Mlle Yasmin A. RÍOS SOLÍS

Dimension: px
Commencer à balayer dès la page:

Download "Mlle Yasmin A. RÍOS SOLÍS"

Transcription

1 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 la thèse : ORDONNANCEMENT AVANCE-RETARD SUR MACHINES PARALÈLLES soutenue le 30 janvier 2007 devant le jury composé de : M. Jean-Charles BILLAUT Rapporteur Mme. Marie-Claude PORTMANN Rapporteur M. Alain BILLIONNET Examinateur M. Philippe CHRÉTIENNE Directeur de thèse M. Jean-Charles POMEROL Examinateur M. Alain QUILLIOT Examinateur M. Francis SOURD Co-directeur de thèse

2

3 Remerciements Je tiens à remercier en tout premier lieu Francis Sourd qui a dirigé cette thèse dans la continuité de mon stage de D.E.A.. Tout au long de ces trois années, il a su orienter mes recherches aux bons moments en me faisant découvrir l ordonnancement au travers de son regard novateur et critique. Pour sa disponibilité pour des discussions, les relectures, en plus de sa confiance, patience et son amitié, je le remercie vivement. Je remercie également Philippe Chrétienne, Professeur à l Université Paris VI, pour ses encouragements, ses conseils et sa confiance. J adresse tous mes sincères remerciements à Marie-Claude Portmann, Professeur à l École des Mines de Nancy, et à Jean-Charles Billaut, Professeur au Polytech Tours, qui m ont fait l honneur de d accepter d être rapporteurs de ces travaux. Merci également aux autres membres du jury qui ont accepté de juger ce travail : Alain Billionnet Professeur à l École Nationale Supérieure d Informatique pour l Industrie et l Entreprise, Jean-Charles Pomerol, Professeur à l Université Paris VI et Alain Quilliot, Professeur à l Université Blaise Pascal-Clermont-Ferrand. Je remercie infiniment le CONACyT (Conseil Mexicain de Science et Technologie) et le SRE (Ministère Mexicain de Relations Extérieures) pour le financement partiel qu ils m ont offert durant le Master (DEA IRO) et la thèse. L équipe DESIR du Laboratoire d Informatique de Paris VI est un cadre privilégié pour effectuer une thèse. Parmi ceux qui ont contribué à mon travail, je remercie tout spécialement Safia Kedad-Sidhoum et Claire Hanen. Dans ces remerciements je ne peux bien sûr pas oublier les chercheurs et doctorants qui ont fait de mon séjour au LIP6, une période très agréable et enrichissante : Patrice, Christophe, Jean-Yves, Olivier, Pierre, Emmanuel, Pierre-Henri, Yann, Nina, Nathalie, Anna, Nabil, Lucie, Nicolas, Paul, Louis-Xavier, Sergio et Antoine. Merci pour tous les rires, les groupes de travail, les mots croisés, les cafés... J ai eu l énorme chance d avoir l amitié et le support de mes copains du DEA et mes copains mexicains tout le long de la thèse. Je pense tout spécialement à Marie-Christine avec laquelle j ai eu, en plus, le plaisir de collaborer scientifiquement. Un particulier remerciement pour ma famille adorée à laquelle je dédie cette thèse : Leonardo, Agueda, Leo et Lucero. Enfin, une tendre pensée pour Gabriel qui m a accompagné et supporté avec beaucoup de patience et surtout d amour. 3

4

5 Table des matières 1 Introduction 7 2 État de l art Notions et notations Complexité des problèmes d ordonnancement Production juste-à-temps Problèmes d ordonnancement d avance-retard Modèle avec variables indexées sur le temps Modèle avec variables d affectation Optimisation des coûts d affectation Problèmes avec une date d échéance commune restrictive Ordonnancements dominants de 1 d i = d r i α ie i + β i T i Ordonnancements dominants de R d i = d r i α ie i + β i T i Complexité des problèmes avec une date d échéance commune État de l art pour les problèmes à date d échéance commune Minimisation de la somme pondérée des dates de fin Modèle quadratique du problème R i w ic i Ordonnancement avec des coûts de position sur les tâches Voisinage exponentiel : cas à une seule machine Introduction Définition et exploration du voisinage exponentiel Complexité du problème de recherche dans le voisinage Conclusions Voisinage exponentiel : cas à machines parallèles Introduction Définition et exploration du voisinage exponentiel Voisinage V jj T (S) Voisinage V jj E (S) Voisinage V jj ET (S)

6 6 TABLE DES MATIÈRES Le voisinage exponentiel pour le cas à machines parallèles Résultats expérimentaux Instances Algorithmes EXPN, HEUR et LAGRES Comparaison des instances à machines parallèles Comparaison des instances avec une seule machine Algorithme hybride HEUEXPN Conclusions Reformulations quadratiques convexes Introduction Le problème R i w ic i Reformulation convexe (QCR) Convexification par perturbation de la diagonale (PDIA) Résultats expérimentaux pour R i w ic i et P i w ic i Le problème R d i = d r i α ie i + β i T i Conclusions Ordonnancement avec coûts de position Introduction Modélisation du problème P pmtn i fi Solution pour P pmtn i fi Approche par relaxation Lagrangienne Résultats expérimentaux Algorithmes Instances Résultats Conclusions Conclusions et perspectives 115 A Étude préliminaire sur un paysage d espace des solutions 119 A.1 Introduction A.2 Quelques résultats expérimentaux Bibliographie 123 Yasmin A. Ríos Solís

