自动化规划工具使工单分配更高效“分支定界”方法可排除混合整数非线性规划问题中的非最优解。作者Anupam Purwar2023年3月28日阅读时长4分钟自动化规划工具是结合人工智能与设计算法的程序用于规划与调度任务、资源和活动。它们广泛应用于制造、供应链管理、医疗保健和交通运输等多个行业通过自动化重复且耗时的规划任务帮助提高效率并降低成本。工单分配是其中许多行业的关键任务它属于资源分配问题的一种目标是将一组工单以高效且有效的方式调度到一组资源机器、人员等上。它涉及将劳动力、设备和材料等资源分配给特定任务同时满足各种约束和目标。在2022年欧洲运筹学协会会议上笔者发表了一篇题为《自动化规划工具APT用于工单调度的混合整数非线性规划问题求解器》的论文其中描述了一种解决工单分配问题的新方法。该方法名为自动化规划工具APT使用混合整数非线性规划求解器来处理工单分配问题的复杂非线性特性。MINLP是一种结合了整数约束变量与连续非线性函数的优化技术。APT的架构APT算法基于分支定界法该方法将一个优化问题划分为更小的子问题然后使用定界函数来估计每个子问题的解。定界函数提供最优解的上界或下界可用于通过剔除已知不包含最优解的子问题来修剪搜索空间。由于工单分配涉及大量约束如任务依赖关系、截止日期和资源约束它是一个NP完全问题意味着即使变量数量适中也可能变得极其耗时。当涉及非线性约束如资源利用率和维护成本时问题会变得更加复杂和具有挑战性。因此自动化规划工具必须找到优化问题的近似解或利用问题结构来降低计算复杂度。自动化规划工具中使用的一些技术包括PERT计划评审技术/CPM关键路径法用于甘特图线性规划整数规划约束规划人工智能规划然而传统的优化技术如线性规划并不太适合解决这类问题。复杂度APT的复杂度与制定调度时必须考虑的约束密切相关。这些约束可能包括任务必须完成的时间窗口、技术人员的技术水平与可用性或者设施的物理布局。此类约束会使问题更难求解因为它们可能限制可行解的数量或增加找到最优调度的难度。问题的复杂度还取决于工单数量、可用资源数量以及满足二元决策变量整数约束的需求。在将问题表述为MINLP问题以及设计求解该问题的优化算法时考虑这些约束都至关重要。APT在APT中算法以树搜索方式实现根节点代表原始问题每个节点的子节点代表通过分支生成的子问题。搜索持续进行直到所有节点都被探索完毕或找到一个可行解。我们使用Xpress求解器在多重约束以及整数/连续混合决策变量的情况下求解该问题。研究表明APT能够在相对较短的时间内为具有非线性目标函数的工单分配问题找到最优解。基于某机构云服务的实现APT使用Python编写并利用某机构的云基础设施进行数据存储和计算。该机构的ECS Fargate技术使我们能够以经济的方式扩展APT且用户数量无上限。ECS Fargate是该机构提供的一项技术用于在某机构弹性容器服务上运行Docker容器而无需管理底层基础设施。Fargate免去了用户配置和管理容器运行所用的计算实例的需求使他们能够专注于开发和部署应用程序。它还支持容器化应用程序的自动扩展并与该机构的其他服务如负载均衡器和安全组集成。自动化规划工具APT是一种强大且高效的工单分配问题求解方法。它处理非线性目标函数的能力以及分支定界法的运用使其成为调度和资源分配领域极具价值的工具。研究领域运筹学与优化标签多变量优化FINISHED更多精彩内容 请关注我的个人公众号 公众号办公AI智能小助手或者 我的个人博客 https://blog.qife122.com/对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号网络安全技术点滴分享