Resumen de ejecución de SimSched/SimSched’s execution overview

Aunque SSDBS incorpora mecanismos Programación Lineal  (Linnear Programming – LP), primero ejecuta LP para modelar problemas continuos y más simples; luego, junto con sus propios algoritmos, es decir, heurísticas propietarias, interpreta resultados continuos y los transforma, con aproximaciones, en entero y no – resultados lineales. Las heurísticas modelan el problema como un todo, es decir, los impactos que un evento previo puede influir en otras decisiones son considerados simultáneamente, por lo tanto, después de cada iteración, la heurística reconoce el problema y aprende cuáles son las mejores decisiones a tomar.

En primer lugar, SSDBS verifica la factibilidad y luego la óptima. Los datos importados y las restricciones definidas por el usuario componen un paquete que regirá la encuesta de SSDBS para encontrar y filtrar soluciones que asistan a estos criterios, haciendo este proceso más eficiente desde el punto de vista computacional. Sin embargo, lograr una solución que respete todos los parámetros podría no ser posible en algunos casos, por lo tanto, en lugar de no converger en una solución, examina otras posibilidades verificando otros modelos matemáticos o, en caso de no tener éxito, relajando algunos parámetros, siguiendo una jerarquía de relevancia (excluyendo ángulos de pendiente). Después de calcular la factibilidad, el paso siguiente se centra en la verificación del VAN. Este proceso sigue ejecutando LP con un modelo diferente, tratando de encontrar un mejor VAN. En caso de que la solución mejore, lo almacenará y ejecutará otra iteración, pero en caso contrario, verificará la existencia de otros modelos matemáticos. Finalmente, el software detiene la ejecución cuando todos los intentos han sido probados y no se encuentra ninguna mejora en el NPV.