3e Conférence Francophone de MOdélisation et SIMulation «Conception, Analyse et Gestion des Systèmes Industriels»

MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

RÈGLES D’ÉLIMINATION POUR FLOW-SHOP DE PERMUTATION :

CAS DES GAMMES HOMOGÈNES ET HÉTÉROGÈNES
Laurent PÉRIDY, Éric PINSON, David RIVREAU

Institut de Mathématiques Appliquées

Université Catholique de l’Ouest
BP 808
Angers, 49008 Angers Cedex, France
Mél : [Link]@[Link]

RÉSUMÉ : Le problème de Flow-Shop de Permutation est un problème d’ordonnancement typique des ateliers agencés
en lignes qui consiste à séquencer l’exécution de gammes opératoires sur la ligne de production. Dans cet article, nous
montrons que l’utilisation de règles d’élimination spécifiques peut limiter le combinatoire inhérent aux méthodes de réso-
lution exactes lorsqu’il existe des familles de gammes opératoires à durées hétérogènes.

MOTS-CLÉS : flow-shop de permutation, règles d’élimination, lags, série-parallèle

1. INTRODUCTION Le problème de flow-shop à 2 machines peut être résolu en

O(n log n) par une procédure due à S. M. Johnson (John-
1.1. Flow-Shop de Permutation son, 1954) alors que M. R. Garey, D. S. Johnson et R.
Sethi (Garey et al., 1976) ont montré que le problème de
flow-shop devient NP-difficile au-delà de 3 machines.
Dans un problème de flow-shop de permutation, un en-
semble J de n gammes (ou jobs) doit être séquencé sur
M4 J1 J2 J3
une ligne de production constituée de m machines. Sans
perte de généralité, nous supposerons que les machines M3 J1 J2 J3
sont indicées dans l’ordre de leur apparition sur la ligne. M2 J1 J2 J3
Les gammes se succédant chronologiquement sur cette M1 J1 J2 J3
?
CPFS = 15
ligne, l’ordre de passage des jobs est identique sur toutes
les machines. On suppose que les opérations ne peuvent Figure 1. Solution optimale de l’exemple
être interrompues et que les machines exécutent au plus
une opération à la fois. L’objectif sur lequel nous nous Cet article, consacré à l’étude de nouvelles règles d’élimi-
concentrons ici est la minimisation de la durée totale de nation spécifiques à ce problème, montre que ces règles
l’ordonnancement. peuvent avoir un impact non négligeable en terme de ré-
duction d’arborescence de recherche dans le cas de fa-
L’exécution du job Ji sur la machine Mk est appelée milles de jobs à durées fortement hétérogènes. Le para-
opération Oi,k et sa durée sera notée pi,k . Nous dési- graphe suivant répertorie un ensemble de propriétés de cas
gnerons également par ri,k = ∑l<k pi,l l’instant au plus particuliers de flow-shop qui nous permettront de définir
tôt où le job Ji peut commencer son opération sur Mk ces règles spécifiques.
et par qi,k = ∑l>k pi,l la durée de latence (temps mini-
mal s’écoulant entre la fin d’exécution de Ji sur Mk et 1.2. Flow-Shop à 2 machines avec lags et précédences
la fin de l’ordonnancement). Ces quantités seront égale-
ment définies pour tout sous-ensemble J via les formules
rJ,k = mini∈J ri,k et qJ,k = mini∈J qi,k. La première variante à laquelle nous nous intéressons est
le problème de flow-shop à 2 machines dans lequel on a
substitué la notion de lag à celle de précédence. Un lag
Nous reproduisons en figure 1 la solution optimale d’un lj représente la durée minimale (éventuellement négative)
flow-shop de permutation à 3 jobs et 4 machines dont les séparant le début de l’exécution du job Jj sur la seconde
données sont indiquées dans le tableau 1. machine de la fin de son exécution sur la première ma-
pi,k M1 M2 M3 M4 chine.
J1 1 1 3 2
J2 1 4 3 3 Nous noterons  la relation transitive définie sur J par :
J3 4 1 1 3 Ji  Jj ⇔ min(pi,1 + li ; l j + p j,2 ) ≤ min(li + pi,2 ; p j,1 + l j )
Tableau 1. Exemple de flow-shop de permutation
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 1/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

