You are here: Home → Proceedings
Document Actions

Proceedings

Deep Neural Networks for the Scheduling of Resource-Constrained Activity Sequences: A Preliminary Investigation

Tiefe neuronale Netze für die Planung von Prozessabläufen mit Ressour-cenbedingungen: eine vorläufige Untersuchung

  1. M.Sc. Paolo Pagani
  2. M.Sc. Fabian Pfann

Abstracts

The scheduling of activity sequences under resource constraints, also known as Resource-Constrained Project Scheduling Problem (RCPSP), is a well-known optimization problem that consists in finding an activity execution schedule that minimizes the total duration of the considered sequence. This problem is generally tackled with heuristic and meta-heuristic methods. This paper proposes a different approach based on artificial neural networks, used as decision tools, and machine learning. Moreover, it is shown that such methodology is able to provide good and fast activity execution schedules.

Die Planung von ressourcenbeschränkten Aktivitätsfolgen, bekannt als das ressourcenbeschränkte Projektplanungsproblem, ist ein bekanntes Optimierungsproblem, das darin besteht, einen Ausführungsplan zu finden, der die Gesamtdauer der betrachteten Aktivitätsfolge minimiert. Dieses Problem wird im Allgemeinen mit heuristischen und meta-heuristischen Methoden gelöst. In diesem Beitrag wird ein alternativer Lösungsansatz vorgestellt, der eine Entscheidungsstrategie umfasst, die auf künstlichen neuronalen Netzen und maschinellem Lernen basiert. Darüber hinaus wird gezeigt, dass ein solcher Ansatz in der Lage ist, für Aktivitätsfolgen gute Ausführungspläne in kurzer Zeit zu generieren.

Keywords

Fulltext

License

Any party may pass on this Work by electronic means and make it available for download under the terms and conditions of the free Digital Peer Publishing License. The text of the license may be accessed and retrieved at http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html.

Number of citations

Visit Google Scholar to find out, how often this paper is cited.