Vous êtes sur la page 1sur 8

03/10/2020

 Les problèmes de l’optimisation combinatoire


 Les méthodes de résolution
 Les méthodes exactes
 Le recuit simulé
 La recherche Tabou
B.FAYECH
 Les algorithmes génétiques
 Les essaims particulaires

Cours Opt. Comb. et Métaheuristiques , B.FAYECH ENSIT, 2020-2021 1 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 2
ENSIT, 2020-2021

1 2

 Exemples de problèmes d’optimisation


combinatoire

 Formulation des problèmes d’optimisation


B.FAYECH

Cours Opt. Comb. et Métaheuristiques , B.FAYECH ENSIT, 2020-2021 3 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 4
ENSIT, 2020-2021

3 4

ENSIT, 3GMProd, Opt Comb et métah 1


03/10/2020

 Problème du Voyageur de Commerce (PVC)


(PVC, TSP (Traveling Salesman Problem)
◦ Organisation d’une tournée à moindre coût pour un cadre commercial qui doit
 Recherche d’itinéraire à moindre coût dans un réseau routier visiter chaque ville/client une et une seule fois et revenir au point de départ.

◦ Réseau routier : villes + routes avec des coûts (longueur, temps de


parcours ou consommation nécessaire)
◦ Pb: trouver un itinéraire à moindre coût entre A et E
Coût=20

Problème de recherche du plus court cycle hamiltonien


dans un graphe non orienté pondéré

Problème de recherche du plus court chemin dans un


graphe pondéré
Cours Opt. Comb. et Métaheuristiques , B.FAYECH 5 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 6
ENSIT, 2020-2021 ENSIT, 2020-2021

5 6

◦ Problème classique mais Difficile! Pas d’algorithme avec garantie d’optimalité!


◦ Même le problème de déterminer s’il existe un circuit hamiltonien est difficile.
◦ Recherche de cycle hamiltonien de poids minimum dans un graphe complet  PVC : (n-1)!/2tournées
avec n villes : (n-1)! /2 solutions !!!!!!
 Si pour évaluer une tournée, il faut 1μs:

Pour 30 villes :

≈ 4.10 30 Solutions possibles

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 7 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 8
ENSIT, 2020-2021 ENSIT, 2020-2021

7 8

ENSIT, 3GMProd, Opt Comb et métah 2


03/10/2020

 Organisation d’une flotte de véhicule  Affectation de tâches à des personnes


◦ C’est une variante du PVC : Problème de Tournée de Véhicules (PTV), Vehicle ◦ Ensemble de tâches à réaliser = ensemble de personnes aptes à les réaliser +
Routing Problem (VRP) coût d’affectation d’une tâche à une personne (temps de réalisation ou prix)
◦ Organisation d’un ensemble de tournées pour un ensemble de véhicules de ◦ Pb : trouver l’affectation qui minimise le coût global.
livraison qui doivent se partager les visites des clients et revenir au dépôt.
◦ PTV a plusieurs variantes prenant en compte par exemple la capacité des
véhicules ou les horaires d’ouverture des magasins.

Tournée 1 (D-A-B-C-D), Coût=10


- Affectation des clients aux véhicules Coût Total = 8
Tournée 2 (D-E-F-D), Coût= 9
- Ordre de passage des véhicules par
les clients affectés
Coût Total = 19

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 9 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 10
ENSIT, 2020-2021 ENSIT, 2020-2021

9 10

 Surveillance d’une zone urbaine


 Gestion d’emploi du temps
◦ Ensemble de rues connectées par des carrefours
◦ Un système de surveillance installé à un carrefour assure la surveillance de ◦ Ensemble de :
toutes les rues arrivant à ce carrefour  cours,
◦ Pb : déterminer le nombre minimum de systèmes de surveillance permettant  créneaux d’enseignement disponibles,
d’assurer la surveillance de l’ensemble des rues  salles,
 professeurs (avec éventuellement des préférences),
 contraintes, contraintes et encore des contraintes………

◦ Pb : affecter à chaque cours un créneau, une salle et un professeur!

Solution à deux systèmes


de surveillance
Cours Opt. Comb. et Métaheuristiques , B.FAYECH 11 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 12
ENSIT, 2020-2021 ENSIT, 2020-2021

11 12

ENSIT, 3GMProd, Opt Comb et métah 3


03/10/2020

 Gestion d’un chantier de construction (problème de gestion de  Ordonnancement de tâches de production


projet)
◦ Ensemble de tâches à réaliser avec des contraintes de précédence ◦ Ensemble de tâches à réaliser avec
◦ Pb : déterminer la date de réalisation au plus tôt du chantier (déterminer les  des durées prédéfinies,
dates de début au plus tôt des tâches)  des contraintes de précédence,
 des dates de début au plus tôt (date au plus tôt de disponibilité des éléments
nécessaires à la réalisation de cette tâche),
 des dates de fin au plus tard (date au plus tard de la mise à disponibilité des produits
de cette tâche (date de livraison))
 Des partages de ressources non partageables (les tâches ne peuvent pas être exécutées
en parallèle)
◦ Pb : déterminer l’ordre de réalisation des tâches sur les ressources en
minimisant des dates de réalisation au plus tôt de l’ensembles des tâches

