A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
|
|
- Fabienne Alain
- il y a 8 ans
- Total affichages :
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 : maxime.chassaing@isima.fr
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
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 détailLES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage
LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage Alain HERTZ Ecole Polytechnique - GERAD Département de mathématiques et de génie industriel CP 679, succ. Centre-ville, Montréal (QC) H3C
Plus en détailMinimisation de la somme des retards dans un jobshop flexible
Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT
Plus en détailRésolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements
«Évaluation et optimisation des systèmes innovants de production de biens et de services» Résolution du RCPSP avec production et consommation de ressources : modèles PLNE basés sur les événements Oumar
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailAnnexe 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 détailUne application des algorithmes génétiques à l ordonnancement d atelier
Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe
Plus en détailINSERTION TECHNIQUES FOR JOB SHOP SCHEDULING
INSERTION TECHNIQUES FOR JOB SHOP SCHEDULING ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ES SCIENCES PAR Tamas KIS Informaticien mathématicien diplômé de l'université
Plus en détailEn vue de l'obtention du. Présentée et soutenue par Abir BEN HMIDA SAKLY Le 12/12/2009
THÈSE En vue de l'obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par l'institut National des Sciences Appliquées de Toulouse Discipline ou spécialité : Systèmes Informatiques Présentée et soutenue
Plus en détailUn couplage métaheuristique / simulation appliqué au problème du job shop avec transport
Un couplage métaheuristique / simulation appliqué au problème du job shop avec transport LAURENT DEROUSSI 1, ICHEL GOURGAND 2 LIOS CNRS UR 6158 1 IUT de ontluçon, Avenue Aristide Briand B.P. 2235, 03101
Plus en détailUn propagateur basé sur les positions pour le problème d Open-Shop.
Actes JFPC 2007 Un propagateur basé sur les positions pour le problème d Open-Shop. Jean-Noël Monette Yves Deville Pierre Dupont Département d Ingénierie Informatique Université catholique de Louvain {jmonette,yde,pdupont}@info.ucl.ac.be
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailApproche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique
Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamiue D. BERKOUNE 2, K. MESGHOUNI, B. RABENASOLO 2 LAGIS UMR CNRS 846, Ecole
Plus en détailPREMIER RETOUR D EXPERIENCE SUR LE FLOW-SHOP BIOBJECTIF ET HYBRIDE A DEUX ETAGES AVEC UNE CONTRAINTE DE BLOCAGE PARTICULIERE
6 e Conférence Francophone de MOdélisation et SIMulation - MOSIM 06 - du 3 au 5 avril 2006 - Rabat - Maroc Modélisation, Optimisation et Simulation des Systèmes : Défis et Opportunités PREMIER RETOUR D
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailAlgorithmes de recherche d itinéraires en transport multimodal
de recherche d itinéraires en transport multimodal Fallou GUEYE 14 Décembre 2010 Direction : Christian Artigues LAAS-CNRS Co-direction : Marie José Huguet LAAS-CNRS Encadrant industriel : Frédéric Schettini
Plus en détailEquilibrage 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 détailListe 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 détailAeon : Synthèse d Algorithmes d Ordonnancement à partir de Modèles de Haut Niveau
Actes JFPC 2009 Aeon : Synthèse d Algorithmes d Ordonnancement à partir de Modèles de Haut Niveau Jean-Noël Monette 1, Yves Deville 1 et Pascal Van Hentenryck 2 1 INGI, UCLouvain, 1348 Louvain-la-Neuve,
Plus en détailRLBS: Une stratégie de retour arrière adaptative basée sur l apprentissage par renforcement pour l optimisation combinatoire
Actes JFPC 2015 RLBS: Une stratégie de retour arrière adaptative basée sur l apprentissage par renforcement pour l optimisation combinatoire Ilyess Bachiri 1,2 Jonathan Gaudreault 1,2 Brahim Chaib-draa
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailModèle de coopération d un processus de ré-ordonnancement distribué
Modèle de coopération d un processus de ré-ordonnancement distribué LE QUEREa, b Yann, SEVAUX a Marc TAHONa Christian, TRENTESAUXa Damien. aequipe Systèmes de Production LAMIH, Université de Valenciennes
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailApprentissage statistique dans les graphes et les réseaux sociaux
