Vous êtes sur la page 1sur 180

N

o
dordre : 76
ECOLE CENTRALE DE LILLE
THSE
En co-tutelle avec lEcole Nationale des Sciences de lInformatique de Tunis
prsente en vue
dobtenir le grade de
Docteur
en
Spcialit : Automatique et Informatique Industrielle
par
Meriam Kefi Gazdar
DOCTORAT DELIVRE PAR LECOLE CENTRALE DE LILLE
Titre de la thse :
Optimisation Heuristique Distribue du Problme de Stockage de Conteneurs
dans un Port
Soutenue le 23 Juin 2008 devant le jury compos de :
M. Faouzi Ghorbel Prof. ENSI Prsident
M. Moncef Tagina Prof. ENSI Rapporteur
M. Ren Mandiau Prof. UVHC Rapporteur
M. Khaled Ghdira Prof. ENSI Directeur de thse
M. Pascal Yim Prof. ECL Directeur de thse
Thse prpare dans le Laboratoire LAGIS, Ecole Centrale de Lille
Ecole Doctorale SPI 072
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
A mes trs chers parents, dont leur tmoin ducatif est transmis leurs enfants ;
A mon cher poux Achraf ;
A mes chers frres ;
A tous les miens.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Remerciements
Jexprime mes profonds remerciements Monsieur Khaled Ghdira, professeur lENSI,
directeur de cette thse en Tunisie, responsable du laboratoire SOIE et directeur de lENSI qui
na jamais compt prcieux conseils et judicieuses suggestions. Quil soit assur de ma gratitude
et de ma reconnaissance pour son soutien durant ces annes de recherche.
Je tiens remercier galement Monsieur Pascal Yim, Professeur lECL, qui ma co-encadr au
cours de ces annes dans le cadre dune cotutelle, pour son aide et son soutien inconditionnels.
Mes plus vifs remerciements vont galement Monsieur Faouzi Ghorbel, professeur lENSI,
pour avoir accept de prsider le jury de cette thse.
Je tiens exprimer toute ma reconnaissance Monsieur Ren Mandiau, professeur lUniversit
de Valenciennes et du Hainaut-Cambrsis, et Monsieur Moncef Tagina, Matre de confrences
lENSI, pour avoir accept de rapporter cette thse et pour leurs critiques constructives qui
ont permis damliorer la qualit de ce manuscrit.
Jadresse mes remerciements galement Monsieur Ouajdi Korbaa, Matre de confrences
lISITC de Hammam Sousse pour mavoir suivie de prs tout au long de cette thse.
Jaimerais remercier aussi Monsieur Mohamed Ben Ahmed, Professeur mrite lENSI davoir
apport des jugements trs constructifs permettant lamlioration du manuscrit et je lui en suis
reconnaissante.
Mes remerciements vont aussi lOce de la Marine Marchande et tout particulirement Mon-
sieur Foued Ben Othman, directeur de lOMMP et Madame Olfa Elphil pour stre intresss
mon travail et mavoir aid accomplir mon tude exprimentale au sein du port de Rads.
Je remercie Mme Safya Belghith, Professeur lENIT et Directrice de lESTI de Tunis pour
mavoir aid mener bien ce travail.
Mes remerciements vont mes collgues de SOIE, LI3, ENSI, ESTI et LAGIS avec qui jai
pass des moments inoubliables. Jen garderai de bons souvenirs.
Merci mes parents et mes deux frres pour leur soutien moral et lintrt quils ont toujours
port ce que je faisais ...
Merci Achraf pour avoir subi plus que les autres ma thse et pour sa prsence inestimable
mes cots.
Ma profonde gratitude tous les membres de ma famille, et particulirement une pense tous
ceux qui me sont chers et qui ne sont plus parmi nous.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Il faut faire de la vie un rve et dun rve une ralit.
Pierre Curie
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Rsum
Les terminaux conteneurs constituent des interfaces inter-modales essentielles pour le r-
seau de transport mondial. Une manutention ecace des conteneurs dans des terminaux est
dune importance cruciale pour la rduction des cots de transport et la dtermination des
plans dembarquement. Dans ce rapport de thse, nous proposons principalement une approche
de rsolution distribue travers la description dun modle doptimisation heuristique distri-
bue baptis COSAH (COntainer Stacking via multi-Agent approach and Heuristic method)
qui permet de simuler, rsoudre et optimiser lespace de stockage disponible pour manier les
dparts et les arrives des conteneurs dans un port uvial ou maritime. Autrement dit, CO-
SAH permet de minimiser le nombre total de mouvements parasites tout en respectant des
contraintes dynamiques despace et de temps.
Les performances de COSAH sont ensuite values sur des instances gnres alatoirement,
ainsi que des instances extraites de la ralit dun port maritime tunisien : le port de Rads.
En eet, nous avons procd une tude exprimentale implmentant et comparant COSAH
la version centralise associe, toutes deux bases sur un algorithme de recherche non informe
et un algorithme de recherche informe. Les rsultats obtenus, prsents et illustrs, montrent
lecacit de COSAH en particulier, et dune mthode doptimisation heuristique distribue
alliant les deux concepts : Agent et Heuristique, en gnral.
Mots cls : approche multi-agent, co-rsolution, mthode heuristique, rseaux de Petri
colors, rsolution distribue de problmes, stockage de conteneurs, transport conteneuris.
Abstract
Container terminals are essential intermodal interfaces in the global transportation network.
Ecient container handling at terminals is of vital importance for the reduction of transporta-
tion costs as well as the determination of shipping schedules. In this thesis report, we propose a
distributed solving approach through the development of a distributed Heuristic-Optimization
model denoted COSAH (COntainer Stacking via multi-Agent approach and Heuristic method)
that allows to simulate, solve and optimize the amount of storage space for handling container
departures and arrivals within a uvial or maritime port. COSAH allows to minimize the ex-
pected total number of rehandles while respecting spatio-temporal constraints. Performances
of COSAH are then evaluated based on random-generated instances, as well as on instances
extracted from a real-world case study : the port of Rads. Indeed, we conducted an experi-
mental study implementing and comparing COSAH to the associated centralized version based
on non informed-search algorithm and an informed-search algorithm. The obtained results,
presented and illustrated, evince the eciency of COSAH in particular, and of a distributed
heuristic-optimization method combining two concepts : Agent and Heuristic, in general.
Keywords : colored Petri nets, container stacking, containerized transport, distributed
problem-solving, eco-solving, heuristic method, multi-agent approach.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Table des matires
Table des matires 1
Table des gures 5
Liste des algorithmes 7
Introduction Gnrale 9
I tat de lart 15
1 Transport Conteneuris 17
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2 Le transport . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3 Le transport maritime . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Le transport de marchandises . . . . . . . . . . . . . . . . 19
1.3.2 Les trois rvolutions du transport maritime . . . . . . . . . 21
1.4 Le transport uvial . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5 La conteneurisation . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.1 La rvolution du conteneur . . . . . . . . . . . . . . . . . . 23
1.5.2 1956, naissance dun concept . . . . . . . . . . . . . . . . . 24
1.5.3 Le principe de la standardisation . . . . . . . . . . . . . . 24
1.5.4 Manutention et expditions . . . . . . . . . . . . . . . . . 25
1.5.5 Les oprations dans un terminal conteneurs . . . . . . . 26
1.5.6 Les systmes dinformation . . . . . . . . . . . . . . . . . . 26
1.5.7 La multimodalit Multimodal Transport . . . . . . . . . . 28
1
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
2 Table des matires
1.5.8 Avantages et Inconvnients de la conteneurisation . . . . . 29
1.6 Les ports conteneuriss . . . . . . . . . . . . . . . . . . . . . . . . 30
1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2 Problme de Stockage de Conteneurs (PSC) 33
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Processus dans un terminal Conteneurs . . . . . . . . . . . . . . 34
2.2.1 Planication de navires . . . . . . . . . . . . . . . . . . . . 35
2.2.2 Transport sur le quai Quay Transport . . . . . . . . . . . . 39
2.2.3 Ordonnancement des quipements de manutention . . . . . 41
2.3 Problme de Stockage de Conteneurs -PSC Container Stacking
Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2.3.1 Dnition du PSC . . . . . . . . . . . . . . . . . . . . . . 47
2.3.2 Formulation du PSC . . . . . . . . . . . . . . . . . . . . . 47
2.3.3 Problmes analogues . . . . . . . . . . . . . . . . . . . . . 51
2.3.4 Mthodes existantes pour la rsolution du PSC . . . . . . 52
2.4 Classication des travaux selon les ports conteneuriss dans le monde 59
2.5 Bilan et synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
II Approche propose 63
3 Mthodes et approches adoptes 65
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2 Les systmes multi-agent . . . . . . . . . . . . . . . . . . . . . . . 66
3.2.1 Pourquoi avons-nous opt pour les systmes multi-agent ? . 66
3.2.2 Quelques concepts . . . . . . . . . . . . . . . . . . . . . . 68
3.2.3 Rsolution par coordination : lco-rsolution . . . . . . . . 75
3.2.4 Formalisation des Systmes Multi-Agent . . . . . . . . . . 77
3.3 Les rseaux de Petri . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.3.1 Dnition dun rseau de Petri . . . . . . . . . . . . . . . . 81
3.3.2 Rseaux de Petri colors et la plate-forme CPN-Tools . . . 82
3.4 Optimisation heuristique . . . . . . . . . . . . . . . . . . . . . . . 83
3.4.1 Que faire face un problme NP-dur ? . . . . . . . . . . . 83
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Table des matires 3
3.4.2 Classes dheuristiques . . . . . . . . . . . . . . . . . . . . . 86
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4 Le modle COSAH : Un modle dOptimisation Heuristique Dis-
tribue du PSC 91
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2 Modle de base : ContEco . . . . . . . . . . . . . . . . . . . . . . 92
4.2.1 Description de la version relaxe du PSC : PSCR . . . . . 93
4.2.2 Description de ContEco . . . . . . . . . . . . . . . . . . . 95
4.3 Le modle COSAH . . . . . . . . . . . . . . . . . . . . . . . . . . 101
4.3.1 Description du problme tudi . . . . . . . . . . . . . . . 102
4.3.2 Description du modle COSAH . . . . . . . . . . . . . . . 104
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5 Validation Exprimentale 135
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
5.2 Implmentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
5.2.1 Critres de choix . . . . . . . . . . . . . . . . . . . . . . . 136
5.2.2 Prsentation de JADE . . . . . . . . . . . . . . . . . . . . 137
5.3 Exprimentations . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.3.1 Instances . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
5.3.2 Rsultats numriques . . . . . . . . . . . . . . . . . . . . . 138
5.4 Cas dtude : Port de Rads . . . . . . . . . . . . . . . . . . . . . 145
5.4.1 Prsentation du port . . . . . . . . . . . . . . . . . . . . . 146
5.4.2 Exprimentations . . . . . . . . . . . . . . . . . . . . . . . 149
5.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
Conclusion Gnrale 151
Bibliographie 167
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
4 Table des matires
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Table des gures
1.1 Le turnover mondial de conteneurs (en million EVP) . . . . . . . 21
2.1 Succession des oprations dans un terminal conteneurs . . . . . 35
2.2 Types dquipements de manutention . . . . . . . . . . . . . . . . 44
2.3 Illustration de la reprsentation dun tat . . . . . . . . . . . . . . 48
2.4 Modle uncertain doptimisation plusieurs tapes . . . . . . . . 50
2.5 Exemple de manipulation des cubes . . . . . . . . . . . . . . . . 52
2.6 Analogie entre le PSC et le problme du monde des cubes . . . . 53
3.1 Evolution des paradigmes de programmation . . . . . . . . . . . . 68
3.2 Tir dune transition sensibilise . . . . . . . . . . . . . . . . . . . 82
4.1 Schma Conceptuel de lapproche propose . . . . . . . . . . . . . 92
4.2 Conguration initiale et conguration nale atteindre . . . . . . 95
4.3 Composants dun agent Conteneur et ses interactions . . . . . . . 96
4.4 Module dautonomie dun agent Conteneur . . . . . . . . . . . . . 99
4.5 Module de rception dun agent Conteneur . . . . . . . . . . . . . 99
4.6 Message " Tu_me_gnes (G) " . . . . . . . . . . . . . . . . . . . 100
4.7 Message " Chercher_Place (CP) " . . . . . . . . . . . . . . . . . 100
4.8 Message " Sur_Toi (ST) " . . . . . . . . . . . . . . . . . . . . . . 101
4.9 Message " Tu_es_Libre (L) " . . . . . . . . . . . . . . . . . . . . 101
4.10 Composants du module de prise de dcision dun agent Conteneur 124
5.1 Comparaison DistNIS par rapport CentNIS . . . . . . . . . . . 139
5.2 Comparaison de DistIS par rapport CentIS . . . . . . . . . . . . 140
5.3 Comparaison de CentIS par rapport CentNIS . . . . . . . . . . 141
5
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
6 Table des gures
5.4 Comparaison de DistIS par rapport DistNIS . . . . . . . . . . . 142
5.5 Mesure de performance de COSAH par rapport la borne maxi-
male . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
5.6 Exemple de calcul de la borne maximale du nombre de mouvements144
5.7 Sensibilit de DistIS et de DistNIS la hauteur moyenne . . . . . 145
5.8 Mesure de performance de COSAH par rapport la politique ac-
tuelle du port . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Liste des Algorithmes
4.1 Comportement global des agents Conteneur . . . . . . . . . . . . 110
4.2 Comportement de dpart des agents Conteneur A . . . . . . . . . 111
4.3 Messages changs entre les agents Conteneur . . . . . . . . . . . 112
4.4 Comportement des agents Conteneur recevant le message gn() . 113
4.5 Comportement des agents Conteneur perturbs . . . . . . . . . . 113
4.6 Comportement des agents Conteneur recevant le message Cher-
cherPlace() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.7 Comportement des agents Conteneur recevant le message JeSuis-
Libre() . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.8 Comportement des agents Conteneur recevant le message Dsol() 115
4.9 Comportement des agents Conteneur recevant le message Migrer () 116
4.10 Comportement des agents Conteneur recevant le message Conr-
mer () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
4.11 Comportement des agents Conteneur recevant le message Rejeter () 117
4.12 Comportement des agents Conteneur recevant le message TuEs-
Libre () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.13 Traitement des arrives li
me
dpart . . . . . . . . . . . . . . . 119
4.14 Algorithme doptimisation heuristique . . . . . . . . . . . . . . . . 131
7
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
8 Liste des Algorithmes
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Introduction Gnrale
Cette introduction a pour objectif de dnir notre problmatique de recherche
et de prsenter le positionnement scientique de notre dmarche pour y rpondre :
Problmatique
Le transport uvial et maritime devient, de nos jours, de plus en plus impor-
tant et reprsente une alternative crdible et intressante au transport terrestre et
arien. Linterdpendance entre commerce et ux de biens et de services, en voie
dvolution continue, fait que ce systme de transport reprsente une proccupa-
tion dune importance cruciale. En eet, les direntes compagnies et entreprises
fournissent de grands eorts dans le but de dtecter des possibilits de rduction
des cots associs ce transport. Ces cots sont aects par les temps morts dans
le cas de navires improductifs immobiliss dans un port, et aux changes entre les
dirents modes de transport dans les ports (terrestre, ferroviaire ou navigable)
dans le cas de transport multimodal. Cest donc la recherche les rduire au mi-
nimum an dcourter la distance navire-zone de stockage et dquilibrer les deux
cycles : le cycle Bord (Grue de quai-quai) et le cycle Terre (quai-vhicules-zone de
stockage). Lune des solutions retenues entre autres, est la conteneurisation qui
sest vritablement gnralise pour le transport maritime et uvial des marchan-
dises solides sur toutes les mers du globe. Cette solution a permis de raliser des
conomies via la standardisation des dimensions, la scurit des marchandises,
lacclration des oprations de manutention favorisant lautomatisation du char-
gement (ou gerbage) et du dchargement (ou enlvement) et lattnuation des
ruptures de charge lors des transbordements dun mode de transport lautre.
La conteneurisation peut induire cependant des cots levs lis aux investisse-
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
10 Introduction Gnrale
ments en espace de stockage, lapprovisionnement et entretien des quipements,
aux temps morts ou mouvements inutiles durant le processus dchargement-
stockage-chargement des conteneurs et au dsquilibre du ux de marchandises
imposant des transports de conteneurs vides.
Toutefois, pour tre comptitif, le transport uvial ou maritime doit amliorer
ses services et baisser ses cots. De ce fait, plusieurs interrogations simposent :
Comment peut-on assurer un meilleur cheminement de marchandises ? Comment
peut-on minimiser les retards ?, Comment doit-on procder an daugmenter les
capacits de stockage ? etc. Toutes ces questions se posent au niveau des direntes
activits sexerant dans un port conteneurs, et constituent des objectifs soucis
des thoriciens et praticiens tel quils sont dcrits dans [SVS04, GG06].
Dans le contexte dun port uvial ou maritime devant grer un trac de conte-
neurs au croisement de voies terrestres, ferroviaires et uviales/ maritimes et ga-
lement responsable de la gestion dun stock de conteneurs sur son site, la gestion
des quais constitue un ensemble de problmes de dcision rsoudre pour faire
face un aux important de conteneurs et une augmentation de la taille des
navires. On est men soit augmenter la taille des ports, alternative coteuse en
terme de ressources spatiales et matrielles mais facile car elle ne demande aucun
eort doptimisation, soit amliorer la productivit, solution plutt raisonnable
mais demandant de grands eorts de rexion lchelle pratique et thorique.
Dans notre cadre, amliorer la productivit revient minimiser le temps pass
par un conteneur ou un navire dans un port que ce soit en import ou en export.
Nanmoins, loptimisation de la gestion et de la logistique des conteneurs dans
un port et plus prcisment la gestion ne de placement des conteneurs apparat
comme un problme part entire avec ses dicults propres jouant un rle pr-
pondrant dans la minimisation des temps morts. Ce problme est connu dans la
littrature par Container Stacking (Storage ou encore Handling) Problem. Il sera
dsign dans la suite par lacronyme PSC : " Problme de Stockage de Conte-
neurs ". Il sagit de la manutention des conteneurs en import ou en export qui
peut conduire de nombreux dplacements ou remaniements inutiles, consistant
dpiler un nombre de conteneurs pour atteindre un conteneur bien dtermin
plac en dessous de la pile. Lobjectif donc est de rduire ces dplacements appels
mouvements parasites ou remaniements Shifting moves/ unproductive moves. Ce
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Introduction Gnrale 11
problme est modlis par un systme complexe, dynamique et incertain dans le-
quel les interactions entre ses dirents lments (conteneurs, navires, ressources
matrielles, etc.) sont en perptuelle volution (arrives imprvues de conteneurs,
dparts estims pour les conteneurs en export, changements continus de variables)
ncessitant, de ce fait, la remise en question de sa structure et de sa dynamique.
En rsum, la problmatique dnie ci-dessus snonce par : Comment d-
velopper une mthode capable de modliser, simuler, rsoudre et optimiser le
processus de stockage de conteneurs dans un port ?
Objectifs
Ainsi dcrit et par analogie aux problmes classiques de planication, le pro-
blme de stockage de conteneurs PSC est considr NP-dicile et NP-complet.
Une solution optimale de ce problme est un plan dactions de dpilement/empilement
de conteneurs de longueur minimale, cest--dire constitu dun nombre de mou-
vements de dplacements minimal, tenant compte des contraintes dynamiques
que ce soit en terme despace ou de temps. Les interactions, les collaborations et
les dynamiques qui en dcoulent font que le PSC est modlis par un systme
complexe dune part, cest dire constitu de nombreux composants en interac-
tion dynamique entre eux et avec le monde extrieur ; et dautre part ouvert, cest
dire capable de maintenir ses fonctions malgr les arrives et dparts de ses com-
posants. Peu de travaux de recherche lui ont t consacrs. En eet, nous avons
constat que ces travaux utilisent pour la plupart des modles analytiques (les
modles mathmatiques et la programmation dynamique) rgis par des lois sto-
chastiques, et des modles de simulation comme ceux qui font appel lapproche
oriente objet ou lapproche multi-agent. Nous retrouvons aussi des mthodes
incompltes tels que les algorithmes gntiques qui sinteressent minimiser le
temps pass par un navire au quai dun port de terminaux conteneurs. Ces
modles savrent trs limits face la dynamique et la nature combinatoire de
ce problme.
tant donns ses multiples aspects, il serait intressant daborder globalement
et en profondeur cette problmatique dans cette thse. Nous aurons recours deux
notions fondamentales : Les Systmes Multi-Agent, et les Heuristiques. Dune
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
12 Introduction Gnrale
part, les systmes multi-agent connaissent actuellement un certain engouement, et
constituent une solution propose par la communaut de lintelligence articielle
distribue qui semble adapte de nombreux problmes en raison de leur capacit
aborder les systmes complexes et ouverts.
Dautre part, les heuristiques permettent de fournir des solutions ralisables de
qualit acceptable souvent trs proches de loptimal et dtermines en un temps
raisonnable (complexit polynomiale). Elles sont situes mi-chemin entre les
mthodes exactes de recherche oprationnelle qui se limitent la nature combina-
toire de ces problmes rendant dicile la rsolution des problmes rels tels que le
PSC et les mtaheuristiques dont linconvnient relve de leur sensibilit aux dif-
frents problmes doptimisation combinatoire vu quelles ncessitent un contrle
prcis des paramtres dexcution et souvent des changements dynamiques de ces
paramtres pour sadapter chaque problme.
Notre travail consiste alors associer les concepts de systmes Multi-agent
et de loptimisation heuristique, et ce en proposant un modle doptimisation
heuristique distribue baptis COSAH pour COntainer Stacking based on multi-
Agent approach and Heuristic method qui allie dune part, les caractristiques des
systmes Multi-agent pour la prise de dcision, la communication et la coopra-
tion inter agents limage de conversation humaine et dautre part, la mise en
face dune certaine "intelligence" supporte par des heuristiques. Nous pensons
que la combinaison des deux notions : distribution et heuristique qui, spar-
ment, fournissaient de bons rsultats, reprsente une potentialit damlioration
intressante.
Dans un contexte bien dtermin, selon des motivations et des enjeux que nous
allons dnir, et considrant des hypothses de travail que nous allons dcrire,
le modle COSAH doit optimiser le placement des conteneurs dans la zone de
stockage (statique ou dynamique selon les dparts ou les arrives de navires ou
camions ou de conteneurs en import ou en export) en minimisant le nombre de
mouvements improductifs respectant un nombre de contraintes spatio-temporelles
et tenant compte de plusieurs paramtres pouvant catgoriser les conteneurs et
dnir une certaine priorit entre eux (destination, taille, date de dpart, horizon
des arrives des barges ou navires associs).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Introduction Gnrale 13
Organisation du Rapport
Lorganisation de cette thse suit une progression ordonne. Ce document se
dcompose en deux parties correspondant au cheminement de notre dmarche
scientique.
Partie 1 : tat de lart
La premire partie expose notre contexte de travail dans deux chapitres. Le
premier chapitre prsente le transport conteneuris, contexte de notre problma-
tique, et dnit les direntes terminologies et concepts intrinsques. Le deuxime
chapitre survole, en premier lieu la littrature des problmes de dcision rencon-
trs et dcoulant de lactivit et de la logistique des conteneurs sur un terminal
conteneurs. En deuxime lieu, ce chapitre se concentre sur le problme tudi :
le PSC en faisant un tour dhorizon des problmes analogues, et des mthodes
de rsolution qui lui sont ddies. Cela permet de souligner la complexit, la
dynamique et louverture caractrisant le PSC.
Cette partie nous permet ainsi de nous positionner par rapport notre probl-
matique et de spcier nos orientations et nos choix qui serviront de fondements
notre proposition.
Partie 2 : Approche Propose
La deuxime partie sera ddie lapproche de rsolution distribue que nous
proposons pour la rsolution et loptimisation du problme de stockage de conte-
neurs. Elle sarticule autour de trois chapitres : le premier chapitre prsente
dabord les concepts cls de notre rexion : le paradigme Multi-agent, le for-
malisme rseaux de Petri colors et les mthodes heuristiques, an de dnir
quelques notions que nous retrouvons au l de cette thse et de justier des choix
que nous adoptons dans notre proposition.
Le deuxime chapitre prsente notre proposition constitue de deux contribu-
tions : Dabord, une premire contribution releve par un modle multi-agent de
base baptis ContEco traitant une version relaxe du PSC dsigne par PSCR. Ce
modle est conu et dvelopp par analogie au modle dco-rsolution dvelopp
pour le problme de planication classique " le monde des cubes ". En outre, ce
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
14 Introduction Gnrale
chapitre expose une formalisation de ce modle utilisant la mthode formelle : les
rseaux de Petri colors.
Ensuite, une deuxime et principale contribution releve par le modle CO-
SAH. Ce chapitre analyse en dtails larchitecture, les connaissances de base, et
la dynamique des agents mis en jeu. Il sattarde sur la mthode heuristique mise
en oeuvre dans ce modle ainsi que sur les tapes attractives du comportement
des agents.
Le troisime chapitre valide notre modle COSAH en procdant une tude
empirique et comparative implmentant et simulant celui -ci, et des exprimen-
tations visant valuer ses performances via des jeux de tests gnrs alatoire-
ment. Il propose un prototype sappuyant sur la plate-forme multi-agent JADE
et intgrant toutes les particularits inhrentes notre problme et au modle
COSAH. Il dcrit en outre lenvironnement de limplmentation, les paramtres
dexprimentations et les rsultats obtenus. Il vrie enn la validit de notre
proposition utilisant un jeu de tests rels dans le cas dun port maritime : le port
de Rads en Tunisie.
Enn nous concluons notre travail tant au niveau des apports que des ouver-
tures envisages.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Premire partie
tat de lart
15
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Chapitre 1
Transport Conteneuris
1.1 Introduction
Indubitablement, le transport joue un rle capital au sein de lconomie de
par son omniprsence dans la chane de production et ce, toute chelle go-
graphique. Le transport se conoit comme une composante intgrale du cycle de
production-consommation. En fait, bien souvent les entreprises et les individus
doivent prendre des dcisions sur les routes emprunter an dacheminer du
fret ou des individus travers lespace conomique. Il nest pas exceptionnel de
constater que les cots de transport peuvent reprsenter 20% du prix total dun
bien. Le choix du mode de transport pour acheminer de la marchandise ou des
individus dune origine une destination devient grand dans un contexte mar-
qu par la production de biens de consommation lgers et par des techniques de
production de plus en plus avances. Ce choix dpend dun nombre de facteurs
telles que la nature des biens, les infrastructures disponibles, les origines et les
destinations.
Les modes de transport sont : le transport terrestre, le transport uvial ou ma-
ritime et transport arien. Ils reprsentent une part importante de la gographie
des transports en tant que pourvoyeurs de mobilit.
Le transport maritime ou uvial a t traditionnellement un vecteur de com-
merce et de progrs trs fortement concurrenc aujourdhui par le chemin de fer
et la route. Compares dautres modes de transport, les voies navigables orent
17
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
18 Transport Conteneuris
plusieurs avantages sur lesquels les constructeurs ont su capitaliser. Leur cot est
faible, ramen la tonne-kilomtre. En eet, 25000 milliards de Tonnes-Km de
fret parcourent les ocans annuellement compars 7000 pour le rail et 3 000 pour
la route. Il sagit de pas moins de 71% de tout le fret mondial transport. Les
dernires annes, les compagnies leaders de ce mode de transport peu consomma-
teur dnergie ont su le abiliser et ladapter aux grands volumes de fret. Comme
les modes arien et terrestre, le transport maritime volue sur son espace propre :
un espace la fois gographique par ses attributs mais aussi stratgique par son
rle.
Les plus rcentes avances technologiques touchant au transport par voie na-
vigable ont cherch modier les cluses et les canaux, augmenter la taille,
automatiser et spcialiser les navires (porte-conteneurs, vraquier, navire-citerne
etc.), et dployer la conteneurisation du transport. Ces transformations sont
lorigine en partie, du dveloppement dun trac maritime attentif la demande
accrue en combustibles ainsi qu la gographie des grands marchs craliers.
Dans ce qui suit, nous proposons une dnition profonde des notions ci intro-
duites, savrant ncessaire pour dlimiter le cadre gnral de la problmatique
souleve dans ce travail. Nous nous rfrons Steenken et al. [SVS04] et des
statistiques extraites des notes dISEMAR [NS002, NS003].
1.2 Le transport
Le transport est le dplacement de personnes ou de biens dun endroit un
autre. Les transports modernes constituent un systme. Chaque sous-systme
(selon le mode de transport) est constitu dune infrastructure (linaire pour
les transports terrestres et ponctuelle pour les transports maritimes et ariens),
de vhicules (individuels ou regroups en rames) ou de ux continus (pour les
transports par conduites : gazoducs, oloducs) et de techniques dexploitation
particulires.
De nos jours, le transport de personnes (voyageurs) et le transport de mar-
chandises (fret), plus ou moins confondus jusqu une poque rcente, constituent
deux systmes de plus en plus indpendants, mme sils utilisent parfois les mmes
infrastructures et plus rarement les mmes vhicules. Lensemble des oprations
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le transport maritime 19
de transport de fret, ainsi que tous les services impliqus dans la rception, la
livraison et la manutention des biens pour que ceux-ci soient livrs au moment
voulu chez le destinataire constitue la logistique.
1.3 Le transport maritime
Associe aux transports terrestres que furent le portage ( dos danimal ou
dhomme) et le roulage (voies romaines), la navigation maritime constitua le pre-
mier systme de transport. Elle favorisa, en premier lieu, les littoraux situs sur
les mers les plus propices au trac maritime courte distance (cabotage), par-
ticulirement de lAsie du Sud-est, et plus encore celui de la Mditerrane et de
lEurope du nord-ouest. Cest donc dabord de ces mers fermes que partit le d-
veloppement des transports. La navigation maritime connut un premier saut tech-
nologique avec lapparition au XIXe sicle de la machine vapeur. Celle-ci permit
en eet dacclrer les transports sur leau en saranchissant des contraintes na-
turelles (vents et courants) pesant sur les routes maritimes.
Lavnement du commerce lectronique et des ux dmatrialiss ne sonne pas
le glas des transports internationaux. La conclusion en ligne de contrats portant
sur des biens meubles accompagnera, au contraire, le dveloppement de la fonction
logistique et des transports internationaux.
Les socits de transport rapide sont ainsi indispensables aux oprateurs du
commerce lectronique pour assurer la livraison des produits commands sur les
rseaux. En amont de la relation entre le distributeur et le client nal, lactivit
conomique repose sur des changes entre des partenaires loigns et le transport
maritime savre alors indispensable. Une augmentation du tonnage et du trac
maritime accompagne ainsi la croissance de la production mondiale. Cela vaut
bien sr pour le transport de pondreux et de matires premires, mais au-del
pour les biens de consommation et lensemble de la production industrielle.
1.3.1 Le transport de marchandises
Les navires appartiennent gnralement des armateurs. Ceux-ci peuvent ex-
ploiter directement leurs navires sur des lignes rgulires ou au contraire les louer
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
20 Transport Conteneuris
lartement sous la forme du tramping. An de rduire les cots, les navires
sont de plus en plus spcialiss un type de cargaison (ptrolier, mthanier, ba-
nanier, minralier, vraquier, porte-conteneurs, etc.). Ils sont aussi de plus en plus
grands, de manire transporter des quantits de plus en plus importantes, ce
qui pose le problme du changement dchelle des volumes transports sur terre
et sur mer : 3 000 tonnes au plus par train ou convoi uvial, 100 200 fois plus
sur mer. Les plus rcents porte-conteneurs peuvent emporter quelque 6 000 conte-
neurs qui, une fois terre, ncessiteront 6 000 camions ou 30 trains complets !
Ce problme ne peut tre rsolu que par la capacit de stockage des installations
portuaires ou bien par la transformation des matires importes sur place dans
les zones industrialo-portuaires.
Un navire est improductif lorsquil est immobilis dans un port. La rduction
de ces temps morts a dabord t obtenue par lacclration des oprations de
manutention grce lunication des charges qui permet lautomatisation du
chargement et du dchargement. Dautre part, dans le transport maritime, une
large partie des cots est aecte aux changes dans les ports. On a donc cherch
les rduire au minimum en supprimant les ruptures de charge de la marchandise
entre les dirents modes de transport.
Lune des solutions retenues est la spcialisation des navires et des postes
damarrage, rservs un seul type de cargaison (terminal oshore et sea-line).
Les porte-barges Lighter Aboard Ship-LASH permettent de rentrer des barges
uviales dans un navire de mer, la manuvre pouvant soprer au large des
ctes. Le transroulage (Ro-Ro : Roll on-Roll o ), qui consiste embarquer les
semi-remorques directement avec leur tracteur sur le navire ferry, sest gnralis
sur les traverses courtes de lAmrique du nord, de lExtrme-Orient, et surtout
de lEurope.
Enn, la conteneurisation (Lo-Lo : Lift on-lift o ) sest vritablement gnra-
lise pour le transport maritime des marchandises solides sur toutes les mers du
globe. Ces dernires annes, lutilisation de conteneurs pour le transport maritime
intercontinental a augment. La gure 1.1 extraite de [Tur] montre la croissance
du turnover mondial de conteneurs. Commencer avec 50 million EVP en 1985,
ce turnover a atteint plus de 350 million EVP en 2004. Une croissance conti-
nuelle est attendue dans les prochaines annes, surtout entre lAsie et lEurope.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le transport maritime 21
Fig. 1.1 Le turnover mondial de conteneurs (en million EVP)
Cependant, cette croissance ncessite de grandes surfaces de stockage et des qui-
pements trs lourds de manutention : les portiques transconteneurs. Ces quipe-
ments ne prennent place quen certains points (grands ports et portes des grandes
agglomrations) qui deviennent ainsi de vritables plates-formes multimodales de
redistribution.
1.3.2 Les trois rvolutions du transport maritime
Le secteur du transport maritime qui est un " instrument " privilgi du
commerce international, a lui-mme connu plusieurs rvolutions qui ont concouru
une rduction des cots du transport.
1.3.2.1 Premire rvolution
Cette rvolution, sest faite sur linitiative dun oprateur amricain, Malcom
Mc Lean, la n des annes 1950. Il a donn naissance la " conteneurisation
". Le transport des marchandises dans des conteneurs constitue une forme de
standardisation dans le secteur maritime. Les conteneurs constituent des units
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
22 Transport Conteneuris
standards qui peuvent faire lobjet dun chargement et dun dchargement plus
rapide. Le stockage est galement plus facile pendant les priodes de transit.
1.3.2.2 Deuxime rvolution
Cest celle du transport multimodal. Pour arriver une destination, la mar-
chandise transporte dans un conteneur, empruntera successivement plusieurs
moyens de transport : navire, route, rail, etc.
1.3.2.3 Troisime rvolution
Actuellement en marche, cest celle de linformatisation et de lautomatisa-
tion. Linformatisation permet lacclration de la circulation des documents de
transport maritime et la rduction des cots traditionnellement associs. Au-del,
elle permet au transporteur de dvelopper des services personnaliss comme le
suivi des marchandises au cours du voyage.
1.4 Le transport uvial
Principal mode de transport prindustriel, lutilisation de la voie deau sest
largement dveloppe avec la construction des grands canaux, dabords latraux
aux rivires, puis de jonction inter bassins. Cest dans ce cadre que se multiplirent
les ouvrages dart : innombrables des cluses, dont certaines parfois groupes en
escalier, des souterrains, ou des ponts-canaux. Dautres ouvrages, plus labors,
furent conus ultrieurement, tels que les ascenseurs navires, les cluses grand
gabarit, ou encore les plans inclins.
Ce rseau important (qui cumula 12 780 km au XIXe sicle, mais qui nen
compte plus que 8 000 km actuellement) et relativement dense, t lobjet dune
premire phase de modernisation au XIXe sicle dans le cadre du plan Freycinet
destin unier lensemble des voies navigables au gabarit de 350 tonnes. partir
du dbut du sicle, le halage hippomobile t souvent place au tracteur lectrique,
avant dtre lui-mme dtrn par lintroduction de la pniche automotrice.
Dans la seconde moiti du XIXe sicle, le chemin de fer, disposant dun rseau
plus dense et orant une plus grande rapidit de transport, exera une concurrence
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
La conteneurisation 23
victorieuse sur le transport uvial, souvent au moyen dune politique tarifaire trs
agressive. Dans ce contexte, le rseau de voies navigables demeura trs largement
lcart de toute modernisation dans la premire moiti du XXe sicle, au fur et
mesure que simposait le monopole du chemin de fer.
Dans cette mme priode, les techniques de transport uvial voluaient ra-
pidement : accroissement du gabarit (3 000 tonnes aux normes internationales),
utilisation de convois pousss, puis de barges porte-conteneurs et de navires uvio-
maritimes. Cette mutation exigeait une modernisation profonde des voies navi-
gables (chenalisation des euves, canalisation des rivires, rduction du nombre
et agrandissement notable des cluses, lvation des ponts pour respecter le tirant
dair).
1.5 La conteneurisation
La conteneurisation sest dveloppe durant ces vingt dernires annes. Le
conteneur est un moyen de transport qui a permis de rduire les cots et les d-
lais grce la standardisation. Dans cette section, nous voyons de plus prs les
concepts lis la conteneurisation, ses composants, ses avantages et ses inconv-
nients.
1.5.1 La rvolution du conteneur
En moins de 50 ans, ce dernier sest impos comme le premier moyen dchange
de biens de consommation lchelle mondiale entranant une vritable rvolution
dans les transports mondiaux. En 1960, la rotation dun cargo de ligne de 10 000
tonnes de capacit, dploye sur le trajet Europe-Japon-Europe prenait cinq mois.
Prs de la moiti du temps tait passe au port, avec des escales atteignant parfois
quatre ou cinq jours. En 2000, un grand porte-conteneurs ore une capacit de
60 000 tonnes et boucle le mme trajet en deux mois avec des escales qui durent
dune dizaine 36 heures. En mme temps, lautomatisation a fait son chemin : le
cargo fonctionnait avec un quipage de 35 hommes alors quaujourdhui les porte-
conteneurs nont plus besoin que dune quinzaine de marins pour naviguer. Plus
rapides, plus srs, plus performants, les transports maritimes sont aussi moins
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
24 Transport Conteneuris
coteux : lacheminement dun conteneur charg de 400 tlviseurs entre Tawan
et le Havre cote 3000 EUR environ. Le prix de ce transport aurait cot au
moins trois fois plus cher dans les annes 1960.
1.5.2 1956, naissance dun concept
Le transport maritime conteneuris est n sous limpulsion dun entrepreneur
amricain Malcolm Mac Lean qui, en 1956, adapta 4 navires pour transporter
des remorques de camions par voie maritime. En 1956, lIdeal X reliait New
York Houston avec 58 remorques son bord. Lexprience se rvlant positive,
Mac Lean franchit vritablement le pas en conteneurs manutentionns qui sont
identiques dans leur conception.
1.5.3 Le principe de la standardisation
Un conteneur container, est une " boite " rectangulaire de dimension univer-
selle : la cl de son succs rside dans sa standardisation. Les conteneurs secs dry
de vingt et quarante pieds de longueur (environ six et douze mtres) sont les plus
utiliss. Ils servent au transport des marchandises dites sches, conditionnes en
caisses, cartons, balles, palettes, etc. Mais dautres conteneurs plus spciques
ont t cres comme les conteneurs-citernes tank container et les plein-ciel open
top, les conteneurs frigoriques reefer. Le conteneur standard de vingt pieds sert
dunit de rfrence pour estimer les capacits dun navire et valuer les ux. On
parle alors en Equivalent Vingt Pieds-EVP Twenty Equivalent Unit-TEU ce qui
correspond un volume utile de 33 m
3
.
Chaque conteneur est identi par une srie dinscriptions permanentes sur
ses parois (propritaire, numro dimmatriculation, masse brute maximale, tare
et charge utile). Presque toute la vaste gamme des marchandises transportes
jadis comme marchandises non groupes peuvent faire actuellement lobjet dun
transport par conteneur. Ce sont essentiellement des biens dquipement et de
consommation plus ou moins labors qui empruntent cette voie, mais le conte-
neur souvre galement aux produits en vrac si ce choix prsente des avantages :
logistique facilite pour les petits lots de crales, les oprations de transvasement
rduites pour les produits chimiques, la possibilit de services porte porte pour
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
La conteneurisation 25
les fruits, etc.
Concluons que la spcialisation des sites de production lchelle plantaire,
la recherche des moindres cots de production, la tendance dassurer un service
rapide, able et de qualit suprieure, de mme que lappel croissant la sous-
traitance et la spcialisation des units de production ont entran une augmen-
tation des changes entre usines et industries, et entre producteurs et consomma-
teurs. La simplication des circuits dchanges eectus par les gestionnaires et
les logisticiens passe bien souvent par lutilisation du conteneur, interchangeable
(rapidit de dplacement), repositionnable, multimodal (intgration facile de tous
les modes de transport). Le conteneur a rendu possible la fabrication mondiale,
dont la croissance a, son tour, acclr le dveloppement du conteneur et en a
fait le moyen de transport prfr et un auxiliaire de la production industrielle.
1.5.4 Manutention et expditions
Deux termes dnissent le chargement et le dchargement de la marchandise
dun conteneur : lempotage et le dpotage. Tout ou presque peut se ctoyer dans
un conteneur : des bouteilles dhuile avec des planches voile, des ttines de
biberons avec des camras vido, etc. ; Toutefois le bon sens interdira lempo-
tage de produits dangereux avec des denres alimentaires. Mais, il existe des cas
de contaminations moins vidents, comme un chargement de carottes contami-
nes par lodeur des oignons prsents dans le mme conteneur. Lempotage des
marchandises dangereuses est quant lui soumis une rglementation stricte,
contenue dans le code IMDG (International Maritime Dangerous Goods) et une
signaltique spcique est appose sur le conteneur en fonction de la nature du
produit. Il existe deux possibilits dexpdier les marchandises : soit par conteneur
complet Full Container Load-FCL, cest la solution la plus rpandue o toute la
marchandise appartient un mme client qui loue la bote. Soit par groupage ma-
ritime Less than Container Load-LCL, cette mthode est utilise pour les petits
envois (1 10 m
3
). Dans ce cas, on regroupe les lots an dobtenir un conteneur
complet et lempotage est eectu par la compagnie maritime ou lorganisateur
de transport (transitaire).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
26 Transport Conteneuris
1.5.5 Les oprations dans un terminal conteneurs
Les oprations de manutention se ralisent au terminal conteneurs (ensemble
de quais et parcs de stockage spcialiss par type de marchandises). Les navires
se placent quai au regard des portiques (grues de quai pour soulever les conte-