Date de réalisation au plus tôt= 15

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 13 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 14
ENSIT, 2020-2021 ENSIT, 2020-2021

13 14

 Ordonnancement de Job-Shop flexible


FJSP (Flexible JobShop Scheduling Problem)
 Ordonnancement d’un ensemble de jobs (composés d’opérations) sur un ensemble de
ressources avec la flexibilité qui permet à une opération d’être exécutée sur n’importe
quelle machine avec un temps d’exécution imposé.
 Pb: ordonnancement des jobs sur les machines en minimisant la durée totale des jobs.

- Affectation des opérations aux machines


- Ordre d’exécution des opérations sur les
machines

Machine Opérations

M1 O21
M2 O11
Un exemple de solution
M3 O12
M4 O31, O32
M5 O22, O13, O23
Date de réalisation au plus tôt= 18

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 15 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 16
ENSIT, 2020-2021 ENSIT, 2020-2021

15 16

ENSIT, 3GMProd, Opt Comb et métah 4


03/10/2020

Machine Opérations (durée)


 Exercice : pour la solution exemple :
◦ A l’aide d’un diagramme de Gantt, calculer la date de début de chaque opération de chaque job en M1 O21(1)
respectant les contraintes de précédence entre les opérations d’un même job.
M2 O11(9)
◦ Calculer la date de fin de la dernière opération : Maxpan.
M3 O12(2)
Machine Opérations M4 O31, (3), O32 (4)
M1 O21 M5 O22(3), O13(3), O23(4)
M2 O11
M3 O12 M1 O21

M4 O31, O32 M2 O11


M5 O22, O13, O23 M3 O12
M4 O31 O32
M5 O22 O13 O23
Machine Opérations (durée)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
M1 O21(1)
M2 O11(9)
M3 O12(2) Maxpan= 18
M4 O31(3), O32 (4)
M5 O22(3), O13(3), O23(4)
Cours Opt. Comb. et Métaheuristiques , B.FAYECH 17 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 18
ENSIT, 2020-2021 ENSIT, 2020-2021

17 18

 Ordonnancement de projet sous contraintes de ressources


 Problème du Knapsack (Sac à Dos)
RCPSP (Resource-Constrained Project Scheduling Problem)
◦ Ensemble d’objets ayant des poids et des gains et un sac avec une capacité
 Ordonnancement d’un ensemble d’activités disposant de ressources de différents types maximale
disponibles en quantités limités dans le but d’optimiser la durée totale du projet.
◦ Pb : Remplir le sac avec un maximum de gain
 Deux activités peuvent être exécutée en parallèle sur la même ressource si la capacité de la
ressource n’est pas dépassée

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 19 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 20
ENSIT, 2020-2021 ENSIT, 2020-2021

19 20

ENSIT, 3GMProd, Opt Comb et métah 5


03/10/2020

 Problème de Bin packing (empaquetage)

◦ 1BP (une dimension) :


 Ensemble d’objets ayant des poids et ensemble de conteneurs (boîtes) ayant des
capacités
 Pb : Mettre les objets dans un nombre minimum de conteneurs
Solution dans le cas orienté
 Applications : rangement de fichiers sur un support informatique, découpe de câbles,
remplissage de camions ou de containers avec comme seule contrainte le poids ou le
volume des articles

◦ 2BP (2 dimensions) :
 Ensemble d’objets à deux dimensions (rectangulaires) et ensemble de conteneurs à
deux dimensions
 Applications : découpe de matière première (ex : textile), placement de boîtes sur une
palette (sans superposition de boîtes), placement dans un entrepôt (sans superposition de
boîtes)

◦ 3BP (3 dimensions) : Solution dans le cas


 Applications : rangement d'objets dans des boîtes, des camions, bâteaux, avions, non orienté
etc...(avec superposition de boîtes)

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 21 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 22
ENSIT, 2020-2021 ENSIT, 2020-2021

21 22

 Alternatives
 Problèmes bien variés
◦ Transport ◦ Existence d’un ensemble discret d’alternatives.
◦ Gestion projet  Problème du plus court chemin : ensemble des itinéraires
◦ Gestion de production possibles
◦ Conception de systèmes (réseaux, télécom, production, …)  Problème d’organisation de tâches de production : ensemble
◦ Organisation de tâches des ordres possibles entre tâches partageant une même
◦ Ordonnancement de tâches multi-processeurs ressource non partageable.
◦…
 Qu’est ce que ces problèmes ont en commun? ◦ Ensemble d’alternatives peut être infini, mais il est très souvent
◦ Alternatives fini.
◦ Contraintes ◦ Modélisation des alternatives : variables de décisions
◦ Critères

