• Aide
  • Eurêkoi Eurêkoi
Métaheuristiques pour l'ordonnancement multicritère et les problèmes de transport
Livre Métaheuristiques pour l'ordonnancement multicritère et les problèmes de transport

Hermès science publications

-

  • Disponible - 652.27 MET

    Niveau 3 - Gestion

Livre

Métaheuristiques pour l'ordonnancement multicritère et les problèmes de transport

Résumé

Présentation des métaheuristiques appliquées aux problèmes dordonnancement multicritère, qui sont des cas particuliers des problèmes doptimisation combinatoire multicritère, généralement NP-difficiles. Puis, cet ouvrage aborde les préoccupations dordonnancement dans le secteur du transport qui suscitent également de multiples problèmes doptimisation.

  • Contributeur(s)
  • Éditeur(s)
  • Date
    • 2013
  • Notes
    • Index
  • Langues
    • Français
  • Description matérielle
    • 1 vol. (VII-323 p.) : illustrations en noir et blanc ; 24 x 17 cm
  • Collections
  • Sujet(s)
  • ISBN
    • 978-2-7462-4523-5
  • Indice
  • Quatrième de couverture

    • Productique

      Pour assurer une production de biens de qualité, de manière fiable et dans des délais maîtrisés, les organisations ont besoin d'outils d'exécution optimale de tâches tels que l'ordonnancement. Le succès des méthodologies de résolution des problèmes d'ordonnancement de production basées sur les métaheuristiques s'explique par leur capacité à fournir des solutions proches de l'optimum, dans des temps raisonnables.

      Cet ouvrage se consacre, dans un premier temps, aux métaheuristiques appliquées aux problèmes d'ordonnancement multicritère, qui sont des cas particuliers des problèmes d'optimisation combinatoire multicritère, généralement NP-difficiles. Puis, il s'intéresse aux préoccupations d'ordonnancement dans le secteur du transport qui suscitent également de multiples problèmes d'optimisation. Deux grands domaines d'application se distinguent, celui des systèmes de transport et celui des ressources de transport intervenant dans un atelier.


  • Tables des matières

      • Métaheuristiques pour l'ordonnancement multicritère et les problèmes de transport

