Problème de chargement de camions-citernes Tank Truck Loading Problem
|
|
- Félix René
- il y a 8 ans
- Total affichages :
Transcription
1 Problème de chargement de camions-citernes Tank Truck Loading Problem Fabien Cornillier CENTOR, Université Laval Fayez F. Boctor CENTOR, Université Laval Gilbert Laporte CRT, HEC Montréal Jacques Renaud CENTOR, Université Laval Journées de l optimisation Montréal
2 Plan de la présentation Présentation du problème et de ses particularités Revue de la littérature Formulation mathématique Méthodes de résolution Génération des problèmes-tests Résultats numériques
3 Quelles demandes? Quelles quantités? Maximums demandés Minimums demandés
4 Un camion-citerne doit livrer T commandes dont on connaît : Présentation du problème Particularité le type de produit la quantité minimale demandée a t la quantité maximale demandée b t La citerne étant composée de C compartiments de capacités Q c, l objectif est d attribuer chaque commande à un compartiment et de déterminer pour chacune la quantité à livrer. Les camions-citernes ne disposent pas de débitmètre : la livraison d une commande consiste à décharger complètement un ou plusieurs compartiments par gravité on ne peut donc attribuer qu une seule commande par compartiment on ne peut livrer qu un maximum de C commandes Remarque : Une commande peut toujours être affectée à plusieurs compartiments
5 Présentation du problème Définition complète Le problème de chargement consiste à maximiser la quantité chargée dans le camion-citerne pour un ensemble de commandes donné : en respectant les bornes minimales et maximales des quantités demandées en respectant les capacités des compartiments en n allouant qu une seule commande par compartiment (absence de débitmètre) t : index des commandes (t {1,..., T}) ; c index des compartiments (c {1,..., C}) ; x t variable représentant la quantité livrée dans le réservoir t ; y tc, variable binaire égale à 1 si le compartiment c est utilisé pour livrer le réservoir t, 0 sinon.
6 Exemple ?
7 Exemple 1 Demandes classées en ordre décroissant des demandes minimales
8 Exemple 1 Demandes classées en ordre décroissant des demandes maximales X X
9 Exemple 2 Les choses se compliquent ? On doit fractionner une demande
10 Autres problèmes de chargement à compartiments multiples Christofides, Mingozzi & Toth (199) Christofides, Mingozzi & Toth, Loading Problems (199) Un coût d utilisation est associé à chaque compartiment Un seul produit Un compartiment peut être partiellement déchargé Résolution du problème statique (chargement uniquement) et dynamique (chargement et déchargement) Objectif : minimiser le coût des compartiment utilisés Smith, A genetic algorithm approach to solving a multiple inventory loading problem (200) Problèmes multiproduits Coût de stockage associé à chaque produit Coût fixe associé à chaque livraison Les quantités demandées sont fixes et connues Objectif : minimiser la somme des coûts de stockage et de livraison
11 Christofides, Mingozzi & Toth, Loading Problems (199) Autres problèmes de chargement à compartiments multiples Un coût d utilisation est associé à chaque compartiment Un seul produit Smith (200) Un compartiment peut être partiellement déchargé Résolution du problème statique (chargement uniquement) et dynamique (chargement et déchargement) Objectif : minimiser le coût des compartiment utilisés Smith, A genetic algorithm approach to solving a multiple inventory loading problem (200) Problèmes multiproduits Coût de stockage associé à chaque produit Coût fixe associé à chaque livraison Les quantités demandées sont fixes et connues Objectif : minimiser la somme des coûts de stockage et de livraison
