[論文レビュー] Scalable Knee-Point Guided Activity Group Selection in Multi-Tree Genetic Programming for Dynamic Multi-Mode Project Scheduling

Yuan Tian, Yi Mei+1 more|arXiv (Cornell University)|Jan 20, 2026

Resource-Constrained Project Scheduling被引用数 0

ひとこと要約

knee-point を基にしたグループ選択機構を、動的なマルチモードリソース制約プロジェクトスケジューリングにおける活動グループ決定のスケーリングに組み込む multi-tree 遺伝的プログラミングフレームワークの導入。

ABSTRACT

The dynamic multi-mode resource-constrained project scheduling problem is a challenging scheduling problem that requires making decisions on both the execution order of activities and their corresponding execution modes. Genetic programming has been widely applied as a hyper-heuristic to evolve priority rules that guide the selection of activity-mode pairs from the current eligible set. Recently, an activity group selection strategy has been proposed to select a subset of activities rather than a single activity at each decision point, allowing for more effective scheduling by considering the interdependence between activities. Although effective in small-scale instances, this strategy suffers from scalability issues when applied to larger problems. In this work, we enhance the scalability of the group selection strategy by introducing a knee-point-based selection mechanism to identify a promising subset of activities before evaluating their combinations. An activity ordering rule is first used to rank all eligible activity-mode pairs, followed by a knee point selection to find the promising pairs. Then, a group selection rule selects the best activity combination. We develop a multi-tree GP framework to evolve both types of rules simultaneously. Experimental results demonstrate that our approach scales well to large instances and outperforms GP with sequential decision-making in most scenarios.

研究の動機と目的

• 候補グループを制限しつつ意思決定の質を保つ knee-point ベースのグループ選択を設計する。
• 順序付けルールとグループ優先ルールの両方を進化させるマルチツリー GP フレームワークを開発する。
• 逐次的意思決定 GP 手法と比較してスケーラビリティと性能を評価する。

提案手法

• 適格な活動-モードのペアを順序付けルールでランク付けする。
• グループ列挙の前に knee-point 選択を適用して有望なペアを特定する。
• リソース制限内で knee-point で絞り込まれた集合から活動グループを列挙し剪定する。
• Koza 風のマルチツリー GP フレームワークを用いて順序付けとグループ優先ルールの両方を進化させる。
• トレーニング事例を解いてスケジュールを評価し、メイクスパンの下限偏差を計算する。

実験結果

リサーチクエスチョン

• RQ1 Knee-point ベースのフィルタリングは DMRCPSP における活動グループ選択の組み合わせ爆発を削減できるか。
• RQ2 マルチツリー GP で進化させた順序付けとグループ優先ルールは逐次的意思決定 GP を上回るか。
• RQ3 Knee-point ガイド付きグループ選択は、前提条件と資源の複雑さが異なる場合にスケーラビリティと解の質へどのように影響するか。

主な発見

• KGGP 手法はほとんどのテストシナリオで逐次 GP より優れている。
• knee-point 選択により候補となる活動-モードペアを大幅に削減し、より大きな問題にも対処可能にする。
• マルチツリー GP は順序付けとグループ優先ルールの両方を効果的に進化させることができる。
• ルールの分析は、順序付けルールが緊急で資源効率的なペアを好み、グループルールが処理が速いグループを好み、后続へ強い影響を持つことを示す。
• 前提条件がより複雑になるとトレーニング時間は増加するが、KGGP は完全に列挙的な方法に対してスケーラブルなままである。