灵活及时地实施测试来满足客户的要求以及同时实现成本密集型测试资源的高利用率，对于测试领域中的经理人来说这个难度与日俱增。造成这一现象的原因就是测试订单的增加和固定数量的测试资源，这些因素必须在一个复杂的网络流程通过依存关系进行链接。
由于复杂性和现有的目标冲突，最佳规划通常是不可能的。然而，通过使用适当的算法，计划员可以及时地实现比手动过程更好的计划结果。
以解决下列的规划问题：
存在竞争性的规划目标。 示例包括最少化吞吐时间，最大化测试资源的利用率或最大限度地遵守计划。
可用的测试资源是有限的。测试资源就是比如测试台架，测量设备，测试部件或者员工。
规划中必须要考虑不同的限制。 例如，测试资源的工作时间，可用性，位置决定或功能。
通常，在测试领域‘限制’是有不同的优先权：
硬性限制：严格的硬性限制不能打破。例如，测试台A不能同时执行两个不同的测试。
软性限制：如果可以避免，软性限制不应该被打破。 比如：某公司不喜欢在特定位置实施特定类型的测试。
另外，适当的算法必须区分负面和正面的限制。虽然负面限制不能或不应该被破坏，但如果可能，应该符合正面的限制。例如，某公司喜欢在特定位置实施特定类型的测试。
在解决规划问题时，可以将不同类型的限制作为分值。所以，每个规划问题的解决方案可以用得分来评分。该评分的结果是可以分为以下几类的一可能的解决方案：
可能的解决方案可以是任何解决方案，无论它是否打破了一些限制。测试领域的规划问题通常有很多可能的解决方案。然而，这些解决方案中的一些是毫无价值的。
可行的解决方案：这些解决方案不会违反硬性的负面限制。可行的解决方案的数量通常与可能的解决方案的数量相关。有时没有可行的解决方案。
最佳解决方案：最佳解决方案是得分最高的解决方案。 总是有至少一个这样的解决方案，即使没有可行的解决方案。
最优解决方案：最优解决方案是最高分数的解决方案，它在某个定义的时期内被发现，并且是可实现的。
Peak Solution正在为 Peak Resource Planner (PRP), 配置研发一个附加项，这个附加项使上述测试问题自动化。该附加组件为用户提供了一种有效的方法来运行大量可能的规划解决方案的算法。通过启发式，评分流程和规则的帮助下，算法可以找出在可接受的时间内的最佳解决方案。当然，只需几行XML代码这些算法就可以灵活地适应个别需求。
