A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters

Dimension: px
Commencer à balayer dès la page:

Download "A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters"

Transcription

1 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 TCHERNEV, Jonathan FONTANEL, Libo REN LIMOS (Laboratoire d Informatique, de Modélisation et d Optimisation des Systèmes) Contact :

2 ROADEF 213 à Troyes Plan Plan de la présentation Introduction et contexte 1. Présentation du problème Job-shop avec time-lags généraux 2. Démarche de résolution Principe et fonctionnement du GRASPxELS 3. L optimisation des paramètres Un premier échantillonnage Front de Pareto 4. Les résultats Conclusion 2

3 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème 1. Présentation du problème A- Job Shop 1. Ensemble de N jobs 2. Ensemble de M machines 1. Une opération Oij : un job i, une machine j, une durée dij 2. Un Job = Une suite ordonnée d opérations 3. 3 règles à respecter : 1. À chaque instant t : au plus 1 opération par job 2. À chaque instant t : au plus 1 opération par machine 3. Une opération d un job peut commencer que si toutes les opérations qui la précèdent sur ce job ont été réalisées 4. Objectif : Ordonnancer les opérations pour finir les jobs en un minimum de temps 3

4 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème B- Exemple de Job Shop Données du problème : 3 jobs et 3 machines Operation 1 Operation 2 Operation 3 Job 1 (m1,6) (m2,5) (m3,7) Job 2 (m3,5) (m2,7) (m1,6) Job 3 (m2,8) (m1,4) (m3,5) 4

5 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème C- Les Time-lags O(3,x) O(x,2) O(x,x ) Job identique O(3,y) Machine identique O(y,2) Opérations quelconques O(y,y ) Publications concernant les time lags Dans divers problèmes d'ordonnancement On-line two-machine open shop scheduling with time lags Original Research Article European Journal of Operational Research, Volume 24, Issue 1, 1 July 21, Pages Xiandong Zhang, Steef van de Velde Hybrid flow shop scheduling with precedence constraints and time lags to minimize maximum lateness Original Research Article International Journal of Production Economics, Volume 64, Issues 1 3, 1 March 2, Pages Valérie Botta-Genoulaz Job Shop et time-lags entre opérations successives d un même job Generalized disjunctive constraint propagation for solving the job shop problem with time lags Original Research Article Engineering Applications of Artificial Intelligence, Volume 24, Issue 2, March 211, Pages Christian Artigues, Marie-José Huguet, Pierre Lopez A memetic algorithm for the job-shop with time-lags Original Research Article Computers & Operations Research, Volume 35, Issue 7, July 28, Pages Anthony Caumond, Philippe Lacomme, Nikolay Tchernev Job Shop et time-lags géneraux On-line two-machine job shop scheduling with time lags Information Processing Letters, Volume 11, Issues 12 13, 15 June 21, Pages Xiandong Zhang, Steef van de Velde 5

6 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème E- Contraintes de time-lags 1. Contraintes de time-lags entre 2 opérations O i O, j et i', j' My... Opération Oi j Durée : 6 Mx Opération Oij Durée : 5 l oi o, j, i ', j ' Remarques : L oi o, j, i ', j ' 1. Si l o i o,, j i ', j ' O i et O, j i', j' et : L oi o, j, i ', j ' Problème du job shop 7

7 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème F- État de l art Job Shop + times- lags généraux Job Shop + times- lags entre opérations successives Artigues et al, (211) Caumond et al, (26) Job Shop Job Shop No-Wait Gao et al, (211) Rego et al, (29) Kamul et al, (29) Huang et al, (25) Gonçalves et al, (22) Schuster and Framinan, (26) Mascis A and Pacciarelli, 22) 8

8 ROADEF 213 à Troyes Partie 1/4 : Présentation du problème G- Les instances du job shop avec TL 1. Basées sur deux ensembles d instances: 1. Instances de Lawrence (1984) Les plus utilisées : 1. Tailles variables : de 5x1 à 15x15 de 5 à 225 Opérations 2. 4 groupes : LA 1 > LA1 (<76 Opérations) LA 11 > LA 2 (<11 Opérations) 2. Instances de Carlier : 1. car1 -> car8 tailles environ 1 opérations LA 21 > LA 3 (<2 Opérations) LA 31 > LA 4 (>=2 Opérations) 2. Auxquelles sont ajoutées des times-lags Instances disponibles sur le site: 9

9 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution 2. Démarche de résolution A- Rappels sur le job shop 1-to-n mapping n-to-1 mapping 1-to-1 mapping Coding space Solution space Cheng R., Gen M. and Tsujimura Y., A tutorial survey of job-shop scheduling problems using genetic algorithms I representation, Computers and industrial engineering, 1996, 3, pp

10 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution B- Construction du graphe Disjonctif non Orienté Gamme du problème : Contraintes de Time-lags: 1 : (min) (max) lo 1,1 Lo, o 1,1 2,2, o 2,2 2 3 m1 m2 m3 2: (min) (max) lo Lo 2,1 2,1, o 3,1, o 3,1 5 2 (1,1) 1 (1,2) 35 (1,3) (2,1) (2,2) (2,3) 12 m1 m3 m (3,1) 11 (3,2) 12 (3,3) 21 * 1 : Contraintes de précédence 2 : Contraintes de Time-lags 3 : Contraintes Disjonctives 11 m3 m1 m2

