Recherche Avancée

Thèse soutenue

Résolution par des heuristiques dynamiques et des algorithmes génétiques du problème d'ordonnancement de type job-shop généralisé (à machines non identiques en parallèle et contraintes de précédence)

FR  |  
EN
Auteur / Autrice : Fatima Ghedjati
Direction : Jean-Charles Pomerol, Marie-Claude Portmann
Type : Thèse de doctorat
Discipline(s) : Sciences appliquées
Date : Soutenance en 1994
Etablissement(s) : Paris 6

Résumé

FR

L'objectif de cette thèse est la résolution approchée du problème d'ordonnancement d'atelier de type job-shop généralise à machines non identiques en parallèle et contraintes de précédente (ou les gammes des travaux sont non-linéaires). La première phase de ce travail consiste à créer un générateur d'ordonnancement ainsi qu'un environnement de programmation permettant d'une part, de tester rapidement différentes heuristiques statiques et surtout dynamiques et d'autre part, de basculer facilement et dynamiquement d'une heuristique à une autre sans changer l'algorithme de base. La stratégie utilisée repose sur deux schémas de résolution. La première idée est développée dans la seconde partie de cette thèse, dans laquelle nous proposons de nouvelles heuristiques qui essaient d'utiliser au mieux la polyvalence et la charge potentielle des machines. Dans la troisième phase de la thèse, nous améliorons la population de solutions obtenues par les heuristiques précédentes en utilisant une variété d'algorithmes génétiques conçus pour ce problème. Des expérimentations ont été effectuées sur les deux approches avec divers types de données issues de la littérature ou générées aléatoirement. Notre approche permet de traiter des problèmes relativement importants. Les résultats sont prometteurs et l'intérêt de chaque approche est discutée.