J. R. Jackson (Jackson, 1956) et L. G. Mitten (Mitten, Nous reproduisons ci-dessous un résultat intermédiaire de
1959) ont démontré que la solution optimale du problème la preuve de l’algorithme de Monma et Sidney qui sera
de flow-shop de permutation avec lags peut s’obtenir en utilisé pour définir nos règles d’élimination spécifiques.
O(n log n) par construction d’un ordonnancement compa-
tible avec la relation . Lemme 1.1 (Sidney, 1979)
Supposons que Ji est le prédécesseur immédiat de Jj dans
Une propriété fort intéressante du problème avec lags une chaîne d’un réseau de précédence, et que Jj  Ji .
identifiée par T. Kurisu (Kurisu, 1976) est la possibilité Dans ce cas, il existe un ordonnancement optimal dans
de substituer un job dit composite à toute séquence inin- lequel Jj est ordonnancé immédiatement après Ji .
terrompue de jobs, et ce, sans modifier la durée de l’or- Outre cette proposition, nous ferons également intervenir
donnancement résultant. ultérieurement la propriété suivante :

Ainsi, le triplet caractéristique du job composite hJi , Jj i Lemme 1.2

constitué par les jobs Ji et Jj vaut : Si Ji  Jj alors Ji  hJj , Ji i  Jj .
– phi, ji,1 = pi,1 + pj,1 Démonstration.
– lhi, ji = max(li + pi,2 ; pj,1 + lj ) − pi,2 − pj,1 Nous nous contentons ici de montrer que Ji  Jj implique
Ji  hJj , Ji i (la relation hJj , Ji i  Jj s’en déduisant par sy-
– phi, ji,2 = pi,2 + pj,2
métrie).

La relation binaire  peut donc s’étendre à des séquences Rappelons que Ji  Jj est équivalent à :
ininterrompues de jobs via la définition de jobs compo-
sites. min(pi,1 + li ; l j + pj,2 ) ≤ min(li + pi,2 ; pj,1 + l j ) (1)

et que le job composite hJj , Ji i est caractérisé par :

J1 J2 J3
ph j,ii,1 = pj,1 + pi,1
-1 3 2
J1 J2 J3 lh j,ii = max(lj + pj,2 ; pi,1 + li ) − pj,2 − pi,1
0 2 3 5 8 10 11 12
ph j,ii,2 = pj,2 + pi,2
hJ1, J2 , J3 i
Nous allons distinguer deux cas suivant la valeur de la
-3
hJ1, J2 , J3 i quantité min(pi,1 + li ; l j + pj,2 ).
0 5 8 12
Cas (1) : pi,1 + li ≥ l j + pj,2
Figure 2. Flow-shop avec lags et job composite associé
D’après (1), on déduit immédiatement :
Le résultat précédent est à la base de l’algorithme de l j + pj,2 ≤ min(pi,1 + li ; li + pi,2 ; pj,1 + l j ) (2)
C. L. Monma (Monma, 1979) et J. B. Sidney (Sidney,
1979) qui permet de résoudre en O(n log n) le problème à En outre, par définition du job composite, on a :
2 machines et lags en présence d’un réseau de précédences
de type série-parallèle. Par précédence, il est ici entendu lh j,ii = li − p j,2
que la séquence job doit respecter d’éventuelles relations
de précédences entre jobs (on ne peut ordonnancer un job On obtient ainsi :
que lorsque tous ses prédécesseurs ont déja été séquen-
ph j,ii,1 + lh j,ii = pj,1 + pi,1 + li − p j,2 (3)
cés sur la ligne). Rappelons qu’un graphe est dit série-
parallèle s’il peut se décomposer récursivement à l’aide ph j,ii,2 + lh j,ii = pi,2 + li (4)
de relations de type série ou de type parallèle. Pour plus
d’informations sur cette classe particulière de graphe, on Or, d’après (2), l j + pj,2 ≤ pj,1 + l j , soit pj,2 ≤ pj,1.
pourra se reporter à Valdes et al. (1982). On en déduit :

S ph j,ii,1 + lh j,ii ≥ pi,1 + li (5)

2p
-5p # c
# cS
1
>Z 
 >Z # c
# c8 De (4) et (5), on tire :
1p -3pZZ P
-p -p
  6 Z 8
~ ~
Z  Q
Z >
 S
 Q S min(pi,1 + li ; li + pi,2 ) = min(pi,1 + li ; lh j,ii + ph j,ii,2 )
~p - p
Z 4 7
 # c
Z P
# cP
A
4 7 et

A
A
2 3 5 6
min(pi,1 + li ; li + pi,2 ) ≤ min(ph j,ii,1 + lh j,ii ; li + pi,2 )
Figure 3. Graphe série-parallèle et décomposition
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 2/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