neurs). A bord du navire, les dockers dsarriment les conteneurs qui sont lis les
uns aux autres par les pices de coin durant la traverse. Le portiqueur peut alors
placer le spreader (structure o sont xs les verrous permettant daccrocher et
de soulever le conteneur) laplomb du conteneur et commencer le dchargement.
Au pied de chaque portique un homme ou un systme vido veille pour reprer
limmatriculation du conteneur et prciser sa position (rangement dans le parc de
stockage ou placement sur remorque ou wagon) un autre docker prsent dans
un cavalier gerbeur straddle carrier qui va se charger de la manuvre.
Une fois le dchargement ralis, les manuvres sinversent pour les opra-
tions de chargement. A peine quelques heures susent. Lvolution technologique
lie la conteneurisation a profondment modi les conditions de travail des do-
ckers : ils sont moins nombreux, mais plus spcialiss et qualis. Les dockers
prparent le matriel, participent louverture des panneaux de cale, guident les
conducteurs de portiques et pilotent les chariots lvateurs terre. Le pointeur
est responsable de la gestion du parc conteneurs. Depuis son terminal informa-
tique, il aecte les marchandises des emplacements prcis en fonction de leurs
destinations. Il est galement charg didentier et de contrler les conteneurs qui
quittent le terminal. Le planicateur de navire ship planner est charg dorgani-
ser le plan de chargement sur un navire : il doit attribuer chaque conteneur un
emplacement prcis bord du navire. Il veille ce que la stabilit du navire soit
respecte. En eet, le placement des conteneurs est eectu de faon faciliter
leur dchargement dans la chronologie de leurs destinations cest--dire les ports
de dbarquement.
1.5.6 Les systmes dinformation
Les gigantesques progrs informatiques ont permis dacclrer et de simplier
le transit des navires et des marchandises dans les ports ; en voici deux exemples
mis en place par le port autonome de Nantes/Saint-Nazaire, le systme GIM-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
La conteneurisation 27
NAUTE (Gestion Informatique des Mouvements des Navires Avec Utilisation des
Technologies Extranet), qui permet lensemble des intervenants (agents mari-
times, capitainerie, pilotes, lamaneurs, etc.) de correspondre et dintervenir en
temps rel grce au rseau informatique, remplaant le tlphone et le fax. Le
systme ADEMAR (Acclration des Expditions Maritimes) est un rseau in-
formatique oprationnel au Havre depuis 1983 qui gre en temps rel toutes les
oprations administratives, douanires et logistiques concernant le passage des
marchandises par le port.
Linformatique est aussi prsente pour vrier et seconder lhomme dans toutes
les tches ncessaires sur les terminaux (contrles douaniers, positionnement des
conteneurs sur les navires et les parcs de stockage, etc.). Au Havre toujours, le
systme Sycoscan des Douanes permet le contrle des conteneurs sur un terminal
informatique via un scanner plac dans un tunnel par o transitent les botes
quil nest plus ncessaire douvrir pour en vrier le contenu.
Depuis la moiti des annes 1990, les systmes Global Positionning Systems-
GPS sont installs dans les terminaux conteneurs. Initialement, ils ont t
utiliss pour identier automatiquement la position des conteneurs dans la zone
de stockage. Par la suite, la mise en place de Dierential GPS [Ste99] est devenue
ncessaire tenant compte de la taille des conteneurs et de laspect de la zone de
stockage. Les composants dun DGPS ne sont plus installs dans les conteneurs
mais au sommet des quipements de transport et de stockage. La position dun
conteneur est exprime en terme de coordonnes dans la zone de stockage et trans-
mise lordinateur au moment de lempilement et de dpilement de ce conteneur.
Des systmes alternatifs aux DGPS tels que les systmes optiques comme Laser
Radar sont utiliss aussi pour reprer les conteneurs.
Des transpondeurs Transponder et des circuits lectriques sont utiliss pour
guider les grues de transport et les vhicules automatiquement guids tandis que
les DGPS sont utiliss pour guider les cavaliers gerbeurs automatiquement et
dautres quipements de manutention.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
28 Transport Conteneuris
1.5.7 La multimodalit Multimodal Transport
Les transporteurs maritimes ont dvelopp des chanes de transport lint-
rieur des continents. Le caractre dinterchangeabilit du conteneur est lorigine
de lessor des rseaux de transport mondiaux et des chanes de transport qui
associent le rail, la route et le euve au transport maritime pour concevoir un
transport de bout en bout et de porte porte. Les conteneurs peuvent tre ache-
mins indiremment par camions, barges, wagons ou navires. Laccroissement
du trac conteneuris induit un formidable dveloppement des transports de pr
et post-acheminement, cest dire apportant les marchandises du continent jus-
quau navire de chargement et lemmenant du navire dcharg sa destination
nale sur le continent. Le parcours terrestre est fondamental car il est le premier
et le dernier maillon de la chane logistique multimodale.
La route est un lment stratgique qui prsente des avantages certains :
souplesse, limitation des transferts de charge, assurance du suivi, etc. Mais les
camions ne peuvent pas transporter plus de deux EVP ou un 40 pieds en mme
temps : il en rsulte une augmentation du trac routier et une saturation de
certaines voies.
Les dessertes ferroviaires et uviales orent les solutions les plus adaptes pour
faire face la massication et la congestion du trac routier. La commission
europenne vise tablir sur le territoire communautaire des corridors de fret
ferroviaires freeways pour faciliter la desserte des continents : ce sont des voies
ddies aux transports de marchandises en liaison avec lutilisation des trains-
blocs et des convois de trains de conteneurs qui sillonnent lEurope. Aux Etats-
Unis, les trains-blocs double stacks (conteneurs sur deux tages) peuvent atteindre
une longueur de cinq kilomtres et relient la cte est la cte ouest constituant
un vritable " pont terrestre " ou " pont ferroviaire ".
Aujourdhui, le souci dun dveloppement durable largit considrablement,
quand cela est possible, la place du uvio-maritime dans la circulation des conte-
neurs lintrieur des continents. Les conteneurs sont empils sur plusieurs ni-
veaux sur des barges qui assurent des liaisons entre les ports maritimes et les
ports uviaux, voir entre les ports et les usines et dpts quand ils sont localiss
le long de la voie deau.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
La conteneurisation 29
Le cabotage (transport ctier) repose sur les navires nourriciers feeders, qui
relient les ports moyens aux ports principaux et aux hubs o les navires-mres
font escale. Les feeders alimentent ainsi les navires transocaniques en conteneurs
et redistribuent les cargaisons dans les plus petits les ports de ces mmes grands
navires. Cette organisation de collecte et de redistribution des marchandises cre
un vritable rseau mondial de transport et de distribution, complt par les
corridors de fret ferroviaires et les autoroutes continentales.
1.5.8 Avantages et Inconvnients de la conteneurisation
Le dplacement des marchandises par conteneurs a plusieurs avantages par
rapport au transport de marchandises non groupes. Le conteneur favorise lauto-
matisation de plusieurs oprations de manutention, ce qui acclre le chargement
et le dchargement et autorise un transfert plus rapide dun mode de transport
un autre. En outre, le conteneur protge les marchandises des intempries et du
chapardage et la manutention, devenant plus simple, se traduit par une quantit
moindre de dommages.
Les avantages inhrents aux conteneurs ont pu tre raliss grce aux capi-
taux considrables que les exploitants ont investis en navires, terminaux, grues,
wagons deux niveaux de chargement et autres installations ou quipements de
manutention spcialiss.
Toutefois, les oprateurs, les ports et les autorits de tutelle faisant en sorte
de sadapter aux contraintes de la logistique moderne, se heurtent un certain
nombre de limites de la conteneurisation. Les contraintes physiques aussi bien
dans les transports courts que sur longues distances ncessitent un minimum de
protection prventive. En eet, les tempratures leves ainsi que la ventilation
rduite dans le conteneur entranent trs souvent de lourds dommages si lon
ny prend pas garde. La temprature provoque la dessiccation des marchandises
(cacao) ou des emballages (carton, bois darrimage ou de calage, bois de palette,
etc.). La vapeur deau, une fois libre, se condense dans les zones les plus froides
du conteneur et en gnral lors de lalternance jour-nuit. Cest alors une pluie
qui semble retomber sur les marchandises, avec des dgts irrmdiables faciles
imaginer.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
30 Transport Conteneuris
1.6 Les ports conteneuriss
Dans le transport par voies navigables quest le couple chemin de fer-navire
vapeur, cest le port, lieu dchanges privilgi, qui constitue le rouage essentiel,
avec ses immenses triages dans les zones portuaires et son lacis de voies ferres sur
tous les quais, entre les dirents bassins. Le dveloppement des ports est dautant
plus important que la machine vapeur ait permis un trs grand accroissement
de la taille des navires, donc de leur capacit. De nombreux bassins sont creuss
dans les ports qui sagrandissent en raison de la croissance du trac. Ces bassins,
qui sont dis partir de 1830, orent des dimensions inconnues jusqualors
(de lordre du kilomtre en longueur). Ils constituent les premiers lments des
paysages portuaires traditionnels (grues, entrepts, marchandises en vrac sur les
quais, voies ferres) en continuit directe avec la ville portuaire. Dans les mers
forte mare, les bassins sont accessibles mare haute grce des cluses : ce
sont les bassins ot. Dans les mers sans mares, ce sont des darses. Il sen est
suivi la dissociation de la ville portuaire traditionnelle et du port proprement dit,
cest--dire de la fonction technique de chargement et dchargement des navires,
maintenance et avitaillement, dune part, et de la fonction commerciale, dautre
part. Cette volution sest traduite par le glissement du port vers laval par rap-
port la ville et par le passage de la notion de port celle de terminal spcialis,
cest--dire un simple poste technique de manutention, souvent totalement auto-
matis, dpourvu de toute urbanisation (Antifer, par exemple, pour Le Havre).
Comme pour les rseaux linaires, la densit des ports ou des terminaux apparat
trs ingale selon les rgions du monde. Il en est de mme du niveau de dvelop-
pement technique. Les deux zones du globe les plus densment pourvues en ports
sont lEurope : de la Baltique la Mditerrane, et lAsie du sud-est, la seconde
prsentant cependant un niveau gnral de dveloppement technique moindre que
la premire, sauf au Japon et dans les autres ports de premier niveau.
Un port moderne est un ensemble de terminaux spcialiss. Les plus grands
(voir tableau 3.1) [Por06] jouent le rle de plate-forme de concentration / clate-
ment de dimension continentale.
Ainsi, les ports principaux main ports tels que : Los Angeles, Rotterdam,
Hong Kong, etc. ont-ils merg. Dans certains, les hubs, les conteneurs ne font
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Conclusion 31
Tab. 1.1 Les 10 premiers ports conteneurs dans le monde en 2006
Ports Trac en milliers dEVP
Singapour 24 792
Hong Kong 23 234
Shanghai 21 710
Shenzhen 18 468
Pusan 12 030
Kaoshiung 9 774
Rotterdam 9 690
Dubai 8 923
Hamburg 8 861
Los Angeles 8 469
que transiter entre les grands navires mres est-ouest et les relais nord-sud ou entre
les navires mres et les feeders rgionaux. Parmi les hubs les plus importants, on
trouve Algsiras (Espagne), Gioia Tauro (Italie) et Kingston (Jamaque). Ainsi,
un conteneur qui doit se rendre de Tokyo Abidjan empruntera un navire mre
de 5000 EVP reliant le Japon lEurope du nord avec une escale Algsiras (prs
de Gibraltar) o le conteneur sera dbarqu pour tre aussitt rembarqu sur
un navire de 1500 EVP qui descend des ports de la mer du nord vers lAfrique
de louest. Le trajet Tokyo / Abidjan aura dur une quarantaine de jours. Toute
lorganisation portuaire est donc trs hirarchise et repose autant sur un petit
nombre de grands ports mondiaux que sur un nombre plus important de ports
moyens.
1.7 Conclusion
Nous avons tent dans ce chapitre introductif de dcrire le cadre gnral de
notre travail et de connatre au mieux les nouveaux concepts sy posant, et ce
dans le but de contourner et de matriser la problmatique ci tudie.
Comme nous le constatons, la conteneurisation et la logistique des termi-
naux conteneurs mettent en questions plusieurs problmes de dcisions ma-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
32 Transport Conteneuris
nant des direntes oprations eectues au sein dun terminal conteneurs.
Ces problmes peuvent tre classs parmi les problmes de transport et dordon-
nancement [BGAB83] comme par exemple le problme de tournes de vhicules
[TV02]et les problmes daectation qui sont largement abords dans la littra-
ture. Dans le chapitre suivant, nous prsentons un tat de lart exhaustif de ces
problmes. Nous nous penchons sur le Problme de Stockage de Conteneurs-PSC
auquel nous nous intressons dans cette thse.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Chapitre 2
Problme de Stockage de
Conteneurs (PSC)
2.1 Introduction
De nos jours, les navires de conteneurs sont dchargs et chargs dans de
larges terminaux conteneurs. La gure 2.1 illustre le processus de dchargement
et de chargement dans un terminal conteneurs. Ce processus peut tre divis
en oprations ou activits qui vont tre prsentes en dtail dans les sections
suivantes. Lorsquun navire arrive au port, des portiques ou des grues de quais
Quay Cranes-QCs dchargent les conteneurs en import par ce navire. Puis, ces
conteneurs sont transfrs de ces grues des vhicules se dplaant entre le navire
et la zone de stockage des conteneurs. Cette zone est constitue dun nombre de
baies o les conteneurs peuvent tre stocks en piles pendant une certaine priode.
Des quipements comme les grues ou les cavaliers gerbeurs straddle carriers sont
aects ces baies.
Un cavalier gerbeur peut la fois transporter des conteneurs et les stocker
dans une zone de stockage. Il est possible aussi dutiliser des vhicules ddis au
transport des conteneurs. Si un vhicule atteint la zone de stockage, il dpose sa
charge ou bien une grue de stockage dcharge le conteneur et le stocke dans la
zone. Aprs une certaine priode, les conteneurs sont retrouvs par les grues dans
la zone de stockage pour tre conduits sur des vhicules vers dirents moyens de
33
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
34 Problme de Stockage de Conteneurs (PSC)
transport : barges, navires, trains ou camions selon dirents modes de transport :
voie navigable, voie ferroviaire ou voie terrestre. Pour le chargement des conte-
neurs en export sur un navire, ces activits sont excutes dans lordre inverse.
La plupart des terminaux utilisent des quipements manuellement guids : les ca-
valiers gerbeurs straddle carriers, les grues cranes et les systmes multi-remorque
multi-trailer systems. Toutefois, quelques terminaux sont automatiss. Dans de
tels terminaux, deux dirents types de vhicules automatiques sont utiliss pour
acheminer les conteneurs dun mode de transport un autre : des vhicules auto-
matiquement guids Automated Guided Vehicles-AGVs ayant besoin dune grue
pour charger et dcharger un conteneur, et des vhicules lvateurs automatiques
Automated Lifting Vehicles-ALVs capables dlever un conteneur de manire au-
tonome. La comparaison et la dcision du choix entre ces deux types dquipe-
ments sont discutes dans [VH04]. De plus, le processus dempilement peut tre
eectu automatiquement via des grues dempilement automatiques.
Lvolution du transport conteneuris incite au dveloppement des terminaux
conteneurs, autant de la logistique des conteneurs que des quipements tech-
niques de manutention. Une concurrence entre les ports et un dveloppement
continuel de lactivit portuaire, particulirement entre les plus proches gogra-
phiquement, a accompagn cette volution. En consquence, lobjectif global est
la minimisation du temps pass par un navire dans le port tenant compte des
direntes oprations se droulant dans un port.
Lobjectif de ce chapitre est de fournir une classication de ces oprations.
En se basant sur cette classication, nous prsentons une revue de littrature
des travaux inhrents qui dcrivent direntes approches incluant des mthodes
exactes, des mthodes heuristiques ainsi que des approches bases sur des simu-
lations, centralises et distribues.
2.2 Processus dans un terminal Conteneurs
Dans ce qui suit, nous allons parcourir les direntes activits rencontres
dans un terminal conteneurs 2.1)allant du dchargement dune barge ou dun
navire (camion ou train) jusqu leur chargement sur camion ou train (barge ou
navire) pour les conteneurs en import (en export). Nous nous intressons aussi
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Processus dans un terminal Conteneurs 35
aux dirents quipements de manutention qui leur sont associs, et discuter
des dirents problmes qui en dcoulent. Nous allons aussi survoler quelques
travaux inhrents incluant les mthodes exactes, les mthodes heuristiques et les
approches bases sur des simulations en se rfrant [VK03, SVS04, GG06].
2.2.1 Planication de navires
Le processus de planication de navires se compose de trois sous-oprations :
lallocation des postes quai, larrimage de conteneurs et lallocation des portiques
(ou grues de quais).
2.2.1.1 Allocation des postes quai Berth Allocation
La stratgie Premier Arriv Premier Servi First In First Out-FIFO semble
tre une manire rationnelle daecter les navires arrivant aux postes quai dis-
ponibles, mais elle peut tre inecace dans le cas o le temps de manipulation
des navires dpendrait des postes quai correspondant. En eet, dans le cadre de
manipulation des conteneurs, une politique dempilement de conteneurs consis-
Arrive du
navire
Dchargement
et chargement
des conteneurs
Transport
des
conteneurs
Pile
Transport
interterminal
Autres
modalits
Plan de
dchargement
Plan de
chargement
Fig. 2.1 Succession des oprations dans un terminal conteneurs
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
36 Problme de Stockage de Conteneurs (PSC)
tant empiler les conteneurs charger dans un mme navire lintrieur dune
zone de stockage ddie.
En consquence, il est prfrable que les postes quai soient proches de cette
zone. Lors de lallocation dun navire un poste quai, on doit tenir compte
de la disponibilit des postes quai et des grues responsables du chargement et
du dchargement du navire. Dirents travaux de recherche traite ce problme
nomm : le problme dallocation de postes quai Berth Allocation Problem-BAP.
Le problme dallocation de postes quai, dit encore le problme daectation
des navires aux postes quai, a pour objectif de minimiser la somme du temps
dattente et du temps de manutention des navires. Chaque poste quai ne peut
supporter quun seul navire la fois, et le temps de manipulation dun navire
dpend du poste quai associ.
Dans [LM01], les auteurs prsentent un modle de rseaux de les dattente et
une tude exprimentale pour la simulation de larrive, lallocation et le dpart
de navires.
Dans [INP01], Imai et al. considrent plusieurs versions relatives ce problme
dont les plus tudies : le BAP statique et le BAP dynamique : dans la premire
version, il est suppos que tous les navires arrivent dj au port au dbut de
lhorizon de planication. Dans ce cas, il nexiste pas de temps morts entre les
navires manipuls dans un certain poste quai. Le problme ainsi dni peut
tre formul par un problme daectation deux dimensions pouvant tre rsolu
en un temps polynomial. Imai et al. considrent le BAP statique objectifs
multiples : la minimisation de la somme du temps dattente et de manipulation
des navires et la minimisation de linsatisfaction du navire dpendant de lordre
de laectation. Notons que lordre optimal daectation, tenant compte du temps
dattente et du temps de manutention, peut ne pas correspondre lordre dans
lequel les navires sont arrivs.
Le BAP dynamique suppose que les navires arrivent tout au long de la priode
de planication, donc il peut y avoir un temps dinactivit entre deux navires
conscutifs desservis dans un poste quai. Le problme ainsi dni ne peut pas
alors tre rsolu en un temps polynomial. Imai et al. [INP01] considrent aussi le
BAP dynamique o il nest permis de manipule quun seul navire la fois tant que
la longueur totale des navires est infrieure celle du poste quai considr. En
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Processus dans un terminal Conteneurs 37
outre, ils incluent la contrainte additionnelle quun navire ne peut tre servi dans
un poste quai que si la profondeur de leau ncessaire pour sa mobilisation draft
est infrieure la profondeur de leau au poste quai. [Lim98] tudie ce problme
comme tant une version particulire du problme du paquetage bin-packing
deux dimensions.
Dans [PK01] tudient lallocation des postes quai en supposant que les na-
vires sont proches de la zone o les conteneurs associs sont empils, et visent
minimiser le temps turnaround des navires. [KM03] propose un modle de pro-
grammation linaire en nombres entiers mixte Mixed Integer linear Programming-
MIP pour formuler le BAP, et appliquent lalgorithme de recuit simul pour le
rsoudre. Les rsultats exprimentaux ont montr que les solutions retrouves par
le recuit simul sont similaires aux solutions optimales retrouves par le modle
MIP.
Dans [GC04], Guan et Cheung proposent une procdure se basant sur un arbre
de recherche et des heuristiques pour rsoudre de problmes de grande taille dans
le but de minimiser le temps de ux total Total weighted ow time.
2.2.1.2 Arrimage de conteneurs Container Stowage
Il sagit de la planication darrimage des conteneurs dans un navire. En
gnral, un navire fait escale dans un nombre de ports o les conteneurs seront
chargs et dchargs. Ceux qui sont chargs sont destins un nombre de ports
successifs tout au long la route du navire en question.
Ce problme considre laectation des conteneurs direntes positions dans
le navire tout en maintenant sa stabilit et en minimisant le nombre de mouve-
ments inutiles ou parasites unproductive moves. Ces derniers apparaissent dans
un port lorsquon y dispose de conteneurs stocks au-dessus dautres destins
ce port, alors ils doivent tre dchargs et rechargs de nouveau. Le placement
des conteneurs dans le navire doit alors tre accompli de manire maintenir
sa stabilit, sa torsion et sa force. videmment, les conteneurs lourds sont g-
nralement stocks au fond du navire, les conteneurs lgers sont alors empils
au-dessus [KPR00]. Notons que les conteneurs de tailles direntes ne peuvent
pas tre empils les uns sur les autres.
En plus du poids et de la taille, dautres critres sont pris en considration :
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
38 Problme de Stockage de Conteneurs (PSC)
les conteneurs frigoriques par exemple demandent une puissance lectrique exis-
tant seulement dans des positions spciques dans le navire, certains conteneurs
transportant des matriaux dangereux exigent des conditions darrimage bien
dtermines distinctes de celles des autres. Outre ces restrictions techniques, la
destination des conteneurs doit tre prise en compte.
Avriel et al. [APS00] se concentrent sur la planication darrimage dans le but
de minimiser le nombre de mouvements unproductifs. Ils proposent un modle de
programmation linaire binaire.
Dans [WR00], les auteurs divisent ce problme en deux sous-problmes selon
un niveau de planication stratgique et tactique. Ils utilisent la mthode Branch
and Bound B&B pour rsoudre le problme daectation de conteneurs une zone
dans le navire, et la mthode de recherche tabou pour dterminer un plan dtaill
daectation des conteneurs des emplacements spciques dans le navire. De
bons rsultats sont obtenus en un temps raisonnable.
Les deux travaux [RW02, WRW01] prsentent un algorithme gntique pour
gnrer automatiquement des plans darrimage stratgiques.
La simulation et loptimisation en ligne sont considres dans [Win00]et [SWZ01].
Les temps dattente des grues et la congestion des quipements de transport sont
minimiss an dviter la rduction de la productivit. Le travail de [SWZ01]
prsente un modle MIP pour modliser un ordonnancement juste temps Just-
in-time JIT dune portique, et des mthodes exactes et heuristiques pour la r-
solution.
A un niveau plus dtaill, laectation des navires aux postes quai peut tre
accomplie tenant compte de laectation de portiques aux navires. Certainement,
le nombre de portiques aectes un navire inue le temps de manipulation de
ce dernier. Ceci donne naissance au problme dordonnancement des grues Crane
scheduling problem qui a t tudi par [Dag89].
[Bis03] tudie ce problme comme tant une composante dun plus grand pro-
blme appel Multiple-crane-constrained Vehicle Scheduling and Location problem-
MVSL. Il dveloppe une mthode heuristique pour minimiser le temps total pass
par un ensemble de navires aux quais.
Ce problme est aussi class en deux versions : le problme statique o un
nombre de portiques doit servir un nombre de navires tout en minimisant les
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Processus dans un terminal Conteneurs 39
cots associs au retard des navires, en supposant que tous les navires manipuler
soient arrivs au poste quai linstant zro.
Le problme dordonnancement statique des grues peut tre gnralis an de
supporter le cas de navires arrivant direntes dates et les contraintes de capa-
cit relatives aux postes quai : cest un problme dordonnancement dynamique
des grues.
2.2.2 Transport sur le quai Quay Transport
Aprs une observation des dirents terminaux conteneurs travers le monde
entier, on a pu constater que trois systmes de manipulation pour le transport
sur le quai sont les plus usits :
1. Le premier systme utilise les grues dempilement stacking cranes pour la
rcupration des conteneurs empils dans la zone de stockage. Ces grues
peuvent tre soit rubber-tired ou rail-mounted. Selon le premier mode, les
grues peuvent gnralement se dplacer dune range de piles une autre,
et ce suivant lemplacement des conteneurs destins un navire bien d-
termin. Aprs avoir retrouv le conteneur recherch, la grue dempilement
le charge sur un vhicule transporteur, gnralement un wagon transpor-
teur de terminal truck terminal ou un vhicule guid automatis Automated
Guided Vehicle-AGV, capable de transporter un ou deux conteneurs. Toute-
fois, quelques terminaux utilisent les systmes multi-remorque multi-trailer
capable de transporter 10 TEU. Le vhicule du terminal conduisent les
conteneurs vers la grue de quai approprie, qui se charge de leur soulve-
ment. Dans la plupart des terminaux, les grues dempilement et les wagons
transporteurs du terminal sont manuellement dirigs (plusieurs terminaux
Rotterdam possdent un quipement automatis).
2. Un systme alternatif pour le transport des conteneurs dans un quai consiste
utiliser des cavaliers gerbeurs straddle carriers ou yard machines. Ces
derniers combinent les proprits dune grue et celles dun vhicule. En eet,
ils sont capables de retrouver les conteneurs recherchs et de les amener vers
les portiques. tant donn que ces vhicules peuvent eux-mmes charger et
dcharger les conteneurs, ils nont pas besoin dattendre une grue condition
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
40 Problme de Stockage de Conteneurs (PSC)
quil existe une zone tampon de capacit susante. En vue de ces dirents
arguments, les cavaliers gerbeurs semblent tre une composante prconise
de lquipement dun terminal.
Cependant, ils sont trop coteux et beaucoup plus incertains quun systme
alliant des grues dempilement et des vhicules de terminaux. De plus, les
cavaliers gerbeurs ncessitent plus despace pour pouvoir fonctionner.
3. Le troisime systme possible nest plus utilis : il consiste empiler tous
les conteneurs sur des chssis. Ensuite, seuls les wagons transporteurs du
terminal sont utiliss pour conduire les remorques aux portiques. Ce sys-
tme a lavantage de pouvoir accder directement chaque conteneur ce qui
facilite le fonctionnement dans un terminal, mais son inconvnient majeur
est de requrir un grand espace de stockage puisque chaque conteneur est
empil sur un chssis.
Le choix entre ces trois alternatives est un problme typiquement stratgique.
Lun des paramtres intervenant dans ce choix, est celui de lemplacement gogra-
phique du terminal. Par exemple, les terminaux asiatiques (Hong Kong et Singa-
pour) utilisent le premier systme vu que les grues dempilement permettent un
empilement plus lev (atteignant 6 au port de Busan au Japon), en comparaison
au deuxime systme, qui est limit un empilement de 3 4 conteneurs (exp. :
port de Rads en Tunisie). Dautre part, si lespace de stockage est largement
vacant, par exemple dans les ports des USA, un systme utilisant des remorques
est de prdilection pour la facilit relative de faire fonctionner un tel systme.
En Europe, la situation est dirente : bien que lempilement est relativement
peu lev (2 4 conteneurs), les cavaliers gerbeurs (Hambourg, Bremen, Rot-
terdam et Antwerp), les grues dempilement automatiques Automated Stacking
Crane -ASCs et les vhicules automatiques guids Automated Guided Vehicles
AGVs (Rotterdam) sont tous utiliss.
En vue de comparer et de dcider quel systme il faut utiliser, Vis et al.
[VKS01] ont procd une tude par simulation. Ils prtendent quen moyenne,
le nombre de cavaliers gerbeurs requis uniquement pour le transport des conte-
neurs et non pas pour lempilement est environ 30% de moins que le nombre de
vhicules automatiques guids requis. Cette constatation encourage lutilisation
des cavaliers gerbeurs, mais tenant compte dautres paramtres tels que le cot
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Processus dans un terminal Conteneurs 41
et la abilit, ces quipements seront moins encourags.
Dans ce contexte, le travail de (Yim et al.) traite un problme peu abord,
cest le problme daectation des conteneurs dans un port uvial, quils appellent
aussi problme de rotation de barges et daectation de conteneurs. Il sagit de
minimiser le nombre de barges utilises et de dterminer sur quelles barges les
conteneurs seront chargs tout en satisfaisant un ensemble de contraintes addi-
tionnelles. Une fois que les conteneurs aects aux barges retenues, le plan de
chargement de chacune delles peut tre dtermin en rsolvant le problme dar-
rimage stowage problem voqu dans la section 2.2.2. Ce problme est clairement
reli au problme de rotation des barges. Yim et al. Dveloppent un modle de
programmation linaire en nombres entiers -PLNE pour modliser ce problme.
Dans ce qui suit, nous allons discuter des divers problmes dordonnancement
drivs du problme principal de transport sur le quai. Ces problmes paraissent
au niveau de dcision oprationnel. Rappelons que le but est doptimiser lutilisa-
tion de lquipement disponible, et que lobjectif global est de minimiser le temps
pass par les navires dans le port.
2.2.3 Ordonnancement des quipements de manutention
Plusieurs travaux sintressent au problme dordonnancement des quipe-
ments de manutention. Ces travaux se distinguent selon le type des quipements
de manutention ordonnancer. Nous pouvons les classer comme suit :
Ordonnancement des Grues dEmpilement Scheduling of Stacking Cranes.
Ordonnancement des Vhicules Automatiques Guids scheduling of AGVs.
Contrle du trac des Vhicules automatiques guids trac Control of AGVs.
Ordonnancement intgr des grues dempilement et des vhicules automa-
tiques guids Integrated Scheduling of Stacking Cranes and AGVs.
Ordonnancement des cavaliers gerbeurs Straddle Carriers.
Un rsum de ces travaux est donn dans le tableau 2.1
En outre, le principe de fonctionnement ainsi quune tude comparative des
performances des quipements de manutention dans un terminal conteneurs est
reprsente dans la gure 2.2 extraite de [Equ].
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
42 Problme de Stockage de Conteneurs (PSC)
Le problme de stockage de conteneurs auquel nous nous intressons constitue
aussi un problme de dcision reprsentant lactivit de stockage de conteneurs,
composante prpondrante de tout le processus de gestion dun port. En cons-
Tab. 2.1 Tableau rcapitulatif des algorithmes dordonnancement des quipe-
ments de manutention
Classe de Problmes Rfrence Problme tudi Caractristiques de la solution
Ordonnancement de
Grues dempilement
[KK98] Optimisation des tour-
nes dune seule grue
dempilement
*Classement des conteneurs en catgories
(taille, poids, port de destination, etc.).
*Plusieurs baies peuvent contenir des conte-
neurs de mme catgorie.
[MJLZ
+
00] Redistribution des
grues dempilement de
type rubber-tired
*Un terminal avec des zones de stockage aux-
quelles est associe une charge de travail lors
de chaque dplacement.
*Une grue dempilement est autorise se d-
placer dun bloc un autre.
*Minimiser la quantit de la charge de travail.
[ZWLL02] Optimisation de la pro-
ductivit dun type de
grues dempilement de
conteneurs : les Rubber
Tyred Gantry Cranes-
RTGs
*Retrouver les dates et les itinraires de dpla-
cement de ces grues de manire minimiser la
charge de travail totale retarde dans une zone
de stockage.
*Formulation via un modle de programma-
tion entire mixte.
*Rsolution par une relaxation lagrangienne.
Ordonnancement de
des AGVs
[KB98] Distribution dAGVs *Pour chaque conteneur, introduire des dates
associes des vnements event times qui
doivent tre satisfaits (dates exactes de char-
gement /dchargement de chaque conteneur).
*Rduire le problme un problme daecta-
tion.
[dM00] Distribution dAGVs *Etudier des rgles de distribution
[MW01b] Distribution dAGVs *Ajustement des rgles de distribution dans le
cas dun port conteneuris automatique
[VKRP01] Dtermination du
nombre dAGVs re-
quis dans un terminal
conteneurs semi-
automatique
*Les conteneurs sont disponibles des instants
connus court terme et changent constam-
ment au cours du temps.
Ordonnancement des
dirents quipements
de manutention
[KKHK04] Ordonnancement des
oprateurs operator-
scheduling problem
*Aectation des oprateurs des intervalles de
temps associs lutilisation des quipements.
*Formulation et rsolution via une technique
de satisfaction de contraintes (le temps dex-
ploitation, le temps darrt, les prfrences des
oprateurs).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Processus dans un terminal Conteneurs 43
Contrle des AGVs
Evers et Kop-
pers (1996)
*Flexibilit de reprsentation du systme de
transport.
*Peu de communication ncessaire pour le
contrle des AGVs (les AGVs communiquent
seulement avec des zones locales).
*Dates de dplacement des AGVs stochas-
tiques.
*Assurer que les AGVs se placent dans la
queue dans le bon ordre.
Duinkerken et
Ottjes (2000)
*Etudes par simulation tendues
*Evaluer la performance dun tel systme sous
un contrle intelligent du trac.
Ordonnancement int-
gr des grues dempile-
ment et des AGVs
Meersmans et
al. (2001)
Planication de lacti-
vit des grues de quai,
des grues dempilement
et des AGVs de ma-
nire intgre
*Modles prenant en considration la typologie
du terminal : cas o les AGVs passeraient par
un point commun alors lordre dans lequel ils
commencent soulever leur conteneur suivant,
dtermine compltement la partie qui reste du
plan.
Cas contraire : formulation base sur MIP d-
rivant des classes dingalits valides.
Ordonnancemen tdes
cavaliers gerbeurs
[BRSV00] Distribution des cava-
liers gerbeurs
*Algorithme gntique pour minimiser les re-
tards de transferts aux portiques.
*Une aectation statique puis une aectation
dynamique des cavaliers gerbeurs (dans le cas
de leur collision).
*Rsultats exprimentaux montrant quune af-
fectation dynamique peut accrotre considra-
blement la productivit.
[Win00] Combinaison de la pla-
nication de larrimage
dun navire avec lor-
donnancement des ca-
valiers gerbeurs
*Classement des conteneurs charger, puis af-
fectation dune squence des catgories char-
ger chaque grue de quai.
*Choix libre dun conteneur spcique durant
le chargement dun navire.
[KP99] Optimisation des
transferts de conte-
neurs par les cavaliers
gerbeurs
*Minimisation la dure passe par les navires
dans le port. Proposer des modles qui traitent
les remaniements des conteneurs en introdui-
sant les dates de setup.
quence, nous y attardons et consacrons toute la suite de ce chapitre.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
44 Problme de Stockage de Conteneurs (PSC)
Fig. 2.2 Types dquipements de manutention
2.3 Problme de Stockage de Conteneurs -PSC
Container Stacking Problem
Rcemment, vu la grande concurrence entre les ports, lamlioration du ser-
vice clientle est devenu un problme important pour un port de terminaux
conteneurs. Lune des mesures de performance du service clientle est le temps
total pass par les navires aux quais dun port berthing time ou throughout time.
Ce temps est compos en majeur partie du temps de chargement et de dchar-
gement des conteneurs. Dans le but de rduire le temps de chargement, il est
ncessaire de choisir des emplacements de stockage pour les conteneurs en import
ou en export de manire pouvoir tre chargs ecacement dans le navire, le
camion, ou le wagon associ.
Dans cette section, nous nous focalisons sur lopration alliant transborde-
ment, empilement et dpilement des conteneurs. Cette opration constitue un
problme reprsentant un maillon fort important de la chane des problmes de
dcision rencontrs dans un terminal conteneurs : cest le Problme de Stockage
de Conteneurs Container Stacking Problem ou Container Handling Problem. Ce
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 45
problme sera dsign dans la suite par lacronyme PSC . Le processus de sto-
cker et de retrouver les conteneurs doit tre excut de manire assurer un
bon droulement du reste des oprations ayant lieu dans le terminal. Lecacit
de ce processus dpend entre autres du taux doccupation des zones de stockage
ainsi que des stratgies dnies pour le stockage et la recherche des conteneurs
en import ou en export.
Commenons par introduire une notion de base rencontre dans la ralit de
lactivit de stockage de conteneurs, et adopte tout au long de notre travail : La
pile (appele aussi colonne).
Dans notre contexte, la pile permet aux activits diverses de transport de se
produire indpendemment lune de lautre. Si aucune pile nexiste, alors chaque
arrive de navire (ou autre mode) devrait tre suivie directement par la dcharge
aux vhicules transporteurs. Ceci constitue une opration logistique complexe car
toutes les arrives devraient tre coordonnes. Toutes ces contraintes causeraient
beaucoup de congestion et seraient susceptibles aux retards invitables.
Il existe dirents systmes dempilement. Dans notre cadre, nous considrons
lempilement en piles dans une zone de stockage. En fat, cest le systme adopt
dans la plupart des terminaux conteneurs.
Quelques conteneurs comme par exemple les conteneurs frigoriques reefers
exigent des emplacements spciaux o llectricit peut tre fournie. La dtermi-
nation de la capacit ou encore la hauteur de la pile est un problme de conception
important dans un terminal puisque la pile occupe un espace coteux.
Lempilement lev peut tre prconis, mais le nombre estim de remanie-
ments crot brusquement avec la hauteur dempilement. Rappelons quun rema-
niement est un mouvement improductif ou encore parasite tel que dni ci-haut.
Un autre paramtre en relation avec la hauteur de la pile doit tre pris en
compte, il sagit de sa disposition : quelles largeur et longueur doit-elle avoir ?
Combien de piles seront-elles utilises ? Ensuite, on doit dcider dans la conception
du type dquipement qui sera utilis pour lempilement.
Souvent, les piles sont classes dans deux zones de stockage direntes : une
zone dimport et une zone dexport. Les conteneurs en import arrivent dhabi-
tude dans de grands navires porte-conteneurs, de manire quelque peu prvue.
Cependant, ils vont probablement partir dans un ordre imprvisible, donc ils ne
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
46 Problme de Stockage de Conteneurs (PSC)
peuvent pas tre empils quen haut.
Les conteneurs en export peuvent arriver alatoirement, mais leur dpart est
dhabitude li un navire et de l, ils peuvent tre empils de meilleure manire.
Au niveau tactique, on doit dcider de laectation de la pile de certaines
activits (par exemple des navires). Au niveau oprationnel, on doit dcider du
conteneur empiler et de sa position pour viter les remaniements autant que
possible. Notons la relation troite de ce problme avec le problme darrimage
dj prsent.
Dans le PSC il sagit aussi de stocker les conteneurs les uns au-dessus des
autres dans le but de minimiser le nombre de mouvements parasites. Cependant,
le problme dempilement est considr dicile du fait de lincertitude propos
des conteneurs qui seront recherchs avant les autres.
Pour des conteneurs en import, cette incertitude existe parce que les vhicules
transporteurs arrivent plus ou moins alatoirement pour soulever un conteneur
bien dtermin. Pour des conteneurs en export, on connat dhabitude le navire
avec lequel ils vont partir. Cependant, le plan darrimage nest disponible que
quelques instants avant le chargement et ainsi, la plupart des conteneurs sont
dj stocks dans la pile. Cela produit des mouvements inutiles qui ralentissent
lopration de chargement. Dans le cas o le plan darrimage serait disponible
plus tt, les conteneurs pourraient tre rorganiss dans la zone dexport. Cela
mne un empilement " idal " et donc, moins de charge de travail pendant
lopration de chargement du navire. [KB98] dcrit une approche deux phases
visant minimiser le nombre de conteneurs dplacer et le faire en la plus courte
distance. Bien quune telle approche de rorganisation semble trs intressante,
il nest pas souvent possible de procder ainsi.
Les notions de base du PSC ainsi claircies, il savre alors important de
dnir ce problme, de donner la formulation la plus adopte qui aidera dnir
clairement les objectifs, les contraintes et les paramtres du problme, parcourir
quelques problmes analogues, et pour nir, fournir une synthse bibliographique
des direntes mthodes existantes pour sa rsolution.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 47
2.3.1 Dnition du PSC
Aprs avoir parcouru maints travaux consacrs au PSC, nous adoptons la
dnition du PSC suivante, donne dans [KPR00] : larrive dun conteneur en
import ou en export, il sagit de dcider presque en temps rel de son emplacement
exact parmi les emplacements vides de manire rendre ecace son chargement
sur un navire, camion ou train. En gnral, la dtermination dun emplacement
doit seectuer de manire minimiser le nombre des mouvements parasites ou
improductifs pouvant avoir lieu lorsquon veut rapprocher un conteneur loign
ou extraire un conteneur se trouvant en dessous dautres au moment de son dpart
pour tre charg sur le navire, train ou camion associ.
2.3.2 Formulation du PSC
Nous prsentons une formulation du PSC base sur la programmation dyna-
mique propose dans [KPR00]. La programmation dynamique initialement dsi-
gne pour amliorer lecacit de rsolution de certains programmes mathma-
tiques en les dcomposant en sous programmes plus petits et par la suite plus
faciles rsoudre. La programmation dynamique rsout un problme donn en le
dcomposant en tats, chacun est associ une variable de dcision.
Les calculs faits au niveau des direntes tapes sont lis de manire rcur-
sive de faon mener la solution optimale du problme entier. Lappellation
mathmatique a t donne cette procdure mathmatique car elle a t prin-
cipalement utilise dans la rsolution de problmes qui ncessitant une dcision
dans le temps, ce qui est le cas de notre problme tudi.
En fait, selon plusieurs travaux de recherche propos du problme de stockage
de conteneurs, cette mthode de modlisation savre la plus adquate pour expri-
mer lobjectif et les contraintes de ce problme, et surtout son aspect dynamique
(fentres temporelles glissantes caractrisant larrive et le dpart des conteneurs).
Lutilisation dun modle bas sur la programmation dynamique implique lutili-
sation dun modle doptimisation plusieurs tapes sous incertitude (gure 2.4).
Cest la raison pour laquelle quon utilise une fonction objectif rcursive.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
48 Problme de Stockage de Conteneurs (PSC)
2.3.2.1 Dnitions
La dnition dun tat et dune tape dans notre problme, caractristiques
principales dun modle de programmation dynamique, savre ncessaire :
tape stage : le nombre demplacements vides dans une baie bay de la zone
de stockage considre ?
tat state : ltat correspondant chaque tape est constitu du nombre dem-
placements vides dans chaque pile et de la catgorie laquelle appartient
le conteneur de plus haute priorit dans chaque pile. Les piles sont tries
dans lordre dcroissant du nombre demplacements vides. Dans le cas o le
nombre demplacements vides est le mme pour direntes piles, la pile de
plus haute priorit est celle contenant la plus grande catgorie (gure 2.3).
2.3.2.2 Modle de formulation
Soient :
i : tant donne une zone de stockage divise en plusieurs baies, i indique le
numro dune baie donne.

