Minimisation de la somme des retards dans un jobshop flexible
|
|
- Geoffroy Drapeau
- il y a 8 ans
- Total affichages :
Transcription
1 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 Université de Technologie de Troyes, BP 6, Troyes Cedex, France {nozha.zribi, abdelkader.elkamel, p.borne@ec-lille.fr, imed.kacem@utt.fr Résumé Dans cet article nous considérons le problème d ordonnancement d un job-shop flexible avec dates de disponibilité et dates dues. Nous proposons une méthode heuristique en deux phases pour la minimisation de la somme des retards. La première consiste à affecter les tâches selon une heuristique de la littérature et à améliorer le résultat avec une recherche Tabou. La deuxième étape permet d optimiser les solutions données par les heuristiques classiques (EDD, MOD, LRPT...) par le biais d un algorithme évolutionniste. Mots-clés Job-shop flexible, affectation, ordonnancement, somme des retards, recherche Tabou, algorithme génétique, règles de priorité. I. Introduction Le problème des job-shops flexibles est une extension du problème classique connu sous le nom de job shop. Il s agit de planifier et d organiser des tâches à réaliser sur un ensemble de machines selon des durées d exécution variables [7], [8], [], [7], []. Dans la littérature, la plupart des approches cherchent à optimiser le critère du makespan (la date de fin d exécution de la dernière tâche). Elles considèrent deux étapes dans la résolution d un tel problème [], [], [8]. La première consiste à construire une affectation pour les différentes tâches sur les machines adéquates. La deuxième est l ordonnancement des tâches et la détermination des dates de début d exécution en tenant compte de différentes contraintes conjonctives (précédence) et disjonctives (capacités des machines). Néanmoins, Dauzère-Pérès et ses co-auteurs ont construit une approche intégrée qui traite conjointement l affectation et le séquencement [7]. Mastrolilli a également repris cette approche intégrée pour améliorer ces résultats [7]. Récemment, Kacem a proposé une étude de plusieurs modèles de résolution et des bornes inférieures pour quelques critères pour l évaluation des solutions [4]. Dans nos travaux précédents, nous avons mis en place une approche hiérarchique pour résoudre le problème du job-shop flexible afin de minimiser le makespan []. Dans cet article, nous proposons d adapter cette méthode pour la minimisation de la somme des retards dans un jobshop flexible. Cet article est organisé comme suit. Après la formulation du problème traité, nous présentons dans Fig.. Exemple d un P F JSP la section III l algorithme proposé pour la résolution du sous-problème d affectation. La quatrième section décrit l approche évolutionniste proposée pour résoudre le sousproblème de séquencement. Des résultats numériques sont ensuite présentés, et nous terminons cet article par quelques conclusions sur ce travail de recherche. II. Formulation du problème du job-shop flexible avec dates de disponibilité et dates dues imposées Le problème est d organiser la réalisation de N jobs sur M machines. Chaque job J j représente un nombre n j d opérations ordonnées (contraintes de précédence). Chaque opération i d un job J j (notée O i,j ) peut être réalisée sur n importe quelle machine disponible. La durée d exécution p i,j,k de l opération O i,j dépend de la machine M k affectée à cette opération. Pour chaque problème de job-shop flexible, on peut associer un tableau des durées opératoires tel que : P F JSP = {p i,j,k IN j N; i n j ; k M,Un exemple est représenté dans Fig.. Dans ce problème, nous faisons les hypothèses suivantes : Toutes les machines sont disponibles à la date t = ; Chaque job J j peut commencer à la date t = r j ; Pour chaque job, l ordre des opérations est fixé dès le départ et ne peut être modifié (contraintes de précédences dans la gamme) ;
