Plánování projektu. 3. dubna Úvod. 2 Reprezentace projektu. 3 Neomezené zdroje. 4 Variabilní doba trvání. 5 Přidání pracovní síly

Podobné dokumenty
Plánování úloh na jednom stroji

Úvod do rozvrhování. 21. února Příklady. 2 Terminologie. 3 Klasifikace rozvrhovacích problémů. 4 Složitost.

Plánování se zabývá především kauzálními vztahy mezi akcemi a otázkou. Rozvrhování se soustředí na alokaci naplánovaných akcí v čase a prostoru.

Úvod do rozvrhování. 20. února Příklady a reálné problémy. 2 Terminologie. 3 Klasifikace rozvrhovacích problémů.

Sbírka příkladů k předmětu PA167 Rozvrhování

Algoritmus pro hledání nejkratší cesty orientovaným grafem

Plánování: reprezentace problému

EKONOMICKO-MATEMATICKÉ METODY

ALGORITMY A DATOVÉ STRUKTURY

12. Lineární programování

Časové rezervy. Celková rezerva činnosti

Metody síťové analýzy

PROBLEMATIKA TAKTOVÝCH JÍZDNÍCH ŘÁDŮ THE PROBLEMS OF INTERVAL TIMETABLES

Optimalizace & soft omezení: algoritmy

SÍŤOVÁ ANALÝZA. Kristýna Slabá, 1. července 2010

TGH09 - Barvení grafů

Doc. Ing. Tomáš Šubrt, Ph.D. PEF ZU v Praze MODELY OPTIMÁLNÍHO D LENÍ ZAKÁZEK

u odpovědí typu A, B, C, D, E: Obsah: jako 0) CLP Constraint Logic Programming

TGH05 - aplikace DFS, průchod do šířky

Cílem kapitoly je seznámit studenta se seznamem a stromem. Jejich konstrukci, užití a základní vlastnosti.

Základy umělé inteligence

MATEMATICKÉ METODY ROZHODOVÁNÍ STUDIJNÍ OPORA PRO KOMBINOVANÉ

Algoritmizace prostorových úloh

Dynamické programování

Grafové algoritmy. Programovací techniky

Matice sousednosti NG

Obsah. 16. dubna Přehled metodik. Terminologie. Vlastnosti stroje Omezení Optimalizace CVUT FEL, K Klasifikace rozvrhovacích problému

Kostry. 9. týden. Grafy. Marie Demlová (úpravy Matěj Dostál) 16. dubna 2019

Grafové algoritmy. Programovací techniky

5 Orientované grafy, Toky v sítích

Optimální ustálený chod Optima Power Flow -OPF

Static Load Balancing Applied to Time Dependent Mechanical Problems

Binární vyhledávací stromy II

a jiné elektronické přístroje včetně mobilů. Pracujte samostatně. Povolen je 1 list A4 vlastnoručně psaných poznámek k předmětu...

Řešení: PŘENESVĚŽ (N, A, B, C) = přenes N disků z A na B pomocí C

Obsah: CLP Constraint Logic Programming. u odpovědí typu A, B, C, D, E: jako 0)

13. Lineární programování

Návrh Designu: Radek Mařík

TGH05 - aplikace DFS, průchod do šířky

Teoretická informatika Tomáš Foltýnek Barvení grafů Platónská tělesa

4. NP-úplné (NPC) a NP-těžké (NPH) problémy

Modelování montážní linky

Rekonstrukce křivek a ploch metodou postupné evoluce

Hranová konzistence. Arc consistency AC. Nejprve se zabýváme binárními CSP. podmínka odpovídá hraně v grafu podmínek

3. úloha - problém batohu metodami branch & bound, dynamické programování, heuristika s testem

Paralelní grafové algoritmy

1. Úvod do genetických algoritmů (GA)

Příklady ke cvičením. Modelování produkčních a logistických systémů

VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE. Optimalizace trasy při revizích elektrospotřebičů

Vzdálenost uzlů v neorientovaném grafu

07 Základní pojmy teorie grafů

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE MASARYKŮV ÚSTAV VYŠŠÍCH STUDIÍ. Katedra inženýrské pedagogiky BAKALÁŘSKÁ PRÁCE

Informační systémy plánování výroby - pokročilé rozvrhování

Definice 9.4. Nedeterministický algoritmus se v některých krocích může libovolně rozhodnout pro některé z několika možných různých pokračování.

