MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN

Hasonló dokumentumok
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Dr. habil. Maróti György

Általános algoritmustervezési módszerek

EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA

Kereső algoritmusok a diszkrét optimalizálás problémájához

SZENZOROKRA ÉPÜLŐ ADAPTÍV RENDSZERMODELL

Kereső algoritmusok a diszkrét optimalizálás problémájához

Mesterséges intelligencia 2. laborgyakorlat

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Hasonlósági keresés molekulagráfokon: legnagyobb közös részgráf keresése

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

A hálózattervezés alapvető ismeretei

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

Gráf csúcsainak színezése. The Four-Color Theorem 4 szín tétel Appel és Haken bebizonyították, hogy minden térkép legfeljebb 4 színnel kiszínezhető.

Számítógép és programozás 2

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január

Problémamegoldás kereséssel. Mesterséges intelligencia március 7.

Számítógép és programozás 2

Integrációs mellékhatások és gyógymódok a felhőben. Géczy Viktor Üzletfejlesztési igazgató

III.5 KILOPROCESSZOROS RENDSZEREK LOGISZTIKAI ALKALMAZÁSA (SZOLGAY PÉTER)

Automatikus tesztgenerálás modell ellenőrző segítségével

Tipikus időbeli internetezői profilok nagyméretű webes naplóállományok alapján

Intelligens Rendszerek Elmélete IRE 4/32/1

Folyamatoptimalizálás: a felhőalapú modernizáció kiindulópontja. Bertók Botond Pannon Egyetem, Műszaki Informatikai Kar

Gráfszínezési problémák és ütemezési alkalmazásaik

Dicsőségtabló Beadós programozási feladatok

Operációkutatás példatár

30 MB INFORMATIKAI PROJEKTELLENŐR

Keresések Gregorics Tibor Mesterséges intelligencia

Heurisztikák BitTorrent hálózatok max-min méltányos sávszélesség-kiosztására

2. Visszalépéses keresés

SZOFTVERES SZEMLÉLTETÉS A MESTERSÉGES INTELLIGENCIA OKTATÁSÁBAN _ Jeszenszky Péter Debreceni Egyetem, Informatikai Kar jeszenszky.peter@inf.unideb.

Adaptív dinamikus szegmentálás idősorok indexeléséhez

Online migrációs ütemezési modellek

Munkajogi aktualitások Előadó: dr. Kártyás Gábor

A kezdeményezés a Kollektív Szerződésben foglaltakkal ellentétes módosításokat tartalmazott, illetve annak előírásait nem tartotta be.

Alkalmazások fejlesztése A D O K U M E N T Á C I Ó F E L É P Í T É S E

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

2017/ Szegedi Tudományegyetem Informatikai Intézet

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

III.5 KILOPROCESSZOROSRENDSZE REK LOGISZTIKAI ALKALMAZÁSA (SZOLGAYPÉTER)

Kereső algoritmusok a diszkrét optimalizálás problémájához

Mesterséges Intelligencia MI

ANALÍZIS TANSZÉK Szakdolgozati téma. Piezoelektromos mechanikai redszer rezgését leíró parciális

Példa. Job shop ütemezés

I.3 ELOSZTOTT FOLYAMATSZINTÉZIS BERTÓK BOTOND. Témavezetői beszámoló

OpenCL alapú eszközök verifikációja és validációja a gyakorlatban

Statisztikai módszerek a skálafüggetlen hálózatok

Algoritmusok bonyolultsága

Mesterséges Intelligencia MI

19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Minimális költségű folyam-algoritmusok összehasonlítása

ProofIT Informatikai Kft Budapest, Petzvál J. 4/a

PROJEKTALAPÍTÓ DOKUMENTUM Projektmenedzsment terv

Sapientia - Erdélyi Magyar TudományEgyetem (EMTE) Csíkszereda IRT- 4. kurzus. 3. Előadás: A mohó algoritmus

file://c:\coeditor\data\local\course410\tmp.xml

ULTIMATE TIC TAC TOE. Serfőző Péter

A szóbeli vizsgafeladatot ha a feladat indokolja a szaktanárok által összeállított mellékletek, segédanyagként felhasználható források egészítik ki.

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

A modellellenőrzés érdekes alkalmazása: Tesztgenerálás modellellenőrzővel

Kétszemélyes játékok Gregorics Tibor Mesterséges intelligencia

A modellellenőrzés érdekes alkalmazása: Tesztgenerálás modellellenőrzővel

Informatikai prevalidációs módszertan

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Az Etikai kódex azonban tartalmazhat a nemzeti törvényeknél szigorúbb követelményeket is.