7 Chapitre 1 Introduction L intérêt pour la théorie de l ordonnancement a surgi dans les années 1950 et n a pas cessé d augmenter ces dernières années, peut-être du fait de son applicabilité à une multitude croissante de problèmes et de sa difficulté qui intéresse les chercheurs. Parmi les problèmes d optimisation combinatoire, les problèmes d ordonnancement sont probablement les plus liés au monde industriel puisqu il s agit de concilier, de façon optimale, des ressources limitées avec des activités dans le temps. Ainsi, des domaines comme l éducation, l agriculture, le transport ou la santé ont bénéficié des recherches issues de l ordonnancement. La théorie de l ordonnancement étudie des problèmes qui ont souvent la caractéristique d avoir un nombre fini de solutions réalisables. En principe, les solutions optimales d un tel problème pourraient être déterminées par une simple énumération. Toutefois, en pratique, c est souvent impossible, spécialement pour les problèmes qui modélisent des situations réelles, car le nombre de solutions à énumérer est trop grand. Un des objectifs de la théorie de l ordonnancement est de déterminer une solution optimale ou une bonne solution en un temps raisonnable. L immense impact de la théorie de la complexité est basé sur l hypothèse, largement convenue, que définir l appartenance d un problème à la classe des problèmes qui se résolvent en temps polynomial, la classe P, est une manière mathématique appropriée de formaliser le concept empirique des problèmes qui se résolvent bien en pratique. En conséquence, la question est comment aborder les problèmes NP-difficiles d optimisation qui ne peuvent pas efficacement être résolus à l optimalité, à moins que P=NP. Les réponses possibles à cette question sont : les algorithmes de liste qui construisent de façon itérative une solution, les procédures par séparation et évaluation (branch&bound en anglais) qui ont une complexité au pire cas exponentielle, les méthodes heuristiques qui fournissent des bonnes solutions mais qui ne fournissent pas de garantie de performance, les méthodes par relaxation de contraintes, etc. 7

8 8 Chapitre 1. Introduction Bien que l intérêt pour les problèmes d ordonnancement à une seule machine soit encore très important, les problèmes à machines parallèles sont de plus en plus étudiés dans la littérature. En effet, ils reflètent des environnements de production où, pour des raisons de rapidité, plusieurs ressources sont disponibles pour effectuer les tâches. La généralisation de méthodes pour les problèmes à une seule machine n est pas toujours triviale. En effet, même la complexité du problème peut varier entre le cas à une seule machine et le cas à machines parallèles. Ce travail de thèse vise à étudier des problèmes d ordonnancement sur machines parallèles avec un critère d optimisation juste-à-temps. Il s agit de problèmes souvent NP-difficiles où les tâches sont pénalisées si elles se finissent en avance ou en retard par rapport à une date d échéance fixée. Ce critère d optimisation a comme objectif d éviter toute production anticipée de produits intermédiaires ou finaux et donc de produire la quantité strictement nécessaire, au moment voulu, pour satisfaire la demande de chaque client. Alors que la plupart des critères visent à ordonnancer les tâches au plus tôt, ce type de critères est parfois bénéficié par des temps d inactivité entre l exécution d une paire de tâches. Nous présentons ci-dessous, plus spécifiquement, les problèmes d ordonnancement d avance-retard auxquels nous nous sommes intéressés dans ce travail, ainsi que les différentes méthodes que nous avons utilisées pour les résoudre. Le chapitre 2 constitue une brève présentation des problèmes d ordonnancement auxquels nous nous intéressons dans ce travail. Nous décrivons ces problèmes ainsi que les notations utilisées. Nous donnons également un état de l art et quelques résultats de la littérature qui seront utiles pour la suite de cette thèse. Dans le chapitre 3, nous définissons un nouveau voisinage pour le problème d avance-retard à une seule machine avec une date d échéance commune restrictive (ce problème est conjecturé NP-difficile au sens fort). Ce voisinage a la particularité d être composé d ordonnancements obtenus par l application d un ensemble de mouvements indépendants de tâches à partir d une solution initiale réalisable. Il a la caractéristique d être de taille exponentielle et de n être composé que d ordonnancements dominants. L algorithme pseudo-polynomial de programmation dynamique que nous proposons pour obtenir la meilleure solution de ce voisinage permet, à l aide d un algorithme de recherche locale, d obtenir des minimums locaux de bonne qualité. De plus, nous démontrons que trouver la solution à coût minimum dans le voisinage d un ordonnancement donné, est un problème NP-difficile. Les résultats de ce chapitre nous ont conduit à nous intéresser, dans le chapitre 4, au cas d ordonnancement à machines parallèles. Nous étudions dans le chapitre 4, le problème d ordonnancement d avance-retard à machines parallèles avec une date d échéance commune restrictive qui est NP-difficile au sens fort. Nous utilisons pour son étude la même optique que dans le chapitre 3 : un voisinage exponentiel. Bien qu on se base sur la définition du voisinage dédié à une seule Yasmin A. Ríos Solís

