用于最大化项目净现值的项目调度算法的实证评估
人工智能
2022-07-08 v1
摘要
本文对三种处理无资源限制下项目净现值最大化的项目调度算法进行了实证性能分析。所选算法为文献中最新被引用的：递归搜索（RS）、最速上升法（SAA）和混合搜索（HS）。本研究的主要动机在于缺乏对 RS、SAA 和 HS 算法计算复杂度的认识，因为迄今所有研究在分析中均存在某些空白。此外，迄今的实证分析未考虑一个事实：某算法（HS）使用了双重搜索策略，显著提升了算法性能，而其他算法没有。为获得公平的性能比较，我们将双重搜索策略植入另两种算法（RS 和 SAA），新算法称为递归搜索前向-后向（RSFB）和最速上升法前向-后向（SAAFB）。将 RSFB、SAAFB 和 HS 算法提交至具有三种不同项目网络采样特征的因子实验。使用广义线性模型（GLM）统计建模技术分析结果，表明：a) RSFB、SAAFB 和 HS 的总体计算成本；b) 在生成树中重启搜索作为算法总成本一部分的成本；c) 算法结果分布间存在统计显著差异。
引用
@article{arxiv.2207.03330,
title = {Empirical Evaluation of Project Scheduling Algorithms for Maximization of the Net Present Value},
author = {Isac M. Lacerda and Eber A. Schmitz and Jayme L. Szwarcfiter and Rosiane de Freitas},
journal= {arXiv preprint arXiv:2207.03330},
year = {2022}
}