Nombre
d'emplacements
vides
La plus grande
catgorie dans
chaque pile
221110 LLHHM0
Fig. 2.3 Illustration de la reprsentation dun tat
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 49
M : le nombre total de baies dans une zone de stockage.
N : le nombre total dtapes.
n : le numro de ltape courante (le nombre demplacements vides).
X
n
: ltat entre de la n
me
tape.
k
n
: la catgorie du conteneur arrivant la n
me
tape (variable alatoire).
D
n
: le numro {1,..., R} de la pile alloue au conteneur arrivant la n
me
tape
(variable de dcision).
P
n
(k
n
) : la probabilit de larrive dun conteneur de catgorie k
n
. Il est suppos
que cette probabilit ne change pas tout au long du processus darrive des
conteneurs.
r
n
(X
n
, D
n
, k
n
) : le nombre marginal attendu de mouvements parasites cumuls
la n
me
tape lorsquun conteneur de catgorie k
n
est aect une pile
D
n
tant donn un tat entre X
n
.
t
n
(X
n
, D
n
, k
n
) : la fonction de transfert dtat qui permet de mapper X
n
, k
n
et
D
n
X
n1
.
f
i,n
(X
n
) : le nombre attendu de mouvements parasites dans la baie i dont ltat
courant est X
n
.
Y
i
(variable de dcision boolenne) =

1, Si un conteneur est plac dans la baie i ,


0, Sinon.
Minimiser
M

i=0
Y
i
f
i,n
(X
n
) (2.1)
O
f
i,N
(X
N
) =

k
N
P
N
(k
N
)Min
D
N
[r
N
(X
N
, D
N
, k
N
) +f
i,N1
(X
N1
)] (2.2)
f
i,0
(X
0
) = 0 (2.3)
X
N1
= t
N
(X
N
, D
N
, k
N
) (2.4)
et S/C :
M

