GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT 2. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE
|
|
- Matthieu Rochon
- il y a 8 ans
- Total affichages :
Transcription
1 GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT Mercedes E. Narciso, Miquel A. Piera Dept Computer Science, Univ. Autonoma de Barcelona Bellaterra, 0819 Barcelona, Espagne mnarciso (miquel)@sunaut.uab.es Jean-Claude Hennet LAAS-CNRS, 7 avenue du Colonel Roche, 1077 Toulouse Cedex 4, France 1. INTRODUCTION Cette étude entre dans le cadre d un projet visant à concevoir un logiciel capable de générer automatiquement un plan de fabrication pour une cellule de fabrication flexible [Narciso 01, Narciso et Piera 01]. L outil de base de ce projet est la représentation du fonctionnement de la cellule par un réseau de Petri Coloré [Jensen 97], qui fournit une description compacte et claire du système et permet son analyse grâce à l arbre de couverture associé. Au-delà du rôle analytique qu il peut jouer, l arbre de couverture est utilisé dans cette étude comme outil de synthèse pour la construction du plan de fabrication. Ce plan est construit par sélection progressive des meilleurs branchements lors du parcours de l arbre à partir de l état initial du système. Une telle procédure, qui s appuie sur des mécanismes locaux de sélection, ne vise pas l optimalité globale mais plutôt la garantie d un comportement performant dès lors que la fonction d évaluation locale anticipe convenablement l évolution ultérieure du système dans sa globalité. En outre, le suivi en temps réel de l état de l atelier procure à la méthode proposée un avantage important en terme d aide à la décision pour la replanification et l ordonnancement réactif, grâce à la facilité de réinitialisation de l algorithme. Dans l optique de validation de l algorithme ainsi construit, nous allons appliquer cette méthodologie d optimisation locale sur deux exemples déjà traités dans la littérature : un exemple d optimisation multi-étapes par lots [Hennet 01], et un problème classique d ordonnancement dans un job-shop [Fisher et Thompson ].. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE Les réseaux de Petri Colorés de Jensen [Jensen 97] présentent de nombreux avantages pour la description du fonctionnement des ateliers flexibles. En particulier, ils fournissent une représentation concise des composants de l atelier (machines, stocks, organes de transport), tout en mettant en évidence le parallélisme, les processus multi-ressources, les choix, le partage de ressources. Les conditions associées aux tirs des transitions répertorient tous les cas possibles d exécution liés aux différentes couleurs des jetons mis en jeu. Le déroulement de tous les enchaînements de possibilités génère l arbre de couverture du réseau de Petri Coloré. D une part, l exhaustivité de cette représentation permet une analyse complète de système. Mais d autre part, l introduction d une logique d exploration et de sélection dans l arbre de couverture permet de contrôler le système et d optimiser son fonctionnement. On peut noter que l arbre de couverture d un réseau de Petri Coloré croît de façon exponentielle avec le nombre d événements susceptibles de se produire dans des séquences alternatives. Les limites de temps de calcul conduisent donc, pour des ateliers de taille raisonnable, à limiter l exploration de cet arbre, par exemple en limitant le nombre de niveaux de retour arrière (ou backtracking)..1 Exploration de l arbre de couverture L algorithme d exploration démarre à partir d un marquage initial. Il combine ensuite la simulation et la sélection. Supposons tous d abord que l on explore l arbre de couverture de façon exhaustive. Alors, à partir du marquage initial, toutes les transitions sensibilisées sont répertoriées, chacune d entre elles est sélectionnée, et de nouveaux états sont générés. Si le marquage associé à l un des états obtenus a déjà été généré dans l exploration, la date d obtention de ce marquage est fixée à sa plus petite valeur. Cette procédure est répétée pour tous les marquages générés par le marquage d origine. Tous les nouveaux marquages sont conservés et pour chacun d entre eux, on explore les transitions sensibilisées qui en découlent, de façon itérative. Quand un des marquages générés correspond à l état final recherché, les caractéristiques du chemin conduisant à cet état sont gardées en mémoire. On peut ainsi théoriquement, par une recherche de plus court chemin dans l arbre de couverture, déterminer la trajectoire optimale du système vers l état final recherché, à partir de son état initial. Il est clair cependant que les limitations de temps de calcul et de mémoire interdisent le plus souvent une exploration complète de l arbre de couverture. La procédure de sélection proposée consiste à limiter la profondeur d exploration à un niveau noté niveau I. Ainsi, on explore tous les sous-arbres jusqu au niveau I à
