Thèse soutenue

Une approche par relaxation lagrangienne pour l'optimisation d'un réseau de distribution : modèles stochastiques et fiables

FR  |  
EN
Auteur / Autrice : Guy Aimé Tanonkou
Direction : Xiaolan XieLyes Benyoucef
Type : Thèse de doctorat
Discipline(s) : Automatique
Date : Soutenance en 2007
Etablissement(s) : Metz
Partenaire(s) de recherche : Laboratoire : Laboratoire de Génie Informatique, de Production et de Maintenance (Metz)

Résumé

FR  |  
EN

Cette thèse présente les problèmes de conception d'un réseau de distribution stochastique. La première partie présente des modèles de conception du réseau de distribution soumis à des demandes aléatoires et des délais d'approvisionnement aléatoires des fournisseurs. Les modèles sont robustes et intègrent simultanément les décisions stratégiques (localisation des centres de distribution (DCs) et sélection des fournisseurs) et les décisions opérationnelles (gestion des stocks) dans un seul modèle d'optimisation. L'intégration de ces deux décisions entraîne une optimisation globale du réseau via un problème d'optimisation combinatoire NP difficile. Pour résoudre le problème, nous proposons une heuristique basée sur la technique de relaxation lagrangienne. Nous développons une méthode appelée ASGM (Armijo Subgradient Method) pour résoudre le problème dual résultant de la relaxation. Dans la deuxième partie de cette thèse, nous présentons deux problèmes de conception des réseaux de distribution stochastique avec des sites non fiables. Les décisions doivent être prises sous les conditions de disponibilité des sites (DCs et fournisseurs). L'objectif est de minimiser le coût total moyen du réseau de distribution tout en déterminant l'ensemble des stratégies optimales et robustes permettant la meilleure réaffectation des clients (resp. Les DCs) aux DCs (resp. Aux fournisseurs). Nous proposons une méthode d’optimisation Monte Carlo combinée avec une heuristique basée sur la relaxation lagrangienne. Dans cette thèse, les résultats numériques obtenus montrent des bornes lagrangiennes très serrées et des gaps de dualité qui ne dépassent pas 1% pour certaines instances du problème