Project Scheduling: New Approaches and Solving Methods

Abstract

La planificación de proyectos es una disciplina fundamental en investigación operativa que abarca una amplia variedad de modelos y métodos para programar actividades interdependientes, sujetas habitualmente a restricciones de precedencia y recursos, buscando optimizar determinados objetivos. Conforme aumenta el dinamismo, la limitación y la incertidumbre de los problemas reales, los modelos tradicionales presentan dificultades para reflejar características clave como formulaciones multi-objetivo, costes dependientes del tiempo, modos alternativos de ejecución o información incompleta en la planificación. Esta tesis doctoral aborda estas limitaciones mediante nuevas formulaciones matemáticas y métodos de resolución que aumentan la flexibilidad y eficacia de los modelos, favoreciendo así una toma de decisiones más robusta y fundamentada. La investigación desarrolla tres líneas interrelacionadas que extienden la planificación de proyectos hacia contextos más realistas. La primera se centra en una extensión del problema clásico de planificación de proyectos con recursos limitados, que incorpora costes de recursos dependientes del tiempo y busca minimizar conjuntamente la duración del proyecto y el coste total. Diversas metaheurísticas son adaptadas y evaluadas mediante experimentos computacionales, mostrando claramente sus ventajas e inconvenientes y confirmando su eficacia para obtener soluciones diversas y de alta calidad. La segunda línea amplía el modelo incorporando capacidades variables y múltiples modos de ejecución, cada uno con distintos equilibrios entre uso de recursos y duración. Se propone una metaheurística específica con operadores adaptados al problema, que demuestra ser robusta y escalable, superando consistentemente a métodos exactos en instancias de tamaño medio y grande, y obteniendo además resultados competitivos en problemas pequeños. La tercera línea se centra en un problema cuyos costes dependen del instante de inicio de las actividades y están sujetos a incertidumbre presupuestada. Motivado por aplicaciones donde el orden de ejecución está fijado, pero los tiempos de inicio son flexibles, se plantea un marco robusto de optimización en dos etapas, con una formulación compacta para el caso continuo y un algoritmo iterativo para el discreto. Los resultados computacionales confirman la eficiencia y escalabilidad del modelo compacto, proporcionando soluciones de alta calidad bajo incertidumbre. En conjunto, esta tesis contribuye al campo de la planificación de proyectos mediante modelos flexibles y métodos de resolución eficientes, acortando la distancia entre teoría y práctica. Los enfoques propuestos permiten abordar problemas multi-objetivo, incorporar flexibilidad en la ejecución y generar calendarios fiables en contextos inciertos, proporcionando herramientas eficaces para afrontar escenarios reales y complejos.

This doctoral thesis delves into the project scheduling literature, a core field within operations research encompassing a variety of models and methods aimed at organizing interdependent activities over time—often subject to precedence and resource constraints—while optimizing specific objectives. As modern project environments become increasingly dynamic and uncertain, traditional models struggle to reflect key features such as multi-objective formulations, time-dependent costs, alternative execution modes, and incomplete information at the planning stage. This research addresses these limitations by proposing new mathematical formulations and tailored solution methods that improve the realism, flexibility, and effectiveness of scheduling models, ultimately contributing to more resilient and evidence-based decision-making. Three interrelated research lines are developed, each addressing a critical aspect of project scheduling under realistic constraints. The first focuses on an extension of the classical resource-constrained project scheduling problem that incorporates time-varying resource costs, aiming to jointly minimize project duration and total cost. Several metaheuristic algorithms are adapted and rigorously evaluated through computational experiments, revealing performance trade-offs and confirming the effectiveness of evolutionary strategies in producing diverse, high-quality solutions. The second line expands the model by integrating time-varying resource capacities and multiple execution modes per activity, each reflecting different trade-offs between resource use and duration. A tailored metaheuristic with problem-specific operators is proposed, demonstrating robustness and scalability, consistently outperforming exact methods on medium- and large-scale instances while remaining competitive on smaller ones. The third line introduces a scheduling problem with starting-time-dependent costs, defined within a budgeted uncertainty set. Motivated by applications with fixed execution order and flexible starting times, a robust two-stage optimization framework is proposed. A compact mixed-integer formulation is introduced for the continuous case, while an iterative algorithm is developed for the discrete counterpart. Computational experiments confirm the model's efficiency, scalability, and ability to deliver high-quality solutions under uncertainty. Overall, this thesis advances project scheduling by offering flexible modeling frameworks and efficient solution methods that bridge the gap between theory and practice. The proposed approaches support multi-objective decision-making, incorporate execution flexibility, and yield reliable schedules in uncertain environments. Together, these contributions provide valuable tools that enhance planning performance in complex, real-world scenarios.