RSUME

La croissance de linformatisation des entreprises a augment de faon considrable la

taille et l'importance des donnes stocks. Un stockage efficace et pas cher est donc
souhaitable. Avec l'avnement de l'informatique en nuage, les entreprises peuvent louer
des serveurs virtuels de grand capacit et efficacit. Pour les utiliser, les entreprises
doivent payer pour la taille de donnes stockes et le temps de calcul des requtes. Dans
ce contexte, l'ide d'utiliser des vues dans la base de donnes va rduire le temps de
calcul des requtes, cependant en augmentant la taille des donnes stockes. Ceux deux
paramtres nous donnent, donc, un trade off comme critre de dcision qui peut tre
modlis comme un problme mathmatique. Ainsi, dans ce travail, on a propos des
rsolutions pour ce problme avec quelques approches diffrentes: une mtaheuristique
de NSGA-II (nondominated sorting genetic algorithm II ), Path-Relinking et GRAPS
(Greedy Randomized Adaptive Search Procedure) pour le problme multi objectif et des
mthodes exactes avec relaxation lagrangienne et branch-and-bound pour les problmes
mono objectif. On a compar les temps de CPU des mthodes propses par rapport
CPLEX et la qualit de la solution de la mtaheuristique obtenue, travers tableaux et
graphiques pour 432 instances. Les rsultats ont indiqu qu'il est ncessaire d'apporter
des modifications pour amliorer les mthodes exactes. Par contre, la mtaheuristique a
prsent de bons rsultats de vitesse et de qualit de solution.
Mots-cls: programmation entire binaire,
lagrangienne, branch-and-bound.

II

NSGA-II, Path-Relinking, relaxation

ABSTRACT
Growth of computerization of enterprises has increased significantly the size and
importance of the stored data. A cheap and efficient storage is desirable. With the advent
of cloud computing, companies can rent virtual servers large capacity and efficiency. To
use them, companies must pay for the size of stored data and the computation time
queries. In this context, the idea of using views in the database will reduce the
computation time of the requests, however, by increasing the size of the stored data.
These two parameters give us, therefore, a trade-off as a decision criterion that can be
modeled as a mathematical problem. Thus, in this work, we proposed resolutions to this
problem with a few different approaches: a metaheuristic NSGA-II (nondominated
sorting genetic algorithm II), Path-relinking and Graps (Greedy Randomized Adaptive
Search Procedure) for multi-objective problem and exact methods with Lagrangian
relaxation and branch-and-bound to single-objective problems. We compared the CPU
time of the proposed methods compared with CPLEX and the quality of the
metaheuristic solution obtained through tables and graphs for 432 instances. The results
indicated that it is necessary to make changes to improve the exact methods. For cons,
the metaheuristic presented good results in speed and quality of solution.
Keywords: binary integer programming, NSGA-II, Path-relinking, Lagrangian
relaxation, branch-and-bound.

III

REMERCIEMENTS
L'achvement des travaux menant ce projet tait seulement possible grce la
collaboration d'un groupe de personnes, qui nous adressons ici nos remerciements.
Nos premiers mots sont notre tuteur M. Bruno BACHELET de projet
lInstitut Suprieur dInformatique de Modlisation et leurs Applications pour la
confiance place en nous, qui nous a donn l'occasion de participer ce projet et
d'intgrer son quipe. Sa volont et son dvouement, nous vous remercions.
Nous remercions M. Philippe MAHEY et tout lISIMA pour laccueil et son
dvouement envers le programme qui nous a amens ici.
Nous remercions profondment aux membres du Dpartement dIngnierie de
Production lUniversit Federale de Minas Gerais par les enseignements et par nous
offrir la possibilit de se joindre au personnel du programme pour BRAFITEC
2012/2013.
Enfin, nous remercions nos parents et nos amis.

IV

TABLE DES MATIRES

RESUME....................................................................................................................................... II
ABSTRACT ................................................................................................................................ III
REMERCIEMENTS ................................................................................................................... IV
TABLE DES MATIRES ............................................................................................................V
TABLE DES FIGURES ............................................................................................................. VII
INTRODUCTION......................................................................................................................... 1
1. PRESENTATION DU SUJET .................................................................................................. 2
1.1

Connaissance du problme ............................................................................................ 2

1.2

Cot des entrepts de donnes dans les nuages ............................................................ 3

1.2.1

Cot de Transfert ................................................................................................... 4

1.2.2

Cot de Stockage ................................................................................................... 4

1.2.3

Cot de Calcul ....................................................................................................... 5

1.3

Le modle ...................................................................................................................... 5

1.4

Rappel des rsultats ....................................................................................................... 6

1.5

Droulement de l'tude .................................................................................................. 8

2. PROBLMES MONO-OBJECTIF........................................................................................... 9
2.1

Relaxation Lagrangienne............................................................................................... 9

2.2

Description de lalgorithme dveloppe...................................................................... 12

2.3

Relaxations du problme Min Tprocessing ....................................................................... 14

2.3.1
2.4

Rsultats .............................................................................................................. 15

Relaxations du problme de Min C ............................................................................. 24