12 Autres problèmes de chargement à compartiments multiples Brown, Ellis, Graves & Ronen (198) Brown, Ellis, Graves & Ronen, Real-Time, Wide Area Dispatch of Mobil Tank Trucks (198) Résolvent un problème similaire dans lequel on cherche à minimiser les écarts des quantités chargées aux quantités commandées. Aucune méthode n est cependant décrite : "The model is solved by a highly specialized enumeration" La littérature ne traite pas de notre problème Aucune méthode existante n est adaptée
13 mandées en respectant les capacités des compartiments en n allouant qu une seule commande par compartiment (absence de débitmètre) Formulation mathématique de notre problème t : index des commandes (t {1,..., T}) ; c index des compartiments (c {1,..., C}) ; x t variable représentant la quantité chargée de la commande t ; y tc, variable binaire égale à 1 si le compartiment c est affecté à la commande t, 0 sinon. (TTLP) T Maximiser x t (1) t=1 s.c. : a t x r b t (t {1,..., T}) (2) x t C c=1 Q c y tc (t {1,..., T}) () T y tc 1 (c {1,..., C}) (4) t=1 y tc = 0 ou 1 (t {1,..., T}; c {1,..., C}). (5) (2) : Commandes minimales et maximales () : Limite de capacité des compartiments (4) : Pas plus d un produit par compartiment Étape 1 : Identification rapide de conditions suffisantes de non réalisabilité
14 Intérêt d une méthode de résolution On peut résoudre très simplement ce problème par programmation linéaire en nombres entiers (CPLEX, GLPK), mais dans un problème d approvisionnement des stations d essence, on doit résoudre des dizaines de millier de problèmes de chargement (de l ordre de pour un problème de 200 stations). Temps de résolution d un seul problème de chargement par PLNE comportant 5 commandes et 5 compartiments : jusqu à secondes
15 Méthode de résolution Vue générale Problème de chargement Heuristique Solution réalisable? non oui Solution optimale? non Programmation linéaire en nombres entiers oui Solution optimale, si elle existe
16 Méthode de résolution Vue générale Étape 1 : Identification rapide de conditions suffisantes de non réalisabilité Étapes 2 : Fractionnement des commandes de quantité minimale élevée Étapes : Affectation des commandes dont la quantité minimale est non nulle (a t > 0) Étape 4 : Affectation des commandes restantes (a t = 0) Étape 5 : Tester l optimalité de la solution trouvée Étape 6 : Si aucune solution réalisable n est trouvée, ou si la solution trouvée ne satisfait pas au test d optimalité, résoudre le problème par un algorithme de programmation linéaire en variables entières On cherche, par cette séquence, à limiter le nombre de problèmes à résoudre par programmation linéaire en variables entières.
17 Méthode de résolution Algorithme Étape 1 Identification rapide de conditions suffisantes de non réalisabilité j = i = Table9.. Cost 6.00 of routes6.00 containing 8.06 stations 8.61 i and9.1 j j = i = TAB. 21 Assignment of residual.21 demands Demands Compartments Table 4. Tanks 8 in non-decreasing 9 order 1 Table 5. Sequential assignment of the4 a t and 9 compartments in non-decreasing 5 order of the Q c 4 Tanks 2 Compartment (a Tanks Compartments 2, b 2 ) = (6, ) 6 1Q 1 = (a 9.0 M M 16. M (a 2, 9b 2 ) = (6, 8) 2 Q 1 = 4, b 4 ) = (, ) Q 2 = M M M 11.0 M 1.0 (a (a.0.5 M 14.8 M 4, b 4 ) = (4, 4) Q 2 = 4, b 4 ) = (1, 1) Q = (a 5.2 M 11.1 M (a 1, b 1 ) = (0, 1) 5 Q = 2 1, b 1 ) = (0, 1) Q 4 = M 10.9 M (a M (a, b ) = (0, 2) Q = 1, b ) = (0, 2) M M M M M M 11.0 M M 14.8 M M 11.1 M Soit T +, le nombre de commandes telles que a t > 0 et T s le nombre de commandes devant être livrées par plus d un compartiment (a t > max{q c }). Si T + + T s > C ou t=1 T a t > C c=1 Q c, aucune solution réalisable n existe : arrêt. Dans l exemple : T + = 2 et T s = 0
