Системы анализа и обработки данных

СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

ISSN (печатн.): 2782-2001          ISSN (онлайн): 2782-215X
English | Русский

Последний выпуск
№3(103) Июль-Сентябрь 2026

Применение алгоритма муравьиной колонии в оптимизации управления мультипроектными разработками

Выпуск № 3 (103) Июль-Сентябрь 2026
Авторы:

Мезенцев Юрий Анатольевич ,
Борисова Алина Алексеевна ,
DOI: http://dx.doi.org/10.17212/2782-2001-2026-3-97-114
Аннотация

В статье рассматривается применение муравьиного алгоритма (Ant Colony Optimization, ACO) для решения задачи оптимизации управления мультипроектными разработками с ограниченными ресурсами. Мультипроектная среда характеризуется конкуренцией между задачами

за ресурсы, технологическими и ресурсными зависимостями, что делает задачу комбинаторной и NP-трудной.



В работе описан алгоритм муравьиной колонии, включающий формирование допустимых расписаний одновременно несколькими искусственными муравьями, вероятностный выбор операций с учетом уровня феромона и эвристической информации, а также обновление феромонных следов в процессе итераций. Проведены эксперименты на задачах различной размерности, показавшие, что при корректной настройке параметров алгоритм стабильно находит оптимальные или близкие к оптимальным решения. Для малых задач решение полностью совпадает

с результатами точной оптимизации в IBM ILOG CPLEX, для средних и больших задач метод обеспечивает эффективное нахождение качественных расписаний за существенно меньшее время по сравнению с точными методами.



Результаты исследования демонстрируют полиномиальную вычислительную трудоемкость алгоритма ACO и его высокую эффективность при планировании мультипроектных разработок, что делает его перспективным инструментом для применения в практических задачах управления ресурсами и сроками проектов.


Ключевые слова: мультипроектное планирование, комбинаторная оптимизация, алгоритм муравьиной колонии, NP-трудная задача, управление ресурсами, смешанные графы, календарное планирование
Мезенцев Юрий Анатольевич
630073, РФ, г. Новосибирск, пр. Карла Маркса, 20, Новосибирский государственный технический университет
mesyan@yandex.ru
Orcid: 0000-0002-4694-9524
РИНЦ AuthorID: 175782
Scopus ID: 55933824300
ResearcherID (WoS): R-7364-2017

Борисова Алина Алексеевна
РФ, 630073, г. Новосибирск, пр. Карла Маркса, 20, Новосибирский государственный технический университет
alina_10112004@mail.ru
Orcid: 0009-0006-7177-2421

Список литературы

Лазарев А.А., Гафаров Е.Р. Теория расписаний. Задачи и алгоритмы. – М.: МГУ, 2011.



Manne A.S. On the job-shop scheduling problem // Operations Research. – 1960. – Vol. 8 (2). – P. 219–223.



Олейникова С.А. Математическая модель и оптимизационная задача составления расписания для мультипроектной системы с временными и ресурсными ограничениями и критерием равномерной загрузки // Вестник ВГТУ. – 2013. – № 6-3. – С. 58–61.



Матвеев А.И. Алгоритм оптимизации планирования ресурсов (на примере метода отжига) // Перспективные информационные технологии (ПИТ 2018). – Самара, 2018. – С. 1046–1050.



Xiong H. A survey of job shop scheduling problem: The types and models // Computers & Operations Research. – 2022. – Vol. 142. – P. 105731.



Курейчик В.М., Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – № 7. – С. 30–36.



Гончаров Е.Н., Леонов В.В. Генетический алгоритм для задачи календарного планирования с ограниченными ресурсами // Автоматика и телемеханика. – 2017. – № 6. – С. 173–189.



Блок И.Н., Секаев В.Г. Разработка, исследование и адаптация метода роя частиц в задачах дискретной оптимизации теории расписаний // Глобальный научный потенциал. – 2015. – № 5. – С. 70–75.



Chakraborty S., Bhowmik S. Job shop scheduling using simulated annealing // First International Conference on Computation and Communication Advancement. – 2013. – Vol. 1 (1). – P. 69–73.



Mezentsev Y.A., Chubko N.Y. On one bicriterion discrete optimization problem and a hybrid ant colony algorithm for its approximate solution // Lecture Notes in Computer Science. – 2021. – Vol. 12689. – P. 289–300.



Саймон Д. Алгоритмы эволюционной оптимизации. – М.: ДМК Пресс, 2020. – 1002 с.



Dorigo M., Stützle T. Ant colony optimization: overview and recent advances // Handbook of Metaheuristics. – Springer, 2018. – P. 311–351.



IBM. Constraint programming in CP Optimizer. – URL: https://www.ibm.com/products/ilog-cplex-optimization-studio/cplex-cp-optimizer (accessed: 16.03.2026).



Клеванский Н.Н., Красников А.А. Формирование календарных графиков мультипроектного планирования // Образовательные ресурсы и технологии. – 2015. – № 3. – С. 11–33.



Son P.V.H., Khoi L.N.Q., Loc L.X. Multi-project scheduling optimization with artificial intelligence: a novel metaheuristic framework // Cluster Computing. – 2026. – Vol. 29. – P. 63.

Просмотров аннотации: 153
Скачиваний полного текста: 47
Просмотров интерактивной версии: 0
Для цитирования:

Мезенцев Ю.А., Борисова А.А. Применение алгоритма муравьиной колонии в оптимизации управления мультипроектными разработками // Системы анализа и обработки данных. – 2026. – № 3 (103). – С. 97–114. – DOI: 10.17212/2782-2001-2026-3-97-114.

For citation:

Mezentsev Y.A., Borisova A.A. Primenenie algoritma murav'inoi kolonii v optimizatsii upravleniya mul'tiproektnymi razrabotkami [Application of the ant colony algorithm in optimizing the management of multi-project development]. Sistemy analiza i obrabotki dannykh = Analysis and Data Processing Systems, 2026, no. 3 (103), pp. 97–114. DOI: 10.17212/2782-2001-2026-3-97-114.

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.