Métaheuristiques pour la logistique

Auteur(s) :

Deroussi, Laurent Découvrir l'auteur

Résumé

Présentation des méthodes pour l'optimisation du fonctionnement d'une chaîne logistique. L'auteur présente des exemples métaheuristiques de problèmes logistiques voyageur de commerce, sac-à-dos, ordonnancement, etc. et l'efficacité de ces méthodes pour apporter des solutions. ©Electre 2016

Éditeur(s)
- ISTE editions
Date
- cop. 2016
Notes
- Index
Langues
- Français
Description matérielle
- 1 vol. (212 p.) : ill. ; 24 cm
Collections
- Série Les métaheuristiques
Sujet(s)
ISBN
- 978-1-78405-058-0
Indice
- 652.21 Programmation mathématique
Quatrième de couverture
- Série les métaheuristiques
  De par leur diversité et leur difficulté, les problèmes logistiques sont, pour la recherche opérationnelle, un sujet d'étude à l'intérêt constamment renouvelé. Alors que les mathématiques semblent à court d'arguments pour les résoudre, une famille de méthodes appelées métaheuristiques permet d'apporter des réponses en proposant une approche à la fois flexible, robuste et efficace.
  Pour illustrer ces méthodes, ce livre s'appuie sur l'étude de nombreux problèmes logistiques concrets : voyageur de commerce, sac-à-dos, ordonnancement, planification, localisation... Ces problèmes, aussi différents qu'ils puissent paraître, peuvent tous être résolus avec un recuit simulé, une recherche locale itérée, un algorithme génétique ou des essaims particulaires.
  La présentation d'approches simples et générales aidera les étudiants à programmer leurs premières métaheuristiques, tandis que la description de techniques plus élaborées (implémentation de Taillard, chaînes d'éjection) permettra aux ingénieurs plus aguerris d'approfondir leurs connaissances.
  La série
  Les métaheuristiques sont utilisées pour résoudre des problèmes d'optimisation complexes, à chaque fois que l'on veut identifier, avec un temps de calcul raisonnable, des solutions efficaces. Il s'agit donc d'une approche pragmatique, qui a des sources d'inspiration multiples. L'objectif de cette série est d'étendre le champ d'application des métaheuristiques, en proposant des approches transversales du domaine, des études centrées sur des applications spécifiques ou encore des analyses consacrées à des familles de métaheuristiques particulières.
Tables des matières
- - Métaheuristiques pour la logistique
  - Laurent Deroussi
  - iste
  - Introduction11
  - Première partie. Notions de base17
  - Chapitre 1. Problèmes introductifs19
  - 1.1. Le problème des swing states19
  - 1.2. Adel et ses dromadaires20
  - 1.3. Les forges de Sauron23
  - 1.3.1. L'inspection des forges23
  - 1.3.2. La production de l'arme fatale25
  - Chapitre 2. Inventaire des problèmes logistiques27
  - 2.1. Un peu d'histoire27
  - 2.1.1. Le point de Fermat-Torricelli27
  - 2.1.2. La brouette de Monge28
  - 2.1.3. Ponts de Königsberg et Icosian Game29
  - 2.2. Quelques problèmes polynomiaux30
  - 2.2.1. Le problème d'affectation30
  - 2.2.2. Le problème de transport31
  - 2.2.3. Le problème d'arbre couvrant de coût minimum33
  - 2.3. Les problèmes de conditionnement34
  - 2.3.1. Le problème du sac à dos (Knapsack Problem ou KP)34
  - 2.3.2. Le problème du bin packing35
  - 2.4. Les problèmes de tournées37
  - 2.4.1. Le problème du voyageur de commerce (Traveling Salesman Problem ou TSP)37
  - 2.4.2. Le problème de tournées de véhicules (Vehicle Routing Problem ou VRP)38
  - 2.5. Les problèmes d'ordonnancement de la production39
  - 2.5.1. Le problème du flow-shop (Flow-shop Scheduling Problem ou FSP)40
  - 2.5.2. Le problème du job-shop (Job-shop Scheduling Problem ou JSP)43
  - 2.6. Les problèmes de taille de lots45
  - 2.7. Les problèmes de localisation47
  - 2.7.1. Le Uncapacitated Plant Location Problem (UPLP)47
  - 2.7.2. Le Dynamic Location Problem (DLP)49
  - 2.8. Conclusion51
  - 2.9. Bibliographie51
  - Chapitre 3. Introduction aux métaheuristiques53
  - 3.1. Les problèmes d'optimisation53
  - 3.2. Métaheuristiques : les concepts de base55
  - 3.2.1. Intensification et diversification56
  - 3.2.2. Systèmes de voisinage56
  - 3.3. Les métaheuristiques à individu57
  - 3.3.1. La recherche locale58
  - 3.3.1.1. La descente déterministe58
  - 3.3.1.2. La descente stochastique59
  - 3.3.2. Le recuit simulé60
  - 3.3.3. L'algorithme du kangourou62
  - 3.3.4. La recherche locale itérée64
  - 3.3.5. La recherche Tabou65
  - 3.4. Les métaheuristiques à population66
  - 3.4.1. Les algorithmes évolutionnaires66
  - 3.4.2. Les colonies de fourmis68
  - 3.4.3. L'optimisation par essaim particulaire69
  - 3.5. Conclusion71
  - 3.6. Bibliographie71
  - Chapitre 4. Une première implémentation des métaheuristiques73
