The Leading Tool in Scheduling Research

ILOG Scheduler 는 많은 스케줄링 리서치 프로젝트의 주요 툴입니다. 연구자들이 Scheduler로부터 얻을 수 있는 혜택은 아래와 같습니다.

• Complete MCS-Based Search:
  Application to Resource Constrained Project Scheduling
  
  Description
  일반적인 RCPSP에서, 이 어프로치는 15% 이상의 기존 예시에 근접해있으며, 유명한 PSPLIB 예시 중 가장 잘 알려진 lower bounds의 31 % 이상을 향상 시켰습니다.
  
  정확하게 동일한 조정과 함께 같은 접근방법으로 Gueret과 Prins의 모든 hard open-shop instances은 CPU time이 5초 이하로 근접하는데 쓰였습니다. 이것은 가장 잘 알려진 lower bound보다 향상된 것이었으며, cumulative Job-Shop문제에 관한 여러 가지 instance에 근접한 것입니다.CPU 시간의 5 초 이내로 Gueret 및 Prins의 모든 하드 오픈-샵 상황을 극복하기 위해서는 이와 같은 접근방식, 같은 세팅이 사용됩니다. 또한, 가장 많이 알려진 lower bounds를 향상 시켰으며, Cumulative Job-Shop 문제 상황을 해결해 줍니다
  
  Paper
  P. Laborie. "Complete MCS-Based Search: Application to Resource Constrained Project Scheduling." Proceedings IJCAI-05. Edinburg (Scotland), July 2005.
  
  Download the paper. (본 페이퍼의 저작권은 IJCAL에 있습니다.)

• Randomized Large Neighborhood Search for Cumulative Scheduling
  
  Description
  본 어프로치를 통해 Cumulative Job –Shp Problem상의 일자에 보고된 유명한 성능을 얻었다. 이는 단지 36개의 open instance 중 33개에서 보고된 최고의 솔루션을 찾은 성과뿐만 아니라, 테스트 instance의 완성된 세트에서도 매우강력한 것으로 입증되었다. 또한, 이 36개의 open instance 중 한 가지는 현재 종료되었다.
  
  Paper
  D. Godard, P. Laborie and W. Nuijten. "Randomized Large Neighborhood Search for Cumulative Scheduling." Proceedings ICAPS-05. Monterey, California (USA), June 2005.
  
  Download the paper. (Please note that this paper is copyrighted by AAAI.)

• Algorithms for Propagating Resource Constraints in
  AI Planning and Scheduling: Existing Approaches and New Results
  
  Description
  일시적 제약 및 reservoirs와 같은 복잡한 자원을 포함한 문제의 경우, 현재까지는 벤치마킹을 할 수 있는 경우가 매우 적었다. 우리가 인식하고 있는 단 한 가지의 케이스는 Neumann & Schwindt’s 이다. Neumann & Schwindt’s에서 저자는 5개의 reservoir, 활동간 지연 단축/연장, makespan의 최소화 이슈를 포함한 300개의 프로젝트 스케줄링 문제를 생성하였다.
  이 300개의 문제 중 12개의 어려운 instances는 기존 방식으로는 최적화 시킬 수 없었다. 본 어프로치는 CPU 시간의 10초 내에 이 벤치마크의 모든 instance를 종료하였다. 
  
  Paper
  P. Laborie. "Algorithms for Propagating Resource Constraints in AI Planning and Scheduling: Existing Approaches and New Results." Artificial Intelligence Journal, 143(2), 151-188. January 2003.