Fotografi av Elina Rönnberg

Elina Rönnberg

Proprefekt, Biträdande professor

Diskret optimering som beslutsstöd

Genom god planering kan man använda tillgängliga resurser på ett mer effektivt sätt. För storskaliga och komplexa problem så kan användningen av optimeringsmetoder ha en stor inverkan på resurseffektiviteten. Planeringsproblem där man kan dra nytta av optimering återfinns inom många olika områden och de tillgängliga resurserna kan vara allt från elektronikkomponenter, fordon eller maskiner till människor som ska utföra en uppgift.

I sammanhang där det är omöjligt för en människa att överskåda alla beslutsalternativ och välja en bästa möjliga plan så kan optimeringsmetoder hjälpa till i beslutsprocessen. I detta ingår att formulera en matematisk modell för problemet och utveckla eller välja en lösningsmetod för att beräkna en bra, eller om möjligt optimal, lösning. Beslutsproblem som syftar till att schemalägga eller planera resursanvändning har ofta formen av att vara diskreta optimeringsproblem.

Pågående forskning beskrivs under forskningsområdet  Matematik och algoritmer för intelligent beslutsfattande som introducerar arbetet i den grupp jag leder.

Man som tittar på sin dator

Diskret optimering

Mitt forskningsområde är diskret optimering, med ett speciellt intresse för dekompositionsmetoder och tillämpningar inom schemaläggning och resursallokering. Våra tillämpade projekt genomförs ofta tillsammans med industrin eller andra aktörer. Exempel på tillämpningsområden vi arbetat med är design av elektroniksystem i flygplan, personalschemaläggning inom vården, gruvbrytning och schemaläggning av tågpersonal. Några av dessa projekt finns beskrivna i listan över forskningsprojekt nedan.

Våra forskningsprojekt bidrar till att tänja på gränserna för när optimering kan göra verklig nytta – både genom hur praktiskt relevanta problem kan angripas och modelleras, och genom utveckling av effektivare lösningsmetoder.

Metodutveckling

Ur metodutvecklingsperspektiv är våra bidrag främst inom Dantzig-Wolfe dekomposition, Lagrangerelaxation, kolumngenerering, branch-and-price och logisk Bendersdekomposition för att hybridisera MIP and CP. Andra metodbidrag har vi inom dynamisk programmering, beslutsdiagram för optimering, metaheuristiker and mathheuristiker.

Uppdrag

Uppdrag

  • WASP (Wallenberg AI, autonomous systems and software program) Research Management group i AI/Math
  • Specialist i optimeringslära Saab Aeronautics, 2014 - 2020
  • Medgrundare av Schemagi, 2009 -

Examensarbeten

  • Implementing an RCESPP solver for the Electric Vehicle Routing (Sub)Problem, Jenny Enerbäck, 2024. I samarbete med Scania.

  • A matheuristic method for a multi-vehicle search and rescue problem, Didrik Axén, 2024. In collaboration with Saab.

  • An optimisation approach to scheduling and planning of charging for heavy electric vehicles, Lukas Schildt, 2024. In collaboration with Scania.

  • Lista med examensarbeten i DiVA
  • Lista med examensarbeten som inte finns i DiVA (PDF)

Aktuell undervisning

Forskningsområde

Forskningsprojekt

Flygplan.

Resursallokering och schemaläggning för framtida avioniksystem

För att fullt utnyttja potentialen i moderna modulära avioniksystem kan mycket utmanande allokerings- och schemaläggningsproblem behöva lösas. I samarbete med Saab Aeronautics utvecklar vi lösningsmetoder specialiserade för framtidens system.

Ellastbil.

Ruttplanering av tunga elektriska fordon

En möjliggörare för elektrifiering av tunga fordon är smartare verktyg för att planera hur fordon används och laddas. Tillsammans med Scania och Rang-Sells utvecklar vi matematiska modeller och algoritmer för framtidens transportsystem.

Ett SJ-tåg som kör genom ett vackert landskap.

Decision support for railway crew planning

For our society to fully reap the benefits of sustainable train travel, careful resource planning is essential. Passengers need to be able to rely on that trains are on time and train operators need to make efficient use of their vehicles and crew.

Relaterad information

Doktorander

Tidigare doktorander

Publikationer

2023

Johannes Varga, Emil Karlsson, Günther R. Raidl, Elina Rönnberg, Fredrik Lindsten, Tobias Rodemann (2023) Speeding Up Logic-Based Benders Decomposition by Strengthening Cuts with Graph Neural Networks Machine Learning, Optimization, and Data Science, s. 24-38 Vidare till DOI
Johannes Varga, Günther R. Raidl, Elina Rönnberg, Tobias Rodemann (2023) Interactive Job Scheduling with Partially Known Personnel Availabilities Optimization and Learning Vidare till DOI
Stephen J. Maher, Elina Rönnberg (2023) Integer programming column generation: accelerating branch-and-price using a novel pricing scheme for finding high-quality solutions in set covering, packing, and partitioning problems Mathematical Programming Computation, Vol. 15, s. 509-548 Vidare till DOI
Aigerim Saken, Emil Karlsson, Stephen J. Maher, Elina Rönnberg (2023) Computational Evaluation of Cut-Strengthening Techniques in Logic-Based Benders' Decomposition Springer Nature Operations Research Forum, Vol. 4, Artikel 62 Vidare till DOI

2022

Emil Karlsson, Elina Rönnberg (2022) Instance dataset for a multiprocessor scheduling problem with multiple time windows and time lags: Similar instances with large differences in difficulty Data in Brief, Vol. 45, Artikel 108687 Vidare till DOI
Emil Lindh, Kim Olsson, Elina Rönnberg (2022) Scheduling of an underground mine by combining logic-based Benders decomposition and a priority-based heuristic Proceedings of the 13th International Conference on the Practice and Theory of Automated Timetabling - PATAT 2022
Emil Karlsson, Elina Rönnberg (2022) Logic-based Benders decomposition with a partial assignment acceleration technique for avionics scheduling Computers & Operations Research, Instance dataset for a multiprocessor scheduling problem withmultiple time windows and time lags: Similar instances with largedifferences in difficulty, Vol. 146, Artikel 105916 Vidare till DOI
Fabio F. Oberweger, Günther R. Raidl, Elina Rönnberg, Marc Huber (2022) A Learning Large Neighborhood Search for the Staff Rerostering Problem Integration of Constraint Programming, Artificial Intelligence, and Operations Research, CPAIOR 2022, s. 300-317 Vidare till DOI

2021

Emil Karlsson, Elina Rönnberg (2021) Strengthening of feasibility cuts in logic-based Benders decomposition INTEGRATION OF CONSTRAINT PROGRAMMING, ARTIFICIAL INTELLIGENCE, AND OPERATIONS RESEARCH, s. 45-61 Vidare till DOI
Matthias Horn, Johannes Maschler, Günther R. Raidl, Elina Rönnberg (2021) A*-based construction of decision diagrams for a prize-collecting scheduling problem Computers & Operations Research, Vol. 126, Artikel 105125 Vidare till DOI
Emil Karlsson, Elina Rönnberg, Andreas Stenberg, Hannes Uppman (2021) A matheuristic approach to large-scale avionic scheduling Annals of Operations Research, Vol. 302, s. 425-459 Vidare till DOI
Matthias Horn, Guenther R. Raidl, Elina Rönnberg (2021) A* Search for Prize-Collecting Job Sequencing with One Common and Multiple Secondary Resources Annals of Operations Research, Vol. 302, s. 477-505 Vidare till DOI

Organisation