On a donc : Cette borne est calculable en O(m2 n3 ). On peut en effet

min(pi,1 + li ; lh j,ii + ph j,ii,2 ) ≤ min(li + pi,2 ; ph j,ii,1 + lh j,ii ) remarquer qu’il n’y a que O(n2 ) valeurs possibles pour le
terme min(i, j)∈J 2 ,i6= j (ri,k + qj,l ) et que pour ri,k et qj,l fixés,
soit on a tout intérêt à prendre un ensemble J maximal (en-
Ji  hJj , Ji i semble contenant Ji et Jj et tout job Jt tel que ri,k ≤ rt,k et
qt,l ≤ qj,l ). Sachant que les positions relatives des jobs ne
Cas (2) : pi,1 + li ≤ l j + pj,2 ? (J, M , M )
dépendent pas des ensembles J, le calcul de PJa k l
De la même façon que précédemment, on obtient : peut alors s’effectuer en O(n), une fois l’ordre initial cal-
culé pour tout l’ensemble J .
pi,1 + li ≤ min(li + pi,2 ; pj,1 + l j ; l j + pj,2 ) (6)
ph j,ii,1 + lh j,ii = pj,1 + l j (7) 2. RÈGLES D’ÉLIMINATION
ph j,ii,2 + lh j,ii = pj,2 + pi,2 + li − pi,1 (8)
2.1. Règles d’élimination classiques
De (7), on tire :
min(ph j,ii,1 + lh j,ii ; li + pi,2 ) = min(pj,1 + l j ; li + pi,2 ) Les règles d’élimination classiques procèdent par identifi-
De même, (6) nous donne : cation d’arbitrages (détection de relations de précédence
entre opérations) et/ou par ajustements (réduction des fe-
pi,1 + li ≤ min(pj,1 + l j ; li + pi,2 ) nêtres temporelles). Ces règles s’appliquent à tout pro-
Or, clairement : min(pi,1 + li ; lh j,ii + ph j,ii,2 ) ≤ pi,1 + li . blème disjonctif, et donc en particulier au flow-shop de
permutation.
En combinant les trois dernières relations, on obtient :
min(pi,1 + li ; lh j,ii + ph j,ii,2 ) ≤ min(li + pi,2 ; ph j,ii,1 + lh j,ii ) Notons que tout arbitrage de type « (Oi,k précède Oj,k ) »
soit détecté par opération locale (i.e. sur une machine) entre
les jobs Ji et Jj sur la machine Mk se traduit immédiate-
Ji  hJj , Ji i ment en arbitrage entre les jobs (Ji → J j ) (puisqu’on se
 restreint aux ordonnancements de permutation).

Nous avons retenu les règles d’élimination disjonctives

1.3. Bornes Inférieures les plus efficaces a priori : les arbitrages sur disjonc-
tions de J. Carlier (Carlier, 1975), les arbitrages et ajus-
La borne inférieure la plus connue pour le flow-shop de tements sur ensembles ascendants/descendants de J. Car-
permutation est celle de B. J. Lageweg, J. K. Lenstra et lier et E. Pinson (Carlier et Pinson, 1989) et les ajuste-
A. H. G. Rinnooy Kan (Lageweg et al., 1978). ments not-first/not-last de J. Carlier (Carlier, 1975). Les
deux premières règles sont applicables en O(n log n) (Car-
Le point clé réside dans l’utilisation des valeurs des so- lier et Pinson, 1994) et la troisième en O(n2 ) (Baptiste et
lutions optimales de sous-problèmes à 2 machines avec Le Pape, 1996).
lags. Considérant deux machines données Mk et Ml (avec
k < l), il est en effet possible d’extraire un tel problème en Nous rappelons succinctement ci-dessous les principes
posant : sous-jacents à ces opérations locales. Dans toute la suite,
pj,1 = pj,k ; lj = ∑ pj,µ ; pj,2 = pj,l UB désigne une borne supérieure de la solution optimale.
k<µ<l
? (J,M ,M ) la solution optimale de
L’idée originale de J. Carlier, qui a permi les développe-
Nous noterons PJa k l ment utltérieur des règles d’élimination disjonctives, a été
Jackson-Mitten du sous-problème obtenu en considérant d’étudier le positionnement relatif de 2 opérations à partir
l’ensemble de jobs J et les machines Mk et Ml . de leurs fenêtres respectives :
B. J. Lageweg et al. obtiennent ainsi la borne inférieure
(de complexité O(m2 n log n)) : Arbitrages sur Disjonctions (Carlier, 1975)
Soient Oi,k et Oj,k deux opérations distinctes sur Mk .
?
LBPLLR (J ) = max {PJa (J, Mk , Ml ) + min (ri,k + qj,l )} Si rj,k + pj,k + pi,k + qi,k > UB alors (Oi,k → Oj,k ) dans
1≤k<l≤m (i, j)∈J 2 ,i6= j
toute solution.
Remarquons que cette borne peut théoriquement être ren-
Pour tout arbitrage (Oi,k → Oj,k ) — et donc (Ji → J j ) —
forcée par appliquation systématique à tout sous-ensemble
détecté, on peut alors ajuster les dates de disponibilités et
J de J . On obtient ainsi la nouvelle borne inférieure :
les durées de latences comme suit :
Proposition 1.1
Soit LBPmax(LLR) = maxJ⊆J LBPLLR (J ). La quantité rj,k ≥ ri,k + pi,k ∀k ∈ [1, m]
LBPmax(LLR) est une borne inférieure de la valeur optimale qi,k ≥ pj,k + qj,k ∀k ∈ [1, m]
du problème de flow-shop de permutation.
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 3/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