2 partir du marquage initial. Tous les sommets du niveau courant sont explorés jusqu à la profondeur I, les n meilleurs sommets sont sélectionnés comme racines de n sous-arbres de couverture jusqu au niveau I. Cette procédure, schématisée sur la Figure 1, est appliquée itérativement jusqu à la première obtention de l état final recherché. l n= Racine Chemin rejeté Chemin sélectionné Nouvelle racine Solutions Fig.1 Procédure d exploration partielle Les performances de l algorithme dépendent d une part de la fonction d évaluation utilisée pour sélectionner les n meilleurs sommets, d autre part des paramètres de réglage de l algorithme, I et n.. Sélection et convergence Dans l industrie, les impératifs de la production correspondent généralement à la recherche d un compromis entre les coûts et les délais. Les coûts des «en-cours» (ou WIP, «Work In Process») sont parmi les coûts les plus fréquemment considérés. En terme de modélisation par réseau de Petri, les coûts d en-cours peuvent être facilement calculés à partir des marquages des places qui correspondent à des stocks. C est ainsi que l on peut associer par exemple un coût c ij à la couleur j en place i et calculer le coût total associé à un marquage P = (( P ij )) par simple sommation sur les N places et les M couleurs : N M CP = cij Pij. (1) i= 1j= 1 Le problème de minimisation des délais pour un état initial et un état final donné correspond à la recherche dans le graphe de couverture du plus court chemin entre les deux sommets correspondant à ces états. La prise en compte conjointe (dans l ordre dit «lexicographique») des deux critères est donc possible, le critère de coût servant pour sélectionner les n meilleurs sommets courants, et le critère de durée permettant la mise à jour des plus courts chemins entre paires de sommets. Selon ce schéma bi-critère, une condition essentielle de convergence rapide de l algorithme vers l état final recherché est le faible coût (1) associé à cet état. Pour les problèmes d exécution de job, cette condition est automatiquement remplie si l on affecte des coûts nuls aux produits fabriqués : c ij = 0 pour i place terminale relative au produit représenté par la couleur j.. EVALUATION ET VALIDATION Pour évaluer l adéquation de la technique proposée aux objectifs de performance recherchés, deux exemples d application ont été choisis : L ordonnancement par lots de production pour un système manufacturier multi-étapes [Hennet 01]. L ordonnancement dans un job-shop à Jobs Machines (x) [Fisher et Thompson ] La démarche méthodologique suivie consiste tout d abord en la représentation du système par Réseau de Petri Coloré (RPC), en spécifiant pour chaque transition les conditions (pré) et les actions (post) associées au tir pour chaque couleur. Une fonction d évaluation de performances est ensuite construite à partir de l objectif global recherché. En outre, un critère temporel est sélectionné. C est généralement la minimisation du
3 «makespan», qui correspond à la recherche du chemin le plus court entre l état initial du système, décrit par la liste des jobs à exécuter, et l état final, dans lequel les jobs sont tous terminés..1. Planification de la production pour des systèmes manufacturiers multi-étapes L étude décrite dans la référence [Hennet 01] formule un problème d ordonnancement cyclique par lots pour des fabrications multi-étapes dans un job-shop. Ce type de fabrication concerne en particulier les systèmes de production qui fabriquent des familles de produits à partir de certains produits intermédiaires communs, à travers différentes étapes de traitement et d assemblage. La nature cyclique du problème posé repose sur des taux de demandes constants en produits finis, et sur l hypothèse d un cycle commun pour tous les produits (produits finis, intermédiaires ou primaires). La durée du