4EK212 Kvantitativní management. 2. Lineární programování

Přiřazovací problém. Přednáška č. 7

Délka (dny) terénní úpravy (prvotní) příprava staveniště (výstavba přístřešku pro materiál)

1 Měření paralelní kompenzace v zapojení do trojúhelníku a do hvězdy pro symetrické a nesymetrické zátěže

Úloha ve stavovém prostoru SP je <s 0, C>, kde s 0 je počáteční stav C je množina požadovaných cílových stavů

Zjednodušení generativního systému redukcí rozlišení

Základy algoritmizace

2. PŘÍPOJOVÉ VAZBY PŘI ZPOŽDĚNÍ

Úvod do teorie grafů

OPTIMALIZACE LINKOVÉHO VEDENÍ ČETNOST OBSLUHY, TAKT

4EK212 Kvantitativní management. 7.Řízení projektů

PQ-stromy a rozpoznávání intervalových grafů v lineárním čase

10. Složitost a výkon

CVUT FEL, K dubna Radek Mařík Rozvrhování 16. dubna / 56

Kombinatorická minimalizace

Operační výzkum. Síťová analýza. Metoda CPM.

12. Globální metody MI-PAA

Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 21.

TGH12 - Problém za milion dolarů

4EK201 Matematické modelování. 2. Lineární programování

Vyhledávání. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 12.

Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT

3. Grafy a matice. Definice 3.2. Čtvercová matice A se nazývá rozložitelná, lze-li ji napsat ve tvaru A =


Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

Ekonomická formulace. Matematický model

Výroková a predikátová logika - II

Prohledávání do šířky = algoritmus vlny

Západočeská univerzita v Plzni Fakulta aplikovaných věd. SÍŤOVÁ ANALÝZA Semestrální práce z předmětu KMA/MAB

FIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Binární soubory (datové, typované)

Problémy třídy Pa N P, převody problémů

Definice 7.2. Nejmenší přirozené číslo k, pro které je graf G k-obarvitelný, se nazývá chromatické číslo (barevnost) grafu G a značí se χ(g).

2. úkol MI-PAA. Jan Jůna (junajan)

1. Nejkratší cesta v grafu

Optimalizace. Obsah přednášky. DÚ LP - Okružní problém. Lineární optimalizace. DÚ LP - Okružní problém. DÚ LP - Okružní problém

Typy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)

Content Aware Image Resizing

Složitost 1.1 Opera ní a pam ová složitost 1.2 Opera ní složitost v pr rném, nejhorším a nejlepším p ípad 1.3 Asymptotická složitost

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Aproximativní algoritmy UIN009 Efektivní algoritmy 1

ČVUT FEL X36PAA - Problémy a algoritmy. 5. úloha - Seznámení se se zvolenou pokročilou iterativní metodou na problému batohu

4EK213 Lineární modely. 12. Dopravní problém výchozí řešení

3. Optimalizace pomocí nástroje Řešitel

Rozvrhování výroby. František Koblasa Technická univerzita v Liberci. TU v Liberci

Metody lineární optimalizace Simplexová metoda. Distribuční úlohy

Transkript:

Plánování proektu 3. dubna 2018 1 Úvod 2 Reprezentace proektu 3 Neomezené zdroe 4 Variabilní doba trvání 5 Přidání pracovní síly

Problémy plánování proektu Zprostředkování, instalace a testování rozsáhlého počítačového systému proekt zahrnue evaluace a výběr hardware, vývo software, nábor a školení lidí, testování a ladění systému,... precedenční vztahy některé úlohy mohou být prováděny paralelně úloha musí být realizována až po dokončení iných úloh cíl: minimalizovat čas na realizaci celého proektu Příklady dalších problémů stavba nemovitostí, konstrukce center elektráren, voenský průmysl Hana Rudová, FI MU: Plánování proektu 2 3. dubna 2018

