Contribution à l’ordonnancement d’ateliers agroalimentaires utilisant des méthodes d’optimisation hybrides

Using hybrid optimization methods for the agro-food industry scheduling problem

• Auteur / Autrice : Asma Karray
• Direction : Pierre Borne, Mohamed Benrejeb
• Type : Thèse de doctorat
• Discipline(s) : Automatique et informatique industrielle
• Date : Soutenance le 05/07/2011
• Etablissement(s) : Ecole centrale de Lille en cotutelle avec École nationale d'ingénieurs de Tunis (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'automatique, génie informatique et signal (LAGIS) (2004-2014)
• Jury : Président / Présidente : Noureddine Ellouze
• Jury : Examinateurs / Examinatrices : José Ragot
• Jury : Rapporteur / Rapporteuse : Abdellah El Moudni

Mots clés

Mots clés contrôlés

Hybridation

Recuit simulé (mathématiques)

Algorithmes génétiques

Programmation heuristique

Optimisation mathématique

Ordonnancement (gestion)

Mots clés libres

Ordonnancement

Optimisation

Métaheuristiques

Algorithmes génétiques

Recherche tabou

Recuit simulé

Hybridation

Ateliers à une machine

Scheduling

Optimization

Metaheuristics

Genetic algorithms

Tabu search

Simulated annealing

Hybridation

Single-machine workshop

Résumé

Nos travaux concernent la mise en œuvre de méthodologies pour la résolution de problèmes d’ordonnancement en industries agroalimentaires. Trois nouvelles approches basées sur les algorithmes génétiques, sont proposées pour la résolution de problèmes d’ordonnancement multi-objectifs : les algorithmes génétiques séquentiels (SGA), les algorithmes génétiques parallèles (PGA) et les algorithmes génétiques parallèles séquentiels (PSGA). Deux approches coopératives multi-objectifs en mode relais, SH_GA/TS et SH_GA/SA, hybridant toutes les deux des métaheuristiques de haut niveau, sont par la suite proposées. Un algorithme évolutionnaire et un algorithme de recherche locale sont, dans ce cas exécutés séquentiellement

The purpose of our works is the implementation of methodologies for the resolution of the agro-food industry scheduling problem. Three new approaches based on genetic algorithms are proposed to solve multi-objectives scheduling problems: sequential genetic algorithms (SGA), parallel genetic algorithms (PGA) and parallel sequential genetic algorithms (PSGA). Two high-level hybrid algorithms, SH_GA/TS et SH_GA/SA, are also proposed. The purpose in this hybridization is to benefit the exploration of the solution space by a population of individuals with the exploitation of solutions through a smart search of the local search algorithm