2.4.1

Rsultats .............................................................................................................. 25

3. OPTIMISATION MULTIOBJECTIF ..................................................................................... 36

3.1

Dfinitions ................................................................................................................... 36

3.2

NSGA-II ...................................................................................................................... 39

3.3

NSGA-II modifi......................................................................................................... 42

3.3.1

GRASP pour la population initiale...................................................................... 42

3.3.2

Recherche locale dans le classement .................................................................. 44

3.4

Path-Relinking............................................................................................................. 46

3.5

Aplication du Path Relinking dans P3......................................................................... 47

3.6

Mthode exacte du multiple-objectif........................................................................... 50

3.7

Rsultat ........................................................................................................................ 50

3.7.1

Analyses graphiques ............................................................................................ 50

3.7.2

Mesures de Performance .................................................................................... 53

4. CONCLUSION ....................................................................................................................... 58
TABLE DES MATIRES DE LANNEXE .............................................................................. IX
ANNEXES ....................................................................................................................................X
RFRENCES BIBLIOGRAPHIQUES ................................................................................... XI

VI

TABLE DES FIGURES

Figure 1: Reprsentation des cots pour exploiter des donnes dans les nuages.
Figure 2: Reprsentation de vues.
Figure 3: Point de selle et duality gap en relaxation lagrangienne..
Figure 4: Pseudo-code de limplmentation de la mthode exacte.
Figure 5: Quelques cas de la procdure branch-and-bound lie au lagrangien.
Figure 6: Rsultats des relaxations sur des instances du groupe G2.
Figure 7: Rsultats pour diffrentes formules du paramtre t k sur quelques instances du groupe G2.
Figure 8: Rsultats de temps de CPU pour quelques instances petites du groupe G 2.
Figure 9: Rsultats de temps de CPU pour quelques instances moyennes du groupe G 2.
Figure 10: Rsultats de temps de CPU pour quelques instances grandes du G2.
Figure 11: Rsultats de temps de CPU pour quelques instances grandes du G2.
Figure 12: Rsultats de temps de CPU pour quelques instances petites du G1.
Figure 13: Rsultats de temps de CPU pour quelques instances moyennes du G 1.
Figure 14: Rsultats de temps de CPU pour quelques instances grandes du G1.
Figure 15: Temps de CPU et nombre de noeuds de branchement pour quelques instances du G 2.
Figure 16: Temps de CPU et nombre de noeuds de branchement pour quelques instances du G 2.
Figure 17: Nombre de noeuds de branchement pour quelques instances du G2.
Figure 18: Rsultats pour deux instances du groupe G2 en changeant le UB initial.
Figure 19: Rsultats de temps de CPU pour quelques instances du G2.
Figure 20: Rsultats de nombre de noeuds de branchement pour quelques instances du G2.
Figure 21: Rsultats de temps de CPU pour quelques instances du G1.
Figure 22: Rsultats de nombre de noeuds pour quelques instances du G 1.
Figure 23: Rsultats de nombre de noeuds pour quelques instances du G 3.
Figure 24: Rsultats de temps de CPU pour quelques instances du G3.
Figure 25: Problme dinstabilit numrique dans la rsolution du sous-problme du cplex.
Figure 26: Relation de dominance des solutions du bi-objectif.
Figure 27: Organigramme du NSGA-II standard.
Figure 28: Dfinition des diffrents fronts de Pareto de lalgorithme NSGA-II.
Figure 29: Pseudo code de la fonction crowding distance dun front (F).
Figure 30: Psedo-code de la fonction constructionPopulationInitialGRASP (P).

VII

Figure 31: Graphique avec le front de Pareto du NSGA-II standard et du NSGA-II avec le GRASP pour
une instance avec 70 requtes et 80 vues.
Figure 32: Recherche local dun individu A de Rn.
Figure 33: Graphique avec la front de Pareto du NSGA-II sans la Recherche Locale et du NSGA-II
modifi de linstances avec 80 requtes et 90 vues.
Figure 34: Representation des solutions intermdiaires du Path-Relinking.
Figure 35: Psedo-code de la fonction PathRelinkingParObjective(P,m).
Figure 36: Graphique de la front de Pareto du NSGA-II modifi (sans le Path-relinking) et du NSGA-II
modifi avec le Path-Relinking de linstances avec 200 requtes et 80 vues.
Figure 37: Graphique avec la front de Pareto de notre heuristique et de la mthode exacte pour linstance
avec 30 requtes et 30 vues.
Figure 38: Graphique avec la front de Pareto de notre heuristique et de la mthode exacte pour linstance
avec 60 requtes et 90 vues .
Figure 39: Graphique avec la front de Pareto de notre heuristique et de la mthode exacte pour linstance
avec 200 requtes et 70 vues .
Figure 40: Exempre de surface de AF* et AF.
Figure 41: Temps dxecution de la mthode exacte et de lheuristique pour les instances avec le nombre
de requtes fixes 60
Figure 42: Temps dxecution de la mthode exacte et de lheuristique pour les instances avec le nombre
de vues fixes 60

VIII