9 9 machine, la généralisation du voisinage exponentiel pour le cas à machines parallèles n est pas triviale. Un algorithme pseudo-polynomial de programmation dynamique est proposé pour retrouver le meilleur ordonnancement dans le voisinage exponentiel que nous définissons. Des résultats expérimentaux permettent de vérifier la qualité des solutions de cette méthode ainsi que ses limites en temps de calcul. Des comparaisons entre des bornes inférieures et supérieures sont réalisées pour le cas avec 1, 4 et 8 machines. Nous proposons aussi un algorithme hybride qui commence par déterminer une première solution avec un algorithme de recherche locale, simple mais très efficace, et se poursuit par la méthode basée sur les voisinages exponentiels. Nous avons constaté, qu avec cette procédure, nous pouvons échapper à des minima locaux. L article [87], réalisé avec F. Sourd et contenant les résultats obtenus dans les chapitres 3 et 4, sera publié dans le journal Computers & Operations Research (C&OR). Le chapitre 5 propose une méthode exacte qui, à notre connaissance, n a jamais été utilisée pour les problèmes d ordonnancement. Il s agit, premièrement, de modéliser le problème d ordonnancement avec un programme quadratique en 0-1 sous contraintes linéaires. Ensuite, le reformuler de façon convexe tel que l espace des solutions admissibles reste le même que celui du problème initial. Finalement, à l aide d un outil commercial résolvant des programmes en 0-1 quadratiques convexes, trouver la solution optimale. Différentes méthodes de reformulation convexe sont présentées et appliquées aux problèmes d ordonnancement à machines parallèles d avance-retard ainsi qu à des problèmes avec critères d optimisation dits réguliers. Des résultats expérimentaux montrent que cette méthode exacte, basée sur une reformulation convexe, est intéressante et même très efficace en donnant les meilleurs résultats expérimentaux de la littérature pour certains problèmes d ordonnancement. L apport principal de ce chapitre est d avoir lié la théorie de la programmation quadratique en 0-1 avec la théorie de l ordonnancement pour obtenir des solutions exactes. Finalement, le chapitre 6 correspond à l étude d un problème d ordonnancement préemptif sur machines parallèles identiques qui a la particularité de ne pas avoir des fonctions de coût dépendantes des dates de fin des tâches. De plus, les tâches peuvent commencer et être interrompues à n importe quel instant du temps et pas seulement aux instants entiers. En relâchant des contraintes, nous proposons un algorithme polynomial basé sur la décomposition en sous-problèmes indépendants du programme dual. Grâce à un algorithme de sous-gradient ou d ellipsoïde, la solution optimale peut ensuite être obtenue. La résolution de ce type de problème est pour nous très intéressante puisqu elle permet d obtenir des bornes inférieures pour le problème d ordonnancement d avance-retard sans préemption. Nous nous comparons expérimentalement avec quatre autres bornes inférieures et supérieures pour ce type de problèmes à machines parallèles. L article [57], réalisé avec F. Sourd et S. Kedad-Sidhoum, présentant la borne que nous proposons dans ce chapitre ainsi les autres bornes auxquelles nous

10 10 Chapitre 1. Introduction nous comparons expérimentalement, sera publié dans le journal European Journal of Operational Research (EJOR). Nous présentons à la fin, une conclusion de notre travail ainsi que les directions de recherches futures qui concernent soit des extensions naturelles des problèmes que nous avons étudiés, soit des méthodes différentes à développer et à appliquer. En plus des articles que nous avons cité précédemment, des sections de cette thèse, ont été ou seront publiés dans [58], [89], [88] et [90]. Yasmin A. Ríos Solís

11 Chapitre 2 État de l art Ce chapitre est dédié à la présentation des problèmes d ordonnancement sur machines parallèles qui seront traités dans cette thèse : les problèmes d avanceretard, les problèmes où l on cherche à minimiser la somme pondérée des retards et les problèmes où les fonctions de coût des tâches ne dépendent pas de leur date de fin. L objectif est d introduire les notions, les notations et l état de l art de ces problèmes, ainsi que de présenter des résultats de la littérature qui seront utiles pour les chapitres suivants. Le but de ce chapitre n est pas d effectuer une présentation exhaustive des problèmes d ordonnancement, mais plutôt d introduire de manière succincte les problèmes, critères et propriétés qui nous intéressent dans les chapitres suivants. Nous commençons par présenter, dans la section 2.1, la théorie de l ordonnancement ainsi que les notions et notations qui seront utilisées dans cette thèse. Ensuite, les problèmes d ordonnancement étudiés dans ce travail sont plus particulièrement décrits dans les sections Pour plus de détails sur la théorie d ordonnancement nous pouvons citer les livres de Carlier et Chrétienne [20], de Leung [26], de Pinedo [82], de Brucker [14], de T Kindt et Billaut [106] et le livre d exercices du groupe de travail GOThA [38]. 2.1 Notions et notations La théorie de l ordonnancement est une branche de la recherche opérationnelle qui s intéresse au calcul de dates d exécution optimales de tâches. De façon plus précise, un problème d ordonnancement consiste à organiser dans le temps la réalisation de tâches, compte tenu de contraintes temporelles (délais, contraintes d enchaînement, etc.) et de contraintes portant sur la disponibilité des ressources requises. Un ordonnancement 11

12 12 Chapitre 2. État de l art est défini par le planning d exécution des tâches et d allocation des ressources et vise à satisfaire un ou plusieurs objectifs [114]. Plus précisément, Carlier et Chrétienne [20] proposent la définition suivante : Définition 2.1 Ordonnancer c est programmer l exécution d une réalisation en attribuant des ressources aux tâches et en fixant leur date d exécution. La réalisation peut être, par exemple, un programme informatique ou le carnet de commandes d un atelier. Alors les tâches sont des processus informatiques ou des traitements à appliquer à certaines pièces par des machines. Les ressources sont alors des processus et de la mémoire ou des machines et du personnel. Établir un ordonnancement revient à coordonner l exécution de toutes les tâches, en utilisant au mieux les ressources disponibles. Plusieurs problèmes de productivité sont liés à des problèmes d ordonnancement : avoir les produits corrects quand ils sont nécessaires, avoir les machines disponibles quand on en a besoin, utiliser excessivement l inventaire pour palier à des problèmes, inflexibilité, etc. La résolution de ces difficultés peut signifier des bénéfices directs et indirects. Par exemple, l introduction des diagrammes de Gantt pendant la première guerre mondiale a réduit le temps de chargement d un bateau d environ la moitié [81]. Bien que ça soit un moyen efficace de représentation, un diagramme de Gantt (figure 2.1) n est pas une méthode d ordonnancement. Trouver des méthodes qui génèrent des bons ordonnancements est un des objectifs de cette thèse. La difficulté est que les problèmes d ordonnancement auxquels on s intéresse sont NP-difficiles. D un point de vue mathématique, un problème d ordonnancement est un problème d optimisation sous contraintes. En effet, il faut déterminer à l intérieur de l ensemble de solutions, qui vérifient les contraintes du problème, un ordonnancement qui minimise une fonction objectif. Les problèmes d ordonnancement mettent en relation des tâches à exécuter, des machines pour les exécuter et le temps. Une tâche (job en anglais) est une entité élémentaire localisée dans le temps par une date de début et/ou de fin, dont la réalisation nécessite une durée, et qui consomme un moyen selon une certaine intensité. Dans cette thèse, l ensemble des tâches est noté J = {1, 2,..., n} où n = J est le nombre de tâches du problème. Les machines sont des moyens techniques ou humains destinés à être utilisés pour la réalisation des tâches et disponibles en quantité limitée. Les machines sont notées M 1,..., M m où m est le nombre de machines disponibles. La dimension temporelle des problèmes d ordonnancement est modélisée par l intervalle [0, ). Nous considérons que les tâches sont disponibles, pour être ordonnancées, à partir de l instant 0 ou à partir de leur date de disponibilité (qui est positive). Yasmin A. Ríos Solís