11 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution C- Démarche globale 3 difficultés 12

12 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution D- Construction du graphe Disjonctif Orienté (première difficulté) Cycles dus aux arcs disjonctifs Vecteur de Bierwirth (1995) Pour le Job Shop : Ordre topologique Vecteur par répétition Graphe orienté Evaluer Numéro de job acyclique algorithme «Dijkstra Like» m1 m2 m3 (1,1) 1 (1,2) 35 (1,3) (2,1) (2,2) (2,3) 12 m1 m3 m * 13 (3,1) (3,2) (3,3) m3 m1 m2

13 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution E- Construction du graphe Disjonctif Orienté (deuxième difficulté) Cycles dus aux arcs time-lags min m1 m2 m3 (1,1) 1 (1,2) 35 (1,3) (2,1) (2,2) (2,3) 12 m1 m3 m2 * Intégrer cette contrainte au VB (3,1) 11 (3,2) 12 (3,3) m3 m1 m2 Solution space n-to-1 mapping 14 m1 m2 m3 (1,1) 1 (1,2) 35 (1,3) Coding space Bierwirth vector (2,1) (2,2) (2,3) 12 m1 m3 m (3,1) (3,2) (3,3) *

14 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution F- Construction du graphe Disjonctif Orienté (troisième difficulté) Cycles dus aux arcs time-lags max L oi o, j, i ', j ' m1 m2 m3 (1,1) 1 (1,2) 35 (1,3) Relaxer les contraintes de times lags max Puis les ajouter progressivement (si c est possible!!) (2,1) (2,2) (2,3) 12 m1 m3 m (3,1) (3,2) (3,3) * Hiérarchiser : Cost[S]= P1*N + P2*makespan N = le nombre de contraintes toujours relaxées P1 et P2 des constantes m3 m1 m Nombre de contraintes (time lags max) relaxées x 15

15 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution G- La recherche locale voisinage de Laarhoven (1985) 1. Remonte le chemin critique de la gauche vers la droite m1 m2 m3 (1,1) (2,1) (3,1) 1 (1,2) (2,2) (2,3) 12 m1 m3 m (3,2) (1,3) (3,3) m3 m1 m * 2. On permute dans le Vecteur de Bierwirth les opérations successives situées sur des jobs différents 17

16 ROADEF 213 à Troyes Partie 2/4 : Démarche de résolution H- Le GRASP x ELS ELS : a integer Nmax : a integer nbstart : a integer MaxIterLS : a integer For m in 1 to nbstart Find a solution S S : a solution bestvb : a Bierwirth vector For i in 1 to ELS S_bestVB < - VB < - bestvb For n in 1 to Nmax np iterations Best solution G' b, b Random Heuristic ELS Get neighbors : VB VB : a Bierwirth vector Mutation on 1 EVALUATE G 1 Mutation on k EVALUATE G k Evaluate : VB S : a solution i : a integer (i ) Local search : VB, S, MaxIterLS S : a solution i : a integer (i ) Local Search G ' ' 1, 1 Set of Local Search G ', ' k k if S <S_bestVB S_bestVB < - VB < - bestvb else 18 S : a solution i : a integer

17 ROADEF 213 à Troyes Partie 3/4 : Optimisation des paramètres 4. Optimisation des paramètres A- Principe Les paramètres influencent le résultat 1. Pour le GRASP x ELS : 4 paramètres Paramètrage : GRASP x ELS P { Start, ELS, N, IM_RL} Résultat: R { écart, time} Instances : LA1-LA4 Et Car1->Car8 Sélectionner une sous population (Représentative) 5 instances 48 instances 2

18 ROADEF 213 à Troyes Partie 3/4 : Optimisation des paramètres B- Front de Pareto Entrée : Start : [min,max], pas ELS : [min,max], pas N : [min,max], pas IM_RL : [min,max], pas Une procédure : Génère tous les paramétrages possibles Tester la méthode Sortie : Associée à chaque paramétrage généré : Un couple : { écart, time} 5 Instances Front de Pareto : - > 8 paramétrages incomparables 21

19 ROADEF 213 à Troyes Partie 4/4 : Les Résultats 1. Les résultats A- Exécutions Un jeu de paramètres sélectionné Moyenne sur 1 exécutions Pas de comparaison possible sur les instances du Job Shop avec time-lags généraux MAIS : Méthode à large spectre Comparaisons possible avec : Job Shop Job Shop no-wait Job Shop avec time-lags sur opérations successives de même job (méthode non dédiée à ces problèmes) 23