      • Bassem Jarboui

      • Patrick Siarry

      • Jacques Teghem

      • Hermes Science

      • Lavoisier

      • Présentation générale17
      • Bassem Jarboui, Patrick Siarry, Jacques Teghem
      • Première partie. Ordonnancement multicritère de la production31
      • Chapitre 1. Métaheuristiques pour l'ordonnancement bi-objectif de type flowshop33
      • Matthieu Basseur, Arnaud Liefooghe
      • 1.1. Introduction33
      • 1.2. Métaheuristiques pour l'optimisation combinatoire multi-objectif34
      • 1.2.1 Principaux concepts35
      • 1.2.1.1. Affectation d'une valeur des fitness36
      • 1.2.1.2. Préservation de la diversité36
      • 1.2.1.3. Elitisme37
      • 1.2.2. Quelques approches37
      • 1.2.2.1. NSGA-II37
      • 1.2.2.2 IBEA38
      • 1.2.2.3. PLS39
      • 1.2.2.4. HBMOLS40
      • 1.2.3. Analyse de performance40
      • 1.2.3.1. Indicateurs de qualité40
      • 1.2.3.2. L'indicateur hypervolume42
      • 1.2.3.3. Validation statistique44
      • 1.2.4. Logiciels et implémentation45
      • 1.3. Problèmes d'ordonnancement multi-objectif de type flowshop47
      • 1.3.1. Les problèmes de type flowshop47
      • 1.3.2. Flowshop de permutation avec dates de fin souhaitées49
      • 1.3.3. Différentes fonctions objectif49
      • 1.3.4. Jeux de données50
      • 1.3.5. Analyse de corrélation entre fonctions objectif51
      • 1.4. Application au flowshop bi-objectif52
      • 1.4.1. Modélisation53
      • 1.4.1.1. Représentation53
      • 1.4.1.2. Evaluation53
      • 1.4.1.3. Initialisation53
      • 1.4.1.4. Voisinage53
      • 1.4.1.5. Croisement54
      • 1.4.1.6. Mutation55
      • 1.4.2. Approches de résolution55
      • 1.4.3. Analyse expérimentale56
      • 1.5. Conclusion58
      • 1.6. Bibliographie59
      • Chapitre 2. Stratégies de résolution Pareto pour le problème industriel d'ordonnancement voiture63
      • Caroline Gagné, Arnaud Zinflou, Marc Gravel
      • 2.1. Introduction63
      • 2.2. Problème industriel d'ordonnancement de voitures (PIOV)65
      • 2.3. Stratégies Pareto pour résoudre le PIOV70
      • 2.3.1. PMS MO70
      • 2.3.1.1. Assignation de la performance70
      • 2.3.1.2. Représentation72
      • 2.3.1.3. Création de la population initiale72
      • 2.3.1.4. Opérateur de croisement72
      • 2.3.1.5. Opérateur de mutation73
      • 2.3.1.6. Fonctionnement général de l'algorithme73
      • 2.3.2. GISMOO74
      • 2.3.2.1. Assignation de la performance75
      • 2.3.2.2. Phase génétique76
      • 2.3.2.3. Phase immune76
      • 2.3.2.4. Fonctionnement général de l'algorithme77
      • 2.4. Expérimentations numériques77
      • 2.4.1. Jeux d'essais79
      • 2.4.2. Métriques de performance80
      • 2.5. Résultats et discussions81
      • 2.6. Conclusion89
      • 2.7. Bibliographie90
      • Chapitre 3. Métaheuristiques mutli-objectif pour l'ordonnancement conjoint de la production et de la maintenance93
      • Ali Berrichi, Farouk Yalaoui
      • 3.1. Introduction93
      • 3.2. Etat de l'art sur le problème conjoint95
      • 3.3. Modélisation intégrée du problème conjoint98
      • 3.4. Concepts d'optimisation multi-objectif101
      • 3.5. L'approche d'optimisation par essaims particulaires102
      • 3.6. Implémentation des algorithmes MOOEP104
      • 3.6.1. Représentation et construction des solutions104
      • 3.6.2. Evaluation des solutions105
      • 3.6.3. Les algorithmes MOOEP proposés108
      • 3.6.4. Mise à jour des vitesses et des positions109
      • 3.6.5. Hybridation avec des recherches locales110
      • 3.7. Résultats expérimentaux112
      • 3.7.1. Choix des problèmes de test et configurations112
      • 3.7.2. Expérimentations et analyse des résultats113
      • 3.8. Conclusion119
      • 3.9. Bibliographie120
      • Chapitre 4. Optimisation via algorithme génétique du paramétrage de la méthode AHP pour l'ordonnancement multicritère d'atelier125
      • Fouzia Ounnar, Patrick Pujo, Afef Denguir
      • 4.1. Introduction125
      • 4.2. Méthodes de résolution de l'ordonnancement multicritère126
      • 4.2.1. Méthodes d'optimisation126
      • 4.2.2. Méthodes d'aide multicritère à la décision128
      • 4.2.3. Choix de la méthode d'aide multicritère à la décision129
      • 4.3. Présentation de la méthode AHP130
      • 4.3.1. Phase 1 : phase de configuration130
      • 4.3.2. Phase 2 : phase d'exploitation131
      • 4.4. Evaluation des métaheuristiques pour la configuration d'AHP133
      • 4.4.1. Les méthodes de recherche locale134
      • 4.4.2. Les méthodes à base de population134
      • 4.4.3. Les métaheuristiques avancées136
      • 4.5. Choix d'une métaheuristique136
      • 4.5.1. Justification du choix des algorithmes génétiques137
      • 4.5.2. Les algorithmes génétiques139
      • 4.5.2.1. Phase de préparation de l'algorithme139
      • 4.5.2.2. Phase d'exécution de l'algorithme140
      • 4.6. Optimisation d'AHP par algorithme génétique141
      • 4.6.1. Phase 0 : configuration de la structure du problème142
      • 4.6.2. Phase 1 : préparation pour la configuration automatique142
      • 4.6.2.1. Codage des chromosomes142
      • 4.6.2.2. Choix de la méthode de génération de la population initiale142
      • 4.6.2.3. Création de nouveaux individus143
      • 4.6.2.4. Choix de la fonction de fitness143
      • 4.6.2.5. Choix du critère d'arrêt144
      • 4.6.3. Phase 2 : configuration automatique144
      • 4.6.4. Phase 3 : préparation à la phase d'exploitation146
      • 4.7. Evaluation de G-AHP147
