﺑﻊ ﻫﺪف ﻣﺘﻔﺎوت اﺳﺘﻔﺎده ﻛﺮد و در ﻳﺎﻓﺖ ﻛﻪ ‪ MINSLK‬ﺑﻬﺘﺮﻳﻦ ﻧﺘﺎﻳﺞ را ﺑﺮاي ﭘﻨﺞ ﺗﺎ از آﻧﻬﺎ و ﺑﺎ در ﻧﻈﺮ‬
‫ﮔﺮﻓﺘﻦ ﺗﺎﺧﻴﺮ ﻛﻠﻲ ﺗﻮﻟﻴﺪ ﻣﻲ ﻛﻨﺪ‪.‬‬
‫ﭘﺎﺗﺮﺳﻮن ]‪ [22‬از روﻳﻜﺮد ﺗﻚ ﭘﺮوژه اي اﺳﺘﻔﺎده ﻛﺮد و ﭼﻬﺎر ﺗﺎﺑﻊ ﻫﺪف ﻣﺘﻔﺎوت را آزﻣﻮن ﻛﺮد و درﻳﺎﻓﺖ ‪ SOF‬ﺣﺪاﻗﻞ ﺗﺎﺧﻴﺮ ﻛﻠﻲ را‬
‫ﺑﺪﺳﺖ ﻣﻲ آورد‪.‬‬
‫ﻣﺎﺑﺮت و دوﻣﻮﻧﺪ ]‪ [23‬ﻣﺴﺎﻟﻪ ﺗﻌﻴﻴﻦ ﻣﻮﻋﺪ ﺗﺤﻮﻳﻞ ﺑﻪ ﭘﺮوژه ﻫﺎ در ﻣﺤﻴﻂ ﭼﻨﺪ ﭘﺮوژه اي را ﻣﻄﺎﻟﻌﻪ ﻛﺮدﻧﺪ‪ .‬ﻧﺘﺎﻳﺞ ﻣﺤﺎﺳﺒﺎﺗﻲ ﻧﺸﺎن دادﻧﺪ ﻛﻪ‬
‫ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ‪ FCFS‬ﺑﺎ اﺳﺘﺮاﺗﮋي ﻣﻮﻋﺪ ﺗﺤﻮﻳﻞ زﻣﺎن ﭘﺎﻳﺎن زﻣﺎﻧﺒﻨﺪي ﺷﺪه‪ ،‬ﺑﻬﺘﺮﻳﻦ اﻟﮕﻮرﻳﺘﻢ را ﺑﺮاي ﺣﺪاﻗﻞ ﻛﺮدن زﻣﺎن ﺗﻜﻤﻴﻞ ﻣﺘﻮﺳﻂ‪،‬‬
‫دﻳﺮﻛﺮد ﻣﺘﻮﺳﻂ‪ ،‬اﻧﺤﺮاف اﺳﺘﺎﻧﺪارد دﻳﺮﻛﺮد و ﺣﺪاﻗﻞ ﻛﺮدن دﻳﺮﻛﺮد ﻛﻠﻲ ﻧﺘﻴﺠﻪ ﻣﻲ دﻫﺪ‪.‬‬
‫ﻛﻮرﺗﻮﻟﻮس ]‪ [3‬و ﻛﻮرﺗﻮﻟﻮس و ﻧﺎروﻻ ]‪ [24‬ده ﻗﺎﻧﻮن را ﺗﺤﺖ ﺟﺮﻳﻤﻪ ﻫﺎي ﺗﺎﺧﻴﺮ ﺑﺮاﺑﺮ و ﻧﺎﺑﺮاﺑﺮ ﺑﺮرﺳﻲ ﻛﺮدﻧﺪ و درﻳﺎﻓﺘﻨﺪ ﻛﻪ ﻗﻮاﻧﻴﻦ‬
‫" ‪ MAXTWK ، "Maximum Penalty First‬و ‪ SASP‬ﺑﻬﺘﺮ ﻋﻤﻞ ﻣﻲ ﻛﻨﻨﺪ‪.‬‬
‫‪ Lova‬و ﻫﻤﻜﺎران ]‪ [25‬ﻳﻚ اﺑﺘﻜﺎري ﭼﻨﺪﻣﻌﻴﺎره را ﺗﻮﺳﻌﻪ دادﻧﺪ ﻛﻪ دو ﻣﻌﻴﺎر را ﺑﻬﺒﻮد ﻣﻲ ﺑﺨﺸﻴﺪ‪ :‬ﻳﻜﻲ از ﻧﻮع زﻣﺎن و دﻳﮕﺮي از ﻧﻮع‬
‫ﻏﻴﺮ زﻣﺎن‪ .‬آﻧﻬﺎ ﻧﺸﺎن دادﻧﺪ ﻛﻪ اﻳﻦ روش ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﺣﺎﺻﻞ از روش ﻫﺎي اﺑﺘﻜﺎري ﺑﺮ ﻣﺒﻨﺎي ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ‪ MAXTWK‬و‬
‫‪ MINLFT‬ﻫﻤﭽﻨﻴﻦ ﻧﺮم اﻓﺰارﻫﺎي ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه ‪ Time Line ،CA-Super Project ،Microsoft Project‬و ‪Project‬‬
‫‪ Scheduler‬را ﺑﻬﺒﻮد ﻣﻲ ﺑﺨﺸﺪ‪.‬‬
‫ﭘﺎﺗﺮﺳﻮن و ﺑﻮك ]‪ [26‬ﻧﺸﺎن دادﻧﺪ ﻛﻪ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ‪ FCFS‬و ‪ MINSLK‬ﺑﻬﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد را دارا ﻫﺴﺘﻨﺪ و ﻣﻴﺎﻧﮕﻴﻦ دﻳﺮﻛﺮد وزﻧﻲ و‬
‫ﻣﻴﺎﻧﮕﻴﻦ دﻳﺮﻛﺮد ﻣﻄﻠﻖ را ﺣﺪاﻗﻞ ﻣﻲ ﻛﻨﻨﺪ‪.‬‬

‫‪ -2-2-4‬ﻓﺮااﺑﺘﻜﺎري ﻫﺎي ﻛﻼﺳﻴﻚ‬

‫ﻓﺮااﺑﺘﻜﺎري ﻫﺎي ﻛﻼﺳﻴﻚ ﺷﺎﻣﻞ اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ‪ ،‬ﺟﺴﺘﺠﻮي ﻣﻤﻨﻮع‪ ،‬اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ و ﺑﻬﻴﻨﻪ ﺳﺎزي ﻛﻠﻮﻧﻲ ﻣﻮرﭼﮕﺎن ﻣﻲ ﺑﺎﺷﻨﺪ‪[1] .‬‬

‫‪9‬‬
‫‪ -2-2-1-4‬اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ‬

‫اﻟﮕﻮرﻳﺘﻢ اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ ﺑﺮﮔﺮﻓﺘﻪ از روﺷﻲ اﺳﺖ ﻛﻪ ﻛﺮﻳﺴﺘﺎلﻫﺎ ﻃﻲ آن ﺷﻜﻞ ﻣﻲﮔﻴﺮﻧﺪ‪ .‬ﭘﺎﺗﺮﻳﻚ ]‪ [27‬در ﺳﺎل ‪ 1983‬اوﻟﻴﻦ ﻛﺴﻲ ﺑﻮد‬
‫ﻛﻪ اﻳﻦ ﺗﻜﻨﻴﻚ را ﭘﻴﺸﻨﻬﺎد ﻛﺮد‪ .‬اﻟﮕﻮرﻳﺘﻢ اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ ﺟﻮابﻫﺎي ﻧﻬﺎﻳﻲ ﺑﻬﺘﺮ را ﺑﺎ ﺣﺮﻛﺖ ﺗﺪرﻳﺠﻲ از ﻳﻚ ﺟﻮاب ﺑﻪ ﺟﻮاب دﻳﮕﺮ ﺑﻪ دﺳﺖ‬
‫ﻣﻲآورد‪ .‬ﺣﺮﻛﺖ از ﻳﻚ ﺟﻮاب ﺑﻪ ﺟﻮاب دﻳﮕﺮ زﻣﺎﻧﻲ اﺗﻤﺎم ﻣﻲﻳﺎﺑﺪ ﻛﻪ ﺑﻪ ﺣﺎﻟﺖ اﻧﺠﻤﺎد رﺳﻴﺪه ﺑﺎﺷﻴﻢ‪ .‬در دﻣﺎي اﻧﺠﻤﺎد‪ ،‬اﺣﺘﻤﺎل ﻳﺎﻓﺘﻦ ﺟﻮابﻫﺎي‬

‫‪8‬‬
‫‪regret‬‬
‫‪9‬‬
‫‪Simulated Annealing‬‬
‫ﺟﺪول ‪-1‬ﺑﺮﺧﻲ از ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ‬

‫ﺑﻬﻴﻨﻪ ﺑﺴﻴﺎر ﻛﻢ ﻣﻲﺑﺎﺷﺪ‪ .‬ﻓﺎﻳﺮ ﻋﻤﻠﻜﺮد ﺧﻮب ﻧﮕﺮش اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ را در ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﻧﺸﺎن داد‪ .‬ﻫﻤﭽﻨﻴﻦ واﻟﺲ اﻟﮕﻮرﻳﺘﻢ اﻧﺠﻤﺎد‬
‫ﺗﺪرﻳﺠﻲ را ﺟﻬﺖ ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺑﺎ ﻧﮕﺮش ﺑﻬﺒﻮد رﻓﺖ و ﺑﺮﮔﺸﺘﻲ اراﺋﻪ داد‪ [28] .‬ﺷﺎﻧﻜﺎر و ﻧﺎﮔﻲ ]‪ [29‬روﻳﻜﺮد ﺳﻠﺴﻪ ﻣﺮاﺗﺒﻲ دو‬
‫ﺳﻄﺤﻲ‪ ،‬ﺷﺎﻣﻞ ﻣﺮاﺣﻞ ﺑﺮﻧﺎﻣﻪرﻳﺰي‪ ،‬زﻣﺎﻧﺒﻨﺪي اراﺋﻪ دادﻧﺪ‪ .‬ﻣﺮﺣﻠﻪ ﺑﺮﻧﺎﻣﻪرﻳﺰي ﺑﺼﻮرت ﺑﺮﻧﺎﻣﻪ ﺧﻄﻲ ﻓﺮﻣﻮﻟﺒﻨﺪي ﺷﺪ و اﺟﺎزه اﻧﺘﺨﺎب ﺑﻴﻦ ﭼﻨﺪ‬
‫ﺗﺎﺑﻊ ﻫﺪف را ﺑﻪ ﻛﺎرﺑﺮ ﻣﻲداد‪ .‬ﻣﺮﺣﻠﻪ زﻣﺎﻧﺒﻨﺪي ﻧﻴﺰ از اﻧﺠﻤﺎد ﺗﺪرﻳﺠﻲ ﺑﺮاي ﻣﺤﺎﺳﺒﻪ راه ﺣﻞ‪ ،‬اﺳﺘﻔﺎده ﻣﻲ ﻛﺮد‪.‬‬
‫‪10‬‬
‫‪ -2-2-2-4‬ﺟﺴﺘﺠﻮي ﻣﻤﻨﻮع‬

