Työvuorojen aikataulutuksen optimointi PuLP-kirjaston avulla
Työvuorojen aikatauluttaminen on käytännön ongelma, jonka tekeminen käsin on työlästä. Ongelma voidaan ratkaista kirjoittamalla aikataulujen automatisointiin ja
optimointiin soveltuva tietokoneohjelma. Tässä tutkielmassa selvitetään, kuinka lineaarisen
kokonaislukuoptimoinnin menetelmiä voidaan hyödyntää työvuorojen aikatauluttamisessa.
Optimointitehtävän ohjelmointiin käytetään Python-kieltä ja PuLP-kirjastoa. Workforce scheduling is a real life issue that is troublesome to perform manually.
It’s possible to automate and optimise the scheduling simultaneously by writing a computer
program designed to resolve this issue. In this thesis it’s examined how linear integer programming methods can be applied in workforce scheduling. Python and PuLP are used to
write the optimisation program.
Keywords
Metadata
Show full item recordCollections
- Kandidaatintutkielmat [5358]
License
Related items
Showing items with similar title or keywords.
-
Hirvipopulaation koon muutoksen ennustaminen saalisrakenneindeksien avulla
Nuojua, Viivi (2014)Suomen merkittävimmän riistaeläimen, hirven, populaation kokoa kontrolloidaan tarkasti luvanvaraisella metsästyksellä. On jo pitkään arveltu, että metsästyspaine heijastuisi saalisrakenneindekseihin, erityisesti saaliin ... -
Aivoverenkiertohäiriökuntoutujien fysioterapian nykykäytännöt
Hänninen, Atte (2009) -
Kalastusstrategioiden identifiointi frekvenssianalyysin avulla
Lehtonen, Seija (1992) -
Data-driven interactive multiobjective optimization using cluster based surrogate in discrete decision space
Malmberg, Jose (2018)Tutkielma esittää klusteripohjaisen sijaismallin diskreetin päätöksentekoavaruuden dimension pienentämiseksi ja lineaaristen kokonaislukuoptimointitehtävien yksinkertaistamiseksi. Sijaismalli on suunnattu erityisesti ... -
DESDEO: The Modular and Open Source Framework for Interactive Multiobjective Optimization
Misitano, Giovanni; Saini, Bhupinder Singh; Afsar, Bekir; Shavazipour, Babooshka; Miettinen Kaisa (Institute of Electrical and Electronics Engineers (IEEE), 2021)Interactive multiobjective optimization methods incorporate preferences from a human decision maker in the optimization process iteratively. This allows the decision maker to focus on a subset of solutions, learn about the ...