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Erőforrások hozzárendelése

Szoftverminőségbiztosítás

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Algoritmizálás és adatmodellezés tanítása beadandó feladat: Algtan1 tanári beadandó /99 1

Az optimális megoldást adó algoritmusok

Gépi tanulás Gregorics Tibor Mesterséges intelligencia

Grid felhasználás: alkalmazott matematika

A év végi munkaidő-beosztás elkészítéséhez kapcsolódó tudnivalók

Kivonat. elősegíthető. Egy ilyen optimalizálási feladat nagyon komplex, ezért a

PONTFELHŐ REGISZTRÁCIÓ

Verifikáció és validáció Általános bevezető

Paragon Decision Technology BV

J A V A S L A T Ózd Város Önkormányzatának évi belső ellenőrzési tervének elfogadására

EFOP DISZRUPTÍV TECHNOLÓGIÁK KUTATÁS-FEJLESZTÉSE AZ E-MOBILITY TERÜLETÉN ÉS INTEGRÁLÁSUK A MÉRNÖKKÉPZÉSBE

Intervenciós röntgen berendezés teljesítményszabályozójának automatizált tesztelése

Szoftverminőségbiztosítás

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1

Algoritmizálás és adatmodellezés tanítása beadandó feladat: Algtan1 tanári beadandó /99 1

IV.4. FELHŐ ALAPÚ BIZTONSÁGOS ADATTÁROLÁSI MÓDSZER ÉS TESZTKÖRNYEZET KIDOLGOZÁSA

Vállalati modellek. Előadásvázlat. dr. Kovács László

Algoritmizálás, adatmodellezés tanítása 8. előadás

Programozási alapismeretek beadandó feladat: ProgAlap beadandó feladatok téma 99. feladat 1

2. Visszalépéses stratégia

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2018/

angolul: greedy algorithms, románul: algoritmi greedy

Új módszerek és eszközök infokommunikációs hálózatok forgalmának vizsgálatához

IV.3. MODELL-ALAPÚ MÓDSZER KIDOLGOZÁSA IT INFRASTRUKTÚRÁK ROBOSZTUSSÁGÁNAK ELEMZÉSÉHEZ KOCSIS-MAGYAR MELINDA

Városi Tömegközlekedés. Tervezési útmutató és feladat

Lukovich Gábor Logisztikai rendszerfejlesztő

Földmérési és Távérzékelési Intézet

Közbeszerzési Értesítő száma: 2017/229

Approximációs algoritmusok

A lineáris programozás alapfeladata Standard alak Az LP feladat megoldása Az LP megoldása: a szimplex algoritmus 2017/

Átírás:

infokommunikációs technológiák MŰSZAKKIOSZTÁSI PROBLÉMÁK A KÖZÖSSÉGI KÖZLEKEDÉSBEN Készítette: Árgilán Viktor, Dr. Balogh János, Dr. Békési József, Dávid Balázs, Hajdu László, Dr. Galambos Gábor, Dr. Krész Miklós, Pap Imre, Tóth Attila (mind SZTE)

AZ ELKÉSZÍTETT DOKUMENTÁCIÓ TARTALMA I. Elméleti háttér (Irodalom, célok) II. III. IV. Matematikai modell (kidolgozott heurisztikák) JAVA implementáció Felhasználói kézikönyv, használati eset példa V. Tesztadatok összeállítása, futtatások dokumentációja VI. VII. Hivatkozások Melléklet: Forráskód 2

A FELADAT LEÍRÁSA Feladat napi műszakok kiosztása alkalmazottaknak hosszabb távra (több hét vagy hónap) Nagyméretű feladat egzakt módszerek lassúak gyakorlati életben hatékonyan alkalmazható heurisztikák Megtörtént A módszer kidolgozása, program elkészítése JAVA nyelven, és mindezek dokumentációja. 3

A FELADAT ELMÉLETI HÁTTERÉNEK BEMUTATÁSA A feladat Adott napi műszakokhoz dolgozók rendelése bizonyos korlátozó tényezők mellett, előre megadott tervezési időszakra (1-3 hónap) a költség minimalizálásával. A probléma NP-nehéz Alkalmazási területek Repülőgép-személyzet (pilóták) ütemezése, Nővérek ütemezése (nurse rostering), Call centerek dolgozóinak munkabeosztása, Tömegközlekedési vállalatok (buszvezetők). 4