13 2.1. Notions et notations 13 Les contraintes des problèmes d ordonnancement expriment des restrictions sur les valeurs que peuvent prendre simultanément les variables de décision. On distingue les contraintes temporelles et les contraintes des ressources. Contraintes temporelles : elles sont relatives aux dates limites des tâches (délais de livraisons, disponibilité des approvisionnements) ou à la durée totale d un projet. Contraintes de ressources : elles expriment la nature et la quantité des moyens utilisés par les tâches, les caractéristiques d utilisation de ces moyens, la disponibilité des ressources et la quantité des moyens disponibles au cours du temps. Il est important de mentionner deux hypothèses, ou deux contraintes sur les solutions, sous lesquelles se fera toute cette étude. La première consiste à dire qu une machine ne peut exécuter qu une seule tâche à la fois. La seconde dit qu une tâche ne peut être exécutée que par une seule machine à la fois. Maintenant, nous présentons les propriétés individuelles des tâches qui déterminent, de façon significative, la nature du problème d ordonnancement. Temps d exécution : si la tâche i est exécutée totalement sur la machine M j alors son temps d exécution est noté p ij. Dans le cas où les machines sont identiques nous notons le temps d exécution de la tâche i comme p i. Date d échéance : la date à laquelle la tâche i doit être idéalement terminée est d i. Date de disponibilité (ou date de début au plus tôt) : une tâche i ne peut être ordonnancée sur la machine M j qu à partir de l instant r ij. Si les dates de disponibilité des tâches sont égales pour toutes les machines, alors nous notons r i la date de disponibilité de i. Si ces dates sont égales à 0, alors les tâches sont toujours disponibles. Pour la résolution d un problème d ordonnancement, on cherche à déterminer la date de fin C i (ou la date de début S i ) de chaque tâche i et la machine sur laquelle elle sera exécutée, de manière à minimiser un critère d optimisation. Les critères que nous considérons dans ce travail, sont basés sur les indicateurs suivants définis individuellement pour chaque tâche : l avance (earliness en anglais) de la tâche i : E i = max(0, d i C i ), et le retard (tardiness en anglais) de la tâche i : T i = max(0, C i d i ). Il faut préciser que d autres indicateurs peuvent être définis, comme le retard algébrique (L i = C i d i ) ou l indicateur de retard (U i = 1 si C i > d i et U i = 0 sinon). La figure 2.1 représente, à l aide d un diagramme de Gantt, un ordonnancement à 2 machines et 5 tâches. Nous pouvons observer que la tâche 1 est exécutée dès qu elle est disponible, la tâche 2 se trouve en avance puisque sa date de fin est inférieure à sa date d échéance, la tâche 5 est exécutée juste-à-temps car sa date de fin coïncide avec sa date d échéance, et que

14 14 Chapitre 2. État de l art p 31 M p 12 M r 1 r 2 d 2 d 4 d 5 Fig. 2.1 Diagramme de Gantt d un ordonnancement. la tâche 4 est en retard puisque sa date d échéance est inférieure à sa date de fin. On s intéresse aux fonctions suivantes qui nous permettent d obtenir un critère qui estime, de manière globale, la qualité d un ordonnancement. min i α ie i + β i T i : la combinaison linéaire des coûts d avance et de retard (α i correspond à la pénalité d avance de la tâche i et β i à sa pénalité de retard). Ce critère est dit irrégulier car il n est pas monotone croissant comme la plupart des critères en ordonnancement. min i w ic i : la somme pondérée des dates de fin (critère régulier). D autres fonctions objectif existent et sont usuellement utilisées dans la littérature. Par exemple, la minimisation de la date de fin de la dernière tâche, C max = max i C i (makespan en anglais) ou la somme pondérée des retards min i β it i. Pour décrire de façon synthétique les problèmes d ordonnancement, dans cette thèse nous utilisons la notation à trois champs (α β γ), introduite par Graham et al. [39]. L environnement des machines correspond au champ α, les contraintes liées à l exécution des tâches au champ β, ainsi que le critère d optimisation au champ γ. Le champ de l environnement des machines peut prendre les valeurs suivantes. 1 : une seule machine. P : machines parallèles identiques. La durée de la tâche i est alors de p i quelle que soit la machine qui exécute i. Q : machines parallèles à vitesses différentes et dépendantes (uniform parallel machines en anglais). Lorsque la tâche i est exécutée par la machine M j sa durée est p i /s j où s j est une constante qui dépend de M j appelée vitesse de M j. Par exemple, nous pourrons dire qu une machine va deux fois plus vite qu une autre. Yasmin A. Ríos Solís