cycle est une inconnue du problème. C est elle qui fixe les tailles de lots de produits. Chaque job générique consiste en la production d un lot de produit fini d un type donné et des lots de composants qui le constituent, de façon à satisfaire la demande en permanence. Ainsi, le problème d ordonnancement générique ressemble à un problème de job shop dans lequel certaines contraintes de précédence entre tâches sont modifiées par la possibilité d utiliser des stocks intermédiaires. La figure représente le graphe «gozinto» qui décrit les recettes de fabrication des produits. Le problème d ordonnancement générique relatif à ce graphe est constitué de jobs. Le premier job : générique, associé au produit final D, est composé des opérations génériques, 4,, 9, 10. Le second job générique est associé au produit final E. Il est composé des opérations génériques 1,, 5, 7, 8. Sur ce graphe, les arcs correspondent à des relations de précédence à condition que les opérations concernées par le même lot de fabrication soient fabriquées pendant la même période, c est à dire, en termes d ordonnancement cyclique, que leur «hauteur» soit identique. Le relâchement d une contrainte de précédence se produit lorsque la tâche source de l arc a une hauteur supérieure à celle de la tâche de destination de l arc. Produit A sur la ressource Produit B 5 Ressource 1 Produit C 4 Produit D Ressource 1 Produit E 1 Fig. : Graphe d une structure de production multi-étapes. Les tables 1, et décrivent la sémantique du modèle de réseau de Petri Coloré qui permet de simuler son fonctionnement après avoir arbitré les choix qu il contient grâce à l algorithme d optimisation. La fonction d évaluation découle du critère à minimiser, qui correspond au coût des en-cours, ce coût s annulant lorsque toutes les opérations ont été exécutées. Dans cette étude, on a choisi de minimiser aussi la durée totale de déroulement du plan générique, c est à dire le makespan sur la période générique. Notons que le critère utilisé dans [Hennet 01] était différent puisqu il s agissait dans le cadre de l étude initiale de minimiser uniquement le coût moyen de stockage de tous les produits par unité de temps. Il s agit donc dans cet exemple, pour valider notre approche, de vérifier que le makespan obtenu par notre approche n est pas supérieur à celui qui correspond aux résultats de [Hennet 01].
4 Couleur Définition Description Couleur Mp int 8,10,0,0,,48 Quantité de produit agrégé pour chaque type de produit. X1 int Identificateur de l opération générique pour fabriquer le produit agrégé A. Y1 int 0..1 Indique si le produit agrégé A a été fabriqué par l opération générique x1 (0 s il n a pas été fabriqué, 1 s il a été fabriqué). X int 5, Identificateur de l'opération générique pour fabriquer le produit agrégé B. Y int 0..1 Indique si le produit agrégé B a été fabriqué par l opération générique x (0 s il n a pas été fabriqué, 1 s il a été fabriqué). X int,4 Identificateur de l opération générique pour C. Y int 0..1 Indique si le produit agrégé C a été fabriqué par l opération générique x (0 s il n a pas été fabriqué, 1 s il a été fabriqué). X4 int 1, Identificateur de l'opération générique pour fabriquer le produit agrégé final. Y4 int 0..1 Indique si le produit agrégé A a été fabriqué par l opération générique x4 (0 s il n a pas été fabriqué, 1 s il a été fabriqué). Pa Produit X1,Y1 Information sur le produit A Pb Produit X,Y Information sur le produit B Pc Produit X,Y Information sur le produit C Pf Produit X4,Y4 Information sur le produit final Ma int 1.. Identificateur de ressource (machines) Table 1: Ensemble de couleurs du réseau de Petri Place Couleur Description P Mp Représente l information associée a la quantité de matière première requise pour fabriquer le produit final. A Pa Représente l information associée au produit A: identification de l opération générique par laquelle se fabrique (7..10) et si le produit est fabriqué (1) ou non (0). B Pb Représente l information associée au produit B: identification de l opération générique par laquelle se fabrique (5,) et si le produit est fabriqué (1) ou non (0). C Pc Représente l information associée au produit C: identification de l opération générique par laquelle se fabrique (,4) et si le produit est fabriqué (1) ou non (0). F Pf Représente l information associée au produit final: identification de l opération générique par laquelle se fabrique (1,) et si le produit est fabriqué (1) ou non (0). M Ma Représente l information associée à la machine ou ressource de traitement: ressource 1 (1), ressource (), ressource (). Table : Ensemble des places du réseau de Petri Transition Description T 1 Fabrication de produit agrégé A. T Fabrication de produit agrégé B. T Fabrication de produit agrégé C. T 4 Fabrication de produit agrégé final. Table : Ensemble des transitions du réseau de Petri 4