A FELADAT ELMÉLETI HÁTTERÉNEK BEMUTATÁSA A megoldást szabályok korlátozzák: munkajogi, EU, szakszervezeti, stb. Legfontosabb szabályok: Azonos napon egy dolgozó legfeljebb 1 műszakot kaphat. Egy elvégzett műszak után legalább adott pihenőidőt kell hagyni (12 óra). A heti összes munkaidő nem haladhatja meg az adott korlátot (48 óra). Egy hónapban legalább adott számú szabadnapot kell biztosítani (4 nap). Egymás követő munkanapok száma nem haladhat meg egy értéket (6 nap). 5

A PROGRAM ADATAI ÉS A CÉLFÜGGVÉNY Műszakok tulajdonságai: Dátum Kezdési, befejezési időpont Tartalmazott munkaidő Dolgozók tulajdonságai Cél Szerződésben foglalt napi átlag munkaóra (esetünkben 8 óra) Elvárt munkaidő (alapbérként fizetett) = munkanapok száma * szerződés Költség minimalizálása: A dolgozók alulfoglalkoztatásának és felül-foglalkoztatásának összege legyen minimális (mindkettő költséges a vállalatnak, előbbi esetben nem hatékony a kiosztás, utóbbi esetben a túlóra költsége. Alsó korlát A műszakok munkaidejének összegéből és az alkalmazottak elvárt munkaidejéből számolható : abs(összes munkaidő - optimális emberszámmal lefedhető munkaidő) 6

A KIDOLGOZOTT ÉS MEGVALÓSÍTOTT HEURISZTIKUS ELJÁRÁS ISMERTETÉSE IP-megoldás: a gyakorlatban lassú Heurisztika 1. Inicializálás Emberszámbecslés Szabadnap minta generálás Gráf felépítése 2. Gráfszínezés 3. Átszínezés Tabu Search használatával 7

A KIDOLGOZOTT ÉS MEGVALÓSULT HEURISZTIKUS ELJÁRÁS ISMERTETÉSE Inicializálás Kezdeti emberszám becslése Szabadnapmintákat generálunk minden emberhez (6-1 minta) Miért jó? 1. nap 2. Nap 3. nap 4. nap 5. nap 6. nap 7. nap 1. buszvezető 0 0 0 0 0 0 1 2. buszvezető 1 0 0 0 0 0 0 3. buszvezető 0 1 0 0 0 0 0 4. buszvezető 0 0 1 0 0 0 0 5. buszvezető 0 0 0 1 0 0 0 6. buszvezető 0 0 0 0 1 0 0 7. buszvezető 0 0 0 0 0 1 0 Csak kezdeti fix szabadnapokat határozunk meg, amely biztosítja az előírt szabályokat és szabadságot hagy a későbbi optimalizáláshoz. 8

A KIDOLGOZOTT ÉS MEGVALÓSULT HEURISZTIKUS ELJÁRÁS ISMERTETÉSE Gráf építése Gráf generálása A gráf csúcsai: Műszakok A gráf élei: Kizárások Két csúcs között él van Ha egyazon napon vannak Ha van elég pihenőidő közöttük 9

A KIDOLGOZOTT ÉS MEGVALÓSULT HEURISZTIKUS ELJÁRÁS ISMERTETÉSE Gráfszínezés Színek = emberek, a színezés = egy műszakkiosztást Jól ismert, gyakorlatban hatékony DSATUR gráfszínezési algoritmus Becsült emberhalmaz -> k-színezés Színezendő csúcs és választott szín választása mohó módon (First Fit) elősegítve az egyenletes munkaelosztást 10

A KIDOLGOZOTT ÉS MEGVALÓSULT HEURISZTIKUS ELJÁRÁS ISMERTETÉSE Tabu Search A kezdeti állapot iteratív javítása Tabu Search jellegű keresővel Állapottér: Egy állapot (konfiguráció) egy gráfszínezés Szomszédságok alapján javítás a kezdeti színezésen Átadás: A gráf egy csúcsa új színt kap (műszaki átadás) Csere: A gráf két csúcsának a színét megcseréljük (műszakcsere) 11

TESZTFUTTATÁSOK EREDMÉNYEI A tesztelés során generált, illetve valós input adatokat használtunk: Generált tesztadatbázis: több méretben (25-től 200-ig napi műszakszám), véletlenszerűen generált adatok, Valós (Tisza Volán Zrt.): megközelítőleg 3000 műszakot tartalmaz. Valamennyi tesztadaton elértük az alsó korlátot, kedvező futási időkkel. A legnagyobb méretű tesztadaton is 25 sec 12

TESZTFUTTATÁSOK EREDMÉNYEI A heurisztika és az IP eredményei generált teszteseteken: A heurisztika és az IP eredményei a valós teszteseten: 13

infokommunikációs technológiák KÖSZÖNÖM A FIGYELMET!