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 23 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 24
ENSIT, 2020-2021 ENSIT, 2020-2021

23 24

ENSIT, 3GMProd, Opt Comb et métah 6


03/10/2020

 Critères
◦ Existence de critères (objectifs) à optimiser (minimiser ou maximiser)
 Contraintes  la longueur de l’itinéraire dans le problème de plus court chemin
 la date de réalisation de l’ensemble des tâches dans le problème
d’organisation de tâches de production.
◦ Existence d'un ensemble de propriétés ou de contraintes à
satisfaire ◦ Forme des critères :
 valeur numérique associée à chacune des alternatives
◦ Une alternative peut ne pas être acceptable  ordre total ou partiel entre alternatives :
 PTV, les itinéraires doivent être des tournées  ordre total : deux alternatives sont équivalentes, ou l’une est strictement
supérieure à l’autre
 Problème d’affectation : toute tâche doit être affectée à une  ordre partiel : deux alternatives sont équivalentes, incomparables, ou
personne et une seule l’une est strictement supérieure à l’autre
◦ Une alternative peut être physiquement impossible ou ◦ Dans de nombreuses situations réelles : plusieurs critères éventuellement
inacceptable du point de vue de l'utilisateur, çad non conforme à conflictuels!
ses exigences  Situations d’incomparabilité : alternative meilleure du point de vue d’un
critère, mais moins bonne du point de vue d’un autre
 Possibilité d’agrégation de critères pour avoir un seul critère global
 Optimisation multicritère ou multi-objectif

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 25 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 26
ENSIT, 2020-2021 ENSIT, 2020-2021

25 26

 Problème d’optimisation? ◦ Un problème d'optimisation combinatoire est défini par un ensemble


d'instances.
◦ Existence de contraintes et pas de critère : problème de satisfaction ◦ Pour chaque instance du problème :
pure (satisfaction de contraintes)  ensemble discret de solutions S,
◦ Existence d’un critère et pas de contraintes : problème d’optimisation  sous-ensemble X de S représentant les solutions admissibles (réalisables)
pure  fonction de coût f (ou fonction objectif) qui assigne à chaque solution s∈X
◦ La plupart des problèmes : critères + contraintes le nombre réel (ou entier) f(s).

◦ Un problème d’optimisation : <Alt, Cont, Crit> ◦ Résoudre un tel problème (plus précisément une telle instance du problème)
 Alt : ensemble fini d’alternatives consiste à trouver une solution s* ∈ X optimisant la valeur de f.
 Cont : fonction de Alt dans {0,1} qui définit les alternatives ◦ s* : une solution optimale ou un optimum global.
admissibles
 Crit : fonction de Alt dans un ensemble totalement ordonné qui ◦ Définition :
permet d’ordonner les alternatives entre eux Une instance I d’un problème de minimisation : un couple (X, f) où XS
est un ensemble fini de solutions admissibles, et f une fonction de coût
◦ La plupart des problèmes d’optimisation combinatoire appartiennent (ou objectif) à minimiser f : X R. Le problème est de trouver s* ∈ X
à la classe NP-Difficile (Voir cours Complexité) tel que f(s*) ≤ f(s) pour tout élément s ∈ X.

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 27 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 28
ENSIT, 2020-2021 ENSIT, 2020-2021

27 28

ENSIT, 3GMProd, Opt Comb et métah 7


03/10/2020

◦ Un problème d'optimisation combinatoire :  Problème du sac-à-dos: formulation

Le mot combinatoire, qui désigne la discipline des


Max  cj xj
mathématiques concernée par les structures discrètes ou s.c  aj xj ≤b
finies, évoque l’existence d’une structure sous-jacente xj ≥0; xj ≤ 1 Poids Limite = 15
discrète (généralement un graphe). Avec : Article Poids Gain
 b : poids limite ∈R 1 5 16
L’ensemble de solutions S est défini dans cette structure et  xj : décision de mettre l’article j dans le sac ou pas 2 7 22
peut avoir un nombre exponentiel d’éléments.  cj : gain apporté par l’article j 3 4 12
 aj : poids de l’article j (coût) 4 3 8
Le mot optimisation signifie que l’on recherche le meilleur
élément de l’ensemble de solutions S. Données d’entrée ? Variables de décision? Alternatives? Contraintes?
Critère?
Nombre de solutions possibles?

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 29 Cours Opt. Comb. et Métaheuristiques , B.FAYECH 30
ENSIT, 2020-2021 ENSIT, 2020-2021

29 30

 Exercices :

1- Etablir la formulation du problème de


distribution (voir feuille de l’énoncé).

2- Etablir la formulation du problème du


voyageur de commerce (PVC)

Cours Opt. Comb. et Métaheuristiques , B.FAYECH 31


ENSIT, 2020-2021

31

ENSIT, 3GMProd, Opt Comb et métah 8

Vous aimerez peut-être aussi