Méthodes d optimisation pour les tournées et gestion des temps des conducteurs eu égard à la législation européenne

Dimension: px

Commencer à balayer dès la page:

Download "Méthodes d optimisation pour les tournées et gestion des temps des conducteurs eu égard à la législation européenne"

Élise André
il y a 8 ans
Total affichages :

Méthodes d optimisation pour les tournées et gestion des temps des conducteurs eu égard à la législation européenne Naima Belakbir, Ahcène Bounceur, Stéphane Croguennec, Reinhardt Euler, Marc

1 Méthodes d optimisation pour les tournées et gestion des temps des conducteurs eu égard à la législation européenne Naima Belakbir, Ahcène Bounceur, Stéphane Croguennec, Reinhardt Euler, Marc Lepouliquen, Marc Sevaux, Jean François Trevien Université de Bretagne Occidentale, Université de Bretagne-Sud SYSTRANS Naima.Belakbir@univ-brest.fr,N.Belakbir@systrans.fr February 5, / 38

Marc Lepouliquen, Marc Sevaux, Jean François Trevien Université de Bretagne Occidentale,

2 1 Introduction / 38

3 Introduction 3 / 38

4 Introduction Au vue des difficultés du marché et de la demande plus exigeante des transporteurs, l enjeu est de fournir un logiciel d optimisation de tournées plus en lien avec les contraintes réelles des réseaux de transport, et cela avec des échelles importantes. Il s agit donc de fournir un démonstrateur capable : D intégrer des contraintes plus proches de la réalité; De traiter des problèmes de plus grande échelle; De fournir des réponses dans des délais compatibles avec les métiers de la logistique. 4 / 38

5 5 / 38

6 SYSTRANS, éditeur de logiciels spécialisé sur les problèmes de transport de marchandises, Créé en 2002 par Stéphane Croguennec Essentiellement concentré sur la R&D, a acquis une reconnaissance de la part de ses clients; Ses clients: transporteurs disposant d infrastructures importantes. 6 / 38

com); Essentiellement concentré sur la R&D, a acquis une reconnaissance de la

7 Figure: Solutions de SYSTRANS 7 / 38

8 TransOptim et TransControl: gestion de production avec planification sous contraintes. Gamme OptimTour: optimisation des tournées à partir de modélisations mathématiques. 8 / 38

9 OptimTour: problème d échelle et de contraintes sociales Figure: Résultat d un CVRPTW de 300 villes 9 / 38

10 10 / 38

11 Problème de tournées de véhicules avec fenêtre de temps (VRPTW). Problème de planification de la charge des conducteurs en respectant des directives européennes (Regulation (EC) No 561/2006): La période de conduite journalière ne doit pas dépasser 9 heures; Une période de repos quotidien d au moins 11 heures doit suivre le temps de travail; Le repos hebdomadaire est de 45 heures en continu; Des interruptions d au moins 45 minutes doivent être prises au bout de 4h30 de temps de conduite. 11 / 38

561/2006): La période de conduite journalière ne doit pas dépasser 9 heures; Une période de repos quotidien d au moins 11

12 Données: Un dépôt; Un ensemble de clients (commandes, plages horaires, temps de chargement (déchargement)); Une flotte de véhicules homogène. Contraintes: Capacités des véhicules; Plages horaires pour la livraison; Contraintes sociales et réglementaires. Objectif: Planifier des tournées et les affecter aux chauffeurs de façon à ce que la somme des coûts de celles-ci soit minimisée. 12 / 38

Contraintes: Capacités des véhicules; Plages horaires pour la livraison; Contraintes sociales et