‫اﻳﻦ روش در ﺳﺎل ‪ 1989‬ﺗﻮﺳﻂ ﮔﻼور و ﮔﺮﻳﻨﺒﺮگ ]‪ [30‬اﺑﺪاع ﺷﺪ‪ .‬ﻳﻜﻲ از ﻣﺰاﻳﺎي ﻋﻤﺪه اﻳﻦ روش اﺳﺘﻔﺎده از اﻫﺮم ﻫﺎي ﺣﺎﻓﻈـﻪ ﻛﻮﺗـﺎه‬
‫ﻣﺪت و ﺑﻠﻨﺪ ﻣﺪت ﻣﻲﺑﺎﺷﺪ ﻛﻪ ﺑﺎﻋﺚ اﻧﻌﻄﺎف ﺑﻴﺸﺘﺮي در ﻋﻤﻠﻴﺎت ﺟﺴﺘﺠﻮ ﻣﻲﺷﻮد و ﻣﺴﺎﻟﻪ را از ﻧﻘﻄﻪ ﺑﻬﻴﻨﻪ ﻣﺤﻠﻲ ﺧﺎرج و در ﺟﻬﺖ دﺳﺖﻳﺎﺑﻲ‬
‫ﺑﻪ ﺟﻮاب ﺑﻬﻴﻨﻪ ﻛﻠﻲ‪ ،‬ﻫﺪاﻳﺖ ﻣﻲﻧﻤﺎﻳﺪ‪ .‬در ﺳﺎﻟﻬﺎي اﺧﻴﺮ اﺳﺘﻔﺎده از اﻳﻦ اﻟﮕﻮرﻳﺘﻢ در ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﭘﻴﺸﺮﻓﺖ ﭼﺸﻤﮕﻴﺮي داﺷـﺘﻪ اﺳـﺖ‪.‬‬
‫ﻛﻠﻴﻦ ﻳﻚ روش ﻣﻤﻨﻮع اﻧﻔﻌﺎﻟﻲ ﺟﻬﺖ ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺑﺎ ﻣﻨﺎﺑﻊ ﻣﺤﺪود اراﺋﻪ ﻛﺮد‪ .‬اﻟﮕﻮرﻳﺘﻢ ﻣﻮرد ﻧﻈﺮ از ﻧﻤﺎﻳﺶ ﻟﻴﺴـﺖ ﻓﻌﺎﻟﻴـﺖﻫـﺎ و‬
‫روش ﺗﻮﻟﻴﺪ ﺑﺮﻧﺎﻣﻪ ﺳﺮي ﺟﻬﺖ ﺗﻮﻟﻴﺪ ﺟﻮاب اوﻟﻴﻪ اﺳﺘﻔﺎده ﻣﻲﻛﺮد‪ [28] .‬ﻧﻮﻧﻮب و اﻳﺒﺎراﻛﻲ ]‪ [31‬ﻧﻴﺰ ﻳﻚ ﻃﺮح ﻧﮕﺮش اﻧﺠﻤـﺎد ﺗـﺪرﻳﺠﻲ ﺑـﺮاي‬
‫ﺣﺎﻻت ﻣﺨﺘﻠﻒ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺑﺎ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ اراﺋﻪ ﻧﻤﻮدﻧﺪ‪.‬‬

‫‪11‬‬
‫‪ -2-2-3-4‬اﻟﮕﻮرﻳﺘﻢ ﺑﻬﻴﻨﻪﺳﺎزي ﻻﻧﻪ ﻣﻮرﭼﮕﺎن‬

‫اﻟﮕﻮرﻳﺘﻢ ﺑﻬﻴﻨﻪﺳﺎزي ﻻﻧﻪ ﻣﻮرﭼﮕﺎن ﻧﮕﺮﺷﻲ اﺳﺖ اﻟﻬﺎم ﮔﺮﻓﺘﻪ از رﻓﺘﺎر ﻻﻧﻪﻫﺎي ﻣﻮرﭼﮕﺎن ﻣﻲﺑﺎﺷﺪ و ﺟﻬـﺖ ﺣـﻞ ﻣﺴـﺎﺋﻞ ﺑﻬﻴﻨـﻪﺳـﺎزي‬
‫ﮔﺴﺴﺘﻪ ﺑﻜﺎر ﻣﻲرود‪ [28] .‬ﻣﺮﻛﻞ و ﺷﻴﻤﻴﭻ ]‪ [32‬ﺑﻪ ﻧﺘﺎﻳﺞ ﻗﺎﺑﻞ ﺗﻮﺟﻬﻲ در ﺧﺼﻮص اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ ﻣﻮرﭼﮕﺎن در زﻣﺎﻧﺒﻨﺪي ﭘـﺮوژه‪ ،‬دﺳـﺖ‬
‫ﻳﺎﻓﺘﻨﺪ‪ .‬آﻧﻬﺎ اﻟﮕﻮرﻳﺘﻢ ﺟﺪﻳﺪي را ﺑﻪ ﻧﺎم ‪ AS-RCPSP‬اراﺋﻪ دادﻧﺪ‪ .‬اﻳﻦ اﻟﮕﻮرﻳﺘﻢ روش ارزﻳﺎﺑﻲ ﻓﺮوﻣﻮن ﻣﺠﻤـﻮع)ﻣﻄﻠـﻖ( و ارزﻳـﺎﺑﻲ ﻓﺮوﻣـﻮن‬
‫ﻣﺴﺘﻘﻴﻢ)ﻣﺤﻠﻲ( را ﺑﺎ ﻳﻜﺪﻳﮕﺮ ﺗﺮﻛﻴﺐ ﻣﻲﻛﻨﺪ‪.‬‬

‫‪12‬‬
‫‪ -2-2-4-4‬اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ‬

‫اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﻳﻚ ﻣﺘﺪﻟﻮژي ﻋﻤﻮﻣﻲ ﺑﺮاي ﺟﺴﺘﺠﻮ در ﻓﻀﺎﻫﺎي ﺟﻮاب ﮔﺴﺴﺘﻪ‪ ،‬درﺳﺖ ﻣﻄﺎﺑﻖ ﺑﺎ روش ﺑﻜﺎرﮔﺮﻓﺘـﻪ ﺷـﺪه در ﻓﺮاﻳﻨـﺪﻫﺎي‬
‫ﻃﺒﻴﻌﻲ اﻧﺘﺨﺎب در ﺳﻴﺴﺘﻢﻫﺎي ﺑﻴﻮﻟﻮژﻳﻜﻲ ﻣﻲﺑﺎﺷﺪ‪ .‬در واﻗﻊ اﻳﺪه اوﻟﻴﻪ اﻳﻦ روش از ﻧﻈﺮﻳﻪ ﺗﻜﺎﻣﻠﻲ داروﻳﻦ اﻟﻬﺎم ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ و ﻛـﺎرﻛﺮد آن‬
‫ﺑﺮ اﺳﺎس ژﻧﺘﻴﻚ ﻃﺒﻴﻌﻲ اﺳﺘﻮار ﻣﻲ ﺑﺎﺷﺪ‪ .‬اﺻﻮل اوﻟﻴﻪ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺗﻮﺳﻂ ﻫﻠﻨﺪ‪ 13‬و ﻫﻤﻜﺎراﻧﺶ در داﻧﺸﮕﺎه ﻣﻴﺸﻴﮕﺎن در ﺳـﺎل ‪ 1962‬اراﺋـﻪ‬
‫ﺷﺪ‪ .‬ﺳﭙﺲ در ﺳﺎل ‪ ،1975‬ﻣﺒﺎﻧﻲ رﻳﺎﺿﻲ آن در ﻛﺘﺎﺑﻲ ﺗﻮﺳﻂ ﻫﻠﻨﺪ ﺑﺎ ﻧﺎم “ﺗﻄﺎﺑﻖ در ﺳﻴﺴﺘﻢ ﻫﺎي ﻃﺒﻴﻌﻲ و ﻣﺼﻨﻮﻋﻲ” ﻣﻨﺘﺸﺮ ﺷﺪ‪[33] .‬‬
‫ﭘﻮرﺗﻤﻦ ]‪ [34‬ﻳﻚ ﺧﻼﺻﻪ ﻛﻮﺗﺎه درﺑﺎره اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ در ﻣﺤﻴﻂ زﻣﺎﻧﺒﻨﺪي ﻫﻤﺮاه ﺑﺎ ﺗﺤﻠﻴﻞ اﺛﺮات اﭘﺮاﺗﻮرﻫﺎي ﮔﻮﻧﺎﮔﻮن ﻣﺎﻧﻨﺪ‬
‫رﻣﺰﮔﺬاري‪ ،‬ﺗﻘﺎﻃﻊ و ﺟﻬﺶ را اراﺋﻪ ﻛﺮد‪.‬‬
‫ﻫﺎرﺗﻤﻦ ]‪ [35‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺑﺎ رﻣﺰ ﮔﺬاري ﺑﺮ ﭘﺎﻳﻪ وﻗﻔﻪ را ﺗﻮﺳﻌﻪ داد و ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺧﻮدﺗﻄﺒﻴﻘﻲ را ﻛﻪ ﺑﻄﻮر ﺧﻮدﻛﺎر ﺑﻬﺘﺮﻳﻦ‬
‫روش رﻣﺰﮔﺸﺎﻳﻲ ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ را ﺑﺪﺳﺖ ﻣﻲ آورد‪ ،‬اراﺋﻪ داد‪.‬‬
‫ﻟﻴﻮ و ﻳﺎﻧﮓ ]‪ [36‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺑﺮ اﺳﺎس ﻣﺪل ﺑﻬﻴﻨﻪ ﭼﻨﺪ ﻣﻌﻴﺎره ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﺳﺎﺧﺖ و ﺳﺎز اراﺋﻪ ﻛﺮدﻧﺪ‪.‬‬
‫ردي و ﻫﻤﻜﺎران ]‪ [37‬ﻳﻚ روﻳﻜﺮد اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺑﺮاي ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺑﺎ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ ﭼﻨﺪﮔﺎﻧﻪ ﭼﻨﺪ ﺣﺎﻟﺘﻪ ﻫﻤﺮاه ﺑﺎ وﻗﻔﻪ و‬
‫ﮔﺮه ﻫﺎي ﺗﺼﻤﻴﻢ اراﺋﻪ ﻛﺮدﻧﺪ‪.‬‬
‫ﮔﻨﺰاﻟﻮس و ﻫﻤﻜﺎران ]‪ [38‬ﻳﻚ روﻳﻜﺮد اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺳﺎده ﺑﺮاي ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژهاي ﺑﺎ رﻣﺰﮔﺬاري ﻛﺮوﻣﻮزومﻫﺎ ﺑﺼﻮرت‬
‫ﻛﻠﻴﺪﻫﺎي ﺗﺼﺎدﻓﻲ و روش ﺗﻮﻟﻴﺪ ﺑﺮﻧﺎﻣﻪﻫﺎي زﻣﺎﻧﻲ ﻛﻪ ﺑﺮﻧﺎﻣﻪﻫﺎي ﻓﻌﺎل ﭘﺎراﻣﺘﺮي ﺗﻮﻟﻴﺪ ﻣﻲﻛﺮد‪ ،‬اراﺋﻪ ﻛﺮدﻧﺪ‪ .‬اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﺑﻪ ﻃﻮر ﻫﻤﺰﻣﺎن‬
‫دﻳﺮﻛﺮد‪ ،‬زودﻛﺮد و ﻣﻌﻴﺎر اﻧﺤﺮاف زﻣﺎن ﺟﺎري را ﺣﺪاﻗﻞ ﻣﻲ ﻛﺮد‪.‬‬

