A general framework integrating techniques for scheduling under uncertainty
Un cadre général intégrant les techniques d'ordonnancement sous incertitudes
Résumé
For last years, a number of research investigations on task planning and scheduling under uncertainty have been conducted. This research domain comprises a large number of models, resolution techniques, and systems, and it is difficult to compare them since the existing terminologies are incomplete. However, we identified general families of approaches that can be used to structure the literature given three perpendicular axes. This new classification of the state of the art is based on the way decisions are taken. In addition, we propose a generation and execution model for scheduling under uncertainty that combines these three families of approaches. This model is an automaton that develops when the current schedule is no longer executable or when some particular conditions are met. The third part of this thesis concerns our experimental study. On top of ILOG Solver and Scheduler, we implemented a software prototype in C++ directly instantiated from our generation and execution model. We present new probabilistic scheduling problems and a constraintbased approach combined with simulation to solve some instances thereof.
La littérature sur la planification de tâches et l'ordonnancement sous incertitudes comprend un large choix de modèles, techniques de résolution et systèmes, et il est difficile de les comparer en utilisant les termilologies existantes. Nous avons cependant identifié trois familles d'approches générales qui structurent la littérature en fonction de la façon dont les décisions sont prises. De plus, nous proposons un modèle de génération et d'exécution pour ordonnancer sous incertitudes qui intègre ces trois familles d'approches. Ce modèle est un automate qui se développe lorsque l'ordonnancement courant n'est plus exécutable ou lorsque des conditions particulières sont vérifiées. Au-dessus de ILOG Solver et Scheduler nous avons également implémenté un prototype logiciel directement instancié de notre modèle de génération et d'exécution. Nous présentons de nouveaux problèmes d'ordonnancement probabilistes et une approche par satisfaction de contraintes combinée avec de la simulation pour les résoudre.
Origine | Fichiers produits par l'(les) auteur(s) |
---|