Le principe des arbitrages sur disjonctions peut être étendu Il y a O(n2 ) disjonctions potentielles à exami-
par examen sur une machine Mk du positionnement d’une ner, ce qui nous donne une complexité globale de
opération relativement à un sous-ensemble d’opérations. O(n2 × (m2 n log n + m0 )) pour la totalité du calcul. Ce-
Pour ce faire, on identifie 3 cas possibles (J ⊂ J , Ji ∈
/ J) : pendant, cette complexité peut être nettement améliorée
(C1) L’opération Oi,k ne peut être ordonnancée avant si on ne conserve que la seule disjonction (Jj → Ji ) dans
l’ensemble J si ri,k + pi,k + ∑j∈J pj,k + qJ,k > UB. le graphe conjonctif, comme l’indique la proposition sui-
(C2) L’opération Oi,k ne peut être ordonnancée au milieu vante.
de l’ensemble J si rJ,k + pi,k + ∑j∈J pj,k +qJ,k > UB.
Proposition 2.1
(C3) L’opération Oi,k ne peut être ordonnancée après Les arbitrages immédiats sur 2 machines pour le
l’ensemble J si rJ,k + ∑j∈J pj,k + pi,k + qi,k > UB. flow-shop de permutation peuvent être réalisés en
À partir de ces conditions, on peut définir les ajuste- O(m2 n2 log n) si on se restreint à C0 = {(Jj → Ji )}.
ments not-first/not-last et les arbitrages sur ensembles
ascendants/descendants. Démonstration.
Tout d’abord, on peut observer qu’il est toujours possible
Ajustements Not-First/Not-Last (Carlier, 1975) de supposer Ji  Jj . Dans le cas contraire, soit (Ji → Jj )
Si (C1) est vérifiée alors : ne peut être déduite, soit le problème n’admet pas de so-
lution. En toute généralité, nous supposerons dans la suite
ri,k ≥ min{rj,k + pj,k } (not-first)
j∈J que les indices des jobs ont été triés de façon à ce qu’ils
vérifient la relation  (i.e., pour tout x, y tels que x ≤ y,
Si (C2) est vérifiée alors : on a Jx  Jy ). Le job composite défini par hJx , Jx+1, ..., Jy i,
qi,k ≥ min{pj,k + qj,k } (not-last) avec x ≤ y, sera abrégé en [x, y]. Par hypothèse, [x, x − 1]
j∈J désignera le job « vide ».
Arbitrages sur Ensembles (Carlier et Pinson, 1989)
Si (C1) et (C2) sont vérifiées alors : Clairement, les triplets caractéristiques de tous les
jobs composites [x, y] peuvent être obtenus en O(n2 )
∀ j ∈ J, (Jj → Ji ) (ensemble ascendant) par une procédure itérative. On souhaite donc établir
? (J, M , M , {(J → J )}) pour tous les couples (J , J )
PMS k l j i i j
Si (C2) et (C3) sont vérifiées alors : tels que i < j. D’après Monma-Sidney (cf. lemme 1.1),
∀ j ∈ J, (Ji → Jj ) (ensemble descendant) la solution optimale désirée est obtenue en appliquant la
règle de Johnson au problème dans lequel le job compo-
J. Carlier et E. Pinson définissent également des ajuste- site Jh j, ii a été substitué aux jobs Ji et Jj . Pour évaluer cette
ments sur ensembles déduits des arbitrages : solution optimale, nous allons procéder en deux étapes.
Ajustements sur Ensembles (Carlier et Pinson, 1989)
Premièrement, nous allons chercher l’indice γ d’un job de
Si (C1) et (C2) sont vérifiées alors :
J tel que Jγ−1  Jh j, ii  Jγ . D’après le lemme 1.2, on
ri,k ≥ max{rJ 0 ,k + ∑ pj,k } peut toujours trouver γ tel que cet indice soit compris entre
J 0 ⊆J j∈J 0 i et j. En outre, on constate aisément que la valeur de γ est
calculable en O(log n) au travers d’une recherche dichoto-
Si (C2) et (C3) sont vérifiées alors :
mique.
qi,k ≥ max{ ∑ pj,k + qJ 0 ,k }
J 0 ⊆J j∈J 0 Une fois γ calculé, la valeur de la solution optimale peut
ensuite être déduite en O(1). En effet, d’après ce qui pré-
On peut remarquer que ces ajustements correspondent res- cède, la valeur optimale est donnée par l’agrégation des
pectivement à l’évaluation préemptive de la fin de l’exécu- jobs [1, i − 1], [i + 1, γ − 1], hJj , Ji i, [γ, j − 1], et [ j + 1, n].
tion ou de la durée de latence de l’ensemble J de référence.