2 Chaque job possède une date échue d i ; Une machine ne peut exécuter qu une seule opération à la fois ; La préemption n est pas autorisée. Le problème considéré présente deux sous-problèmes. Le premier est l affectation de chaque opération O i,j sur une machine M k. Le deuxième est la détermination d un ordonnancement qui minimise la somme totale des retards. Par la suite nous proposons un algorithme en deux phases pour la résolution du problème d ordonnancement d un job-shop flexible avec minimisation de la somme des retards. Fig.. Exemple d un P JSP III. Le problème d affectation Il existe différents critères associés à l affectation des opérations sur les machines. Par exemple, on doit équilibrer la charge des différentes machines, minimiser la charge totale de toutes les machines, minimiser la charge de la machine critique (la machine la plus chargée)... Dans [4], l auteur a proposé une heuristique appelée approche par localisation permettant d affecter les opérations sur les machines tout en équilibrant la charge des différentes machines. En effet, cette heuristique affecte les opérations d une manière itérative tout en tenant compte des durées opératoires et des charges des machines sur lesquelles nous avons deja affecté des opérations. On se propose d améliorer la solution donnée par l approche par localisation par une recherche Tabou qui minimise le critère suivant : Crit = α Cr + ( α) Cr () tel que : Cr est la charge de la machine critique : Cr = max k {W k, W k est la charge de la machine k, Cr est la charge totale de toutes les machines Cr = k {W k, α est une variable appartenant à l intervalle [, ]. Les deux critères choisis ont beaucoup d influence sur la valeur de la somme des retards et aussi sur la difficulté du problème. Considérons le coefficient A j = d j r j P j (P j est la durée totale du job j). Ce coefficient mesure la sévérité de la contrainte de la date d échéance imposée (d j est indépendant de l affectation) du job j et par conséquent la difficulté du problème. La charge totale des machines peut être interprétée aussi comme la durée totale de tous les jobs. Il est clair que ce critère affecte la valeur des A j (A j et P j sont inversement proportionnelles) et ainsi de la valeur du retard de chaque job. Il est évident aussi que la répartition des charges sur les différentes machines ainsi que la charge de la machine critique affectent la difficulté du problème et la somme des retards. La recherche Tabou est une méthode itérative générale d optimisation combinatoire, elle est très performante sur un nombre considérable de problèmes d ordonnancement. Elle consiste à se déplacer de solution en solution en s interdisant de revenir en une configuration déjà rencontrée []. A. Paramètres de la recherche Tabou A. La solution initiale La solution initiale est calculée en utilisant l approche par localisation A. Mouvement Le mouvement consiste à réaffecter une opération à différentes machines. Toutes les possibilités sont testées et le meilleur mouvement minimisant le critère Crit est sélectionné. A. Restriction Tabou La liste Tabou est constituée des paires {op, m o, où op désigne l opération initialement affectée à la machine m o et ayant été réaffectée à une autre. A.4 Critère d aspiration Dans cette application, nous avons utilisé le critère d aspiration le plus connu et le plus utilisé dans la littérature qui est le critère d aspiration globale. Ce critère permet à un mouvement Tabou d être candidat pour la sélection, s il conduit à une nouvelle meilleure solution. A.5 Critère d arrêt L algorithme s arrête si un nombre donné d itérations est atteint. Le nombre d itérations est fixé à. Après avoir résolu le sous problème d affectation, le problème du job-shop flexible se réduit à un problème de job shop classique. A chaque opération O i,j, on définit M k comme la machine sur laquelle O i,j va être exécutée (M k est la machine affectée à O i,j pendant la première phase du programme), et une durée opératoire p i,j égale à p i,jk. Pour chaque problème de job-shop, on peut associer un tableau D des durées opératoires tel que : P JSP = {p i,j IN, j N; i n j ;. Un exemple est representé dans Fig.. Dans la section suivante nous proposons un algorithme génétique permettant d optimiser le séquencement des opérations. Le critère choisi est la minimisation de la somme totale des retards exprimé par la formule suivante :