‫‪10‬‬
‫‪Tabu Search‬‬
‫‪11‬‬
‫‪Ant Colony Optimization‬‬
‫‪12‬‬
‫‪Genetic Algorithm‬‬
‫‪13‬‬
‫‪Holland‬‬
‫ﻛﻮﻣﺎﻧﺎن و ﻫﻤﻜﺎران ]‪ [39‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺑﺎ روﻳﻜﺮد اﺑﺘﻜﺎري ﺑﺮاي ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژهاي و ﺑﺎ ﻫﺪف ﺣﺪاﻗﻞ ﻛﺮدن زﻣﺎن‬
‫اﻧﺠﺎم ﭼﻨﺪ ﭘﺮوژهاي‪ ،‬اراﺋﻪ ﻛﺮدﻧﺪ‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ ﭼﺎرﭼﻮﺑﻲ ﺟﺪﻳﺪ ﺑﺮاي ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه اراﺋﻪ ﺷﺪه اﺳﺖ ﻛﻪ در آن از اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ‬
‫ﺑﺮاي اوﻟﻮﻳﺖ ﺑﻨﺪي ﭘﺮوژه ﻫﺎ و از روﻳﻜﺮد اﺑﺘﻜﺎري ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﻫﺮ ﭘﺮوژه اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬
‫ﻳﺎﺳﻴﻨﻲ و ﻫﻤﻜﺎران ]‪ [40‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﻓﻨﻲ )‪ (CGA‬را ﺑﺎ اﺳﺘﺮاﺗﮋي ﺟﺴﺘﺠﻮي ﻣﺤﻠﻲ ﭘﻴﻮﻧﺪ زدﻧﺪ‪ .‬ﺗﺎﺑﻊ ﻫﺪف اﺳﺘﻔﺎده ﺷﺪه‪،‬‬
‫ﺗﺎﺧﻴﺮ ﭘﺮوژه ﻛﻠﻲ اﺳﺖ‪ .‬اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ اراﺋﻪ ﺷﺪه ﺑﺎ ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﺳﺎده ﺗﻮﻟﻴﺪ ﺷﺪه ﺑﺮ اﺳﺎس دو ﻣﻌﻴﺎر ‪ AUF‬و ‪ ARLF‬آزﻣﻮن ﺷﺪه‬
‫اﺳﺖ‪ .‬ﺑﺮﺗﺮي ‪ CGA‬ﺑﺮ اﻟﮕﻮرﻳﺘﻢ ﻫﺎي ژﻧﺘﻴﻚ ﺳﺎده و اﺑﺘﻜﺎري ﻫﺎي ﻣﺸﻬﻮر اﺛﺒﺎت ﺷﺪه اﺳﺖ‪.‬‬
‫ﻛﻴﻢ و ﻫﻤﻜﺎران ]‪ [41‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺗﺮﻛﻴﺒﻲ ﻛﻨﺘﺮل ﻛﻨﻨﺪه ﻣﻨﻄﻘﻲ ﻓﺎزي )‪ (flc-hGA‬ﺑﺮاي ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه‬
‫ﭼﻨﺪﮔﺎﻧﻪ‪ ،‬ﺑﻜﺎر ﺑﺮدﻧﺪ‪ .‬ﻫﺪف ﻫﺎي در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه در اﻳﻦ ﻣﻘﺎﻟﻪ‪ ،‬ﺣﺪاﻗﻞ ﻛﺮدن زﻣﺎن ﭘﺮوژه ﻛﻠﻲ و ﺣﺪاﻗﻞ ﻛﺮدن ﺟﺮﻳﻤﻪ دﻳﺮﻛﺮد ﻛﻠﻲ اﺳﺖ‪.‬‬
‫اﺛﺒﺎت ﺷﺪه اﺳﺖ ﻛﻪ ‪ flc-hGA‬ﻧﺘﺎﻳﺞ ﺑﻬﺘﺮي را ﻧﺴﺒﺖ ﺑﻪ اﻟﮕﻮرﻳﺘﻢ ﻫﺎي ژﻧﺘﻴﻚ ﻣﻌﻤﻮﻟﻲ و اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﺗﻄﺒﻴﻘﻲ ﺑﺪﺳﺖ ﻣﻲ آورد‪.‬‬

‫‪ -2-3-4‬ﻓﺮااﺑﺘﻜﺎري ﻫﺎي ﻏﻴﺮ اﺳﺘﺎﻧﺪارد‬

‫‪ -2-3-1-4‬روش ﻫﺎي ﺷﺎﺧﻪ و ﻛﺮان ﻧﺎﻗﺺ‬

‫ﭘﻮﻻك‪-‬ﺟﺎﻧﺴﻮن ]‪ [42‬از ﺟﺴﺘﺠﻮي ﺷﺎﺧﻪ و ﻛﺮان‪ ،‬درﺧﺖ ﺣﻞ ﺟﺰﺋﻲ اﺳﺘﻔﺎده ﻛﺮدﻧﺪ‪ .‬اﻟﮕﻮرﻳﺘﻢ ﻳﻚ اﺑﺘﻜﺎري زﻣﺎﻧﺒﻨﺪي ﻣﻮازي اﺳﺖ‪.‬‬
‫ﺑﺠﺎي زﻣﺎﻧﺒﻨﺪي ﻓﻌﺎﻟﻴﺖ ﺑﺎ ﺑﺎﻻﺗﺮﻳﻦ اﻟﻮﻳﺖ ﺗﻘﺪم‪ ،‬ﺷﺎﺧﻪ ﻫﺎي آن در ﻣﻮﻗﻌﻴﺖ ﻫﺎي ﻣﺸﺨﺺ‪ ،‬در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲ ﺷﻮد‪ .‬اﺳﭙﺮﭼﺮ ]‪ [43‬روش ﺷﺎﺧﻪ‬
‫و ﻛﺮاﻧﺶ را ﻫﻤﺎﻧﻨﺪ ﻳﻚ اﺑﺘﻜﺎري ﺑﺎ وارد ﻛﺮدن ﻣﺤﺪودﻳﺖ زﻣﺎﻧﻲ ﺑﻪ ﻛﺎر ﺑﺮد‪.‬‬

‫‪ -2-3-2-4‬روش ﻫﺎي ﺑﺮ ﻣﺒﻨﺎي ﻛﻤﺎن ﺟﺪاﺳﺎزﻧﺪه‬

‫اﻳﺪه اوﻟﻴﻪ روﻳﻜﺮدﻫﺎي ﺑﺮ ﻣﺒﻨﺎي ﻛﻤﺎن ﻫﺎي ﺟﺪاﺳﺎزﻧﺪه‪ ،‬ﮔﺴﺘﺮش رواﺑﻂ ﺗﻘﺪﻣﻲ )ﻣﺠﻤﻮﻋﻪ ﻛﻤﺎن ﻫﺎي ﺟﺪا ﺳﺎزﻧﺪه( ﺑﻮد‪ ،‬ﻣﺜﻞ ﻣﺠﻤﻮﻋﻪ‬
‫ﻫﺎي ﻣﻤﻨﻮع ﻛﻤﻴﻦ‪ ،‬ﻳﻌﻨﻲ‪ ،‬ﻣﺠﻤﻮﻋﻪ ﻓﻌﺎﻟﻴﺖ ﻫﺎي ﻣﺴﺘﻘﻞ ﻓﻨﻲ ﻛﻪ ﻧﻤﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﺑﻪ ﻃﻮر ﻫﻤﺰﻣﺎن ﺑﻪ ﺧﺎﻃﺮ ﻣﺤﺪودﻳﺖ ﻫﺎي ﻣﻨﺎﺑﻊ‪ ،‬زﻣﺎﻧﺒﻨﺪي‬
‫ﺷﻮﻧﺪ‪.‬‬
‫ﺷﺎﻓﺮ و ﻫﻤﻜﺎران ]‪ [44‬داﻣﻨﻪ را درون "روش زﻣﺎﻧﺒﻨﺪي ﻣﻨﺎﺑﻊ" ﻣﺤﺪود ﻛﺮدﻧﺪ‪ .‬ﻛﻤﺎن ﺟﺪاﺳﺎزﻧﺪه ﻛﻪ ﻛﻤﺘﺮﻳﻦ اﻓﺰاﻳﺶ در زودﺗﺮﻳﻦ زﻣﺎن‬
‫ﭘﺎﻳﺎن ﮔﻮدال‪14‬ﻳﻜﺘﺎ را ﺗﻮﻟﻴﺪ ﻣﻲ ﻛﻨﺪ‪ ،‬ﻣﻌﺮﻓﻲ ﺷﺪه اﺳﺖ و ﻗﻮاﻧﻴﻦ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﭘﺎﻳﺎن دوﺑﺎره ﻣﺤﺎﺳﺒﻪ ﺷﺪه اﺳﺖ‪ .‬اﻟﮕﻮرﻳﺘﻢ ﻫﻤﻴﻦ ﻛﻪ زودﺗﺮﻳﻦ‬
‫ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﭘﺎﻳﺎن ﻛﻪ از ﻧﻈﺮ ﻣﻨﺒﻊ )و اﻟﻮﻳﺖ( ﺷﺪﻧﻲ ﺑﺎﺷﺪ‪ ،‬ﭘﻴﺪا ﺷﺪ‪ ،‬ﺧﺎﺗﻤﻪ ﻣﻲ ﻳﺎﺑﺪ‪.‬‬
‫ﺑﻞ و ﻫﺎن ]‪ [14‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ دو ﻣﺮﺣﻠﻪ اي ﺑﺮاي اﻳﻦ ﻣﺴﺎﻟﻪ ﻣﻌﺮﻓﻲ ﻛﺮدﻧﺪ‪ .‬ﻧﺨﺴﺘﻴﻦ ﻣﺮﺣﻠﻪ ﺑﺴﻴﺎر ﺷﺒﻴﻪ ﺑﻪ روﻳﻜﺮد ﺷﺎﻓﺮ و ﻫﻤﻜﺎران‬
‫]‪ [44‬ﺑﻮد‪ .‬ﻣﺮﺣﻠﻪ دوم‪ ،‬ﺳﻌﻲ ﻣﻲ ﻛﺮد ﺗﺎ ﻳﻚ راه ﺣﻞ ﺑﻪ دﺳﺖ آﻣﺪه در ﻣﺮﺣﻠﻪ اول را ﺑﻬﺒﻮد ﺑﺒﺨﺸﺪ‪.‬‬

