52656 SASSI Mohamed Rayene

Optimisation du transport en commun

Aujourd’hui, 59% des 18-24 ans sont motorisés, le véhicule un symbole de

liberté individuelle. Cependant, pour des raisons de santé et d’efficacité
économique, les villes ne peuvent plus accueillir autant de véhicules individuels.
Il devient nécessaire de mener des études sur les moyens de déplacement
pouvant se substituer à la voiture.
Il est essentiel que ces différents moyens doivent être synonyme d’opportunités
pour les usagers et non de contraintes. En effet, aujourd’hui, les transports en
commun apparaissent comme la substitution majeure au véhicule individuel, ,
néanmoins, il reste peu utilisé à cause des mauvaises qualités de voyage : trajet
non-optimale, retard, etc..

Positionnement thématique (ETAPE 1)

MATHEMATIQUES (Mathématiques Appliquées), INFORMATIQUE (Informatique pratique).

Mots-clés (ETAPE 1)
Mots-Clés (en français) Mots-Clés (en anglais)
Optimisation Optimization
Heuristique Heuristics
Exact Exact
Chemin Path
Complexité Complexity

Bibliographie commentée
Aujourd’hui, toutes les villes du monde ou presque possèdent un réseau de transport en commun
adapté à leurs besoins et aux conditions climatiques propres à
leurs régions respectives. Pour les déployer, chacune de ces villes a travaillé sur un
problème d’optimisation communément appelé problème du voyageur de commerce
ou problème du commis voyageur. C’est un problème d’optimisation, étudié depuis
le 19e siècle, qui se modèlise par la théorie des graphes. Il consiste à déterminer,
étant donné une liste de villes et les distances séparant chacune d’elles, le plus
court chemin qui passe par chaque ville une et une seule fois (un tel chemin est
appelé un cycle « Hamiltonien »).[1]
La difficulté de ce problème, c’est qu’il appartient à la classe des problèmes NPcomplets. En effet,
la croissance démographique implique une explosion combinatoire du nombre de solutions
potentielles à vérifier, qui peut nécessiter un temps
de calcul exponentiel.
Pour le résoudre, les scientifiques ont proposé plusieurs méthodes qui se divisent
en deux familles majeures : les algorithmes exacts et les algorithmes heuristiques
et d’approximation. L’une des méthodes exactes les plus classiques et les plus performantes reste la
1
procédure par séparation et Évaluation (PSE). [1] Comme son
nom l’indique cette approche, consiste en deux phases : la séparation qui divise le
problème en un certain nombre de sous problèmes qui ont chacun leur ensemble
de solutions réalisables, et la phase d’évaluation qui détermine l’optimum de l’ensemble des
solutions réalisables associé au nœud en question ou bien l’absence de
solutions optimales. [2]
Ces méthodes sont souvent utilisées dans le cas où le nombre de noeuds est résonnable, par soucis
de complexité et temps de calcul. Pour remédier à ce problème,
on utilise plutôt les approches heuristiques et d’approximation. Cela vient avec un
compromis sur l’exactitude des solutions. En effet, on obtient des bonnes solutions
dans un temps-record mais pas nécessairement optimales. Les algorithmes gloutons
permettent de résoudre ce problème en faisant un choix localement optimal dans
l’espoir que ce choix mènera à une solution globalement optimale.[3]
En fait, chacune des méthodes approchées à ses avantages et ses inconvénients. La
méthode choisie n’est pas la même, en fonction du temps de calcul, de la qualité de
la solution ou du fait de choisir parmi plusieurs solutions. Par exemple, en privilégiant l’optimalité
tout en ayant un temps de calcul réduit, l’algorithme de descente
locale, initialisé par une solution obtenue au préalable par un algorithme glouton,
donnent de bons résultats.
La recherche tabou, proposée par Fred Glover en 1986, est le fruit de l’amélioration
de la méthode précédente avec une différence significative, elle utilise une mémoire
(ou plusieurs mémoires) qui est mise à jour et exploitée au cours de la recherche.[4]
Une autre méthode inspirée de la théorie darwinienne de l’évolution a vu le jour vers les années 80.
Elle repose sur la sélection, le croisement et la mutation d’une
population ( traduit par l’ensemble de ville) en effectuant une boucle tant que l’évaluation estime
que la solution n’est pas encore optimale.[5]

Problématique retenue
Comment peut-on déterminer le plus court chemin en passant une et une seule
fois par un nombre spécifique de ville ?

Objectifs du TIPE
1. Modélisation : Après quelques rappels théoriques, je vais modéliser le problème du voyageur de
commerce dans un cas concret en utilisant la théorie
des graphes.
2. Simulation numérique : La résolution de ce problème en utilisant à la fois
une méthodé exact et une méthode heuristique.
3. Comparaison et Observations : je vais comparer les résultats des différentes
approches sur un ensemble de données tout en précisant les métriques utilisées.

Références bibliographiques (ETAPE 1)

[1] interstices. info : Le problème du voyageur de commerce : https: // interstices. info/ le-

2
probleme-du-voyageur-de-commerce/
[2] Techno-Science : Séparation et évaluation : https: // www. techno-science. net/ definition/
6355. html
[3] interstices. info : Les algorithmes gloutons : https: // interstices. info/ glossaire/
algorithme-glouton/
[4] Wikipédia : Recherche tabou : https: // fr. wikipedia. org/ wiki/ Recherche_ tabou
[5] Vincent MAGNIN : CONTRIBUTION A L'ETUDE ET A L'OPTIMISATION DE
COMPOSANTS OPTOELECTRONIQUES :
https://www.researchgate.net/publication/242706592_CONTRIBUTION_A_L'ETUDE_ET_A_L
'OPTIMISATION_DE_COMPOSANTS_OPTOELECTRONIQUES