Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Artículo científico |
| Lingua: | en |
| Pubblicazione: |
Universidad Nacional de La Plata
2018
|
| Soggetti: | |
| Accesso online: | https://www.redalyc.org/articulo.oa?id=638067787002 https://www.redalyc.org/journal/6380/638067787002/ https://www.redalyc.org/journal/6380/638067787002/html/ https://www.redalyc.org/journal/6380/638067787002/638067787002.epub https://www.redalyc.org/journal/6380/638067787002/movil https://doi.org/10.24215/16666038.18.e14 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Sommario:
- Multi-agent Learning by Trial and Error for Resource Leveling during Multi-Project (Re)scheduling Laura Tosselli Verónica Bogado Ernesto Martínez Computación agente Sistema Multi Nivelación de Recursos Simulación basada en agentes (Re)scheduling de múltiples proyectos En un contexto de múltiples proyectos dentro de redes empresariales, alcanzar soluciones factibles al problema de (re)scheduling representa un gran desafío, principalmente al compartir recursos escasos entre proyectos. Así, el (re)scheduling de múltiples proyectos debe lograr el uso de recursos más eficiente posible sin incrementar las restricciones de proyecto planteadas, considerando el Problema de Nivelación de Recursos, cuyo objetivo es nivelar el consumo de recursos compartidos para minimizar tiempos ociosos y evitar conflictos de sobre-asignaciones. En este trabajo, una solución multi-agente para resolver el Problema de Scheduling de Múltiples Proyectos con Restricción de Recursos y el Problema de Inversión de Recursos es extendida para incorporar indicadores en las funciones de recompensa de los agentes para abordar el Problema de Nivelación de Recursos de manera autónoma y descentralizada a través de reglas desacopladas basadas en el enfoque de Aprendizaje por prueba y error. El Modelo de Simulación basado en agentes propuesto es verificado mediante un conjunto de instancias de proyecto que varían en estructura, parámetros, número de recursos compartidos, etc. Los resultados obtenidos se evalúan mediante diferentes objetivos de scheduling, como duración total del proyecto, costo total del proyecto y nivelación en el uso de recursos. Nuestros resultados presentan mejoras en comparación a los obtenidos en enfoques alternativos. Esta propuesta muestra que los agentes interactuantes que implementan reglas de aprendizaje desacopladas encuentran una solución que puede entenderse como un equilibrio de Nash. 2018 artículo científico 1666-6046 https://www.redalyc.org/articulo.oa?id=638067787002 https://www.redalyc.org/journal/6380/638067787002/ https://www.redalyc.org/journal/6380/638067787002/html/ https://www.redalyc.org/journal/6380/638067787002/638067787002.epub https://www.redalyc.org/journal/6380/638067787002/movil https://doi.org/10.24215/16666038.18.e14 en http://www.redalyc.org/revista.oa?id=6380 Journal of Computer Science and Technology application/pdf Universidad Nacional de La Plata Journal of Computer Science and Technology (Argentina) Num.2 Vol.18