i=0
Y
i
= 1 (2.5)
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
50 Problme de Stockage de Conteneurs (PSC)
Lquation 2.1 exprime la fonction objectif : minimiser le nombre attendu to-
tal des mouvements de replacement. Pour atteindre ce but, ne sont retenues que
les zones avec le nombre minimum de mouvements parasites attendus.
Les quations 2.2 et 2.3 expriment la programmation dynamique utilise pour
modliser la dynamique temporelle du problme, cest une fonction rcursive o
la dernire tape est dnie. Elle permet dvaluer le nombre attendu de mou-
vements parasites pour une baie choisie, et de dterminer la meilleure pile pour
stocker un conteneur qui arrive.
Lquation 2.4 exprime la fonction de transfert qui permet la mise jour de ltat
courant.
La contrainte 2.5 assure quune seule baie peut tre choisie pour placer un nou-
veau conteneur qui arrive.
La rsolution de ce problme doptimisation se fait suivant le modle dopti-
misation, plusieurs tapes, donn dans la gure 2.4.
N
DN KN
XN
rN
XN-1
n
Dn Kn
rn
Xn-1
...
Xn
n-1
Dn-1 Kn-1
rn-1
Xn-2
1
D1 K1
r1
X0
...
X1
Fig. 2.4 Modle uncertain doptimisation plusieurs tapes
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 51
2.3.3 Problmes analogues
Dans cette section, nous essayons de situer le PSC par rapport certains pro-
blmes analogues abords tels que le problme du monde des cubes et le problme
de paquetage. Ces problmes sont considrs comme tant des instanciations du
problme classique dordonnancement : le problme de planication. Dans cette
vision, nous nous focalisons sur un problme connu dintelligence articielle : le
monde des cubes.
2.3.3.1 Problme du monde des cubes
Le problme du monde des cubes dnot PMC Blocks World Planning Problem
BWPP est un problme dintelligence articielle Np-dicile et Np-complet [GS92]
utilis souvent pour illustrer le problme de planication. Dans le monde des
cubes, le but est de convertir toutes les piles de cubes dune conguration initiale
une conguration nale " But " constitue de cubes empils les uns sur les autres
(voir gure 2.5). Ils sont dplacs par un bras de robot qui ne peut dplacer quun
cube la fois du sommet dune pile au sommet dune autre (ou la table pour
constituer ventuellement une nouvelle pile). Ce cube ne doit pas tre recouvert
par un autre.
La table peut supporter un nombre inni de cubes, alors il ny a aucune limite
au nombre de piles qui peuvent tre constitues.
Cette description est rencontre souvent dans les travaux inhrents au pro-
blme du monde des cubes. Toutefois, selon [GS92], elle correspond la version
originale la plus connue de ce problme : Elementary Blocks World-EBW. Dans ce
travail, nous retrouvons trois gnralisations du EBW : Varying block-size Blocks
World-VBW, Limited table-capacity Blocks World-LBW, et Varying block-size,
Limited table-capacity Blocks World-VLBW. Parmi les mthodes de rsolution du
problme du monde des cubes, nous pouvons citer lco-rsolution [Fer89, DD91].
Les algorithmes : Unstack-Stack (US), Gupta-Nau (GN1) [GS92], et Gupta-Nau
(GN2) [GN91], compars dans [ST95].
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
52 Problme de Stockage de Conteneurs (PSC)
C
B
A
D
C
B D
A
Situation initiale
Situation Iinale
Fig. 2.5 Exemple de manipulation des cubes
2.3.3.2 Analogie avec le Problme du monde des cubes
Suite ltude du PSC et du problme du monde des cubes, nous constatons
une forte analogie entre les deux. En eet, Le PSC reprsente une instanciation
particulire du problme du monde des cubes comme le montre la gure 3. Dans
cette gure, une che dnie de A vers B indique que B est une extension de A.
Cette analogie rvle nous permet, de situer le problme tudi par rapport
dautres travaux, dexploiter les mthodes appliques dj au problme du monde
des cubes, qui ont montr une ecacit de modlisation et de rsolution malgr
quelles commencent dater Et enn, de supputer la complexit du PSC une
complexit exponentielle. Ds lors, le PSC est class parmi les problmes NP-
complets et NP-diciles.
2.3.4 Mthodes existantes pour la rsolution du PSC
Dans la plupart des travaux inhrents, ce problme est trait de deux ma-
nires : calculs analytiques simplis ou tudes par simulation dtailles. La pre-
mire est capable de traiter profondment les rapports entre les paramtres de ce
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 53
EBW
LBW VBW
VLBW CSP
Contrainte de dimension
de cube
Contrainte de capacite
de table
Contraintes de hauteur
et de date de depart
Fig. 2.6 Analogie entre le PSC et le problme du monde des cubes
problme un niveau abstrait. La deuxime peut entrer beaucoup plus dans les
dtails, mais elle prend du temps et seuls un nombre rduit de personnes la mai-
trise. Aujourdhui, aucune thorie dempilement complte nexiste, et une bonne
conception dun empilement dpend non seulement des conditions de lespace lo-
cal, mais aussi des caractristiques de linformation du ux entrant et sortant des
conteneurs qui peuvent varier dun port un autre. Ci-dessous, nous donnons des
exemples de travaux issus pour la majorit de ces approches.
Citons en dabord les premiers : en 1985, McDowell et al.[McD85] analysent
les problmes de mouvements parasites de conteneurs en import et dveloppent
un modle mathmatique pour dterminer une conguration de stockage. En
1988, Chung et al.[CRM88] tudient une stratgie alternative pour lopration de
chargement dans laquelle un buer de stockage est fourni devant laire de ma-
nuvre apron area pour maximiser lutilisation des quipements de soulvement
des conteneurs. Cette stratgie a t value par simulation.
Sculli et Hui [SH88] taient parmi les premiers chercheurs dvelopper des
mesures pour la relation entre la hauteur dempilement, lutilisation (ou lespace
de rangement ncessaire) et les remaniements, et ce en appliquant une tude par
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
54 Problme de Stockage de Conteneurs (PSC)
simulation complte.
Dans un travail datant de 1993, Taleb-Ibrahimi et al. [TICD93] proposent plu-
sieurs stratgies pour lallocation des emplacements de stockage disponibles aux
conteneurs en export. Ils discutent la manire destimer les besoins en espace pour
ces conteneurs et la manire den rduire les besoins en fournissant une zone tem-
poraire de stockage rough-stack spare de la zone de stockage marshalling area
pour les conteneurs arrivs tt. Ils considrent un modle cyclique des arrives
des navires et du stockage des conteneurs.
Dautres travaux comme ceux de De Watanabe (1991) plus populaires discu-
tant de leet de direntes hauteurs dempilement sont apparus dans le journal
professionnel de systmes de cargaison.
De Castilho et Daganzo [dCD93] continuent leurs tudes avec lempilement de
conteneurs en import : ils considrent une stratgie qui garde la mme hauteur
pour les piles de conteneurs et une stratgie qui classe les conteneurs selon leurs
dates darrive.
En 1994, Kim et Kim proposent une mthodologie pour lallocation de la
zone de stockage aux conteneurs en export en considrant un modle dynamique
gnral des arrives des conteneurs qui anticipe les eorts de soulvement fournis
par les quipements durant lopration de chargement.
Dans [Kim97], Kim propose analytiquement et par simulation une discussion
lgrement plus dtaille produisant des tables et des mesures considrant des
piles de conteneurs de mme taille.
Kim et Kim [KK98] ont tendu ces tudes en prenant aussi en considration
le nombre des grues dempilement. Ils ont dvelopp un modle de cot simple
pour optimiser ce nombre en utilisant des approximations analytiques pour les
diverses mesures de performance.
Une autre rfrence intressante popularise par Kim et Bea en 1998 [KB98]
dont lobjectif est dacclrer lopration de chargement des conteneurs en ex-
port en minimisant les mouvements improductifs et les distances " parcourues "
par ces conteneurs. Pour cela, ils proposent une mthode permettant datteindre
un arrangement prfrable partir de larrangement courant des baies dans la
zone de stockage tout en minimisant le nombre de conteneurs dplacer et la
distance parcourue qui sen suit. Le problme est divis en trois sous problmes :
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 55
appariement des baies bay matching, planication des dplacements move plan-
ning et ordonnancement des tches de dplacements task sequencing. Un modle
mathmatique est utilis pour la rsolution de chacun de ces sous-problmes.
En 1998, [GRZ98] prsente un systme daide la dcision pour la gestion dun
terminal conteneurs intermodal. Dans leur modle, Gambardella et al. traitent
le problme daectation spatiale des conteneurs. Ils dcrivent un premier modle
bas sur la programmation linaire en nombres entiers pour optimiser le processus
daectation, et un deuxime modle de simulation vnements discrets du
terminal.
Nous citons galement le travail de Kozan en 1999 [KP99] utilisant les al-
gorithmes gntiques pour rduire les temps de transfert et de manutention des
conteneurs et par la suite le temps pass par un navire aux quais dun port, et
ce en acclrant les oprations de manutention. Lapplication de tels algorithmes
prsente des dicults reposant sur le choix de bons paramtres tels que la taille
dune population, le nombre de gnration, la probabilit de croisement et de
mutation et les mthodes des oprateurs de reproduction.
La relation entre lallocation de lespace et le transport des conteneurs uti-
lisant des vhicules est tudie par Demir et al. [DLL
+
98] en ayant recours
loptimisation combinatoire. Ils cherchent des stratgies de distribution de vhi-
cules minimisant le temps total pour dcharger tous les conteneurs du navire.
Ils prouvent que ce problme est NP-dur et ressortent les plus mauvais ratios de
performance absolus et asymptotiques relatifs des heuristiques.
En 1999, Kim et al.[KK99] ont publi un article intressant o ils traitent
du problme dallocation de la zone de stockage disponible aux conteneurs en
import. Ils dcrivent une stratgie de sgrgation. Dans cette stratgie, lempile-
ment de nouveaux conteneurs au dessus de conteneurs qui sont arrivs plus tt
est non permis. Lespace de stockage est allou chaque navire de manire mi-
nimiser le nombre attendu total des mouvements de replacement des conteneurs.
Des modles mathmatiques et des procdures de rsolution sont proposes pour
lobtention de solutions optimales dans trois cas dirents : le taux darrives des
conteneurs en import est constant, cyclique, et dynamique. Une formule dcrivant
la relation entre la hauteur des piles de conteneurs et le nombre de mouvements
parasites est drive.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
56 Problme de Stockage de Conteneurs (PSC)
Dans une autre tude, Dekker et al. [DVNM99] considrent leet de gnrer
des groupes de conteneurs changeables au cours de lempilement. Ils montrent
quayant de tels groupes, rduit considrablement non seulement le nombre de
remaniements, mais aussi la charge de travail pendant le chargement du navire
pouvant tre galement distribue dans des systmes automatiss. Malheureuse-
ment, de tels groupes changeables sont seulement probables dtre gnrs pour
des conteneurs en export, non encore pour des conteneurs en import. Pour ce
dernier cas, lempilement reste un problme rigoureux.
Chen et al. [CCH00] ont fourni une analyse statistique empirique de la per-
formance relle dun terminal conteneurs Taiwanais. Le nombre de mouvements
a t associ la densit de stockage, au volume de conteneurs chargs et au
volume de conteneurs dchargs.
Murty et al. [MJLZ
+
00] considrent lallocation de lespace de stockage, tenant
compte de la congestion qui peut apparatre si trop de vhicules transporteurs
doivent soulever des conteneurs se trouvant dans une mme zone. Ils proposent
alors une mthode deux phases : dabord les conteneurs arrivants sont aects
aux direntes piles. Ensuite, chaque conteneur est mis dans sa meilleure position
dans une pile, tenant compte de remaniements possibles.
Un travail intressant popularis aussi par Kim et al. en 2000 [KPR00] tudie
le problme de dtermination de positions de stockage de conteneurs en export, de
manire minimiser le nombre de mouvements de replacement attendus lors de
lopration de chargement. Le poids est considr comme un critre qui dnit une
certaine priorit entre les dirents conteneurs prendre en compte au cours de
leur placement dans la zone de stockage. Ce travail fournit une tude comparative
entre la rsolution via un modle de programmation dynamique et la rsolution
via le dveloppement dun arbre de dcision.
Nous pouvons citer celui de Kozan [Koz00] qui tudie le problme de minimi-
sation du temps total pass par un conteneur dans un terminal depuis son arrive
jusqu son dpart (ce temps est gal la somme du temps de manutention et
du temps dacheminement ou de dplacement des conteneurs). Il propose une for-
mulation mathmatique, et utilise le programme GAMS (Generalised Algebraic
Modeling System-GAMS) pour le rsoudre.
Un autre travail ddi au problme de stockage est propos par Duinkerken et
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Problme de Stockage de Conteneurs -PSC Container Stacking Problem 57
al. en 2001 [DEO01], il fournit une tude empirique et comparative par simula-
tion des direntes stratgies de stockage des conteneurs dans un terminal selon
plusieurs paramtres.
Ambrosino et al. [AMS02] tudient limpact de lorganisation de la zone de
stockage dans lactivit darrimage de conteneurs en terme de mouvements impro-
ductifs des conteneurs en export. Ils traitent le problme en utilisant une approche
heuristique base sur une modle de programmation linaire en 0-1.
En 2002, Kim et al. [KK02] proposent une mthode pour dterminer lespace
de stockage optimal et le nombre optimal de grues de transfert utilises pour la
manutention des conteneurs en import. Un modle de cot est dvelopp pour
laide la dcision. Ce modle de cot est constitu du cot de stockage, du cot
dinvestissement en grues de transfert et du cot des oprations eectues par les
camions et les grues de transfert.
Un travail prsent dans Chen et al. [CFLR04] propose un modle dans le
cadre de la gestion du port de Singapour. Ce modle allie direntes mtaheuris-
tiques (recherche tabou, recuit simul et algorithmes gntiques) pour rsoudre le
problme doptimisation de la zone de stockage dans un port Port Yard Storage
Optimization-PYSOP par analogie au problme de paquetage deux dimensions
two-dimensional Packing Problem et ce en minimisant lespace allou un navire
en un intervalle de temps dni.
Toujours, par analogie au problme de paquetage, une tude plus rcente d-
taille dans Murty et al. [MLWL05] propose un systme daide la dcision pour
la minimisation du temps dallocation des navires aux postes quai, des res-
sources ncessaires pour la manutention, du temps dattente des camions et des
navires, et principalement la congestion dans les traves et les zones de stockage
pour loptimisation de lutilisation de lespace de stockage. Et ce, en minimisant
le nombre de mouvements parasites de conteneurs en import et en export. Ce
systme est ddi au port de Hong Kong, il met en uvre des modles de pro-
grammation linaire.Notons que ce systme ne considre pas le problme de ux
et dordonnancement de conteneurs.
La majorit de ces tudes existantes a t mene pour des ports maritimes
particuliers (Singapour, Hong Kong, etc.). Dans le cadre des ports uviaux, nous
citons deux travaux rcents [KP04] et [YHSK05] o ils utilisent un algorithme
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
58 Problme de Stockage de Conteneurs (PSC)
de programmation dynamique bas sur une loi darrive stochastique des barges
pour rsoudre le problme daectation en temps rel de conteneurs dchargs
des zones de stockage tout en minimisant le nombre de mouvements parasites.
De nombreuses simulations ont t ralises, en faisant varier la loi darrive des
barges, lhorizon de prvision, et le taux de remplissage de la zone de stockage.
Une tude comparative a t labore en comparant le nombre de mouvements
parasites obtenu pour cet algorithme, et pour une rgle de dcision simple consis-
tant placer le conteneur sur la pile la moins occupe, pour dirents taux
doccupation de la zone de stockage.
Dans un travail rcent [DVvA06], les auteurs tudient et valuent par simu-
lation de direntes stratgies de stockage de conteneurs spciques au terminal
ECT du port de Rotterdam. Les mesures de performance sont le nombre de
mouvements parasites et le pourcentage dutilisation des grues dempilement au-
tomatiques.
Les modles dcrits, dont la plupart sont analytiques ou de simulation, consti-
tuent des modles centraliss. Nous avons retrouv en oppos des modles de
simulation distribue utilisant les systmes multi-agent dont nous pouvons ci-
ter : [RJCB00, KD04, HWD03]. Par exemple, le travail rcent de Henesey et
al. [HWD03] dcrit trois manires de stockage : un systme de stockage court
terme pour les conteneurs qui peuvent tre transbords dans un autre navire, un
systme de stockage long terme pour les conteneurs en attente dinspection, et
un systme de stockage particulier pour les conteneurs frigoriques.
Ces travaux proposent des modles multi-agent simulant le port en entier.
Il sagit de dnir un agent pour chaque opration du processus de la gestion
portuaire.
Notre recherche bibliographique sur des problmes voisins au PSC a rvl
des travaux intressants utilisant aussi les systmes multi-agent telles que : la
mthode dco-rsolution applique au problme classique du monde des cubes
[Fer95] et la rsolution du problme daectation de tches aux ressources [GV92,
Ghe99, PCB06].
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Classication des travaux selon les ports conteneuriss dans le monde 59
2.4 Classication des travaux selon les ports conte-
neuriss dans le monde
Dans cette section, nous donnons un tableau 2.2qui rsume les recherches
rcentes consacres aux problmes de dcision rencontrs dans quelques uns des
plus grands ports conteneuriss dans le monde en se rfrant [RT]. La premire
et troisime colonnes de ce tableau montrent le nom du port conteneuris et
les rfrences des travaux ddis qui sont extraits de la littrature.La deuxime
colonne prsente les problmes de dcision discuts dans chaque port ainsi que les
mthodes de rsolution adoptes. Nous constatons que le problme le plus tudi
dans ces ports est le problmes de tournes de vhicules.
2.5 Bilan et synthse
Dans ce chapitre, nous avons dcrit successivement les oprations se produi-
sant dans un terminal conteneurs manuellement ou automatiquement gr. Tous
les quipements mis en uvre ainsi que les problmes de dcision inhrents sont
aussi discuts, une revue de littrature est prsente pour chaque problme. Dans
une deuxime partie nous nous sommes concentrs sur un problme particulier,
celui que nous traitons dans cette thse : Le problme de Stockage de Conteneurs
PSC. Nous avons prsent dabord nos motivations pour tudier ce problme, et
les notions de base sur lesquelles il repose. Puis, une dnition du problme en lui-
mme. Ensuite, un modle de sa formulation par la programmation dynamique.
Par la suite, le problme analogue : le problme du monde des cubes. Et enn, les
travaux de recherche qui lui ont t consacrs proposant des modles analytiques
et de simulation, centraliss et distribus.
Ce chapitre nous a permis essentiellement davoir une vue gnrale sur les
mthodes de rsolution ddies lactivit de stockage de conteneurs. Nous avons
dcel les limites suivantes par rapport aux objectifs et contraintes que nous nous
sommes xs :
Les travaux ddis au PSC utilisent pour la plupart des modles math-
matiques et stochastiques pour sa rsolution qui ne tiennent pas compte
de la complexit, la dynamique et limprvisibilit de ce problme et se re-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
60 Problme de Stockage de Conteneurs (PSC)
Tab. 2.2 Principaux travaux dans les plus grands ports du monde
Ports Problme de dcision et Mthodes de rsolu-
tion
Rfrences
1. Port de Ham-
burg, Allemagne
2. Port de Bremen,
Allemagne
* Allocation de lespace de stockage (Mixed
Integer Linear Programming-MILP)
* Gnration de scnarios (simulation)
* Ordonnancement de vhicules (algorithmes
gntiques)
[SWZ01]
[Har02]
[BRSV00]
1. Contship La Spe-
zia, Italie
2. Terminal mari-
time Gnes, Italie
* Allocation de lespace de stockage (Simula-
tion)
* Gestion de la zone de stockage (Integer Pro-
gramming)
[GRZ98]
[AMS02]
Port de pusan, Co-
re
* Allocation de postes quais (MILP)
* Allocation de postes quais et aectation
de portiques
(Relaxation lagrangienne, Programmation dy-
namique)
[Moo01]
[PK03]
Port de Rotterdam,
Les Pays-Bas
* Ordonnancement de vhicules et de grues
(B&B, Beam Search Heuristic Method)
* Prediction et vitement de congestion (Wait
and Proceed Strategy)
[MW01b]
[MW01a]
[MHGWCCP03]
Port de Singapour,
Singapour
* Le systme global (Simulation)
* Distribution dAGVs(Network Flow Model )
[LJI02]
[CSN
+
03]
Terminal conte-
neurs No9 de Hong
Kong (Nouveau),
Chine
* Dploiement de RTGs (Vogel Solution)
* Aectation de lespace de stockage et tour-
nes de vhicules (Programmation linaire)
* Allocation de lespace de stockage (Integer
Programming)
*Dploiement de grues et de RTGs
[MLWL05]
[ZLW
+
01]
[ZWLL02]
1. Terminal de taille
relle
2. Terminal virtuel
* Ordonnancement de vhicules (Algorithme
heuristique/ relaxation lagrangienne
* Re-Ordonnancement de portiques et de v-
hicules (Systme multi-agent)
[ZYHH02]
[TH02]
Port rel (non men-
tionn)
Le systme global (Systme multi-agent, non
implment))
[RJCB00]
[TH02]
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bilan et synthse 61
streignent traiter le cas des arrives des conteneurs en import ou en export
exclusivement.
Insusance de lexploitation de mthodes de rsolution distribue comme
les systmes multi-agent,les quelques travaux labors sont uniquement si-
muls et non implments. De plus, ils simulent toute lactivit portuaire.Aucun
travail ne sest consacr lactivit particulire de stockage de conteneurs.
Peu de travaux sintressent optimiser le nombre de mouvements improduc-
tifs. Dans les quelques travaux munis dune tude exprimentale dtaille,
les mesures de performances sont souvent : le pourcentage dutilisation des
grues de quais ou le temps total de transfert de conteneurs.
Lutilisation des mthodes exactes et en particulier la programmation dyna-
mique a concern lactivit de stockage des conteneurs arrivs et ne tiennent
pas compte des dparts de conteneurs en import ou en export. En outre,
ces mthodes supposent une sous-structure optimale et supposent connues
lavance larrangement initial et nal des conteneurs dans une zone de
stockage
Absence dtudes exprimentales pour le cas de minimisation de mouve-
ments improductifs suite des dparts de conteneurs.
Dans ces travaux, nous navons pas trouv des benchmarks que nous pou-
vons utiliser pour mener notre tude exprimentale.
Comme nous le constatons partir du tableau 2.2, les travaux ddis aux
plus grands ports du monde ne traitent pas notre problme : Le PSC.
Lanalogie entre le problme de stockage de conteneurs et le problme du
monde des cubes est faiblement exploite.
Au vue des ces limites, il nous semble que certaines voies de recherche telles que
les mthodes heuristiques, les mthodes de rsolution de problmes analogues et
lapproche multi-agent peuvent se rvler fructueuses, particulirement, en ce qui
concerne la modlisation, la simulation et la rsolution de problmes doptimisa-
tion combinatoire comme le PSC. Cest pourquoi nous avons dcid de dvelopper
deux modles multi-agent : un premier modle de base appel ContEco inspir de
la forte analogie entre une version relaxe du PSC et le problme du monde des
cubes, et principalement un deuxime modle tendu appel COSAH pour lopti-
misation heuristique distribue dune version tendue du PSC. Les spcicits de
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
62 Problme de Stockage de Conteneurs (PSC)
ces deux contributions seront exhaustivement dtailles dans le chapitre 4. Mais
avant cela, dans le chapitre 3, nous prsentons les mthodes et les concepts adop-
ts dans ces deux modles. Nous donnons galement, de manire plus synthtique
nos arguments dutiliser chaque mthode.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Deuxime partie
Approche propose
63
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Chapitre 3
Mthodes et approches adoptes
3.1 Introduction
Dans les chapitres prcdents, nous avons dress une tude bibliographique
exhaustive concernant les problmes de transport conteneuris, le problme par-
ticulier de stockage de conteneurs- PSC, les problmes analogues, et les mthodes
de rsolution qui leur ont t ddies. Nous avons conclu par un travail de syn-
thse et critique de cet tat de lart qui nous a permis de situer notre thse au
sein des travaux existants, de montrer certaines limites et insusances quant aux
approches de rsolution du problme tudi, de mettre en avant son analogie
avec le problme connu du monde des cubes, et en consquence de justier nos
choix et directives quant la modlisation, la simulation et la rsolution de ce
problme. Dans le reste de ce manuscrit nous allons alors nous intresser aux dif-
frents mthodes et concepts adopts dans nos deux modles proposs : ContEco
et COSAH, savoir :
Les systmes multi-agent : tant une mthode de modlisation, simulation
et rsolution distribue.
Loptimisation heuristique : tant une mthode doptimisation approche.
Les rseaux de Petri : tant des mthodes formelles pour la description et
la formalisation.
Nous justions galement lutilisation de chaque mthode et expliquons la nature
et lutilit de leur alliance par rapport nos modles proposs.
65
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
66 Mthodes et approches adoptes
3.2 Les systmes multi-agent
Les deux modles proposs ContEco et COSAH sont deux modles de rsolu-
tion distribue bass sur les systmes multi-agent et que nous utilisons pour la mo-
dlisation, la simulation et la rsolution du problme de stockage de conteneurs-
PSC. Dans cette section, nous commenons dabord par justier notre intrt
cette mthode en citant nos dirents arguments, ensuite dnir les direntes no-
tions lies cette mthode, exceptionnellement : lco-rsolution, la coopration,
la ngociation, et la planication qui constituent les concepts cls de ContEco
et COSAH. Enn, nous abordons les dirents aspects de la formalisation des
systmes multi-agent.
3.2.1 Pourquoi avons-nous opt pour les systmes multi-
agent ?
Nous donnons des raisons lies dune part la nature mme du PSC, et dautre
part lapplication en elle-mme des systmes multi-agent :
Un haut degr de dynamique et de complexit caractrise le PSC tant don-
nes des contraintes temporelles dynamiques, des fentres glissantes carac-
trisant les arrives de navires (ou autre mode) et de nouveaux conteneurs
peuvent tre reus de manire asynchrone. Comparant dautres problmes
tel que le problme daectation de tches aux ressources, le problme de sac
dos, et le problme du monde des cubes. Bien quils soient de mme com-
plexit, notre problme est plus dicile rsoudre empiriquement, puisque
les contraintes temporelles dynamiques qui le caractrisent rduisent les-
pace des solutions ralisables et les rendent plus diciles trouver dans
certains cas. En outre, puisquil est dynamique, il ne sagit plus de calculer
une solution partir de donnes stables mais de maintenir une solution
acceptable malgr la rorganisation et les perturbations permanentes.
Le problme de stockage de conteneurs est modlis par un systme com-
plexe et ouvert. Il peut se rattacher dautres systmes tels que le problme
de chargement des navires et le problme dordonnancement des quipe-
ments de manutention. De plus, il se caractrise, dune part, par la nature
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 67
matrielle de ses lments (conteneurs, piles, quipements, navires, etc.), et
dautre part, par la richesse des interactions entre eux.
La ncessit dexistence de traitements coopratifs dans la ralit du sys-
tme puisque deux conteneurs peuvent entrer en interfrence, soit au ni-
veau des buts (nouvel emplacement), des rsultats (mouvements eectus),
soit au niveau des procdures (dtermination de nouveaux emplacements).
Alors, il faut en sorte traiter ces interfrences pour que lactivit de sto-
ckage dun conteneur soit ralise de faon faciliter la ralisation de celle
de lautre ; ou la ralisation de la tche commune (si elle existe) comme par
exemple : librer leur emplacement au prot dun troisime conteneur. Cela
nous mne lutilisation de mthodes de coopration empruntes lIAD
telles que : la ngociation et la planication distribue entre agents.
Le problme de stockage de conteneurs-PSC sintgre dans le cadre des ap-
proches de rsolution distribue cooprative de problmes Cooperative Dis-
tributed Problem Solving-CDPS [DLC89]. Dans ces approches, les agents
cooprent pour rsoudre des problmes quils ne peuvent pas rsoudre in-
dividuellement. Tout dabord chaque agent utilise ses connaissances et res-
sources pour rsoudre localement un ou plusieurs sous-problmes. Les solu-
tions partielles ces sous-problmes sont par la suite intgres pour former
la solution globale. Dans le cas du PSC, les conteneurs qui recherchent des
emplacements ou bien qui veulent partir ont direntes perceptions de leur
espace environnant constitu par les autres conteneurs, doivent cooprer
pour rsoudre leurs sous-problmes et conits pour atteindre une solution
globale.
La recherche dans le domaine des systmes multi-agent revt de plus en
plus dimportance pour leur capacit aborder des systmes complexes
cest dire les systmes constitus de nombreux composants en interaction
dynamique entre aux et avec le monde extrieur.
En ce qui concerne la rsolution distribue via les systmes multi-agent,
nous avons constat que les quelques travaux inhrents lutilisent seulement
pour simuler la gestion portuaire en entier.
Dautres travaux ont montr que lapplication des systmes multi-agent est
dun grand apport dans la rsolution de problmes fortement combinatoire
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
68 Mthodes et approches adoptes
(NP-complets et NP-Diciles). tels que le problme de tournes de vhicules
[BFG05], le problme de partitionnement de graphes [HG05], le problme
dordonnancement [EG05], etc.
En vue de toutes ces raisons, les systmes multi-agent constituent une rponse
notre problmatique.
3.2.2 Quelques concepts
Depuis une dizaine dannes, les systmes multi-agent ont connu un grand
essor et sont appliqus des domaines trs varis comme, par exemple, le domaine
de la simulation et de la vie articielle, la robotique, le traitement dimages, etc.
Cet essor manifeste des SMA mane de la critique des approches squentielles ou
fonctionnelles et de lintelligence articielle classique. En rsum, il est intressant
dobserver la place quoccupent les systmes multi-agent dans lvolution des
paradigmes de linformatique selon [Jam05]. La gure 3.1 illustre cette place.
T
e
m
p
s
Fonctions
Paradigme Objet
Paradigme Agent
Systemes a agents
Paradigme Multi-Agent
CollectiI
Cooperation
Ressources
Donnees
Fig. 3.1 Evolution des paradigmes de programmation
Dans la suite, nous prsentons les notions dagents et de systmes multi-agent,
et dtaillons les direntes questions que soulve lapproche SMA telles que : les
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 69
interactions et la coopration, la coordination, la planication et la communica-
tion. Nous insistons en particulier sur la coordination par co-rsolution [Fer95]
et [Ghe99].
3.2.2.1 Quest ce quun agent
Il nexiste pas, actuellement, une dnition de lagent qui fasse foi dans le
monde de lintelligence articielle distribue. Il est donc ncessaire, pour avoir
une bonne vision de ce concept, de confronter plusieurs de ces dnitions, nous
allons exploiter trois dentre elles :
La dnition de Jacques Ferber [Fer95] : " Un agent peut tre dni comme
une entit autonome, relle ou abstraite, qui est capable dagir sur elle mme et
sur son environnement, qui, dans un univers multi-agent, peut communiquer avec
dautres agents, et dont le comportement est la consquence de ses observations,
de ses connaissances et des interactions avec les autres agents ".
Cette dnition aborde une notion essentielle : lautonomie. En eet, ce concept
est au centre de la problmatique des agents. Lautonomie est la facult davoir ou
non le contrle de son comportement sans lintervention dautres agents ou dtres
humains. Une autre notion importante aborde par cette dnition concerne la
capacit dun agent communiquer avec dautres.
Selon M. Wooldridge [Woo99], un agent est un systme informatique capable
dagir de manire autonome et exible dans un environnement. Par exibilit on
entend :
Ractivit : un systme ractif maintient un lien constant avec son environ-
nement et rpond aux changements qui y surviennent.
Pro-activit : un systme pro-actif (aussi appel tlonomique) gnre et
satisfait des buts. Son comportement nest donc pas uniquement dirig par
des vnements.
Capacits sociales : un systme social est capable dinteragir ou cooprer
avec dautres systmes.
Une dnition plus rcente donne par [Wei99] : un agent est " une entit
computationnnelle " ou un robot, qui peut tre vu comme percevant et agissant
de faon autonome sur son environnement. On peut parler dautonomie parce que
son comportement dpend au moins partiellement de son exprience.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
70 Mthodes et approches adoptes
Tab. 3.1 Typologie des agents
Agents cognitifs Agents ractifs Agents hybrides
* possdent des capaci-
ts cognitives : anticiper,
prvoir le futur, mmori-
ser des choses... ils r-
chissent.
* proviennent dune mta-
phore du modle humain.
* possdent une reprsen-
tation explicite de leur en-
vironnement, des autres
agents et deux-mmes.
* sont aussi dots de ca-
pacits de raisonnement et
de planication ainsi que
de communication.
* sont structurs en so-
cit o il rgne donc une
vritable organisation so-
ciale.
* le travail le plus repr-
sentatif de cette famille
dagent porte sur le mo-
dle Believe Desir Inten-
tion BDI [RG95].
* les sources de ces tra-
vaux sont les sciences hu-
maines et sociales.
* ont des capacits rac-
tives : ragir directement
lenvironnement peru,
par pulsion.
* ne possdent pas de
moyen de mmorisation.
* nont pas de reprsenta-
tion explicite de leur envi-
ronnement.
* fonctionnent selon un
modle stimuli/ rponse.
* ds quils peroivent une
modication de leur envi-
ronnement, ils rpondent
par une action program-
me.
* lexemple le plus clbre
est celui de la fourmilire
tudi par Alexis Drogoul
[Dro00].
* les sources des travaux
sur ce type dagents sont
les sciences de la nature et
de la vie.
* ont des capacits cogni-
tives et ractives.
* conjuguent en eet la
rapidit de rponse des
agents ractifs ainsi que
les capacits de raisonne-
ment des agents cognitifs.
* le modle est un
compromis autono-
mie/coopration et
ecacit/complexit.
* lexemple de larchitec-
ture ASIC [BD97] utilise
pour le traitement num-
rique dimages.
* larchitecture ASTRO
[DO98] dveloppe pour
tre utilise dans les sys-
tmes multi-agents soumis
des contraintes de type
temporelles.
Ces dnitions sont le rsultat de direntes approches. Il existe en fait plu-
sieurs types dagents, qui selon les capacits quils possdent, seront qualis de
ractifs, cognitifs ou hybrides. Ces types dagents sont dcrits dans le tableau 3.1.
3.2.2.2 Quest ce quun Systme Multi-Agent SMA?
Ferber [Fer95] dnit un systme multi-agent de la manire suivante :
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 71
" Un systme multi-agent est un systme compos des lments suivants :
Un environnement est un espace disposant gnralement dune mtrique.
Un ensemble dobjets situs dans lespace, ils sont passifs, ils peuvent tre
perus, dtruits, crs et modis par les agents.
Un ensemble dagents qui sont les entits actives du systme.
Un ensemble de relations qui unissent les objets entre eux.
Un ensemble doprations permettant aux agents de percevoir, de dtruire,
de crer, de transformer et de manipuler les objets.
Un ensemble doprateurs chargs de reprsenter lapplication de ces op-
rations et la raction du monde cette tentative de modication (les lois
de lunivers)."
Un systme multi-agent est un ensemble homogne ou htrogne dagents
situs dans un mme environnement et qui interagissent. De ces interactions
peuvent merger dirents phnomnes que lon peut classer en trois catgories
[Mar96] : lmergence structurelle, lmergence de comportements et lmergence
de proprits. Lmergence traite donc de lapparition soudaine non program-
me et irrversible de phnomnes dans un systme (ventuellement multi-agent)
conrmant ainsi la maxime grecque " le tout est plus que la somme de chaque
partie ".
Selon la vision de Demazeau [Dem95] :
SMA = Agent +Environnement + Interaction + Organisation.
Cette dcomposition dun SMA est dite dcomposition Voyelles qui identie
un axe Agent, un axe Environnement, des Interactions et une structure Organi-
sationnelle explicite ou non. Un SMA est gnralement caractris par :
chaque agent a des informations ou des capacits de rsolution de problmes
limites, ainsi il a un point de vue partiel.
il ny a aucun contrle global du systme multi-agent.
les donns sont dcentralises.
le calcul est asynchrone.
Les types courants dinteraction dans un SMA incluent la coopration (tra-
vailler ensemble la rsolution dun but commun), ; la coordination (organiser la
rsolution dun problme de telle sorte que les interactions nuisibles soient vites
ou que les interactions bnques soient exploites) et la ngociation (parvenir
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
72 Mthodes et approches adoptes
un accord acceptable pour toutes les parties concernes).
La recherche sur les systmes multi-agent est ainsi une recherche sur :
3.2.2.3 La communication
Le problme de la communication entre agents peut se rsumer aux questions
suivantes : communiquer quoi, qui ? quand? Et comment ?
La communication est primordiale dans le sens o elle constitue un moyen pour
acheminer et vhiculer les messages de toutes sortes qui permettent de rsoudre
les conits de coopration et de coordination.
Plusieurs modles de communication sont proposs en fonction du type de
coordination entre agents. La plupart de ces modles disposent de protocoles per-
mettant un traitement logique de la communication en tant quacte. On distingue
trois modles de base que voici.
Communication par environnement
Les agents laissent des traces dans leur environnement (des signaux) indiquant
leur prsence et pouvant tre perues par dautres agents. Ce type de communi-
cation est trs courant dans les systmes ractifs et qualis de communication
non intentionnelle.
Communication par partage dinformation ou blackboard (ou contrle
centralis)
Tous les agents travaillent sur un espace commun qui comprend toutes les in-
formations ncessaires la rsolution du problme trait. Toute communication
entre agents se fait par le biais de cet espace appel base partage ou tableau noir,
do lappellation du systme Blackboard. Notons que ce mode de communication
convient bien aux agents cognitifs. Cest un mode de communication intention-
nelle qui a donn lieu des architectures Blackboard o les agents sont plutt
appels des sources de connaissances.
Communication par envoi de messages (ou contrle distribu)
Contrairement au modle prcdent, chaque agent a un point de vue local du
problme et communique directement avec les autres agents quil connat appels
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 73
accointances. Ce type de communication est utilis aussi bien pour les agents
ractifs que les agents cognitifs et est quali aussi dintentionnel.
Notons quil y a deux variantes de ce modle : dans le cas o on connatrait le
destinataire, il sagit dune communication point point. Dans le cas contraire,
cest une communication par diusion.
3.2.2.4 La coopration
Les agents travaillent la satisfaction dun but commun par le biais de
lchange dinformations ou individuel via la sous-traitance des buts.
Lobjectif de la coopration est damliorer le mode de travail des agents en
terme de :
Validit et rationalit des informations changes et des comportements.
Ecacit des stratgies de rsolution employes.
Cohrence entre la planication locale et globale.
Rquilibrage dynamique de la charge de travail.
On distingue deux modles de coopration : Collaboration par allocation des
tches, des informations et des ressources et Coordination dactions et rsolution
de conits.
Collaboration par allocation des tches, des informations et des res-
sources
Cette allocation peut tre statique cest dire que chaque agent connat les
comptences des autres agents (exp. : rseau daccointances) ou dynamique o
tous les agents sont contacts via dirents types de messages, sans connaissances
priori, an de choisir le " meilleur " (exp. : rseau contractuel [Smi80, SD80]).
Cette dynamique fournit un systme robuste reposant sur un espace de recherche
robuste reposant sur un espace de recherche maximal.
Coordination dactions et rsolution de conits
La rsolution de conits est mise en oeuvre soit par ngociation, soit laide
dun mdiateur. Le moyen le plus usit et le plus tudi est la ngociation. Cest
lactivit qui consiste changer des informations entre les agents an daboutir
un compromis mutuellement acceptable et un comportement convergent vers une
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
74 Mthodes et approches adoptes
solution ou un tat stable dans le cas de conits. Elle est accomplie par change
de plans, de croyances ou dinformations, par engagements, par coordination dac-
tions ou par change de solutions partielles.
Malone [Malone 90] note que deux des composantes fondamentales de la co-
ordination entre agents sont lallocation de ressources rares et la communication
de rsultats intermdiaires. Dans ce contexte, les agents doivent tre capables de
communiquer entre eux de faon pouvoir changer les rsultats intermdiaires.
Pour lallocation des ressources partages, les agents doivent tre capables de faire
des transferts de ressources. Ceci peut dailleurs imposer certains comportements
des agents particuliers. Le lecteur, intress par une tude dtaille de la coordi-
nation entre agents, pourra se rfrer larticle de El-Fallah Seghrouchni [SH96].
Dans cet article, la coordination est vue plus particulirement sous langle de la
coordination dactions par planication multi-agent. La coordination peut tre
assure par la mthode dco-rsolution.
3.2.2.5 La ngociation
La ngociation joue un rle fondamental dans les activits de coopration en
permettant aux personnes de rsoudre des conits qui pourraient mettre en p-
ril des comportements coopratifs. Durfee et ses collgues [DLC89] dnissent la
ngociation comme le processus damliorer les accords (en rduisant les incon-
sistances et lincertitude) sur des points de vue communs ou des plans daction
grce lchange structur dinformations pertinentes. Le protocole du rseau
contractuel Contract-Net a t une des approches les plus utilises dans un SMA
[Smi80]. Par exemple, Parunak (Parunak 96) a utilis ce protocole pour dve-
lopper un systme de contrle de production. Un autre protocole de ngociation
important a t propos par Cammarata et ses collgues [CMS88] qui ont tu-
di les stratgies de coopration pour rsoudre des conits entre des plans dun
ensemble dagents. Ces stratgies ont t appliques au domaine du contrle de
trac arien.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 75
3.2.2.6 Planication
Bond et Gasser [BG88] font remarquer que nous pouvons obtenir une plus
grande coordination si on oriente les comportements des agents vers des buts
communs en tablissant explicitement une division du travail entre les agents.
Des techniques comme la planication centralise pour des groupes dagents, la
conciliation de plans, la planication distribue, lanalyse organisationnelle, sont
toutes des faons daider les agents aligner leurs activits en assignant les tches
aprs avoir raisonn sur les consquences de raliser ces tches dans des ordres
particuliers. En planication multi-agent centralise, un agent est responsable
pour la cration du plan qui spcie les actions planies pour tous les agents
concerns. Cest cette approche qui a t utilise par Cammarata pour le pro-
blme du contrle de trac arien. Une autre faon dimplmenter la planication
multi-agent centralise a t propose par George [Geo83]. Dans cette approche,
les plans des agents sont dabord crs de faon individuelle, ensuite un agent cen-
tralisateur rassemble ces plans et les analyse pour identier les conits. Lagent
centralisateur en question essaye de rsoudre les conits en modiant les plans
locaux des autres agents et en introduisant des commandes de communication
an que les agents se synchronisent de faon approprie. Dans une approche de
planication distribue, les activits de planication sont rparties au sein dun
groupe dagents. Cette approche est utilise quand un seul agent ne peut pas
avoir une vue globale des activits du groupe.
En gnral, la planication multi-agent ncessite une forme ou une autre de
synchronisation de plans qui peut tre ralise divers moments : pendant la
dcomposition de plans, pendant la construction de plans ou aprs celle-ci. Les
plans des agents peuvent tre en conits en raison dincompatibilits dtats des
systmes, de lordre des activits ou de lusage des ressources. De tels conits
peuvent tre rsolus par un agent en particulier (coordinateur ou mdiateur) ou
une solution peut tre obtenue par ngociation.
3.2.3 Rsolution par coordination : lco-rsolution
Selon [Fer95] et [Dro00], lco-rsolution est une mthode de rsolution de
problme qui prend le contre -pied des techniques classiques. Il sagit de refor-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
76 Mthodes et approches adoptes
muler le problme de manire quil soit conu comme un ensemble dagents en
interaction qui tentent de satisfaire individuellement leur propre but, plutt que
de le formaliser de manire globale et de dnir par la suite des mthodes de
rsolution sappliquant directement sa dnition. Elle sest avr tre un outil
extrmement puissant de dcomposition de problme. Sa proximit, dune part,
avec la dcomposition oriente objet, et la simplicit, dautre part, de son noyau
de rsolution (et des comportements arents des agents constitutifs du pro-
blme) permettent daborder une gamme trs tendue de problmes, et dutiliser
un grand nombre de techniques complmentaires (apprentissage, rsolution de
contraintes, propagation de gradients) pour lcriture dheuristiques spcialises.
Le principe est dapprhender un problme comme tant une population dagents
dont lensemble des comportements tend aboutir un tat stable, que lon ap-
pelle la solution du problme. Chaque agent rpond aux principes dautonomie et
de localit, cest--dire que les actions quil entreprend sont la consquence la
fois de perceptions locales et des relations quil a tablies avec dautres agents. Au
cours de leur comportement, ces agents eectuent parfois des actions particulires
qui, si elles sont mmorises, correspondent directement aux actions qui devraient
tre eectues par un systme centralis (un programme de planication ou un
individu) pour aboutir un rsultat. Le plan est alors obtenu comme un eet
secondaire du comportement des agents.
Eco est un modle gnral de systme de rsolution de problmes fond sur
lco-rsolution, qui se compose de deux parties :
Noyau : dnit le protocole suivi par lensemble des agents. Ce noyau est com-
pltement indpendant du domaine du problme rsoudre. Il consiste en
une dnition abstraite des agents du systme appels " co-agents ", du
protocole suivi par ces agents et des interactions de leurs dirents compor-
tements lmentaires.
Comportement spcique : une partie dpendante du domaine dapplica-
tion, o les comportements des agents spciques au domaine sont cods.
Un co-agent est caractris par un but, un tat interne (trois tats sont
possibles : satisfait, en recherche de satisfaction ou en recherche de fuite), des
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 77
actions lmentaires : lies au domaine, ce sont des actions de satisfaction et de
fuite et des fonctions de perception des gneurs (les agents qui empchent lagent
courant dtre satisfait ou de fuir) et des dpendances (les agents dont lagent
courant est le but). Ces dpendances ne pourront tre satisfaites que si lagent
courant se trouve lui-mme satisfait.
Un co-problme est dni par un ensemble dagents dont chacun est carac-
tris par un but et un comportement (automate et actions lmentaires dpen-
dantes de lapplication). On dispose dune conguration initiale prcisant ltat
de dpart des agents (recherche de satisfaction) et dun critre de terminaison
dni comme une fonction des tats de satisfaction des co-agents.
Nous pouvons citer comme exemples dco-problmes : le problme du monde
des cubes, le problme des tours de Hano, le problme du Misachieving baby, et
le problme de Taquin pour lequel il a t montr [DD91] quune approche " auto-
organise " fournissait de meilleurs rsultats que les approches heuristiques bases
sur lalgorithme de recherche A*, tout en autorisant la rsolution dinstances de
taille bien plus importante.
Lco-rsolution a t lorigine de nombreux travaux de recherche en rsolu-
tion distribue de problmes [GV91, Ghe99]. Elle a t applique aussi pour une
problmatique de simulation (modliser des tas de granulaire sous forme multi-
agent) et de rsolution de problmes (rsoudre ces tas simuls en trouvant des
lignes de force) [BZC99].
3.2.4 Formalisation des Systmes Multi-Agent
Les concepteurs de SMA font usage dun grand nombre de langages et de
formalismes an den cerner tous leurs aspects. Selon quon sintresse limpl-
mentation ou la formalisation des SMAs, la reprsentation des connaissances
des agents, la dnition de leur comportement ou leurs communications. Les
dirents langages et formalismes intervenant dans la ralisation de SMA sont
dnis et classs dans [Fer95] selon cinq familles comme suit :
Langages dimplmentation (L1)
1
.
1
Un langage de programmation dcrit les squences dinstructions permettant aux agents
dexcuter leur comportement.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
78 Mthodes et approches adoptes
langages de communication entre agents (L2)
2
.
Langages de description des comportements et des lois de lenvironnement
(L3).
Langages de reprsentation de connaissances (L4)
3
.
Langages de formalisation et de spcication (L5)
4
.
3.2.4.1 Langages de la famille : L1
Ces langages permettent :
la programmation dun SMA : recouvrir les structures informatiques utili-
ses pour les agents et lenvironnement ainsi que les mcanismes informa-
tiques permettant le paralllisme inter et intra-agents.
limplmentation eective des comportements, des activits denvois et de
rception de messages, de la perception dobjets et de lensemble des outils
ncessaires pour mettre au point un SMA.
Ces langages sont par exemple : LiSP, C/C++, Prolog, SmallTalk, ou JAVA, et
sont gnralement les langages supportant des mcanismes dexcution parallle
tels que les langages acteurs.
3.2.4.2 langages de la famille : L2
Ces langages assurent les interactions entre agents via la transmission dinfor-
mations et de demandes mutuelles de renseignements et de services, et permettent
des agents ventuellement htrognes de coordonner leurs actions, de cooprer
pour atteindre un but commun et de sintgrer un groupe dagents.
3.2.4.3 Langages de la famille : L3
Ces langages dcrivent les comportements des agents et les lois de lunivers
de lenvironnement. Ils utilisent :
2
Un langage de communication dsigne des actes de langages.
3
Un langage de reprsentation se rfre aux choses que lagent peut connatre.
4
Un langage de spcication reprsente les conditions que doivent respecter les entits pr-
sentes dans lunivers multi-agent
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les systmes multi-agent 79
Des formalismes adapts pour la description de ces comportements ou ces
lois un niveau plus abstrait de manire bncier de reprsentations
indpendantes de limplmentation et de la nature des agents.
Des formalismes niveau opratoire cest dire dcrivant ce qui se passe
de manire abstraite (exp. : langages base de rgles de production).
Des formalismes issus de lautomatisme ou des systmes distribus tels que
les RdPs (le modle BRIC).
3.2.4.4 Langages de la famille : L4
Ces langages sont utiliss par les agents cognitifs pour dcrire des modles
internes du monde dans lequel ils voluent et leur permettre de raisonner et de
faire des prvisions sur lavenir partir des informations quils disposent. Associs
aux systmes formels, ils permettent dexprimer les tats mentaux des agents et la
reprsentation du contenu de leurs buts, leurs croyances et leurs comportements
(exp. : langages dIA comme les langages base de rgles, les tableaux noirs, et
les langages de reprsentation structure des connaissances tels que les rseaux
smantiques ou les Frames).
3.2.4.5 Langages de la famille : L5
Ce sont des langages situs au niveau le plus abstrait, ils permettent de for-
maliser les SMAs et les concepts dinteraction et dintention, et de spcier les
conditions qui doivent tre respectes lors de la modlisation et de limplmenta-
tion de tels systmes (exp. Langages issus des mathmatiques).
Un protocole de ngociation utilisera un langage de la famille L2, cest dire
un langage de communication comme support de conversation, et un langage de
la famille L3 pour dcrire les mcanismes dinterprtation des messages et les
fonctions dvaluation des propositions voques de part et dautre, le second
interprtant les noncs du premier. Les composants de la cognition ainsi que le
mode de raisonnement des agents pourront tre reprsents dans des langages de
la famille L1, linterprte de ce langage tant gnralement crit en un langage
de la famille L3.
Gnralement, on peut se demander pourquoi les systmes multi-agent au-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
80 Mthodes et approches adoptes
raient besoin de modles ou de formalismes ? Ne se susent ils pas eux mmes.
Le code des programmes permettant aux agents de sexcuter nest il pas susant
la comprhension de leur fonctionnement ? Tout nest pas si simple. Pour un
systme multi-agent comme tout systme dinformation un tant soit peu com-
plexe, analyser le comportement dun programme partir de son implmentation
prsente plusieurs inconvnients :
Dicults dentrer dans le cur dun programme et danalyser un compor-
tement travers limplmentation.
Un grand nombre de dtails dans le code inutiles pour la comprhension du
fonctionnement.
Complexit de la comprhension du fonctionnement partir du code dagents
en parallle.
Dicult dapprhender et de concevoir les systmes multi-agent qui sont
considrs des logiciels complexes.
Selon Ferber, une tape de formalisation savre pertinente pour reprsenter :
Les actions des agents et de leurs consquences dans lenvironnement qui
peut tre complexe et dune volution autonome.
Le fonctionnement dun agent dans le comportement observable et dans la
mcanique interne de lagent.
Les interaction des agents entre eux et en particulier les dirents modes de
communication, prludes aux formes organises : coopration, coordination
et rsolution de conits
Lvolution du systme multi-agent.
Peu de formalismes ecients ont t dnis : les automates tats nis ainsi
que leur homologues registres qui sont ecaces pour reprsenter des processus
squentiels, mais ils savrent rapidement inecaces lorsquil sagit de prendre
en compte les aspects du paralllisme, caractristiques des SMAs, et les modles
algbriques dquations direntielles trs adapts une analyse formelle, mais
inecaces lorsquil faut reprsenter des entits autonomes en interactions ou des
comportements qualitatifs. Alors, le besoin de disposer de formalismes plus la-
bors devient primordial. Dans ce contexte, on peut citer que les rseaux de Petri
nous semblent tre un bon compromis entre les dirents modles cits. De nom-
breux travaux ont t raliss sur la formalisation des SMAs par les rseaux de
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Les rseaux de Petri 81
Petri [SH94]. En eet, les rseaux de Petri peuvent tre considrs comme des
outils de modlisation la fois graphiques et mathmatiques. Laspect graphique
permet de visualiser les processus et de faciliter la conception, alors que laspect
mathmatique assure ce formalisme des fondements rigoureux. Lutilisation des
RdPs et particulirement les RdPs colors (Rseaux de Petri de haut niveau)
pour modliser les communications simultanes des agents avec plusieurs corres-
pondants pour traiter des problmes rels et des processus de dcision fait lobjet
de plusieurs travaux tels que [SHM98] et [BKPB00]. En outre, ce formalisme a
fait preuve dune puissance pour modliser les aspects asynchronisation (mes-
sages) et paralllisme caractrisant le comportement des agents dans un systme
multi-agent.
Dans notre contexte, nous avons opt pour les RdPs colors pour avoir un
formalisme bien dni qui permet de donner une smantique plus prcise au
comportement des agents de nos modles ContEco et COSAH.
Dans ce qui suit, nous prsentons les rseaux de Petri, tendus aux rseaux
colors, et dcrivons un outil logiciel que nous avons utilis pour simler des RdPs
colors : CPN-tools.
3.3 Les rseaux de Petri
3.3.1 Dnition dun rseau de Petri
Concrtement un rseau de Petri est un graphe biparti comprenant deux sortes
de noeuds : les places et les transitions. Les arcs de ce graphe relient les transitions
aux places ou les places aux transitions. Les places contiennent des jetons ou
marques qui se dplacent de place en place en franchissant les transitions suivant
les rgles de franchissement. On dit quune transition T est franchie, si toutes les
places P dentre pour les quelles il existe un arc orient de P vers T, possdent
une marque et parmi toutes ces places valides, une au hasard sera eectivement
dclenche, franchir une transition revient donc enlever une marque sur chaque
place dentre et en ajouter une sur chaque place de sortie (voir gure 3.2).
De manire formelle, un RdP est alors un 5-uplet < P,T,Pre, Post, M0 >
[Val] : P est un ensemble ni de places, T est un ensemble ni de transitions,
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
82 Mthodes et approches adoptes

Fig. 3.2 Tir dune transition sensibilise


Pre : P * T -> N : application incidence avant, Post : P * T ->N : application
incidence arrire et M0 : P -> N : application marquage initial (marques ou
jetons).
Sensibilisation dune transition : Une transition est sensibilise par un mar-
quage M si et seulement si :
P P, M(P) Pre(p, t)
Tir dune transition : une transition sensibilise -> tire -> changement de
marquage selon :
P P, M

(P) = M(P) +Post(p, t) Pre(p, t)