Plánování proektu Základní problém plánování proektu precedenční podmínky paralelní stro s neomezeným počtem stroů minimalizace maximálního času konce úloh (makespan) relativně ednoduché na řešení 1 2 4 6 3 5 7 Rozšíření variabilní doba trvání (spoena s cenou provádění) optimalizace: kompromis mezi cenou na ukončení proektu a cenou za zkrácení délky úloh pracovní síla (skupiny operátorů s odlišnou specializací) při sdílení omezeného množství operátorů nutno uvažovat disunktivní hrany komplexní problém, ehož řešení e velmi obtížné Hana Rudová, FI MU: Plánování proektu 3 3. dubna 2018

Reprezentace proektu: úloha ako hrana Úloha ako hrana mezi dvěma uzly první uzel reprezentue čas startu úlohy druhý uzel reprezentue čas konce úlohy Dvě úlohy nemohou mít stený startovní a koncový uzel 2 1 4 3 Musíme zavést pomocné (dummy) úlohy 1 2 3 4 Hana Rudová, FI MU: Plánování proektu 4 3. dubna 2018

Korektní vyádření precedencí Je korektní tato reprezentace? Úloha Předchůdci A B A C D A,C E B,C A B E C D Není: B nemá předchůdce C Musíme uvažovat následuící reprezentaci A B E C D Hana Rudová, FI MU: Plánování proektu 5 3. dubna 2018

Reprezentace proektu: úloha ako uzel Reprezentace: úloha ako uzel hrany reprezentuí precedenční podmínky síť neobsahue žádné orientované cykly Úloha Doba Předchůdci trvání 1 2 2 3 1 3 1 1 4 4 2 5 2 3 6 1 4,5 7 3 4,5 1 2 4 6 3 5 7 Hana Rudová, FI MU: Plánování proektu 6 3. dubna 2018

Výhodněší reprezentace Běžně používana reprezentace úloha ako hrana Výhodněší ale úloha ako uzel nesou nutné redundantní hrany (pomocné úlohy) pro korektní vyádření precedencí úloha ako uzel lze převést na úloha ako obdelník horizontální strany obdelníku použity ako časové osy odpovídaící době provádění úlohy uloha uloha k Hana Rudová, FI MU: Plánování proektu 7 3. dubna 2018

Popis problému Popis problému m paralelně zapoených stroů n úloh s precedenčními omezeními doba provádění p obektivní funkce: minimalizace maximálního času konce úloh (makespan) P prec C max (a m n) polynomiální složitost, metoda kritické cesty P m prec C max 2 m < n NP úplný problém Značení S nedřívěší startovní čas úlohy C = S + p nedřívěší koncový úlohy S nepozděší startovní čas úlohy C nepozděší koncový čas úlohy Prec (přímí) předchůdci úlohy k Prec všechny úlohy k, které předcházeí úlohu : k Prec všechny úlohy, které následuí úlohu k Hana Rudová, FI MU: Plánování proektu 8 3. dubna 2018

Metoda kritické cesty Popis algoritmu pro nalezení kritické cesty dopředná procedura start v čase 0 výpočet nedřívěšího startovního času každé úlohy čas dokončení poslední úlohy e makespan zpětná procedura start v čase rovném makespan výpočet nepozděšího startovního času, aby byl realizován tento makespan Úloha s rezervou (slack ob) eí startovní čas může být odložen aniž e navýšen makespan úloha, eichž nedřívěší startovní čas e menší než nepozděší startovní čas Kritická úloha úloha, která nesmí být odložena úlohy, eichž nedřívěší startovní čas e roven nepozděšímu startovnímu čas Kritická cesta řetěz úloh začínaící v čase 0 a končící v čase C max v grafu může existovat více kritických cest kritické cesty se mohou částečně překrývat graf kritických cest G CP : podgraf daný množinou kritických úloh a kritických cest Hana Rudová, FI MU: Plánování proektu 9 3. dubna 2018

Kritická cesta: zadání příkladu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 p 5 6 9 12 7 12 10 6 10 9 7 8 7 5 2 4 7 1 6 9 10 12 14 3 11 13 5 8 Hana Rudová, FI MU: Plánování proektu 10 3. dubna 2018

