Métaheuristique

surveillance et essayer, avec une association de la position aux mesures, de créer une carte de la zone survolée avec les concentrations correspondantes à chaque endroit. On peut utiliser des méthodes d’optimisation s’appuyant sur la métaheuristique : Les métaheuristiques étant très généralistes, elles peuvent être adaptées à tout type de problème d’optimisation pouvant se réduire à une « boîte noire ». Elles sont souvent moins puissantes que des méthodes exactes sur certains types de problèmes. Elles

nombre de projets retenus dans cette étape. En effet, dans un cas où l’on aurait N projets, il y aurait (2N) portefeuilles différents à évaluer et donc, à partir d’un certain nombre de projets, cette approche devient lourde et alors le recours aux métaheuristiques apparaît intéressant. C’est cette voie que nous avons choisie afin de fournir un support efficace et convivial pour la sélection de portefeuille de projets (SPP) et que nous présentons dans cette communication. Illustration de la démarche

dépassement de la disponibilité d’un véhicule. Les équations (10), (11) et (12) assurent le respect des fenêtres de temps. 3- Résolution du problème : Afin de résoudre le problème, l’ingénieur RO a proposé les 3 méthodes suivantes : * Metaheuristique (Algorithme génétique) : Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution

La notion d’algorithme .................................................................................... 511 II.2.1.3 Classification des problèmes d’optimisation ................................................... 521 II.2.2 Heuristiques et métaheuristiques ............................................................................. 531 II.2.2.1 Les algorithmes gloutons ................................................................................. 541 II.2.2.2 Le recuit simulé (Simulated Annealing

la programmation dynamique et la programmation linéaire en nombres entiers, ont été validées dans le cadre du Port de Lille. Dans l’avenir, d’autres techniques d’optimisation telles que les systèmes multi-agents ou des approches basées sur les métaheuristiques seront considérées. Celles-ci seront notamment appliquées à d’autres problématiques telles que le stockage optimal des conteneurs vides en attente et la détermination des plans de chargement des barges. Références [1] M. B. Duinkerken, J

demandées. Ces corelines servent de base pour dessiner heuristiquement un réseau dans un objectif complémentaire de couverture spatiale. [Zhao et Gan, 2003; Zhao et Ubaka, 2004; Zhao et Zeng, 2006] présentent des approches du problème basées sur des métaheuristiques dans un objectif de satisfaction de la demande. Ils utilisent le concept de "key nodes" (arrêts d'importance particulière) pour élaborer de nouveaux voisinages. [Xiong et Schneider, 1993] propose une méthode évolutionnaire (cumulative genetic

d’Air Liquide. A l’issue de cette étape seront identifiés précisément les problèmes sur lesquels se focalisera la recherche et les modèles à développer. Chapitre 2 : Tournées de véhicules sous incertitude de production 16 En me basant sur la métaheuristique développée, je prends ensuite en considération les incertitudes liées à la production, en particulier les pannes d’usine. Je propose une méthode permettant de caractériser les pannes d’usine par des scenarios de pannes, de générer différentes

stabilisation de systèmes dynamiques continus non linéaires exploitant les matrices de formes en flèche. Application à la synchronisation de systèmes chaotiques Systèmes électromécaniques d’écriture Hybridation des méthodes d’optimisation par métaheuristiques pour la commande des systèmes complexes Méthodes de commande des systèmes plats par approches conventionnelles et non conventionnelles Commande sans capteur de position pour moteur pas à pas Modélisation et synthèse de lois de commande intelligentes

5 Approche de résolution 5. Approche de résolution : Introduction Avant de commencer la présentation de nos algorithme, il est intéressant d’apporter au lecteur quelque éléments et définitions sur les techniques appelées heuristique et métaheuristiques les plus utilisées de nos jours et les plus connues pour leur fiabilité (en termes de temps d’exploration et de recherche d’une solution relativement bonne). 5.1 Généralités sur les heuristiques : Il existe en recherche opérationnelle plusieurs

analyse de cycle de vie, CIRANO, Montréal, août 2003 Chankong, V. et Haimes, Y.Y., Multiobjective decision making theory and methodology, North-Holland, 1983, 406 pages. Dhaenens, C. et Talbi, El-G., Optimisation multi-critères: approche par métaheuristiques (http://www.lifl.fr/~dhaenens Guitouni, A. et Martel J-M, Tentative guidelines to help choosing an appropriate MCDA method, Université Laval, 1997 Martel, J-M., Aggregating preferences: utility function and outranking approaches, Université Laval