2.2. Règles d’élimination spécifiques [1, i − 1] Ji [i + 1, j − 1] Jj [ j + 1, n]

γ6
De façon plus spécifique, il est possible de définir des ar- [1, i − 1] [i + 1, γ − 1] hJj , Ji i [γ, j − 1] [ j + 1, n]
bitrages immédiats sur 2 machines pour le flow-shop de
permutation à l’aide de la solution fournie par l’algorithme Figure 4. Construction de la solution optimale par
de Monma-Sidney. On note C l’ensemble des relations de aggrégation
précédence déjà identifiées pour le problème.
Il y a au total O(n2 ) couples de jobs et O(m2 ) couples
Arbitrages Immédiats sur 2 machines de machines. La première étape de l’évaluation coûte
Soit C0 un graphe série-parallèle extrait de C ∪{(Jj → Ji )} O(log n) et la seconde O(1), ce qui conduit à la complexité
contenant (Jj → Ji ). annoncée. 
? (J, M , M ,C0 ) + q
Si rJ ,k + PMS k l J ,l > UB alors (Ji → Jj ).
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 4/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

On peut remarquer que la position d’insertion γ d’un job 3. EXPÉRIMENTATIONS NUMÉRIQUES

composite hJi , Jj i repose uniquement sur les durées des
opérations. Par conséquent, cet indice ne variera pas au 3.1. Schéma de séparation
cours du processus de recherche arborescente : une fois
cet indice calculé, les arbitrages immédiats sur 2 machines Pour le flow-shop de permutation, nous avons utilisé un
pour le flow-shop de permutation pourront donc s’effec- schéma de séparation élémentaire inspiré de (Potts, 1980)
tuer en O(m2 n2 ). et (Carlier et Rebaï, 1996). La procédure arborescente
tente de construire la permutation optimale π ? en fixant
Dans la même veine, il est également possible d’étendre progressivement des jobs depuis le début et la fin de la
les arbitrages sur ensembles en utilisant l’évaluation sur 2 séquence. Ainsi, tout nœud de l’arbre de recherche sera
machines. identifié par un triplet (α, φ, ω) où α est le vecteur indi-
quant le début de la séquence, ω la fin de l’ordonnance-
Arbitrages sur Ensembles Ascendant sur 2 machines ment et φ l’ensemble des jobs non encore affectés.
Soit J ⊆ J . Si ri,k + pi,k + PJa ? (J, M , M ) + q > UB et
k l J,l
?
rJ,k + PJa (J ∪ {i}, Mk , Ml ) + qJ,l > UB alors, pour tout job Les séquences partielles α et ω permettent de définir des
ajustements des dates de disponibilités et des durées de la-
j de J, (Jj → Ji ).
tences pour les jobs non encore ordonnancés. En effet, au-
Proposition 2.2 cun job de φ ne peut débuter son exécution sur Mk avant
que les jobs de α n’aient terminé leur exécution sur cette
Les arbitrages sur ensembles ascendants sur 2 machines
machine. La séquence α étant fixée et connue, on déter-
pour le flow-shop de permutation peuvent être réalisés en mine aisément la date de fin d’exécution de ces jobs sur
O(m2 n3 ). Mk à l’aide des équations de récurrence (k ∈ [1, m]) :
Démonstration. C0+ (α1 , · · · ,αr ) =Ck+ (∅) = 0
