Le temps en planification et en ordonnancement : Vers une gestion complète et efficace de contraintes hétérogènes et entachées d'incertitude

Time in planning and scheduling: towards a complete and efficient management of heterogeneous and uncertain constraints

• Auteur / Autrice : Thierry Vidal
• Direction : Malik Ghallab
• Type : Thèse de doctorat
• Discipline(s) : Intelligence artificielle
• Date : Soutenance en 1995
• Etablissement(s) : Toulouse 3

Mots clés

Mots clés contrôlés

Analyse

Travail

Modèles mathématiques

Informatique -- Gestion

Ordonnancement (gestion)

Incertitude (théorie de l'information)

Mots clés libres

Sciences appliquees

Informatique, automatique theorique, systemes

Planification

Ordonnancement

Temps

Robotique

Contrainte

Incertitude

Allocation ressource

Graphe

Raisonnement temporel

Planning

Scheduling

Time

Robotics

Constraint

Uncertainty

Resource allocation

Graph

Résumé

Le planificateur temporel IxTeT, véritable ''intelligence embarquée'' d'un robot autonome, s'appuie sur un gestionnaire de contraintes temporelles dont le rôle est double: maintenir la cohérence du réseau de contraintes, et répondre rapidement et correctement à une interrogation émanant du planificateur. La prise en compte de contraintes symboliques (simples précédences) et numériques (dates et durées imprécises) oblige alors à une propagation coûteuse des contraintes numériques. Néanmoins, ces dernières étant proportionnellement peu nombreuses en planification, nous pouvons restreindre cette propagation à un sous-graphe numérique. Par ailleurs, nous devons tenir compte en planification de durées ''contingentes'', dont la valeur est aléatoire. Ces incertitudes nous obligent à redéfinir la notion classique de cohérence, et à nous ramener à un modèle temporel dual, appelé Graphe de Décision, dans lequel nous pouvons utiliser les algorithmes classiques de propagation. Le mémoire s'achève par la présentation d'une application distincte relevant du domaine de l'ordonnancement de tâches pour un ensemble de robots. L'incertitude pesant sur les contraintes numériques oblige ici à allouer les ressources au fur et à mesure de l'exécution. Les caractéristiques propres à l'application suggèrent une décomposition du graphe temporel conduisant à une efficacité optimale des algorithmes de propagation.