20 ROADEF 213 à Troyes Partie 4/4 : Les Résultats 1. Les résultats A- Résultats : job shop Gonçalves (22) Huang (25) Kamrul (29) Rego (29) Gao(211) Our proposal Small Medium Large Nightmare <x<76 76<x<11 11<x<2 x>2 Param Active Avg. Dev HGA Avg. Dev Non delay Active Avg. Dev Scale time T* SB Avg. Dev Av.T* N/A N/A N/A N/A MSB Avg. Dev Scale time TT GA Avg. Dev MA (PR) Avg. Dev MA (GR) Avg. Dev MA (GR.RS) Avg. Dev Scale time T* N/A N/A N/A N/A Scale time TT N/A N/A N/A N/A Avg. Dev F&F Scale time T* N/A N/A N/A N/A Scale time TT Avg. Dev MA Scale time T* N/A N/A N/A N/A Scale time TT N/A N/A N/A N/A Avg. Dev GRASPxELS Scale time T* Scale time TT

21 ROADEF 213 à Troyes Partie 4/4 : Les Résultats B- Résultats : Job Shop no-wait (Mascis A and Pacciarelli, 22) (Schuster and Framinan, 26) (Caumond et al, 28) Our proposal AMCC SMCP / SMBP SMSP VND GASA CLM-time CLM MA GRASP ELS Small Medium Large Nightmare <x<76 76<x<11 11<x<2 x>2 Avg. Dev. N/A N/A N/A N/A Scale time TT N/A N/A N/A N/A Avg. Dev N/A Scale time TT N/A N/A N/A N/A Avg. Dev. N/A N/A N/A N/A Scale time TT N/A N/A N/A N/A Avg. Dev Scale time T*.... Scale time TT N/A N/A N/A N/A Avg. Dev Scale time T* Scale time TT N/A N/A N/A N/A Avg. Dev Scale time T* Scale time TT N/A N/A N/A N/A Avg. Dev Scale time T* Scale time TT N/A N/A N/A N/A Avg. Dev Scale time T* N/A Scale time TT Avg. Dev Scale time T* Scale time TT

22 ROADEF 213 à Troyes Partie 4/4 : Les Résultats C- Résultats : job shop avec time-lags Our proposal GRASPxELS Small Medium Large Nightmare <x<76 76<x<11 11<x<2 x>2 Avg. Dev Scale time T* Scale time TT GRASP x ELS Instance BKS Scale time Scale time name BFS gap (%) T* (s) TT (s) La1_GTL La2_GTL La3_GTL La4_GTL La5_GTL La36_GTL La37_GTL La38_GTL La39_GTL La4_GTL average

23 ROADEF 213 à Troyes Conclusion Conclusions Job Shop avec time-lags Un problème d optimisation qui englobe des problèmes traités GRASPxELS Une méthode complexe adaptée à ce problème Des résultats intéressants Instances disponibles sur le site: 29

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines

Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines Résolution d un problème de Job-Shop intégrant des contraintes de Ressources Humaines ROADEF 09, 10-12 février 2009, Nancy (France) O. Guyon 1.2, P. Lemaire 2, É. Pinson 1 et D. Rivreau 1 1 LISA - Institut

Plus en détail

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61 Notice biographique Repères biographiques communs Nom : BOTTA Prénom : VALERIE Section : 61 Corps : Professeur Grade : 1ere classe Equipe de recherche DISP, EA 4570 Ecole doctorale InfoMaths, EA 512 Directeur

Plus en détail

Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs

Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs Un algorithme génétique hybride pour des problèmes de tournées de véhicules multi-attributs Thibaut Vidal, Teodor Gabriel Crainic, Michel Gendreau Nadia Lahrichi, Walter Rei ROADEF 2010 Plan de la présentation

Plus en détail

Table des matières. Coopération homme-machine pour l ordonnancement sous incertitudes. L atelier de production. Introduction.

Table des matières. Coopération homme-machine pour l ordonnancement sous incertitudes. L atelier de production. Introduction. Coopération homme-machine pour l ordonnancement sous incertitudes Guillaume Pinot IRCCyN, équipes ACSED et PsyCoTec Christian Artigues CR, CNRS, Toulouse Rapporteur Jacques Carlier Pr., UTC, Compiègne

Plus en détail

Des outils pour l optimisation et la robustesse. Marc Sevaux

Des outils pour l optimisation et la robustesse. Marc Sevaux Des outils pour l optimisation et la sse Marc Sevaux Université de Valenciennes et du Hainaut-Cambrésis Laboratoire d Automatique, de Mécanique et d Informatique Industrielles et Humaines (UMR CNRS 8530)

Plus en détail

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires

des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Planification des réapprovisionnements pour système d assemblage à deux niveaux quand les délais d approvisionnement sont aléatoires Oussama Ben Ammar, Faicel Hnaien, Hélène Marian, Alexandre Dolgui To

Plus en détail

MODELISATION INTEGREE DES ACTIVITES DE MAINTENANCE ET DE PRODUCTION

MODELISATION INTEGREE DES ACTIVITES DE MAINTENANCE ET DE PRODUCTION 3 e Conférence Francophone de MOdélisation et SIMulation Conception, Analyse et Gestion des Systèmes Industriels MOSIM 01 du 25 au 27 avril 2001 - Troyes (France) MODELISATION INTEGREE DES ACTIVITES DE

Plus en détail

Un algorithme génétique à diversité augmentée pour des problèmes de tournées de véhicules multi-dépôts multi-périodes

Un algorithme génétique à diversité augmentée pour des problèmes de tournées de véhicules multi-dépôts multi-périodes Un algorithme génétique à diversité augmentée pour des problèmes de tournées de véhicules multi-dépôts multi-périodes Thibaut Vidal, Teodor Gabriel Crainic, Michel Gendreau Nadia Lahrichi, Walter Rei 2009

Plus en détail

Variable Neighborhood Search

Variable Neighborhood Search Variable Neighborhood Search () Universite de Montreal 6 avril 2010 Plan Motivations 1 Motivations 2 3 skewed variable neighborhood search variable neighborhood decomposition search 4 Le probleme d optimisation.

