Vous êtes sur la page 1sur 29

Sommaire

 Introduction
?
?
?
 Conclusion
 Références bibliographiques
Résumé
 Les problèmes de planification
d’horaires de travail notamment le
problème de l’emploi du temps ont reçu
une grande attention.
 La plupart des travaux dans ce sens les
traitent dans leur forme mono-objectif.
Dans ce projet, je me suis intéressé à
l’étude de ce problème dans sa version
multi objectif en utilisant les méta-
heuristiques.
Introduction
 Dans de nombreux domaines de la vie
professionnelle, on se trouve confronter au
problème de la planification d´horaire de
travail.
 Les problèmes de gestion du temps, pour les
résoudre, revient à résoudre un puzzle
complexe, chaque organisation possède ses
propres normes et critères.
 De ce fait, ce sont principalement les
Problèmes d’Optimisation Mono Objectifs qui
sont utilisés lors de la résolution de ce type de
problème.
Les heuristiques :
 Les heuristiques forment un ensemble de méthodes utilisées en
recherche opérationnelle pour résoudre des problèmes d’optimisation
réputés difficiles. Résoudre un problème d’optimisation combinatoire,
c’est trouver l’optimum d’une fonction, parmi un nombre fini de choix,
souvent très grand. Les applications concrètes sont nombreuses, que
ce soit dans le domaine de la production industrielle, des transports ou
de l’économie – partout où se fait sentir le besoin de minimiser des
fonctions numériques, dans des systèmes où interviennent
simultanément un grand nombre de paramètres.
 A ces problèmes de minimisation, les heuristiques permettent, dans
des temps de calcul raisonnables, de trouver des solutions, peut-être
pas toujours optimales, en tout cas très proches de l’optimum ; elles se
distinguent en cela des méthodes dites exactes, qui garantissent certes
la résolution d’un problème, mais au prix de temps de calcul prohibitifs
pour nombres d’applications industrielles.
 Lorsque la solution optimale ne peut être obtenue en un temps
raisonnable, on a souvent recours à des méthodes approchées de
type heuristique ou métaheuristique.
Définition du Problème :

 Le problème de l’emploi du temps est un


problème représentatif d’une famille de
problèmes combinatoires discrets.
 Il renferme
 un ensemble d’objectifs conflictuels,
 un ensemble de contraintes non linéaires
 et un nombre de combinaisons potentielles
très élevé.
Résolution du problème des emplois du
temps à partir de l’observation des
activités relatives à la gestion des
emplois du temps .
Modélisation du Temps
 Pour représenter le temps, deux notions de
base sont nécessaires :
 l’Instant et
 la Durée.
 De plus, pour le problème des emplois du
temps on rajoute la notion de fréquence.
 Cette notion de fréquence n’est pas
indispensable puisqu’elle peut s’exprimer à
partir de celles d’instant et de durée.
Les Entités Temporelles

 Pour modéliser le temps, les entités :


Date, Heure, Durée, Créneau et
Calendrier sont définies.
 Une date désigne un instant défini par un
triplet (Jour, Mois, Année). A partir de ce
triplet, on détermine la valeur qui lui est
associée sur l’axe des jours.
 Une durée est un nombre compris entre
DMin et Dmax = Hmax - HMin. DMin
représente la plus petite unité temporelle
disponible
 Un créneau horaire désigne un intervalle
temporel dans une journée. Ainsi, un créneau est
caractérisé par un couple (H,D) où
○ H représente l’heure de début du créneau et
○ D sa durée.