5 1 (8)+1 (10)+1 (0)+1 (0) +1 () +1 (48) 4 1 (7,0)+1 (8,0)+1 (9,0)+1 (10,0) 1 (8)+1 (10)+1 (0)+1 (0) +1 () +1 (48) 1 (5,0)+1 (,0) P A P B 1 (x0) 1 (x1,0) 1 + [x0*10] 1 (x0) 1 (x,0) 1 + [x0*5] T 1 [ x0=8 x1=7 ] [ x0= x1=8 ] [ x0=0 x1=9 ] [ x0=10 x1=10] T [ x0=48 x=5 ] [ x0=0 x= ] 1 () 1 () 1 () 1 () M M 1 (1)+1 ()+1 () Fig. : Sous-système de fabrication du produit A. Fig. 4: Sous-système de fabrication du produit B. A B A C 1 (x1,1) 1 (x,1) 1 (x1,1) 1 (x,1) 1 (x1,0) T 1 () 1 () 1 (x,0) 1 (x,0) [x1=8 x=5 x=] [x1=9 x= x=4] 1 + [if x= then 10 else 100] 1 (x1,0) T 4 1 (1) 1 (1) 1 (x4,0) 1 (x,0) [x1=7 x= x4=1] [x1=10 x=4 x4=] 1 + [if x4=1 then 80 else 100] M C M F 1 (,0)+1 (4,0) Fig. 5: Sous-système de fabrication du produit C. Fig. : Sous-système de fabrication des produits finis Le schéma de production obtenu par l algorithme est représenté par le diagramme de Gantt de la figure 7. La valeur obtenue pour le makespan est de 800, alors que le makespan de la solution dans [Hennet 01] était de 80. Ce résultat semble donc confirmer la validité de la méthode proposée. Ressource Ressource 5 4 Ressource t Fig. 7: Diagramme de Gantt du schéma de production obtenu. 5
6 .. Planification de la production pour un problème jobs machines ( ) Le problème d ordonnancement de systèmes de production du type job-shop, définit le séquencement du traitement d un ensemble de jobs J sur un ensemble de machines M. L affectation des opérations sur les machines est pré-définie, et chaque machine ne peut exécuter qu une opération à la fois. L objectif est de minimiser la durée totale C max (ou makespan) requise pour traiter tous les jobs. Un problème standard d ordonnancement de job-shop, dû à [Fisher et Thompson ] a été choisi dans [Dauzère- Péres et Lasserre 94] pour tester les différents algorithmes d ordonnancement qu ils étudient. Le problème considéré est d obtenir l ordonnancement optimal d un système de production du type job-shop à machines et jobs. Le makespan optimal de ce problème est connu. Il vaut 55 unités de temps. Pour ce problème, les tables 4, 5, et décrivent la sémantique du modèle RPC conçu pour évaluer le plan proposé pour ce type de système de production. La figure 7 montre le RPC qui représente l exécution d un job sur une machine. Couleur Definition Description Couleur J int 1.. Identificateur de Job. M int 0..5 Identificateur de la machine sur laquelle s exécute chaque opération d un job. T int Indique le temps que consomme une opération d un Job sur chaque machine. O int 1..7 Identificateur de l ordre de l opération pour chaque job. Ma int 0..5 Identificateur de machine. Jo Produit J*M*T*O Information sur chaque opération d un job. Table 4 : Places du réseau de Petri Place Couleur Description Job Jo Représente l information associée à chaque opération d un Job: identification (1..), machine où doit s exécuter l opération (0..5), temps que consomme l opération (1..10) et ordre d exécution de l opération dans le Job (1..) Maq Ma Représente l information associée aux machines sur lesquelles peuvent s exécuter les différentes opérations de chaque job (0..5) Table 5 Places du réseau de Petri Transition T 1 Description Exécution d une opération d un job Table : Transitions du réseau de Petri Le réseau de Petri coloré représentant l exécution des opérations sur les machines est donc très simple. Il est représenté sur la figure 8. L application de l algorithme de chemin minimal dans le graphe de couverture, entre l état initial, où tous les jobs sont à exécuter et l état final, où tous les jobs sont terminés, permet de trouver l ordonnancement représenté par le diagramme de Gantt de la figure 9. On constate que la durée totale d exécution de cet ordonnancement est de 55 unités de temps, ce qui correspond à l optimum connu de ce problème. Ce résultat confirme de façon expérimentale la qualité de la procédure heuristique d exploration sélective de l arbre de couverture.