Plus en détail

Séparation et Evaluation pour le problème d ordonnancement avec blocage.

Séparation 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

Curriculum Vitæ de Pierre Lopez

Curriculum Vitæ de Pierre Lopez Curriculum Vitæ de Pierre Lopez Etat civil Né le : 21 Août 1964 (45 ans) à Toulouse (31), France Nationalité : française Situation de famille : pacsé (3 enfants) Coordonnées professionnelles : LAAS-CNRS

Plus en détail

MATRICE DE COMPETENCES POUR L ORDONNANCEMENT DES TÂCHES DE MAINTENANCE

MATRICE DE COMPETENCES POUR L ORDONNANCEMENT DES TÂCHES DE MAINTENANCE 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» MATRICE

Plus en détail

Annexe 6. Notions d ordonnancement.

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 détail

Minimisation de la somme des retards dans un jobshop flexible

Minimisation 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 détail

Routage de camions dans le secteur du BTP

Routage de camions dans le secteur du BTP Routage de camions dans le secteur du BTP 1 / 25 Routage de camions dans le secteur du BTP Projet Orlogès Sylvain Rosembly 1 Nathalie Bostel 2 Pierre Dejax 3 1 Master ORO - Ecole des Mines de Nantes 2

Plus en détail

Nouvelles 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 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 détail

Planifica(on du stockage intermédiaire dans l industrie du shampoing

Planifica(on du stockage intermédiaire dans l industrie du shampoing dans l industrie du shampoing R. Belaid, V. T kindt, C. Esswein, rabah.belaid@etu.univ-tours.fr Université François Rabelais Tours Laboratoire d Informatique 64 avenue Jean Portalis, 37200, Tours Journées

Plus en détail

METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE

METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE Abir Ben Hmida 1/6 METHODES A BASE DE DIVERGENCES POUR LES PROBLEMES D ORDONNANCEMENT FLEXIBLE Abir BEN HMIDA 1 Directeur(s) de thèse: Pierre LOPEZ*, Marie-José HUGUET* et Mohamed HAOUARI ** Laboratoire

Plus en détail

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

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

Plus en détail

Une heuristique hybride pour le problème de set packing biobjectif p.1/19

Une heuristique hybride pour le problème de set packing biobjectif p.1/19 Une heuristique hybride pour le problème de set packing biobjectif Xavier Delorme 1,2, Xavier Gandibleux 2,3 et Fabien DEGOUTIN 2,4 1. Ecole Nationale Supérieure des Mines de Saint-Etienne Centre : Génie

Plus en détail

En vue de l'obtention du. Présentée et soutenue par Abir BEN HMIDA SAKLY Le 12/12/2009

En 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 détail

LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage

LES 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 détail

Une application des algorithmes génétiques à l ordonnancement d atelier

Une 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 détail

Ordonnancement : entre théorie et applications

Ordonnancement : entre théorie et applications Christophe RAPINE Laboratoire LGIPM, université de Lorraine Ecole des Jeunes Chercheurs du GDR-RO 1 Qu est-ce que l ordonnancement? Organiser la réalisation d un ensemble de tâches Planification dans le

Plus en détail

La sélection des règles de priorité en fonction des critères de performances d un FMS

La sélection des règles de priorité en fonction des critères de performances d un FMS La sélection des règles de priorité en fonction des critères de performances d un FMS Ahmed HASSAM, Talib Hicham BETAOUAF, Abdellah BENGHALEM et Zaki SARI Université Aboubekr belkaîd TLEMCEN, PoBox 230,

Plus en détail

Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Optimisation des tournées de ramassage scolaire de la commune de Seneffe Optimisation des tournées de ramassage scolaire de la commune de Seneffe Laurie Hollaert Séminaire GRT 7 novembre Laurie Hollaert Optimisation des tournées de ramassage scolaire de la commune de Seneffe

Plus en détail

Cours de Master Recherche

Cours 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 1 - Introduction Qu est-ce qu un

Plus en détail

La Recherche Tabou. Par Joseph Ayas Marc André Viau. 16 novembre, 2004 Recherche Tabou J. Ayas & M.A. Viau

La Recherche Tabou. Par Joseph Ayas Marc André Viau. 16 novembre, 2004 Recherche Tabou J. Ayas & M.A. Viau La Recherche Tabou Par Joseph Ayas Marc André Viau 1 Plan de la présentation Introduction Explication détaillée de la Recherche Tabou (RT) Exemples Domaines d application Ressources disponibles Conclusion