3.3.2 Rseaux de Petri colors et la plate-forme CPN-Tools
Lorsque le nombre dentits du systme modliser est important, la taille du
rseau de Petri devient rapidement norme ; et si les entits prsentent des com-
portements similaires. Lutilisation des rseaux de ptri colors qui permettent en
fait de condenser le modle initial. Les rseaux de Petri colors sont des rseaux
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Optimisation heuristique 83
de Petri dans les quels les jetons portent des couleurs, sachant quune couleur est
une information supplmentaire rattache un jeton et qui permet de distinguer
les jetons entre eux et peut tre de type quelconque [Jen97]. Ainsi les arcs ne sont
pas seulement tiquets par le nombre de jetons mais aussi par leurs couleurs.
Le franchissement dune transition est alors conditionn par la prsence dans les
places en entre du nombre de jetons ncessaires, qui en plus satisfont les couleurs
qui tiquettent les arcs.
Aprs le franchissement dune transition, les jetons qui tiquettent les arcs
dentre sont retirs des places en entre tandis que ceux qui tiquettent les arcs
de sortie sont ajouts aux places en sortie de cette transition. Les rseaux colo-
rs napportent pas de puissance de description supplmentaire par rapport aux
rseaux de Petri, ils permettent juste une condensation de linformation. A tout
rseau de Petri color marqu correspond un rseau de Petri qui lui est isomorphe.
Pour implementer des modles RdP colors, nous retrouvons lenvironnement
logiciel CPN-Tools [CPN] qui est un outil de ddition, simulation et analyse
despaces dtats. Lutilisation de la coloration permet denrichir les rseaux de
Petri simples, en donnant plus de sens aux jetons. CPN-Tools permet galement
de crer des modles hirarchiss. Ce qui signie ici que certaines transitions
peuvent masquer un rseau de Petri.
Ayant dni les SMA comme tant une mthode que nous adoptons pour mo-
dliser, simuler et rsoudre le problme de stockage de conteneurs, et les rseaux
de Petri colors comme tant une mthode formelle pour dcrire la dynamique
globale de nos modles ContEco et COSAH; nous allons dnir dans la section
suivante et dernire de ce chapitre le deuxime concept cl de notre dmarche
de rsolution : loptimisation heuristique que nous adoptons pour optimiser le
problme sous-jacent.
3.4 Optimisation heuristique
3.4.1 Que faire face un problme NP-dur ?
Jusqu maintenant, de nombreux problmes ne peuvent pas tre rsolus de
manire exacte en un temps de calcul raisonnable. Il en va ainsi de divers pro-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
84 Mthodes et approches adoptes
blmes connus dans le milieu doptimisation combinatoire comme tant trs dif-
ciles savoir les problmes dordonnancement, les problmes de planication,
les problmes de tournes, le problme de sac dos, le problme de coloriage
de graphes, etc. Ayant rsoudre un problme doptimisation combinatoire du
type " trouver une solution qui optimise une fonction objectif sous un nombre de
contraintes dnies " et qui est prouv (ou bien le problme de dcision associ)
NP-dur il est prfrable dabandonner lide davoir un algorithme polynmial
qui donne coup sr la solution optimale, moins de prtendre prouver que P
= NP. Autrement dit, quoique sres, ces algorithmes dits exacts soient viter
vu leur complexit temporelle exponentielle. Deux attitudes peuvent avoir lieu :
abandonner lide davoir un algorithme polynmial ou abandonner lide davoir
un algorithme qui donne toujours la solution optimale. Dans le premier cas, nous
pouvons essayer dobtenir un algorithme exact non polynmial et ne lappliquer
que sur des donnes relativement petites. Pour certains problmes, comme le pro-
blme du sac dos, on a des algorithmes pseudo-polynmiaux qui peuvent rester
raisonnablement ecaces sous certaines conditions. Nous pouvons aussi avoir des
algorithmes qui donnent de bons rsultats sur les donnes courantes qui ont une
structure particulire. Nous pourrons sinon essayer des mthodes de type spa-
ration, valuation Branch and Bound qui vitent de parcourir lespace de toutes
les solutions en laguant : par exemple, nous pourrons viter de dvelopper une
solution partielle si nous sommes srs quelle sera moins bonne que la meilleure
solution dj trouve. Dans le deuxime cas, nous abandonnons donc la contrainte
" trouver la solution optimale " et chercher un algorithme polynomial qui trouve
une solution, quelque fois optimale souvent bonne. Dans ce cas, nous utilisons
donc un algorithme approch : il fournit toujours une solution mais pas forcment
une solution optimale en un temps raisonnable. Un algorithme approch peut tre
bas sur un critre glouton propre au problme : on parle dheuristique gloutonne
Greedy heuristic, ou linstantiation dune mtaheuristique (exp.algorithmes g-
ntiques, recuit simul, recherche tabou). Un algorithme approch peut tre d-
terministe, cest dire, pour une entre donne, il donnera toujours la mme
solution (exp. heuristiques gloutonnes, recherche locale, recherche tabou) ou non
dterministe (exp. recuit simul, algorithme gntique).
Un algorithme approch (algorithme de recherche informe) met en oeuvre
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Optimisation heuristique 85
des heuristiques. Une heuristique (du grec heuriskein : trouver, dcouvrir) peut
avoir deux sens [PEA90] :
moyen (pas sr) de choisir entre plusieurs alternatives,
sous certaines conditions, on peut tre sr de lalternative choisie.
Ce sont des mthodes de rsolution approche, souvent plus simples et faciles
mettre en oeuvre que les mthodes exactes et sont ncessaires pour la rsolution
de problmes NP-diciles de grande taille ou comportant un grand nombre de
contraintes. Les heuristiques sont bases sur des rgles empiriques tires de lexp-
rience. De nombreux problmes se rsolvent grace des heuristiques : le problme
des n-reines, le jeu de Taquin, le problme du voyageur de commerce, etc. Selon
le type de problme, on prviligiera une heuristique ou un type dheuristique par
rapport aux autres.
Les heuristiques peuvent se classer en trois catgories :
Les heuristiques constructives gloutonnes se contentent de construire pas
pas une seule solution. Elles se caractrisent par une grande rapidit mais
leur performance est souvent dcevante.
Les heuristiques de recherche locale (ou de recherche dun optimum local)
travaillent quant elles sur une solution quelles tentent damliorer itra-
tivement. Lors dune itration, la solution courante est lgrement modie
an dobtenir une solution voisine. Ces algorithmes obtiennent en gnral
des rsultats meilleurs que les procdures constructives, mais nont pas tou-
jours une grande capacit explorer des rgions trs direntes de lespace
des solutions.
Les heuristiques volutionnaires agissent sur une population dindividus (des
solutions ou des morceaux de solutions) qui cooprent et sadaptent indivi-
duellement. Elles ont la plupart du temps un fort potentiel pour trouver des
solutions trs direntes lors de leur application, mais manquent souvent
dagressivit, car malgr la diversit des solutions rencontres, celles-ci ne
sont pas toujours de grande qualit. De plus, elles ncessitent souvent un
ajustement long et fastidieux de nombreux paramtres avant dobtenir des
rsultats intressants.
Dans ce qui suit, nous allons dcrire ces heuristiques selon deux classes : les
heuristiques constructives, et les mtaheuristiques incluant les heuristiques de re-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
86 Mthodes et approches adoptes
cherche locale et les heuristiques volutionnaires. Cest la classication qui est
souvent adopte dans la plupart des travaux de description des mthodes appro-
ches.
3.4.2 Classes dheuristiques
3.4.2.1 Heuristiques constructives gloutonnes Greedy Heuristics
Le fonctionnement dune heuristique constructive gloutonne est similaire ce-
lui dun algorithme glouton [Edm71] exact. La dirence rside dans le fait quon
nimpose plus que la solution obtenue soit optimale. Il existe de nombreuses heu-
ristiques gloutonnes ddies des problmes classiques : le problme du monde
des cubes, le problme de coloriage de graphes, le problme daectation, le pro-
blme de sac dos, etc., dont certaines donnent de bons rsultats et sont trs
utilises. Cette classe dheuristiques construit une solution progressivement sans
remettre en cause les choix eectus chaque itration. Ces choix sont les plus
intressants relativement un critre donn appel critre glouton.
3.4.2.2 Les mtaheuristiques
Les mtaheuristiques sont des mthodes " gnriques " pour rechercher une
solution approche aux problmes doptimisation. Elles sont souvent bases sur
des analogies avec des phnomnes physiques (recuit simul) ou naturels (algo-
rithmes gntiques, colonies de fourmis, essaims, etc.). Nous pouvons les distin-
guer en deux classes de mthodes : les mthodes par voisinage, et les algorithmes
gntiques :
Mthodes par voisinage Nous prsentons brivement trois mthodes bases
sur la notion de voisinage. Lide sous-jacente ces trois mthodes est simple : on
explore lespace des solutions en partant dune solution et en se " dplaant " de
proche en proche, les voisins dune solution sont des solutions proches de celle-ci,
cest dire quon peut obtenir par exemple en transformant peine la solution
initiale. Pour appliquer les mthodes ci-dessous, il faut donc avoir au pralable
dni une notion de voisinage dune solution. Bien sr, pour le mme problme,
plusieurs notions de voisinage peuvent tre dnies.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Optimisation heuristique 87
Recherche locale ou Recherche dun optimum local Hill-Climbing
On part dune solution si possible " bonne " (par exemple donne par une heuris-
tique gloutonne) et on balaie lensemble des voisins de cette solution : sil nexiste
pas de voisin meilleur que notre solution, on a trouv un optimum local et on
arrte. Sinon, on choisit le meilleur des voisins et on recommence. Une autre im-
plmentation consiste non pas passer au meilleur des voisins chaque tape mais
au premier meilleur voisin trouv. La convergence vers un optimum local pouvant
tre trs lente, on peut ventuellement xer un nombre de boucles maximum, si
on veut limiter le temps dexcution. Cette mthode a linconvnient de " rester
bloque " dans un optimum local : une fois un optimum local trouv, on sarrte,
mme si ce nest pas loptimum global. Selon le " paysage " des solutions, lop-
timum local peut tre trs bon ou trs mauvais par rapport loptimum global.
Si la solution de dpart est donne par une heuristique dterministe, lalgorithme
sera dterministe. Si elle est tire au hasard, on a un algorithme non dterministe
et donc plusieurs excutions direntes sur la mme instance pourront donner des
solutions direntes et de qualits direntes. Si les voisins sont trs nombreux,
on a de fortes chances de trouver loptimum global mais visiter un voisinage peut
tre long : on visitera une grande partie de lespace des solutions. Si le voisinage
est trs restreint, on risque fort de rester bloqu dans un optimum local de "
mauvaise qualit " : le choix de la notion de voisinage est un compromis entre
ecacit et qualit. Les deux mthodes qui suivent peuvent tre vues comme des
mthodes de recherche locale avances.
La recherche Tabou Tabu Search Le principe de la recherche tabou a
t dni par Glover en 1986 [Glo86]. Cette mthode repose sur une absence du
hasard et sur une liste de taille xe qui mmorise les dernires solutions visites.
A chaque tape, on recherche le meilleur voisin non tabou (qui nappartient pas
cette liste) : un voisin est priori tabou si on a explor cette solution durant
les N prcdentes itrations. La maintenance dune liste " taboue " de voisins
tant souvent trop coteuse, on se borne souvent stocker les mouvements (ou
transformations) eectues. A chaque itration, on choisit le meilleur voisin (ou
un meilleur voisin selon le cas) correspondant un mouvement non tabou; on
eectue ce mouvement, on le place dans la liste (le) taboue et on limine le
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
88 Mthodes et approches adoptes
plus ancien mouvement de cette liste, si la le est pleine. De plus, si la solution
actuelle est la meilleure trouve depuis le dbut, on la stocke. On sarrte soit
aprs un nombre x ditrations, soit aprs un nombre x dtapes nayant pas
amlior la solution. Une fois la notion de voisin xe, cette solution pourra donc
tre paramtre par la longueur de la liste taboue. La mthode " taboue " peut
donc tre vue comme une gnralisation de la recherche doptimum local (si N=0,
on retombe dans le cas du hill-climbing), lide est de permettre de schapper
dun optimum local grce la liste taboue.
Le recuit simul Simulated Annealing Invente par Kirkpatrick en 1983
[KGV83], cette mthode est inspire de la physique : le recuit est utilis pour obte-
nir des tats de faible nergie il est utilis par exemple dans la fabrication du verre.
On part dune solution quelconque ( priori, il nest pas forcment intressant de
partir dune " bonne " solution). A chaque tape, on tire au hasard une solution
voisine. Si elle est meilleure on ladopte, sinon on calcule laugmentation de cot
et on va adopter cette solution avec une probabilit lie cette augmentation :
plus le cot augmente, plus la probabilit de la garder sera faible. Mais cette
probabilit dpend aussi du temps coul depuis le lancement de lalgorithme :
au dbut, on accepte facilement un changement qui produit une solution plus
coteuse ; mais la n on laccepte trs dicilement. Plus prcisment on calcule
accept = E
/T
, T tant une quantit que nous appelerons la temprature. On
tire au hasard un rel p entre 0 et 1 : si p est infrieur accept, on adopte la
nouvelle solution, sinon on garde lancienne. Il faut donc choisir une temprature
initiale, et une faon de diminuer la temprature au cours de lexcution pour
assurer larrt. La temprature initiale doit tre assez leve pour que accept soit
assez grande au dpart mme si laugmentation de cot est grande. Cest un pa-
ramtre x par lutilisateur. Pour diminuer T, on peut par exemple multiplier T
par un rel infrieur 1 chaque fois. Plus ce rel est proche de 1 plus le refroi-
dissement est lent. Ce coecient de refroidissement est lui aussi un paramtre x
lors de lutilisation. On peut aussi raner : on eectue plusieurs cycles de recuit
simul, en repartant chaque fois de la solution trouve au cycle prcdent. Une
dicult de cette heuristique rside dans le rglage du refroidissement ; celui-ci
pourra tre choisi diremment selon linstance du problme considre.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Optimisation heuristique 89
Les algorithmes gntiques Genetic Algorithms Les algorithmes gn-
tiques, crs par J. Holland en 1975 [Hol75], sont bass sur deux principes de
gntique : la survie des individus les mieux adapts et la recombinaison gn-
tique. Contrairement aux algorithmes prcdents qui essayaient damliorer un
unique individu-solution, les algorithmes gntiques font voluer une population
de solutions. Le principe de base est de simuler lvolution dune population de
solutions avec les rgles cites ci-dessus en vue dobtenir une solution ou un en-
semble de solutions les plus adaptes. Selon [Gol94], le principe est le suivant :
A chaque gnration, un nouvel ensemble de cratures articielles est cr en
utilisant des parties des meilleures solutions prcdentes avec ventuellement des
parties innovatrices.
Larrt se fera par exemple quand la population ne samliore plus de manire
signicative ou aprs un nombre donn de gnrations. Pour la mise en oeuvre,
il faut donc :
Choisir le codage (souvent binaire) dune solution.
Fixer la taille dune population.
Dnir la fonction dadaptation tness.
Dnir les oprateurs de slection, le principe tant : meilleure est notre
adaptation, plus on a de chances dtre slectionn.
Dnir les oprateurs de croisement.
Dnir ventuellement les oprateurs de mutation.
Lun des problmes de la mthode est encore la convergence prmature vers
une population " de mauvaise qualit ".
Dautres mthodes bases sur des " populations " ont t mises au point,
comme les algorithmes de colonies de fourmis.
Lutilisation et le choix dune mtaheuristique (gloutonne, de recherche locale
ou volutionnaire) doit se faire en tenant compte de limportance du paramtrage ;
de la qualit du voisinage de la solution initiale, de la taille de ce voisinage ainsi
que de la vitesse de calcul de la fonction dvaluation.
Dans notre cadre, nous avons choisi de travailler avec les heuristiques construc-
tives gloutonnes, vu leur simplicit et facilit mettre en oeuvre ainsi que leur
rapidit de retrouver une solution ralisable. Ajoutons que notre but est de
construire pas pas une solution qui tient compte des contraintes spatio-temporelles
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
90 Mthodes et approches adoptes
dynamiques et de lenvironnement imprvisible caractrisant notre problme.
Do la ncessit de xer des critres de choix qui seront injects au niveau du
comportement de chaque agent du modle propos COSAH chaque fois quil sagit
dune dcision prendre.
3.5 Conclusion
Ce troisime chapitre a t loccasion de justier et prsenter les mthodes et
approches dont il sera fait usage dans la suite de cette thse. Au fur et mesure
de cette prsentation, nous avons prcis quels aspects nous souhaitons nous
attacher plus particulirement et quels concepts nous faisons appel dans les
deux modles que nous proposons savoir ContEco et COSAH.
Dabord les systmes multi-agent pour modliser, simuler et rsoudre le pro-
blme du stockage de conteneurs. Nous avons ainsi cherch dnir ce que nous
entendons par un agent, un systme multi-agent, la communication, la coopra-
tion, la ngociation, lcorsolution et la formalisation dun systme multi-agent.
Ensuite les rseaux de Petri pour formaliser le modle multi-agent de base
ContEco. Nous avons ainsi cherch dnir ce que cest un rseau de Petri et un
rseau de Petri color.
Et enn, loptimisation heuristique pour optimiser le problme tudi, autre-
ment dit pour amliorer la qualit de la solution obtenue en procdant uniquement
une rsolution distribue base sur les systmes multi-agent. Nous avons ainsi
cherch dnir une heuristique et les direntes classes dheuristiques, en parti-
culier les heuristiques constructives, gloutonnes adoptes dans le modle COSAH
Une fois arguments et dnis, nous partons de ces propos pour passer au
chapitre suivant o nous allons dcrire de manire exhaustive nos deux contribu-
tions : le modle de base ContEco et le modle tendu COSAH. Nous dtaillons
larchitecture, la dynamique globale et la dynamique dtaille de chacun.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Chapitre 4
Le modle COSAH : Un modle
dOptimisation Heuristique
Distribue du PSC
4.1 Introduction
Lobjectif que nous nous tions x et annonc au dbut de cette thse est
la rsolution et loptimisation du Problme de Stockage de Conteneurs-PSC dans
un port Fluvial ou maritime. Dans ce chapitre, nous prsentons dabord notre
premire contribution travers laquelle nous avons cherch exploiter la forte
analogie entre une version relaxe du PSC Problme de Stockage de Conteneurs-
PSCR Relaxed Container Stacking Problem-RCSP et le problme classique du
monde des cubes, et ce en concevant un modle multi-agent de base dsign par
ContEco pour Container stacking Eco-solving. Ensuite, nous prsentons notre
deuxime contribution : un modle multi-agent tendu reposant sur une mthode
doptimisation heuristique distribue [KKGY07a] dune version tendue du PSC.
Ce modle est appel COSAH pour COntainer Stacking based on multi-Agent
approach and Heuristic method, il sertit les deux concepts : Agent et Heuristique,
Agent pour la rsolution, et Agent et Heuristique pour loptimisation. COSAH
est constitu dun noyau et dun module complmentaire, dsigns respectivement
par DistNIS pour Distributed Non Informed Search et ISM pour Informed Search
91
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
92Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Module. DistNIS met en uvre un algorithme distribu de recherche non informe
simulant et rsolvant lactivit de stockage de conteneurs tout en respectant ses
contraintes spatio-temporelles. En y injectant le module ISM, DistNIS est trans-
form en un algorithme de recherche informe dsign par DistIS pour Distributed
Informed Search qui utilise des heuristiques constructives gloutonnes. Du fait, le
but essentiel de COSAH est de fournir une solution qui satisfait les contraintes
spatiales et temporelles du problme et qui minimise le nombre de mouvements
parasites. Ainsi, ce modle pourra rduire ainsi la complexit spatio-temporelle en
laguant, de manire distribue, lespace de recherche inutile. Ces deux contribu-
tions, les versions du problme auxquelles elles sont ddies ainsi que les relations
entre elles, sont reprsentes par le schma conceptuel de la gure 4.1.
4.2 Modle de base : ContEco
Cette section est consacre en un premier temps la description dtaille du
modle de base ContEco [KKGY06a, KKGY06b], et en un deuxime temps la
formalisation de ce modle en faisant appel la mthode formelle de rseaux de
Version relaxe du
PSC
(PSCR)
C
o
n
tr
a
in
te
s

s
p
a
tia
le
s

d
y
n
a
m
iq
u
e
s
A
r
r
iv

e
s

im
p
r

v
u
e
s
d
e

c
o
n
te
n
e
u
r
s

ta
t fin
a
l
in
c
o
n
n
u
C
o
n
tr
a
in
te
s

te
m
p
o
r
e
lle
s

d
y
n
a
m
iq
u
e
s
Version tendue du
PSC
Noyau de COSAH
(DistNIS)
Eco-rsolution
Modle de base
ContEco
Extension
Traiter
nstance
Compos de
Module
d'Optimisation
(ISM)
Modle tendu
COSAH
(DistS)
Fig. 4.1 Schma Conceptuel de lapproche propose
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Modle de base : ContEco 93
Petri colors.
4.2.1 Description de la version relaxe du PSC : PSCR
Nous traitons une version relaxe du problme de stockage de conteneurs ap-
pele Problme de Stockage de Conteneurs-PSCR Relaxed Container Stacking
Problem-RCSP qui simplie la structure du problme originel. Nous nous restrei-
gnons tudier le problme de stockage de conteneurs initialement rangs sur le
quai dun port de terminaux conteneurs selon une conguration initiale, puis
la suite de dparts de certains conteneurs, la question est comment retrouver une
squence faisable doprations dempilements et de dpilements qui puisse nous
mener vers une conguration nale bien dtermine connue lavance, tout en
respectant les contraintes despace et de temps. Dans cette version relaxe, nous
nallons pas considrer larrive de conteneurs. Dans la suite nous prsentons for-
mellement les dirents lments de cette version an de la mieux apprhender.
4.2.1.1 Paramtres
Les paramtres de travail que nous nous sommes xs sont les suivants :
Une zone de stockage S compose de M emplacements.
N Conteneurs ISO stocks en piles.
H
max
: la hauteur maximale des piles.
Config
init
: un arrangement initial quelconque des N conteneurs dans les
M emplacements.
Config
fin
: un arrangement nal (connu lavance) de N

conteneurs dans
les M Emplacements devant tre atteint partir de Config
init
.
4.2.1.2 Hypothses
Nous adoptons les hypothses suivantes :
Chaque conteneur a un port de destination, une charge, une tare, une dimen-
sion (1 EVP, 2 EVP etc.), une date de dpart souhaite connue lavance
aussi.
Les conteneurs de dimensions direntes sont stocks sur deux zones de
stockage direntes.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
94Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Une arrive et un dpart ne peuvent pas concider.
Nous supposons quil ny a pas darrives prvues de conteneurs.
Un mouvement consiste saisir un conteneur, le dplacer et le dposer dans
un autre emplacement.
Les navires dont la date dpart est connue davance sont appels A, B, C,
D, E, F selon lordre chronologique de leurs dparts.
Les navires dont le dpart est certain mais dont la date associe nest pas
connue avec prcision, sont appels Y. Nous sommes sres uniquement que
cette date est postrieure la dernire date considre (la date de la barge
F).
Les navires dont la date de dpart est inconnue sont appeles : Z.
Nous associons chaque conteneur la barge par laquelle il va partir (A, B,
C, D, E, F, et Z) ce qui dtermine implicitement sa date de dpart t. Par
exemple pour deux conteneurs dirents C et C, t(C) < t(C) si C va partir
sur le navire A et C va partir sur le navire B, C, D, ,...ou Y.
Les conteneurs sont catgoriss par rfrence aux navires sur lesquelles ils
vont tre chargs. Par exemple un conteneur est de catgorie A sil va tre
charg sur le navire A
Les conteneurs sont prioritaires les aux autres selon leur catgorie (les conte-
neurs de catgorie A sont les plus prioritaires).
4.2.1.3 Objectifs
Nous cherchons tablir une squence faisable de mouvements (dpilement/
empilement) respectant les contraintes spatio-temporelles. Cette squence per-
mettra datteindre un arrangement nal connu lavance partir dun arrange-
ment initial donn (cf. Figure 4.2) suite au dpart des conteneurs prioritaires A,
et au rarrangement des conteneurs dplacs.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Modle de base : ContEco 95
C A
D
C
B D
F
E
Y
Z
B
B Z
A
B
C
B
A C
D
F
Z
A
A Z E
Configuration initiale
Configuration finale
Fig. 4.2 Conguration initiale et conguration nale atteindre
4.2.2 Description de ContEco
Comme nous le constatons, le PSC en sa version relaxe dcrite ci-dessus peut
tre considr comme tant un co-problme traiter. Ds lors, nous avons dve-
lopp le modle multi-agent ContEco qui simule et rsout RCSP en sinspirant du
principe de lco-rsolution applique au problme du monde des cubes et pas mal
dautres problmes [Dro00]. Dans les sections suivantes, nous dtaillons ContEco
en prsentant les dnitions proposes, son architecture et sa dynamique globale.
4.2.2.1 Dnitions
Un agent Conteneur AC
i
est un agent associ un conteneur i.
Lagent Conteneur AC
0
est un agent Conteneur " virtuel " associ au sol.
Un AC ne peut tre plac sur un autre que sil est devenu libre.
Chaque AC
i
possde un AC_But selon la conguration nale Config
fin
.
Un AC est satisfait sil est plac sur un AC_But.
Ltat dun AC est soit satisfait soit insatisfait.
Un AC est libre sil nest pas recouvert par des ACs (placs au-dessus).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
96Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
4.2.2.2 Architecture
Les agents mis en jeu dans notre modle multi-agent sont lagent Conteneur
et lagent Interface. Lagent Conteneur est dni par ses accointances formes par
les autres agents Conteneur et lagent Interface, ses connaissances statiques : iden-
ticateur, port_Destination, charge, tare, AC_But et dimension, et ses connais-
sances dynamiques : catgorie, AC_dessous, AC_dessus et son tat. Son com-
portement sera dni dans la section suivante. Un agent Conteneur AC peut
tre considr comme un ensemble de composants qui lui permettent de perce-
voir, dcider et agir. Comme le montre la gure 4.3 un agent Conteneur contient
essentiellement un module de communication qui lui ore la possibilit dchan-
ger des messages avec ses accointances et un module de dcision qui dpend du
comportement interne de cet agent.
4.2.2.3 Dynamique globale
Partant dun arrangement initial, notre modle doit permettre dabord le d-
part des conteneurs les plus prioritaires A, ensuite le rarrangement des autres
Un agent Conteneur
(AC)
Processus
de dcision
Messages
Reus
Messages
envoys
Accointances d'un
AC
Fig. 4.3 Composants dun agent Conteneur et ses interactions
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Modle de base : ContEco 97
conteneurs selon un arrangement nal bien dtermin connu lavance, et enn
la mise jour ce dernier (dcaler les catgories des conteneurs). An datteindre
cet objectif global, les agents Conteneur cooprent et ngocient en menant une
conversation particulire pour que chacun atteigne son objectif local individuel
celui dtre plac sur un de ses agents Conteneur but. Cette conversation obit
au modle dco-rsolution. Elle est assure par lchange direct des messages
suivants :
" Tu_me_Gnes " (G) : AC
i
veut se librer dun AC
j
au dessus.
" Chercher_Place " (CP) : AC
i
est en tat de fuite, il recherche un empla-
cement vide appropri.
" Je_suis_Libre " (LI) : un AC
i
informe un AC
j
quil est devenu libre.
" Tu_es_Libre " (L) : un AC
i
indique un AC
j
quil nest plus au dessus,
donc AC
j
est devenu libre.
" Sur_Toi " (ST) : un AC
i
informe un AC
j
quil est plac au-dessus.
Llaboration du modle de base ContEco nous a permis dagencer notre pro-
blme par rapport aux travaux existants propos de la rsolution distribue de
problmes NP-diciles, particulirement via lco-rsolution. Une tude expri-
mentale prliminaire [KKGY06a] nous a permis aussi de tester la faisabilit de
nos rexions et dappuyer nos propositions.
An de dcortiquer et simuler la dynamique globale multi-agent du modle
ContEco, nous avons utilis le formalisme rseaux de Petri colors explicitant la
conversation entre deux agents distincts. Les modles RdPs associs sont simuls
par loutil CPN-Tools.
4.2.2.4 Modles RdPs
Nous ne pouvons pas nous limiter au formalisme des rseaux de Petri clas-
siques, car nos agents Conteneur vont prendre leur dcision en fonction de critres
bien dnis. Il va falloir donner un peu plus de sens nos jetons, en distinguant des
jetons " classiques " caractristiques dun tat binaire, et des jetons qui peuvent
contenir des informations, comme par exemple le type du message chang et
ltat de lagent Conteneur qui varient lors des communications entre les di-
rents agents Conteneur.
Le modle RdP color principal associ au problme sous-jacent est fait de
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
98Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
modules correspondant au comportement interne dun agent Conteneur. Ce mo-
dle est constitu de deux modules de base : module Autonomie (gure 4.4) et
module Rception (gure 4.5). Les deux sections suivantes vont dtailler ces deux
modules.
Coloration des jetons Nous avons dni des jetons de couleurs direntes
qui contiennent diverses informations. La couleur agent Conteneur, note AC
contient les informations relatives un agent Conteneur : son identicateur id
cc
,
lidenticateur de lagent Conteneur au-dessous id
c1
, lidenticateur de lagent
Conteneur en-dessus id
c+1
, ldenticateur de son agent Conteneur but id
cb
et son
tat etat
cc
(satisfait/ non satisfait). Cette couleur est dnie par un tuple : (id
cc
,
id
c1
, id
c+1
, id
cb
, etat
cc
) comme par expemple (1, 10, 2, 0," sat ").
La couleur Message, note MES, contient les informations relatives un
message particulier chang entre les les agents Conteneur : son expditeur, son
destinataire et son type (" G "/ " CP "/ " ST "/ " LI "/ " L "). Cette couleur
se dnit par un triplet de couleurs (Dest, Exped, Type) exp. (i, j, " G ").
Ces jetons pourront tre mis jour au cours de la communication des agents
Conteneur. La couleur simple binaire, que lon retrouve dans les rseaux de Petri
ordinaires est note e.
Module dAutonomie Ce module dcrit le comportement cognitif dun agent
Conteneur. Tant quil ne reoit pas de messages, il essaie de satisfaire son objectif
local. Dans le cas o il est satisfait, il reste en attente dun message. Sil ne
lest pas, il essaye de fuir et de chercher un autre emplacement, deux sous cas se
prsentent : sil est libre alors il envoie aux autres agents Conteneur un message
" CP " et reste en attente dun message " LI ", une fois quil la reu, il met
jour son AC-dessous et envoie le message " L " son ancien AC_dessous et un
message " ST " son nouveau AC_dessous. Dans le cas o il est gn par un
agent Conteneur dessus, il envoie ce dernier un message " G ". Et on relance le
mme processus (gure 4.4).
Module de Reception Ce module dcrit le comportement ractif dun agent
Conteneur suite la rception de chaque type de messages : " G ", " CP ", " ST
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Modle de base : ContEco 99
", " L ", ou " LI " (gure 4.5).
A la rception dun message " G " (gure 4.6) : deux cas se prsentent :
si lagent Conteneur gneur est libre alors il part et recherche un autre
emplacement jusqu la rception dun message " LI ". Sil nest pas libre, il
Fig. 4.4 Module dautonomie dun agent Conteneur
Fig. 4.5 Module de rception dun agent Conteneur
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
100Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
envoie un message " G " son AC_dessus jusqu la rception dun message
" L ".
A la rception dun message " CP " (gure 4.7), un agent Conteneur vrie
sil est libre, dans ce cas il renvoie un message " LI ". Dans le cas contraire,
il ignore ce message.
A la rception dun message " ST " (gure 4.8), un agent Conteneur met
jour son AC_dessus.
Fig. 4.6 Message " Tu_me_gnes (G) "
Fig. 4.7 Message " Chercher_Place (CP) "
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 101
A la rception dun message " L " (gure 4.9), un agent Conteneur met
jour son AC_dessus " libre ".
4.3 Le modle COSAH
Dans cette section, nous procdons une tape pralable de prsentation, qui
permet de ressortir les caractristiques essentielles du PSC (en une version ten-
due par rapport PSCR) que nous tenons en compte et de poser les dnitions et
les notations adoptes, suit une description exhaustive du modle COSAH. Cette
description se fait en deux temps : dans un premier temps, nous dcortiquons le
noyau de COSAH : DistNIS, et en deuxime temps, nous dtaillons le module
complmentaire ISM dvoilant la mthode heuristique que nous avons adopte
Fig. 4.8 Message " Sur_Toi (ST) "
Fig. 4.9 Message " Tu_es_Libre (L) "
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
102Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
pour loptimisation du PSC.
4.3.1 Description du problme tudi
Comme nous lavons dj invoqu, notre souci est darranger les conteneurs
en import ou en export dans des emplacements adquats tenant compte des
contraintes spatio-temporelles et minimisant le nombre de mouvements impro-
ductifs lors de dparts de quelques uns pour tre chargs dans un navire, camion
ou train. Par exemple, un camion arrive de manire imprvue et demande un
conteneur, un des problmes diciles est comment retrouver facilement ce conte-
neur ? La situation idale est quil soit plac au sommet dune pile dans la zone
stockage, ce qui est trs peu vident. Notre apport dans ce travail est la ma-
nire de considrer le problme tudi pour pouvoir le rsoudre tenant compte de
ses aspects dynamique et complexit. Nous allons chercher rpondre la question
suivante : aprs chaque dpart de quelques conteneurs, comment pouvons nous r-
arranger les conteneurs perturbs par ces dparts de la manire la plus adquate ?
Notre ide de base est de comment grer ecacement les prochains dparts (at-
teindre facilement les conteneurs pour tre chargs sur navires ou camions) aussi
bien que les prochaines arrives (dterminer des emplacements appropris pour
les conteneurs de manire faciliter leur dparts ultrieurement).
4.3.1.1 Contraintes
Dans cette section, nous proposons une formulation mathmatique des contraintes
statiques du problme tudi an de lui donner un aspect formel.
np1

p=0
X
p
NP (4.1)
H
p
H
max
, p {0, . . . , NP} (4.2)
Y
ij
DT
i
Y
ij
DT
j
, i, j 1, . . . , N, i = j (4.3)
X
ij
Y
i
> 0, i, j 1, . . . , N, i = j (4.4)
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 103
o :
X
p
=

1, Si la pile p contient au moins un conteneur ;


0, Sinon.
X
ij
=

1, Si le conteneur j peut se placer sur le conteneur i ;


0, Sinon.
Y
i
=

1, Si le conteneur i a au moins une place au dessus ;


0, Sinon.
Y
ij
=

1, Si le conteneur i est de la catgorie infrieure celle de j ;