7 1'(1,,1,1)+1'(,1,8,1)+1'(,,5,1)+1'(4,1,5,1)+1'(5,,9,1)+1'(,1,,1) T 1 F 1 (m) Job 1 (j,m,t,o) 1 (m) [ o < 7 ] F = if j=1 & o=1 then 1'(1,0,,) else if j=1 & o= then 1'(1,1,,) else if j=1 & o= then 1'(1,,7,4) else if j=1 & o=4 then 1'(1,5,,5) else if j=1 & o=5 then 1'(1,4,,) else if j=1 & o= then 1'(1,0,0,7) else if j= & o=1 then 1'(,,5,) else if j= & o= then 1'(,4,10,) else if j= & o= then 1'(,5,10,4) else if j= & o=4 then 1'(,0,10,5) else if j= & o=5 then 1'(,,4,) else if j= & o= then 1'(,0,0,7) else if j= & o=1 then 1'(,,4,) else if j= & o= then 1'(,5,8,) else if j= & o= then 1'(,0,9,4) else if j= & o=4 then 1'(,1,1,5) else if j= & o=5 then 1'(,4,7,) else if j= & o= then 1'(,0,0,7) else if j=4 & o=1 then 1'(4,0,5,) else if j=4 & o= then 1'(4,,5,) else if j=4 & o= then 1'(4,,,4) else if j=4 & o=4 then 1'(4,4,8,5) else if j=4 & o=5 then 1'(4,5,9,) else if j=4 & o= then 1'(4,0,0,7) else if j=5 & o=1 then 1'(5,1,,) else if j=5 & o= then 1'(5,4,5,) else if j=5 & o= then 1'(5,5,4,4) else if j=5 & o=4 then 1'(5,0,,5) else if j=5 & o=5 then 1'(5,,1,) else if j=5 & o= then 1'(5,0,0,7) else if j= & o=1 then 1'(,,,) else if j= & o= then 1'(,5,9,) else if j= & o= then 1'(,0,10,4) else if j= & o=4 then 1'(,4,4,5) else if j= & o=5 then 1'(,,1,) else if j= & o= then 1'(,0,0,7); Maq 1'(0)+1'(1)+1'()+1'()+1'(4)+1'(5) Fig. 8: Exécution d une opération d un job sur une machine Machine 5 Machine 4 Machine Machine Machine 1 Machine t Fig.9 : Diagramme de Gantt de la solution du problème x 7
8 4 CONCLUSIONS L approche de génération de plan par exploration d un arbre de couverture permet de passer facilement de la phase de modélisation de toutes les trajectoires possibles d un système à la phase de génération de trajectoires performantes relativement à un critère d optimisation donnée. Dans cet article, cette approche a été appliquée à des problèmes d ordonnancement correspondant à l exécution d un carnet de commandes. Les possibilités d application de cette technique sont nombreuses. En particulier, l extension actuellement étudiée de cette application est la génération automatique de plans de fabrication pour une cellule de fabrication flexible. REFERENCES [Fisher et Thompson ] Fisher H. et Thompson G.L., Probabilistic Learning Combinations of Local Job-Shop Scheduling Rules Industrial Scheduling, coordonné par J.F. Muth et G.L. Thomson, Prentice Wood 19, pp [Dauzère-Péres et Lasserre 94] Dauzère-Péres, S., Lasserre, J-B., An Integrated Approach in Production Planning and Scheduling Lecture Notes and Mathematical Systems, Springer-Verlag, Berlin, [Hennet 01] Hennet, J-C., A Common Cycle Approach to Lot-Scheduling in Multistage Manufacturing Systems Production Planning & Control, 001, Vol.1, No. 4, pp [Jensen 97] Jensen, K., Coloured Petri Nets: Basics Concepts, Analysis Methods and Practical Use, Vol. 1,,. Springer-Verlag. Berlin, [Narciso 01] Narciso, M. E., Entorno de Planificación de la Producción basado en el Recorrido del Arbol de Cobertura d una Red de Petri Couleureada, Trabajo de Investigación de Tercer Ciclo de Informática UAB, Barcelona, España, Sep [Narciso et Piera 01] Narciso, M. E., Piera, M. A., Coloured Petri Net Simulator. A Generic Tool for Production Planning In Proc. of 8th IEEE International Conference on Emerging Technologies and Factory Automation, Antibes Oct. 001, pp
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 détailLes structures de données. Rajae El Ouazzani
Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l
Plus en détailFrancis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle
Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA
Plus en détailSommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.
Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailTHÈSE. En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE. Touria CHAFQANE BEN RAHHOU
THÈSE En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par : l Université Toulouse 3 Paul Sabatier (UT3 Paul Sabatier) Présentée et soutenue le 24/06/2013 par : Touria CHAFQANE BEN
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
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 détailFONCTION ORDONNANCEMENT AU SEIN
Lebanese Science Journal, Vol. 10, No. 1, 2009 107 FONCTION ORDONNANCEMENT AU SEIN D UN SYSTEME DE GESTION DE PRODUCTION «ETUDE D UN CAS» Mohsen Akrout et Faouzi Masmoudi Ecole Nationale d Ingénieurs de
Plus en détailUne application des algorithmes génétiques à l ordonnancement d atelier
Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe
Plus en détailUtilisation du backtrack intelligent dans un branch-and-bound Application au problème d Open-Shop
Utilisation du backtrack intelligent dans un branch-and-bound Application au problème d Open-Shop Narendra Jussien et Christelle Guéret École des Mines de Nantes 4 rue Alfred Kastler BP 20722 F-44300 Nantes
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 détailModèle de coopération d un processus de ré-ordonnancement distribué
Modèle de coopération d un processus de ré-ordonnancement distribué LE QUEREa, b Yann, SEVAUX a Marc TAHONa Christian, TRENTESAUXa Damien. aequipe Systèmes de Production LAMIH, Université de Valenciennes
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 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 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 détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
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 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 détailCoût de fabrication ou d achat. Calcul des besoins Management Industriel et Logistique (4) (2) (1) (2)
Etude de cas 1 : La société Lebreton fabrique un produit A dont la nomenclature est la suivante (les chiffres entre parenthèses indiquent le nombre de composants dans un composé de niveau immédiatement
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 détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 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 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 détailStratégie de recherche adaptative en programmation par contrainte
Université Paul Sabatier École Nationale de l Aviation Civile Master 2 Recherche Informatique et Télécommunication parcours Intelligence Artificielle Simon Marchal Stratégie de recherche adaptative en
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 détailPour accroître la productivité de vos machines outils à commande numérique. motion control INFORMATION SYSTEM
Pour accroître la productivité de vos machines outils à commande numérique motion control INFORMATION SYSTEM Comment répondre à votre besoin d accroissement de productivité? L accroissement de la concurrence
Plus en détailPrénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004
Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)
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 détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
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 détailÉvaluation d une méthode d ordonnancement multicritère utilisant AHP
Évaluation d une méthode d ordonnancement multicritère utilisant AHP FOUZIA OUNNAR 1, SELMA KHADER 2, YVES DUBROMELLE 1, JEAN-PIERRE PRUNARET 1, PATRICK PUJO 1 1 LSIS UMR CNRS 7296 Aix-Marseille Université
Plus en détailIntroduction aux algorithmes répartis
Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
Plus en détailUN ALGORITHME COOPÉRATIF POUR UN PROBLÈME D ATELIER JOB SHOP MULTI-AGENT
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» UN
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailEn vue de l'obtention du. Présentée et soutenue par Abir BEN HMIDA SAKLY Le 12/12/2009
THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par l'institut National des Sciences Appliquées de Toulouse Discipline ou spécialité : Systèmes Informatiques Présentée et soutenue
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailMaîtriser les mutations
Maîtriser les mutations Avec UNE Supply chain AGILE La réflexion porte ses fruits www.cereza.fr TALAN Group Notre savoir-faire : maîtriser les mutations et en faire une force pour l entreprise Cereza,
Plus en détailManage Yourself. Rapport de planification. Projet de 4ème année informatique. Equipe :
Manage Yourself Rapport de planification Projet de 4ème année informatique Equipe : Etienne Alibert, Florian Barbedette, Pierre Chesneau, Mathias Deshayes, Sevan Hartunians, Mathieu Poignet. Encadrant
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailHela Boukef. To cite this version: HAL Id: tel-00577101 https://tel.archives-ouvertes.fr/tel-00577101
Sur l ordonnancement d ateliers job-shop flexibles et flow-shop en industries pharmaceutiques : optimisation par algorithmes génétiques et essaims particulaires Hela Boukef To cite this version: Hela Boukef.