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

Méthodes "route-first, cluster-second" pour les tournées de véhicules

Méthodes route-first, cluster-second pour les tournées de véhicules Méthodes route-first cluster-second en tournées de véhicules Christian Prins - Slide #1 Méthodes "route-first, cluster-second" pour les tournées de véhicules Prof. Christian PRINS Laboratoire d'optimisation

Plus en détail

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES 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 détail

Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements

Résolution 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 détail

UNIVERSITE SAAD DAHLAB DE BLIDA

UNIVERSITE SAAD DAHLAB DE BLIDA Chapitre 5 :. Introduction aux méthodes par séparation et évaluation Les méthodes arborescentes ( Branch and Bound Methods ) sont des méthodes exactes d'optimisation qui pratiquent une énumération intelligente

Plus en détail

Université de Valenciennes et du Hainaut-Cambrésis

Université de Valenciennes et du Hainaut-Cambrésis Des outils pour l optimisation et la robustesse Marc Sevaux Université de Valenciennes et du Hainaut-Cambrésis Laboratoire d Automatique, de Mécanique et d Informatique Industrielles et Humaines (UMR CNRS

Plus en détail

Problèmes 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. 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 détail

Un propagateur basé sur les positions pour le problème d Open-Shop.

Un 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 détail

Planification d itinéraires en transport multimodal

Planification d itinéraires en transport multimodal Planification d itinéraires en transport multimodal Fallou Gueye Directeur(s) de thèse : Christian Artigues et Marie José Huguet Laboratoire d accueil : LAAS-CNRS 7, Avenue Colonel Roche 31770 Toulouse

Plus en détail

GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT 2. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE

GÉNÉRATION DE PLAN PAR EXPLORATION SELECTIVE D UN ARBRE DE COUVERT 2. EXPLORATION ET SELECTION DANS L ARBRE DE COUVERTURE 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

Plus en détail

ORDONNANCEMENT ET RÈGLES DE SÉLECTION DE ROUTAGES ALTERNATIFS EN TEMPS RÉEL D UN JOB SHOP

ORDONNANCEMENT ET RÈGLES DE SÉLECTION DE ROUTAGES ALTERNATIFS EN TEMPS RÉEL D UN JOB SHOP ORDONNANCEMENT ET RÈGLES DE SÉLECTION DE ROUTAGES ALTERNATIFS EN TEMPS RÉEL D UN JOB SHOP A. HASSAM, M. MOSTEFFA, I. MOUSSA, et Z. SARI a_hassam@mail.univ-tlemcen.dz,( hassam.ahmed@yahoo.fr), moussamostefa@yahoo.fr,

Plus en détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

PLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique

PLAN 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 détail

Approche 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 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 détail

Aspects théoriques et algorithmiques du calcul réparti Le placement

Aspects théoriques et algorithmiques du calcul réparti Le placement Aspects théoriques et algorithmiques du calcul réparti Le placement Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques

Plus en détail

Resolution limit in community detection

Resolution 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 détail

Contribution à l ordonnancement des activités de maintenance dans les systèmes de production.

Contribution à l ordonnancement des activités de maintenance dans les systèmes de production. Contribution à l ordonnancement des activités de maintenance dans les systèmes de production. Jihène Kaabi-Harrath To cite this version: Jihène Kaabi-Harrath. Contribution à l ordonnancement des activités

Plus en détail

Programmation avancée

Programmation avancée Programmation avancée Chapitre 1 : Complexité et les ABR (arbres binaires de recherche) 1 1 IFSIC Université de Rennes-1 M2Crypto, octobre 2011 Plan du cours 1 2 3 4 5 6 7 8 9 10 Algorithmes Définition

Plus en détail

Algorithmes de recherche locale

Algorithmes de recherche locale Algorithmes de recherche locale Recherche Opérationnelle et Optimisation Master 1 Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale

Plus en détail

Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2

Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2 Implantation d atelier 1 ère partie Franck Fontanili Centre de Génie Industriel EMAC/IFIE_GIPSI_M2 Plan de la présentation Processus général d implantation Estimation des surfaces nécessaires Pareto des

Plus en détail

OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES

OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES OPTIMISATION DE LA TARIFICATION DES RÉSEAUX MOBILES ST50 - Projet de fin d études Matthieu Leromain - Génie Informatique Systèmes temps Réel, Embarqués et informatique Mobile - REM 1 Suiveur en entreprise

Plus en détail

Proposition d un algorithme génétique hybride dans un environnement de machines parallèles

Proposition d un algorithme génétique hybride dans un environnement de machines parallèles Proposition d un algorithme génétique hybride dans un environnement de machines parallèles "A hybrid genetic algorithm proposition in a parallel machine environment" Fayçal BELKAID (1) ; Zakaria YAHOUNI

Plus en détail

Minimisation des distances dans un réseau de transports publics urbains avec demande élastique

Minimisation des distances dans un réseau de transports publics urbains avec demande élastique Minimisation des distances dans un réseau de transports publics urbains avec demande élastique Loïc YON LIMOS UMR 6158, Université Blaise Pascal Résumé Dans un contexte économique toujours plus exigeant,