3 T T... T z T NT (,, ) (,, ) (i, j, k) (,, 4) Fig.. Codage proposé = { = { { ( ) = = + = + = + Fig. 4. Procédure d ordonnancement T = N j= max(c j d j, ) () j avec C j la date de fin d exécution du job j. IV. Algorithme génétique pour la minimisation de la somme des retards dans un job-shop De nombreux travaux dans la littérature ont été dédiés au problème d ordonnancement avec minimisation de la somme des retards notamment pour les problèmes à une machine [],[6] et les problèmes à machines parallèles []. Certains travaux ont concerné la minimisation de ce critère dans un atelier de type job-shop [9], [], []. Les règles de priorité ont été fréquemment utilisées pour résoudre ce problème [5]. D autres approches heuristiques basées sur la recherche Tabou ont été récemment développées []. Le problème d ordonnancement dans un job-shop est NP-difficile [4], []. Les problèmes de minimisation de la somme des retards sur une machine est aussi NP-difficile [9]. Nous proposons alors dans ce qui suit une metaheuristique basée sur les algorithmes génétiques [8], [], [5] pour la minimisation de la somme des retards dans un job-shop. A. Codage : Liste des opérations Nous choisissons d utiliser un codage linéaire simple. Il consiste à représenter le séquencement par une liste de NT opérations (NT = j=n j= n j). Chaque chromosome représente une liste de N T cellules. Chaque cellule représente une tâche T z ( z NT ) codée de la manière suivante : (i, j, k). Le calcul de la date de début et de la date de fin (t i,j, tf i,j ) se fait en appliquant la procédure décrite dans Fig.4 selon l ordre z de chaque tâche dans la liste (Fig.). Cette procédure permet de calculer les dates de début d exécution de la tâche (i, j) en prenant en compte la date de disponibilité DM[k] de la machine M k et la date de disponibilité DJ[j] du job J j. B. Solutions initiales Différentes règles de priorité adaptées au problème de minimisation de la somme des retards ont été utilisées pour créer la population initiale :. EDD (earliest due date), la tâche la plus prioritaire est celle qui appartient au job dont la date due est la plus petite.. EOD (earliest operation due date), on trie les tâches selon les d ij croissants. La date due de chaque opération est calculée grâce à la formule (). Le calcul de la date de début et de la date de fin (t i,j, tf i,j ) se fait en appliquant la procédure décrite dans Fig.4 selon l ordre de chaque tâche.. On trie les tâches selon les (d j n j i=k p ij) croissants, avec k l indice de l opération considérée. Le calcul de la date de début et de la date de fin (t i,j, tf i,j ) se fait en appliquant la procédure décrite dans Fig.4 selon l ordre de chaque tâche. 4. MDD (modified due date) : cette règle combine la règle EDD et LRPT (the least remaining processing time). La date due modifiée d un job est définie de la manière suivante : d j = max{d j, t + n j i=k p ij, avec k l indice de l opération du job j en attente pour exécution. 5. MOD (modified operation due date) : la date due de chaque opération est modifiée de la manière suivante : d kj = max{d j, t + p kj, avec k l indice de l opération à ordonnancer. A cette série de solutions créées à partir des règles de priorité nous ajoutons d autres solutions réalisables construites de manière aléatoire pour compléter la population initiale. Définition : On associe à chaque opération une date due d ij qui dépend de la durée de l opération et de la marge totale d un job : { p dij = d i,j + (d j r j ) ij n j, d j = r j k= p kj () i n j, j N. C. Opérateurs Dans notre cas, nous avons à respecter les contraintes de précédence entre les opérations d un job. Nous avons donc proposé d utiliser quelques opérateurs développés par Lee et Kawa permettant de respecter les contraintes de précédence : l opérateur POX (Precedence Preserving order based crossover) pour le croisement et l opérateur PPS (Precedence Preserving Shift mutation) pour la mutation [6]. D. Paramètres Les probabilités de mutation et de croisement sont fixées d une manière classique (P crossover =.95, P mutation =.5). En effet, ce choix a été motivé par les résultats donnés par quelques simulations préliminaires qui ont montré que ces grandeurs doivent être judicieusement choisies. Les figures 5, 6 et 7 montrent des tests de réglage de ces probabilités sur un exemple de taille 5x45x7 et une population de individus. De telles simulations prouvent qu un taux élevé de mutation conduit à une difficulté de convergence traduite par l obtention d un extrémum local. Par contre, un choix de taux de mutation faible permet de réaliser un bon compromis entre exploration et optimisation. Le mécanisme de sélection donne la priorité aux meilleurs individus selon leur évaluation définie par l équation () pour la phase de reproduction.