1, Sinon.
La contrainte 4.1 assure que le nombre de piles exploites ne doit pas d-
passer le nombre de piles disponibles.
La contrainte 4.2 exprime quon ne doit pas dpasser la hauteur maximale
des piles.
La contrainte 4.4 assure quun conteneur ayant une catgorie infrieure
celle dun autre, doit partir avant.
La dernire contrainte 4.3 exprime que chaque conteneur ne peut tre plac
sur un autre que sil y a au moins une place vide immdiatement dessus.
4.3.1.2 Hypothses
Nous considrons les hypothses suivantes :
Une zone de stockage contenant ventuellement N conteneurs placs dans
M emplacements disponibles, et structurs en piles distinctes ayant une
hauteur maximale.
Chaque conteneur possde : un port de provenance, un port de destination,
une charge, une tare, une dimension (1 EVP, 2 EVP, etc.), une date darrive
inconnue lavance et une date de dpart souhaite connue lavance.
Les conteneurs considrs sont en import ou en export.
Une arrive et un dpart ne peuvent pas concider.
Les conteneurs de dimensions direntes sont stocks dans deux zones de
stockage direntes.
Les distances entre les direntes piles de la zone de stockage sont prises en
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
104Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
compte, tandis que la distance de la zone de stockage vers le quai ne lest
pas.
Le temps mis par un oprateur pour dplacer un conteneur dun empla-
cement un autre est identique quelque soit lemplacement courant de ce
conteneur.
Un mouvement consiste saisir un conteneur, le dplacer et le dposer dans
un autre emplacement.
Les navires, camions ou trains dont la date dpart est connue davance sont
appeles A, B, C, D, E et F selon lordre chronologique de leurs dparts.
Les navires, camions ou trains dont la date de dpart nest pas connue avec
prcision, sont appeles Y. Nous sommes srs uniquement que cette date
est postrieure la dernire date considre (la date de dpart F).
Les navires, camions ou trains dont la date de dpart est inconnue sont
appeles : Z.
Nous associons chaque conteneur en export (en import) le navire (camion
ou train) par lequel il va partir (A, B, C, D, E, F,...,Y & Z), ce qui cor-
respond implicitement sa date de dpart dnote t.Par exemple pour deux
conteneurs dirents C et C, t(C) < t(C) si C va partir sur la barge A et
C va partir sur la barge B, C, D,..., ou Y etc.
Les conteneurs en export sont catgoriss par rfrence aux navires (camions
ou trains) par lesquelles ils vont partir. Par exemple un conteneur est de
catgorie A sil va partir sur le navire A.
La priorit entre les conteneurs est dnie selon leurs catgories.
4.3.2 Description du modle COSAH
4.3.2.1 DistNIS
An de simuler et rsoudre le problme tudi, nous proposons un modle
multi-agent, dsign par DistNIS qui constitue le noyau du modle propos CO-
SAH, et qui a pour objectif la satisfaction des contraintes de hauteur maximale,
du nombre des piles et de date de dpart des conteneurs. Il sagit dassurer le
dpart des conteneurs prts tre chargs, de dterminer alatoirement des em-
placements pour les conteneurs perturbs qui vont partir ultrieurement ainsi que
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 105
pour les conteneurs dchargs entre deux dparts. DistNIS ne cherche pas opti-
miser le nombre de mouvements parasites pouvant avoir lieu au cours des activits
chargement et dchargement, nous nous restreignons respecter uniquement les
contraintes spatio-temporelles. Pour ce, DistNIS se base sur un algorithme dis-
tribu de recherche non informe, prcisment sur un algorithme distribu de
stockage alatoire.
Notations
P
max
: le nombre maximum de piles dans la zone de stockage.
H
max
: la hauteur maximale des NP piles.
N : le nombre total dagents Conteneur.
H
p
: la hauteur dune pile p courante.
Config
init
: un arrangement initial des N agents Conteneur dans les M
emplacements disponibles.
i et j : dsigne deux agents Conteneur donns.
x
i
: dsigne le numro de la pile la quelle appartient lagent Conteneur i,
x
i
{0, ..., NP 1}.
y
i
: dsigne le niveau de lagent Conteneur i dans la pile x
i
, y
i
{0, ..., H
max1
}.
(x
i
, y
i
) : couple qui dsigne les coordonnes ou encore lemplacement dun
agent Conteneur i dans la zone de stockage S.
EmpInit
i
: lemplacement initial dun agent Conteneur i.
Cat
i
: dsigne la catgorie de lagent Conteneur i, Cat
i
{A, B, C, D, E, F, ..., Y, ouZ}.
ACSous
i
: dsigne lagent Conteneur plac en dessous de lagent Conteneur
i.
ACSus
i
: dsigne lagent Conteneur plac au dessus de lagent Conteneur
i.
NivRech
i
: le niveau de recherche dun agent Conteneur i.
mACont : dsigne la matrice des dirents agents Conteneur : leurs coor-
donnes et leur catgories. Elle dcrit la disposition des agents Conteneur
dans la zone du Stockage S.
lCherPlace
i
: liste des agents Conteneur cherchant une place sur lagent
Conteneur i.
lAContLibre
i
: liste des agents Conteneur libres pour recevoir lagent Conte-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
106Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
neur i au dessus.
EmpSol
i
: cest lemplacement solution courante dun agent Conteneur i.
Etat
i
: dsigne ltat dun agent Conteneur i. Cet tat peut tre satisfait
ou insatisfait.
Dnitions
AC : cest un agent Conteneur associ un conteneur donn.
Lidenticateur dun agent Conteneur i est sous la forme : " AC_" +
Cat
i
x
i
y
i
(exp. AC_B02).
La tte dune pile est un agent Conteneur ayant pour niveau gal la
hauteur de cette pile.
Un AC est dit " libre " sil nest pas recouvert par des ACs et si son niveau
ne dpasse pas la hauteur maximale. Autrement dit, sil dispose dau moins
un emplacement vide dessus.
Un AC drange ou gne lAC en-dessous immdiatement si ce dernier est
de catgorie A ou sil drange son tour un autre AC .
Un AC est satisfait sil occupe un emplacement respectant les contraintes
spatio-temporelles.
Un AC est insatisfait sil est encore en train de rechercher un emplacement
respectant les contraintes spatio-temporelles.
Ltat dun AC est soit satisfait ou insatisfait.
Li
me
niveau de recherche regroupe tous les agents Conteneur drangeant
immdiatement li
me
occurrence de lagent Conteneur de catgorie A.
Un niveau de recherche est un numro squentiel : cest loccurrence dun
AC de catgorie A rencontr dans la conguration parcourant les piles du
haut vers le bas condition quun autre AC de catgorie A ne soit pas
au-dessus.
Un AC appartient li
me
niveau de recherche sil drange immdiatement
li
me
occurrence dun AC de catgorie A.
Un AC est soit parti (pour tre charg dans un navire, train ou camion),
soit arriv (dcharg dun navire, camion ou train).
Un AC est dit perturb sil drange un autre AC , dune autre manire son
niveau de recherche est strictement positif. Cet agent doit tre dplac.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 107
Un plan de dplacements ou mouvements est une squence dactions consti-
tue de couples de type : (soulever-dposer) ou (dpiler-empiler).
Une solution individuelle dun agent Conteneur i note EmpSol
i
, corres-
pond un emplacement retenu. Autrement dit, elle correspond un plan
partiel de dplacements qui lui permet datteindre cet emplacement se li-
mitant la satisfaction des contraintes de hauteur de piles, du nombre de
piles et de date de dpart.
Une solution nale globale est la fusion des direntes solutions indivi-
duelles. Autrement dit, il sagit dun plan global de dplacements des agents
Conteneur. Ce plan merge de la fusion des plans partiaux, certainement
disjoints, des agents Conteneur. Subsquemment, cette solution se restreint
la satisfaction des contraintes spatio-temporelles.
La situation de blocage non solvable correspond au cas o il nexiste aucune
solution part la mise en disposition dune zone tampon supplmentaire.
Architecture Comme nous lavons dj mentionn, le modle DistNIS se base
sur un algorithme distribu de recherche non informe. Dans cette section, nous
allons dcrire les dirents agents de DistNIS savoir : lagent Conteneur (repr-
sentant un conteneur) et lagent Interface. Chacun de ces agents est dni par
ses accointances (les agents avec lesquels il peut communiquer), ses connaissances
(statiques et dynamiques), ainsi que ses mthodes dcrivant son comportement.
Agent Conteneur A chaque conteneur trait, nous associons un agent
Conteneur dni par :
Ses accointances formes par les autres agents Conteneur et lagent Inter-
face.
Ses connaissances statiques : son identicateur, son emplacement initial
EmpInit, son port provenance, son port destination, sa tare, sa charge, sa
dimension (1 ou 2EVP).
Ses connaissances dynamiques : sa catgorie, EmpSol, ACSous, ACSus,
lCherPlace, lAContLibre et son tat.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
108Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Agent Interface Cet agent communique avec la totalit des agents Conte-
neur. Dabord il les cre, puis il dclenche le processus de rsolution relatif un
seul dpart, assure son droulement, dtecte sa terminaison (qui est quivalente
la satisfaction de chaque agent Conteneur). Ensuite, avant le prochain dpart,
il gnre des arrives ayant lieu ventuellement entre ces deux dparts successifs.
Aussitt les conteneurs arrivs sont placs, il dclenche lexcution du prochain
dpart (ou encore cycle). Enn, il fournit le rsultat nal form par la solution
globale nale (le cot de cette solution en terme du nombre de mouvements pa-
rasites).
Dynamique globale Dans cette section, nous dcrivons la dynamique glo-
bale du modle DisNIS : les tapes principales du processus de rsolution et
les messages les plus importants changs entre les dirents agents Conteneur.
Aprs leur cration et initialisation (connaissances statiques et dynamiques, ac-
cointances, matrice des catgories), les agents Conteneur communiquent et in-
teragissent dans le but de permettre chaque agent de retrouver un emplace-
ment ou encore construire une solution individuelle qui satisfait uniquement les
contraintes spatio-temporelles sans se soucier des mouvements parasites pouvant
avoir lieu ultrieurement. De ce fait, une solution globale nale de notre problme
est construite de manire distribue en fusionnant les solutions individuelles des
dirents agents Conteneur. Une solution individuelle nest pas atteinte indpen-
damment des autres agents, plutt cest le rsultat de leur interaction. Mais, il
faut signaler quau cours de cette interaction cooprative dans son ensemble, les
agents Conteneur se comportent de manire " nave " et " goste" la fois
puisque chacun deux cherche tre plac mme en drangeant un autre agent
Conteneur en -dessous et mme sil va tre dplac aprs. Cette interaction, for-
mant le processus de rsolution de base, est assure via un change direct de
messages entre un agent Conteneur i et un agent Conteneur j :
Gn : i veut se librer de j qui est au dessus.
ChercherPlace : i recherche un emplacement disponible sil drange j.
JeSuisLibre : i est libre et il peut accueillir j au-dessus, il lui diuse ce
message.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 109
TuEsLibre : i retrouve un nouvel emplacement, alors il informe lagent
Conteneur en-dessous j quil est devenu libre.
Dsol : i informe j quil ne peut pas laccepter dessus. i est dsol sil a
dj un agent Conteneur au dessus ou si son niveau concide avec la hauteur
maximale de la pile.
Migrer : i demande j sil peut tre plac dessus.
Conrmer : i accepte dnitivement j dessus.
Rejeter : i rejette la demande de migration de j.
Dynamique dtaille Rappelons que le processus de rsolution que nous pro-
posons vise ce que les agents Conteneur perturbs ou nouvellement arrivs
retrouvent des emplacements appropris suite aux dparts dagents Conteneur
prioritaires A. Dans cette section, nous allons dcrire de manire exhaustive ce
processus en regardant de plus prs le comportement des dirents agents Conte-
neur.
Initialisation des agents Conteneur A la premire date de dpart, nous
devons assurer le dpart des agents Conteneur de catgorie A et le rarrangement
des agents Conteneur perturbs. Aux dates de dpart suivantes, nous devons as-
surer en plus larrangement des agents Conteneur arrivant entre deux dparts
successifs. Avant dentamer la description de la dmarche poursuivie pour la rso-
lution de notre problme, nous devons prsenter un nouveau paramtre que nous
avons dni : niveau de recherche relatif un agent Conteneur. Ce paramtre
permet de rpartir lensemble de nos agents Conteneur en sous-ensembles : un
sous ensemble E
i
est associ li
me
niveau de recherche sil contient les agents
Conteneur (de catgories direntes de A) empils immdiatement sur li
me
oc-
currence dun agent Conteneur de catgorie A en considrant la pile du haut
vers le bas. La (i +1)
me
occurrence dun agent Conteneur A correspond lagent
Conteneur A qui est spar du dernier agent Conteneur A de li
me
occurrence par
des agents Conteneur de catgories direntes de A (les agents Conteneur A em-
pils les uns sur les autres de manire successive et non intercals par des agents
Conteneur de catgories direntes appartiennent une mme occurrence). Deux
agents conteneur appartenant deux niveaux de recherche dirents sont inter-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
110Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
cals par un ou plusieurs agents Conteneur A successifs. Ce nouveau paramtre
nous a t dune grande utilit dans le contrle de plusieurs tats tout au long
de notre processus de rsolution. A ltape courante, ce paramtre nous permet
didentier facilement les agents Conteneur perturbs, ce sont ceux dont le niveau
de recherche est non nul. En eet, le processus de rsolution commence par les
reprer et les initialiser Insatisfaits. Ensuite deux comportements sont dclen-
chs simultanment : Comportement de dpart pour les agents Conteneur A et
un comportement ractif pour les agents Conteneur perturbs. Ce comportement
global est schmatis par lalgorithme 4.1.
Procdure Globale ()
Dbut
1-Si NivRech
i
= 0 alors
2- Etat
i
satisfait
3-Sinon
4- Etat
i
insatisfait
5- Si Cat
i
= A alors
6- ComportDep ()
7- ComportReact()
Fin
Algorithme 4.1: Comportement global des agents Conteneur
Comportement de dpart A chaque dpart, les agents Conteneur A (sil
y en a ventuellement) sont dpils pour tre chargs sur le navire, camion ou
train associ. Deux cas se prsentent : certains agents Conteneur A qui sont di-
rectement accessibles et qui ne sont pas gns par des agents Conteneur ayant
autres catgories, alors ils librent leurs emplacements et envoient aux agents
Conteneur en dessous des messages TuEsLibre() (Algorithme 4.2, lignes 1-4).
Dautres agents Conteneur A ne peuvent pas partir puisquils sont gns dun
ou plusieurs agents Conteneur de catgorie suprieure et donc moins prioritaires.
Ces derniers doivent tre dplacs an de librer les agents Conteneur A suite
la rception des messages Gn() (Algorithme 4.2, lignes 8-9). Par consquent,
des mouvements parasites supplmentaires sont procrs. An de bien mener ce
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 111
dpart, nous devons respecter dabord la contrainte fonctionnelle suivante : deux
agents Conteneur A doccurrences direntes ne peuvent pas partir simultan-
ment. Cette contrainte est satisfaite en faisant appel au paramtre de niveau de
recherche : les agents Conteneur A dune mme occurrence ne peuvent pas par-
tir sans avoir dplac et rarrang les agents Conteneur de catgorie suprieure
appartenant au niveau de recherche associ.
Procdure ComportDep()
Dbut
1-Si Cat
ACSus
i
=Ralors
2- mACont(x
i
, y
i
)
3- envoyer TuEsLibres () ACSous
i
4- nbrAContA nbrAContA 1
5- Si nbrAContA = 0 alors
6- envoyer TraiterArriv () lagent Interface
7- Tuer(i)
8-Sinon
9- envoyer Gn() ACSus
i
Fin
Algorithme 4.2: Comportement de dpart des agents Conteneur A
Comportement ractif A la suite de dparts des agents Conteneur A,
les agents Conteneur perturbs dun mme niveau de recherche excutent simul-
tanment un comportement ractif dclench suite la rception des dirents
messages tel que schmatis dans lalgorithme 4.3.
Ce comportement est dclench par la rception du message Gn () reu des
agents Conteneur A leur dpart (Algorithme 4.2). Un agent Conteneur recevant
ce message, soit quil est de catgorie A ou autre, va essayer de librer son empla-
cement, pour partir ou rechercher un nouvel emplacement. Sil nest pas son tour
libre alors il envoie lagent Conteneur au-dessus le message Gn()(Algorithme
4.4). Les agents Conteneur perturbs diusent aux autres agents Conteneur (de
nimporte quelle autre catgorie) des messages RechercherPlace() tel que indiqu
dans lalgorithme 4.5 (Lignes 2-4).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
112Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Procdure ComportReact()
Dbut
1- Si msg <> Null alors
2- Si msg = Gn alors
3- JeGne ()
4- Si msg = ChercherPlace alors
5- ChercherPlacePour (j)
6- Si msg = JeSuisLibre alors
7- IlEstLibre (j)
8- Si msg = Dsol alors
9- IlEstDsol (j)
10- Si msg = Migrer alors
11- SurMoi (j)
12- Si msg= Confirmer alors
13- IlConfirme (j,Etat
j
)
14- Si msg= Rejeter alors
15- IlRejete ()
16- Si msg=MettreAJour alors
17- MaJCoord (msg)
18- Si msg=TuEsLibres alors
19- JeSuisLibre (j)
20- Si msg= Quitteralors
21- Tuer (i)
22-Sinon
23- Etat
i
attente
Fin
Algorithme 4.3: Messages changs entre les agents Conteneur
Les agents Conteneur, satisfaits ou pas, recevant les demandes de recherche
demplacements, envoient des rponses positives de type JeSuisLibre() ou nga-
tives de type Dsol() selon quils sont libres ou pas et que la hauteur maximale
des piles auxquelles ils appartiennent est dj atteinte ou pas (Algorithme 4.6,
Lignes 1, 2 et 6). Dans ce traitement schmatis par lalgorithme 4.6, nous tenons
compte des contraintes spatiales du problme.
A la rception des rponses JeSuisLibre (), chaque agent Conteneur, sil est
encore insatisfait sauvegarde cette rponse dans une la liste lAContLibre
i
, et
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 113
Procdure JeGne ()
Dbut
1-Si CatACSus
i
<> R alors
2- envoyer Gn () ACSus
i
3-Sinon
4- chercherPlace ()
Fin
Algorithme 4.4: Comportement des agents Conteneur recevant le message
gn()
Procdure ChercherPlace ()
Dbut
1-Pour n lACont
2- Si ((n <> i) et (n <> ACSous
i
)) alors
3- envoyer ChercherPlace() n
4- nbrRechPlaceDem nbrRechPlaceDem + 1
Fin
Algorithme 4.5: Comportement des agents Conteneur perturbs
Procdure ChercherPlacePour ()
Dbut
1- Si (CatACSusi = R) et (y
i
< H
max
) alors
2- envoyer JeSuisLibre (y
i
) j
3- Sinon
4- Si (j lCherPlace
i
) alors
5- lCherPlace
i
lCherPlace
i
{j}
6- envoyer Dsol () j
Fin
Algorithme 4.6: Comportement des agents Conteneur recevant le message
ChercherPlace()
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
114Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
rpond une proposition (selon la politique FIFO) en envoyant le message Mi-
grer() et reste en attente dune conrmation dnitive ou dun rejet dnitif (Al-
gorithme 4.7, lignes 2-5). A la rception dun message Dsol () (Algorithme 4.8,
lignes 7-12), il envoie de nouveau le message Migrer () une proposition suivante
stocke dans lAContLibre
i
. Ceci nempche que lagent Conteneur expditeur
du message Dsol() stocke ces agents Conteneur chercheurs de place dans une
liste lCherPlace
i
. Si un agent Conteneur ne reoit que des messages Dsol(),
alors nous avons une situation de blocage non solvable cest--dire soit que toutes
piles sont satures ou contenant des agents Conteneur perturbs. Dans ce dernier
cas, nous alternons entre des messages de types : ChercherPlace()-JeSuisLibre()-
Migrer()-Gn() jusqu linni, nous ne pouvons rsoudre cette situation quen
ayant une zone de stockage supplmentaire ou encore zone tampon. Notons quune
fois devenu libre ou satisfait, un agent Conteneur envoie de nouveau des mes-
sages JeSuisLibre() aux agents Conteneur chercheurs de place stocks dj dans
lCherPlace
i
.
Procdure IlEstLibre (j)
Dbut
1- nbrLibreRep nbrLibreRep+1
2- Si (Etat
i
= instatisfait) et (Cat
ACSus
i
= R) alors
3- Si (nbrLibreRep = 1) et (attente) alors
4- attente Vrai
5- Envoyer Migrer() j
6- Sinon
7- Si j lAContLibre
i
alors
8- lAContLibre
i
lAContLibre
i
{j}
Fin
Algorithme 4.7: Comportement des agents Conteneur recevant le message
JeSuisLibre()
A la rception du message Migrer() (voir algorithme 4.9) dun ou plusieurs
agents Conteneur en attente de conrmation ou de rejet, un agent Conteneur
naccepte au-dessus quun seul agent Conteneur qui correspond lexpditeur du
premier message Migrer (), il lui envoie alors le message Conrmer() et envoie aux
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 115
Procdure IlEstDesole (j)
Dbut
1- nbrDesoleRep nbrDesoleRep + 1
2- Si (nbrDesoleRep = nbrRechPlaceDem) alors
3- nbrDesoleRep 0
4- nbrRechPlaceDem 0
5- chercherPlace()
6- Sinon
7- Si(nbrDesoleRep +nbrLibreRep nbrRechPlaceDem)
8- et (Etat
i
= insatisfait) et (Cat
ACSus
i
= R) alors
9- EmpSol NouvEmpAlea(lAContLibre
i
)
10- Si EmpSol <> NULL alors
11- attente Vrai
12- Envoyer Migrer () EmpSol
Fin
Algorithme 4.8: Comportement des agents Conteneur recevant le message
Dsol()
autres le message Rejet (). Cette conrmation est envoye mme sil est insatisfait.
Ce qui pourrait certainement gnrer un mouvement invitable puisque lagent
Conteneur destinataire doit se dplacer aprs.
Un agent Conteneur, tant en attente dune rponse dnitive, reoit soit une
conrmation dnitive : dans ce cas (voir algorithme 4.10) il libre son empla-
cement courant, envoie le message TuEsLibre() lagent Conteneur en dessous,
et occupe son nouvel emplacement solution. Mais il ne devient satisfait que si le
nouvel agent Conteneur en dessous est lui-mme satisfait (Algorithme 4.10, lignes
1-3). En consquence, le nombre de mouvements est incrment, voir quil va tre
encore incrment si lagent Conteneur en dessous est insatisfait ; soit un rejet
(Algorithme 4.11) : dans ce cas, lagent Conteneur en question recherche la
proposition suivante stocke dans lAContLibre
i
et relance le mme processus
denvoi de messages ChercherPlace() -Migrer.
Un agent Conteneur, devenu libre (Algorithme 4.12, lignes 1-4) : soit quil
est de catgorie A alors il quitte son tour son emplacement et part. Soit quil
est de catgorie dirente et insatisfait, alors il recherche son tour un nouvel
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
116Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Procdure SurMoi (j)
Dbut
1- nbrSurMoi nbrSurMoi + 1
2- Si nbrSurMoi =1 alors
3- envoyer Confirmer(Etat
i
) j
4- envoyer MettreAJour (x
i
, y
j
) j
5- Si (Etat
i
= insatisfait)alors
6- JeGene ()
7- Sinon
8- Envoyer Rejeter() j
Fin
Algorithme 4.9: Comportement des agents Conteneur recevant le message
Migrer ()
Procdure IlConfirme (j,Etat
j
)
Dbut
1- Si (Etati = insatisfait) alors
2- Si (Etatj = satisfait) alors
3- Etati = satisfait
4- nbrMvt nbrMvt + 1
5- Envoyer TuEsLibres() ACSousi
6- CatACSusi R
Fin
Algorithme 4.10: Comportement des agents Conteneur recevant le message
Conrmer ()
emplacement. Et enn , soit quil est de catgorie dirente et satisfait, il envoie
dans ce cas aux agents Conteneur stocks dj dans sa liste lCherPlace
i
et ayant
reus pralablement le message Dsol (), le message JeSuisLibre () (Algorithme
4.12, lignes 12-15).
Le comportement de dpart et le comportement ractif, ainsi dtaills, sont
excuts par niveau de recherche chaque dpart, sauf qu partir du deuxime
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 117
Procdure IlRejete (j)
Dbut
1- Si (IndCour < |lAContLibre
i
|) et
(Etat
i
= insatisfait) et (attente) et (CatACSus
i
= R) alors
2- EmpSol NouvEmpAlea (lAContLibre
i
)
3- attente Vrai
4- Envoyer Migrer () EmpSol
5- Sinon
6- attente faux
Fin
Algorithme 4.11: Comportement des agents Conteneur recevant le message
Rejeter ()
Procdure JeSuisLibre (j)
Dbut
1- Si Cat
i
= A alors
2- Envoyer TuEsLibres() ACSous
i
3- mACont(x
i
, y
i
)
4- nbrAContA nbrAContA 1
5- Si nbrAContA = 0 alors
6- envoyer TraiterArriv () lagent Interface
7- Tuer (i)
8- Sinon
9- Cat
ACSus
i
R
10- Si Etati = insatisfait alors
11- ChercherPlace()
12- Sinon
13- Si |lCherPlace
i
| > 0 alors
14- Pour n lCherPlace
i
faire
15- envoyer JeSuisLibre (y
i
) n
16- RinitList()
Fin
Algorithme 4.12: Comportement des agents Conteneur recevant le message
TuEsLibre ()
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
118Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
dpart, nous intgrons des arrives dagents Conteneur tel que nous allons le mon-
trer dans la section suivante. Ces comportements, excuts simultanment par les
agents Conteneur de notre modle, permettent de simuler un comportement ala-
toire de lactivit de stockage des conteneurs sur un quai, et de fournir la solution
globale. Cette dernire correspond une squence de dplacements associs aux
direntes solutions individuelles qui satisfait les contraintes spatio-temporelles
et les rgles fonctionnelles du problme sans se soucier du nombre de mouvements
engendrs.
Traitement des arrives Les arrives des agents Conteneur ayant lieu
entre deux dparts successifs sont traites de la manire suivante : Une fois tous
les agents Conteneur A sont partis au premier dpart, lagent interface gnre
des agents Conteneur arrivs chaque dpart (Algorithme 4.2, lignes 4-7 et algo-
rithme 4.12, lignes 5-8). Ces agents, initialement insatisfaits, sont injects/empils
de manire alatoire dans la zone de stockage courante pour tre traits par la
suite identiquement des agents Conteneur perturbs. A partir du moment o le
dernier agent Conteneur arriv est inject (voir algorithme 4.13), nous relanons
le processus de rsolution dcrit prcdemment.
Situation de blocage Comme nous lavons dj mentionn, nous pouvons
rencontrer une situation de blocage non solvable au cours de lexcution du mo-
dle DistNIS. Dans ce cas, nous aurons recours ncessairement une zone tampon
supplmentaire o nous placerons les agents Conteneur insatisfaits.
Ce cas de blocage survient si et seulement si :
i : N
p
i1
>
NP

j=1,i=j
N
vj
+N
A
j1
Xji o i, j {1, ..., NP}, i = j
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 119
Procdure MajCoord(msg)
Dbut
1- Si (AContArriv) alors
2- mACont(x
i
, y
i
)
3- x
i
x
j
4- y
i
y
j
+ 1
5- mACont(x
i
, y
i
) Cat
i
6- MaJCat ()
7- Si AContArriv alors
8- nbrACArrNPlac nbrACArrNPlac 1
9- Si nbrACArrNPlac = 0 alors
10- envoyer DepTousA () lagent Interface
11-Si (|lCherPlace
i
| > 0)et (Cat
ACSus
i
= R) et (y
i
< H
max
) alors
12- Pour n lCherPlace
i
faire
13- envoyer JeSuisLibre (y
i
) n
14-Si(Etat
i
= satisfait) alors
15- RinitList()
Fin
Algorithme 4.13: Traitement des arrives li
me
dpart
o
N
p
i1
: le nombre dagents Conteneur perturbs de la pile i du premier
niveau de recherche
N
vj
: le nombre de places vides dans la pile j
N
A
j1
: le nombre dagents Conteneur de catgorie A de la premire occurrence
dans la pile j
Xji =

1, Si un agent Conteneur A de la pile j part avant celui de la pile i ;


0, Sinon.
Cette condition peut tre dmontre par rcurrence comme suit :
Preuve :
Pour allger et faciliter la lisibilit de notre condition, soient :
N
v
=

NP
j=1,i=j
N
vj
: le nombre de places vides dans toutes les piles direntes
de i,
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
120Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
et N
A
= N
A
j1
X
ji
: le nombre dagents Conteneur A qui partent.
Nous pouvons vrier quil existe une pile tel que : Si N
p
i1
= 1 et N
v
+N
A
est
gal 0, alors le processus de rsolution se bloque.
Supposons quil existe une pile o N
p
i1
= n, nous avons une situation de
blocage ssi n > N
v
+N
A
.
Montrons alors quil existe une pile o N
d
i1
= n+1, nous avons une situation
de blocage ssi n + 1 > N
v
+N
A
.
Nous avons par hypothse n > N
v
+ N
A
Or : n + 1 > n > N
v
+ N
A
do :
n + 1 > N
v
+N
A
Par consquent, il existe une pile tel que : Si n > N
v
+ N
A
une situation
de blocage.
Nous pouvons aussi prouver cette condition en dmontrant son dual :
i : N
p
i1
N
v
+N
A
Il existe au moins une solution.
Preuve :
Pour une pile contenant un seul agent Conteneur perturb :
Si N
p
i1
= 1 N
v
+ N
A
pas de blocage puisque lagent Conteneur peut
trouver un emplacement parmi les places vides ou parmi les places qui ont t
occupes par des agents Conteneur A.
Supposons que Si N
p
i1
= n N
v
+N
A
alors il existe une solution (1).
Montrons quil existe aussi une solution pour N
p
i1
= n + 1.
Par hypothse, nous avons n N
v
+N
A
n N
v
+N
A
+ 1 Il existe une
solution puisque n agents Conteneur parmi les n +1 agents Conteneur perturbs
peuvent retrouver au moins n emplacements selon (1), et par consquent librer
un ou plusieurs A en dessous. Lagent Conteneur perturb non encore satisfait
peut occuper lemplacement de lun des agents Conteneur A dj partis.
Ainsi, les n + 1 agents Conteneur sont satisfaits. Do :
i : N
p
i1
N
v
+N
A
Il au moins une solution.
La description du noyau DistNIS de COSAH permet dapprhender le prin-
cipe de base du modle COSAH, de mettre en avant la rsolution distribue du
PSC via les systmes multi-agent, et de simuler lactivit de stockage de conte-
neurs dans la un terminal conteneurs. Dsormais, le lecteur pourra librement
se servir de ce noyau comme composant de base dun autre modle quil souhaite
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 121
dvelopper. Il pourra intgrer autant de modules complmentaires quil voudra
an datteindre la deuxime nalit de COSAH quest loptimisation du PSC.
Ceci pourra tre achev en introduisant des mthodes exactes ou approches au
sein du comportement des agents de DistNIS. Dans le modle COSAH, nous
avons dvelopp un module complmentaire nomm ISM bas sur une mthode
heuristique, qui fera lobjet de la suite de ce chapitre.
4.3.2.2 DistIS
Un module complmentaire appel ISM, mettant en uvre des heuristiques
constructives gloutonnes, est dsormais inject dans DistNIS de manire mer-
ger un algorithme distribu de recherche informe nomm DistIS (Distributed
Informed Search algorithm). DistIS constitue le cur de COSAH et en fait un
modle doptimisation heuristique distribue. Il a pour but doptimiser lactivit
de stockage de conteneurs par le biais de ISM, et ce en minimisant le nombre
de mouvements parasites pouvant avoir lieu lors des oprations de chargement
ou de dchargement des conteneurs, tenant compte des contraintes despace et
de temps. Lide principale de DistIS est de dterminer de manire guide de
nouveaux emplacements aussi bien pour les conteneurs perturbs aprs le dpart
des conteneurs A, que pour les conteneurs nouvellement arrivs. Certes, il y des
points communs entre DistIS et DistNIS, mais nous allons nous concentrer sur les
notions et concepts spciques DistIS. Ca ne serait ce que ceux introduits par
le module complmentaire ISM. Notons que quelques lments de la structure de
la section prcdente peuvent tre repris.
Notations Dans ce modle, nous avons adopt la plupart des notations dj
invoques dans le modle DistNIS (voir 4.3.2.1) : P
max
, H
max
, N , Config
init
, H
p
, i et j, x
i
, y
i
, (x
i
, y
i
), Cat
i
, ACSous
i
, ACSus
i
, NivRech
i
, mACont,
lCherPlace
i
, EmpSol
i
et Etat
i
. Nous avons rajout quelques notations spci-
ques au modle DistIS :
lAContPref
i
: liste des agents Conteneur que lagent Conteneur i prfre
de se mettre au-dessus selon des critres bien dnis, dune autre manire
cest la liste des emplacements disponibles prfrs par i.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
122Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
lAContNonPref
i
: liste des agents Conteneur non prfrs par lagent
Conteneur i.
Etat
i
: dsigne ltat dun agent Conteneur i. Cet tat peut tre insatisfait
en tolrance, insatisfait, ou satisfait.
Dist
ij
:cest la dirence entre les catgories des agents Conteneur i et j
dnie comme suit :
Dist
ij
=

Cat
j
Cat
i
Si Cat
j
Cat
i
;
(Cat
j
Cat
i
) Sinon.
Dnitions Dans la section suivante nous donnons les dnitions des concepts
proposs dans DistIS ajoutes celles donnes dans la section (4.3.2.1).
La prfrence dun agent Conteneur pour un ou plusieurs agents Conteneur
exprime le fait que cet agent prfre se placer au-dessus de lun dentre eux.
Elle permet de dterminer les nouveaux emplacements quil prfre y migrer
ou occuper.
La tolrance est une procdure dclenche si une situation de blocage sol-
vable est dtecte au cours du processus de rsolution an assurer la conver-
gence du modle.
La situation de blocage solvable correspond au cas o toutes les ttes des
piles sont perturbes et il existe au moins une solution pour le dblocage.
Un agent conteneur est dit tolrant sil est insatisfait mais il tolre comme
mme un agent Conteneur de se placer au-dessus de manire provisoire,
dans le cas dtat de blocage solvable de la rsolution.
Un AC est satisfait sil occupe dnitivement un emplacement respectant
les contraintes spatio-temporelles et minimisant le nombre de mouvements
quil peut eectuer.
Un AC est insatisfait sil est en train de chercher un nouvel emplacement
respectant les contraintes spatio-temporelles et minimisant le nombre de
mouvements quil peut eectuer. Dans une situation de blocage solvable, cet
agent est plac temporairement au-dessus dun autre agent Conteneur qui
est lui-mme insatisfait. En eet, pour distinguer ce cas, nous introduisons
un troisime tat possible dun agent Conteneur : insatisfait en tolrance.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 123
Ltat dun AC peut tre : satisfait, insatisfait en tolrance ou insatisfait.
Une solution individuelle dun agent Conteneur i note EmpSol
i
, corres-
pond un emplacement retenu. Autrement dit, elle correspond un plan
partiel de dplacements qui lui permet datteindre cet emplacement tout
en satisfaisant les contraintes de hauteur de piles, du nombre de piles et
de date de dpart et dautre part ; et minimisant ses mouvements dans le
futur.
Une solution nale globale est la fusion des direntes solutions indivi-
duelles. Autrement dit, il sagit dun plan global de dplacements mergeant
de la fusion des plans partiaux des agents Conteneur. Subsquemment, cette
solution satisfait les contraintes spatio-temporelles et minimise le nombre
total de mouvements eectus.
Architecture Le modle DistIS met en jeu aussi lagent Interface et lagent
Conteneur, lagent Interface garde les mmes structures et rle que ceux dnis
dans DistNIS. Lagent Conteneur conserve les mmes accointances et connais-
sances statiques, mais possde de nouvelles connaissances dynamiques et change
en majorit de comportement. Les connaissances dynamiques sont : sa catgorie
Cat, son emplacement initial EmpSol, lagent Conteneur dessous immdiate-
ment ACSous, lagent Conteneur dessus immdiatement ACSus, lCherPlace,
lAContPref
i
, lAContNonPref
i
et son tat.
Dans le modle DistIS, larchitecture interne dun agent Conteneur est illustre
par la gure 4.10. Dans cette gure, nous insistons sur le module de prise de
dcision qui rete un comportement de lagent Conteneur dirent de celui vu
jusqu maintenant, et ce en integrant un module doptimisation qui met en jeu
des heuristiques constructives gloutonnes chaque fois quil sagit dune dcision
prendre.
Dans ce qui suit, nous nous talons sur ce module et prcisment sur la m-
thode heuristique adopte dans COSAH : quelles sont les heuristiques mises en
place ? Comment et quand sont-elles dclenches ? comment fonctionnent-elles ?
Et quelle est leur utilit ?
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
124Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Un agent Conteneur
(AC)
Module de
communication
Rponse / Action
Module
Optimisation
(Heuristiques
Gloutonnes)
Accointances d'un
AC
changes
Fig. 4.10 Composants du module de prise de dcision dun agent Conteneur
Dynamique globale Rappelons que le modle DistIS a pour but essentiel ce-
lui de dterminer une solution globale qui minimise le nombre de mouvements
parasites total et qui satisfait les contraintes dj voques. Aprs leur cration
et initialisation, les dirents agents Conteneur sexcutent simultanment d-
clenchant leurs propres algorithmes an de donner naissance cette solution.
Chaque agent Conteneur participe de sa part la constitution de cette solution
globale, et ce en recherchant une solution individuelle qui minimise ses propres
mouvements inutiles tout en respectant les contraintes dnies dans son environ-
nement, et en cooprant avec les autres agents Conteneur. Cette coopration est
assure travers un protocole de ngociation muni dun certain nombre de mes-
sages changs entre ces agents. A chaque date de dpart, un cycle de traitements
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 125
simultans est lanc par chaque agent conteneur. Soit que ce dernier est concern
par ce dpart, alors il excute un comportement de dpart, soit quil est perturb
ou nouvellement arriv, alors il dclenche un processus de recherche dune solu-
tion individuelle qui puisse minimiser ses dplacements. Dans ce deuxime cas,
chaque agent conteneur commence par diuser un message de recherche dun nou-
vel emplacement aux autres agents Conteneur. Au fur et mesure de la rception
de leurs direntes propositions, il excute un algorithme de recherche informe
de la solution individuelle la plus satisfaisante, faisant appel des heuristiques
constructives gloutonnes. Une fois devenu satisfait, il ne se retire pas du processus
de rsolution mais il essayera de satisfaire les demandes de recherche demplace-
ments quil a reues des autres agents Conteneur non encore satisfaits. Si tous les
agents atteignent des solutions individuelles, la solution globale est constitue et
un autre cycle de ce mme processus est relanc au prochain dpart. Dans le cas
dune situation de blocage solvable, nous dclenchons une procdure de tolrance
bien dnie. Pour la description de ce raisonnement, nous pouvons nous rfrer
aux algorithmes de la section prcdente, quoiquil faut signaler que les procdures
associes sont traites diremment dans DistIS, et plus prcisment au niveau
de : lalgorithme 4.7 (Lignes 7,8), lalgorithme 4.8 (ligne 9), et lalgorithme 4.11
(ligne 2). En eet, pour dcider de son nouvel emplacement, un agent Conteneur
ne fait plus son choix dans la mme liste lAContLibre
i
de manire alatoire, mais
dans deux listes distinctes lAContPref
i
et lAContNonPref
i
de manire guide
(voir algorithme 4.14).
4.3.2.3 Dynamique dtaille
Heuristiques adoptes Dans notre contexte, nous ayons recours aux heuris-
tiques constructives gloutonnes an doptimiser la rsolution du problme sous-
jacent. Rappelons dabord que DistNIS avait pour seul objectif de satisfaire les
contraintes spatio-temporelles de notre problme et par consquent de simuler
et de rsoudre alatoirement lactivit de stockage des conteneurs prts tre
chargs, les conteneurs perturbs qui vont partir ultrieurement et les conteneurs
arrivant entre deux dparts. Pour ce, DistNIS se base sur un algorithme distribu
de recherche non informe. Cependant, DistIS ne se sut pas la satisfaction
des contraintes du problme tudi, mais permet en plus doptimiser sa fonction
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
126Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
objectif (minimiser le nombre de mouvements parasites pouvant se produire lors
des oprations de dpart ou darrive de conteneurs en import ou en export).
Pour ce, nous mettons en uvre un algorithme de recherche informe. Pareille-
ment DistNIS, une solution globale notre problme est construite de manire
distribue en " fusionnant " les solutions individuelles des dirents agents Conte-
neur, et une solution individuelle nest pas atteinte indpendamment des autres
agents, plutt cest le produit de leur coopration. La dirence dans DistIS est
le fait dappuyer cette coopration, il ne sagit plus dune simple communica-
tion entre les agents et dune dtermination alatoire de la solution individuelle
pour un agent. Dsormais, chaque agent cherche une solution individuelle qui
minimise ses dplacements. Nous pouvons alors nous retrouver dans des situa-
tions de conits lorsque plus quun agent Conteneur essaye de se placer dans un
mme emplacement libre. Parmi les solutions adoptes (voir chapitre 3) pour la
rsolution de conits, nous faisons appel la ngociation : les agents Conteneur
en conit entrent dans une srie de tractations, dchanges de messages et de
compromis de manire parvenir un accord, cest--dire une solution qui sa-
tisfasse toutes les parties ; et la coordination par planication distribue entre
les dirents agents Conteneur : lors de lexcution du processus de recherche de
solutions individuelles, les points de conits sont reconnus et grs au fur et
mesure et ce en imposant la possibilit de replanier, ou relancer la recherche
de solution individuelle dans notre cas, de manire dynamique. Pour cela, les
agents Conteneur doivent tre dots dune capacit communiquer leurs intrts
et leurs contraintes individuelles et dune certaine intelligence qui puisse guider
leur comportement. Cest ce que nous intentons daccomplir dans DistIS. Dor-
navant, les agents Conteneur cooprent via un protocole de ngociation avance,
et un agent Conteneur se comporte de manire guide. Ceci est concrtis par
le biais dheuristiques constructives gloutonnes spciques notre problme, que
nous introduisons dans le comportement interne dun agent et entre agents an
dmuler lintelligence humaine dans la dtermination de choix et dcisions. A une
date de dpart t, les agents conteneur perturbs recherchent de nouvels emplace-
ments an de librer les agents Conteneur A concerns par ce dpart. Retrouver
un nouvel emplacement correspond la dtermination dune solution individuelle
qui respecte les contraintes de nombre de piles et de hauteur maximale et qui mi-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 127
nimise le nombre de mouvements pouvant avoir lieu aux prochains dparts et
arrives. La dtermination dune solution individuelle fait appel un algorithme
de recherche informe base sur des heuristiques constructives gloutonnes (par-
tant dun emplacement initial, un agent conteneur essaye de retrouver la meilleure
solution possible). Lidal pour chaque agent Conteneur est de ne gner aucun
autre agent Conteneur pour ne pas tre oblig se dplacer encore et donc gn-
rer un mouvement parasite de plus, cest--dire chaque agent conteneur a intrt
tre empil sur un agent Conteneur qui va partir la mme date ou bien
une date ultrieure. Dune autre manire, chaque agent conteneur a intrt se
placer sur un agent Conteneur de mme catgorie ou de catgorie suprieure, et
chaque agent Conteneur a un intrt mutuel celui de ne pas tre gn par un agent
Conteneur de catgorie suprieure. Ceci dit, nous respectons toujours la hauteur
maximale H
max
et le nombre de piles disponibles NP. Notons que cette situation
idale est dicilement atteignable tout le temps vu la prsence dintrts parta-
gs et donc conictuels. Ds lors, nous sommes amens renforcer lintelligence
de nos agents Conteneur an de leur permettre de conduire un comportement
souple, coopratif et rationnel en prsence de contraintes et paramtres chan-
geants et imprvisibles (arrives imprvues, dparts estims). Pour obtenir ces
rsultats, nous avons fait appel des heuristiques spciques dnies selon des
critres de prfrence dune solution une autre. Ces heuristiques sont mises en
jeu lors de la recherche dune solution individuelle. A la rception des messages
JeSuisLibre (), chaque agent Conteneur classe les dirents agents expditeurs
dans deux listes tries : une liste des agents Conteneur prfrs cest--dire ceux
quil prfre se placer au-dessus, et une deuxime liste des agents Conteneur non
prfrs. Puis, il envoi au meilleur agent Conteneur le message SurToi (). Cet
agent correspond soit lagent le plus prfr dans lAContPref
i
ou lagent le
moins non prfr dans lAContNonPref
i
. Ensuite, il attend soit une conrma-
tion soit un rejet identiquement ce qui se passe dans le modle DistNIS, sauf
qu la rception du message rejeter, lagent Conteneur ne recherche plus une
solution alternative alatoirement mais choisit la solution immdiatement moins
prfre ou plus non prfre. Cet change de messages se poursuit jusqu ce que
chaque agent Conteneur retrouve une solution qui minimise le plus le nombre de
mouvements quil peut eectuer jusqu son dpart.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
128Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Procdure dvaluation dune solution La solution globale de notre mo-
dle COSAH est un ensemble de mouvements non conictuels. Chaque mouve-
ment eectu par un agent Conteneur reprsente une solution individuelle locale
EmpSol
i
retenue aprs une ngociation tout au long du processus de recherche.
La procdure dvaluation dune solution reue dun agent Conteneur j est eec-
tue en parallle au niveau de chaque agent Conteneur i en calculant un certain
cot exprim par une distance entre i et j dnote par Dist
ij
. Selon cette dis-
tance, lagent Conteneur i constitue sa liste dagents Conteneur prfrs et sa liste
dagents non prfrs. La prfrence dun agent Conteneur est dnie comme suit :
Pref
ij
=