Plus en détail

La gestion des files d'attente par les règles de priorité

La gestion des files d'attente par les règles de priorité La gestion des files d'attente par les règles de priorité Zoheir KARAOUZENE, Zaki SARI. LAT : Laboratoire d Automatique de Tlemcen Faculté des sciences de l ingénieur Université ABOU-BEKR BELKAÎD BP 230

Plus en détail

Associate Professor in Quantitative Methods. University of Jendouba / University of Tunis TUNISIA. Saoussen.krichen@isg.rnu.tn

Associate Professor in Quantitative Methods. University of Jendouba / University of Tunis TUNISIA. Saoussen.krichen@isg.rnu.tn Saoussen KRICHEN Associate Professor in Quantitative Methods University of Jendouba / University of Tunis TUNISIA Saoussen.krichen@isg.rnu.tn 1Concours de Maîtrise de Conférences en Informatique de Gestion

Plus en détail

Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative

Ordonnancement 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 détail

Sommaire. 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. 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 détail

Liste complète des publications. Pierre LOPEZ

Liste complète des publications. Pierre LOPEZ CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE LABORATOIRE D ANALYSE ET D ARCHITECTURE DES SYSTÈMES Liste complète des publications de Pierre LOPEZ Directeur de Recherche au CNRS (DR 2) Numéro d agent 29794

Plus en détail

Equilibrage de charge (Load

Equilibrage de charge (Load Equilibrage de charge (Load balancing) dans les MPSoCs Présenté Le : 02 Décembre 2013 Par : A. AROUI Encadreur : A.E. BENYAMINA 01/12/2013 1 Problématique Comportement dynamique des applications et la

Plus en détail

Processus : les outils d optimisation de la performance

Processus : les outils d optimisation de la performance Yvon Mougin Processus : les outils d optimisation de la performance Préface de Pierre MAILLARD Directeur Général de L Institut de Recherche et de Développement de la Qualité, 2004 ISBN : 2-7081-3022-6

Plus en détail

Echantillonnage Non uniforme

Echantillonnage 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 détail

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr Extraction de Connaissances pertinentes sur le comportement des systèmes de production: une approche conjointe par Optimisation Évolutionniste via Simulation et Apprentissage Anne-lise HUYET- Jean-Luc

Plus en détail

Résolution générique à la volée de systèmes d équations booléennes et applications

Résolution générique à la volée de systèmes d équations booléennes et applications Résolution générique à la volée de systèmes d équations booléennes et applications Radu Mateescu INRIA Rhône-Alpes / VASY Plan Introduction Systèmes d équations booléennes d alternance 1 Algorithmes de

Plus en détail

Optimisation 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 détail

Impact du chevauchement d activités sur la diminution de la durée de projet

Impact du chevauchement d activités sur la diminution de la durée de projet Colloque sur les enjeux et outils modernes de gestion de projet Impact du chevauchement d activités sur la diminution de la durée de projet Francois Berthaut, Ing. Jr., M.Sc.A., École Polytechnique francois.berthaut@polymtl.ca

Plus en détail

INSERTION TECHNIQUES FOR JOB SHOP SCHEDULING

INSERTION 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 détail

Comment mesurer les temps de calcul de vos programmes? Bonne pratique et pièges à éviter

Comment mesurer les temps de calcul de vos programmes? Bonne pratique et pièges à éviter Comment mesurer les temps de calcul de vos programmes? Bonne pratique et pièges à éviter Caroline Prodhon (carolineprodhon@hotmail.com) Philippe Lacomme (placomme@isima.fr) Ren Libo (ren@isima.fr) Remerciements

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

Ordonnancement sous contraintes de Qualité de Service dans les Clouds

Ordonnancement 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) 14/9/215 1 Profil Profil Parcours : Laboratoires LAAS et IRIT à Toulouse

Plus en détail

Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases)

Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases) Optimisation Combinatoire (Méthodes approchées) VI. Algorithmes à Population (Les bases) Algorithmes à Population Idée principale 'Amélioration' d'un ensemble de solutions Recombiner des solutions Orienté

Plus en détail

Multiplication par une constante entière

Multiplication par une constante entière Multiplication par une constante entière Vincent Lefèvre Juin 2001 Introduction But : générer du code optimal à l aide d opérations élémentaires (décalages vers la gauche, additions, soustractions). Utile

Plus en détail

Plus courts chemins, programmation dynamique

Plus 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 détail

Planification et ordonnancement sous incertitudes Application à la gestion de projet

Planification et ordonnancement sous incertitudes Application à la gestion de projet Toulouse, 14 mai 2003 Planification et ordonnancement sous incertitudes Application à la gestion de projet Julien Bidot Plan Séminaire au LAAS Planification de tâches et ordonnancement Domaine d application

Plus en détail

et contrôle de topologie dans les Support de la qualité de service réseaux mobiles ad hoc rabah.meraihi@enst.fr GET / Télécom Paris Rabah Meraihi

et contrôle de topologie dans les Support de la qualité de service réseaux mobiles ad hoc rabah.meraihi@enst.fr GET / Télécom Paris Rabah Meraihi Support de la qualité de service et contrôle de topologie dans les réseaux mobiles ad hoc Rabah Meraihi GET / Télécom Paris rabah.meraihi@enst.fr Rabah Meraihi 1 Plan 1. Introduction et contexte 2. Qualité

