А сформированное пространство поиска из кандидатов содержит близкие к оптимальным решения?
Сам переход к кандидатам этого не гарантирует. После генерации множества кандидатов модель находит оптимальное решение только относительно этого множества, а не относительно полного пространства допустимых расписаний.
Качество множества кандидатов мы контролируем отдельно. В него включаются не только локально наиболее привлекательные варианты, но и альтернативы по времени начала, длительности, роли и стоимости изменения плана. И если вдруг в оптимальном плане будет кандидат плохого качества, а мы его не берём - тут мы потеряем, но это маловероятно в силу специфики задачи.
Близость к оптимуму можно оценивать на небольших экземплярах, где ещё решается полная time-indexed модель, а на крупных экземплярах через расширение множества кандидатов и оценку устойчивости результата.
Вот не понял из статьи как определяется достаточное полное, и в тоже время компактное пространство?
На текущем этапе мы генерируем все допустимые и практически осмысленные варианты, исключая только заведомо нецелесообразные. Поэтому пространство кандидатов не является искусственно узким и может быть даже избыточным и отдельные критерии его дополнительного сокращения пока не требуются. Этого множества достаточно, чтобы получать решения необходимого качества в заданные сроки.
Если с ростом размерности расчёт перестанет укладываться в SLA, потребуется сокращать пространство - удалять дубликаты, близкие по смыслу варианты, а также вырабатывать критерии их приоритизации.
Сам переход к кандидатам этого не гарантирует. После генерации множества кандидатов модель находит оптимальное решение только относительно этого множества, а не относительно полного пространства допустимых расписаний.
Качество множества кандидатов мы контролируем отдельно. В него включаются не только локально наиболее привлекательные варианты, но и альтернативы по времени начала, длительности, роли и стоимости изменения плана. И если вдруг в оптимальном плане будет кандидат плохого качества, а мы его не берём - тут мы потеряем, но это маловероятно в силу специфики задачи.
Близость к оптимуму можно оценивать на небольших экземплярах, где ещё решается полная time-indexed модель, а на крупных экземплярах через расширение множества кандидатов и оценку устойчивости результата.
На текущем этапе мы генерируем все допустимые и практически осмысленные варианты, исключая только заведомо нецелесообразные. Поэтому пространство кандидатов не является искусственно узким и может быть даже избыточным и отдельные критерии его дополнительного сокращения пока не требуются. Этого множества достаточно, чтобы получать решения необходимого качества в заданные сроки.
Если с ростом размерности расчёт перестанет укладываться в SLA, потребуется сокращать пространство - удалять дубликаты, близкие по смыслу варианты, а также вырабатывать критерии их приоритизации.