Métaheuristique

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

2 Les algorithmes de colonies de fourmis pour le PPCMO................................ 45 4. Les algorithmes de colonies de fourmis .................................................................................... 46 4.1 Description de la métaheuristique..................................................................................... 46 L’information heuristique (la visibilité) .................................................................... 47 Les traces de phéromones................

de bornes supérieures ou inférieures pour la valeur de la solution 95Méthodes de résolution Principales (classes de) méthodes de résolution:  Heuristiques et métaheuristiques  Lorsque la solution optimale ne peut être obtenue en un temps raisonnable, on a souvent recours à des méthodes approchées de type heuristique ou métaheuristique (Recuit simulé, Recherche locale, Algorithmes génétique, Colonie de fourmis,…) 96Programmation linéaireProgrammation linéaire Modélisation:  En Recherche Opérationnelle

considéré, dans le but de trouver une solution de qualité raisonnable en un temps de calcul aussi faible que possible" algorithmes gloutons (myopes) règles de priorité cadre général de résolution – composées de deux grandes parties :   Métaheuristiques –  exploration : permet de visiter des régions différentes dans l'espace des solutions exploitation : permet de savoir où se trouvent les meilleures solutions – – à solution unique (Tabou, recuit simulé, ...) à population de solutions

VRPTW. REFERENCES 44 [1] : www.sntl.ma [2] : EL HILALI ALAOUI Ahmed, BENADADA YOUSSEF cour et exercice de programmation mathématique. [3] : Contribution à la résolution du problème de transport durable : modélisation et résolution par les métaheuristiques, EL BOUZEKRI EL IDRISSI ADIBA. [4] : Meriem_akli, Problème de tournées de véhicules avec contraintes et fenêtre de temps. [5] : file:///C:/Users/pc/Desktop/cplex/intro_CPLEX_v2.pdf 45 

fonction de l’environnement (règle dynamique). Si l’on s’intéresse aux méthodes d’ordonnancement, nous pouvons retrouver toutes les méthodes de recherche opérationnelle : la décomposition, la programmation dynamique, les méthodes heuristiques et métaheuristiques : le recuit simulé, les tabous, les algorithmes génétiques. Dans le contexte dynamique d’un atelier de production, la durée d’exécution des opérations peut varier et les machines ne sont pas constamment disponibles pour raison de maintenance

Mémoire du DIPET II, Université de Douala, Douala.26 Foumane, S.A., 2007.Conception d’un systeme de Teleconduite d’un réseau électrique MT : cas de la ville de Yaounde. Mémoire de fin d’Etudes d’ingénieur, ENSP, Yaoundé. Gerbex, S., 2003. Métaheuristiques appliquées au placement optimal de dispositifsFACTS dans un réseau électrique, Thèse de doctorat n°2742. Ecole polytechnique fédérale de Lausanne, Lausanne. Johnson,scholes,whittington et frery,2005,strategique,p 124,pearson education Kamga

là ? ». Partie D : Il y a eu cette année, quatre sujets d’informatique réservés aux étudiants de l’option informatique et vingt sujets de mathématiques. En informatique, les principaux thèmes abordés ont été Affichage rapide de scènes 3D, Métaheuristique pour les problèmes d’optimisation combinatoire. En mathématiques, les principaux thèmes ont été Courbures des surfaces triangulées, Inégalités linéaires matricielles, Paradoxes, Les mesures de Hausdorff – Application à l’ensemble de Cantor, 24

», Anals of Discrete Mathematics 57, Elsevier B.V., 2004 I. Charon, A. Germa, O. Hudry « Méthodes d'optimisation combinatoire », Masson, collection pédagogique de télécommunication, Paris, 1996 J. Dréo, A. Pétrowski, P. Siarry, E. Taillard, « Métaheuristiques pour l'optimisation difficile », Eyrolles, collection algorithmes, Paris, 2003 Mode d'évaluation : Epreuves 1ère session Type d'évaluation Examen écrit Contrôle Continu (CC) Contrôle Continu (CC) Projet DS 1h30 Détails éventuels Durées Coefficients

temps entre la date d’arrivée du chariot et la fenêtre de temps. La meilleure solution proposée à ce jour pour résoudre le problème de tournée des véhicules est la Gestion des chariots cavaliers par des colonies de fourmis Ant Colony9 c’est une métaheuristique qui fait apparaître une solution en plaçant des fourmis artificielles sur un espace de solutions. Le système est autorégulé. En effet, les fourmis déposent de la phéromone sur tout ou partie de la solution trouvée selon sa qualité (rétroaction