18 i = Méthode de résolution j = Algorithme i = Table9.. Cost 6.00 of routes6.00 containing stations i and9.1 j j = i 6.00Table9.. Cost 6.00 of routes6.00 containing 8.06 stations 8.61 i and9.1 j Étape 2 j = i = Fractionnement 2 j = 14 6 des.21 commandes dont i = le 1 minimum requis 6.00 est 4.00 élevé Trier les commandes dans l ordre décroissant des a t 8.94 et l ordre.84 décroissant 6 des b t Trier les compartiments dans 5 l ordre décroissant des capacités Si pour un rang donné on a a t > Q c, on fractionne 4.4la commande 6.4.6t en deux 8 commandes t et t avec a t = b0 t = Q c et a t 5 = a t Q0 c, b t = b t 1 5Q c Insérer 1 la nouvelle 0 2 commande 5 4 t dans 5 la4 liste 6 triée4 des 2 commandes Table Incrémenter Tanks 8 le innombre non-decreasing T commandes order 1 Table 5. Sequential 2 11 assignment 1 05 of Table Sithe une 4 4. a t commande Tanks 9 compartments 8 in non-decreasing ne peut pas non-decreasing of à l étape the4 5 a t 9 order être affectée 1 0 Table à un5. compartiment Sequential 5 assignment : aller order and 69 (MILP) compartments of the Q c in non-decreasing 56 order of the Q c Tanks5 2 Compartments 0 Tanks 2 2 Compartments 0 6 (a Tanks Compartments , b 2 ) = (6, ) 6 1Q 1 = (a Tanks Compartments 2, b 2 ) = (6, ) 6 1Q 1 = (a 9.0 M M M 9 1. (a 2, 89 b 2 ) = (6, 8) 12 Q = 4, b 4 ) = (, ) Q 2 = (a 9.0 M M 16. M 1. (a (6, 8) 2 Q 1 = 4, Mb 4 ) = M(, ) M Q = M (a (a M.0 M.5 M M M M , b 4 ) = (4, 4) Q 2 = 4, b 4 ) = (1, 1) Q = 2 (a 1.0 (a.0.5 M 14.8 M (4, 4) Q 2 = 4, b 4 ) = (1, 1) Q = (a 5.2 M 11.1 M 9.4 (a 1, b 1 ) = (0, 1) 45 Q = 2 1, b 1 ) = (0, 1) Q 4 = (a 5.2 M 11.1 M 9.4 (a 1 1 (0, 1) 5 Q = 2 1, b 1 ) = (0, 8.5 1) M Q = 1 M (a 8.5 M M M.6 M (a (a M M (a 9 ) (0, 2) Q 4 = 1, b ) = 5 (0, 2) 6 8 9, b ) = (0, 2) Q 4 = 1, b ) = (0, 2) M M M
19 Méthode de résolution Algorithme Étape Affectation des commandes dont le minimum est non nul On cherche à affecter les commandes pour lesquelles a t > 0 de manière à minimiser la capacité non utilisée du véhicule. Le coût d affectation e tc est infini si a t > Q c, et égal à max{0, Q c b t } sinon Si T < C, on crée C T commandes fictives t avec e tc = Q c pour tout c Si t est assigné à c et b t > Q c une nouvelle commande t est définie avec a t = 0 et b t = max{0, b t Q c } Pour chaque commande dont a t = 0, on définit une nouvelle commande avec a t = 0 et b t = b t
20 Algorithme Étape - Exemple Table 5. Sequential assignment Tanks 2 Compartments (a 2, b 2 ) = (6, ) 6 1Q 1 = (a 9.0 M M 4, b 4 ) = (, ) 16. Q 2 = M 1. M M M 11.0 M 11.5 (a.0 4, b 4 ).5= (1, 1) M 14.8 Q = 2M (a 1, b 1 ) 5.2 = (0, 1) M 11.1 Q 4 = 1M M 10.9 M.6 4 (a, b 5) = (0, 2) M M9 9.0 M M M M M M 11.0 M M M 14.8 M M 11.1 M 9.4 sing order 8.5of the am t and compartments 10.9 M M M lit the second demand as 15.5 it exceeds.5the M 11.5 Méthode de 6.8 résolution 6.4 w have five demands (Table 5). We then order to minimize the total unused ca- Demands ! 6! 0! 4 0!! Compartments 2 1
21 Méthode de résolution Algorithme - Étape 4 Affectations itératives des commandes restantes 0 0 6! ! 0 1 Si tous les compartiments sont utilisés ou toutes les commandes ont été satisfaites, aller à l étape 5 Considérer toutes les commandes non satisfaites t dont 0-0 b t > 0 1 Affecter itérativement la commande dont la valeur b t est la plus élevée au compartiment de plus grande capacité et poser b t := max{0, b t Q c } Figure 1. Graph of the assignment problem Répéter l opération jusqu à ce que toutes les commandes maximales soient nulles ou que tous les compartiments soient utilisés. Table 6. Assignment of residual demands ! Demands Compartments (a, b ) = (0, 2) Q = 2 (a 2, b 2) = (0, 1) (a 1, b 1) = (0, 1) (a 4, b 4) = (0, 0)
22 Méthode de résolution Algorithme Étape 5 Conditions suffisantes d optimalité de la solution trouvée La solution trouvée est optimale si au moins l une des conditions suivantes est satisfaite : 1. tous les compartiments sont pleins 2. toutes les commandes maximales b t sont satisfaites. T + = C 4. il existe une seule commande t telle que a t > 0 remplissant les C 1 compartiments les plus volumineux : T + = 1 et C 1 c=1 Q c < a t C c=1 Q c