 Un calendrier est un ensemble de dates


auxquelles on associe un état ie une valeur parmi
○ {disponible,
○ non disponible}.
Les Séances et les Réservations

 Une séance correspond à une instance


temporelle d’un enseignement à une date
donnée, pendant un créneau précis.
 Les caractéristiques d’une séance sont :
○ son Enseignement,
○ sa Date,
○ son Créneau,
○ ses Matériels et
○ sa Salle.
 Une réservation correspond à une option
posée sur l’occupation de cette ressource.
Modélisation des Ressources

 Les ressources considérées sont les


entités physiques nécessaires à
l’élaboration des emplois du temps.
 Il s’agit des
○ Salles,
○ Enseignants,
○ Groupes,
○ Etudiants et
○ Matériels.
Afin de prendre en compte la plupart des
configurations.
L’Optimisation Multi-Objectifs :

 Concepts de base :
Formellement, un Problème d‘Optimisation
MultiObjectif (POMO) est décrit comme suit :

Optimiser f (x) = [f1(x),f2(x),........,fk(x)]


(k fonctions à optimiser)

Avec g(x) ≤ m
(m contraintes d'inégalités)

et h(x) = p
(p contraintes d'égalités)
Elle consiste à trouver une solution x* qui
satisfasse l'ensemble de toutes les
contraintes et qui optimise le vecteur
objectif f(x*).
L'optimisation du vecteur objectif f revient
soit :
- A minimiser l'ensemble de toutes
les fonctions objectifs
- A maximiser l'ensemble de toutes
les fonctions objectifs
-Minimiser certaines fonctions
objectifs tout en maximisant d'autres.
Les Contraintes Dures :
 Ce type de contraintes doit être
obligatoirement satisfait dans toutes les
situations car la violation de l’une de ces
contraintes rend l’emploi du temps inefficace
dans la réalité.
Les contraintes de préférence :
Contrairement au type de contraintes
précédent, les contraintes de préférences
n’exigent pas la vérification stricte, mais
d’approcher au maximum de l’objectif voulu.
Modélisation des Contraintes
 Les contraintes dures :
A chaque contrainte i est associée une
mesure de sa violation V(i).
 Un enseignant ne peut pas être impliqué dans
plus d’une séance à la fois. Nous devons donc
vérifier qu’il est libre pendant la séance
d’affectation. D’où la mesure de violation :
Avec X(i,j) retourne l’enseignant affecté à la
séance qui se déroule à la salle i pendant la
période j.

et Disponible E(X(i , j), I) 0 si l’enseignant


est libre pour
l'instanciation i
1 sinon
 Une salle ne peut pas être impliquée dans
plus d’une séance à la fois. Nous devons donc
vérifier qu’elle est libre pendant la séance
d’affectation. D’où la mesure de violation :
Avec Y(i,j) retourne la salle affectée à la
période j.
Et Disponible S(Y(i , j), I) 0 si la salle en
question est libre pour
l’instanciation I
1 sinon
 Chaque enseignant doit enseigner les modules
qui entrent dans ses compétences. D’où avec:
 ENS(i,j) retourne l’enseignant affecté à la séance qui
se déroule à la salle i pendant la période j.
MOD(i,j) retourne le module enseigné à la
séance qui se déroule dans la salle i pendant
la période j.
Et Apte(X, Y, I) 0 si le module Y
entre dans
les compétences
de l'enseignant X pour
l'instanciation I.
1 sinon
 Chaque module doit respecter le nombre de
séances hebdomadaires prévus.
Avec nbshk = nombre de séances
hebdomadaires du module k.
D’où :
 L’emploi du temps doit comporter tous les
modules d’une promotion donnée.
Avec Occurk(i,j) retourne le nombre
d'occurrence du module k.
D’où :
 La charge journalière d’un enseignant ne doit
pas être dépassée.
Avec charg_maxk est le nombre maximal de
séances par jour pour l'enseignant k.
D’où:
0 si l'enseignant k est affecté
Chargek (i, j) à la séance qui se déroule
dans la salle i à la période j

1 sinon
 Les fonctions objectifs
A chaque emploi du temps possible S est
associé un vecteur objectif F(S) qui
représente l’évaluation de la solution.
Avec F = (f1, f2, f3, f4, f5, f6), chaque fi
correspond à la contrainte de préférence i.
Utilisation des heuristiques
Conclusion
Références bibliographiques