  - 4.1. Représentation d'une liste d'objets73
  - 4.2. Implémentation d'une recherche locale75
  - 4.2.1. Construction de la solution initiale75
  - 4.2.2. Description des mouvements de base76
  - 4.2.3. Implémentation de la descente stochastique (LS)78
  - 4.3. Implémentation de métaheuristiques à individu80
  - 4.3.1. Le recuit simulé (SA)80
  - 4.3.2. La recherche locale itérée (ILS)82
  - 4.4. Conclusion82
  - Deuxième partie. Notions avancées85
  - Chapitre 5. Le problème du voyageur de commerce87
  - 5.1. Représentation d'une solution : structure d'arbre à deux niveaux87
  - 5.2. Construction de la solution initiale89
  - 5.2.1. Une heuristique gloutonne : plus proche voisin91
  - 5.2.2. Une heuristique de simplification : le tour de Christofides91
  - 5.3. Les systèmes de voisinage94
  - 5.3.1. Le voisinage de Lin et Kernighan95
  - 5.3.2. Technique de chaîne d'éjection99
  - 5.4. Quelques résultats101
  - 5.5. Conclusion104
  - 5.6. Bibliographie104
  - Chapitre 6. Le problème du flow-shop107
  - 6.1. Représentation et évaluation d'une solution107
  - 6.2. Construction de la solution initiale109
  - 6.2.1. Une heuristique de simplification : CDS109
  - 6.2.1.1. Le flow-shop à deux machines109
  - 6.2.1.2. Principe de l'heuristique CDS110
  - 6.2.2. Une heuristique gloutonne : NEH112
  - 6.3. Systèmes de voisinage116
  - 6.3.1. Amélioration des mouvements d'insertion116
  - 6.3.2. Voisinage à profondeur variable119
  - 6.3.2.1. Suppression efficace d'une pièce120
  - 6.3.2.2. Description du voisinage122
  - 6.4. Résultats125
  - 6.5. Conclusion126
  - 6.6. Bibliographie127
  - Chapitre 7. Quelques éléments pour d'autres problèmes logistiques129
  - 7.1. Représentation directe versus représentation indirecte129
  - 7.2. Problème de conditionnement131
  - 7.2.1. Problème du sac à dos131
  - 7.2.2. Problème du bin packing132
  - 7.2.2.1. Représentation indirecte132
  - 7.2.2.2. Représentation directe133
  - 7.3. Problème de taille de lots134
  - 7.4. Problèmes de localisation135
  - 7.5. Conclusion137
  - 7.6. Bibliographie137
  - Troisième partie. Evolutions et tendances actuelles139
  - Chapitre 8. La gestion de la chaîne logistique141
  - 8.1. Généralité sur le Supply Chain Management141
  - 8.2. Synchronisation horizontale d'une chaîne logistique143
  - 8.2.1. Le jeu de la bière143
  - 8.2.2. L'effet coup de fouet145
  - 8.3. Synchronisation verticale d'une chaîne logistique146
  - 8.4. Une approche intégrée de la chaîne logistique147
  - 8.5. Conclusion149
  - 8.6. Bibliographie150
  - Chapitre 9. Hybridation et couplage à base de métaheuristiques151
  - 9.1. Métaheuristiques pour l'optimisation de la chaîne logistique151
  - 9.2. Hybridation de méthodes d'optimisation153
  - 9.2.1. Classification des méthodes hybrides153
  - 9.2.2. Illustration par l'exemple154
  - 9.2.3. Hybridation métaheuristique/recherche locale155
  - 9.2.4. Hybridation métaheuristique/méthode exacte156
  - 9.3. Couplages de méthodes d'optimisation et d'évaluation des performances158
  - 9.3.1. Double complexité158
  - 9.3.2. Couplage méthode d'optimisation/modèle de simulation159
  - 9.4. Conclusion160
  - 9.5. Bibliographie161
  - Chapitre 10. Les systèmes flexibles de production163
  - 10.1. Introduction aux problématiques des SFP163
  - 10.2. Le problème du job-shop avec transport165
  - 10.2.1. Définition du problème165
  - 10.3. Proposition d'un couplage métaheuristique/simulation168
  - 10.3.1. Représentation d'une solution168
  - 10.3.2. Méthode de simulation169
  - 10.3.3. Méthode d'optimisation173
  - 10.3.4. Résultats173
  - 10.4. Problème de configuration d'atelier175
  - 10.4.1. Modèle agrégé et résolution exacte175
  - 10.4.2. Modèle détaillé et résolution approchée177
  - 10.5. Conclusion180
  - 10.6. Bibliographie180
  - Chapitre 11. Problèmes de synchronisation à base de tournées de véhicules183
  - 11.1. Problème de gestion des stocks-routage (IRP)184
  - 11.1.1. Présentation du problème184
  - 11.1.1.1. Un exemple introductif184
  - 11.1.1.2. Programme linéaire de l'IRP185
  - 11.1.2. Résolution par métaheuristiques188
  - 11.2. Problème de localisation-routage (LRP)189
  - 11.2.1. Définition du problème189
  - 11.2.2. Résolution par métaheuristique193
  - 11.3. Conclusion194
  - 11.4. Bibliographie194
  - Chapitre 12. Solution des problèmes197
  - 12.1. Les swing states197
  - 12.2. Adel et ses dromadaires200
  - 12.2.1. Première question200
  - 12.2.2. Deuxième question201
  - 12.2.3. Troisième question204
  - 12.3. Les forges de Sauron204
  - 12.3.1. L'inspection des forges204
  - 12.3.2. La production de l'arme fatale207
  - 12.4. Bibliographie208
  - Conclusion209
  - Index211
Origine de la notice:
- OCoLC ;
- ZWZ