Problèmes de tournées de véhicules robustes multi-objectifs

[Not communicated]

• Auteur / Autrice : Hiba Bederina
• Direction : Mhand Hifi
• Type : Thèse de doctorat
• Discipline(s) : Informatique. Recherche opérationnelle et optimisation
• Date : Soutenance le 14/05/2018
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : Eco-procédés, optimisation et aide à la décision (Amiens)
• Jury : Président / Présidente : Feng Chu
• Jury : Examinateurs / Examinatrices : Mhand Hifi, Laetitia Jourdan, Andréa Cynthia Santos, Imed Kacem, Gérard-Michel Cochard
• Jury : Rapporteurs / Rapporteuses : Laetitia Jourdan, Andréa Cynthia Santos

Mots clés

Mots clés contrôlés

Commande robuste

Algorithmes évolutionnaires

Optimisation mathématique

Mots clés libres

Optimisation robuste

Optimisation multi-objectif

Maximizing the Number of Scenarios Qualified by the Worst (MNSQW)

Résumé

L'objectif de cette thèse est de contribuer à l'adaptation des problèmes de tournées de véhicules (VRP) aux problématiques du monde réel en se focalisant sur deux axes principaux à savoir : la prise en compte des incertitudes à travers l'optimisation robuste et l'optimisation simultanée de plusieurs critères en utilisant l'optimisation multi-objectif. Dans une première partie, nous nous sommes intéressés à la modélisation du problème VRP sous incertitudes en proposant un nouveau critère de robustesse. Ce critère, appelé "Maximizing the Number of scenarios Qualified by the Worst" (MNSQW), a été évalué en utilisant deux méthodes de résolution : une première méthode exacte et une deuxième méthode basée sur une méta-heuristique. Dans une deuxième partie, nous nous sommes intéressés à la résolution robuste multi-objectif d'une variante du VRP: le VRP capacitaire (CVRP), où l'incertitude sur les coûts de trajets est considérée. Un algorithme évolutionnaire multi-objectif hybride a été proposé pour optimiser simultanément le coût du trajet et la taille de la flotte. L'étude expérimentale a montré que l'approche proposée permettait d'atteindre la quasi-totalité des solutions (Pareto) optimales avec une amélioration de deux bornes supérieures (sur un critère) d'une instance. La troisième partie de cette thèse comporte l'étude d'une autre variante du VRP : le problème de tournées de véhicules sélectives (TOP). L'étude vise à optimiser simultanément le profit collecté et le coût du trajet. Pour se faire, nous avons proposé une approche évolutionnaire multi-objectif hybride. La comparaison des résultats par rapport à ceux obtenus par trois méthodes de la littérature, a permis d'observer des amélioration de certaines bornes (quatre nouvelles bornes ont été obtenues). Finalement, nous nous sommes intéressés à l'étude d'une variante robuste du TOP (RTOP). Ce problème a été résolu en adaptant l'algorithme utilisé pour la variante déterministe

The main objective of the thesis is to contribute to the adaptation of VRP problems to the real world problems with a focus on two main axes namely: handling uncertainties through robust optimization and simultaneous optimization of several criteria using multi-objective optimization. First, we focus on modeling the VRP problem under uncertainty by proposing a new robust criterion. This criterion, called "Maximizing the Number of Scenarios Qualified by the Worst (MNSQW)", was evaluated using two approaches: an exact method and a meta-heuristic. In the second part, the robust multi-objective resolution of the capacitated VRP variant (CVRP) with uncertainty on the travel costs has been studied. A hybrid multi-objective evolutionary algorithm has been proposed to optimize the travel cost and the fleet size simultaneously. Experiments were carried out on a state-of-the-art instances, and the proposed approach were compared to an exact method and two meta-heuristics approaches from the literature. The obtained results show that our approach reaches almost all the optimal solutions, and that two new bounds have been established on an other instance. The comparison with the meta-heuristics shows an improvement on the entire results of the first, and competitive results with the second. The third part of this thesis was devoted to the study of another variant of the VRP namely: the Team Orienteering Problem (TOP). We first proposed a hybrid multi-objective evolutionary approach to solve a multi-objective formulation of this problem, to optimize the collected profit and the total travel cost simultaneously. The conducted experiments confirm the conflictual behavior of the optimized objectives. The comparison with three approaches of the literature, allowed to show an improvement of some bounds (four new ones). In the second part of the TOP study, we proposed a robust variant of the latter (RTOP), that has been solved by adapting the algorithm used for the deterministic variant