‫‪ -2-3-3-4‬روﻳﻜﺮدﻫﺎي ﺟﺴﺘﺠﻮي ﻣﺤﻠﻲ ﺟﻬﺖ دار‬

‫ﻓﻠﺰر و ﻫﻴﻨﺪي ]‪ [45‬ﻳﻚ ﺟﺴﺘﺠﻮي ﻫﻤﺴﺎﻳﮕﻲ ﻣﺘﻐﻴﺮ ﺑﺮاي ‪ RCPSP‬را ﺑﻜﺎر ﺑﺮدﻧﺪ‪ .‬آﻧﻬﺎ ﻳﻚ ﻟﻴﺴﺖ ﻓﻌﺎﻟﻴﺖ ﻫﺎ‪ ،‬روش ‪ SGS‬ﺳﺮي و‬
‫ﺣﺮﻛﺖ اﻧﺘﻘﺎﻟﻲ اﻓﺰاﻳﺸﻲ ﻛﻪ اﺟﺎزه ﻣﻲ داد ﺗﺎ ﻓﻌﺎﻟﻴﺖ ﻫﺎ را ﺑﺎ ﭘﻴﺶ ﻧﻴﺎزﻫﺎ و ﭘﺲ ﻧﻴﺎزﻫﺎﻳﺸﺎن ﻣﻨﺘﻘﻞ ﻛﻨﺪ‪ ،‬ﺑﻜﺎر ﺑﺮدﻧﺪ‪.‬‬

‫‪14‬‬
‫‪Sink‬‬
‫ﭘﺎﻟﭙﺎﻧﺖ و ﻫﻤﻜﺎران ]‪ [46‬زﻣﺎﻧﺒﻨﺪي رﻓﺖ و ﺑﺮﮔﺸﺖ را ﺑﺎ روش ‪ SGS‬ﺳﺮي و ﺑﻬﻴﻨﻪ ﺳﺎزي ﺑﺮ ﻣﺒﻨﺎي ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﺟﺰﺋﻲ در ﻳﻚ‬
‫روش ﺟﺴﺘﺠﻮي ﻣﺤﻠﻲ ﺑﻜﺎر ﺑﺮدﻧﺪ‪ .‬ﺟﻮاب اوﻟﻴﻪ ﺗﻮﺳﻂ زﻣﺎﻧﺒﻨﺪي رﻓﺖ و ﺑﺮﮔﺸﺖ ﺗﻮﻟﻴﺪ ﻣﻲ ﺷﺪ‪ .‬روش ﻣﻴﺎن اﻧﺘﺨﺎب ﻓﻌﺎﻟﻴﺖ ﻫﺎ‪ ،‬ﺑﻬﻴﻨﻪ ﺳﺎزي‬
‫ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﺟﺰﺋﻲ و زﻣﺎﻧﺒﻨﺪي رﻓﺖ و ﺑﺮﮔﺸﺖ ﺗﺎ وﻗﺘﻲ ﻛﻪ ﺷﺮط ﺗﻮﻗﻒ ﻣﺸﺎﻫﺪه ﺷﻮد‪ ،‬اداﻣﻪ ﻣﻲ ﻳﺎﻓﺖ‪.‬‬
‫واﻟﺲ و ﻫﻤﻜﺎران ]‪ [47‬ﻳﻚ روش ﺟﺴﺘﺠﻮي ﻣﺤﻠﻲ دو ﻣﺮﺣﻠﻪ اي را ﻣﻌﺮﻓﻲ ﻛﺮدﻧﺪ‪ .‬اﻳﻦ روش ﺑﺮ اﺳﺎس ﻧﻤﺎﻳﺶ ﻣﻨﻈﻢ ﻣﻜﺎن ﺷﻨﺎﺳﻲ‬
‫)ﺣﺎﻟﺖ ﺧﺎﺻﻲ از ﻧﻤﺎﻳﺶ ﻛﻠﻴﺪﻫﺎي ﺗﺼﺎدﻓﻲ( و روش ‪ SGS‬ﺳﺮي ﻣﻲ ﺑﺎﺷﺪ‪.‬‬

‫‪ -2-3-4-4‬روﻳﻜﺮدﻫﺎي ﺟﻤﻌﻴﺖ ﻣﺒﻨﺎ‬

‫دﺑﻞ و ﻫﻤﻜﺎران ]‪ [48‬ﺟﺴﺘﺠﻮي ﭘﺮاﻛﻨﺪه را ﺑﻜﺎر ﺑﺮدﻧﺪ ﻛﻪ ﻳﻚ ﭼﺎرﭼﻮب ﺑﺮ ﻣﺒﻨﺎي ﺟﻤﻌﻴﺖ اﺳﺖ ﻛﻪ ﻣﻲ ﺗﻮاﻧﺪ ﺑﻪ ﺻﻮرت ﮔﻮﻧﻪ اي از‬
‫اﻟﮕﻮرﻳﺘﻢ ﻫﺎي ژﻧﺘﻴﻚ دﻳﺪه ﺷﻮد‪ .‬در ﻧﻬﺎﻳﺖ اﻳﻦ روﻳﻜﺮد ﺑﺎ ﺑﻬﺒﻮد رﻓﺖ و ﺑﺮﮔﺸﺖ ﺗﺮﻛﻴﺐ ﻣﻲ ﺷﺪ‪.‬‬
‫ﻛﻮﭼﺘﻒ و اﺳﺘﻮﻳﻠﺮ ]‪ [49‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ﺗﻜﺎﻣﻠﻲ ﻛﻪ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ‪ ،‬ﭘﻴﻮﺳﺘﮕﻲ ﻣﺴﻴﺮ و ﺟﺴﺘﺠﻮي ﻣﻤﻨﻮع را ﺗﺮﻛﻴﺐ ﻣﻲ ﻛﺮد‪ ،‬اﺑﺪاع ﻛﺮدﻧﺪ‪.‬‬
‫ﺟﻮاب ﻫﺎ رﺷﺪ ﻣﻲ ﻛﺮدﻧﺪ و از روش ژﻧﺘﻴﻜﻲ ﭘﺮاﻛﻨﺪه ﻣﻲ ﺷﺪﻧﺪ‪ .‬ﺟﻮاب از ﻣﺴﻴﺮ اﻧﺘﺨﺎب و ﺑﻪ وﺳﻴﻠﻪ ﺟﺴﺘﺠﻮي ﻣﻤﻨﻮع ﺑﻬﺒﻮد داده ﻣﻲ ﺷﺪ‪.‬‬
‫واﻟﺲ و ﻫﻤﻜﺎران ]‪ [50‬ﭼﻨﺪ روش ﺟﻤﻌﻴﺖ ﻣﺒﻨﺎي ﻏﻴﺮ اﺳﺘﺎﻧﺪارد در ﻳﻚ ﻣﻄﺎﻟﻌﻪ ﻛﻪ ﺑﺮ ﺑﻬﺒﻮد رﻓﺖ و ﺑﺮﮔﺸﺖ ﺗﻤﺮﻛﺰ داﺷﺖ‪ ،‬اراﺋﻪ ﻛﺮدﻧﺪ‪.‬‬

‫‪ -2-4-4‬اﺑﺘﻜﺎري ﻫﺎي ﻣﺘﻔﺮﻗﻪ‬

‫‪15‬‬
‫‪ -2-4-1-4‬ﺑﻬﺒﻮد رﻓﺖ وﺑﺮﮔﺸﺖ‬

‫ﻟﻮوا و ﺗﻮرﻣﻮس ]‪ [51‬ﻧﻤﻮﻧﻪ ﮔﻴﺮي ﺗﺼﺎدﻓﻲ ﻳﻜﭙﺎرﭼﻪ و اﺑﺘﻜﺎري ﻫﺎي رﻓﺖ و ﺑﺮﮔﺸﺘﻲ را ﺑﺎ ﻫﺪف ﻣﻴﺎﻧﮕﻴﻦ ﺗﺎﺧﻴﺮ ﭘﺮوژه و اﻓﺰاﻳﺶ ﻣﺪت‬
‫زﻣﺎن اﺟﺮاي ﭼﻨﺪﭘﺮوژه اي ﺗﻮﺳﻌﻪ دادﻧﺪ‪.‬‬
‫ﻟﻮوا و ﺗﻮرﻣﻮس ]‪ [52‬ﻳﻚ اﺑﺘﻜﺎري ﺑﻬﺒﻮد رﻓﺖ و ﺑﺮﮔﺸﺖ ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﻫﺎي ﻣﺤﺎﺳﺒﻪ ﺷﺪه ﺗﻮﺳﻂ ﻧﻤﻮﻧﻪ ﺑﺮداري‪ ،‬را ﺗﻮﺳﻌﻪ دادﻧﺪ‪.‬‬
‫ﻟﻮوا و ﺗﻮرﻣﻮس ]‪ [53‬اﺻﻼح ﻛﻮﭼﻜﻲ از روﻳﻜﺮد ﻗﺒﻞ اراﺋﻪ ﻛﺮدﻧﺪ‪ .‬ﻋﻼوه ﺑﺮ روش ﺑﻬﺒﻮد رﻓﺖ و ﺑﺮﮔﺸﺖ‪ ،‬روش ﺑﻬﺒﻮد ﺑﺮﮔﺸﺖ و رﻓﺖ ﻧﻴﺰ‬
‫ﻣﻲ ﺗﻮاﻧﺴﺖ ﺑﻜﺎر رود‪.‬‬
‫واﻟﺲ و ﻫﻤﻜﺎران ]‪ [50‬ﻳﻚ روش ﺗﻨﻈﻴﻢ دوﮔﺎﻧﻪ ﺑﺮاي ﺑﻬﺒﻮد ﺑﺮﻧﺎﻣﻪ ﻫﺎي زﻣﺎﻧﻲ ﭘﻴﺪا ﺷﺪه ﺗﻮﺳﻂ اﺑﺘﻜﺎري ﻫﺎي دﻳﮕﺮ را ﺑﻪ ﻛﺎر ﺑﺮدﻧﺪ‪ .‬اﻳﻦ‬
‫روش ﺗﻤﺎم ﻓﻌﺎﻟﻴﺖ ﻫﺎي درون ﻳﻚ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ را ﺑﻪ راﺳﺖ و ﻣﺘﻌﺎﻗﺒﺎ ﺑﻪ ﭼﭗ ﻣﻨﺘﻘﻞ ﻣﻲ ﻛﻨﺪ ﺗﺎ ﺑﺮﻧﺎﻣﻪ زﻣﺎﻧﻲ ﺑﻬﺘﺮي را ﺑﻪ دﺳﺖ آورد‪.‬‬
‫آرﺗﮕﻴﻮس و ﻫﻤﻜﺎران ]‪ [54‬ﻳﻚ ﺗﻜﻨﻴﻚ ﺟﺎﻳﮕﺬاري ﺑﺮ ﻣﺒﻨﺎي روش ‪ SGS‬ﺳﺮي و ﺑﺪﺗﺮﻳﻦ ﺣﺎﻟﺖ ﺷﻨﺎوري )‪ (WCS‬ﺗﻄﺒﻴﻖ دادﻧﺪ‪.‬‬
‫ﻣﻮرﻳﻨﮓ و ﻫﻤﻜﺎران ]‪ [55‬اﺑﺘﻜﺎري ﻻﮔﺮاﻧﮋ را ﻣﻌﺮﻓﻲ ﻛﺮدﻧﺪ‪ .‬اﻳﻦ روش اﺑﺘﺪا ﻳﻚ ﺣﺪ ﺑﺎﻻي زﻣﺎن اﺟﺮاي ﭘﺮوژه را ﺑﺎ ﺑﻜﺎرﮔﻴﺮي ﻳﻚ‬
‫روش ﭼﻨﺪ ﻗﺎﻧﻮن ﺗﻘﺪﻣﻲ ﺗﻮﻟﻴﺪ ﻣﻲ ﻛﻨﺪ‪ .‬ﺳﭙﺲ رﻫﺎﺳﺎزي ﻻﮔﺮاﻧﮋ‪ 16‬و ﻳﻚ ﻟﻴﺴﺖ اﺑﺘﻜﺎري زﻣﺎﻧﺒﻨﺪي ﺑﻪ ﻣﻨﻈﻮر ﺗﻮﻟﻴﺪ ﻛﺮان ﻫﺎي ﭘﺎﻳﻴﻦ و ﺑﺎﻻ‬
‫ﺑﺮاي ‪ RCPSP‬ﻣﻜﺮرا ﺑﻪ ﻛﺎر ﻣﻲ روﻧﺪ‪.‬‬
‫اﺳﭙﺮﭼﺮ ]‪ [56‬ﺗﻜﻨﻴﻚ ﺗﺠﺰﻳﻪ دﻗﻴﻖ‪ ،‬ﻛﻪ روش دﻗﻴﻖ را در ﺟﺴﺘﺠﻮي اﺑﺘﻜﺎري ﺗﺮﻛﻴﺐ ﻣﻲ ﻛﺮد‪ ،‬اراﺋﻪ داد‪.‬‬
‫ورﺳﻠﻴﺲ ]‪ [57‬ﻳﻚ ﺗﻜﻨﻴﻚ ﺗﺠﺰﻳﻪ ﻻﮔﺮاﻧﮋي ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ ﺑﺮﻧﺎﻣﻪ رﻳﺰي ﭼﻨﺪ ﭘﺮوژه اي ﺑﺎ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ و ﺣﺎﻟﺖ ﻫﺎي ﮔﻮﻧﺎﮔﻮن‬
‫ﺑﺮاي اﻧﺠﺎم ﻫﺮ ﻓﻌﺎﻟﻴﺖ ﭘﺮوژه را ﺷﺮح داد‪.‬‬
‫ﺑﺎ ﺳﻪ دﺳﺘﻪ آﺧﺮ از اﺑﺘﻜﺎري ﻫﺎ ﻣﻲ ﺗﻮان ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ﺳﺎده را ﭘﺸﺖ ﺳﺮ ﮔﺬاﺷﺖ‪ ،‬اﻳﻦ ﻋﻤﻠﻜﺮد ﺑﺎ ﻫﺰﻳﻨﻪ ﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ ﺑﻴﺸﺘﺮ ﺑﺪﺳﺖ‬
‫ﻣﻲ آﻳﺪ‪ .‬ﻫﻤﭽﻨﻴﻦ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ﻫﺴﺘﻪ اﺑﺘﻜﺎري ﻫﺎي ﺑﺮﻣﺒﻨﺎي ﺟﺴﺘﺠﻮي ﻣﺤﻠﻲ و ﻧﻤﻮﻧﻪ ﮔﻴﺮي را ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﺪ‪ [6] .‬آﻧﻬﺎ ﺑﺨﺎﻃﺮ ﺳﺮﻋﺖ و‬

