Académique Documents
Professionnel Documents
Culture Documents
II
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
RESUME....................................................................................................................................... II
ABSTRACT ................................................................................................................................ III
REMERCIEMENTS ................................................................................................................... IV
TABLE DES MATIRES ............................................................................................................V
TABLE DES FIGURES ............................................................................................................. VII
INTRODUCTION......................................................................................................................... 1
1. PRESENTATION DU SUJET .................................................................................................. 2
1.1
1.2
1.2.1
1.2.2
1.2.3
1.3
Le modle ...................................................................................................................... 5
1.4
1.5
2. PROBLMES MONO-OBJECTIF........................................................................................... 9
2.1
Relaxation Lagrangienne............................................................................................... 9
2.2
2.3
2.3.1
2.4
Rsultats .............................................................................................................. 15
2.4.1
Rsultats .............................................................................................................. 25
Dfinitions ................................................................................................................... 36
3.2
NSGA-II ...................................................................................................................... 39
3.3
NSGA-II modifi......................................................................................................... 42
3.3.1
3.3.2
3.4
Path-Relinking............................................................................................................. 46
3.5
3.6
3.7
Rsultat ........................................................................................................................ 50
3.7.1
3.7.2
4. CONCLUSION ....................................................................................................................... 58
TABLE DES MATIRES DE LANNEXE .............................................................................. IX
ANNEXES ....................................................................................................................................X
RFRENCES BIBLIOGRAPHIQUES ................................................................................... XI
VI
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