Optimization of Temporal Networks under Uncertainty

بسیاری از مشکلات تصمیم گیری در تحقیقات عملیاتی بر روی شبکه های زمانی تعریف می شوند، یعنی گردش کارهای کارهای وقت گیر که ترتیب پردازش آنها توسط روابط اولویت محدود شده است. به عنوان مثال، شبکه های زمانی برای مدل سازی پروژه ها، برنامه های کاربردی کامپیوتری، مدارهای دیجیتال و فرآیندهای تولید استفاده می شوند. مشکلات بهینه‌سازی در شبکه‌های موقت زمانی به وجود می‌آیند که تصمیم‌گیرنده می‌خواهد ترتیب زمانی وظایف و/یا تخصیص منبعی را تعیین کند که برخی ویژگی‌های شبکه را بهینه می‌کند (مثلاً زمان لازم برای تکمیل همه وظایف). پارامترهای این مسائل بهینه سازی (مثلاً مدت زمان کار) معمولاً در زمان بروز مشکل تصمیم ناشناخته هستند. این مونوگراف به بررسی تکنیک‌های راه‌حل برای مسائل بهینه‌سازی در شبکه‌های زمانی می‌پردازد که به صراحت این عدم قطعیت پارامتر را توضیح می‌دهند. ما چندین فرمول را مطالعه می کنیم که هر کدام به اطلاعات متفاوتی در مورد پارامترهای مشکل نامشخص نیاز دارند.

Many decision problems in Operations Research are defined on temporal networks, that is, workflows of time-consuming tasks whose processing order is constrained by precedence relations. For example, temporal networks are used to model projects, computer applications, digital circuits and production processes. Optimization problems arise in temporal networks when a decision maker wishes to determine a temporal arrangement of the tasks and/or a resource assignment that optimizes some network characteristic (e.g. the time required to complete all tasks). The parameters of these optimization problems (e.g. the task durations) are typically unknown at the time the decision problem arises. This monograph investigates solution techniques for optimization problems in temporal networks that explicitly account for this parameter uncertainty. We study several formulations, each of which requires different information about the uncertain problem parameters.