4 critère,5,5 Fig. 5. Courbe de convergence avec P c =.95 et P m =.5 critère,5,5 Fig. 6. Courbe de convergence avec P c =.6 et P m =.4 Critères d arrêt le nombre maximal d itérations est atteint, aucun job n est en retard. V. Résultats expérimentaux Les instances utilisées pour tester la méthode sont créées d une manière aléatoire. Les paramètres sont générés de la manière suivante : Le nombre de jobs N varie dans {5,, 5,,, 5, le nombre d opérations par job varie dans {,,, 4, le nombre de machines varie dans [4, ]. Les dureés opératoires sont dans [, ]. Les dates de disponibilité des jobs sont choisies entre et i,j p ij, p ij étant la moyenne des durées opératoires d une opération sur les différentes machines. Le paramètre α de la recherche Tabou est fixé à.5 pour donner plus d importance au critère Cr (charge totale de toutes les machines), en effet les simulations montrent que ce dernier critère a plus d influence sur la somme des retards que Cr (charge de la machine critique). La date due de chaque job dépend du facteur de retard β et de la moyenne des durées opératoires d une opération sur les différentes machines p ij, elle se calcule selon la formule (4). critère,5,5 Fig. 7. Courbe de convergence avec P c =.8 et P m =. Fig. 8. Performances des heuristiques Le facteur de retard β est généré selon la formule (5) permettant de générer des dates dues étroites[]. d j n j = r j + β p ij ) (4) β = N M i= +.5 (5) Les simulations montrent que la règle de priorité MDD donne dans la plupart des cas le meilleur résultat. En effet, le tableau 8 montre une comparaison entre cinq stratégies S, S, S, S 4 et S 5 : S : EDD, S : EOD, S : MDD, S 4 : MOD, S 5 : trie selon (d j n j i=k p ij). On se propose alors de comparer le résultat donné par l algorithme génétique avec celui donné par la MDD (Tableau 9). On calcule le taux d amélioration A GA MDD de la manière suivante : A GA MDD = T MDD T GA T MDD, avec T MDD, T GA représentant respectivement la somme des retards calculée à partir de la règle de priorité MDD et la somme des retards donnée par l algorithme génétique. Le tableau 9 montre que le taux d amélioration varie de % à % mais aussi que l amélioration est d autant plus importante que la valeur de la somme des retards est petite. VI. Conclusion Dans cet article nous avons traité le problème d ordonnancement dans un job-shop flexible. Il s agit d une extension du problème classique du job-shop. Dans une telle extension, nous avons considéré la propriété flexible des ressources. Nous nous sommes intéressés au critère de la somme des retards. Notre approche a été basée sur une approche hériarchique : une étape d affectation suivie d une étape de séquencement. Pour assurer l efficacité du résultat, nous avons fait coopérer plusieurs techniques
5 Fig. 9. Performance de l algorithme génétique d optimisation (heuristiques, recherche Tabou, algorithmes génétiques, etc...). Les résultats préliminaires sont encourageants et prometteurs. Les principales directions futures vont être la comparaison de notre méthode avec d autres approches et aussi le développement d une borne inférieure pour la somme des retards pour mieux évaluer les solutions. [4] I. Kacem. Ordonnancement multicritère des job-shops flexibles : formulation, bornes inférieures et approche évolutionniste coopérative, Thèse de doctorat, Ecole Centrale de Lille, 6 janvier. [5] J.J. Kanet and J.C Hayya. Priority dispatching with operation dues datas in job-shop. Journal of operations Management, :67-65,98. [6] KM. Lee and T. Yama Kawa A Genetic algorithm for general machine scheduling problems. Journal of knowlege-based Electronics Systems, :6-66, 996 Australia. [7] M. Mastrolilli and L.M. Gambardella. Effective neighborhood functions for the flexible job-shop problem. Journal of Scheduling, () :-,. [8] K. Mesghouni. Application des algorithmes évolutionnistes dans les problèmes d optimisation en ordonnancement de production. hèse de doctorat, Ecole Centrale de Lille, 5 janvier 999. [9] M. Pinedo and M. Singer. A Shifting Bottleneck heuristic for minimizing the total wheighted tardiness in job-shop. Naval Research Logistics, 46() :-7, 999. [] A. Vinicius and R. Cintia. Tabu search for minimizing total tardiness in a job-shop. International journal of Production Economics,6 :-4,. [] F. Yalaoui and C. Chu. Parallel machine scheduling to minimize total tardiness. International journal of Production Economics,76 :65-79,. [] N. Zribi, I. Kacem and A. EL Kamel. Hierarchical Optimization for the Flexible Job-shops Scheduling Problem. INCOM 4, Brazil 5-7 April 4. Références [] P. Baptiste, J. Carlier and A. Jouglet. Minimiser la somme des retards sur une machine avec dates de disponibilité. MOSIM, 5-7 avril, Troyes (France). [] W. Banzhaf, P. Nordin, R.E. Keller and F.D. Francone. Genetic programming An introduction on the Automatic evolution of computer programs and its application. Morgan Kaufmann publishers, Inc. San Francisco, California, USA. [] P. Brandimarte. Routing and scheduling in flexible job-shop by tabu search. Annals of Operations Research, 4 :57-8, 99. [4] J. Carlier and P. Chretienne. Problèmes d Ordonnancement : Modélisation / Complexité / Algorithmes. Editions Masson, FRANCE. [5] C. Caux, H. Pierreval and MC. Portmann. Les algorithmes génétiques et leur application aux problèmes d ordonnancement, Kevie A.P.I.I (Automatique Productique et Informatique Industrielle), 9(4-5) :49-44, 995. [6] C. Chu. A Branch and Bound algorithm to minimize total tardiness with different release