1 Si Dist
ij
0 ;
0 Sinon.
Ainsi, nous pouvons dnir formellement les listes lAContPref
i
et lAConNonPref
i
comme tant deux listes dagents Conteneur j (j = i) tel que Pref
ij
= 1 et
Pref
ij
= 0, respectivement.
Le cot dune solution est gal au cot de dplacement dun agent Conteneur
i un emplacement au-dessus dun agent Conteneur j. Ce cot est exprim en
terme de nombre de mouvements, il est calcul selon la rgle suivante :
C
ij
=

1 Si Dist
ji
> 0 ;
0 Sinon.
Heuristiques de choix dune solution Tout au long de son processus
de recherche, chaque agent Conteneur choisit chaque fois lagent Conteneur
sur lequel il va se placer ventuellement dans son voisinage form par les deux
listes lAContPref
i
et lAConNonPref
i
Nous avons dni une relation dordre
totale entre les dirents agents Conteneur des deux listes qui permet de juger la
prfrence dun agent Conteneur un autre (ou encore dune solution individuelle
une autre). Cette relation est utilise, dune part, pour trier les deux listes de
chaque agent Conteneur, et dautre part pour aider cet agent Conteneur perturb
ou nouvellement arriv choisir un emplacement o il peut tre empil de la
manire la plus optimale (minimisant ses mouvements dans le futur). Ainsi, nous
pouvons juger un agent Conteneur j est plus prfr quun autre agent Conteneur
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 129
k par un agent Conteneur i selon les critres de prfrence ou les heuristiques
gloutonnes suivantes :
Critre de distance : Si j et k appartiennent tous les deux lAContPref
i
,
alors i prfre se placer au dessus de celui dont la date de dpart est la
plus proche postrieure la sienne cest--dire le premier partant aprs lui
(favorisant celui qui a la mme date de dpart que la sienne). Sils appar-
tiennent tous les deux lAContNonPref
i
, alors i choisit celui dont la date
de dpart est la plus proche antrieure la sienne. Enn, sils appartiennent
deux listes direntes, i choisit celui qui appartient lAContPref
i
. i na
pas intrt tre aect un emplacement pour tre dplac ultrieure-
ment, et j ou k nont pas intrt tre gns par un agent Conteneur qui
sera ncessairement dplac au dpart de lun deux. Bel et bien, ce critre
permet de minimiser le nombre de mouvements gnrs tout en respectant
simultanment les intrts dun agent Conteneur chercheur de place et dun
agent Conteneur dj satisfait.
Critre de hauteur : i choisit parmi j et k celui situ un niveau plus
lev cest--dire appartenant la pile la plus charge. Ce critre permet de
maximiser lexploitation des piles disponibles. Au lieu davoir des piles mi-
pleines, nous aurons long terme des piles satures et des piles vides ce qui
peut ventuellement optimiser le placement des conteneurs nouvellement
arrivs.
Heuristique de pile destination : i choisit parmi j et k celui situ dans la pile
la plus proche cest--dire situ une distance minimale.Ce critre permet
de minimiser la distance parcourue par les quipements de manutention
pour dplacer des conteneurs.
Critre dordre lexicographique des piles : ce critre est utile dans le cas o j
et k seraient ex quo suivant les critres prcdents. Les agents Conteneur
perturbs et les agents Conteneur nouvellement arrivs sont empils au-
dessus des agents Conteneur qui vrient ces critres selon un ordre de
priorit dcroissant : dabord le critre de distance, ensuite le critre de
hauteur de pile, et enn lordre lexicographique.
Lagent Conteneur j est le plus prfr par lagent Conteneur i sil appar-
tient lAContPref
i
et :
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
130Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
Pref
+
ij
= Min
j=1...n
1
(Dist
ij
) o j = i, n
1
N
Un agent Conteneur j est le moins non prfr par un agent Conteneur i
sil appartient lAContNonPref
i
et :
Pref

ij
= Max
j=1...n
1
(Dist
ij
) o j = i, n
1
N
Algorithme doptimisation A la rception des messages : JeSuisLibre (),
JeSuisDsol () ou Rejeter (), un agent Conteneur recherche un nouvel emplace-
ment faisant appel une fonction meilleurNouvEmp()qui implmente les heuris-
tiques gloutonnes dj voques (voir Algorithme 4.14)
Traitement des arrives Les arrives des agents Conteneur ayant lieu entre
deux dparts successifs sont traites de la manire suivante : Une fois tous les
agents Conteneur A sont partis au premier dpart, lagent interface gnre de
manire alatoire des agents Conteneur arrivs chaque dpart et envoie en outre
le message Gn () chacun. La diusion de ce message permet ces nouveaux
agents Conteneur, initialement insatisfaits, dtre empils identiquement des
agents Conteneur perturbs selon la mthode heuristique distribue propose.
Ceci garantit la cohrence du modle COSAH et contribue la minimisation des
mouvements pouvant avoir lieu au prochain dpart. A partir du moment o le
dernier agent Conteneur arriv est empil, nous relanons le dpart suivant selon
le mme processus de rsolution dcrit prcdemment.
Situation de blocage solvable(tolrance) En plus de la situation de blo-
cage non solvable rencontre dans DistNIS et explicite dans la section 4.3.2.1,
une situation de blocage solvable peut provenir dans lexcution de DistIS lorsque
toutes les ttes des piles (contenant des A) sont perturbes et les autres piles (ne
contenant pas des A) sont satures. Autrement dit, si un agent conteneur re-
oit uniquement des messages JeSuisDsol () ou bien si le nombre de chercheurs
de places est gal au nombre de piles qui sont non satures et dont les ttes
sont toutes perturbes. Cela est du aux intrts conictuels des dirents agents
Conteneur ayant chacun pour but essentiel de minimiser le nombre de ses dpla-
cements. Dans ce cas, nous dclenchons une procdure de tolrance : un agent
Conteneur, appel agent Conteneur tolrant, mme sil est insatisfait et recherche
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Le modle COSAH 131
Fonction meilleurNouvEmp (i) EmpSol
Dbut
1- EmpSol null
2- nivMax
3- distMin +
4- Si (|lAContPref
i
| > 0) alors
5- min 1111 ;
6- Pour i de 0 |lAContPref
i
| -1 Faire
7- EmpLibre i
8- Si (|lAContPref
i
|=1) alors
9- Vider (lAContPref
i
)
10- Si (EmpLibre.nom = EmpLibre.dessus) alors
11- retourner (EmpLibre)
12- Si (min >= EmpLibre.dist)alors
13- Si (min = EmpLibre.dist) alors
14- Si (nivMax < EmpLibre.niveau) alors
15- nivMax EmpLibre.niveau
16- EmpSol EmpLibre
17- min EmpLibre.dist
18- Sinon Si (nivMax = EmpLibre.niveau) alors
19- Si (distMin >= EmpLibre.distPile) alors
20- distMin EmpLibre.distPile
21- nivmax EmpLibre.niveau
22- min EmpLibre.dist
23- EmpSol EmpLibre
24- Sinon
25- min EmpLibre.dist
26- nivmax EmpLibre.niveau
27- distMin EmpLibre.distPile
28- EmpSol EmpLibre
29- Si (EmpSol <> null) alors
30- Supprimer (lAContPref
i
, EmpSol)
31- Retourner (EmpSol)
32- Si ( |lAContNonPref
i
| > 0)
33- max
34- nivMax
35- meilleurNouvEmp (lAContNonPref
i
)
36- Sinon
37- retourner (null)
Fin
Algorithme 4.14: Algorithme doptimisation heuristique
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
132Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
un nouvel emplacement, accepte temporairement des agents Conteneur au-dessus
dans le but de librer des emplacements occups par des A et puis nous repre-
nons le processus dexcution sans tolrance en dclenchant de nouveau aprs un
certain la procdure je gne(). Les agents Conteneur tolrants sont dtermins
ou encore choisis selon une heuristique de tolrance qui consiste appliquer dans
un ordre de priorit dcroissante ces deux critres :
Critre de catgorie : un agent Conteneur i est tolrant par rapport un
autre agent Conteneur j sil est le premier partant cest--dire si Cat
i
est
infrieure Cat
j
. Ce critre permet de minimiser le nombre de mouvements
pouvant avoir lieu ultrieurement. La question qui se pose : pourquoi nous
navons pas choisi le contraire cest--dire le dernier partant. En eet, nous
pensons quen empilant les conteneurs les moins prioritaires sur les plus
prioritaires, nous pouvons aboutir une conguration ordonne qui facili-
tera leur dpart, une fois les A sont partis librant ainsi des emplacements
et dclenchant de nouveau la procdure je gne () au niveau du conteneur
le plus prioritaire.
Critre de hauteur : si i et j ont la mme catgorie, alors lagent Conteneur
situ au niveau le moins lev est lagent Conteneur tolrant, cest--dire
celui qui appartient la pile la moins leve. Ce critre permet de librer
plus demplacements.
Critre dordre lexicographique des piles : ce critre est utilis dans le cas
o j et k seraient ex quo suivant les deux critres prcdents.
4.4 Conclusion
Dans ce chapitre, nous avons dcrit un modle multi-agent de base bap-
tis ContEco que nous avons conu pour la rsolution dune version relaxe du
problme de stockage de conteneurs PSCR, en se rfrant la mthode dco-
rsolution applique au problme classique de planication : problme du monde
des cubes. Ensuite, nous avons exprim ce modle par une mthode formelle : les
rseaux de Petri colors, et ce uniquement en vue de donner une smantique aux
dirents comportements internes des agents.
La dmarche de formalisation nous a aid la clarication du modle ContEco
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Conclusion 133
et a montr une facilit dapprhender les aspects dasynchronisation et de paral-
llisme lors des communications entre les agents. Elle reprsente une " maquette "
de base reettant nos reexions et appuyant leur faisabilit et leur dveloppement.
Cette dmarche permet galement au lecteur de ce manuscrit de se familiariser
plus avec les concepts multi-agent et de le prparer notre deuxime et prin-
cipale contribution : le modle COSAH, un modle doptimisation heuristique
distribue pour la rsolution dune version tendue du problme du stockage de
conteneurs tenant compte des dparts et des arrives de conteneurs en import ou
en export, ainsi que des contraintes dynamiques despace et de temps (espace de
stockage variable selon le dpart ou larrive de conteneurs, fentres temporelles
glissantes).
En eet, dans une deuxime partie de ce chapitre, nous avons dtaill ce mo-
dle : nous avons commenc par une description de son noyau DistNIS fond sur
un algorithme distribu de recherche non informe ou encore sur un algorithme
distribu de stockage alatoire. Ensuite, nous avons mis sur le module com-
plmentaire ISM bas sur un algorithme de recherche informe qui injecte dans
DistNIS une mthode heuristique exhaustivement explique. Le noyau de COSAH
permet dune part, la simulation de lactivit de stockage de conteneurs dans la
ralit de plusieurs ports uviaux ou maritimes. Et dautre part, la rsolution
de manire alatoire du problme de chargement et dchargement des conteneurs
en import ou en export la fois, et ce en respectant les contraintes despace et
de temps. Quant au module ISM, il met en jeu des heuristiques constructives
gloutonnes dans le but doptimiser le PSC en minimisant le nombre de mouve-
ments parasites des conteneurs que ce soit pour la priode courante sparant deux
dparts successifs ou pour les priodes suivantes.
An dvaluer le modle COSAH et prcisment les heuristiques adoptes,
nous proposons dans le chapitre suivant une tude empirique comparative selon
divers paramtres utilisant en premier lieu des jeux de tests gnrs alatoirement,
et en deuxime lieu des donnes relles relatives un cas dtude : le port maritime
de Rads en Tunisie.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
134Le modle COSAH : Un modle dOptimisation Heuristique Distribue du PSC
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Chapitre 5
Validation Exprimentale
5.1 Introduction
An de pouvoir tester la validit de notre modle COSAH, nous avons d-
cid de limplmenter. Cette implmentation sest droule en deux temps : dans
un premier temps, nous avons implment le noyau de base de COSAH : Dist-
NIS en crant des agents dun seul type (agent Conteneur) en les dotant de
toutes les fonctionnalits et connaissances indispensables leur comportement
tenant compte des contraintes despace et de temps. Nous avons voulu simu-
ler et rsoudre lactivit de stockage de conteneurs limage de port de Rads
que nous avons pris comme exemple dans ce chapitre. Puis, dans un deuxime
temps, nous avons implment COSAH en rajoutant le module complmentaire
ISM. Notre objectif est doptimiser le PSC et de faire du modle COSAH une
solution envisageable dans la ralit de plusieurs ports uviaux ou maritimes.
Pour ce faire, nous avons mis au point un prototype mettant en uvre le modle
COSAH et un modle centralis quivalent dsign par COSH pour Container
Stacking via Heuristic method. Ce dernier repose sur un algorithme centralis
bas sur une recherche informe dnomm CentIS (Centralised Informed Search)
qui, pareillement COSAH, se compose dun noyau dnomm CentNIS (Centra-
lised Non Informed Search) que nous avons tendu en rajoutant le module ISM
Informed Search Module. Notons que nous avons adopt les mmes heuristiques
constructives gloutonnes dnies dans DistIS qui sont appliques aux dparts des
135
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
136 Validation Exprimentale
conteneurs de catgorie A [KKGY07b]. Pour mettre en uvre le modle COSAH
nous avons utilis la plateforme multi-agent JADE [CSE99]. Ce chapitre sarti-
cule autour de trois sections : la premire prsente succinctement notre choix de
la plateforme multi-agent JADE, la deuxime expose les rsultats comparatifs de
nos exprimentations qui sont faites sur des instances gnres alatoirement, la
troisime sattarde sur un cas dtude : le port de Rads, o nous utilisons des
jeux de tests rels.
5.2 Implmentation
Les algorithmes que nous avons dvelopps ont t implments et excuts
sur un PC portable Centrino 2GHz dot de 1,00 Go de RAM. Nous pensons
toutefois quil serait souhaitable de lexcuter sur une machine multiprocesseur
an de mieux exploiter les avantages dune modlisation multi-agent, et ce es-
sentiellement en terme dasynchronisme et de paralllisme. Pour dvelopper des
agents, il est pratique de choisir une plateforme. A lheure actuelle,plusieurs outils
ont t dvelopps pour la ralisation dagents et plusieurs tudes comparatives
ont t menes comme [GD02]. Si ces plateformes inondent en quantit, elles ne
rpondent pas toutes aux critres que nous nous sommes xs. Le paragraphe
suivant justie notre choix de la plateforme JADE pour le dveloppement de nos
agents Conteneur.
5.2.1 Critres de choix
Ces critres sont naturellement en relation avec nos attentes dun systme
multi-agent et des caractristiques des agents. Ainsi, la plate forme devra rpondre
aux critres suivants :
Les agents doivent pouvoir communiquer entre eux. Cette communication
nest pas un simple change de messages mais un dialogue . Il ne sagira pas
pour un agent de rpondre mcaniquement un message mais de pouvoir
analyser plusieurs possibilits de rponses avant de ragir.
La plateforme doit tre rpandue, elle doit avoir rpondu plusieurs projets
de dveloppement de systmes multi-agent.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Implmentation 137
Le langage de programmation sous jacent et la nature des messages chan-
gs est aussi un point important. Un langage plus rpandu favorisera une
meilleure comprhension des codes sources.
En dnitif, JADE nous semble la plateforme qui se rapproche plus de nos critres.
Cest une plateforme de cration dagents qui prend en compte les spcications de
la FIPA pour linteroprabilit des systmes multi-agent. Le concept dagent est
vu par JADE comme un processus autonome et indpendant qui a une identit,
et qui requiert la communication (collaboration, comptition, coopration, etc.)
avec les autres agents dans le but de remplir ses missions.
5.2.2 Prsentation de JADE
La plateforme JADE (Java Agent DEvelopment Framework) est un environ-
nement de dveloppement dagents implant totalement dans le langage JAVA. Il
facilite la mise en place dun systme multi agent rpondant aux spcications de
FIPA ( Foundation for Intelligent Physical Agent ) travers un ensemble doutils.
La plateforme JADE inclut tous les composants obligatoires qui contrlent un
systme multi-agent. Ces composants sont lACC (Agent Communication Chan-
nel ), lAMS (Agent Management System) et le DF (Directory Facilitator). Toute
la communication entre agents est excute par messages FIPA/ACL. La plate-
forme dagent peut tre rpartie sur plusieurs serveurs. Une seule application
Java, et donc une seule machine virtuelle Java Java Virtual Machine-JVM, est
excute sur chaque serveur. Chaque JVM est un conteneur dagents qui fournit
un environnement complet pour lexcution dagent et permet plusieurs agents
de sexcuter en parallle sur le mme serveur. Larchitecture de communication
ore la transmission de messages exibles et ecaces. JADE cre et contrle une
le dattente des messages entrants pour chaque agent. Le modle global de com-
munication entre ces agents FIPA a t mis en application. Ses composants ont
t distingus clairement et ont t entirement intgrs : protocoles dinterac-
tion, ACL, langues, schmas de codage, protocoles de transport, etc. A chaque
agent on associe un processus lger thread mais les agents ont souvent besoin
dexcuter des tches en parallle. Lenvironnement de dveloppement pourvoit
aussi des comportements tout " prt excution " pour les tches les plus souvent
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
138 Validation Exprimentale
sollicites dans la programmation oriente agent.
5.3 Exprimentations
Nous avons prsent loutil qui va nous permettre dimplmenter et dvaluer le
modle COSAH. Il nous reste donc prsenter et analyser les rsultats numriques
inhrents. Il nous faut cependant dcrire les instances qui composent notre jeu
de tests. En eet, nous avons utilis, en premier lieu, des instances gnres
alatoirement, et en deuxime lieu un jeu de tests rels relatifs au port de Rads
en Tunisie.
5.3.1 Instances
Nous nous sommes bass sur des instances gnres alatoirement, chaque
instance reprsente une conguration ou encore un arrangement initial de conte-
neurs. Ces instances possdent les caractristiques suivantes : nombre de conte-
neurs, nombre de piles de conteneurs, la hauteur maximale, et les catgories des
conteneurs ou encore leur dates de dpart estimes. Notons que la hauteur maxi-
male est gnre alatoirement dans lintervalle {1,.., 6}, puisque la hauteur maxi-
male dans les plus grands ports mondiaux ne dpasse pas six. Lhorizon de notre
travail stale sur six dparts, do la catgorie des conteneurs varie dans linter-
valle {A, .., F}. Cependant, nous pouvons intgrer des conteneurs ayant des dates
de dparts ultrieures.
5.3.2 Rsultats numriques
Dans cette section, nous prsentons les rsultats numriques des exprimen-
tations de COSAH. Ces exprimentations se subdivisent en deux classes : les
premires sont inter-modles comparant COSAH COSH, et les deuximes sont
intra-modle comparant COSAH au nombre maximal de mouvements pouvant
tre atteint, et illustrant la sensibilit du modle COSAH quelques paramtres
du problme : le nombre de mouvements maximal et la hauteur moyenne des
piles. Par la suite, ces rsultats sont dtaills laide de graphiques comments.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Exprimentations 139
Notons que ces rsultats numriques correspondent la moyenne de 10 excutions
pour chaque instance.
5.3.2.1 Comparaisons inter-modles
Les graphiques suivants illustrent une tude comparative de COSAH par rap-
port COSH an de montrer, dune part, limpact de la distribution, et dautre
part, leet de lutilisation de la mthode Heuristique pour la rsolution et lop-
timisation du problme tudi : le stockage de conteneurs dans un port-PSC.
Distribution VS Centralisation La gure 5.1 montre une comparaison entre
DistNIS le noyau de base de COSAH et CentNIS celui de COSH, tous deux ba-
ss sur une mthode de recherche non informe. Ce graphique montre que la
rsolution distribue et centralise du PSC en procdant une mthode de re-
cherche non informe simulent toutes les deux de la mme manire une activit
de stockage alatoire des conteneurs dans un port, et gnrent des solutions voi-
sines pour la plupart des instances. Dans sa globalit, ces rsultats proches nous
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
0
5
10
15
20
25
30
Configuration
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
CentNIS
DistNIS
Fig. 5.1 Comparaison DistNIS par rapport CentNIS
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
140 Validation Exprimentale
conduisent ne plus faire de distinction entre CentNIS et DistNIS et ne par-
ler que dun noyau simulant un processus alatoire de stockage de conteneurs.
Mais, comme nous pouvons le constater, 50% de lensemble des congurations
considres montre que CentNIS est bien moins performant que DistNIS. Nous
pouvons voir que DistNIS se comporte bien car au bout dun certain temps, dune
excution une autre, nos agents Conteneur empruntent les mmes chemins et
poursuivent un mme schma conversationnel, ce qui mne des rsultats oscil-
lant dans un mme intervalle troit de valeurs.
La gure 5.2 montre une comparaison entre COSAH et COSH, dautre manire
entre DistIS et la version centralise CentIS, toutes deux bases sur une mthode
de recherche informe qui est la mthode heuristique. Ce graphique montre une
forte variation entre DistIS et CentIS, nous pouvons voir que COSAH est beau-
coup plus performant que COSH sur 75% des congurations considres. Pour
les autres congurations (C1, C7, C10), les rsultats sont confondues. Par rap-
port aux rsultats illustrs dans la gure 5.1, o la distribution seule nest pas
dun eet considrable sur la qualit de la solution, nous pouvons percevoir clai-
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
0
5
10
15
20
25
Configuration
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
CentIS
DistIS
Fig. 5.2 Comparaison de DistIS par rapport CentIS
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Exprimentations 141
rement dans cette gure limpact du couplage de la distribution et du guidage
ou encore la combinaison des deux concepts Agent et Heuristique sur la qua-
lit des solutions produites. La performance de COSAH montre bien lecacit
dune mthode doptimisation heuristique distribue par rapport aux mthodes
heuristiques centralises classiques.
Avec Heuristiques VS Sans Heuristiques La gure 5.3 montre une com-
paraison entre CentIS et CentNIS. Cette comparaison illustre bien lecience de
lutilisation dune mthode heuristique dans la minimisation du nombre de mou-
vements pour le problme du stockage des conteneurs. Dun point de vue gnral,
ces rsultats prouvent encore la performance des heuristiques constructives glou-
tonnes spciques dans la rsolution des problmes doptimisation combinatoire
tel est le cas du problme sous-jacent.
La gure 5.4 montre une comparaison DistNIS (Distributed Non Informed
Search) et DistIS (Distributed Informed Search). Cette comparaison montre que
lintroduction dun degr dintelligence via un algorithme de recherche informe
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
0
5
10
15
20
25
30
Configuration
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
CentNIS
CentIS
Fig. 5.3 Comparaison de CentIS par rapport CentNIS
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
142 Validation Exprimentale
C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12
0
5
10
15
20
25
30
Configuration
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
DistNIS
DistIS
Fig. 5.4 Comparaison de DistIS par rapport DistNIS
dans le comportement des agents Conteneur impliqus dans COSAH conduit
une rduction signicative du nombre total des mouvements parasites. Cette
tude comparative inter-modles montre que lintroduction dun degr dintelli-
gence dans le comportement des agent Conteneurs impliqus dans COSAH en
faisant appel aux heuristiques constructives gloutonnes, conduit des rsultats
nettement meilleurs que ceux du modle distribu avec une recherche non infor-
me, qui son tour amliore mais sensiblement la version centralise avec une
recherche non informe.
5.3.2.2 Comparaisons intra-modle
Ltude comparative inter-modles dcrite dans la section prcdente a mon-
tr que notre modle COSAH est particulirement adapt pour la rsolution du
problme tudi PSC. En consquence, nous nous concentrons dans cette section
sur une tude comparative illustrant la sensibilit de COSAH dirents para-
mtres : la borne maximale du nombre de mouvements et la hauteur moyenne
des piles.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Exprimentations 143
Comparaison de COSAH par rapport la borne maximale La courbe
de la gure 5.5 reprsente la variation du rapport entre le nombre de mouvements
produit par COSAH et la borne maximale pouvant tre atteinte, en fonction du
nombre de conteneurs. Nous pouvons voir que ce rapport not NbrMvt
COSAH
/
NbrMvt
max
ne dpasse pas 55%, ce qui appuie lecacit de notre solution pro-
pose. La borne maximale correspond au nombre total de mouvements pouvant
tre atteint au dpart courant ainsi quaux prochains dparts en supposant quil
ny aura pas darrives et quun conteneur qui gne un autre conteneur dans le
dpart courant continue le gner jusqu son dpart.
La borne maximale dnote NbrMvt
max
est calcule en utilisant la formule
mathmatique 5.1, tant donne une conguration initiale Config
init
:
NP1

p=0
h
p
1

i=0
k

j=i+1
x
ij
c
ij
(5.1)
O :
NP : le nombre de piles.
h
p
: la hauteur dune pile p (h
p
H
max
).
0 10 20 30 40 50 60 70 80
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nombre de conteneurs
C
O
S
A
H

/

B
m
a
x
Fig. 5.5 Mesure de performance de COSAH par rapport la borne maximale
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
144 Validation Exprimentale
c
ij
= cat
j
cat
i
x
ij
=

1 Si le conteneur j est de catgorie strictement suprieure celle de j ;


0 Sinon.
tant donns une pile p et un conteneur i (cest--dire situ li
me
niveau),
nous appliquons la formule 5.1 partir du conteneur au-dessus de i (j = i + 1)
jusqu ce quun conteneur k de catgorie infrieure celle i soit rencontr ( k
doit tre trait aussi). Dans ce cas, nous poursuivons le calcul du nombre de
mouvements en rappliquant la mme formule mais partir du conteneur k.
Comparaison de COSAH et de COSH en fonction de la hauteur moyenne
La gure 5.7 montre la variation du nombre de mouvements en fonction de la hau-
teur moyenne (la hauteur maximale est xe 6 et le nombre de piles 10). Ce
paramtre est retenu aprs avoir test la sensibilit du nombre de mouvements
plusieurs paramtres (nombre de conteneurs, taux doccupation, nombre de
catgories, nombre de conteneurs de chaque catgorie, nombre initial de conte-
neurs de catgorie A, nombre de conteneurs prioritaires chaque dpart) et leur

NP

3
H
max
4
A
B
E
D
A
A
C
F
B
D
Config
init

Exp. : Soit la configuration suivante:
NbrMvtmax = (1*(B-A)+1*(E-A))+(0*(A-D)+ 0*(A-A))+ 1*(F-C)+1*(D-B)) = (1+4)+(0+0)+(3+2)
= 10 mouvements.
Fig. 5.6 Exemple de calcul de la borne maximale du nombre de mouvements
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Cas dtude : Port de Rads 145
combinaisons pouvant caractriser et dterminer une conguration donne. Nous
constatons que le nombre de mouvements est gnralement proportionnel la
hauteur moyenne. Lexistence dun nombre initial lev de conteneurs de catgo-
rie A ou bien de places vides expliquent la diminution du nombre de mouvements
pour les instances 6 et 8 (#(32, 3.2) et #(44, 4.4)), et les valeurs voisines du
nombre de mouvements pour DistNIS et DistIS pour les trois premires instances
(#(6, 0.6), #(11, 1.1), #(16, 1.6)) et la huitime instance (#(44, 4.4)).
5.4 Cas dtude : Port de Rads
Cette section est consacre une application qui met en oeuvre le modle
COSAH et son utilisation pour la simulation et la rsolution du problme de sto-
ckage de conteneurs PSC dans le port maritime Tunisien : Port de Rads. Nous
commenons dabord par prsenter succinctement le port de Rads et ses activi-
ts. Ensuite, nous montrons des exprimentations qui ont permis dapprouver les
performances attendues de notre solution dans la ralit.
(6, 0.6) (11, 1.1) (16, 1.6) (21, 2.1) (25, 2.5) (32, 3.2) (39, 3.9) (44, 4.4) (51, 5.1) (60, 1)
0
10
20
30
40
50
60
#(Nombre de Conteneurs, Hauteur Moyenne)
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
DisNIS
DistIS
Fig. 5.7 Sensibilit de DistIS et de DistNIS la hauteur moyenne
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
146 Validation Exprimentale
5.4.1 Prsentation du port
En dpit de linstabilit de la situation conomique mondiale, lconomie Tu-
nisienne a continu se dvelopper surtout dans les secteurs du transport, de
lindustrie et du tourisme. Le commerce extrieur a connu, pour sa part, une
nette volution des importations et des exportations. Toutes ces circonstances ont
donn lconomie nationale une dynamique lui permettant de sintgrer dans
lconomie mondiale, ainsi que la capacit de sadapter aux mutations nationales
et internationales. Le volume global des changes dans tous les ports de com-
merce tunisiens a atteint 28,5 millions de tonnes daprs des tudes statistiques
de lan 2005 [STA05]. Ces millions de tonnes sont rpartis en des marchandises
diverses non unitises embarques et dbarques et des marchandises unitises.
Ces dernires reprsentent 56,67 % du volume global des marchandises en 2005
[STA05] rpartis entre conteneurs et units roulantes (semi-remorques, remorques
et voitures). En 2005, le trac des conteneurs transitant par les ports de com-
merce tunisiens a atteint 223 mille units (environ 340 mille EVP) contre 211
mille units en 2004 (environ 310 mille EVP) enregistrant une hausse de 10%.
Aussi le taux de conteneurisation des marchandises dans lensemble des ports
tunisiens a atteint 41% en 2005 contre 39% en 2004. Il importe de signaler, que
cette activit est centralise principalement au port de Rads et aux ports de la
goulette et de Sfax. Le port de Rads, quant lui, possde un taux de conteneu-
risation qui sest lev 64% et manipule 92% du volume global de conteneurs
(environ 316 mille EVP en 2005) [STA05, OMM05]. Cette hausse est concrtise
grce des programmes et des projets dinvestissement mis en place au niveau de
lOce de la Marine Marchande et des Ports-OMMP et de la Socit Tunisienne
dAcconage et de Manutention-STAM. Ces deux tablissements ont procd la
consolidation dquipements par lacquisition de nouveaux matriels de manu-
tention (cavaliers gerbeurs, chariots lvateurs, grues pneumatiques, Roll Trailer,
Ro-Ro Truck, bennes 5m
3
, enrouleurs lectriques et des mini-chargeuses). Le port
de Rads est compos dune zone dimport et une zone dexport. Chaque zone est
en elle mme compose de deux sous-zones : une destine au stockage des conte-
neurs pleins et une autre ddie au stockage des conteneurs vides. La logistique
utilise actuellement au port de Rads pour les oprations de chargement / d-
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Cas dtude : Port de Rads 147
chargement (ou embarquement / dbarquement) des conteneurs en export ou en
import consiste aecter des engins (Reach-Stacker, lvateurs, Ro-Ro Trucks,
des Ro-Ro Trailers et des cavaliers gerbeurs). Les Ro-Ro Trucks avec les Ro-Ro
Trailers sont utiliss pour assurer le transfert des conteneurs transports vers les
zones de stockage. Les cavaliers gerbeurs avec les Reach-Stackers et les chariots
lvateurs pour assurer le stockage (gerbage ou enlvement) des conteneurs. Le
port de Rads dispose de 7 postes quais, 4 grues pneumatiques, 22 cavaliers
gerbeurs, 10 Reach-Stacker et 34 Roll-Truck. Au milieu de tout a, nous nous
intressons lactivit de stockage de conteneurs (dbarquement/embarquement)
dtenue par la STAM, devenue en 2005 le concessionnaire du port de Rads. Dans
ce port, lopration de stockage de conteneurs dpend du fait quils soient en im-
port ou en export. On peut avoir soit des conteneurs renfermant une marchandise
dangereuse, donc de plus haute priorit qui sont chemins directement vers leur
destination, soit des conteneurs vides qui sont toujours destins lexport, soit des
conteneurs frigoriques qui doivent tre rapidement aects des prises de frigo.
Ils sont mis quais en observant une procdure dautorisation tenant compte
de lavancement des oprations commerciales du navire, de lespace disponible,
etc. Ils sont stocks dans un mme lot dans la premire zone de stockage qui se
prsente. Lopration dembarquement seectue par le rapprochement des conte-
neurs mis quai par des lvateurs quips avec des spreaders frontaux. En ce
qui concerne les conteneurs en export, on connat la date de leur dpart puisque
la date darrive du navire associ est connue lavance. An de faciliter leur
dpart, les conteneurs ayant la mme date de dpart sont stocks dans des zones
de stockage, ddie chacune un navire bien dtermin. Cette stratgie de zo-
ning permet eectivement de minimiser le nombre de mouvements au dpart ou
larrive de conteneurs en export, mais a conduit une mal exploitation de
lespace de stockage disponible. Quant aux conteneurs en import, ceux ci arrivent
par navire, puis sont dchargs sur le quai, ensuite transfrs vers une zone de
stockage. Une fois les formalits douanires sont acheves, ces conteneurs peuvent
tre soit enlevs par camion ou train dans le cas dun contrle positif, ou bien
retourns la zone de stockage dans le cas contraire. Il est noter que les dates de
dparts de ces conteneurs sont inconnues, puisque les camions (clients associs)
arrivent un un de manire inattendue. Le dchargement des navires se fait
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
148 Validation Exprimentale
linverse de leur plan de chargement, on utilise lheuristique de la destination la
plus proche du navire.
Le stockage des conteneurs en import se fait de manire alatoire par les cava-
liers gerbeurs. Cette stratgie accrot indubitablement le nombre de mouvements
attendus. An de rduire ce nombre, une mthode dexploitation est nouvellement
instaure au port de Rads qui se base sur des investissements en quipements et
qui consiste principalement aecter deux cavaliers gerbeurs dans chaque zone de
stockage pour assurer les oprations de dbarquement et dembarquement. Cette
mthode permet damliorer le rendement de ces oprations commerciales. Mais
elle prsente linconvnient dtre dpendante au nombre dengins disponibles.
En ce qui concerne le reprage des conteneurs, il est eectu soit par des poin-
teurs soit via un systme de gestion informatis bas sur une saisie manuelle de
4 coordonnes : numro de la zone de stockage, numro de la trave ou colonne
(pile), numro de la ligne (range), et le niveau de gerbage (hauteur). Suite cette
tude de lexistant du port de Rads, nous avons dcel des points dfaillants qui
se rsument essentiellement en :
Une politique de placement consiste adopter une hauteur maximale gale
2.5 dite encore politique 3/2 (cest--dire chaque pile de hauteur maxi-
male gale 3 doit tre suivie par une pile adjacente de hauteur maximale
gale deux). De ce fait, si on veut enlever un conteneur dune pile don-
ne, on aura au moins un emplacement disponible dans une pile de hauteur
2. Ceci permet de garder une marge de manuvre et de faciliter la ma-
nutention des conteneurs dplacs ou nouvellement arrivs, sans avoir un
souci de minimisation du nombre de mouvements. En outre, cette politique
pourra entraner une mal exploitation de la zone de stockage vu que le taux
doccupation maximal vaut environ 80%.
Une solution trs limite pour la planication de lactivit de stockage de
conteneurs qui se fait de manire alatoire.
Une solution primitive (semi-automatique) pour le reprage et pointage des
conteneurs.
A notre gard, ces quatre points reprsentent des pmoisons dans le systme de
gestion du port de Rads actuel et constituent un terrain favorable pour mettre en
uvre et tester notre modle COSAH tenant compte de la plupart des paramtres
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Cas dtude : Port de Rads 149
rels du port (nombre de conteneurs, fonctionnement des engins disponibles, r-
sistance du sol, retour de conteneurs, plusieurs arrives simultanes, nature de
conteneurs et hauteur des piles).
La section suivante prsente les exprimentations testant la validit de CO-
SAH selon un jeu de tests extrait de la ralit du port de Rads.
5.4.2 Exprimentations
Aprs ltude de lexistant au port de Rads, nous avons constat que notre
algorithme DistNIS reprsentant le noyau de notre modle propos COSAH re-
te bien sa ralit et dcrit la politique actuelle adopte pour le stockage des
conteneurs. Compte tenu des comparaisons faites entre DistNIS et DistIS, des
dicults que peut induire cette politique et de quelques paramtres rels du
port, nous avons dcid de tester la performance de COSAH par rapport la po-
litique actuelle en terme de nombre de mouvements selon un jeu dessai constitu
de donnes relles. Ce jeu dessai comporte 9 instances, dnie chacune par un
nombre de conteneurs et un taux doccupation. La hauteur maximale vaut 2.5
tel que nous lavons indiqu, et le nombre de piles est gal 10 dans une zone de
stockage.
Comme le montre la gure 5.8, COSAH minimise bien le nombre de mouve-
ments par rapport la politique dploye actuellement. Ces rsultats, fortement
encourageants, montre que COSAH est une solution envisageable pour optimiser
la ralit de lactivit de stockage au port de Rads. Notons que la non propor-
tionnalit entre le nombre de mouvements et le nombre de conteneurs ou bien
le taux doccupation est due dautres caractristiques des instances considres
comme le nombre de catgories des conteneurs, le nombre de conteneurs de chaque
catgorie, le nombre de places vides, le nombre initial de conteneurs de catgorie
A. La variation de ces caractristiques peuvent aussi expliquer les valeurs proches
du nombre de mouvements pour COSAH et la politique actuelle du port pour les
instances (#(10, 0.23) et #(12, 0.33)).
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
150 Validation Exprimentale
(5, 0.16) (8, 0.22) (10, 0.23) (12, 0.33) (15, 0.41) (17, 0.47) (20, 0.55) (23, 0.63) (25, 0.72)
0
5
10
15
# (Nombre de conteneurs, Taux doccupation)
N
o
m
b
r
e