23 Méthode de résolution Algorithme Étape 6 Résolution par programmation linéaire en nombres entiers Résoudre le TTLP par un algorithme de programmation linéaire en nombres entiers. Si on entre à l étape 6 par l étape 5 : on trouve toujours une solution optimale Si on y entre par l étape 2 : aucune solution réalisable n est garantie
24 Tests numériques Génération des problèmes Génération de problèmes de 5 commandes (T = 5) L algorithme de chargement a été testé sur 8000 instances de problèmes, 100 instances pour chacune des combinaisons de T +, R a et R b, avec : T + {1,..., 4} R a {0.1, 0., 0.5, 0., 0.9} R b {1.0, 1.5, 2.0, 2.5} et où T + : nombre de commandes dont a t est non nul R a : ratio de la somme des demandes minimales sur la capacité du véhicule (R a = T t=1 a t/ C c=1 Q c) R b : ratio de la somme des demandes maximales sur la capacité du véhicule (R b = T t=1 b t/ C c=1 Q c) Les tailles des compartiments sont fixées à 15000, 5500, 5500, 9000 et
25 Tests numériques Résultats avec Rb=1.5 Table. Computational results for the TTLP with R b = 1.5 T + Feasible Optimal Optimal Average R a %Capacity Seconds Seconds Steps 1-5 Step 1-5 proven Step 5 optimality gap Heuristic ILP Average:
26 Tests numériques Résultats 65 moyens pour 5 les différentes 2 valeurs de 0.40 Rb verage: Table 8. Aggregate computational results for the TTLP for differents values of R b R b Feasible Optimal Optimal Average %Capacity Seconds Seconds Steps 1-5 Step 1-5 proven Step 5 optimality gap Heuristic ILP
27 Conclusion Il s agit d un problème de chargement original Aucune autre méthode que la programmation linéaire en nombres entiers ne permettait de le résoudre L heuristiques proposée est performante et rapide Sa performance et sa rapidité lui permettent d être utile dans toute méthode de génération de routes pour le problème d approvisionnement des stations d essence
28 References 1 Ministère des ressources naturelles du Québec. Prix de l essence ordinaire par région administrative. Technical report, V. Malépart, J. Renaud, and F. F. Boctor. La distribution des produits pétroliers au Québec : État de la situation. Technical report, Université du Québec, P. Toth and D. Vigo, editors. The Vehicle Routing Problem. Society for Industrial and Applied Mathematics, Philadelphia, G. G. Brown and G. W. Graves. Real-time dispatch of petroleum tank trucks. Management Science, 2:19 2, January G. G. Brown, C. J. Ellis, G. W. Graves, and D. Ronen. Real-time, wide area dispatch of Mobil tank trucks. Interfaces, 1:10 120, V. Malépart, F. F. Boctor, J. Renaud, and S. Labilois. Nouvelles approches pour l approvisionnement des stations d essence. Revue Francaise de Gestion Industrielle, 22:15 1, 200. N. Christofides, A. Mingozzi, and P. 2Toth. Loading problems. In P. Toth and N. Christofides, editors, Combinatorial Optimization, pages Wiley, J. C. Smith. A genetic algorithm approach to solving a multiple inventory loading problem. International Journal of Industrial Engineering, 10: 16, N. Christofides. Vehicle routing. In A. H. G. Rinnooy Kan E. L. Lawler, J. K. Lenstra and D.B. Shmoys, editors, The traveling salesman problem. A guided tour of combinatorial optimization, pages Wiley, H. N. Gabow. An efficient implementation of Edmonds algorithm for maximum matching on graphs. Journal of the ACM, 2:221 24, J. Edmonds. Paths, trees and flowers. Canadian Journal of Mathematics, 1: , PC*MILER User s Guide. ALK Technologies, Inc., références
Annexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailINSERTION TECHNIQUES FOR JOB SHOP SCHEDULING
INSERTION TECHNIQUES FOR JOB SHOP SCHEDULING ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ES SCIENCES PAR Tamas KIS Informaticien mathématicien diplômé de l'université
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailOptimisation et Processus métier
Optimisation et Processus métier découvrez avec ILOG la solution d'optimisation leader du marché Didier Vidal vidaldid@fr.ibm.com Petit problème d optimisation 1 2000 1 Coûts de transport: 10 Euros par