‫‪15‬‬
‫‪Forvard Backward Improvement‬‬
‫‪16‬‬
‫‪Lagrangian Relaxation‬‬
‫ﺳﺎدﮔﻴﺸﺎن‪ ،‬ﺗﻮﺳﻂ ﻧﺮم اﻓﺰارﻫﺎي ﻣﺪﻳﺮﻳﺖ ﺗﺠﺎري ﺑﻄﻮر ﮔﺴﺘﺮده ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ‪ [4] .‬و اﺻﻠﻲ ﺗﺮﻳﻦ وﺳﻴﻠﻪ ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ ﺧﻴﻠﻲ‬
‫ﺑﺰرگ اﺳﺖ‪ [6] .‬ﺑﻨﺎﺑﺮاﻳﻦ ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ﺧﻮب ﺑﺮاي ‪ RCPSP‬و ‪ RCMPSP‬ﺑﺴﻴﺎر ﺑﺎ ارزش ﻫﺴﺘﻨﺪ‪[1] .‬‬

‫‪ -5‬ﺧﺼﻮﺻﻴﺎت ‪RCMPSP‬‬

‫ﻣﻘﺎﻟﻪ ﻫﺎي ﻧﺴﺒﺘﺎ ﻛﻤﻲ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژه اي را در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﺗﻚ ﭘﺮوژه اي ﻣﻄﺎﻟﻌﻪ ﻛﺮده اﻧﺪ و ﻳﺎﻓﺘﻪ ﻫﺎي اﻳﻦ‬
‫ﺗﺤﻘﻴﻘﺎت ﺑﻄﻮر ﮔﺴﺘﺮده اي ﻣﺘﻐﻴﺮﻧﺪ‪ .‬ﺑﺮﺧﻲ ﺗﺤﻘﻴﻘﺎت ]‪ [24,58‬ﺑﺮ اﺛﺮات ﺧﺼﻮﺻﻴﺎت ﻣﺴﺎﻟﻪ ﺑﺮﻋﻤﻠﻜﺮد روش ﻫﺎي اﺑﺘﻜﺎري ﺑﺤﺚ ﻛﺮده اﻧﺪ‪ .‬ﻧﺘﺎﻳﺞ‬
‫اﻳﻦ ﺗﺤﻘﻴﻘﺎت ﻧﺸﺎن دادﻧﺪ ﻛﻪ اﻧﺘﺨﺎب ﺻﺤﻴﺢ ﻗﻮاﻧﻴﻦ زﻣﺎﻧﺒﻨﺪي ﺑﺴﻴﺎر ﻣﻬﻢ اﺳﺖ‪ ،‬زﻳﺮا ﻓﺎﻛﺘﻮرﻫﺎي زﻣﺎﻧﺒﻨﺪي ﻣﻤﻜﻦ اﺳﺖ اﺛﺮات ﻗﺎﺑﻞ ﺗﻮﺟﻪ اي‬
‫ﺑﺮ ﻋﻤﻠﻜﺮد ﻗﻮاﻧﻴﻦ زﻣﺎﻧﺒﻨﺪي داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ‪ ،‬ﻣﺪﻳﺮان ﭘﺮوژه ﺑﺎﻳﺪ ﺧﺼﻮﺻﻴﺎت ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﻣﻨﺘﻈﺮ ﺑﺮاي ﺣﻞ را‪ ،‬ﻗﺒﻞ از اﻧﺠﺎم‬
‫ﻋﻤﻠﻴﺎت زﻣﺎﻧﺒﻨﺪي و ﺑﻤﻨﻈﻮر اﺟﺘﻨﺎب از زﻳﺎن ﻣﻬﻢ ﺑﻌﺪ از ﻛﺎرﺑﺮد زﻣﺎﻧﺒﻨﺪي‪ ،‬ﺗﺸﺨﻴﺺ دﻫﻨﺪ‪ [33] .‬در اﻳﻦ ﺑﺨﺶ درﺑﺎره ﭼﻬﺎر ﺧﺼﻮﺻﻴﺖ ﻣﺴﺎﻟﻪ‬
‫‪ RCMPSP‬ﺑﺤﺚ ﻣﻲ ﺷﻮد‪ :‬ﺗﺎﺑﻊ ﻫﺪف‪ ،‬ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ‪ ،‬ﺗﻮزﻳﻊ ﻣﻨﺎﺑﻊ و ﻛﺸﻤﻜﺶ ﻣﻨﺎﺑﻊ‪ .‬ﻫﺮ ﻛﺪام از اﻳﻦ ﭼﻬﺎر ﺧﺼﻮﺻﻴﺖ ﺑﺮﻛﺎرﺑﺮد ﻣﻨﺎﺳﺐ‬
‫ﻗﻮاﻧﻴﻦ ﺗﻘﺪﻣﻲ ﺗﺎﺛﻴﺮ ﻣﻲ ﮔﺬارﻧﺪ‪[1] .‬‬

‫‪ -1-5‬ﺗﺎﺑﻊ ﻫﺪف‬

‫ﮔﺴﺘﺮه اي از ﺗﺎﺑﻊ ﻫﺪف ﻫﺎ ﺑﺮاي ﻣﺴﺎﺋﻞ ﭼﻨﺪ ﭘﺮوژه اي ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ‪ .‬در ﻫﺮ دو روﻳﻜﺮد‪ ،‬ﺗﻚ ﭘﺮوژه اي و ﭼﻨﺪ ﭘﺮوژه اي‪،‬‬
‫ﺑﻴﺸﺘﺮﻳﻦ ﺗﺎﺑﻊ ﻫﺪف ﻣﻮرد اﺳﺘﻔﺎده ﺣﺪاﻗﻞ ﻛﺮدن زﻣﺎن اﻧﺠﺎم ﭘﺮوژه ﺑﻮده اﺳﺖ‪ [59] .‬ﺗﺎﺑﻊ ﻫﺪف ﻫﺎي ﭼﻨﺪﭘﺮوژه اي دﻳﮕﺮي ﻧﻴﺰ ﻣﻮرد اﺳﺘﻔﺎده‬
‫ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ‪ ،‬ﻣﺎﻧﻨﺪ‪ :‬ﺣﺪاﻗﻞ ﻛﺮدن ﺗﺎﺧﻴﺮ ﻛﻠﻲ ﭘﺮوژه ﻳﺎ دﻳﺮﻛﺮد ]‪ ،[20‬ﺣﺪاﻗﻞ ﻛﺮدن ﻣﻴﺎﻧﮕﻴﻦ ﺗﺎﺧﻴﺮ ﭘﺮوژه ]‪ ،[2‬ﺣﺪاﻗﻞ ﻛﺮدن دﻳﺮﻛﺮد ﻛﻠﻲ ﻳﺎ‬
‫ﺟﺮﻳﻤﻪ دﻳﺮﻛﺮد ]‪ ،[3‬ﺣﺪاﻗﻞ ﻛﺮدن ﻫﺰﻳﻨﻪ ﺗﺎﺧﻴﺮ ]‪ ،[60,24‬ﻳﺎ ﺣﺪاﻛﺜﺮ ﻛﺮدن ﺗﺴﻄﻴﺢ ﻣﻨﺎﺑﻊ ]‪ .[61‬ﺑﻘﻴﻪ ﺗﺎﺑﻊ ﻫﺪف ﻫﺎي ﺗﻚ ﭘﺮوژه اي ﺷﺎﻣﻞ‬
‫ﻣﻮارد زﻳﺮ ﻣﻲ ﺑﺎﺷﻨﺪ‪ :‬ﺣﺪاﻛﺜﺮ ﻛﺮدن ﺑﻬﺮه وري ﻣﻨﺎﺑﻊ ]‪ ،[62‬ﺣﺪاﻗﻞ ﻛﺮدن ﻫﺰﻳﻨﻪ اﺣﺘﻴﺎﺟﺎت ﻣﻨﺎﺑﻊ ]‪ [8‬و ﺣﺪاﻛﺜﺮ ﻛﺮدن ﻣﻘﺪار ﻓﻌﻠﻲ ﺧﺎﻟﺺ‬
‫]‪ .[64,63‬ﻫﺪف ﻫﺎي دﻳﮕﺮي ﻧﻴﺰ ﻣﻲ ﺗﻮاﻧﺪ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﻴﺮد‪.‬‬