Nous débutons cette démonstration avec deux résultats Ck+ (α1 , · · · ,αr ) = max{Ck+ (α1 , · · · ,αr−1 ) ; Ck−1
+
(α1 , · · · ,αr )}
préliminaires.
+ pαr ,k
Tout d’abord, on peut supposer que, soit ri,k est stricte- On en déduit alors les ajustements de dates de disponibi-
ment plus petit que rJ,k , soit qi,l est strictement inférieur à lités pour les jobs de φ :
qJ,l . En effet, si on se place dans le cas contraire alors le
deuxième terme de la condition sur l’arbitrage impliquera r j,k ≥ Ck+ (α) ∀ j ∈ φ , ∀k ∈ [1, m]
l’absence de solution pour le problème.
Symétriquement, on peut également ajuster les durées de
latences à l’aide des relations suivantes (k ∈ [1, m]) :
Ensuite, pour tout rJ,k et qJ,l fixés, l’ensemble J peut être
−
supposé maximal dans le sens suivant : Cm (ωq , · · · ,ω1 ) =Ck− (∅) = 0
Ck− (ωq , · · · ,ω1 ) = max{Ck− (ωq−1 , · · · ,ω1 ) ; Ck+1
−
(ωq , · · · ,ω1 )}
J = {Jx ∈ J |rx,k ≥ rJ,k ∧ qx,l ≥ qJ,l }
+ pωq ,k
En effet le retrait de jobs de J sans modification des va-
On obtient ainsi :
leurs rJ,k et qJ,l ne peut induire qu’une diminution stricte
de l’évaluation. Ceci conduit à ne considérer que O(n2 ) q j,k ≥ Ck− (ω) ∀ j ∈ φ , ∀k ∈ [1, m]
ensembles de référence. Comme précédemment, nous
supposerons que les indices des jobs sont triés conformé- Une fois les dates de disponibilités et les durées de la-
ment à la relation . tences ajustées (par les séquencements partiels et/ou par
les arbitrages détectés), la borne de Lageweg et al. peut
Pour un ensemble J donné, le premier terme de la condi- alors être appliquée aux jobs non ordonnancés. Nous no-
tion d’application de l’arbitrage peut clairement être éva- terons LB(α, φ, ω) la borne ainsi obtenue. Ceci permet de
lué en O(n). définir les ensembles E et S des entrées et sorties poten-
tielles associées à (α, φ, ω) par :
Considérons le second terme de la condition. Soit [1, x] — E = { j ∈ φ | LB((α1 , · · · , αr , j) , φ \{ j} , ω) ≤ UB}
respectivement [x, n] — le job composite construit à par-
tir des jobs de J d’indice inférieur ou égal — respective- S = { j ∈ φ | LB(α , φ \{ j} , ( j, ωq , · · · , ω1 )) ≤ UB}
ment supérieur ou égal — à x. Les triplets caractéristiques Les ensembles E et S peuvent accessoirement être utilisés
des jobs composites [1, x] et [x, n] peuvent être calculés en pour définir des ajustements de type not-first/not-last sur
O(n) pour tout x. Ceci posé, pour un job Ji donné, la solu- deux machines. En effet, on peut effectuer :
? (J ∪ {J }, M , M ) est obtenue en O(1)
tion optimale de PJa i k l
par l’agrégation des jobs [1, i−1], Ji et [i+1, n]. Par consé- rj,k ≥ min{ri,k + pi,k } ∀ j ∈ φ \E, ∀k ∈ [1, m]
i∈E
quent, le second terme de la condition peut lui aussi être
évalué en O(n) pour un ensemble J donné, ce qui conduit qj,k ≥ min{pi,k + qi,k } ∀ j ∈ φ \S, ∀k ∈ [1, m]
i∈S
au résultat annoncé. 
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 5/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