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailRésolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements
«Évaluation et optimisation des systèmes innovants de production de biens et de services» Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements Oumar
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailRecherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche
Plus en détailDétermination de la taille des lots : cas d une production cyclique et d une demande dynamique
Détermination de la taille des lots : cas d une production cyclique et d une demande dynamique Projet effectué en collaboration avec Domtar, Windsor Équipe de projet : Hanen Bouchriha, post-doctorat en
Plus en détailLes colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce
: apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes
Plus en détailProposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a).
Proposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a). Khadija Eddoug (* ), Saâd Lissane Elhaq (* ), Hamid Ech-cheikh (* ) (*) : Laboratoire
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailStratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4
Stratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4 Stéphane MARCHINI Responsable Global des services DataCenters Espace Grande Arche Paris La Défense SG figures
Plus en détailAccompagner la transformation vers l excellence opérationnelle. Olivier Gatti olivier.gatti@adis-innovation.com
Accompagner la transformation vers l excellence opérationnelle. Olivier Gatti olivier.gatti@adis-innovation.com ADIS Innovation Partner 18 ans d activité opérationnelle dans le secteur du semi-conducteur
Plus en détailPrésentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris
Présentation Pour Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Email: galais@barloworldscs.com Tel : + 33 1 73 03 04 10 / + 33 6 08 01 52
Plus en détailFlottes privatives Une gestion maîtrisée Fleet management The management expert
Flottes privatives Une gestion maîtrisée Fleet management The management expert Créateur de solutions e@sy, la gestion maîtrisée des sites privés Distributeur carburant _Fuel dispenser Distributeur de
Plus en détailCours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.
Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre
Plus en détailPLANIFICATION DU TRANSPORT DE CHARGES PARTIELLES D UN DÉPÔT : RÉPARTITION, LIVRAISON ET REVENU DE RETOUR
MARIE-CLAUDE BOLDUC, B.A.A. PLANIFICATION DU TRANSPORT DE CHARGES PARTIELLES D UN DÉPÔT : RÉPARTITION, LIVRAISON ET REVENU DE RETOUR Essai présenté dans le cadre du programme de Maîtrise en administration
Plus en détailAPPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL
APPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL N. Keddari (1) - A. Hassam (1) 1 keddarinassima@yahoo.fr 1 a_hassam@mail.univ-tlemcen.dz RESUME L ordonnancement
Plus en détailToni Lazazzera toni.lazazzera@tmanco.com. Tmanco is expert partner from Anatole (www.anatole.net) and distributes the solution AnatoleTEM
T e l e c o m m a n a g e m e n t c o m p e t e n c e Toni Lazazzera toni.lazazzera@tmanco.com Tmanco SA CH 6807 Taverne www.tmanco.com +41 91 930 96 63 Reduce your telecom invoices up to 30% through better
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailUNIVERSITÉ DE MONTRÉAL UN MODÈLE DE PLANIFICATION TACTIQUE AVEC CHEVAUCHEMENT
UNIVERSITÉ DE MONTRÉAL UN MODÈLE DE PLANIFICATION TACTIQUE AVEC CHEVAUCHEMENT GEORGES BAYDOUN DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL MÉMOIRE PRÉSENTÉ EN VUE
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ;
RÈGLES A SUIVRE POUR OPTIMISER LES REQUÊTES SQL Le but de ce rapport est d énumérer quelques règles pratiques à appliquer dans l élaboration des requêtes. Il permettra de comprendre pourquoi certaines
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailUn propagateur basé sur les positions pour le problème d Open-Shop.