‫‪ -2-5‬ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ‬

‫ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ ﻳﻚ ﻋﺎﻣﻞ ﻣﻬﻢ در زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه اﺳﺖ‪ ،‬زﻳﺮا ﺷﺒﻜﻪ ﻫﺎي ﺑﺎ ﭘﻴﭽﻴﺪﮔﻲ ﻫﺎي ﻛﻢ ﺑﺎ ﻣﺤﺪودﻳﺖ اﻟﻮﻳﺖ ﻛﻤﺘﺮي روﺑﺮو‬
‫ﻫﺴﺘﻨﺪ‪ .‬ﺧﻴﻠﻲ از ﻣﻌﻴﺎرﻫﺎي ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ از زﻣﺎﻧﻲ اراﺋﻪ ﺷﺪﻧﺪ ﻛﻪ ﺿﺮاﺋﺐ ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ )‪ (CNC‬ﻧﺨﺴﺘﻴﻦ ﺑﺎر ﺗﻮﺳﻂ ﭘﺎﺳﻜﻮ ]‪ [58‬ﻣﻌﺮﻓﻲ‬
‫ﺷﺪ‪ CNC .‬ﺑﺴﺎدﮔﻲ ﺑﺼﻮرت ﻧﺴﺒﺖ )ﻧﺮخ( ﺗﻌﺪاد ﻛﻤﺎن ﻫﺎ )رواﺑﻂ ﺗﻘﺪﻣﻲ( ﺑﺮ ﮔﺮه ﻫﺎ )ﻓﻌﺎﻟﻴﺖ ﻫﺎ( ﺗﻌﺮﻳﻒ ﻣﻲ ﺷﻮد‪ [1] .‬ﻫﺮوﺋﻠﻦ و اﻟﻤﺎﮔﺮاﺑﻲ‬
‫]‪ [65‬ﺳﻮدﻣﻨﺪي ‪ CNC‬ﺑﺮاي ﺑﺨﻮﺑﻲ ﻣﻨﻌﻜﺲ ﻛﺮدن ﭘﻴﭽﻴﺪﮔﻲ ﺷﺒﻜﻪ ﻫﺎي ﭘﺮوژه را ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار دادﻧﺪ‪ .‬ﺷﻜﻞ ﺗﻄﺒﻴﻘﻲ ﺗﻌﺪاد ﻣﻴﺎﻧﮕﻴﻦ‬
‫ﻛﻤﺎن ﻫﺎي زاﺋﺪ در ﻫﺮ ﮔﺮه‪ ،‬ﺑﻄﻮر ﮔﺴﺘﺮده در ﻣﻄﺎﻟﻌﺎت ‪ [66] RCPSP‬و در ﺗﻌﺪاد ﻛﻤﻲ از ﻣﻄﺎﻟﻌﺎت ‪ [2,24] RCMPSP‬ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار‬
‫ﮔﺮﻓﺘﻪ اﺳﺖ‪.‬‬

‫‪ -3-5‬ﺗﻮزﻳﻊ ﻣﻨﺎﺑﻊ‬

‫ﭼﻨﺪ ﻣﻌﻴﺎر دﺳﺘﺮﺳﻲ و ﺗﻮزﻳﻊ ﻣﻨﺎﺑﻊ ﭘﺮوژه ﺑﺮاي ‪ RCPSP‬ﺗﻮﺳﻌﻪ ﻳﺎﻓﺘﻪ اﺳﺖ‪ .‬دو ﺗﺎ از اﻳﻦ ﻣﻌﻴﺎرﻫﺎ ﻋﺎﻣﻞ ﻣﻨﺒﻊ‪ ،RF ،17‬ﻛﻪ ﻣﺘﻮﺳﻂ ﺗﻌﺪاد‬
‫ﻣﻨﺎﺑﻊ اﺳﺘﻔﺎده ﺷﺪه ﺗﻮﺳﻂ ﻓﻌﺎﻟﻴﺖ ﻫﺎ را ﻧﺸﺎن ﻣﻲ دﻫﺪ ]‪ [58,66,19‬و ﻗﺪرت ﻣﻨﺎﺑﻊ‪ ،RS ،‬ﻛﻪ راﺑﻄﻪ ﻣﻴﺎن اﺣﺘﻴﺎﺟﺎت ﻣﻨﺒﻊ و دﺳﺘﺮﺳﻲ ﻣﻨﺒﻊ را‬

‫‪17‬‬
‫‪Resource Factor‬‬
‫ﺑﻴﺎن ﻣﻲ ﻛﻨﺪ‪ [66,19] .‬ﺑﺎ اﻳﻨﺤﺎل‪ ،‬ﻛﻮرﺗﻮﻟﻮس و دﻳﻮﻳﺲ ]‪ [20‬اﻇﻬﺎر ﻛﺮدﻧﺪ ﻛﻪ اﻳﻦ ﻣﻌﻴﺎرﻫﺎ ﺑﺮاي ﻣﺤﻴﻂ ﭼﻨﺪﭘﺮوژه اي ﻣﻨﺎﺳﺐ ﻧﻴﺴﺘﻨﺪ و ﻣﻌﻴﺎر‬
‫دﻳﮕﺮي را ﺑﺮاي ‪ RCMPSP‬اراﺋﻪ ﻛﺮدﻧﺪ‪ ،‬ﻋﺎﻣﻞ ﻣﺘﻮﺳﻂ ﺑﻜﺎرﮔﻴﺮي ﻣﻨﺎﺑﻊ‪ ،ARLF ،‬اﻳﻦ ﻋﺎﻣﻞ ﻧﺸﺎن ﻣﻲ دﻫﺪ ﺑﻴﺸﺘﺮ اﺣﺘﻴﺎﺟﺎت ﻣﻨﺎﺑﻊ در ﻧﻴﻤﻪ‬
‫اول دوره زﻣﺎﻧﻲ ﻣﺴﻴﺮ ﺑﺤﺮاﻧﻲ اﺳﺖ ﻳﺎ در ﻧﻴﻤﻪ دوم و ﻣﻴﺰان ﻧﺴﺒﻲ اﺧﺘﻼف ﭼﻘﺪر اﺳﺖ‪ .‬ﭘﺮوژه ﻫﺎ ﺑﺎ ‪ ، ARLF < 0‬داراي اﺣﺘﻴﺎﺟﺎت ﻣﻨﺎﺑﻊ در‬
‫ﻧﻴﻤﻪ دوم )‪ (front-loaded‬ﻫﺴﺘﻨﺪ و ﭘﺮوژه ﻫﺎ ﺑﺎ ‪ ، ARLF > 0‬داراي اﺣﺘﻴﺎﺟﺎت ﻣﻨﺎﺑﻊ در ﻧﻴﻤﻪ اول )‪ (back-loaded‬ﻫﺴﺘﻨﺪ‪.‬‬
‫ﻳﺎﺳﻴﻨﻲ و ﻫﻤﻜﺎران ]‪ [1‬ﺑﺎ ﺑﺮرﺳﻲ ﻫﺎي اﻧﺠﺎم ﮔﺮﻓﺘﻪ ﻣﺘﻮﺟﻪ ﻧﻘﺎﻳﺼﻲ در ﻣﻌﻴﺎر ‪ ،ARLF‬ﺷﺪﻧﺪ ﺑﻨﺎﺑﺮاﻳﻦ ﻣﻌﻴﺎر ﺟﺪﻳﺪي ﺑﻨﺎم ‪،NARLF‬‬
‫ﺑﺮاي اﻧﺪازه ﮔﻴﺮي ﺗﻮزﻳﻊ ﻣﻨﺎﺑﻊ در ﻣﺴﺎﻟﻪ ﭼﻨﺪﭘﺮوژه اي ﺑﺎ ﻧﺮﻣﺎل ﻛﺮدن ﺣﻮل زﻣﺎن اﻧﺠﺎم ﻣﺴﻴﺮ ﺑﺤﺮاﻧﻲ ﻣﺴﺎﻟﻪ ﻣﻌﺮﻓﻲ ﻛﺮدﻧﺪ‪.‬‬

‫‪ -4-5‬ﻣﺠﺎدﻟﻪ ﻣﻨﺎﺑﻊ‬

‫ﺑﺮاي اﻧﺪازه ﮔﻴﺮي ﻣﺠﺎدﻟﻪ ﻣﻨﺎﺑﻊ‪ ،‬دﻳﻮﻳﺲ ]‪ [67‬ﻋﺎﻣﻞ ﺑﻬﺮه وري‪ ،UF ،‬را اراﺋﻪ ﻛﺮد‪ ،‬ﻛﻪ ﺑﺮاي ﻫﺮ ﻧﻮع ﻣﻨﺒﻊ ﺑﺼﻮرت ﻧﺴﺒﺖ ﻣﻘﺪار ﻛﻠﻲ ﻣﻮرد ﻧﻴﺎز‬
‫ﺑﻪ ﻣﻴﺰان در دﺳﺘﺮس در ﻫﺮ دوره زﻣﺎﻧﻲ‪ ،‬ﺑﺮ ﭘﺎﻳﻪ زﻣﺎن اﻧﺠﺎم ﻣﺴﻴﺮ ﺑﺤﺮاﻧﻲ ﻣﺤﺎﺳﺒﻪ ﻣﻲ ﺷﻮد‪ .‬اﮔﺮ ﺑﺮاي ﻫﺮ ‪ ،k‬در ﻫﺮ دوره زﻣﺎﻧﻲ‪UFk < 1 ،‬‬
‫آﻧﮕﺎه ﻣﺠﺎدﻟﻪ ﻣﻨﺎﺑﻊ وﺟﻮد ﻧﺪارد‪ .‬ﺑﺮاي ﻛﺎﻫﺶ ﻣﻴﺰان ﻣﺤﺎﺳﺒﺎﺗﻲ‪ [20] K & D ،‬ﻣﻴﺎﻧﮕﻴﻦ ‪ UF‬را در ﻓﺎﺻﻠﻪ ﻫﺎ را ﺑﺮاي ﺑﺪﺳﺖ آوردن ﻋﺎﻣﻞ‬
‫ﺑﻬﺮه وري ﻣﻴﺎﻧﮕﻴﻦ‪ ،AUF ،‬ﻣﻌﺮﻓﻲ ﻛﺮدﻧﺪ‪ AUF .‬ﻣﻴﺎﻧﮕﻴﻦ ﺷﺪت ﻣﺤﺪودﻳﺖ )ﻳﻌﻨﻲ ﻣﻴﺰان ﻣﺠﺎدﻟﻪ( ﺑﺮ روي ﻫﺮ ﻧﻮع ﻣﻨﺒﻊ را ﻧﺸﺎن ﻣﻲ دﻫﺪ‪.‬‬
‫‪ ،AUF>1‬ﻧﺸﺎن ﻣﻲ دﻫﺪ ﻛﻪ ﻣﻨﺒﻊ ﻧﻮع ‪ ،k‬ﺑﻄﻮر ﻣﺘﻮﺳﻂ‪ ،‬در ﺟﺮﻳﺎن ﻣﺴﺎﻟﻪ ﻣﺤﺪود اﺳﺖ‪ .‬وﻗﺘﻲ ﻛﻪ ﭘﺮوژه ﻫﺎ در ﻣﺴﺎﻟﻪ داراي زﻣﺎن ﻫﺎي اﻧﺠﺎم‬
‫ﻳﻜﺴﺎﻧﻲ ﺑﺎﺷﻨﺪ و ﻣﻌﺪل ﮔﻴﺮي از ﻣﻴﺎن اﻳﻦ ﻓﺎﺻﻠﻪ ﻫﺎ‪ ،‬ﺑﻲ ﺗﻨﺎﺳﺐ اﻧﺠﺎم ﺷﺪه ﺑﺎﺷﺪ‪ ،‬ﻣﻲ ﺗﻮاﻧﺪ وﺿﻌﻴﺖ را ﻣﺒﻬﻢ ﻛﻨﺪ‪ .‬ﺑﺮاي ﺑﻬﺒﻮد اﻳﻦ وﺿﻌﻴﺖ‪،‬‬
‫ﺑﺮوﻧﻴﻨﮓ و ﻫﻤﻜﺎران ]‪ [1‬ﻣﻌﻴﺎر ‪ AUF‬اﺻﻼح ﺷﺪه‪ MAUF ،‬را اراﺋﻪ ﻛﺮدﻧﺪ‪.‬‬