Plus en détail

Introduction à la Recherche en Laboratoire

Introduction à la Recherche en Laboratoire Introduction à la Recherche en Laboratoire Transferts de données pour le vol de travail Tristan Darricau tristan.darricau@ensimag.grenoble-inp.fr 26 mai 2014 Grenoble INP - ENSIMAG Ecadrement Frédéric

Plus en détail

Le problème du flot maximal avec contraintes sur le nombre de chemins

Le problème du flot maximal avec contraintes sur le nombre de chemins Le problème du flot maximal avec contraintes sur le nombre de chemins Jérôme Truffot, Christophe Duhamel, Philippe Mahey jerome.truffot@isima.fr, christophe.duhamel@isima.fr, philippe.mahey@isima.fr LIMOS,

Plus en détail

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Thierry Benoist Frédéric Gardi Antoine Jeanjean Bouygues e-lab, Paris { tbenoist, fgardi, ajeanjean }@bouygues.com

Plus en détail

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS

Problème combinatoire sur le réseau de transport de gaz. Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Problème combinatoire sur le réseau de transport de gaz Nicolas Derhy, Aurélie Le Maitre, Nga Thanh CRIGEN Manuel Ruiz, Sylvain Mouret ARTELYS Au programme Présentation du problème Un problème d optimisation

Plus en détail

Problème d ordonnancement de véhicules en variables booléennes

Problème d ordonnancement de véhicules en variables booléennes Problème d ordonnancement de véhicules en variables booléennes Freddy Hetman 2 juillet 2013 Faculté des sciences Jean Perrin Freddy Hetman () 2 juillet 2013 1 / 22 Sommaire 1 Introduction 2 Le problème

Plus en détail

Recherche opérationnelle dans le secteur de la construction (3/5)

Recherche opérationnelle dans le secteur de la construction (3/5) Recherche opérationnelle dans le secteur de la construction (3/5) Antoine Jeanjean Ingénieur de recherche Ecole des Mines de Nantes Amphi Georges Besse 14h30-16h30 Plan de la présentation Le Groupe Bouygues

Plus en détail

PREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE

PREMIER 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 détail

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Université de Bretagne-Sud Lab-STICC, Lorient, France ROADeF Troyes, France 13-15 Février 2013 1/22 Objectifs Après

Plus en détail

Utilisation des CRBM en mode temporel: illustration par des mesures d'efficacité de blindage

Utilisation des CRBM en mode temporel: illustration par des mesures d'efficacité de blindage Utilisation des CRBM en mode temporel: illustration par des mesures d'efficacité de blindage Virginie Deniau Lamine Kone, Jean Rioult, Sylvie Baranowski Contexte Les CRBM présentent des avantages indéniables

Plus en détail

Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile

Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile Modèles et algorithmes pour la reconfiguration de systèmes répartis utilisés en téléphonie mobile Renaud Sirdey Chercheur au CEA / Ex-architecte système Nortel Journée du prix de thèse Guy Deniélou, 4

Plus en détail

VETO 08. Modélisation formelle d'une architecture pour le vote électronique J. P. Gibson, E. Lallet, J-L. Raffy

VETO 08. Modélisation formelle d'une architecture pour le vote électronique J. P. Gibson, E. Lallet, J-L. Raffy VETO 8 Modélisation formelle d'une architecture pour le vote électronique J. P. Gibson, E. Lallet, J-L. Raffy Hypothèses (1) Le vote s effectue dans des endroits dédiés (appelés kiosques) Les isoloirs

Plus en détail

Dessin de Graphes. Romain Bourqui. Maître de Conférences romain.bourqui@labri.fr

Dessin de Graphes. Romain Bourqui. Maître de Conférences romain.bourqui@labri.fr Dessin de Graphes Romain Bourqui Maître de Conférences romain.bourqui@labri.fr Dessin de Graphes Plan Introduction Dessin de graphes planaires Dessin hiérarchique Dessin par analogie physique Dessin de

Plus en détail

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou Allocation de ressources pour réseaux virtuels Projet de fin d études Mikaël Capelle Marie-José Huguet Slim Abdellatif Pascal Berthou 27 Juin 2014 Plan 1 Introduction - La virtualisation de réseau 2 3

Plus en détail

Rapport de projet de 2ème année. Filière CALCUL SCIENTIFIQUE ET MODELISATION CHEMIN DANS UN GRAPHE MULTI-CRITERE

Rapport de projet de 2ème année. Filière CALCUL SCIENTIFIQUE ET MODELISATION CHEMIN DANS UN GRAPHE MULTI-CRITERE INSTITUT SUPERIEUR D INFORMATIQUE DE MODELISATION ET DE LEURS APPLICATIONS Complexe des Cézeaux BP 125 63173 Aubière cedex Rapport de projet de 2ème année Filière CALCUL SCIENTIFIQUE ET MODELISATION CHEMIN

Plus en détail

AVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS

AVERTISSEMENT. 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 détail

Optimisation de la structure électromagnétique d une machine spéciale fort couple.