15 2.1. Notions et notations 15 R : machines parallèles à vitesses différentes et indépendantes (unrelated parallel machines en anglais). Dans ce cas, la durée de la tâche i, lorsqu elle est exécutée par la machine M j, est p ij Complexité des problèmes d ordonnancement Dans cette thèse, nous considérons principalement les deux classes de problèmes suivants. La classe P est composée de problèmes pouvant être résolus en un temps polynomial, c est-à-dire, le temps d exécution est borné par une fonction polynomiale de la taille de l entrée du problème. La classe NP-difficile (NP signifie Non-déterministe Polynomial ) est composée des problèmes d optimisation tels que pour leur problème de décision associé, la réponse oui peut être décidée par un algorithme non-déterministe en un temps polynomial par rapport à la taille de l instance. De nos jours, il n existe aucune preuve qui démontre que ces deux classes soient distinctes ni qu elles soient identiques, mais aucun algorithme polynomial n a pu être trouvé pour résoudre un seul des innombrables problèmes NP-complets étudiés jusqu à ce jour. Ainsi, la conjecture P NP est aujourd hui largement acceptée. Dans la théorie de l ordonnancement, la plupart des problèmes appartiennent à la classe NP-difficiles. Néanmoins, des problèmes de base peuvent être résolus par des algorithmes polynomiaux et très souvent, ces algorithmes interviennent, par exemple, dans le calcul de bornes inférieures, d heuristiques ou bien des règles de dominance de problèmes NP-difficiles. La classification des problèmes d ordonnancement est encore un champ de recherche actif et passionnant. Pour plus de détail sur la théorie de la complexité on peut citer les livres de Garey et Johnson [32] ou de Papadimitriou [79]. La site Web de Brucker et Knust [15] compile la classification des problèmes d ordonnancement par rapport à différentes classes de complexité et exhibe les problèmes qui ne sont pas encore classifiés Production juste-à-temps Le critère lié à la minimisation simultanée des coûts d avance et de retard est particulièrement étudié dans cette thèse. Ce critère est issu de la production juste-àtemps que nous présentons ci-dessous. La philosophie de la production juste-à-temps (JAT) (just-in-time en anglais) s est développée depuis une soixantaine d années comme une politique de production qui permet de limiter les stocks et de fabriquer des produits qui correspondent exactement à la demande [17]. Sourd [99] indique que l idée de base est d éviter toute production anticipée de produits intermédiaires ou finaux, ce qui signifie que le producteur se

16 16 Chapitre 2. État de l art contente de produire la quantité strictement nécessaire, au moment voulu, pour satisfaire la demande de chaque client. Ainsi, c est la date à laquelle le client demande à être livré qui fixe la date de livraison du produit mais, le JAT va même plus loin : toutes les dates de toutes les opérations de la fabrication du produit livré sont également fixées de manière à ce qu il n y ait pas de temps mort dans la chaîne de fabrication. De cette manière, le produit est emballé juste-à-temps pour être livré, il est assemblé juste-àtemps pour être emballé et, ainsi de suite jusqu à déterminer la date de production des matières premières. Ainsi, en reprenant l expression de Casanova [17], le JAT consiste, en quelque sorte, à ne pas tuer l ours avant d en avoir vendu la peau : la peau d un ours tué doit en effet être stockée, ce qui nécessite la présence d un gardien, elle risque de se dégrader et, de plus, elle risque de ne pas convenir exactement au client finalement trouvé qui pourrait préférer une peau d une autre dimension ou d une autre couleur. Le concept du juste-à-temps a été développé au Japon au sein de l usine Toyota par le célèbre Taiichi Ohno et avait comme motivation principale l élimination des gaspillages à tous les niveaux [76, 17]. L introduction du système du Kanban a permis, au moyen d étiquettes (Kanban signifie étiquette en japonais) signalant les demandes de chaque poste de la chaîne de production, de mettre en œuvre simplement une politique de production JAT : limitation de la production du poste amont aux besoins exacts du poste aval. Les articles de Huang et Kusiak [53] et Akturk et Erhun [3] offrent une synthèse sur la recherche récente dans ce domaine. Il n est pas étonnant de constater que l ordonnancement JAT soit intimement lié à l ordonnancement multicritère [106, 50]. Il s agit, en effet, de trouver un compromis entre éviter d une part les retards et d autre part le stockage trop important. Ainsi, aux critères traditionnels de l ordonnancement qui visent tous à ordonnancer au plus tôt (critères dits réguliers), l étude de modèles basés sur le JAT a conduit à introduire un critère d avance qui pénalise une tâche exécutée trop tôt. Cette introduction de pénalités d avance peut être vue comme un moyen de simplifier les modèles de l ordonnancement en évitant d introduire explicitement des contraintes de stockage. Les modèles traditionnels de l ordonnancement théorique se sont enrichis de concepts venus du JAT. Ces problèmes offrent des challenges intéressants en raison de leur complexité. Par exemple, il n existe pas d algorithmes d approximation pour le problème à une machine (avec dates d échéance distinctes). D un point de vue pratique, les problèmes issus du JAT sont souvent difficiles. Pour trouver de bons algorithmes et de bonnes bornes, il est en effet nécessaire d appliquer à la fois des raisonnements purement combinatoires et des approches basées sur la programmation mathématique pour manipuler des combinaisons linéaires de critères souvent contradictoires [99]. Yasmin A. Ríos Solís

