[논문 리뷰] Scalable Knee-Point Guided Activity Group Selection in Multi-Tree Genetic Programming for Dynamic Multi-Mode Project Scheduling

Yuan Tian, Yi Mei외 1명|arXiv (Cornell University)|2026. 01. 20.

Resource-Constrained Project Scheduling인용 수 0

한 줄 요약

다중 트리 GP 프레임워크 내에서 knee-point 기반 그룹 선택 메커니즘을 도입하여 동적 다-모드 자원제한 프로젝트 스케줄링에서 활동-그룹 결정의 확장을 처리합니다.

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.

연구 동기 및 목표

• 결정 품질을 보존하면서 후보 그룹을 제한하기 위한 무릎점 기반 그룹 선택 설계.
• ordering 규칙과 그룹 우선 규칙을 모두 진화시키는 다중 트리 GP 프레임워크 개발.
• 순차적 의사결정 GP 방법에 비해 확장성과 성능을 평가.

제안 방법

• 정렬 규칙으로 적합한 활동-모드 쌍을 순위 매김.
• 무릎점 선택을 적용해 그룹 열거 전에 유망한 쌍을 식별.
• 리소스 한계 내에서 무릎점 필터링 집합에서 활동 그룹을 열거하고 가지치기.
• Koza 스타일의 다중 트리 GP 프레임워크를 사용해 ordering 및 group-priority 규칙을 모두 진화.
• 학습 인스턴스를 해결하고 makespan 하한 편차를 계산하여 스케줄을 평가.

실험 결과

연구 질문

• RQ1 무릎점 기반 필터링이 DMRCPSP의 활동-그룹 선택에서 조합 폭발을 감소시킬 수 있는가?
• RQ2 다중 트리 GP로 진화된 ordering 및 group-priority 규칙이 순차적 의사결정 GP를 능가하는가?
• RQ3 무릎점 guided 그룹 선택이 선행 의존성 및 자원 복잡성에 따라 확장성 및 해결 품질에 어떤 영향을 미치는가?

주요 결과

• KGGP 방법은 대부분의 테스트 시나리오에서 순차 GP를 능가한다.
• 무릎점 선택은 후보 활동-모드 쌍을 상당히 줄여 더 큰 문제를 다룰 수 있게 한다.
• 다중 트리 GP는 주문 및 그룹 우선 규칙을 효과적으로 진화시킬 수 있다.
• 규칙 분석은 주문 규칙이 긴급하고 자원 효율적인 쌍을 선호하며 그룹 규칙은 빠른 그룹을 선호하고 강한 하류 영향이 있음을 시사한다.
• 학습 시간은 더 복잡한 선행 의존성으로 증가하지만 KGGP는 완전히 열거하는 방법에 비해 여전히 확장 가능하다.