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailArbres binaires de recherche
1 arbre des comparaisons 2 recherche dichotomique l'arbre est recalculé à chaque recherche 2 5 3 4 7 9 1 6 1 2 3 4 5 6 7 9 10 conserver la structure d'arbre au lieu de la reconstruire arbre binaire de
Plus en détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailLE DIPLOME DE MAGISTER
Département d Informatique MEMOIRE Présenté par DEDDOUCHE Yamina Pour obtenir LE DIPLOME DE MAGISTER Spécialité : Informatique Option : Informatique et Automatique Intitulé : Contribution à l Ordonnancement
Plus en détailOUTILS EN INFORMATIQUE
OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale
Plus en détailMinistère de l Enseignement Supérieur et de la Recherche Scientifique. Mémoire de fin d études. Thème
Ministère de l Enseignement Supérieur et de la Recherche Scientifique Institut National de formation en Informatique (I.N.I.) Oued-Smar Alger Mémoire de fin d études Pour l obtention du diplôme d ingénieur
Plus en détailPLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT
P a g e 1 PLANIFICATION DE PROJET ET METHODES D ORDONNANCEMENT NOTION DE PROJET ET D ORDONNANCEMENT Lors de la réalisation d un projet industriel (construction d usine, d autoroute, recherche et développement
Plus en détailPour obtenir le grade de. Spécialité : Sciences Pour l Ingénieur. Arrêté ministériel : 7 août 2006
THÈSE Pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ DE GRENOBLE Spécialité : Sciences Pour l Ingénieur Arrêté ministériel : 7 août 2006 Présentée par Imed NASRI Thèse dirigée par Georges HABCHI Co-dirigée
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 détailAlgorithmique et Programmation
École Supérieure d Ingénieurs de Poitiers Gea Algorithmique et Programmation Laurent Signac ii Algorithmique et programmation Gea Table des matières Avant Propos v Structures de données Notion de pointeur..............................................
Plus en détailClassement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue
Classement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue O. Roux 1, V. Dhaevers 1, D. Duvivier 1, N. Meskens 1 et A. Artiba 2 1. Facultés Universitaires Catholiques
Plus en détail1 Modélisation d être mauvais payeur
1 Modélisation d être mauvais payeur 1.1 Description Cet exercice est très largement inspiré d un document que M. Grégoire de Lassence de la société SAS m a transmis. Il est intitulé Guide de démarrage
Plus en détailPar : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)
1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailLes arbres binaires de recherche
Institut Galilée Année 2010-2011 Algorithmique et arbres L2 TD 6 Les arbres binaires de recherche Type en C des arbres binaires (également utilisé pour les ABR) : typedef struct noeud_s { struct noeud_s
Plus en détailMANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP
MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP METHODES & CONCEPTS POUR UNE INGENIERIE INNOVANTE Ecole Nationale Supérieure des Mines de Rabat Département INFORMATIQUE www.enim.ac.ma MANAGEMENT
Plus en détailVers l'orchestration de grilles de PC par les mécanismes de publicationsouscription
Vers l'orchestration de grilles de PC par les mécanismes de publicationsouscription Présentée par Leila Abidi Sous la direction de Mohamed Jemni & Christophe Cérin Plan Contexte Problématique Objectifs
Plus en détailDétection des symptômes dans les SFPM par suivi des indicateurs de performance : approche qualité-flux
257 Schedae, 2007 Prépublication n 37 Fascicule n 2 Détection des symptômes dans les SFPM par suivi des indicateurs de performance : approche qualité-flux Achraf Jabeur Telmoudi SEPE, École Supérieure
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 détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
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 détailAssises Métallerie 2013. ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion?