Apprentissage statistique dans les graphes et les réseaux sociaux Patrick Gallinari Collaboration : L. Denoyer, S. Peters Université Pierre et Marie Curie AAFD 2010 1 Plan Motivations et Problématique
Plus en détailUtilisation du backtrack intelligent dans un branch-and-bound Application au problème d Open-Shop
Utilisation du backtrack intelligent dans un branch-and-bound Application au problème d Open-Shop Narendra Jussien et Christelle Guéret École des Mines de Nantes 4 rue Alfred Kastler BP 20722 F-44300 Nantes
Plus en détailClassement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue
Classement multicritère de stratégies d'ordonnancement dans le cadre d'une industrie semi-continue O. Roux 1, V. Dhaevers 1, D. Duvivier 1, N. Meskens 1 et A. Artiba 2 1. Facultés Universitaires Catholiques
Plus en détailCurriculum Vitae - Emmanuel Hebrard. Emmanuel Hebrard
Emmanuel Hebrard Adresse 5 Tuckey Street Cork, Ireland emmanuel.hebrard@gmail.com http ://4c.ucc.ie/ ehebrard/home.html Adresse Professionnelle Cork Constraint Computation Centre Cork, Ireland Telephone
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détail4 Exemples de problèmes MapReduce incrémentaux
4 Exemples de problèmes MapReduce incrémentaux 1 / 32 Calcul des plus courtes distances à un noeud d un graphe Calcul des plus courts chemins entre toutes les paires de noeuds d un graphe Algorithme PageRank
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailProposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides
Proposition d un modèle pour Ordonnancement d un Système Automatisé de Production Applications des algorithmes génétiques hybrides Djamila Bouhalouan 1, Nassima Aissani 1, Bouziane Beldjilali 2 1 Département
Plus en détailProblème 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 détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailAVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS
AVERTISSEMENT Ce document est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle
Plus en détailLE DIPLOME DE MAGISTER
Département d Informatique MEMOIRE Présenté par DEDDOUCHE Yamina Pour obtenir LE DIPLOME DE MAGISTER Spécialité : Informatique Option : Informatique et Automatique Intitulé : Contribution à l Ordonnancement
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailProposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a).
Proposition d un modèle UML de gestion des stocks et de transport dans un système de distribution multi-niveaux (a). Khadija Eddoug (* ), Saâd Lissane Elhaq (* ), Hamid Ech-cheikh (* ) (*) : Laboratoire
Plus en détailUN ALGORITHME COOPÉRATIF POUR UN PROBLÈME D ATELIER JOB SHOP MULTI-AGENT
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» UN
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailContrainte de flot pour RCPSP avec temps de transfert
Contrainte de flot et x-rcpsc T 1 Contrainte de flot pour RCPSP avec temps de transfert PS temp, s ij Cmax BENOIST Thierry BOUYGUES/e-Lab DIAMANTINI Maurice ENSTA/LMA Contrainte de flot et x-rcpsc T Présentation
Plus en détailLot streaming et pegging pour l intégration de la planification et de l ordonnancement de production
Lot streaming et pegging pour l intégration de la planification et de l ordonnancement de production A. Robert 1,2, C. Le Pape 1, and F. Sourd 2 1 ILOG S.A., 9 rue de Verdun, 94253 Gentilly cedex {anrobert,clepape}@ilog.fr
Plus en détailOptimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)
Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace
Plus en détailPost-processing of multimodel hydrological forecasts for the Baskatong catchment
+ Post-processing of multimodel hydrological forecasts for the Baskatong catchment Fabian Tito Arandia Martinez Marie-Amélie Boucher Jocelyn Gaudet Maria-Helena Ramos + Context n Master degree subject:
Plus en détailLa tarification d options
La tarification d options Proposition pour une approche déterministe Pierre Bernhard 1 Stéphane Thiery 2 Marc Deschamps 3 Nous proposons ici une théorie de la tarification d options sur la base d un modèle
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailTRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes
TRS: Sélection des sous-graphes représentants par l intermédiaire des attributs topologiques et K-medoïdes Mohamed Moussaoui,Wajdi Dhifli,Sami Zghal,Engelbert Mephu Nguifo FSJEG, Université de Jendouba,
Plus en détailÉvaluation d une méthode d ordonnancement multicritère utilisant AHP
