Cоставление расписаний как задача удовлетворения ограничений (на примере планирования открытых горных работ)

Обложка

Цитировать

Полный текст

Аннотация

Описываемые в статье исследования направлены на развитие методов составления расписаний. Принципиальным недостатком существующих методов смешано- целочисленного линейного программирования в применении к рассматриваемым задачам является то, что они слишком требовательны к объемам оперативной памяти. Сложность же применения процедур локального поиска к подобным задачам высокой размерности состоит в разработке эффективного способа нахождения приемлемого первоначального приближения и определении функции перехода в соседнее состояние, которая бы позволила достаточно быстро достичь оптимума. В теории исследования операций добавление к задаче дополнительных условий может привести к принципиальному изменению используемой схемы решения задачи. Предлагаемые в статье методы реализованы в рамках парадигмы программирования в ограничениях, что позволяет более экономно с точки зрения оперативной памяти представлять зависимости предметной области, а также обеспечивает возможность поэтапного учета разнородных условий задачи без принципиального изменения схемы поиска решений. Существенная часть исследований посвящена использованию методов логического вывода на ограничениях для снижения размерности пространства поиска и ускорения процесса вычислений. Подход к составлению расписаний проиллюстрирован на задаче оптимизации планирования открытых горных работ, которую впервые предложено решать как задачу удовлетворения ограничений. Для нахождения первого допустимого решения предложен метод «жадного» поиска, результат применения которого затем может быть улучшен с помощью разработанного гибридного метода. Оба метода опираются на оригинальные процедуры вывода на ограничениях. Предложенный подход доказал свою эффективность для блочных моделей размерностью в десятки и сотни тысяч блоков.

Об авторах

А. А Зуенко

ИИММ КНЦ РАН

Email: zuenko@iimm.ru
улица Ферсмана 24А

Ю. А Олейник

ИИММ КНЦ РАН

Email: yoleynik@iimm.ru
улица Ферсмана 24А

Список литературы

  1. Baptiste Ph., Le Pape C., Nuijten W. Constraint-based scheduling: applying constraint programming to scheduling problems // Kluwer Academic Publishers. 2001. 198 p.
  2. Patidar M., Bhardwaj R., Choudhary S. The study of linear programming approach for optimal scheduling of work in a corporation with different models // Materials Today: Proceedings. 2020. vol. 29. no. 2. pp. 661–667.
  3. Ulaga L., Durasevic M., Jakobovic D. Local search based methods for scheduling in the unrelated parallel machines environment // Expert Systems with Applications. 2022. vol. 199.
  4. Chen, Y., Lu J., He R., Ou J. An efficient local search heuristic for earth observation satellite integrated scheduling // Applied Sciences. 2020. vol. 10. no. 16.
  5. Belaid M., Bessiere C., Lazaar N. Constraint Programming for Association Rules // Proceedings of the International Conference on Data Mining. Society for Industrial and Applied Mathematics. 2019. pp. 127–135.
  6. Russell S., Norvig P., Davis E. Artificial intelligence: a modern approach –3 ed. // Upper Saddle River: Prentice Hall. 2010. 1132 p.
  7. Narvaez D. Constraint Satisfaction Techniques for Combinatorial Problems // Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence. 2018. vol. 32. no. 1. pp. 8028–8029.
  8. Alipour A., Khodaiari A., Jafari A., Tavakkoli-Moghaddam R. An integrated approach to open-pit mines production scheduling // Resources Policy. 2022. vol. 75.
  9. Novitasari R., Rosyidi C., Aisyati A. A Cut-off Grade Optimization Model in Multi Product Open Pit Mining Considering Reclamation and Valuable Waste Materials // IOP Conference Series: Materials Science and Engineering. 2021. vol. 1096. no. 1. doi: 10.1088/1757-899X/1096/1/012021.
  10. Tolouei K., Moosavi E., Tabrizi A., Afzal P., Bazzazi A. An optimization approach for uncertainty-based long-term production scheduling in open-pit mines using meta-heuristic algorithms // International Journal of Mining, Reclamation and Environment. 2021. vol. 35. no. 2. pp. 115–140.
  11. Caccetta L. Application of Optimization Techniques in Open Pit Mining // Handbook of Operations Research in Natural Resources. Boston: Springer US, 2007. vol. 99. pp. 547–559.
  12. Espinoza D., Goycoolea M., Moreno E., Newman A. MineLib: a library of open pit mining problems // Annals of Operations Research. 2013. vol. 206. no. 1. pp. 93–114.
  13. Oleynik Y., Zuenko A. Open Pit Mine Production Scheduling using New Global Constraint // Proceedings of IEEE International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON). 2022. pp. 1700–1704.
  14. Regin J. Global Constraints: A Survey // Hybrid Optimization: The Ten Years of CPAIOR. 2011. pp. 63–134.
  15. Mara S., Norcahyo R., Jodiawan P., Lusiantoro L., Rifai A. A survey of adaptive large neighborhood search algorithms and applications // Computers Operations Research. 2022. vol. 146.
  16. Audemard G., Lecoutre C., Prudhomme C. Guiding Backtrack Search by Tracking Variables during Constraint Propagation // Proceedings of the 29th International Conference on Principles and Practice of Constraint Programming (CP 2023). Leibniz International Proceedings in Informatics (LIPIcs). 2023. vol. 280. pp. 9:1–9:17.
  17. Kozik M. Solving CSPs using weak local consistency // SIAM Journal on Computing. 2021. vol. 50. no. 4. pp. 1263–1286.
  18. Fathollahzadeh K., Mardaneh E., Cigla M., Waqar Ali Asad M. A mathematical model for open pit mine production scheduling with Grade Engineering and stockpiling // International Journal of Mining Science and Technology. 2021. vol. 31(4). pp. 717–728.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».