En cas d’ajustement ainsi détecté, on procède alors à la mation est déduite par les règles d’élimination, qu’elles
réévaluation des ensembles E et S, et ce, jusqu’à stabi- soient classiques ou spécifique (pas de réduction signifi-
lisation. Lorsque ces deux ensembles sont définitivement cative de l’arbre de recherche détectée).
établis, on crée alors un nouveau nœud en fixant soit une
nouvelle entrée si le cardinal de E est inférieur à celui de En revanche, les résultats sont nettement différents en ce
S, soit une nouvelle sortie dans le cas contraire. qui concerne les instances de type bi-famille. En premier
lieu, on peut observer que ces instances semblent plus dif-
3.2. Résultats ficiles à résoudre. Mieux, on remarque que cette fois-ci
les arbitrages immédiats sur 2 machines induisent cette
fois-ci une diminution significative de l’arborescence de
Tous les calculs ont été réalisés en C++ sur un Pentium III
recherche pour certaines instances de problème (alors que
450 Mhz sous système d’exploitation Windows NT 4.
les seules règles classiques n’ont pas d’impact réel). Ce-
pendant le coût induit par l’application de ces règles ne
Pour réaliser nos expérimentations, nous avons généré
semble pas compensé, notamment lorqu’on utilise toutes
deux ensembles de 10 instances de tailles 15 × 15. Le pre-
les règles (troisième colonne).
mier jeu de données est constitué de jobs homogènes : les
durées des opérations suivent une loi uniforme sur [1,100].
Pour tenter de pallier à ce problème, nous avons essayé
Dans le second cas, les jobs sont divisés en deux familles
de n’utiliser que les seuls arbitrages sur disjonctions (à
de « petits » et « grands » jobs : il s’agit par exemple du cas
une et deux machines), en relaxant légèrement les disjonc-
d’une ligne de production sur laquelle sont ordonnancées
tions sur 2 machines. La relaxation consiste à n’évaluer
deux familles de produits de durées de production très
que le seul chemin passant par le lag du job composite
différentes. Ainsi, les durées d’exécution des « grands »
créé, comme l’illustre la figure 5. Le gain obtenu en terme
jobs ont été générées dans l’intervalle [51,100], tandis que
de temps de calcul réside dans la phase d’initialisation qui
celles des « petits » jobs varient dans l’intervalle [1,50].
passe de O(n2 ) à O(n), bien que la complexité totale reste
inchangée.
Les résultats obtenus figurent dans les tableaux 2 et 3.
La première colonne indique les nombres de nœuds et les
temps réalisés par la méthode arborescente pour prouver
l’optimalité lorsqu’aucune règle d’élimination n’est utili- hJj , Ji i
sée. La seconde colonne correspond aux résultats obte- lhJ , J i
j i
hJj , Ji i
nus avec l’application des seules règles d’élimination clas-
siques. Dans la troisième colonne, nous reportons l’ef- γ6
fet de l’application des arbitrages immédiats combinés
Figure 5. Arbitrages sur 2 machines relaxés
aux règles classiques. Enfin, dans la quatrième colonne
figurent les résultats atteints par les seules disjonctions
immédiates (classiques et spécifiques), en version légère- Les résultats obtenus, en dernière colonne, sont encoura-
ment relaxée. geants : les temps de calculs s’approchent cette fois des
résultats obtenus avec la borne seule, alors que les dimi-
Pour les instances homogènes (une seule famille de pro- nutions d’arborescence observées ne semblent que peu dé-
duits), on observe que seule une quantité faible d’infor- gradées.

Instance B.I. seule Règles Class. Règles Spéc. & Class. Disj. Relax.
Nœuds T. (s) Nœuds T. (s) Nœuds T. (s) Nœuds T. (s)
U15_15_1 6040 9 5817 33 4289 25 5043 13
U15_15_2 11933 18 11827 66 8721 53 9523 25
U15_15_3 2101 4 2040 11 1252 7 1464 3
U15_15_4 2640 4 2389 15 2216 15 2485 7
U15_15_5 34721 54 34141 188 31709 193 33001 83
U15_15_6 11248 15 11014 63 10152 59 10619 26
U15_15_7 34061 51 32634 194 31049 201 32891 81
U15_15_8 5062 8 4995 33 4422 30 4705 12
U15_15_9 14512 21 13948 76 11771 67 12546 31
U15_15_10 9937 15 9736 60 7822 48 8235 21
Tableau 2. Preuves d’optimalité sur les instances 15 × 15 homogènes
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 6/7
 MOSIM’01 – du 25 au 27 avril 2001 - Troyes (France)

Instance B.I. seule Règles Class. Règles Spéc. & Class. Disj. Relax.
Nœuds T. (s) Nœuds T. (s) Nœuds T. (s) Nœuds T. (s)
H15_15_1 303184 441 302613 1323 137896 720 180967 442
H15_15_2 80343 118 78713 393 60353 402 70483 205
H15_15_3 69122 101 68665 260 58533 302 62467 169
H15_15_4 111393 173 110551 577 97672 602 103917 260
H15_15_5 718 1 718 3 0 0 0 0
H15_15_6 71397 106 70864 318 20837 113 32229 76
H15_15_7 129510 191 126077 728 103140 720 114464 305
H15_15_8 86106 123 80129 444 71501 461 78258 210
H15_15_9 160837 240 152562 692 130513 715 140075 365
H15_15_10 111154 151 110178 595 92907 577 98290 257
Tableau 3. Preuves d’optimalité sur les instances 15 × 15 hétérogènes