17 2.2. Problèmes d ordonnancement d avance-retard Problèmes d ordonnancement d avance-retard La politique du JAT, menée de plus en plus dans les industries, a motivé l étude de problèmes d ordonnancement qui capturent les caractéristiques de cette philosophie. Parmi ces modèles se trouve le problème d ordonnancement où l avance de la fabrication d une tâche ainsi que le retard sont pénalisés. Comme remarqué par Hoogeveen et van de Velde [52], dans un article présentant un des premiers algorithmes exacts pour le problème d ordonnancement d avance-retard pour une seule machine, la résolution exacte se heurte à la difficulté de trouver une bonne borne inférieure d une part et de bonnes règles de dominance d autre part. En effet, en raison des coûts d avance, la plupart des raisonnements classiques ne sont plus applicables, à moins de découpler la minimisation des coûts d avance d une part et celle des coûts de retard d autre part [71]. Dans le chapitre 6 de cette thèse nous développons une borne inférieure pour le problème d avance-retard à machines parallèles P i αe i + β i T i. L objectif maintenant, est de présenter quelques résultats de la littérature sur ce problème ainsi que différentes bornes inférieures qui ont motivé l approche que nous utiliserons dans ce chapitre. Le problème 1 i w it i est NP-difficile [25] et par conséquent, les problèmes 1 i αe i + β i T i et P i αe i + β i T i le sont aussi. Comme observé dans plusieurs états de l art [50, 65, 37, 6], les cas polynomiaux sont rares. Pour le problème à une seule machine, on peut citer Hoogeveen et van de Velde [52] pour le cas où α i = α et β i = β, Kim et Yano [59] et Fry et al. [31] pour le cas où α i = β i = 1. Ils présentent des bornes inférieures et des méthodes de branch&bound. Pour le cas général, en introduisant une relaxation préemptive du problème qui devient alors un problème de transport, Sourd et Kedad-Sidhoum [103] ont pu résoudre des instances jusqu à 30 tâches. Alors que la résolution exacte est difficile et que les algorithmes heuristiques constructifs ont des performances modestes [115], il est à noter que les méthodes par voisinage donnent des bons résultats (voir l algorithme HEUR et la recherche dans des voisinages exponentiels, chapitre 4). Pour le cas à machines parallèles, la plupart des recherches ont été effectuées dans le cas d une date d échéance commune (voir la section 2.3). L article [57] a été le résultat d une collaboration avec Kedad-Sidhoum et Sourd. Cet article propose différentes bornes inférieures pour le problème P i αe i + β i T i et un des objectifs est de les comparer expérimentalement. Les résultats auxquels j ai contribué à cet article sont présentés dans le chapitre 6. Néanmoins, dans les deux sections suivantes nous présentons les contributions de Kedad-Sidhoum et Sourd. Les raisons de présenter dans ce manuscrit les bornes qu ils ont proposées et développées sont les suivantes :

18 18 Chapitre 2. État de l art elles justifient la motivation de l approche de la borne inférieure que nous présentons dans le chapitre 6, nous nous comparons expérimentalement à elles dans ce même chapitre, de plus, dans les résultats expérimentaux du chapitre 4 nous nous comparons aussi à quelques unes d elles Modèle avec variables indexées sur le temps Nous présentons un programme linéaire en nombres entiers pour le problème P r i i α ie i + β i T i présenté dans l article [57]. Nous rappelons que comme les dates d échéance, les temps d exécution et les dates de disponibilité sont toutes entières alors il existe une solution optimale avec dates de début des tâches entières. Le programme en nombres entiers est basé sur la discrétisation du temps : la période t commence à l instant t et finit à l instant t + 1. Nous pouvons démontrer par arguments d échanges, qu il existe un ordonnancement optimal qui se termine avant le temps horizon T = max i d i + max p i + i i J p i m Donc, nous considérons les périodes de temps 0, 1, 2,..., T 1. Soit x it la variable binaire telle que x it = {. 1 si la tâche i commence à l instant t, 0 sinon, et soit est i (t) = max(r i, t p i +1) la valeur de la date de début au plus tôt de la tâche i telle qu elle est exécutée dans l intervalle t. Nous définissons aussi le coût de début c it = max (α i (d i t), β i(t d i )) où d i = d i p i est la date de début cible de la tâche i. Le modèle avec variables indexées sur le temps est le suivant : min i J s.c. T p i T p i t=r i c it x it (2.1) x it = 1 i J (2.2) t=r i t x is m t [0, T 1] (2.3) i J s=est i (t) x it {0, 1} i J, t [r i, T p i ] Les équations (2.2) assurent que les tâches soient réalisées une seule fois. Les inégalités (2.3) correspondent aux contraintes de ressources qui indiquent qu au plus m tâches peuvent être exécutées en même temps. Yasmin A. Ríos Solís

