علیرضا حاجی آخوندی

الگوریتم جهش ترکیبی قورباغه (SFLA) یک الگوریتم مبتنی بر ممتیک متاهیوریستیکِ است. این الگوریتم در سال های اخیر توسط Eusuff و Lansey ایجاد شد. الگوریتم SFLA از نحوه ی جستجوی  غذای گروه های قورباغه سرچشمه می گیرد. این الگوریتم برای جستجوی محلی میان زیرگروه های قورباغه از روش نمو ممتیک استفاده می کند. SFLA از استراتژی ترکیب استفاده می کند و امکان مبادله پیام در جستجوی محلی را فراهم می سازد. الگوریتم جهش ترکیبی قورباغه مزایای الگوریتم نمو ممتیک و بهینه سازی گروه ذرات (PSO) را ترکیب می کند. یکی از مسائل مشهور در زمینه کنترل پروژه، زمانبندی پروژه با محدودیت منابع و سایر محدودیتها می باشد که زمان بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل دارای پیشینه تحقیقاتی غنی است. مساله زمان بندی پروژه با منابع محدود در واقع کلی ترین مساله زمان بندی است. مسائل زمان بندی کارگاهی، جریان کارگاهی ، زمان بندی و سایر مسائل زمان بندی همگی زیر مجموعه ای از این مسئله به حساب می آیند. زمان بندی پروژه یکی از وظایف اصلی و فعالیت های اصلی در مدیریت پروژه است. وجود محدودیت منابع و همچنین روابط پیش نیازی بین فعالیت ها مسئله زمان بندی پروژه را امری دشوار می سازد. زمان بندی پروژه با در نظر گرفتن محدودیت منابع از جمله مسائل با ادبیات غنی در حوزه مسائل تحقیق در عملیات است.این مسئله توجه محققان را در سالهای اخیر بشدت بخود جلب کرده است و تاکنون با الگوریتم های مختلف حل شده است. در این مقاله به بررسی و عملکرد الگوریتم جهش قورباغه (SFLA) در حل مسائل زمانبندی پروژه با محدودیت منابع  پایه پرداخته می شود که نتایج حاکی از عملکرد مناسب و قوی این الگوریتم فراابتکاری جدید می باشد.