Příklad: dopředná procedura 1 5+6=11 11+12=23 2 4 7 0+5=5 14+12=26 6 9 legenda S 23+10=33 + p = C S 33+9=42 10 43+8=51 12 14 26+10=36 51+5=56 3 11 13 43+7=50 5+9=14 5 8 14+7=21 36+7=43 26+6=32 Hana Rudová, FI MU: Plánování proektu 11 3. dubna 2018

Příklad: zpětná procedura 5 5=0 1 legenda 12 6=6 24 12=12 34 10=24 C p = S 2 4 7 43 9=34 10 51 8=43 56 5=51 26 12=14 36 10=26 12 14 6 9 3 14 9=5 5 8 26 7=19 36 6=30 11 43 7=36 13 51 7=44 Hana Rudová, FI MU: Plánování proektu 12 3. dubna 2018

Kritická cesta 2 4 7 1 6 9 10 C max = 56 12 14 3 11 13 5 8 Hana Rudová, FI MU: Plánování proektu 13 3. dubna 2018

Algoritmus pro nalezení kritické cesty 1 Dopředná procedura 1 t = 0 2 pro všechny úlohy bez předchůdce: S = 0, C = p 3 vypočíte postupně pro všechny zbývaící úlohy : k2 k1 k3 S = max C k, C = S + p k Prec 4 optimální makespan e C max = max(c 1,..., C n) 2 Zpětná procedura t = C max pro všechny úlohy bez následníka: C = C max, S = C max p vypočíte postupně pro všechny zbývaící úlohy : k1 k3 k2 C = min ověř, že 0 = min(s 1,..., S n ) k: Prec k S k, S = C p Hana Rudová, FI MU: Plánování proektu 14 3. dubna 2018

Kompromis mezi časem a cenou Lze uvažovat variabilní dobu trvání úloh za předpokladu vyšší ceny lze zkrátit dobu provádění Lineární cena Doba trvání p min p p max Marginální cena: cena za zkrácení doby trvání úlohy o 1 časovou ednotku c a c b prostředky (peníze) c = ca c b p min p max p min doba provádění max p př. p min = 10, p max = 15, c b = 10, c a = 20, c = 2 cena provádění úlohy po dobu p : c b + c (p max p ) Hana Rudová, FI MU: Plánování proektu 15 3. dubna 2018

Cena za provádění proektu Fixní režiní náklady c 0 celkem: C max c 0 na časovou ednotku doby provádění proektu Cena F (p ) za provádění proektu při době provádění úloh p určena ako součet ceny za provádění všech úloh fixních režiních nákladů F (p ) = C max c 0 + ( c b + c (p max p ) ) Cíl: nalézt p a S tak, aby byla F (p ) minimální c a c b prostředky (peníze) p min doba provádění max p Hana Rudová, FI MU: Plánování proektu 16 3. dubna 2018

Variabilní doba trvání: metody řešení Obektivní funkce: minimální cena proektu Kompromisní heuristika mezi časem a cenou dobrá kvalita rozvrhu použitené i pro nelineární cenu Formulace lineárního programování optimální rozvrh nelineární verze obtížně řešitelné Hana Rudová, FI MU: Plánování proektu 17 3. dubna 2018

Opakování: Řez, minimální řez Orientovaný graf G = (V, E) Počáteční uzel: zdro s V Koncový uzel: stok t V Řez:... také mluvíme o vrcholovém řezu množina uzlů V, eíž smazáním z grafu se rozpoí zdro a stok E množina hran incidentních s V t. v G =(V-V,E-E ) neexistue orientovaná cesta z s to t Minimální řez: řez U takový, že neexistue řez W U t. vrácení libovolného uzlu z U do grafu znovu spoí zdro a stok minimální řez zdro řez stok Hana Rudová, FI MU: Plánování proektu 18 3. dubna 2018