19 2.2. Problèmes d ordonnancement d avance-retard 19 Un des avantages de cette formulation est que la relaxation continue donne une borne inférieure qui est meilleure que les bornes obtenues par des programme entiersmixtes [109], mais son désavantage est sa taille. Dans l article [57], Kedad-Sidhoum et Sourd ont testé et comparé trois bornes qui essayent de remédier ce problème. Une des bornes, appelée LINCG, est basée sur la génération de colonnes. En effet, à partir d un ordonnancement réalisable donné par l heuristique HEUR (décrite en détail dans la section du chapitre 4), le programme linéaire (2.1) est restreint aux n variables considérées initialement et résolu pour obtenir des coûts réduits des autres variables. Ainsi, les variables à coût réduits non-négatifs sont ajoutées au programme et la procédure est réitérée jusqu à ce qu il ne reste plus de variables à coût réduit négatif. Ils montrent expérimentalement qu en ajoutant les variables aux coûts réduits bornés, le temps de calcul est diminué ainsi que le nombre d itérations. Les deux autres bornes développées par Kedad-Sidhoum et Sourd dans l article [57] sont basées sur la relaxation Lagrangienne. La première, appelée LAGOCC, est obtenue en relâchant les contraintes (2.2), si bien qu une tâche peut être exécutée plusieurs fois. Cette approche est similaire à celle proposée par Péridy et al. [85] pour le cas à une seule machine où l objectif est de minimiser la somme pondérée des tâches en retard. Kedad-Sidhoum et Sourd montrent que le programme dual du problème Lagrangien peut être résolu par un problème de flots. L optimisation de la fonction Lagrangienne pour obtenir la borne inférieure est faite avec une méthode de sous-gradient. La dernière borne est obtenue en relâchant les contraintes de ressources (2.3). Cette relaxation a été présentée par Luh et al. [73] pour le cas de la minimisation de la somme pondérée des retards. Le programme Lagrangien obtenu peut être décomposé en n problèmes indépendants. Ensuite, la borne inférieure est obtenue, elle aussi, à l aide d un sousgradient. Cette borne inférieure est nommée LAGRES. Récemment, Sourd [102] présente un renforcement de la relaxation Lagrangienne des contraintes (2.2). En effet, des ordonnancements dominés sont exclus en ajoutant des contraintes redondantes. Il teste cette approche sur le problème d ordonnancement d avance-retard sur une seule machine avec une date d échéance commune et il résout de façon optimale des instances jusqu à 1000 tâches en 1000 secondes Modèle avec variables d affectation Nous considérons maintenant, une formulation avec variables d affectation (assignment-based formulation en anglais) qui est basée sur la même discrétisation du temps que pour le modèle avec variables indexées sur le temps de la section Soit y it la variable binaire telle que { 1 si la tâche i est exécutée pendant la période t, y it = 0 sinon.

20 20 Chapitre 2. État de l art L idée de cette formulation est de voir le problème d ordonnancement comme un problème d affectation d opérations unitaires à des périodes de temps qui sont aussi unitaires. Les premiers à utiliser cette formulation ont été Gelders et Kleindorfer [34] pour le problème à une seule machine pour minimiser la somme pondérée des retards. Plus tard, Sourd et Kedad-Sidhoum [103] et Bülbül et al. [10] ont indépendamment généralisé cette approche pour le problème d avance-retard avec une seule machine. Nous présentons maintenant leur généralisation pour le problème à machines parallèles P r i i α ie i + β i T i. En introduisant les variables z ij, qui indiquent qu un nouveau bloc de la tâche i commence au temps t, c est-à-dire, z it = { 1 si y it = 1 et y it 1 = 0, 0 sinon, nous pouvons formuler le modèle avec variables d affectation : min i J s.c. T p i T p i t=r i c ity it (2.4) y it = p i i J (2.5) t=r i y it m t = 0,..., T 1 (2.6) i J z iri y iri i J (2.7) z it y it y it 1 i J, t {r i + 1,..., T p i } (2.8) T p i t=r i z it = 1 i J (2.9) y it, z it {0, 1} i J, t {r i,..., T p i } (2.10) Nous remarquons que la fonction objectif est reformulée. Le coût d une tâche ne dépend plus de sa date de fin mais il est réparti dans chaque intervalle de temps où elle est réalisée. Alors, le coût d affectation c it pour ordonnancer une partie de la tâche i dans la période t doit satisfaire t 1 s=t p i c is = max (α i (d i t), β i (t d i )) t i J. Une solution proposée par Sourd et Kedad-Sidhoum [103] est : c it = α di t 1 i p i β i t+1 di p i si t < d i, si t d i. (2.11) Yasmin A. Ríos Solís

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

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad 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 détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?

Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme? Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version

Plus en détail

Programmation linéaire

Programmation 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 détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

INFO-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 détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications 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 détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Introduction à l Algorithmique

Introduction à l Algorithmique Introduction à l Algorithmique N. Jacon 1 Définition et exemples Un algorithme est une procédure de calcul qui prend en entier une valeur ou un ensemble de valeurs et qui donne en sortie une valeur ou

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples 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 détail

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance

Ensimag 2A. Rapport de TER. Application de la Recherche Opérationnelle à la Finance Ensimag 2A Rapport de TER Application de la Recherche Opérationnelle à la Finance Elève : Yuefei HUANG Tuteur : Zoltán SZIGETI Mai, 2010 2 Sommaire 1. Introduction... 3 2. Le marché des changes et arbitrage...

Plus en détail

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot

Arithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,

Plus en détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

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

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Les compromis temps-mémoire et leur utilisation pour casser les mots de passe Windows

Les compromis temps-mémoire et leur utilisation pour casser les mots de passe Windows Les compromis temps-mémoire et leur utilisation pour casser les mots de passe Windows Philippe Oechslin Laboratoire de Securité et de Cryptographie (LASEC) École Polytechnique Fédérale de Lausanne Faculté

Plus en détail

Formules d inclusion-exclusion

Formules d inclusion-exclusion Université de Rouen L1 M.I.EEA 2011 2012 Mathématiques discrètes Formules d inclusion-exclusion Je présente ici une correction détaillée de l Exercice 5 de la Feuille d exercices 1, en reprenant le problème

Plus en détail

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

La 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 détail

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires

Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Le modèle de Black et Scholes

Le modèle de Black et Scholes Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un

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

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

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. 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 détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

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

IFT6561. Simulation: aspects stochastiques

IFT6561. Simulation: aspects stochastiques IFT 6561 Simulation: aspects stochastiques DIRO Université de Montréal Automne 2013 Détails pratiques Professeur:, bureau 3367, Pav. A.-Aisenstadt. Courriel: bastin@iro.umontreal.ca Page web: http://www.iro.umontreal.ca/~bastin

Plus en détail

Optimisation globale avec application pour les fonctions de hölder

Optimisation globale avec application pour les fonctions de hölder MINISTÈRE DE L ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITÉ MOULOUD MAMMERI, TIZI-OUZOU FACULTÉ DES SCIENCES DÉPARTEMENT DE MATHÉMATIQUES MÉMOIRE DE MAGISTER SPÉCIALITÉ : MATHÉMATIQUES

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Espace de probabilité, indépendance et probabilité conditionnelle

Espace de probabilité, indépendance et probabilité conditionnelle Chapter 2 Espace de probabilité, indépendance et probabilité conditionnelle Sommaire 2.1 Tribu et événements........................................... 15 2.2 Probabilité................................................

