Resumen:El problema dinámico de programación de proyectos multimodo con recursos limitados es un problema de programación desafiante que requiere tomar decisiones tanto sobre el orden de ejecución de las actividades como sobre sus correspondientes modos de ejecución. La programación genética se ha aplicado ampliamente como una hiperheurística para desarrollar reglas de prioridad que guíen la selección de pares de modo de actividad del conjunto elegible actual. Recientemente, se ha propuesto una estrategia de selección de grupos de actividades para seleccionar un subconjunto de actividades en lugar de una sola actividad en cada punto de decisión, lo que permite una programación más efectiva al considerar la interdependencia entre actividades. Aunque es eficaz en instancias de pequeña escala, esta estrategia adolece de problemas de escalabilidad cuando se aplica a problemas más grandes. En este trabajo, mejoramos la escalabilidad de la estrategia de selección de grupo al introducir un mecanismo de selección basado en puntos de inflexión para identificar un subconjunto prometedor de actividades antes de evaluar sus combinaciones. Primero se utiliza una regla de ordenación de actividades para clasificar todos los pares de modos de actividad elegibles, seguida de una selección de puntos de inflexión para encontrar los pares prometedores. Luego, una regla de selección de grupo selecciona la mejor combinación de actividades. Desarrollamos un marco de GP de múltiples árboles para desarrollar ambos tipos de reglas simultáneamente. Los resultados experimentales demuestran que nuestro enfoque se adapta bien a instancias grandes y supera a GP con la toma de decisiones secuencial en la mayoría de los escenarios.
Publicado originalmente en export.arxiv.org el 21 de enero de 2026.
Ver fuente original