Řez, minimální řez II. Uvažume orientovaný graf G 0 = (V 0, E 0 ) Do grafu přidáme zdro: nový vrchol s a hrany S vedoucí z s do všech vrcholů G 0 bez předchůdců Do grafu přidáme stok: nový vrchol t a hrany T vedoucí ze všech vrcholů G 0 bez následníků do t Nový graf G = (V, E): V = V 0 {s, t}, E = E 0 S T Budeme hledat řezy a minimální řezy z s do t v G př. graf má 4 minimální řezy minimální řez zdro řez stok Hana Rudová, FI MU: Plánování proektu 19 3. dubna 2018

Kompromisní heuristika: příklad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 p max 5 6 9 12 7 12 10 6 10 9 7 8 7 5 p min 3 5 7 9 5 9 8 3 7 5 4 5 5 2 c b 20 25 20 15 30 40 35 25 30 20 25 35 20 10 c 7 2 4 3 4 3 4 4 4 5 2 2 4 8 fixní režiní náklady na časovou ednotku c 0 =6 Hana Rudová, FI MU: Plánování proektu 20 3. dubna 2018

Algoritmus kompromisní heuristiky 1 Nastav doby provádění na eich maximum: p = p max Urči všechny kritické cesty s těmito dobami provádění Zkonstruu graf G CP kritických cest 2 Urči všechny minimální řezy v G CP pozn. pokud zkrátíme dobu provádění všech úloh v minimálním řezu, podaří se nám i zkrátit dobu provádění proektu! Nadi řezy, eichž doba provádění e větší než eich minimum: p > p min G CP Pokud takový řez neexistue STOP, inak běž na krok 3 3 Pro každý minimální řez: spočíte cenu redukuící všechny doby provádění o 1 časovou ednotku Vyber minimální řez s nenižší cenou pozn. abychom za snížení zaplatili co nenižší cenu Jestliže e cena řezu menší než fixní režiní náklady c 0 za časovou ednotku běž na krok 4, inak STOP 4 Reduku všechny doby provádění v minimálním řezu o 1 časovou ednotku Urči novou množinu kritických cest Revidu graf G CP a běž na krok 2 Hana Rudová, FI MU: Plánování proektu 21 3. dubna 2018

Příklad (pokračování): maximální doba provádění 2 4 7 1 6 9 10 C max = 56 12 14 3 11 13 5 8 Hana Rudová, FI MU: Plánování proektu 22 3. dubna 2018

Kompromisní heuristika: příklad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 c 0 =6 p max 5 6 9 12 7 12 10 6 10 9 7 8 7 5 p min 3 5 7 9 5 9 8 3 7 5 4 5 5 2 c b 20 25 20 15 30 40 35 25 30 20 25 35 20 10 c 7 2 4 3 4 3 4 4 4 5 2 2 4 8 Náklady na provedení proektu při maximální době trvání úloh F (p max ) = C max c 0 + ( ) c b + c (p max p max ) = = C max c 0 + cb = = 56 6 + 20 + 25 + 20 + 15 + 30 + 40 + 35 + 25+ +30 + 20 + 25 + 35 + 20 + 10 = = 336 + 350 = 686 Hana Rudová, FI MU: Plánování proektu 23 3. dubna 2018

Podgraf s kritickou cestou (G CP ) Kandidáti na redukci: uzel 11 a uzel 12, vybereme uzel 12 c = 7 1 1 c = 3 6 c = 4 9 6 9 c 12= 2 c 14= 8 12 14 3 c = 4 3 Rezy: {1},{3},{6},{9} {11},{12},{14} 11 c = 2 11 minimální řez s nenižší cenou redukce doby provádení ulohy 12 z 8 na 7 Fixní režiní náklady se redukuí z 56 6 na 55 6 = 330 Cena za provádění úloh naroste o c 12 = 2, t. 350 + 2 = 352 Celková cena klesla z 686 na 330 + 352 = 682 Hana Rudová, FI MU: Plánování proektu 24 3. dubna 2018

Podgraf s kritickou cestou (G CP ) c = 7 1 1 5 9 3 c = 4 3 c = 3 6 Rezy: {1},{3},{6},{9} {11},{12,13},{14} c = 4 9 6 9 12 10 7 na 6 11 c = 2 11 c 12= 2 c 14= 8 12 14 7 7 7 13 c 13= 4 minimální řez s nenižší cenou redukce doby trvání ulohy 11 ze 7 na 6 Fixní režiní náklady se redukuí z 55 6 na 54 6 = 324 Cena za provádění úloh naroste o c 11 = 2, t. 352 + 2 = 354 Celková cena klesla z 682 na 324 + 354 = 678 Hana Rudová, FI MU: Plánování proektu 25 3. dubna 2018