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

LES MÉTHODES DE POINT INTÉRIEUR 1

LES MÉTHODES DE POINT INTÉRIEUR 1 Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences

Plus en détail

PRIME D UNE OPTION D ACHAT OU DE VENTE

PRIME D UNE OPTION D ACHAT OU DE VENTE Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,

Plus en détail

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique

Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Calculer avec Sage. Revision : 417 du 1 er juillet 2010

Calculer avec Sage. Revision : 417 du 1 er juillet 2010 Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1

Plus en détail

Mathématiques assistées par ordinateur

Mathématiques assistées par ordinateur Mathématiques assistées par ordinateur Chapitre 4 : Racines des polynômes réels et complexes Michael Eisermann Mat249, DLST L2S4, Année 2008-2009 www-fourier.ujf-grenoble.fr/ eiserm/cours # mao Document

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution de systèmes linéaires par des méthodes directes Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Fonctions homographiques

Fonctions homographiques Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.

Plus en détail

Simulations de Monte Carlo en finance : Pricer d option

Simulations de Monte Carlo en finance : Pricer d option Emma Alfonsi, Xavier Milhaud - M2R SAF Simulations de Monte Carlo en finance : Pricer d option Sous la direction de M. Pierre Alain Patard ISFA - Mars 2008 . 1 Table des matières 1 Introduction 4 2 Un

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

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 16 heures de cours 1 - Introduction

Plus en détail

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Eteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques : MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE

Plus en détail

Représentation des Nombres

Représentation des Nombres Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...

Plus en détail

Théorèmes de Point Fixe et Applications 1

Théorèmes 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 détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples, Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très

Plus en détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. Numéro à préciser. (Durée : ) Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

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

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Les principaux domaines de l informatique

Les principaux domaines de l informatique Les principaux domaines de l informatique... abordés dans le cadre de ce cours: La Programmation Les Systèmes d Exploitation Les Systèmes d Information La Conception d Interfaces Le Calcul Scientifique

Plus en détail

Mathématiques financières

Mathématiques financières Mathématiques financières Arnaud Triay Table des matières 1 Introduction Position du problème.1 Pricing des options........................................... Formalisme..............................................

Plus en détail

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Principe de symétrisation pour la construction d un test adaptatif

Principe 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 détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...

I Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème... TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................

Plus en détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Leçon 6. Savoir compter

Leçon 6. Savoir compter Leçon 6. Savoir compter Cette leçon est une introduction aux questions de dénombrements. Il s agit, d une part, de compter certains objets mathématiques (éléments, parties, applications,...) et, d autre

Plus en détail

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

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

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide)

Épreuve pratique de mathématiques Printemps 2009. Descriptifs. (Page vide) Épreuve pratique de mathématiques Printemps 2009 Descriptifs (Page vide) Sujet 001 Épreuve pratique de mathématiques Descriptif Étude d une fonction dépendant d un paramètre Étant donné une fonction dépendant

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

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

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Optimisation. 1 Petite taxinomie des problèmes d optimisation 2

Optimisation. 1 Petite taxinomie des problèmes d optimisation 2 Table des matières Optimisation 1 Petite taxinomie des problèmes d optimisation 2 2 Optimisation sans contraintes 3 2.1 Optimisation sans contrainte unidimensionnelle........ 3 2.1.1 Une approche sans

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

M2 IAD UE MODE Notes de cours (3)

M2 IAD UE MODE Notes de cours (3) M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

ANNUITES. Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. -annuités non constantes

ANNUITES. Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. -annuités non constantes ANNUITES I Notions d annuités a.définition Les annuités définissent une suite de versements identiques ou non effectués à intervalles de temps égaux. Le processus de versements dépend du montant de l annuité,

Plus en détail

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines

Plus en détail

Théorie de la mesure. S. Nicolay

Théorie de la mesure. S. Nicolay Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................

Plus en détail

La classification automatique de données quantitatives

La 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 détail

Fibonacci et les paquerettes

Fibonacci et les paquerettes Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au

Plus en détail

Un cours d introduction à la démarche mathématique. Martine De Vleeschouwer, Suzanne Thiry

Un cours d introduction à la démarche mathématique. Martine De Vleeschouwer, Suzanne Thiry Aide à la transition dans une formation universitaire d un mathématicien en Belgique Un cours d introduction à la démarche mathématique Martine De Vleeschouwer, Suzanne Thiry Université de Namur, Unité

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

Fouille de données orientée motifs, méthodes et usages.

Fouille de données orientée motifs, méthodes et usages. Fouille de données orientée motifs, méthodes et usages. François RIOULT GREYC - Équipe Données-Documents-Langues CNRS UMR 6072 Université de Caen Basse-Normandie France Résumé La fouille de données orientée

Plus en détail

MATHÉMATIQUES FINANCIÈRES I

MATHÉMATIQUES FINANCIÈRES I MATHÉMATIQUES FINANCIÈRES I Cinquième cours Taux instantané constant Taux instantané constant Date de comparaison Taux instantané constant Date de comparaison Diagramme d entrées et sorties Taux instantané

Plus en détail

La persistance des nombres

La persistance des nombres regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail