Métaheuristique

le deuxième chapitre. Lorsque les contraintes et/ou la fonction objectif sont non linéaires, on parle de programmation non linéaires qui est l’objet du troisième chapitre. Beaucoup de techniques de résolution (méthodes exactes, heuristiques, métaheuristiques) existent dans la littérature pour la résolution des problèmes linéaires et non linéaires. Parmi elles, nous pouvons en citer : Méthode du Simplexe (que nous étudierons dans la section 1.5), Branch-and-Bound ou Séparation et Evaluation progressive

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 47 47 49 50 52 Références – Hamdy A. Taha, Operations Research, an introduction, Prentice-Hall – Marc Pirlot, Métaheuristiques pour l’optimisation combinatoire : un aperçu général, Chapitre 1, dans “Optimisation approchée en recherche opérationnelle”, sous la direction de Jacques Teghem et Marc Pirlot, Hermes Science. 2 Première partie Introduction à la recherche

1.2.3 Méthodes de résolution Dans cette partie nous nous intéressons aux méthodes utilisées dans la littérature pour résoudre les problèmes décisionnels des chaînes logistiques, et d’optimisation en général, et qui constituent le support théorique des outils d’aide à la décision que nous venons d’introduire. De manière générale, les approches d’aide à la décision peuvent faire appel à des techniques de simulation, de recherche opérationnelle, de théorie organisationnelle, ..., ou a des combinaisons

 État civil : Nom : Prénom : Nationalité : Date et lieu de naissance : CIN : Adresse : G.S.M : RHIMI HAMZA Tunisienne 30/05/1989 à Sidi Bouzid 06247789 Cité Esserour_Gafsa 2124 +21640149755 Études : 2011-2013 : Mastère de recherche en Télécommunication et Systèmes Réseaux. Spécialité : Services Informatiques. A l’Institut Supérieur d’Electronique et de Communication de Sfax. 2008-2011 : Licence Fondamentale

Optimisation combinatoire • Introduction : Optimisation continue/combinatoire • Notion de complexité • Méthodes exactes • Méthodes approchées (métaheuristiques, heuristiques) • Problèmes classes de l’optimisation combinatoire • Logiciel d’optimisation Cplex Pr DKHISSI Btissam 16/03/2022 1Optimisation combinatoire SCM1 ENSATé 2021-2022INTRODUCTION 16/03/2022 Optimisation combinatoire 2 Optimisation combinatoireL’optimisation L’optimisation est une discipline mathématique qui, a pleinement pris son

´ ˆ . Proprietes NP, reductions polynomiales (2 ´ seances) ´ ´ . Heuristiques, Metaheuristiques (2 seances) Organisation: les TPs ´ ´ Il y aura 6 seances de TP (langage : Java) encadrees pour ´ ´ ´ la mise en oeuvre directe des methodes etudiees en cours: . Programmation dynamique, Algorithmes ´ gloutons(2 seances) ´ ´ ´ ˆ . Proprietes NP, reductions polynomiales (2 ´ seances) ´ ´ . Heuristiques, Metaheuristiques (2 seances) Organisation: les TPs ´ ´ Il y aura 6 seances de TP (langage

workflows sur les systèmes de Cloud Computing. Nous traiterons principalement un problème étant à l'origine bi--objectif (makespan et coût) en un problème mono-objectif. Nous proposerons un algorithme d'ordonnancement de workflows s'inspirant des métaheuristiques. Cet algorithme prendra en charge deux types de critères de QoS (Qualité de Service) qui sont le makespan et le coût. CONTEXTUALISATION Le Cloud Computing est un concept qui existe depuis longtemps mais qui est en pleine évolution depuis

comprenant 15 ou 20 machines et entre 15 et 100 lots, ainsi qu’un jeu d’ instances pour F ||Cmax comprenant 5, 10 ou 20 machines et entre 20 et 500 jobs. 4.3.2 Méthodes approchées Nous présentons ici les principales heuristiques et métaheuristiques pour les problèmes d’atelier. 4.3.2.1 Heuristiques Williamson et al. [106] ont montré qu’il n’existe pas d’heuristique polynomiale pour O||Cmax ayant ub une garantie de performance opt inférieure à 5 . On ne dispose pas encore d’heuristique

l’optimale dans un temps appréciable. 11 Un problème d’optimisation combinatoire est caractérisé par: Une fonction objective à minimiser ou à maximiser. Ensemble de solutions fini ou dénombrable. Des contraintes à respecter. 12 Métaheuristique  : stratégies qui permettent de guider la recherche d’une solution optimale d’explorer l’espace de recherche efficacement afin de déterminer des solutions (presque) optimales. Population travailler avec un ensemble de solutions simultanément

Les métaheuristiques sont généralement des algorithmes stochastiques itératifs, qui progressent vers un optimum global, c'est à dire l'extremum global d'une fonction, par échantillonnage d’une fonction objective. Elles se comportent comme des algorithmes de recherche, tentant d’apprendre les caractéristiques d’un problème afin d’en trouver une approximation de la meilleure solution (d'une manière proche des algorithmes d'approximation). Il existe un grand nombre de métaheuristiques différentes