Podgraf s kritickou cestou (G CP ) C = 7 1 1 5 3 C 2= 2 C 4= 3 C 7= 4 12 9 2 4 7 10 8 6 5 9 7 3 C = 4 3 C = 3 6 C = 4 9 6 9 12 9 10 7 C 10= 5 10 9 5 7 4 11 C = 2 11 C 12= 2 C 14= 8 8 5 5 2 12 14 13 7 5 C = 4 13 další redukce: pro uzel 2 na 5 a pro uzel 11 na 5,... Fixní režiní náklady se redukuí z 54 6 na 53 6 = 318 Cena za provádění úloh naroste o c 2 + c 11 = 2 + 2, t. 354 + 4 = 358 Celková cena klesla z 678 na 318 + 358 = 676 Hana Rudová, FI MU: Plánování proektu 26 3. dubna 2018

Lineární program Heuristika negarantue nalezení optima Celková cena e lineární n ( ) c 0 C max + c b + c (p max p ) =1 všimněte si: stená účelová funkce ako cena za provádění proektu Lineární program: c b a c p n max minimalizace: c 0 C max c p se nemění =1 za předpokladu: x k p x 0 Prec k p p max p p min x 0 C max x p 0 kde x e nedřívěší možný startovní čas úlohy Hana Rudová, FI MU: Plánování proektu 27 3. dubna 2018

Přidání pracovní síly Pracovní síla = operátor = zdro Problém popsán v literatuře ako problém plánování proektu s omezenými zdroi resource-constrained proect scheduling problem (RCPSP) n úloh N zdroů R i kapacita zdroe i p doba provádění úlohy R i požadavek úlohy na zdro i Prec (přímí) předchůdci úlohy Hana Rudová, FI MU: Plánování proektu 28 3. dubna 2018

Formulace celočíselného programování Pomocná úloha n + 1 ako stok, p n+1 = 0 x t = 1 úloha e dokončena v čase t x t = 0 inak Kapacita zdroe i, který potřebue úloha t+p 1 v intervalu [t 1, t]: R i x u t+p 1 u=t x u... počítá, zda úloha běží v čase [t 1, t] t 1 t u=t př. úloha s S = 2, p = 2 a t = 2, 3, 4, 5 (x 4 = 1, pro t = 3, 4 úloha započítána) H ako horní hranice makespan: H = Koncový čas úlohy : C = Makespan: C max = H t x t t=1 H t x n+1,t t=1 n =1 p koncový čas stoku Hana Rudová, FI MU: Plánování proektu 29 3. dubna 2018 p

Celočíselný program Minimalizace za předpokladu H t x n+1,t t=1 minimalizace makespan estliže e předchůdce k, pak C S k, t. C C k p k, t. C + p k C k 0 H t x t + p k t=1 t=1 H t x kt 0 Prec k pro každý čas t: požadavek na zdro i nepřeroste kapacitu i n t+p 1 R i x u =1 u=t R i i t každá úloha skončí právě ednou H x t = 1 t=1 Hana Rudová, FI MU: Plánování proektu 30 3. dubna 2018

Diskuse Řešení celočíselného programu obtížné Při velkém počtu úloh a dlouhém časovém horizontu použití heuristik Lze použít programování s omezuícími podmínkami kumulativní zdroe precedenční podmínky Probírané speciální případy problému ob shop + makespan timetabling Hana Rudová, FI MU: Plánování proektu 31 3. dubna 2018

Plánování proektu: shrnutí Základní problém s neomezenými zdroi metoda kritické cesty Neomezené zdroe + variabilní doba trvání (lineární) kompromisní heuristika mezi časem a cenou lineární programování Problém plánování proektu s omezenými zdroi celočíselné programování heuristiky programování s omezuícími podmínkami Hana Rudová, FI MU: Plánování proektu 32 3. dubna 2018