Actes JFPC 2007 Un propagateur basé sur les positions pour le problème d Open-Shop. Jean-Noël Monette Yves Deville Pierre Dupont Département d Ingénierie Informatique Université catholique de Louvain {jmonette,yde,pdupont}@info.ucl.ac.be
Plus en détailTHÈSE. présentée à TÉLÉCOM PARISTECH. pour obtenir le grade de. DOCTEUR de TÉLÉCOM PARISTECH. Mention Informatique et Réseaux. par.
École Doctorale d Informatique, Télécommunications et Électronique de Paris THÈSE présentée à TÉLÉCOM PARISTECH pour obtenir le grade de DOCTEUR de TÉLÉCOM PARISTECH Mention Informatique et Réseaux par
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailContexte et motivations Les techniques envisagées Evolution des processus Conclusion
Vérification de logiciels par analyse statique Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Contexte et motivations Specification Design architecture Revues and
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailLES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage
LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage Alain HERTZ Ecole Polytechnique - GERAD Département de mathématiques et de génie industriel CP 679, succ. Centre-ville, Montréal (QC) H3C
Plus en détailConcurrence imparfaite
Concurrence imparfaite 1. Le monopole 2. Concurrence monopolistique 3. Hotelling et Salop 4. Concurrence à la Cournot 5. Concurrence à la Bertrand 6. Concurrence à la Stackelberg Monopole Un monopole,
Plus en détailLe Langage SQL version Oracle
Université de Manouba École Supérieure d Économie Numérique Département des Technologies des Systèmes d Information Le Langage SQL version Oracle Document version 1.1 Mohamed Anis BACH TOBJI anis.bach@isg.rnu.tn
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailDifferential Synchronization
Differential Synchronization Neil Fraser Google 2009 BENA Pierrick CLEMENT Lucien DIARRA Thiemoko 2 Plan Introduction Stratégies de synchronisation Synchronisation différentielle Vue d ensemble Dual Shadow
Plus en détailTier 1 / Tier 2 relations: Are the roles changing?
Tier 1 / Tier 2 relations: Are the roles changing? Alexandre Loire A.L.F.A Project Manager July, 5th 2007 1. Changes to roles in customer/supplier relations a - Distribution Channels Activities End customer
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailMinimisation de la somme des retards dans un jobshop flexible
Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT
Plus en détailRenPar'14 Hammamet, Tunisie 10-13 avril 2002
PARALLELISATION CO-EVOLUTIVE DE L OPTIMISATION PAR COLONIE DE FOURMIS POUR LA RESOLUTION D UN PROBLEME D ORDONNANCEMENT INDUSTRIEL Pierre Delisle (1), Marc Gravel (1), Caroline Gagné (1), Michaël Krajecki
Plus en détailAVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS
AVERTISSEMENT Ce document est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle
Plus en détailConception de réseaux de télécommunications : optimisation et expérimentations
Conception de réseaux de télécommunications : optimisation et expérimentations Jean-François Lalande Directeurs de thèse: Jean-Claude Bermond - Michel Syska Université de Nice-Sophia Antipolis Mascotte,
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailSolution A La Gestion Des Objets Java Pour Des Systèmes Embarqués
International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
Plus en détailContrainte de flot pour RCPSP avec temps de transfert
Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailAlgorithmique répartie
Université Joseph Fourier 23/04/2014 Outline 1 2 Types de communication message envoyé à un groupe de processus Broadcast (diffusion) message envoyé à tous les processus du systèmes Unicast message envoyé
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailIN SYSTEM. Préconisations techniques pour Sage 100 Windows, MAC/OS, et pour Sage 100 pour SQL Server V16. Objectif :
IN SYSTEM Préconisations techniques pour Sage 100 Windows, MAC/OS, et pour Sage 100 pour SQL V16 Objectif : En synthèse des manuels de référence de Sage Ligne 100, ce document vous présente les préconisations,
Plus en détail6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr
6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure
Plus en détailwww.machpro.fr : Machines Production a créé dès 1995, le site internet
www.machpro.fr : www.machpro.fr Machines Production a créé dès 1995, le site internet www.machpro.fr destiné à fournir aux lecteurs de la revue et aux mécanautes un complément d'information utile et régulièrement
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailSéparation et Evaluation pour le problème d ordonnancement avec blocage.