13 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 13 / 38

14 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 14 / 38

15 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 15 / 38

16 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 16 / 38

17 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 17 / 38

18 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 18 / 38

19 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 19 / 38

20 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 20 / 38

21 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 21 / 38

22 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 22 / 38

23 Figure: Exemple de VRPTW+charge conducteurs avec 6 clients et 2 camions 23 / 38

24 Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité 24 / 38

25 Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité HGSADC: algorithme génétique hybride à gestion adaptative de diversité (Vidal et. al 2013) (VRP et ses variantes). Opérateurs génétiques classiques (sélection, crossover): La mutation aléatoire est remplacée par une procédure de réparation (recherche locale); Gestion des solutions irréalisables (capacité, plage horaire ou législation non respectées); Gestion de la diversité dans la population. 25 / 38

26 Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Espace des solutions 26 / 38

27 Espace de recherche Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Double population: Solutions réalisables; Solutions irréalisables: Mise en place d opérateurs de réparation; Pénalités adaptatives. 27 / 38

28 Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation des solutions 28 / 38

29 Représentation des solutions Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation en tournée géante sans délimiteurs de voyage (Prins 2004). Algorithme «Split» pour déterminer la meilleure segmentation: 29 / 38

30 Représentation des solutions Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation en tournée géante sans délimiteurs de voyage (Prins 2004). Algorithme «Split» pour déterminer la meilleure segmentation: 30 / 38

31 Représentation des solutions Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation en tournée géante sans délimiteurs de voyage (Prins 2004). Algorithme «Split» pour déterminer la meilleure segmentation: 31 / 38

32 Représentation des solutions Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation en tournée géante sans délimiteurs de voyage (Prins 2004). Algorithme «Split» pour déterminer la meilleure segmentation: 32 / 38

33 Représentation des solutions Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Représentation en tournée géante sans délimiteurs de voyage (Prins 2004). Algorithme «Split» pour déterminer la meilleure segmentation: Construction du graphe auxiliaire (capacité, plage horaire et législation); Algorithme de k plus courts chemins; Procédure de réparation. 33 / 38

34 Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Évaluation des individus et gestion de la diversité 34 / 38

35 Évaluation des individus et gestion de la diversité Espace des solutions Représentation des solutions Évaluation des individus et gestion de la diversité Un individu est caracterisé par son coût φ(p ) et sa contribution à la diversité. Evaluation d un individu : compromis entre son rang relatif en terme de fitness fit(p ), et son rang relatif en terme de contribution à la diversité dc(p ) BF (P ) = fit(p ) + (1 nbelit )dc(p ) (1) nbindiv Eliminer les individus avec le plus grand BF. 35 / 38

36 36 / 38

37 HGSADC, algorithme efficace en termes de qualité de solutions et de temps de calcul: Combinant l exploration large des méthodes évolutionnaires, l amélioration des métaheuristiques à voisinage; Évaluation bi-critère des solutions (coût, contribution à la diversité de la population): Gestion de la diversité et des solutions irréalisables. Travail en cours: adaptation et implémentation de l algorithme, des tests sur des cas réelles de SYSTRANS à venir. 37 / 38

38 Références C. Prins. A simple and effective evolutionary algorithm for the vehicle routing problem. Computers & Operations Research, 31(12): , A. Goel. Vehicle Scheduling and Routing with Drivers Working Hours. Transportation Science, 43(1):17-26, E. Prescott-Gagnon, G. Desaulniers, M. Drexl, L-M. Rousseau. European Driver Rules in Vehicle Routing with Time Windows. Transportation Science, 44(4): , A. Leendert Kok, C.M. Meyer, H. Kopfer, J.M.J. Schutten. A dynamic programming heuristic for the vehicle routing problem with time windows and European Community social legislation. Transportation Science, 44(4): , T. Vidal,TG. Crainic, M. Gendreau, N. Lahrichi, W. Rei. A hybrid genetic algorithm for multi-depot and periodic vehicle routing problems. Operations Research, 60(3):611 24, / 38

Documents pareils

Représenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com

Représenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com La Suite LOGIX La Suite LOGIX est un ensemble de produits pour le calcul et l optimisation complète des