دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: نویسندگان: Dorndorf U., Pesch Е., Phan-Huv Т. سری: ناشر: سال نشر: 2000 تعداد صفحات: 27 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 184 کیلوبایت
در صورت تبدیل فایل کتاب A branch-and-bound algorithm for the resource-constrained project scheduling problem به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یک الگوریتم شاخه و کران برای مسئله زمانبندی پروژه با محدودیت منابع نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
ما یک الگوریتم شاخه و کران مبتنی بر زمان را برای مسئله زمانبندی پروژه با محدودیت منابع توصیف میکنیم که مجموعه زمانبندیهای فعال را با برشمردن زمانهای شروع فعالیت ممکن بررسی میکند. این الگوریتم از تکنیکهای انتشار محدودیت استفاده میکند که از محدودیتهای زمانی و منابع مسئله به منظور کاهش فضای جستجو استفاده میکند. آزمایشهای محاسباتی با مجموعههای تست معیار بزرگ و سیستماتیک تولید شده، در اندازههای بین سی تا صد و بیست فعالیت در هر نمونه مسئله، نشان میدهد که الگوریتم به خوبی مقیاس میشود و با دیگر رویکردهای راهحل دقیق رقابت میکند. نتایج محاسباتی نشان میدهد که سختترین مشکلات زمانی رخ میدهند که عرضه منابع کمیاب و ساختار تقاضای منابع باعث شود که یک مشکل به شدت تفکیک شود.
We describe a time-oriented branch-and-bound algorithm for the resource-constrained project scheduling problem which explores the set of active schedules by enumerating possible activity start times. The algorithm uses constraint-propagation techniques that exploit the temporal and resource constraints of the problem in order to reduce the search space. Computational experiments with large, systematically generated benchmark test sets, ranging in size from thirty to one hundred and twenty activities per problem instance, show that the algorithm scales well and is competitive with other exact solution approaches. The computational results show that the most difficult problems occur when scarce resource supply and the structure of the resource demand cause a problem to be highly disjunctive.