Séparation et Evaluation pour le problème d ordonnancement avec blocage. Abdelhakim Ait Zai 1, Abdelkader Bentahar 1, Hamza Bennoui 1, Mourad Boudhar 2 et Yazid Mati 3 1 Faculté d Electronique et d Informatique,
Plus en détailXtremWeb-HEP 8.0.0. Interconnecting jobs over DG. Virtualization over DG. Oleg Lodygensky Laboratoire de l Accélérateur Linéaire
XtremWeb-HEP 8.0.0 Interconnecting jobs over DG Virtualization over DG Oleg Lodygensky Objectives 1.Deploy Virtual Machines in XtremWeb-HEP desktop grid to: protect volunteer resources generalize «pilot
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailMise en oeuvre TSM 6.1
Mise en oeuvre TSM 6.1 «Bonnes pratiques» pour la base de données TSM DB2 Powered by Qui sommes nous? Des spécialistes dans le domaine de la sauvegarde et de la protection des données 10 ans d expertise
Plus en détailChapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping
Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager
Plus en détailDurée : 4 heures Le sujet se présente sous la forme de deux dossiers indépendants
ÉPREUVE E5 : ANALYSE DE GESTION ET ORGANISATION DU SYSTÈME D INFORMATION Durée : 4 heures Le sujet se présente sous la forme de deux dossiers indépendants Page de garde... p 1 Présentation de l entreprise...
Plus en détailUn modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes
Actes JFPC 2009 Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes Madjid Khichane 1,2, Patrick Albert 1 et Christine Solnon 2 1 ILOG An IBM Company
Plus en détailJSIam Introduction talk. Philippe Gradt. Grenoble, March 6th 2015
Introduction talk Philippe Gradt Grenoble, March 6th 2015 Introduction Invention Innovation Market validation is key. 1 Introduction Invention Innovation Market validation is key How to turn a product
Plus en détailRevue d article : Dynamic Replica Placement for Scalable Content Delivery
Revue d article : Dynamic Replica Placement for Scalable Content Delivery Marc Riner - INSA Lyon - DEA DISIC Introduction Cet article [1] présente une technique innovante de placement de réplicats et de
Plus en détailFrance SMS+ MT Premium Description
France SMS+ MT Premium Description Summary Subscription : kinematics Subscription via SMS (Kinematic + messages) Subscription via Wap (Kinematic + messages) Subscription via Mix SMS / WAP Subscription
Plus en détailIntensifier l aménagement forestier pour un réseau industriel optimisé
Intensifier l aménagement forestier pour un réseau industriel optimisé Luc LeBel Directeur Consortium de recherche FORAC 21 Novembre 2012 Colloque sur l intensification de l aménagement forestier au BSL
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailTarification et optimisation pour le marketing
Tarification et optimisation pour le marketing Orange Labs Matthieu Chardy, Recherche & Développement 10 avril 2009 séminaire à l'ecole des Mines de Nantes agenda partie 1 économie des télécommunicationsl
Plus en détailMANAGEMENT SOFTWARE FOR STEEL CONSTRUCTION
Ficep Group Company MANAGEMENT SOFTWARE FOR STEEL CONSTRUCTION KEEP ADVANCING " Reach your expectations " ABOUT US For 25 years, Steel Projects has developed software for the steel fabrication industry.
