1.2.3 Méthodes de résolution
Dans cette partie nous nous intéressons aux méthodes utilisées dans la littérature pour résoudre les problèmes décisionnels des chaînes logistiques, et d’optimisation en général, et qui constituent le support théorique des outils d’aide à la décision que nous venons d’introduire.
De manière générale, les approches d’aide à la décision peuvent faire appel à des techniques de simulation, de recherche opérationnelle, de théorie organisationnelle, ..., ou a des combinaisons de celles-ci. Pour notre part, ici nous nous concentrons sur les méthodes issues de la recherche opérationnelle pour la résolution de problèmes d’optimisation.
Résoudre un problème d’optimisation consiste à trouver, parmi un ensemble de solutions, celle qui minimise ou maximise un critère donné. Trouver la meilleure solution est le but des méthodes exactes comme les procédures par séparation et évaluation (PSE) ou la programmation dynamique. Malheureusement, dans le domaine d’application de la gestion des chaînes logistiques et notamment de la gestion de production, les problèmes sont NP-difficiles (pas d’algorithme de résolution polynomiaux si P = NP, Gary et Johnson [64]), la taille des problèmes industriels est importante et utilisent des variables de décision binaires ou entières (temps discrétisé, par exemple). En conséquence, l’exploration du grand nombre de solutions possibles pour extraire une solution optimale est impossible en des temps raisonnables. Ainsi, les méthodes exactes sont réservées à des problèmes de petite taille et ne sont donc pas adaptés à la résolution de pour des sous-problèmes ou des problèmes simplifiés, par exemple, agrégation des données au moyen terme ou limitation de l’horizon considéré à court terme.
L’alternative pour ces problèmes de planification et d’ordonnancement de grande taille sont les méthodes approchées. Ces méthodes sont très utilisées dans le milieu industriel (souvent dans les
progiciels