Neue Vorverarbeitung verbessert Cumulative Constraints in der Terminplanung

Ein neuer Ansatz aus dem arXiv‑Preprint On inferring cumulative constraints bietet eine effiziente Vorverarbeitung für Cumulative Constraints, die in der Terminplanung mit Constraint Programming zentral sind. Durch die Umwandlung der Constraints in lineare Ungleichungen über Besetzungsvektoren werden zusätzliche, valide Ungleichungen erzeugt, die Interaktionen mehrerer Ressourcen erfassen, ohne dass während der Suche Probe­läufe nötig sind.

Der Prozess besteht aus drei Schritten: Erst werden „Covers“ identifiziert – Mengen von Aufgaben, die nicht gleichzeitig ausgeführt werden können. Anschließend werden die Cover‑Ungleichungen mit einer Lifting‑Technik gestärkt, und schließlich werden die neuen Constraints wieder in das ursprüngliche Planungsproblem eingebracht. Diese Vorgehensweise eliminiert die üblichen Engpässe, die bei der herkömmlichen, einzel­constraint‑basierten Propagation auftreten.

In umfangreichen Tests auf den Standard‑RCPSP‑ und RCPSP/max‑Datensätzen zeigte sich, dass die inferierten Constraints die Suchleistung deutlich steigern und die oberen Schranken für die Zielfunktion verbessern. Besonders erfreulich sind die 25 neu gefundenen unteren Schranken und fünf neue Best‑Solution‑Ergebnisse – acht dieser Schranken stammen direkt aus den eingefügten Constraints. Auf weniger günstigen Instanzen bleibt die Leistung nahezu unverändert, sodass die Methode insgesamt eine robuste Verbesserung darstellt.