‫‪ -6‬ﻧﺘﻴﺠﻪ ﮔﻴﺮي‬

‫ﻫﻤﺰﻣﺎن ﺑﺎ رﺷﺪ ﺗﻜﻨﻮﻟﻮژي و اﻓﺰاﻳﺶ رﻗﺎﺑﺖ در ﺑﺎزارﻫﺎي ﺟﻬﺎﻧﻲ و روزﻣﺮه ﺷﺪن اﺟﺮاي ﻫﻤﺰﻣﺎن ﭘﺮوژه ﻫﺎ‪ ،‬ﺑﻬﺒﻮد و ﭘﻴﺸﺮﻓﺖ در ﻣﺪﻳﺮﻳﺖ‬
‫ﭼﻨﺪ ﭘﺮوژه اي ﺑﻪ اﻣﺮي ﺿﺮوري ﺗﺒﺪﻳﻞ ﺷﺪه اﺳﺖ‪ .‬در اﻳﻦ ﻣﻘﺎﻟﻪ روش ﻫﺎي ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي و ﻣﻄﺎﻟﻌﺎت اﻧﺠﺎم ﮔﺮﻓﺘﻪ در ﻫﺮ‬
‫روش و ﺧﺼﻮﺻﻴﺎت ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪ ﭘﺮوژه اي‪ ،‬ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﺑﺎ ﻣﻄﺎﻟﻌﻪ ادﺑﻴﺎت ﻣﻮﺿﻮع ﻣﺸﺨﺺ ﺷﺪ ﻛﻪ ﻣﺤﻘﻘﺎن در‬
‫دﻫﻪﻫﺎي اﺧﻴﺮ اﺑﺰارﻫﺎ و ﺗﻜﻨﻴﻚﻫﺎي زﻳﺎدي را ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﺗﻚ ﭘﺮوژهاي ﻣﻌﺮﻓﻲ ﻛﺮدهاﻧﺪ و ﻛﻤﺘﺮ ﺑﻪ زﻣﺎﻧﺒﻨﺪي ﭼﻨﺪﭘﺮوژهاي ﭘﺮداﺧﺘﻪ ﺷﺪه‬
‫اﺳﺖ‪ .‬از ﻃﺮﻓﻲ‪ ،‬ﻣﺤﻘﻘﺎن ﺑﻴﺸﺘﺮ از روﻳﻜﺮد ﺗﻚ ﭘﺮوژه اي ﺑﺮاي ﺣﻞ ﻣﺴﺎﺋﻞ ﭼﻨﺪﭘﺮوژه اي اﺳﺘﻔﺎده ﻛﺮده اﻧﺪ‪ ،‬در ﺣﺎﻟﻴﻜﻪ روﻳﻜﺮد ﭼﻨﺪ ﭘﺮوژه اي‬
‫واﻗﻌﻲ ﺗﺮ اﺳﺖ و اﺣﺘﻤﺎﻻ ﻓﺮﺻﺖ ﭘﻴﺸﺮﻓﺖ ﺑﻴﺸﺘﺮي را ﻓﺮاﻫﻢ ﻣﻲ ﻛﻨﺪ‪ .‬در ﻧﺘﺎﻳﺞ ﺑﺪﺳﺖ آﻣﺪه ﺗﻮﺳﻂ ﻣﺤﻘﻘﺎن در زﻣﻴﻨﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﻫﺎي‬
‫ﭼﻨﺪﮔﺎﻧﻪ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺒﻮد ﻣﺴﺎﺋﻞ اﺳﺘﺎﻧﺪارد در اﻳﻦ زﻣﻴﻨﻪ ﻫﺮ ﻣﺤﻘﻖ از ﻣﺴﺎﺋﻞ ﻣﺨﺼﻮص ﺑﻪ ﺧﻮد ﺑﺮاي آزﻣﻮن روش ﭘﻴﺸﻨﻬﺎدي اﺳﺘﻔﺎده ﻛﺮده‬
‫اﺳﺖ و ﻧﺘﺎﻳﺞ ﻣﺘﻀﺎدي ﺑﺪﺳﺖ آﻣﺪه اﺳﺖ و ﻣﺪﻳﺮان ﻫﻤﭽﻨﺎن در اﺳﺘﻔﺎده از روش ﻣﻨﺎﺳﺐ ﺑﺮاي زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﻫﺎ در ﺳﺮدرﮔﻤﻲ ﺑﻪ ﺳﺮ ﻣﻲ‬
‫ﺑﺮﻧﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ اﻳﺠﺎد ﻣﺴﺎﺋﻞ اﺳﺘﺎﻧﺪارد در ﺷﺒﻜﻪ ﺟﻬﺎﻧﻲ اﻳﻨﺘﺮﻧﺖ ﺿﺮوري ﺑﻨﻈﺮ ﻣﻲ رﺳﺪ‪ .‬ﻫﻤﭽﻨﻴﻦ ﺑﺎ اﻳﻨﻜﻪ ﻫﻤﻪ روزه روش ﻫﺎي ﺟﺪﻳﺪي ﺑﺮاي‬
‫ﺣﻞ ﻣﺴﺎﺋﻞ زﻣﺎﻧﺒﻨﺪي اراﺋﻪ ﻣﻲ ﺷﻮﻧﺪ و داراي ﺟﻮاب ﻫﺎي ﺑﻬﺘﺮي ﻧﺴﺒﺖ ﺑﻪ روش ﻫﺎي ﻗﺒﻠﻲ ﻣﻲ ﺑﺎﺷﻨﺪ‪ ،‬اﻣﺎ ﺑﺎ ﺗﻮﺟﻪ زﻣﺎن ﺣﻞ‪ ،‬روش ﻫﺎي‬
‫ﻣﺒﺘﻨﻲ ﺑﺮ ﻗﻮاﻋﺪ زﻣﺎﻧﺒﻨﺪي ﻫﻤﭽﻨﺎن از ﻣﺤﺒﻮﺑﻴﺖ ﺑﻴﺸﺘﺮي ﺑﺮﺧﻮردارﻧﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ اﺳﺘﻔﺎده از روش ﻫﺎي اﺑﺘﻜﺎري ﺗﺮﻛﻴﺒﻲ ﺑﺎ روش ﻫﺎي ﻣﺒﺘﻨﻲ ﺑﺮ‬
‫ﻗﻮاﻋﺪ زﻣﺎﻧﺒﻨﺪي ﻣﻨﻄﻘﻲ ﺑﻨﻈﺮ ﻣﻲ رﺳﺪ‪.‬‬