dates. Naval Research Logistics, 9 :65-8, 99. [7] S. Dauzère-Pérès and J. Paulli. An integrated approach for modelling and solving the general multiprocessor job-shop scheduling problem using tabu search. Annals of Operational Research, 7 :8-6, 997. [8] L. Davis. Handbook of Genetic Algorithms, Van Nostrand Reinhold, New-York, 99, USA. [9] J. Du and J.Y. -T. Leung. Minimizing Total Tardiness on one Machine is NP-Hard. Mathematics of Operations Research, 5 : , 99. [] M.R. Garey and D.S. Johnson. Computers and intractability : A guide to theory of NP-Completeness. W.H. Freeman and Co., New York. [] F. Glover, E. Taillard. E and D. De werre, A users guide to Tabou search. Vol 4, P -8, 99 [] Z. He., T. Yang and D.E. Deal. A multiple-pass heuristic rule for job-shop scheduling with due dates. International journal of Production Research, :87-99, 99. [] I. Hurink, B. Jurisch and M. Thole. Tabu search for the job-shop scheduling problem with multi-purpose machines. OR-Spektrum, 5 :5-5, 994.
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 détailApproche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique
Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamiue D. BERKOUNE 2, K. MESGHOUNI, B. RABENASOLO 2 LAGIS UMR CNRS 846, Ecole
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 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 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 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 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 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 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 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 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 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 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 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 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 détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
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 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 détailUn couplage métaheuristique / simulation appliqué au problème du job shop avec transport
Un couplage métaheuristique / simulation appliqué au problème du job shop avec transport LAURENT DEROUSSI 1, ICHEL GOURGAND 2 LIOS CNRS UR 6158 1 IUT de ontluçon, Avenue Aristide Briand B.P. 2235, 03101
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 détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
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 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 détailMlle Yasmin A. RÍOS SOLÍS
Thèse de DOCTORAT de l UNIVERSITÉ PARIS VI - PIERRE ET MARIE CURIE Spécialité : INFORMATIQUE présentée par : Mlle Yasmin A. RÍOS SOLÍS pour obtenir le grade de DOCTEUR de l UNIVERSITÉ PARIS VI Sujet de
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
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 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 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 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 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 détailOrdonnancement sous contraintes de Qualité de Service dans les Clouds
Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud
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 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 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 détailDOCUMENT DE TRAVAIL 1998-021. Centre de recherche sur l aide à l évaluation et à la décision dans les organisations (CRAEDO)
Publié par : Published by : Publicación de la : Édition électronique : Electronic publishing : Edición electrónica : Disponible sur Internet : Available on Internet Disponible por Internet : Faculté des
Plus en détailProposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides
Proposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides Djamila Bouhalouan 1, Nassima Aissani 1, Bouziane Beldjilali 2 1 Département
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 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 détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
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 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 détailUNE APPROCHE D OPTIMISATION-BASEE SUR LA SIMULATION POUR LA CONCEPTION D UN RESEAU DE DISTRIBUTION STOCHASTIQUE MULTI FOURNISSEURS
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 UNE
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 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 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 détailSystème Immunitaire Artificiel Parallèle appliqué aux Flow Shop Hybride (FSH)
République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université des Sciences et de la Technologie d Oran -Mohamed Boudiaf USTO-MB Faculté
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 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 détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
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 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 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 détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
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 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 détailNOTE SUR LA MODELISATION DU RISQUE D INFLATION