Assises Métallerie 2013 ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion? ERP dans une PME de métallerie ERP dans une PME de métallerie OBJECTIF DE LA PRESENTATION DEFINITION
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 détailGérer les ventes avec le CRM Servicentre
«Augmentez votre chiffre d affaires en prenant le contrôle de vos activités de ventes» 1 Gérer les ventes avec le CRM Servicentre L ÉVOLUTION EN SOLUTIONS INTÉGRÉES Un développeur de logiciels d expérience
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
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 détail... et l appliquer à l optimum. Reconnaître la qualité... Solution Partner. Answers for industry.* *Des réponses pour l industrie.
Reconnaître la qualité...... et l appliquer à l optimum. Solution Partner Answers for industry.* *Des réponses pour l industrie. 2 Le succès par la qualité Un label fiable de qualité optimale Sous le nom
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 détailAPPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS
THE PUBLISHING HOUSE PROCEEDINGS OF THE ROMANIAN ACADEMY, Series A, OF THE ROMANIAN ACADEMY Volume 9, Number 2/2008, pp. 000 000 APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES
Plus en détailEtude comparative des plans intégrant la maintenance et la production : Cas des systèmes multi-états dégradables
Etude comparative des plans intégrant la maintenance et la production : Cas des systèmes multi-états dégradables Ghita Ettaye*, Abdellah El Barkany, Ahmed El Khalfi Laboratoire Génie Mécanique, Faculté
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
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 détailL apport des contraintes globales pour la modélisation et la résolution d applications industrielles
L apport des contraintes globales pour la modélisation et la résolution d applications industrielles A. Aggoun, N. Beldiceanu, E. Bourreau, H. Simonis COSYTEC SA, Parc Club Orsay Université 4, rue Jean
Plus en détailProbabilités (méthodes et objectifs)
Probabilités (méthodes et objectifs) G. Petitjean Lycée de Toucy 10 juin 2007 G. Petitjean (Lycée de Toucy) Probabilités (méthodes et objectifs) 10 juin 2007 1 / 19 1 Déterminer la loi de probabilité d
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 détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
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 détailMASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.
MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion
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 détailSamuel Bassetto 04/2010
Industrialisation Lean manufacturing 4.2 Réalisé avec V. FIGENWALD - SIEMENS Samuel Bassetto 04/2010 Plan de la partie 2 : Vers une production Lean 1. Valeur Ajoutée et Gaspillages Muda walk 2. Temps de
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détail1220 Promenade du St-Laurent, Batiscan, QC, G0X1A0 Tél: 819-415-0451
Un logiciel sophistiqué, simple à utiliser et conçu avec la toute dernière technologie informatique. Orchestra version Web est un logiciel de Management des ressources de production de type ERP. Il est
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 détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
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 détailEquilibrage de charge pour les grilles de calcul : classe des tâches dépendantes et indépendantes.
Equilibrage de charge pour les grilles de calcul : classe des tâches dépendantes et indépendantes. Meriem Meddeber 1 et Belabbas Yagoubi 2 1 Université de Mascara, Faculté des sciences, Département des
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
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 détailConcevoir et déployer un data warehouse
Concevoir et déployer un data warehouse Ralph Kimball Éditions Eyrolles ISBN : 2-212-09165-6 2000 2 Le cycle de vie dimensionnel Avant d étudier de plus près les spécificités de la conception, du développement
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détail