Évaluation d une méthode d ordonnancement multicritère utilisant AHP FOUZIA OUNNAR 1, SELMA KHADER 2, YVES DUBROMELLE 1, JEAN-PIERRE PRUNARET 1, PATRICK PUJO 1 1 LSIS UMR CNRS 7296 Aix-Marseille Université
Plus en détailIndustrial Phd Progam
Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailTHÈSE. En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE. Touria CHAFQANE BEN RAHHOU
THÈSE En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par : l Université Toulouse 3 Paul Sabatier (UT3 Paul Sabatier) Présentée et soutenue le 24/06/2013 par : Touria CHAFQANE BEN
Plus en détailAPPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL
APPLICATION DE LA GESTION DES FILES D ATTENTE PAR RÈGLES DE PRIORITÉ DANS UN JOB SHOP EN TEMPS RÈEL N. Keddari (1) - A. Hassam (1) 1 keddarinassima@yahoo.fr 1 a_hassam@mail.univ-tlemcen.dz RESUME L ordonnancement
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailWe Generate. You Lead.
www.contact-2-lead.com We Generate. You Lead. PROMOTE CONTACT 2 LEAD 1, Place de la Libération, 73000 Chambéry, France. 17/F i3 Building Asiatown, IT Park, Apas, Cebu City 6000, Philippines. HOW WE CAN
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailL apport des contraintes globales pour la modélisation et la résolution d applications industrielles
L apport des contraintes globales pour la modélisation et la résolution d applications industrielles A. Aggoun, N. Beldiceanu, E. Bourreau, H. Simonis COSYTEC SA, Parc Club Orsay Université 4, rue Jean
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailSurveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Plus en détailUn modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes
Actes JFPC 2009 Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes Madjid Khichane 1,2, Patrick Albert 1 et Christine Solnon 2 1 ILOG An IBM Company
Plus en détailChange the game with smart innovation
Change the game with smart innovation Master Thesis 2013 2014 Faculty of Science engineering 12/08/2012 Master Thesis proposal for the academic year 2013. TABLE OF CONTENTS Section Un Introduction... 3
Plus en détailStratégie de recherche adaptative en programmation par contrainte
Université Paul Sabatier École Nationale de l Aviation Civile Master 2 Recherche Informatique et Télécommunication parcours Intelligence Artificielle Simon Marchal Stratégie de recherche adaptative en
Plus en détailMCMC 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 détailUne méthode d apprentissage pour la composition de services web
Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,
Plus en détailBILAN du projet PEPS 1 EOLIN (Eolien LMI INSA)
BILAN du projet PEPS 1 EOLIN (Eolien LMI INSA) Lab. de Math de l INSA de ROUEN FR CNRS 3335 et EA 3226 PLAN 1. Introduction 2. Bilan scientifique 3. Bilan financier 4. Conclusion 1 Introduction Le projet
Plus en détailRecherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche
Plus en détailInnovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France
Innovative BI with SAP Jean-Michel JURBERT D. de Marché BI, HANA, BIG DATA _ SAP France 2013 SAP AG. All rights reserved. Customer 1 Rôles et Attentes Instantanéité BIG DATA Users IT Real Time SAP HANA
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailIntroduction aux algorithmes répartis
Objectifs et plan Introduction aux algorithmes répartis Sacha Krakowiak Université Joseph Fourier Projet Sardes (INRIA et IMAG-LSR http://sardes.inrialpes.fr/people/krakowia! Introduction aux algorithmes
Plus en détailDOCUMENT DE TRAVAIL 1998-021. Centre de recherche sur l aide à l évaluation et à la décision dans les organisations (CRAEDO)
Publié par : Published by : Publicación de la : Édition électronique : Electronic publishing : Edición electrónica : Disponible sur Internet : Available on Internet Disponible por Internet : Faculté des
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailDon't put socks on the Hippopotamus. Bill BELT Emmanuel DE RYCKEL
Don't put socks on the Hippopotamus Bill BELT Emmanuel DE RYCKEL BEECHFIELD ASSOCIATES 2009 or you will screw up your Supply Chain. BEECHFIELD ASSOCIATES 2009 HIPPO ATTITUDE - inappropriate behavior -
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 31 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 31 Le Cloud, qu est-ce que c est? C est récent Amazon qui commence (2006) avec AWS Dropbox, Google App Engine
Plus en détailSommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.
Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailLes colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce
: apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes
Plus en détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailPhilippe Baptiste. Chargé de Recherches CNRS Professeur chargé de cours à l Ecole Polytechnique Directeur de l'umr CNRS 7161 LIX
Philippe Baptiste Chargé de Recherches CNRS Professeur chargé de cours à l Ecole Polytechnique Directeur de l'umr CNRS 7161 LIX Thèmes de recherche Théorie de l'ordonnancement Optimisation combinatoire
Plus en détailComposants génériques de calcul scientifique
Composants génériques de calcul scientifique T. Géraud et A. Duret-Lutz RAPPORT TECHNIQUE 9901 MARS 1999 Laboratoire de Recherche et Développement d EPITA 14-16, rue Voltaire 94276 Le Kremlin-Bicêtre cedex
Plus en détailProgramme détaillé. Mercredi 25 février
Mercredi 25 février Durée présentation normale: 20 minutes + 5 minutes questions/réponses Durée présentation plénière: 45 minutes + 15 minutes question/réponses Programme détaillé 08:00-09:00 Accueil +
Plus en détailcalls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial
calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne Online Applications Tutorial 1/4 Pour postuler aux Appels d Offres de l ENP, vous devez aller sur la plateforme : calls.parisneuroscience.fr.
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailFONCTION ORDONNANCEMENT AU SEIN
Lebanese Science Journal, Vol. 10, No. 1, 2009 107 FONCTION ORDONNANCEMENT AU SEIN D UN SYSTEME DE GESTION DE PRODUCTION «ETUDE D UN CAS» Mohsen Akrout et Faouzi Masmoudi Ecole Nationale d Ingénieurs de
Plus en détailReprésenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com
Représenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com La Suite LOGIX La Suite LOGIX est un ensemble de produits pour le calcul et l optimisation complète des
Plus en détailCours Optimisation Partie Optimisation Combinatoire. Année scolaire 2008-2009. Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.
Cours Optimisation Partie Optimisation Combinatoire 3ième année ISAE Année scolaire 2008-2009 Gérard Verfaillie ONERA/DCSD/CD, Toulouse Gerard.Verfaillie@onera.fr Septembre 2008 Résumé Ce document couvre
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailLa carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.
La carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.fr Quelques exemples 1 La campagne de Russie de Napoléon
Plus en détailCOORDINATION NON COOPÉRATIVE: MÉTHODES D ENCHÈRES
COORDINATION NON COOPÉRATIVE: MÉTHODES D ENCHÈRES Cours 6c Principe Protocole centralisé, un commissaire-priseur/vendeur (auctioneer) et plusieurs enchérisseurs/acheteurs (bidders) Le commissaire-priseur
Plus en détailChristian BONTEMPS né le 08 juillet 1969
Curriculum Vitae Christian BONTEMPS né le 08 juillet 1969 Situation actuelle : Ingénieur en Chef des Ponts et Chaussées, Chercheur IDEI Professeur Sciences Économiques, GREMAQ - Université Toulouse I.
Plus en détailApplication Form/ Formulaire de demande
Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détail