d
e

m
o
u
v
e
m
e
n
t
s
Politique du port
DistIS
Fig. 5.8 Mesure de performance de COSAH par rapport la politique actuelle
du port
5.5 Conclusion
Nous avons prsent dabord notre plate-forme multi-agent qui nous a permis
une valuation comparative de notre solution base sur une mthode heuristique
distribue et prsent par le modle COSAH. Par la suite, nous avons implment
ce modle ainsi que la version centralise associe COSH, et labor une tude
comparative inter-modles et intra-COSAH. Enn, nous avons appliqu COSAH
un cas dtude rel tunisien : le port de Rads. Nous avons montr dune part,
que le noyau DistNIS de notre modle propos COSAH simule bien la ralit du
port de Rads. Et dautre part, que lalgorithme DistIS (DistNIS et ISM) sur
lequel sappuie COSAH rsout et optimise lactivit de stockage de conteneurs.
Les rsultats exprimentaux ont permis dentrevoir lecacit de COSAH en par-
ticulier et dune mthode doptimisation heuristique distribue en gnral, pour
rsoudre un problme particulier doptimisation combinatoire : le PSC.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Conclusion Gnrale
Contributions
A lorigine de cette thse est un intrt pour les problmes de transport ma-
ritime ou uvial conteneuris, lis la gestion des quais dans des terminaux
conteneurs. La rduction des cots associs ce transport reprsente une proccu-
pation de plusieurs dirigeants dentreprises et fait lobjet de plusieurs travaux de
recherche. Nous nous intressons au problme de stockage de conteneurs PSC qui
constitue un problme complexe et ouvert sinscrivant dans le cadre des problmes
doptimisation combinatoire. Il sagit de rduire les temps morts en minimisant
le nombre de mouvements pouvant se produire lors de lopration de chargement
tout en respectant des contraintes despace et de temps. Il nous est alors ncessaire
de proposer un modle qui rsout et optimise le placement de conteneurs leur
dparts et arrives. Notre travail a donn dores et dj lieu des contributions
tant au niveau thorique que pratique.
Sur le plan thorique :
Notre premire contribution tait de proposer un modle de base dco-rsolution
dnomm ContEco pour la simulation et la rsolution dune version relaxe du
problme soulev : RCSP. Au cours de cela, nous avons utilis la mthode for-
melle rseaux de Petri colors pour formaliser la conversation entre deux agents
distincts. les modles RdPc obtenus, simuls via loutil CPN-tools, nous taient
utiles dans le sens o ils nous ont permis de capturer la dynamique de ce modle
de base.
Notre deuxime et principale contribution dans cette thse tait de dvelop-
per un nouveau modle paramtrable bas sur une mthode doptimisation heu-
ristique distribue, appliqu au PSC. Ce modle est appel : COSAH (Container
151
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
152 Conclusion Gnrale
Stacking via multi-Agent approach and Heuristic method).
Le modle COSAH est constitu dun noyau DistNIS bas sur un algorithme
distribu de recherche non informe qui simule bien la ralit de quelques ports,
et dun module complmentaire ISM mettant en uvre une mthode heuristique.
La dynamique de COSAH est la suivante : des agents Conteneur associs aux
conteneurs manipuls cooprent, coordonnent et ngocient entre eux au sein dun
processus doptimisation rgi par des heuristiques. COSAH a pour but de fournir
un plan de placement ou dplacement des conteneurs lors de dparts de certains
dentre eux ou larrive dautres. Ce plan doit minimiser le nombre de mouve-
ments pouvant avoir lieu, tenant compte des contraintes despace et de temps. Les
performances de COSAH sont ensuite values, dans un premier temps, sur des
instances gnres alatoirement. Et, dans un deuxime temps, sur un jeu dessai
comportant 9 instances extraites de la ralit du port maritime tunisien : Le port
de Rads. Nous avons procd des comparaisons inter-modles et intra-modle.
Nous avons tir des rsultats satisfaisants montrant lecacit de la distribution
via les systmes multi-agent dans la simulation et rsolution de problme com-
plexe et ouvert aussi que le notre, et appuyant lecience des heuristiques dans
loptimisation des problmes fortement combinatoires complexes et dynamiques.
De plus, ces rsultats ont permis dentrevoir lecacit de notre modle COSAH
en particulier, et dune mthode doptimisation heuristique distribue alliant les
deux concepts : Agent et Heuristique, en gnral. En rsume, cette tude exp-
rimentale nous a montr que le modle COSAH rpond bien deux objectifs
essentiels que nous nous sommes xs :
Loptimisation du placement des conteneurs dans la zone de stockage (sta-
tique ou dynamique selon les dparts ou les arrives de navires / camions ou
de conteneurs en import ou en export) en minimisant le nombre de mouve-
ments improductifs respectant un nombre de contraintes spatio-temporelles
et tenant compte de plusieurs paramtres pouvant distinguer les conteneurs
et dnir une certaine priorit entre eux (destination, taille, date de dpart,
horizon des arrives de camions, trains, barges ou navires associs).
La Rorganisation du quai : Fournir une aide la dcision quant lexten-
sion du port, lexploitation maximale du volume utile de stockage, choix du
matriel, etc.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Conclusion Gnrale 153
Sur le plan pratique, nous avons appliqu COSAH un cas dtude rel,
celui du Port de Rads. Ce qui nous a permis dattester que le noyau DistNIS
rete bien la ralit de ce port, et que COSAH savre une solution approprie
surtout dans le cas des conteneurs en import. Cette solution prsente lavantage
dtre extensible des contextes dusage la fois variables (port maritime ou
uvial, arrives ou dparts de conteneurs, conteneurs en export ou en import),
et imprvisibles (retards, conteneurs vides, retour de conteneurs). Notre apport
pratique se traduit aussi par la mise au point dun prototype qui implmente notre
modle COSAH de la manire la plus autonome possible reprsentant lvolution
la plus optimale de lactivit de stockage de conteneurs dans un port uvial ou
maritime. Nous nous basons pour cela sur une plate-forme multi-agent existante
(JADE).
Perspectives
A la relecture de ce travail, nous ne pouvons nous empcher de livrer au lecteur
quelques perspectives de recherche que voici :
tendre COSAH de manire pouvoir supporter dautres paramtres et
traiter des imprvus (conteneurs vides, retard de conteneurs).
Appliquer des heuristiques ou des mtaheuristiques sur lensemble des so-
lutions obtenues associes une mme instance.
Lancer des mthodes doptimisation telles que les heuristiques de recherche
locale sur les dirents plans partiaux de dplacement des agents Conte-
neurs.
Adopter le modle COSAH pour la rsolution et loptimisation du problme
darrimage de conteneurs dans un navire Stowage planning problem.
Gnralisation du modle COSAH pour la famille des problmes issus du
monde des cubes.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
154 Conclusion Gnrale
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie
[AMS02] D. Ambrosino, M. E. Marina, and A. Sciomachen. Decision rules
for the yard storage management. Technical report, University
of Genova, 2002.
[APS00] M. Avriel, M. Penn, and N. Shpirer. Container ship stowage
problem : complexity and connection to the coloring of circle
graphs. Discrete Applied Mathematics, 103 :271279, 2000.
[BD97] O. Boissier and Y. Demazeau. Une architecture multi-agents
pour des systmes de vision ouverts et dcentraliss. Technique
et Science Informatiques, 16(18) :10391062, 1997. Numro
spcial sur lIntelligence Articielle Distribue et des Systmes
Multi-Agents.
[BFG05] I. Boudali, W. Fki, and K. Ghedira. An interactive distributed
approach for the vrp with time windows. International Journal
of Simulation, 6(10) :4859, 2005.
[BG88] A.H. Bond and L. Gasser. Readings in Distributed Articial
Intelligence. San Mateo CA : Morgan-Kaufmann Publishers,
1988.
[BGAB83] L. Bodin, B. Golden, A. Assad, and M. Ball. Routing and sche-
duling of vehicles and crews. Computers & Operations Research,
10 :63211, 1983.
[Bis03] E.K. Bish. A multiple-crane-constrained scheduling problem
in a container terminal. European Journal of Operational Re-
search, 144 :83107, 2003.
155
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
156 Bibliographie
[BKPB00] I. Bakam, F. Kordon, C. Le Page, and F. Bousquet. Formali-
sation de modles multi-agents par les rseaux de petri : Ap-
plication ltude dun systme de gestion de la chasse lest-
cameroun. In 5me colloque Africain sur la Recherche en Infor-
matique, Madagascar, 2000.
[BRSV00] J. Bse, T. Reiners, D. Steenken, and S. Voss. Vehicle dispat-
ching at seaport container terminals using evolutionary algo-
rithms. In Proceedings of the 33rd Hawaii International Confe-
rence on Systems Sciences, 2000.
[BZC99] L. Breton, J-D. Zucker, and E. Clment. Une approche multi-
agentspour la rsolution dquations en physique des milieux
granulaires. In Herms, editor, Actes des JFIADSMA99, pages
281294, Paris, France, 1999.
[CCH00] C-Y. Chen, S-L. Chao, and T-W. Hsieh. A time-space network
model for the space resource allocation problem in container
marine transportation. Technical report, National Cheng Kung
University Taiwan, 2000.
[CFLR04] P. Chen, Z. Fu, A. Lim, and B. Rodrigues. Port yard storage
optimization. IEEE Transactions on Automation Science and
Engineering, 1(1), July 2004.
[CMS88] S. Cammarata, D. McArthur, and R. Steeb. Readings in Distri-
buted Articial Intelligence, chapter Strategies of cooperation in
distributed problem solving, pages 102105. Morgan Kaufmann,
1988.
[CPN] CPN. Cpn-tools. Bibliographie en ligne, diponible ladresse
http ://www.daimi.au.dk/CPNtools 2003.
[CRM88] Y.G. Chung, S.U. Randhawa, and E.D. McDowell. A simula-
tion analysis for a transtainer-based container handling facility.
Computers & Industrial Engineering, 14(2) :113125, 1988.
[CSE99] CSELT. Jade (java agent development framework). Bibliogra-
phie en ligne, Groupe de recherche de Gruppo Telecom, Italie,
diponible ladresse http ://www.jade.tilab.com, 1999.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 157
[CSN
+
03] Y. Cheng, H. Sen, K. Natarajan, C. Teo, and K. Tan. Dispat-
ching automated guided vehicles in a container terminal. Tech-
nical report, National University of Singapore, 2003.
[Dag89] C.F. Daganzo. The crane scheduling problem. Transportation
Research-B, 23(3) :159175, 1989.
[dCD93] B. de Castilho and C.F. Daganzo. Handling strategies for im-
port containers at marine terminals. Transportation Research-
B, 27 :151166, 1993.
[DD91] A. Drogoul and C. Dubreuil. Eco-problem-solving model :results
of the n-puzzle. In Elsevier North Holland, editor, Decentrali-
zed A.I. 3, Actes du Worshop MAAMAW91, pages 283295,
Amsterdam, 1991.
[Dem95] Y. Demazeau. From interactions to collective behaviour in
agent-based systems. In Proceedings of the First European
conference on cognitive science, pages 117132, Saint Malo,
France, 1995.
[DEO01] M.B. Duinkerken, J.J.M. Evers, and J. A Ottjes. A simulation
model for integrating quay transport and stacking policies auto-
mated containers terminals. In Proceedings of the 15th European
Simulation Multi-conference, June 2001.
[DLC89] Edmund H. Durfee, Victor R. Lesser, and Daniel D. Corkill.
Trends in cooperative distributed problem solving. IEEE Tran-
sactions on Knowledge and Data Engineering, 1(1) :6383, 1989.
[DLL
+
98] E. K. Demir, T-Y. Leong, C-L. Li, J. W. C. Ng, and D. Simchi-
Levi. Locating containers in a mega terminal. Technical report,
Dept. Of IE & MS, Northwestern University/ PSA Corporation
Limited/ John M. Olin School of Business, Washington Univer-
sity, 1998.
[dM00] J.R. Van der Meer. Operational control of internal transport.
PhD thesis, Erasmus University, Rotterdam, 2000.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
158 Bibliographie
[DO98] Y. Demazeau and M. Occello. Software systems development as
societies of agents. In 15th IFIP Conference (IT&KNOWS98),
pages 303304, Vienna, September 1998.
[Dro00] A. Drogoul. Systmes multi-agents situs. Dossier dhabilitation
diriger des recherches, Universit Pierre et Marie Curie, 2000.
[DVNM99] R. Dekker, P. Voogd, L. Nagy, and P. Meersmans. Famas-
newcon : long-term stacking experiments for the reference case.
Technical report EI-9944/A, Econometric Institute/ Erasmus
University Rotterdam, 1999.
[DVvA06] R. Dekker, P. Voogd, and E. van Asperen. Advanced methods
for container stacking. OR Spectrum, 28(4) :563586, October
2006.
[Edm71] J. Edmonds. Matroids and the greedy algorithm. Mathematical
Programming, 1 :127136, 1971.
[EG05] M. Ennigrou and K. Ghedira. Flexible job shop scheduling with
multi-agent system and tabu search. Journal Europen des Sys-
tmes Automatiss-JESA, Juin 2005.
[Equ] Equipement. Dierent types of handling equipment. Bibliogra-
phie en ligne, diponible ladresse http ://www.kalmarind.com,
Consult le 2 Janvier 2006.
[Fer89] J. Ferber. Computational reection in class based object orien-
ted languages. In In Proceedings of the Conference on Object-
Oriented Programming Systems, Languages and Applications,
pages 317326, New Orleans, Louisiana, 1989.
[Fer95] J. Ferber. Les systmes multi-agents : vers une intelligence col-
lective. 1995.
[GC04] Y. Guan and R. K. Cheung. The berth allocation problem :
models and solution methods. OR Spectrum, 26 :7592, 2004.
[GD02] T. Garneau and S. Delisle. Evaluation comparative doutils et
environnements. In Journes Francophones dIntelligence Arti-
cielle et de Systmes Multi-Agents (JFIADSMA2002), Lille,
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 159
France, 2002. Dpartement de mathmatiques et dinforma-
tique, Universit du Qubec Trois-Rivires.
[Geo83] M.P. George. Communication and interaction in multi-agent
planning. In Proceedings of the Third National Conference on
Articial Intelligence (AAAI-83), Washington, D.C., 1983.
[GG06] HO. Gnther and Kim KH. Gupta. Container terminals and
terminal operations. OR Spectrum, 28 :437445, 2006.
[Ghe99] K. Ghedira. Une approche distribue doptimisation sous
contraintes. Prsentation au Sminaire OASIS/LIP6, Mars
1999.
[Glo86] F. Glover. Future paths for integer programming and links
to articial intelligence. Computers and Operations Research,
5 :533549, 1986.
[GN91] N. Gupta and D. S. Nau. Complexity results of blocks-world
planning. In Proceedings of AAAI-91, 1991.
[Gol94] D. Goldberg. Algorithmes gntiques. Adisson Wesley, France,
adisson wesley edition, 1994.
[GRZ98] L.M. Gambardella, A.E. Rizzoli, and M. Zaalon. Simulation
and planning of an intermodal container terminal. Simulation,
7(2) :107116, 1998.
[GS92] N. Gupta and D. S.Nau. On the complexity of blocks-world
planning. Articial Intelligence, 56(2-3) :223254, August 1992.
[GV91] K. Ghedira and G. Verfaillie. Approche multi-agents dun pro-
blme de satisfaction de contraintes : le problme daectation.
Rapport Final du CERT-DERI 1/3412-00/DERI, 1991.
[GV92] K. Ghdira and G. Verfaillie. A multi-agents model for the re-
source allocation problem : A reactive approach. In Proceedings
of the 10th European Conference on Articial Intelligence, pages
252254, Vienna, Austria, 1992.
[Har02] S. Hartmann. Generating scenarios for simulation and opti-
mization of container terminal logistics. Working paper 564,
University of Kiel, 2002.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
160 Bibliographie
[HG05] M. Hammami and K. Ghdira. Cosats : A new cooperation
model between simulated annealing and tabu search for the k-
graph partitioning problem. In The Fourth IEEE International
Workshop on Soft Computing as Transdisciplinary Science and
Technology, Muroran, Japan, May 2005.
[Hol75] J. H. Holland. Adaptation in Natural and Articial Systems.
The University of Michigan Press, 1975.
[HWD03] L. Henesey, F. Wernstedt, and P. Davidsson. Market-driven
control in container terminal management. In Proceedings of the
2nd International Conference on Computer Applications and
Information Technology in the Maritime Industries, pages 377
386, Hamburg, Germany, 2003.
[INP01] A. Imai, E. Nishimura, and S. Papadimitriou. The dynamic
berth allocation problem for a container port. Transportation
Research Part B, 35 :401417, 2001.
[Jam05] J-P. Jamont. DIAMOND : Une Approche pour la conception
de Systmes Multi-agents Embarqus. PhD thesis, INPG, Sep-
tembre 2005.
[Jen97] K. Jensen. A brief introduction to coloured petri nets. In
E. Brinksma, editor, Lecture Notes in Computer Science, vo-
lume 1217, pages 203208, Enschede, The Netherlands, 1997.
Springer-Verlag.
[KB98] K. H. Kim and J. W. Bae. Re-marshaling export containers in
port container terminals. Computers & Industrial Engineering,
35(3-4) :655658, 1998.
[KD04] P.J. Kalczynski and L. Dabrowski. Multi-container loading with
grouping goals : an agent -based approach. DASD, 2004.
[KGV83] S. Kirkpatrick, C. D. Gelatt, and Jr. M. P. Vecchi. Optimisation
by simulated annealing. Science, 220(4598) :671680, 1983.
[Kim97] K. H. Kim. Evaluation of the number of rehandles in container
yards. Computers & Industrial Engineering, 32(4) :701711,
1997.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 161
[KK98] K. H. Kim and H.B. Kim. The optimal determination of the
space requirement and the number of transfer cranes for import
containers. Computers & Industrial Engineering, 35(3-4) :427
430, 1998.
[KK99] K. H. Kim and H.B. Kim. Segregating space allocation models
for container inventories in port container terminals. Interna-
tional Journal of Production Economics, 59 :415423, 1999.
[KK02] K. H. Kim and H.B. Kim. The optimal sizing of the storage
space and handling facilities for import containers. Transporta-
tion Research Part B, 36 :821835, 2002.
[KKGY06a] M. Ke, O. Korbaa, K. Ghdira, and P. Yim. Formalisation
dun modle multi-agent par les rseaux de petri : application
au problme de stockage de conteneurs. In roceedings de la
6me Confrence Francophone de Modlisation, Optimisation
et Simulation des Systmes : Ds et Opportunits-MOSIM06,
Rabat-Maroc, 3-5 April 2006.
[KKGY06b] M. Ke, O. Korbaa, K. Ghdira, and P. Yim. Formalising an
agent-based container stacking model via petri nets. In Procee-
dings Volumes of the 12th IFAC International Symposium on
Information Control Problems in Manufacturing-INCOM06, St
Etienne-France, 17-19 May 2006. Elsevier Ltd.
[KKGY07a] M. Ke, O. Korbaa, K. Ghdira, and P. Yim. Agent and
Multi-Agent Systems : Technologies and Applications, volume
4496/2007 of Lecture Notes in Computer Science, chapter
Container Handling using Multi-Agent Architecture, pages 685
693. 2007.
[KKGY07b] M. Ke, O. Korbaa, K. Ghdira, and P. Yim. Heuristic-based
model for container stacking problem. In 19th International
Conference on Production Research-ICPR07, Valparaiso, Chile,
29 July-2 August 2007.
[KKHK04] K. H. Kim, K. W. Kim, H. Hwang, and C. S. Ko. Operator-
scheduling using a constraint satisfaction technique in port
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
162 Bibliographie
container terminals. Computers & Industrial Engineering,
46 :373381, 2004.
[KM03] K. H. Kim and K. C. Moon. Berth scheduling by simulated
annealing. Transportation Research-B, 37 :541560, 2003.
[Koz00] E. Kozan. Optimising container transfers at multimodal ter-
minals. Mathematical and Computer Modelling, 31 :235243,
2000.
[KP99] E. Kozan and P. Preston. Genetic algorithms to schedule contai-
ner transfers at multimodal terminals. International Transac-
tions in Operational Research, 6 :311329, 1999.
[KP04] O. Korbaa and P.Yim. Container assignment to stock in a u-
vial port. In International Conference on Systems, Man and
Cybernetics, The Netherlands, 2004.
[KPR00] K. H. Kim, Y. M. Park, and K. R. Ryu. Deriving decision
rules to locate export containers in container yards. European
Journal of Operational Research, 124 :89101, 2000.
[Lim98] A. Lim. The berth planning problem. Operations Research
Letters, 22 :105110, 1998.
[LJI02] C. I. Liu, H. Jula, and P. A. Ioannou. Design, simulation, and
evaluation of automated container terminals. IEEE Transac-
tions on Intelligent Transportation Systems, 3(1) :1226, 2002.
[LM01] P. Legato and RM. Mazza. Berth planning and resources opti-
misation at a container terminal via discrete event simulation.
European Journal of Operational Research, 133 :537547, 2001.
[Mar96] P. Marcenac. Emergence of behaviors in natural phenomena
agent-simulation. Complexity International Review, 3, 1996.
[McD85] E. McDowell. A study of maritime container handlin. Publi-
cation ORESU-T-85-003, Oregon State University, Sea Grand
College Program Ads 406, 1985.
[MHGWCCP03] R. L. Moorthy, W. Hock-Guan, N. Wig-Cheong, and T. Chung-
Piaw. Cyclic deadlock prediction and avoidance for zone
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 163
controlled agv system. International Journal of Production Eco-
nomics, 83 :309324, 2003.
[MJLZ
+
00] K.G. Murty, Y-W. Wan J. Liu, C. Zhang, M. C. L. Tsang, and
R.Linn. Dss for operations in a container shipping terminal. In
The Proceedings of the First Gulf Conference on Decision Sup-
port System, pages 189208, State of Kuwait, November 2000.
Council of Ministers General Secretariat.
[MLWL05] K.G. Murty, J. Liu, Y-W. Wan, and R. Linn. A decision support
system for operations in a container shipping terminal. Decision
Support Systems, 39 :309332, 2005.
[Moo01] K. C. Moon. A mathematical model and a heuristic algo-
rithm for berth planning. Telecommunication Grooming, 2(3),
May/June 2001.
[MW01a] P.J.M. Meersmans and A.P.M. Wagelmans. Dynamic schedu-
ling of handling equipment at automated container terminals.
Technical Report 33, Econometric Institute/Erasmus University
Rotterdam, 2001.
[MW01b] P.J.M. Meersmans and A.P.M. Wagelmans. Eective algorithms
for integrated scheduling of handling equipment at automated
container terminals. Technical Report 19, Econometric Insti-
tute/Erasmus University Rotterdam, 2001.
[NS002] La rvolution du conteneur. ISEAMAR, (49), Novembre 2002.
[NS003] La conteneurisation euviale. ISEAMAR, (51), Janvier 2003.
[OMM05] OMMP. Rapport annuel 2005. Rapport annuel, Oce de la
Marine Marchande et des Ports, Rads, Tunisie, 2005.
[PCB06] P. Plamondon, B. Chaibdraa, and A. Benaskeur. A multiagent
task associated mdp (mtamdp) approach to resource allocation.
In Spring Symposium on Distributed Plan and Schedule Mana-
gement, AAAI 2006, March 2006.
[PEA90] J. PEARL. Heuristique-Stratgies de recherche intelligentes
pour la rsolution de problmes par ordinateur. 1990.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
164 Bibliographie
[PK01] P. Preston and E. Kozan. An approach to determine storage
locations of containers at seaport terminals. Computers & Ope-
rations Research, 28 :983995, 2001.
[PK03] Y.M. Park and K. H. Kim. A scheduling method for berth and
quay cranes. OR Spectrum, 25 :123, 2003.
[Por06] Hamburg Port. Container throughput in teu. Bibliographie
en ligne, Hamburg Port Authority Rankings 2005, diponible
ladresse http ://www.hafen-hamburg.de, 2006.
[RG95] A. S. Rao and M. P. George. Bdi-agents : from theory to prac-
tice. In Proceedings of the First Intl. Conference on Multiagent
Systems, San Francisco, 1995.
[RJCB00] M. Rebollo, V. Julian, C. Carrascosa, and V. Botti. A multi-
agent system for the automation of a port container terminal. In
Autonomous Agents workshop on Agents in Industry, Barcelona,
Spain, 2000.
[RT] H. Rashidi and E. P.K. Tsang. Container terminals : Scheduling
decisions, their formulation and solutions. Submitted to Journal
of Scheduling.
[RW02] P.A. Roach and I.D. Wilson. A genetic algorithm approach to
strategic stowage planning for container-ships. Working paper,
University of Glamorgan, UK, 2002.
[SD80] R.G. Smith and R. Davis. Frameworks for cooperation in
distributed problem solving. IEEE Transactions on Systems,
Man,and Cybernetics, 11(1), 1980.
[SH88] D. Sculli and C.F. Hui. Three dimensional stacking of contai-
ners. Omega, 16(6) :585594, 1988.
[SH94] A. El Fallah Seghrouchni and S. Haddad. Reprsentation et ma-
nipulation de plans laide de rseaux de petri. In Deuximes
Journes Francophones Intelligence Articielle Distribue et
Systmes Multi-Agents, Voiron, 1994.
[SH96] A. El-Fallah Seghrouchni and S. Haddad. A coordination algo-
rithm for multi-agent planning. In Proceedings of International
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 165
Conference on Multi-agent Systems(ICMAS96), Kyoto,Japan,
1996. AAAI Press.
[SHM98] A. El Fallah Seghrouchni, S. Haddad, and H. Mazouzi. Ob-
servation rpartie et analyse des interactions dans un sytme
multi-agents. In Deuximes Journes Francophones Intelligence
Articielle Distribue et Systmes Multi-Agents, Nancy, 1998.
[Smi80] R. G. Smith. The contract net protocol : High-level communi-
cation and control in a distributed problem solver. IEEE Tran-
sactions on computers, 29(12) :11041113, 1980.
[ST95] J. Slaney and S. Thibaux. Tractable approximation to optimal
planning in the blocks world. Technical Report 896, IRISA,
1995.
[STA05] STAM. Rapport annuel 2005. Rapport annuel, Socit Tuni-
sienne dAcconage et de Manutention, Rads,Tunisie, 2005.
[Ste99] D. Steenken. Latest operational experience with satellite based
container positioning systems. In Proceedings IIR-Conference
on Container Handling, Automation and Technology, London,
1999.
[SVS04] D. Steenken, S. Vo, and R. Stahlbock. Container terminal
operation and operations research- a classication and literature
review. OR Spectrum, 26 :3032, 2004.
[SWZ01] D. Steenken, T. Winter, and U.T. Zimmermann. Online opti-
mization of large scale systems, chapter Stowage and transport
optimization in ship planning, pages 731745. Springer, Berlin,
2001.
[TH02] T. Thurston and H. Hu. Distributed agent architecture for port
automation. In Proceedings of the 26th Annual International
Computer Software and Applications Conference, Aout 2002.
[TICD93] M. Taleb-Ibrahimi, B. De Castilho, and C.F. Daganzo. Storage
space vs handling work in container terminals. Transportation
Research B, 27 :1332, 1993.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
166 Bibliographie
[Tur] Turnover. Development of world container turno-
ver. Bibliographie en ligne, diponible ladresse
http ://www.hafenhamburg.de/en/, Consult le 2 Juin
2006.
[TV02] P. Toth and D. Vigo. The vehicle routing problem. Society for
Industrial & Applied Mathematics. SIAM, Philadelphia, 2002.
[Val] R. Valette. Les Rseaux de Petri. LAAS, Toulouse.
[VH04] I.F.A. Vis and I. Harika. Comparison of vehicle types at an
automated container terminal. OR Spectrum, 26 :117143, 2004.
[VK03] I.F.A. Vis and R. De Koster. Transshipment of containers at a
container terminal : an overview. European Journal of Opera-
tional Research, 147(1) :116, 2003.
[VKRP01] I.F.A. Vis, R. De Koster, K.J. Roodbergen, and L.W.P. Peeters.
Determination of the number of automated guided vehicles re-
quired at a semi-automated container terminal. Journal of the
Operational research Society, 52 :409417, 2001.
[VKS01] I.F.A. Vis, R. De Koster, and M.W.P. Savelsbergh. Minimum
vehicle eet size at a container terminal. Technical report ERS-
2001-24-LIS, Erasmus Research Institute of Management, 2001.
[Wei99] G. Weiss. Multi-agent systems : a modern approach to distribu-
ted articial intelligence. MIT Press, Massachusetts, 1999.
[Win00] T. Winter. Online and real-time dispatching problems. GCA-
Verlag, Herdecke, 2000.
[Woo99] M. Wooldridge. Multiagent systems : A modern approach to Dis-
tributed Articial Intelligence, chapter Intelligent agents. MIT
Press, 1999.
[WR00] I. D. Wilson and P.A. Roach. Container stowage planning : a
methodology for generating computerised solutions. Journal of
the Operational Research Society, 51 :12481255, 2000.
[WRW01] I.D. Wilson, P.A. Roach, and J.A. Ware. Container stowage
pre-planning : using search to generate solutions-a case study.
Knowledge based systems, 14 :137145, 2001.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Bibliographie 167
[YHSK05] P. Yim, S. Hana, F. Semet, and O. Korbaa. Outils daide la
dcision pour la gestion des quais et loptimisation dun systme
de transport uvial. 2005.
[ZLW
+
01] C. Zhang, J. Liu, Y.W. Wan, K. G. Murty, and R.J. Linn. Sto-
rage space allocation in container terminals. Transportation
Research-B, 37, 2001.
[ZWLL02] C. Zhang, Y. Wan, J. Liu, and R.J. Linn. Dynamic crane de-
ployment in container storage yards. Transportation Research-
B, 36 :537555, 2002.
[ZYHH02] C. Zhang, R. Ye, S. Y. Huang, and W. J. Hsu. Two equiva-
lent integer programming models for dispatching vehicles at a
container terminal. Technical report, School of Computer En-
gineering, Nan yang Technological University, 2002.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9
Rsum
Les terminaux conteneurs constituent des interfaces inter-modales essentielles pour le r-
seau de transport mondial. Une manutention ecace des conteneurs dans des terminaux est
dune importance cruciale pour la rduction des cots de transport et la dtermination des
plans dembarquement. Dans ce rapport de thse, nous proposons principalement une approche
de rsolution distribue travers la description dun modle doptimisation heuristique distri-
bue baptis COSAH (COntainer Stacking via multi-Agent approach and Heuristic method)
qui permet de simuler, rsoudre et optimiser lespace de stockage disponible pour manier les
dparts et les arrives des conteneurs dans un port uvial ou maritime. Autrement dit, CO-
SAH permet de minimiser le nombre total de mouvements parasites tout en respectant des
contraintes dynamiques despace et de temps.
Les performances de COSAH sont ensuite values sur des instances gnres alatoirement,
ainsi que des instances extraites de la ralit dun port maritime tunisien : le port de Rads.
En eet, nous avons procd une tude exprimentale implmentant et comparant COSAH
la version centralise associe, toutes deux bases sur un algorithme de recherche non informe
et un algorithme de recherche informe. Les rsultats obtenus, prsents et illustrs, montrent
lecacit de COSAH en particulier, et dune mthode doptimisation heuristique distribue
alliant les deux concepts : Agent et Heuristique, en gnral.
Mots cls : approche multi-agent, co-rsolution, mthode heuristique, rseaux de Petri
colors, rsolution distribu de problmes. stockage de conteneurs, transport conteneuris.
Abstract
Container terminals are essential intermodal interfaces in the global transportation network.
Ecient container handling at terminals is of vital importance for the reduction of transporta-
tion costs as well as the determination of shipping schedules. In this thesis report, we propose a
distributed solving approach through the development of a distributed Heuristic-Optimization
model denoted COSAH (COntainer Stacking via multi-Agent approach and Heuristic method)
that allows to simulate, solve and optimize the amount of storage space for handling contai-
ner departures and arrivals within a uvial or maritime port. COSAH allows to minimize the
expected total number of rehandles while respecting spatio-temporal constraints.
Performances of COSAH are then evaluated based on random-generated instances, as well
as on instances extracted from a real-world case study : the port of Rads. Indeed, we conduc-
ted an experimental study implementing and comparing COSAH to the associated centralized
version based on non informed-search algorithm and an informed-search algorithm. The obtai-
ned results, presented and illustrated, evince the eciency of COSAH in particular, and of a
distributed heuristic-optimization method combining two concepts : Agent and Heuristic, in
general.
Keywords : colored Petri nets, container stacking, containerized transport, eco-solving,
distributed problem-solving, heuristic method, multi-agent approach.
t
e
l
-
0
0
3
6
6
4
6
7
,

v
e
r
s
i
o
n

1

-

7

M
a
r

2
0
0
9