Plus en détailDérivés Financiers Contrats à terme
Dérivés Financiers Contrats à terme Mécanique des marchés à terme 1) Supposons que vous prenez une position courte sur un contrat à terme, pour vendre de l argent en juillet à 10,20 par once, sur le New
Plus en détailPREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE
6 e Conférence Francophone de MOdélisation et SIMulation - MOSIM 06 - du 3 au 5 avril 2006 - Rabat - Maroc Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités PREMIER RETOUR D
Plus en détailSoftware and Hardware Datasheet / Fiche technique du logiciel et du matériel
Software and Hardware Datasheet / Fiche technique du logiciel et du matériel 1 System requirements Windows Windows 98, ME, 2000, XP, Vista 32/64, Seven 1 Ghz CPU 512 MB RAM 150 MB free disk space 1 CD
Plus en détailRAPID 3.34 - Prenez le contrôle sur vos données
RAPID 3.34 - Prenez le contrôle sur vos données Parmi les fonctions les plus demandées par nos utilisateurs, la navigation au clavier et la possibilité de disposer de champs supplémentaires arrivent aux
Plus en détailMedia planning TV et optimisation : du statique au (très) dynamique
Media planning TV et optimisation : du statique au (très) dynamique Thierry Benoist Frédéric Gardi www.innovation24.fr 1/18 Qui sommes-nous? Groupe industriel diversifié présent dans la construction, les
Plus en détailMétriques de performance pour les algorithmes et programmes parallèles
Métriques de performance pour les algorithmes et programmes parallèles 11 18 nov. 2002 Cette section est basée tout d abord sur la référence suivante (manuel suggéré mais non obligatoire) : R. Miller and
Plus en détailLancement de la plateforme de private cloud IBM Connections en partenariat avec. 04 Novembre 2010
Lancement de la plateforme de private cloud IBM Connections en partenariat avec 04 Novembre 2010 1 Les points/thèmes adressés dans cet atelier Quels sont les enjeux et besoins actuels des entreprises?
Plus en détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détailPlan de secours. Annie Butel. CLUSIF Septembre 2008. PCA 2008 09 24.ppt
Plan de secours CLUSIF Septembre 2008 Annie Butel PCA 2008 09 24.ppt BNP Paribas Group Story Year 1999 2000 2007 Number of Employees International presence (Number of countries) 50 000 France, North African
Plus en détailAlgorithmes de recherche d itinéraires en transport multimodal
de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailRFID et visibilité des processus: ajouter de la valeur au système d information
RFID et visibilité des processus: ajouter de la valeur au système d information SITL salon RFID 2010 Marc de FREMINVILLE Sensor Solutions Sales EMEA SouthWest IOT France IMT m.de_freminville@fr.ibm.com
Plus en détailEfficience énergétique du SI par l écoconception des logiciels - projet Code Vert
Efficience énergétique du SI par l écoconception des logiciels - projet Code Vert 31 mars2015 Thierry LEBOUCQ tleboucq@kaliterre.fr @tleboucq Jeune entreprise innovante depuis 2011 Spécialisée dans le
Plus en détailLes systèmes de gestion des actifs immobiliers par Gilles Marchand, Ministère de l'éducation du Québec & Dino Gerbasi, GES Technologies
Les systèmes de gestion des actifs immobiliers par Gilles Marchand, Ministère de l'éducation du Québec & Dino Gerbasi, GES Technologies 3 Novembre, 2004 Montréal Plan de la présentation Projet SIAD (français)
Plus en détailBourses d excellence pour les masters orientés vers la recherche
Masters de Mathématiques à l'université Lille 1 Mathématiques Ingénierie Mathématique Mathématiques et Finances Bourses d excellence pour les masters orientés vers la recherche Mathématiques appliquées
Plus en détailL entrepôt ultra sécurisé et climatisé répond aux exigences de ses clients en leur offrant une large palette de services.
Bordeaux City Bond est un entrepôt de stockage, en régime suspensif de droits et de taxes, de vins fins et produits issus de la vigne au cœur d un des plus grands vignobles du monde. L entrepôt ultra sécurisé
Plus en détailBases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
Plus en détail