      • 4.7.1. Analyse du comportement de G-AHP147
      • 4.7.1.1. Cas d'étude147
      • 4.7.1.2. Présentation et analyse des résultats150
      • 4.7.2. Analyse des résultats obtenus par G-AHP153
      • 4.8. Conclusion155
      • 4.9. Bibliographie156
      • Chapitre 5. Un algorithme génétique multicritère pour la résolution du problème d'ordonnancement de tâches avec contraintes de ressources161
      • Olfa Dridi, Saoussen Krichen, Adel Guitouni
      • 5.1. Introduction161
      • 5.2. Description et formulation du problème162
      • 5.2.1. Notations163
      • 5.2.2. Objectifs163
      • 5.2.3. Contraintes165
      • 5.3. Revue de la littérature166
      • 5.3.1. Les méthodes exactes166
      • 5.3.2. Les méthodes approchées167
      • 5.4. Un algorithme génétique multicritère pour le POAMM169
      • 5.4.1. Codage170
      • 5.4.1.1. Codage de mode170
      • 5.4.1.2. Codage de période170
      • 5.4.1.3. Codage de l'ordre de priorité171
      • 5.4.1.4. Fonctions d'évaluation171
      • 5.4.2. Opérateurs génétiques171
      • 5.4.2.1. Sélection élitiste171
      • 5.4.2.2. Croisement171
      • 5.4.2.3. Mutation172
      • 5.4.3. Paramètres de fonctionnement173
      • 5.4.4. L'AG173
      • 5.5. Etude expérimentale173
      • 5.5.1. Mesures de diversification des solutions178
      • 5.5.1.1. Cardinalité de l'ensemble de solutions178
      • 5.5.1.2. Diversité de l'ensemble de solutions178
      • 5.5.1.3. Répartition sur la frontière Pareto179
      • 5.6. Conclusion181
      • 5.7. Bibliographie183
      • Deuxième partie. Ordonnancement pour les problèmes de transport185
      • Chapitre 6. Métaheuristique pour la résolution des problèmes de tournées de véhicules dans un contexte dynamique187
      • Tienté Hsu, Gilles Gonçalves, Rémy Dupas
      • 6.1. Introduction187
      • 6.2. Gestion dynamique de tournées de véhicules189
      • 6.2.1. Le problème de tournées de véhicules avec fenêtres de temps191
      • 6.3. Plate-forme de résolution du DVRPTW196
      • 6.3.1. Codage d'un chromosome198
      • 6.4. Traitement des incertitudes sur les demandes201
      • 6.5. Traitement des infos trafic206
      • 6.6. Conclusion212
      • 6.7. Bibliographie213
      • Chapitre 7. Couplage métaheuristique et modèle de simulation pour l'ordonnancement d'activités de transport avec contraintes de ressources217
      • Virginie André, Nathalie Grangeon, Sylvie Norre
      • 7.1. Modèle de connaissance219
      • 7.1.1. Ressources fixes et ressources mobiles219
      • 7.1.2. Modélisation des activités en étapes220
      • 7.1.3. Le problème à résoudre222
      • 7.1.4. Exemple illustratif223
      • 7.2. Démarche de résolution225
      • 7.3. Approche proposée230
      • 7.3.1. Métaheuristiques231
      • 7.3.1.1. Codage d'une solution232
      • 7.3.1.2. Systèmes de voisinage234
      • 7.3.1.3. Critère de performance236
      • 7.3.2. Modèle de simulation238
      • 7.4. Mise en oeuvre et résultats239
      • 7.4.1. Impact du mode de travail240
      • 7.4.1.1. Périodes de travail dédiées240
      • 7.4.1.2. Périodes de travail polyvalentes241
      • 7.4.2. Résultats pour l'ensemble des modifications du CHU242
      • 7.4.2.1. Périodes de travail dédiées243
      • 7.4.2.2. Périodes de travail polyvalentes243
      • 7.4.3. Etude préliminaire du choix des périodes de travail244
      • 7.5. Conclusion246
      • 7.6. Bibliographie249
      • Chapitre 8. Problèmes d'élaboration de tournées avec contraintes d'ordonnancement251
      • Rahma Lahyani, Frédéric Semet, Benoît Trouillet
      • 8.1. Introduction251
      • 8.2. Définition, complexité et classification253
      • 8.2.1. Définition et complexité254
      • 8.2.2. Classification254
      • 8.3. Problèmes de tournées de véhicules avec contraintes temporelles257
      • 8.3.1. Problèmes de tournées de véhicules avec fenêtres de temps257
      • 8.3.2. Problème de tournées de véhicules multipériodes260
      • 8.3.3. Problème de tournées de véhicules avec transbordement262
      • 8.4. Problèmes de tournées de véhicules avec des contraintes de disponibilité de ressources267
      • 8.4.1. Problèmes de tournées de véhicules multitours267
      • 8.4.2. Problème de tournées de véhicules avec contraintes d'ordonnancement des équipes de travail269
      • 8.5. Conclusion272
      • 8.6. Bibliographie272
      • Chapitre 9. Métaheuristiques pour l'ordonnancement des ateliers avec transport285
      • Qiao Zhang, Hervé Manier, Marie-Ange Manier
      • 9.1. General Flexible Jobshop Scheduling Problem286
      • 9.2. Etat de l'art en ordonnancement des ateliers avec ressources de transport288
      • 9.3. Procédure GTSB295
      • 9.3.1. Un algorithme métaheuristique hybride pour le GFJSSP295
      • 9.3.1.1. Structure de l'algorithme génétique hybride295
      • 9.3.1.2. Fonctionnement de la procédure tabou297
      • 9.3.1.3. Fonctionnement de la procédure SBN298
      • 9.3.2. Tests et résultats301
      • 9.3.2.1. Description des tests301
      • 9.3.2.2. Résultats302
      • 9.3.3. Conclusion pour GTSB312
      • 9.4. Conclusion312
      • 9.5. Bibliographie313
      • Index317

  • Origine de la notice:
    • Electre

  • Disponible - 652.27 MET

    Niveau 3 - Gestion

Sur le même thème

Ordonnancement de la production

Ordonnancement de la
production

Métaheuristiques pour l'ordonnancement multicritère et les problèmes de transport

Métaheuristiques pour
l'ordonnancement […]

Voir tout les résultats (2)