Vous êtes sur la page 1sur 56

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs


Asma LAHIMER1 , Pierre LOPEZ1 , Mohamed HAOUARI2
1

LAAS-CNRS ; Toulouse ; France


2

INSAT ; Tunis ; Tunisie

CIGI 2011 Saint-Sauveur, QC, Canada 14 octobre 2011

1 / 20

Plan

Pr esentation du probl` eme M ethodes ` a divergences M ethode propos ee R esultats exp erimentaux Conclusion

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Flow shop hybride avec t aches multiprocesseurs

Flow shop hybride avec t aches multiprocesseurs

Etage 1
M11

Etage 2
M21

Etage m
M31

ots

3 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Flow shop hybride avec t aches multiprocesseurs

Flow shop hybride avec t aches multiprocesseurs

Etage 1
M11

Etage 2
M21

Etage m
M31

M12

M32

M33 ots

3 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Flow shop hybride avec t aches multiprocesseurs

Flow shop hybride avec t aches multiprocesseurs

Etage 1
M11

Etage 2
M21

Etage m
M31

M12

M32

M33 ots

3 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Flow shop hybride avec t aches multiprocesseurs

Flow shop hybride avec t aches multiprocesseurs

Etage 1
M11

Etage 2
M21

Etage m
M31

M12

M32

M33 ots

Fm(Pm1 ,. . .,Pmm )|sizeij |Cmax

3 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Domaines dapplications

Domaines dapplications
Lindustrie textile fabrication de circuits imprim es Les syst` emes machine vision temps-r eel acquisition des images par cam eras et capteurs extraction de la g eom etrie de la sc` ene par calculateurs Les syst` emes avioniques temps r eel architectures modulaires int egr ees Les syst` emes dexploitation des ordinateurs

4 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Domaines dapplications

Domaines dapplications
Lindustrie textile fabrication de circuits imprim es Les syst` emes machine vision temps-r eel acquisition des images par cam eras et capteurs extraction de la g eom etrie de la sc` ene par calculateurs Les syst` emes avioniques temps r eel architectures modulaires int egr ees Les syst` emes dexploitation des ordinateurs Complexit e : NP-dicile au sens fort [Hoogeven,1996]

4 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Etat de lart

Revue de la litt erature

M ethodes de r esolution Algorithme g en etique [O guz & Ercan, 2005] Recherche Tabou [O guz et al., 2004] Optimisation par colonies de fourmis [S erifo glu & Ulusoy, 2006] Optimisation par essaim de particules [Ercan et al., 2007] Programmation par contraintes [Jouglet et al., 2009]

5 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Pr esentation du probl` eme Etat de lart

Revue de la litt erature

M ethodes de r esolution Algorithme g en etique [O guz & Ercan, 2005] Recherche Tabou [O guz et al., 2004] Optimisation par colonies de fourmis [S erifo glu & Ulusoy, 2006] Optimisation par essaim de particules [Ercan et al., 2007] Programmation par contraintes [Jouglet et al., 2009] Bornes inf erieures Sp ecique au cas particulier ` a 2 machines (F2) [O guz et al., 2003] Adapt ee au cas g en eral (Fm) [O guz et al., 2004]

5 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences Pr esentation

Pr esentation de la recherche ` a divergences

Origine : LDS (Limited Discrepancy Search) [Harvey & Ginsberg, 1995]

6 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences Pr esentation

Pr esentation de la recherche ` a divergences

Origine : LDS (Limited Discrepancy Search) [Harvey & Ginsberg, 1995]

6 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences Pr esentation

Pr esentation de la recherche ` a divergences

Origine : LDS (Limited Discrepancy Search) [Harvey & Ginsberg, 1995]

Une divergence = contradiction du choix de lheuristique

6 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences ILDS

ILDS : Improved LDS


It eration 0 It eration 1

1 0 It eration 2

2 1

3 1

4 1 It eration 3

5 2

6 2

7 2

8 3

Figure: Trace dex ecution de ILDS

7 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences DDS

DDS : Depth-bounded Discrepancy Search


It eration 0 (d = 0) It eration 1 (d = 1)

1 0 It eration 2 (d = 2)

2 1 It eration 3 (d = 3)

4 1

3 2

8 1

7 2

6 2

5 3

Figure: Trace dex ecution de DDS

8 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethodes ` a divergences CDS

CDS : Climbing Discrepancy Search

fref

f1 fref

f2 fref

...

f5 < fref

Figure: Sc enario dex ecution de CDS (minimisation)

