Métaheuristique

MEMOIRE PRESENTE EN VUE D’OBTENIR L’EXAMEN PROBATOIRE EN INFORMATIQUE PAR BAPTISTE AUTIN Les métaheuristiques en optimisation combinatoire Soutenu le 9 mai 2006 - Jury - Président : M. le Professeur Christophe Picouleau Membres : TABLES DES MATIERES Tables des matieres 2 Introduction 3 1. Les métaheuristiques, une réponse aux problèmes d’optimisation difficile 4 1.1 Le cadre de l’optimisation combinatoire 4 Exemples de problèmes

“Conception, Analyse et Gestion des Systèmes Industriels” MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France) LES METAHEURISTIQUES : DES OUTILS PERFORMANTS POUR LES PROBLEMES INDUSTRIELS Marino WIDMER Université de Fribourg Département d’informatique Rue Faucigny 2 CH – 1700 Fribourg (Suisse) Mél : marino.widmer@unifr.ch RESUME : Durant ces dernières années, plusieurs métaheuristiques ont prouvé leur efficacité pour la résolution de problèmes combinatoires, ensemble auquel appartiennent plusieurs

ﺭﺎﻧﻣﻟﺍ ﺲﻧﻭﺗ ﺔﻌﻣﺎﺠ Université de Tunis El Manar [pic] Département Génie Industriel Projet Bibliographique Les métaheuristiques en recherche opérationnelle Réalisé par : Arwa ABDI Mahdi GUERMAZI Classe : 1 GI 3 Encadrés par : Safa BHAR Année universitaire 2011/2012 Résumé Les métaheuristiques forment un ensemble de méthodes utilisées en recherche opérationnelle pour résoudre des problèmes d’optimisation réputés difficiles

Design of Network Schedules Présenté par : Supervisé par: Mr HAMDAOUI • • • • Introduction Le problème de capacité Ferroviaire Méthode d’évaluation du problème Formalisation linéaire et Méthode de Résolution(Set Packing) • Adaptation de la Métaheuristique du GRASP • Conclusion 1 Design of Network Schedules Introduction Projet de Recherche Opérationnel Le transport ferroviaire a donné lieu à de très nombreuses applications en Recherche Opérationnelle. Ce mode de transport est actuellement

pour résoudre le SVRPTW utilise une métaheuristique. Celle-ci fait partie d’un ensemble constituant une classe de méthodes approchées adaptables à un très grand nombre de problèmes combinatoires et de problèmes d'affectation sous contraintes. Elles ont révélé leur grande efficacité pour fournir des solutions approchées de bonne qualité pour un grand nombre de problèmes d'optimisation classiques et d'applications réelles de grande taille. Parmi les métaheuristiques nous citons les algorithmes évolutionnistes

1) Introduction Les métaheuristiques forment un ensemble de méthodes utilisées en recherche opérationnelle pour résoudre des problèmes d’optimisation réputés difficiles. Résoudre un problème d’optimisation combinatoire, c’est trouver l’optimum d’une fonction, parmi un nombre fini de choix, souvent très grand. Les applications concrètes sont nombreuses, que ce soit dans le domaine de la production industrielle, des transports ou de l’économie – partout où se fait sentir le besoin de minimiser des

Elle s’ est particulièrement faite connaître par l’ intermédiaire des algorithmes génétiques dont l’ origine remonte aux travaux de Holland [Holland, 1975]. Le but de ce chapitre n’ est pas de donner une description précise de l’ ensemble des métaheuristiques couramment utilisées en optimisation. Nous visons plutôt à guider toute personne désirant adapter une méta-heuristique à un problème particulier d’ optimisation. Pour ce faire, nous décrivons tout d’ abord brièvement, dans la prochaine section

le problème du voyageur de commerce. Rapport Page 17 RECUIT SIMULE 1er juillet 2013 10. Bibliographie AI Methods - Simulated Annealing [Rapport] : complément de cours / aut. Kendall Graham / CS - Nottingham University. Les métaheuristiques en optimisation combinatoire [Rapport] : Mémoire de fin d'etudes / aut. Autin Baptiste / Conservatoire National Des Arts et Metiers. - PARIS : [s.n.], 2006. Méthode du recuit simulé [Rapport] : complément TD/TP Recherche stochastique / aut. Olivier

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 95 95 96 98 102 Les méthodes exploitant une métaheuristique 5.1 Qu’est-ce qu’une métaheuristique ? . . . . . . . . . . . . . . . . . . . . 5.2 Décomposition des tâches en optimisation . . . . . . . . . . . . . . . . 5.3 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 Le recuit simulé . .

nombres entiers et la programmation linéaire binaire ({0, 1}n ). Lorsque les contraintes et/ou la fonction objectif sont non linéaires, on parle de programmation non linéaires. Beaucoup de techniques de résolution (méthodes exactes, heuristiques, métaheuristiques) existent dans la littérature pour la résolution des problèmes linéaires et non linéaires. Parmi elles, nous pouvons en citer : Méthode du Simplexe (que nous étudierons dans la section 1.5, Branch-and-Bound ou Séparation et Evaluation progressive