Алгоритмы ускорения работы модификации метода муравьиных колоний для поиска рационального назначения сотрудников на задачи с нечетким временем выполнения

• Published in: Современные информационные технологии и IT-образование Vol. 16; no. 2
• Main Authors: Судаков, В.А., Батьковский, А.М., Титов, Ю.П.
• Format: Journal Article
• Language: Russian
• Published: 30.09.2020
• ISSN: 2411-1473
• DOI: 10.25559/SITITO.16.202002.338-350

Подход, использующий нечеткое время для определения времени выполнения наукоемкого проекта, требует решения задачи назначения сотрудников по задачам. В этом случае для каждого сотрудника и каждой задачи, которую может выполнить сотрудник, назначается нечеткая функция выполнения задачи. Распределение сотрудников по задачам успешно решает модификация метода муравьиных колоний, работающая с графом решений. Но скорость и точность работы метода зависит от оптимальности установленных его параметров, и алгоритм подвержен «зацикливанию», ситуации, когда все агенты перемещаются по одному пути в графе решений, занося на него много весов и не имея возможности на следующих итерациях выбрать другой маршрут в графе решений. Решить данные проблемы предлагается путем сброса графа решения при различных методах определения момента «зацикливания». Момент зацикливания предлагается определять по статистическим параметрам, вычисленным на одной итерации алгоритма. Алгоритм определения зацикливания, при котором определяется, были ли найдены новые решения на итерации, показал более высокую производительность. Но данный подход требует хранения всех найденных решений, что хорошо работает в случае, если вычисление критерия занимает серьезное время моделирования. Кроме того идеи сброса графа решений позволяют решить некоторые проблемы установки неэффективных параметров метода муравьиных колоний. Для ускорения процесса нахождения рациональных путей в работе рассматривается возможность занесения различных начальных весов после сброса графа решений. Наиболее эффективным будет добавление весов от 2-х до 5-ти наилучших путей, найденных агентами за время работы метода муравьиных колоний. В дальнейшем предлагается рассматривать многокритериальную задачу о назначениях и различные алгоритмы применения нечетких множеств при календарном планировании задач. The approach that uses fuzzy time to determine the lead time of a knowledge-intensive project requires solving the problem of assigning employees to tasks. In this case, for each employee and each task that the employee can perform, a fuzzy task execution function is assigned. The distribution of employees by tasks is successfully solved by a modification of the Ant Colony Method that works with a decision graph. But the speed and accuracy of the method depends on the optimality of its parameters, and the algorithm is subject to "looping", a situation when all agents move along the same path in the decision graph, putting many weights on it and not being able to choose another route in the graph at the next iterations solutions. It is proposed to solve these problems by resetting the decision graph with different methods of determining the moment of "looping". The looping moment is proposed to be determined by the statistical parameters calculated at one iteration of the algorithm. The loop detection algorithm, in which it is determined whether new solutions were found during iteration, showed better performance. But this approach requires storing all found solutions, which works well if the calculation of the criterion takes a lot of simulation time. In addition, the idea of resetting the decision graph allows us to solve some problems of setting ineffective parameters of the Ant Colony Method. To speed up the process of finding rational paths in the work, the possibility of entering various initial weights after resetting the decision graph is considered. The most effective way will be to add weights from 2 to 5 of the best paths found by the agents during the operation of the Ant Colony Method. In the future, it is proposed to consider the multicriteria assignment problem and various algorithms for using fuzzy sets in the scheduling of tasks.