9 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee DADS

DADS : Depth-bounded Adjacent Discrepancy Search


It eration 0 It eration 1

1 0 It eration 2

4 1

3 1

2 1 It eration 3

6 2

5 2

7 3

Figure: Trace dex ecution de DADS


10 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee DADS

DADS : Depth-bounded Adjacent Discrepancy Search


It eration 0 It eration 1

1 0 It eration 2

4 1

3 1

2 1 It eration 3

6 2

5 2

7 3

Figure: Trace dex ecution de DADS


10 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

SRef

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X

SRef

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X SRef X X X X X X

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X SRef X X X X X X X X X

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

SRef

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

X X X X X X

SRef

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

X X X X X X X X SRef X X X X X X

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

X X X X X X X X X X X X SRef X X X X X X X X X

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

X X X X X X X X XXX X X X X X SRef X X X X X X X X X

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee CDADS

Climbing DADS

X X X X X X X X X X X X X X X X SRef X X X X X X X X X

X X X X X X X X XXX X X X X X SRef X X X X X X X X X

Conditions darr et Limite CPU (60 sec) Co ut(Sol)=LB

11 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]
Table: S election des heuristiques

R` egle de priorit e NSPT LastStage Energie Croissante SPT SPR

Performance (%) 27 25 17 14

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]
Table: S election des heuristiques

R` egle de priorit e NSPT LastStage Energie Croissante SPT SPR

Performance (%) 27 25 17 14

Shortest Processing Requirement : sizeij croissant

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]
Table: S election des heuristiques

R` egle de priorit e NSPT LastStage Energie Croissante SPT SPR

Performance (%) 27 25 17 14

Shortest Processing Time : pij croissant

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]
Table: S election des heuristiques

R` egle de priorit e NSPT LastStage Energie Croissante SPT SPR energieij = sizeij pij

Performance (%) 27 25 17 14

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Heuristiques

Heuristiques de d epart

Importance de la qualit e de solution de r ef erence dans CDADS Tests eectu es sur 10 r` egles de priorit es [O guz et al., 2003] ; [S erifo glu & Ulusoy, 2006]
Table: S election des heuristiques

R` egle de priorit e NSPT LastStage Energie Croissante SPT SPR

Performance (%) 27 25 17 14

NSPT : SPT normalis e par rapport ` a max (pij )

12 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

13 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

13 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

13 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

13 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

13 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs M ethode propos ee Bornes inf erieures

Bornes inf erieures

LB = max(LBs , LBj ) LBs = max LB (i )


i =1..m
i 1 m

LB (i ) = min(
j J l =1

plj ) + max(M1 (i ), M2 (i ), max(pij )) + min(


j J j J l =i +1

plj )

M1 (i ) = M2 (i ) =

1 mi

j J

pij sizeij pij


j Bi

j Ai

1 pij + 2

Ai = {j | sizeij > m

mi 2

} , Bi = {j | sizeij =

mi 2

}.

LBj = max(
j J i =1

pij ).

14 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux Environnement de test

Environnement de test

Impl ementation PC Intel Centrino 2 Duo 2 GHz OS : Linux Ubuntu Langage : C++

15 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux Environnement de test

Environnement de test

Impl ementation PC Intel Centrino 2 Duo 2 GHz OS : Linux Ubuntu Langage : C++ Benchmark de [O guz et al., 2004] Taille : 300 instances Nombre de jobs : {5, 10, 20, 50, 100} Nombre d etages : {2, 5, 8} 2 Cat egories : Type 1 et Type 2 Type 1 : mi = 1, . . . , 5 Type 2 : mi = 5

15 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux Environnement de test

Environnement de test

Impl ementation PC Intel Centrino 2 Duo 2 GHz OS : Linux Ubuntu Langage : C++ Benchmark de [O guz et al., 2004] Taille : 300 instances Nombre de jobs : {5, 10, 20, 50, 100} Nombre d etages : {2, 5, 8} 2 Cat egories : Type 1 et Type 2 Type 1 : mi = 1, . . . , 5 Type 2 : mi = 5

Mesures de performance D eviation (%) : Cmax LB LB Cmax Cmax 100 Cmax 100 Temps CPU (sec)

15 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux Performance de CDADS

Performance de CDADS

Table: Performance de CDADS


Probl` emes Type 1 n 5 m 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 Probl` emes Type 2

Avg %dev
0.00 0.21 1.71 0.00 0.66 8.47 0.05 2.57 5.11 0.49 0.54 1.62 0.08 1.50 1.86 1.66

CPU (s)
< 0.1 < 0.1 < 0.1 < 0.1 0.40 < 0.1 0.10 1.10 0.20 2.30 5.00 6.80 11.10 13.60 11.00

Avg %dev
0.00 0.46 0.50 1.72 6.44 9.61 3.34 7.97 15.00 1.74 8.20 12.42 3.32 10.75 14.33 6.39

CPU (s)
< 0.1 < 0.1 < 0.1 < 0.1 < 0.1 < 0.1 3.10 1.30 1.30 4.20 13.50 33.40 22.80 40.90 47.30

10

20

50

100

Avg %dev CPU (s)

3.44

10.53

16 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux CDADS Vs litt erature

CDADS Vs litt erature

Avg %dev
12 10 8 6.39 6 4 2.27 2 1.66 1.6 5.39 11.92 Type 1 Type 2

9.1 7.28

CDADS

GA

CP

MA

17 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux CDADS Vs litt erature

CDADS Vs litt erature

Avg %dev
12 10 8 6.39 6 4 2.27 2 1.66 1.6 0 GA CP MA CDADS 10.53 3.44 5.39 100 11.92 Type 1 Type 2 200 7.28

Temps CPU (en sec)


257257 Type 1 Type 2

9.1

150.41 123.68 94 95

CDADS

GA

CP

MA

17 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs R esultats exp erimentaux CDADS Vs litt erature

CDADS Vs litt erature


Am elioration des meilleures solutions connues 25%
25 Nombre de solutions am elior ees Type 1 Type 2

20

15

10

0 20 40 60 80 100

Nombre de jobs

Figure: Variation du nombre dam eliorations en fonction du nombre de jobs

18 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Contributions

Contributions

Ecacit e de CDADS en termes de temps CPU et de qualit e de solutions obtenues, notamment sur les grandes instances ; Evaluation dheuristiques pour la solution de r ef erence ; Ecacit e de la borne inf erieure (en partie propos ee) ; Incoh erences de certains r esultats de la litt erature recti ees.

19 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Contributions

Contributions

Ecacit e de CDADS en termes de temps CPU et de qualit e de solutions obtenues, notamment sur les grandes instances ; Evaluation dheuristiques pour la solution de r ef erence ; Ecacit e de la borne inf erieure (en partie propos ee) ; Incoh erences de certains r esultats de la litt erature recti ees.

19 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Contributions

Contributions

Ecacit e de CDADS en termes de temps CPU et de qualit e de solutions obtenues, notamment sur les grandes instances ; Evaluation dheuristiques pour la solution de r ef erence ; Ecacit e de la borne inf erieure (en partie propos ee) ; Incoh erences de certains r esultats de la litt erature recti ees.

19 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Contributions

Contributions

Ecacit e de CDADS en termes de temps CPU et de qualit e de solutions obtenues, notamment sur les grandes instances ; Evaluation dheuristiques pour la solution de r ef erence ; Ecacit e de la borne inf erieure (en partie propos ee) ; Incoh erences de certains r esultats de la litt erature recti ees.

19 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Perspectives

Perspectives

G en erer de nouveaux jeux de donn ees avec des instances plus grandes (n = 200, 300, 400, 500) et tester les performances de CDADS ; Tester limpact dadjacence des divergences : tol erer une certaine distance entre les adjacences ; Evaluer la m ethode sur les probl` emes plus simples de ow shop hybride classiques (sizeij = 1, i , j ) ; Appliquer CDADS ` a des probl` emes plus g en eraux (RCPSP) ; Proposer une nouvelle formule de borne inf erieure plus performante en se basant sur la relaxation lin eaire du RCPSP.

20 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Perspectives

Perspectives

G en erer de nouveaux jeux de donn ees avec des instances plus grandes (n = 200, 300, 400, 500) et tester les performances de CDADS ; Tester limpact dadjacence des divergences : tol erer une certaine distance entre les adjacences ; Evaluer la m ethode sur les probl` emes plus simples de ow shop hybride classiques (sizeij = 1, i , j ) ; Appliquer CDADS ` a des probl` emes plus g en eraux (RCPSP) ; Proposer une nouvelle formule de borne inf erieure plus performante en se basant sur la relaxation lin eaire du RCPSP.

20 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Perspectives

Perspectives

G en erer de nouveaux jeux de donn ees avec des instances plus grandes (n = 200, 300, 400, 500) et tester les performances de CDADS ; Tester limpact dadjacence des divergences : tol erer une certaine distance entre les adjacences ; Evaluer la m ethode sur les probl` emes plus simples de ow shop hybride classiques (sizeij = 1, i , j ) ; Appliquer CDADS ` a des probl` emes plus g en eraux (RCPSP) ; Proposer une nouvelle formule de borne inf erieure plus performante en se basant sur la relaxation lin eaire du RCPSP.

20 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Perspectives

Perspectives

G en erer de nouveaux jeux de donn ees avec des instances plus grandes (n = 200, 300, 400, 500) et tester les performances de CDADS ; Tester limpact dadjacence des divergences : tol erer une certaine distance entre les adjacences ; Evaluer la m ethode sur les probl` emes plus simples de ow shop hybride classiques (sizeij = 1, i , j ) ; Appliquer CDADS ` a des probl` emes plus g en eraux (RCPSP) ; Proposer une nouvelle formule de borne inf erieure plus performante en se basant sur la relaxation lin eaire du RCPSP.

20 / 20

Ordonnancement datelier de type ow shop hybride avec t aches multiprocesseurs Conclusion Perspectives

Perspectives

G en erer de nouveaux jeux de donn ees avec des instances plus grandes (n = 200, 300, 400, 500) et tester les performances de CDADS ; Tester limpact dadjacence des divergences : tol erer une certaine distance entre les adjacences ; Evaluer la m ethode sur les probl` emes plus simples de ow shop hybride classiques (sizeij = 1, i , j ) ; Appliquer CDADS ` a des probl` emes plus g en eraux (RCPSP) ; Proposer une nouvelle formule de borne inf erieure plus performante en se basant sur la relaxation lin eaire du RCPSP.

20 / 20