NOTE SUR LA MODELISATION DU RISQUE D INFLATION 1/ RESUME DE L ANALYSE Cette étude a pour objectif de modéliser l écart entre deux indices d inflation afin d appréhender le risque à très long terme qui
Plus en détailPrincipes d implémentation des métaheuristiques
Chapitre 2 Principes d implémentation des métaheuristiques Éric D. Taillard 1 2.1 Introduction Les métaheuristiques ont changé radicalement l élaboration d heuristiques : alors que l on commençait par
Plus en détailAeon : Synthèse d Algorithmes d Ordonnancement à partir de Modèles de Haut Niveau
Actes JFPC 2009 Aeon : Synthèse d Algorithmes d Ordonnancement à partir de Modèles de Haut Niveau Jean-Noël Monette 1, Yves Deville 1 et Pascal Van Hentenryck 2 1 INGI, UCLouvain, 1348 Louvain-la-Neuve,
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 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 détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
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 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 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 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 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 détailREPUBLIQUE TUNISIENNE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE SFAX
REPUBLIQUE TUNISIENNE MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE SFAX INSTITUT DES HAUTES ETUDES COMMERCIALES Laboratoire MODELIS Curriculum Vitae De Bassem Jarboui
Plus en détailLot streaming et pegging pour l intégration de la planification et de l ordonnancement de production
Lot streaming et pegging pour l intégration de la planification et de l ordonnancement de production A. Robert 1,2, C. Le Pape 1, and F. Sourd 2 1 ILOG S.A., 9 rue de Verdun, 94253 Gentilly cedex {anrobert,clepape}@ilog.fr
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 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 détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailFig.1. Structure d un AGQ
Evolution d Automate Cellulaire par Algorithme Génétique Quantique Zakaria Laboudi 1 - Salim Chikhi 2 Equipe SCAL, Laboratoire MISC Université Mentouri de Constantine. E - Mail : 1 laboudizak@yahoo.fr;
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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailDES FOURMIS POUR LIVRER DU MAZOUT
DES FOURMIS POUR LIVRER DU MAZOUT É. D. Taillard (1), G. Agazzi (2), L.-M. Gambardella (3) Résumé La livraison de certains biens peut engendrer des coûts non négligeables par rapport à la valeur de la
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
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 détailLa programmation à mémoire adaptative ou l évolution des algorithmes évolutifs
La programmation à mémoire adaptative ou l évolution des algorithmes évolutifs Éric D. Taillard 1 Luca M. Gambardella 1 Michel Gendreau 2 Jean-Yves Potvin 2 1 IDSIA, Corso Elvezia 36, CH-6900 Lugano. E-mail
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailProgrammation temps-réel Cours 1 et 2 Introduction et ordonnancement
Master 2 pro Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement Isabelle PUAUT / Rémi COZOT Université de Rennes I 1 Applications temps-réel embarquées Systèmes en interaction avec l
Plus en détailDifférentes opérateurs évolutionnaires de permutation: sélections, croisements et mutations
LABORATOIRE D INFORMATIQUE DE L UNIVERSITE DE FRANCHE-COMTE EA 4269 Différentes opérateurs évolutionnaires de permutation: sélections, croisements et mutations Mais HAJ-RACHID, Christelle BLOCH, Wahiba
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 détailLES PROBLEMES D'ORDONNANCEMENT
LES PROBLEMES D'ORDONNANCEMENT GOTHA INTRODUCTION 1. PRESENTATION DES PROBLEMES D'ORDONNANCEMENT 1.1. DEFINITIONS ET TYPOLOGIE 1.2. MODELISATION PAR RESEAUX DE PETRI 1.3. TECHNOLOGIE DE GROUPE ET ORDONNANCEMENT
Plus en détailTHÈSE. présentée à l Université d Avignon et des Pays de Vaucluse pour obtenir le diplôme de DOCTORAT
ACADÉMIE D AIX-MARSEILLE UNIVERSITÉ D AVIGNON ET DES PAYS DE VAUCLUSE THÈSE présentée à l Université d Avignon et des Pays de Vaucluse pour obtenir le diplôme de DOCTORAT SPÉCIALITÉ : Informatique École
Plus en détailIntégration de la dimension sémantique dans les réseaux sociaux
Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux
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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
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 détailUNIVERSITÉ DU QUÉBEC THESE PRESENTEE A L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGÉNIERIE
UNIVERSITÉ DU QUÉBEC THESE PRESENTEE A L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DU DOCTORAT EN INGÉNIERIE PAR Aymen Sioud APPROCHES HYBRIDES POUR LA RESOLUTION D'UN PROBLÈME D'ORDONNANCEMENT
Plus en détailProposition de modèles conceptuels basés sur le PLM (Product Life cycle Management) pour l optimisation de la chaîne logistique
Proposition de modèles conceptuels basés sur le PLM (Product Life cycle Management) pour l optimisation de la chaîne logistique Imane Bouhaddou (*), Abdellatif Benabdelhafid (**) (* ) : Laboratoire Mathématique,
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
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 détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailHigh Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi
Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud
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 détailModélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.
Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire
Plus en détail