4. CONCLUSION of the U.K. Planning Special Interest Group. Liverpool,

United Kingdom.
Dans cet article, nous montrons que, selon que l’on consi- Carlier, J., 1975. Thèse de 3e cycle, Paris VI.
dère des flow-shop à familles de produit homogènes ou hé- Carlier, J. et E. Pinson, 1989. An algorithm for solving the
térogènes, l’application des règles d’élimination parvient job-shop problem. Management Science, 35(2), 165–
à des résultats contrastés. 176.
Carlier, J. et E. Pinson, 1994. Adjustment of heads and
Dans le premier cas, il est clair que les règles d’élimi- tails for the job-shop problem. European Journal of
nation classiques ou spécifiques n’apportent aucun gain Operational Research, 78, 146–161.
manifeste en terme de réduction de l’arborescence de re- Carlier, J. et I. Rebaï, 1996. Two exact methods for solving
cherche. Compte tenu des augmentations de temps de cal- the permutation flow-shop problem. European Journal
cul, on peut rejeter définitivement l’application de ces of Operational Research, pages 238–251.
règles pour ce profil de problème. L’explication de l’in- Garey, M. R., D. S. Johnson, et R. Sethi, 1976. The com-
efficacité patente de ces outils réside vraisemblablement plexity of flow-shop and job-shop scheduling. Mathe-
dans la forte homogénéité des fenêtres d’exécutions des matics of Operation Research, 1, 117–129.
opérations sur les machines qui ne permet pas d’identifier Jackson, J. R., 1956. An extension of Johnson’s results
d’arbitrage. on job-lot scheduling. Naval Research Logistics Quar-
terly, 3.
Dans le cas des flow-shop de permutation à familles de Johnson, S. M., 1954. Optimal two- and three-stage pro-
produits hétérogènes, on peut constater cette fois que les duction schedules with setup times included. Naval Re-
règles spécifiques semblent présenter un intérêt réel en search Logistics Quarterly, 1, 61–68.
terme de réduction d’arbre de recherche, malgré une per- Kurisu, T., 1976. Two-machine scheduling under required
ceptible augmentation des temps de calcul en moyenne. precedence among jobs. J. Opns. Res. Soc. Jpn., 19.
Lageweg, B. J., J. K. Lenstra, et A. H. G. Rinnooy Kan,
Plusieurs axes restent donc à explorer : tout d’abord, un
1978. A general bounding scheme for the permutation
travail concernant l’aspect incrémental des règles d’élimi-
flow-shop problem. Operations Research, 26(1), 53–
nation semble s’imposer, de façon à limiter le coût de cal-
67.
cul induit par ces règles, puisque réeffectuer le calcul inté-
Mitten, L. G., 1959. Sequencing n jobs on two machines
gral des arbitrages en chaque nœud semble ici rédhibitoire
with arbitrary time lags. Management Science, 5(3).
au vu de la diminution d’arborescence obtenue. Parallè-
lement, il est vraisemblablement nécessaire d’étudier de Monma, C. L., 1979. The two-machine maximum
façon plus précise (soit par analyse probabiliste, soit par flow time problem with series-parallel precedence
analyse statistique) l’origine des différences de comporte- constraints: an algorithm and extensions. Operations
ment observées entre instances homogènes et hétérogènes Research, 27(4), 792–798.
(analyse des distributions de ri,k , qi,k et li , impact sur l’évo- Potts, C. N., 1980. An adaptative branching rule for the
lution de la borne, etc.), pour pouvoir cibler de façon plus permutation flow-shop problem. European Journal of
efficace l’utilisation de ces règles. Operational Research, 5, 19–25.
Sidney, J. B., 1979. The two-machine maximum flow time
Références problem with series parallel precedence relations. Ope-
rations Research, 27(4), 782–791.
Baptiste, P. et C. Le Pape, 1996. Edge-finding constraint Valdes, J., R. E. Tarjan, et E. L. Lawler, 1982. The re-
propagation algorithms for disjunctive and cumulative cognition of series parallel digraphs. SIAM Journal on
scheduling. In Proceedings of the Fifteenth Workshop Computing, 11(2), 298–313.
Laurent PÉRIDY, Éric PINSON, David RIVREAU, ART_140, 7/7