Optimisation de la structure électromagnétique d une machine spéciale fort couple. Optimisation de la structure électromagnétique d une machine spéciale fort couple. Luc Moreau, Mohamed El Hadi ZAÏM To cite this version: Luc Moreau, Mohamed El Hadi ZAÏM. Optimisation de la structure

Plus en détail

Table des Matières. Satisfaisabilité en logique propositionnelle ES pour les problèmes d optimisation Élagage à l aide d heuristiques Le Labyrinthe

Table des Matières. Satisfaisabilité en logique propositionnelle ES pour les problèmes d optimisation Élagage à l aide d heuristiques Le Labyrinthe Table des Matières Essais Successifs (ES) 1 Rappels : Fonctions et Ordres de grandeurs 2 Diviser pour Régner 3 Approches Gloutonnes 4 Programmation Dynamique 5 Essais Successifs (ES) Le problème des n

Plus en détail

Sérialisation d un schéma de sous gradient avec des métaheuristiques pour la résolution approchée de problèmes de sacs à dos multidimensionnels

Sérialisation d un schéma de sous gradient avec des métaheuristiques pour la résolution approchée de problèmes de sacs à dos multidimensionnels Sérialisation d un schéma de sous gradient avec des métaheuristiques pour la résolution approchée de problèmes de sacs à dos multidimensionnels Vincent Pinte Deregnaucourt - 5 juillet 2007 Sommaire 1 Le

Plus en détail

Problème de chargement de camions-citernes Tank Truck Loading Problem

Problème de chargement de camions-citernes Tank Truck Loading Problem Problème de chargement de camions-citernes Tank Truck Loading Problem Fabien Cornillier CENTOR, Université Laval fabien.cornillier@centor.ulaval.ca Fayez F. Boctor CENTOR, Université Laval Gilbert Laporte

Plus en détail

La recherche locale. INF6953 La recherche locale 1

La recherche locale. INF6953 La recherche locale 1 La recherche locale INF6953 La recherche locale 1 Sommaire Recherche locale et voisinage. Fonction de voisinage, optimum local Fonction de voisinage et mouvements Fonction de voisinage et mouvements Exemples

Plus en détail

Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués

Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués Soutenance de thèse Ordonnancement temps réel multiprocesseur pour la réduction de la consommation énergétique des systèmes embarqués Vincent LEGOUT Directeurs de thèse : Laurent PAUTET, Mathieu JAN CEA

Plus en détail

Algorithmes de recherche d itinéraires en transport multimodal

Algorithmes de recherche d itinéraires en transport multimodal de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini

Plus en détail

Algorithme d optimisation par colonie de fourmis pour le problème de jobshop

Algorithme d optimisation par colonie de fourmis pour le problème de jobshop Algorithme d optimisation par colonie de fourmis pour le problème de jobshop Plan Optimisation par colonie de fourmi 1 Optimisation par colonie de fourmi Principes généraux Mise en œuvre Procédure 2 Construction

Plus en détail

Dynamique des vues ego-centrées de la topologie de l internet : analyse et modélisation

Dynamique des vues ego-centrées de la topologie de l internet : analyse et modélisation C. Magnien Dynamique de la topologie de l internet 1/28 Dynamique des vues ego-centrées de la topologie de l internet : analyse et modélisation Clémence Magnien Amélie Medem, Fabien Tarissan, Sergey Kirgizov

Plus en détail

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque

Autostabilisation. de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque : de l exclusion mutuelle sur un anneau à l élection d un chef sur un graphe quelconque Laboratoire d Informatique Fondamentale d Orléans, Université d Orléans, Orléans, FRANCE JIRC 30 juin 2005 Blois

Plus en détail

SOMMAIRE. II L organisation du projet. 15 II.1 La place du projet dans la structure de l entreprise. 15 II.2 Les acteurs. 18

SOMMAIRE. II L organisation du projet. 15 II.1 La place du projet dans la structure de l entreprise. 15 II.2 Les acteurs. 18 SOMMAIRE CHAPITRE 1 INTRODUCTION I Définition du projet et de la gestion de projets. 7 I.1 Définition du projet. 7 I.2 Définition de la gestion des projets. 10 I.3 Interaction formulation - résolution

Plus en détail

Lignes directrices. Introduction à la Programmation par Contraintes. Lignes directrices. Affectation des fréquences : énoncé

Lignes directrices. Introduction à la Programmation par Contraintes. Lignes directrices. Affectation des fréquences : énoncé Introduction à la Programmation par Contraintes Cours 5. Modélisation des problèmes réels (ou proches de la réalité). Ruslan Sadykov INRIA Bordeaux Sud-Ouest 10 Novembre 2014 1 / 35 2 / 35 : énoncé Il

Plus en détail

Une communauté de charges intelligentes pour le Smart Grid

Une communauté de charges intelligentes pour le Smart Grid Une communauté de charges intelligentes pour le Smart Grid Philippe Mabilleau ing. PhD Professeur titulaire, Département de génie électrique et de génie informatique EcoENERGY Innovation Initiative Une

Plus en détail