‫ﻣﻨﺎﺑﻊ و ﻣﺮاﺟﻊ‬

‫‪[1] Browning, T.R. and A.A. Yassine., A Random Generator for Resource-Constrained Multi-Project‬‬
‫‪Scheduling Problems, TCU M.J. Neeley School of Business, Working Paper, 2006.‬‬
[2] Lova, A., Tormos, P., “Analysis of Scheduling Schemes and Heuristic Rules Performance in
Resource-Constrained Multiproject Scheduling”, Annals of Operations Research, vol. 102, 2001, pp.
263–286.
[3] Kurtulus, I., Multiproject Scheduling: Analysis of Scheduling Strategies under Unequal Delay
Penalties. J. of Operations Mgmt., 5(3), 1985, 291-307.
[4] Herroelen, W.S., Project Scheduling - Theory and Practice. Production and Ops. Mgmt., 14(4),
2005, 413-432.
[5] Payne, J.H., Management of Multiple Simultaneous Projects: A State-of-the-Art Review. Int. J. of
Project Mgmt., 13(3), 1995, 163-168.
[6] Kolisch, R., Serial and Parallel Resource-Constrained Project Scheduling Methods Revisited:
Theory and Computation. Eur. J. of Op. Res., 90, 1996b, 320-333.
[7] Pritsker, B. Allan, L.J. Watters, and P.M. Wolfe. Multiproject scheduling with limited resources: A
zero-one programming approach. Management Science,108,1969, 16:93.
[8] Mohanthy, R.P. and Siddiq., M.K., Multiple projects multiple resources-constrained scheduling:
Some studies. International Journal of Production Research, 27(2), 1989, 261.280.
[9] Deckro, R.F., Winkofsky, E.P., Hebert, J.E., Gagnon, R., A decomposition approach to multi-
project scheduling. European Journal of Operational Research 51, 1991, 110–118.
[10] Conway, R.W., Maxwell, L.W. Miller, Theory of Scheduling, Addison-Wesley, Reading, MA,
1967.
[11] Drexl, A., Scheduling of project networks by job assignment. Management Science 37 (12), 1991,
1590–1602.
[12] Kolisch, R., Padman, R., An integrated survey of project deterministic scheduling, International
Journal of Management Science 29(3), 2001, 249–272.
،‫ ﭘﺎﻳﺎن ﻧﺎﻣﻪ داﻧﺸﮕﺎه ﺑﻮﻋﻠﻲ ﺳﻴﻨﺎ‬،“‫ ”ﺗﻮﺳﻌﻪ ﻳﻚ راه ﺣﻞ اﺑﺘﻜﺎري ﺑﺮاي ﺣﻞ ﻣﺴﺎﻟﻪ ﺗﺨﺼﻴﺺ ﻣﻨﺎﺑﻊ در ﻣﺪﻳﺮﻳﺖ ﭘﺮوژه‬،‫[ اﺣﺮاري ﺣﻤﻴﺪ‬13]
1386
[14] Bell, C., and J. Han, A new heuristic solution method in resource–constrained project scheduling.
Naval Research Logistics 38, 1991, 315–331.
[15] Kolisch, R. and S. Hartmann., "Heuristic Algorithms for Solving the Resource-Constrained
Project Scheduling Problem: Classification and Computational Analysis" in Weglarz, J., Ed. Project
scheduling: Recent Models, Algorithms and Applications, Kluwer Academic Publishers, Boston,
1999, 147-178.
[16] Kolisch, R. and S. Hartmann. Experimental Investigation of Heuristics for Resource-Constrained
Project Scheduling: An Update. Eur. J. of Op. Res., (forthcoming), 2005.
[17] Hartmann, S. and R. Kolisch., Experimental Evaluation of State-of-the-Art Heuristics for the
Resource-Constrained Project Scheduling Problem. Eur. J. of Op. Res., 127(2), 2000, 394-407.
[18] Kolisch, R., Serial and parallel resource–constrained project scheduling methods revisited: Theory
and computation. European Journal of Operational Research 90, 1996a, 320–333.
[19] Cooper, D.F., Heuristics for Scheduling Resource-Constrained Projects: An Experimental
Investigation. Management Sci., 22(11), 1976, 1186-1194.
[20] Kurtulus, I.S.and Davis, E.W., Multi-project scheduling: Categorization of heuristic rules
performance, Management Science 28(2), 1982, 161–172.
[21] Fendley, L, G, Towards the development of a complete multiproject scheduling system. Journal
of Industrial Engineering, 19(10), 1968, 505.515.
[22] Patterson, J. H., "Alternative Methods of Project Scheduling with Limited Resources," Naval Res.
Logist. Quart., Vol, 20, No. 4, 1973, 767-784.
[23] Dumond, J. and Mabert. V.A., Evaluating project scheduling and due date assignment procedures:
An experimental analysis. Management Science, 34(1), 1988, 101.118.
[24] Kurtulus, I.S. and Narula, S.C., Multi-project scheduling: Analysis of project performance, IIE
Transactions 17(1), 1985, 58–66.
[25] Lova, A., Maroto, C., Tormos, P., A multicriteria heuristic method to improve resource allocation
in multiproject scheduling. European Journal of Operational Research 127, 2000, 408–424.
[26] Bock, D.B., Patterson, J.H., A comparison of due date setting resource assignment and job
preemption heuristics for the multiproject scheduling problem. Decision Sciences 21, 1990, 387–402.
[27] Kirkpatrick, S., Gelatt, Jr., C. D., and Vecchi, M. P., Optimisation by simulated annealing.
Science, 220(4598), 1983, 671–680.
‫ ﭘﺎﻳﺎن ﻧﺎﻣﻪ داﻧﺸﮕﺎه‬، “‫ ” اراﺋﻪ ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ژﻧﺘﻴﻚ ﻛﺎرا ﺟﻬﺖ ﺣﻞ ﻣﺴﺎﻟﻪ زﻣﺎﻧﺒﻨﺪي ﭘﺮوژه ﺗﺤﺖ ﺷﺮاﻳﻂ ﻣﺤﺪودﻳﺖ ﻣﻨﺎﺑﻊ‬،‫[ دﻳﺮاﻧﻠﻮ ﻣﻬﺪي‬28]
1385 ،‫ﺗﻬﺮان‬
[29] Shankar, V., Nagi, R., A flexible optimization approach to multi-resource, multi-project planning
and scheduling. In: Proceedings of 5th Industrial Engineering Research Conference, Minneapolis,
MN, USA, 1996.
[30] Glover, F. and Greenberg, H.J., "New Approaches for Heuristic Search: A Bilateral Linkage with
Artificial Intelligence", European Journal of Operational Research, 39, 1989, 119-130.
[31] Nonobe K. and Ibaraki T., “Formulation and tabu search algorithm for the resource constrained
project scheduling problem”, In C. C. Ribeiro and P. Hansen, editors, Essays and Surveys in
Metaheuristics, 557–588. Kluwer Academic Publishers, 2002.
[32] Merkle, D., M. Middendorf and H. Schmeck, “Ant Colony for Resource-Constrained Project
Scheduling,” IEEE Transactions on Evolutionary Computation, 6.4, 333-346, 2002.
[33] Holland, J.H., “Adaption in Natural and Artificial Systems”, University of Michigan Press., 1975.
[34] Portmann MC, Genetic algorithms and scheduling: A state of the art and some proportions. Proc
Workshop Production Planning Contr., Mons, 1996.
[35] Hartmann, S., A competitive genetic algorithm for resource-constrained project scheduling, Naval
Research Logistics 45, 1998, 733-750.
[36] Leu S-S, Yang C-H, GA based multicriteria optimal model for construction scheduling. J Constr
Eng Manage 125, 1999, 420–427.
[37] Reddy JP, Kumanan S, Chetty OVK, Application of Perti-nets and a genetic algorithm to multi-
mode multi-resource constrained project scheduling. Int J Adv Manuf Technol 17, 2001, 305–314.
[38] Goncalves J.F., Mendes, J.J.M., Resende, M.G.C., “A genetic algorithm for the resource
constrained multi-project scheduling problem”, European Journal of Operational Research, 2007.
[39] Kumanan , S., Jegan Jose , G., K. Raja, “Multi-project scheduling using an heuristic and a genetic
algorithm”, International Journal Advanced Manufacturing Technology, Vol. 31, 2006, pp. 360–366.
[40] Yassine, Ali A., Christoph Meier, Browning, T. R., “Multi-Project Scheduling using Competent
Genetic Algorithms”, University of Illinois, Department of Industrial & Enterprise Systems
Engineering (IESE), Working Paper, Jan. 22, 2007.
[41] Kim, KwanWoo, Yun, YoungSu Yoon, , JungMo, Gend, Mitsuo, Yamazaki, Genji, Hybrid
genetic algorithm with adaptive abilities for resource-constrained multiple project scheduling,
Computers in Industry 56, 2005, 143–160.
[42] Pollack–Johnson, B., Hybrid structures and improving forecasting and scheduling in project
management. Journal of Operations Management 12, 1995, 101–117.
[43] Sprecher, A., Solving the RCPSP efficiently at modest memory requirements. Technical Report
425, Manuskripte aus den Instituten fur Betriebswirtschaftslehre der Universitat Kiel, 1996.
[44] Shaffer, L., Ritter, J., and W. Meyer The critical–path method. McGraw Hill, New York. 1965.
[45] Fleszar, K.and Hindi, K., Solving the resource–constrained project scheduling problem by a
variable neighbourhood search. European Journal of Operational Research, 155, 2004, 402–413.
[46] Palpant, M., Artigues, C. and Michelon, P., LSSPER: Solving the resource– constrained project
scheduling problem with large neighbourhood search. Annals of Operations Research, 131, 2004,
237–257.
[47] Valls, V. , Ballestin, F. and Quintanilla, M. S., A hybrid genetic algorithm for the RCPSP.
Technical report, Department of Statistics and Operations Research, University of Valencia, 2003.
[48] Debels, D., De Reyck, B., Leus, R. and Vanhoucke. M., A hybrid scatter search /
Electromagnetism meta–heuristic for project scheduling. European Journal of Operational Research, to
appear. 2004.
[49] Kochetov, Y. and A. Stolyar. Evolutionary local search with variable neighborhood for the
resource constrained project scheduling problem. In Proceedings of the 3rd InternationalWorkshop of
Computer Science and Information Technologies, Russia, 2003.
[50] Valls et al., V. Valls, F. Ballestín and S. Quintanilla, Justification and RCPSP: A technique that
pays, European Journal of Operational Research 165, 2005, pp. 375–386.
[51] Lova, A., Tormos, P., Combining random sampling and backward-forward heuristics for
resource-constrained multi-project scheduling. In: Proceedings of the Eight International Workshop on
Project Management and Scheduling, Valencia, Spain, April, 2002, pp. 244–248.
[52] Tormos, P. and Lova, A., An efficient multi-pass heuristic for project scheduling with constrained
resources. International Journal of Production Research, 41(5), 2003, 1071– 1086.
[53] Tormos, P. and Lova, A., A competitive heuristic solution technique for resourceconstrained
project scheduling. Annals of Operations Research, 102, 2001, 65–81.
[54] Artigues, C., Michelon, P. and Reusser, S.. Insertion techniques for statric and dynamic resource–
constrained project scheduling. European Journal of Operational Research, 149, 2003, 249–267.
[55] Mohring, R., Schulz, A., Stork, F. and Uetz. M., Solving project scheduling problems by
minimum cut computations. Management Science, 49(3), 2003, 330 – 350.
[56] Sprecher. Network decomposition techniques for resource-constrained project scheduling. Journal
of the Operational Research Society, 53(4), 2002, 405–414.
[57] Vercellis, C., Constrained multi-Project planning problems: a Lagrangean decomposition
approach, European Journal of Operational Research 78, 1994, pp. 267-275.
[58] Pascoe, T.L., Allocation of Resources - CPM. Revue Française de Recherche Opérationelle, 38,
1966, 31-38.
[59] Boctor, F., Some efficient multi–heuristic procedures for resource–constrained project scheduling.
European Journal of Operational Research 49, 1990, 3–13.
[60] Kurtulus, I., An Analysis of Scheduling Rules for Multi-Project Scheduling, Ph.D. Thesis
(Business), University of North Carolina at Chapel Hill, Chapel Hill, 1978.
[61] Woodworth, B.M. and C.J. Willie., A Heuristic Algorithm for Resource Leveling in Multi-project,
Multi-resource Scheduling. Decision Sci., 6, 1975, 525-540.
[62] Neumann, K. and J. Zimmermann., Resource Levelling for Projects with Schedule-dependent
Time Windows. Eur. J. of Op. Res., 117, 1999, 591-605.
[63] Doersch, R.H. and J.H. Patterson., Scheduling a Project to Maximize Its Present Value: A Zero-
One Programming Approach. Management Sci., 23(8), 1977, 882-889.
[64] Elmaghraby, S.E. and W.S. Herroelen., On the Measurement of Complexity in Activity Networks.
Eur. J. of Op. Res., 5(4), 1980, 223-234.
[65] Elmaghraby, S.E. and W.S. Herroelen., The Scheduling of Activities to Maximize the Net Present
Value of Projects. Eur. J. of Op. Res., 49(1), 1990, 35-49.
[66] Kolisch, R., A. Sprecher and A. Drexl., Characterization and Generation of a General Class of
Resource-Constrained Project Scheduling Problems. Management Sci., 41(10), 1995, 1693-1703.
[67] Davis, E.W. and J.H. Patterson., A Comparison of Heuristic and Optimum Solutions in Resource-
Constrained Project Scheduling. Management Sci., 21(8), 1975, 944-955.