Applications of Integer Programming and Decomposition to Scheduling Problems : the Strategic Mine Planning Problem and the Bin Packing Problem with Time Lag
Applications de de la programmation en nombres entiers et la décomposition aux problèmes d’ordonnancement : le problème de la planification stratégique des mines et le problème de bin packing avec délais.
Résumé
In scheduling problems, the goal is to assign time slots to a set of activities. In these problems, there are typically precedence constraints between activities that dictate the order in which they can be carried out and resource constraints that limit the number that can simultaneously be executed. In this thesis, we develop mixed integer programming methodologies, based on decomposition methods, for two very different classes of scheduling problems. These are the Strategic Open Pit Mine Planning Problem (SOPMP) and the Bin Packing Problem with Time Lags.Given a discretized representation of an orebody known as a block model, the SOPMP that we consider consists of defining which blocks to extract, when to extract them, and how or whether to process them, in such a way as to comply with operational constraints and maximize net present value. These problems are known to be very difficult due to the large size of real mine planning problems (eg, millions of blocks, dozens of years). They are also very important in the mining industry. Every major mining operation in the world must solve this problem, at the very least, on a yearly basis.In this thesis, we tackle the SOPMP in Chapters 2 and 3.In Chapter 2 we begin by studying a lagrangean algorithm developed by Dan Bienstock and Mark Zuckerberg (henceforth, the BZ algorithm) in 2009 for solving the LP relaxation of large instances of SOPMP. In this study we generalize the classes of problems that can be solved with the BZ algorithm, and show that it can be cast as a special type of column generation algorithm. We prove, for general classes of mixed integer programming problems, that the BZ relaxation provides a bound that lies between the LP relaxation and Dantzig-Wolfe bounds. We further develop computational speed-ups that improve the performance of the BZ algorithm in practice, and test these on a large collection of data-sets.In Chapter 3 we deal with the problem of computing integer-feasible solution to SOPMP. Using the BZ algorithm developed in Chapter 2, we develop heuristics for this. In addition, we develop pre-procesing algorithms that reduce problem size, and embed the BZ algorithm in a branch-and-cut framework that makes use of two new classes of cutting planes. When comparing the value of the heuristics to the LP relaxation bound, the average gap computed is close to 10%. However, when applying the pre-processing techniques and cutting planes, this is reduced to 1.5% at the root node. Four hours of branching further reduces this to 0.6%.In Chapter 4, the BPPTL is presented. This is a generalization of the Bin Packing Problem in which bins must be assigned to time slots, while satisfying precedence constraints with lags. Two integer programming formulations are proposed: a compact formulation that models the problem exactly, and an extended formulation that models a relaxation. For two special cases of the problem, the case with unlimited bins per period and the case with one bin per period and non-negative time lags, we strengthen the extended formulation with a special family of constraints. We propose a branch-cut-and-price (BCP) algorithm to solve this formulation, with separation of integer and fractional solutions, and a strong diving heuristic. Computational experiments confirm that the BCP algorithm outperforms solving the compact formulation with a commercial solver. Using this approach we were able to optimally solve 70% of a class of previously open instances of this problem.
Dans les problèmes de planification, l'objectif est d'attribuer des plages horaires à un ensemble d'activités. Dans ces problèmes, il existe généralement des contraintes de précédence entre les activités qui dictent l'ordre dans lequel elles peuvent être exécutées et des contraintes de ressources qui limitent le nombre d'activités pouvant être exécutées simultanément. Dans cette thèse, nous développons des méthodologies de programmation en nombres entiers, basées sur des méthodes de décomposition, pour deux classes très différentes de problèmes d'ordonnancement. Il s'agit du problème de planification stratégique des mines à ciel ouvert (SOPMP) et du problème de bin packing avec délais (BPPTL).Etant donné une représentation discrétisée d'un gisement appelé modèle de bloc, le SOPMP que nous considérons consiste à définir les blocs à extraire, quand les extraire, comment ou s'il faut les traiter, de manière à respecter les contraintes opérationnelles et maximiser la valeur actualisée nette. Ces problèmes sont connus pour être difficiles en raison de l'ampleur des problèmes réels de planification minière. Ils sont également importants dans l'industrie minière. Chaque grande opération minière dans le monde doit résoudre ce problème au moins une fois par an.Dans le chapitre 2, nous commençons par étudier un algorithme lagrangien développé par Dan Bienstock et Mark Zuckerberg (qu'on appellera algorithme BZ) en 2009 pour résoudre la relaxation LP de grandes instances de SOPMP. Dans cette étude, nous généralisons les classes de problèmes qui peuvent être résolus avec l'algorithme BZ, et montrons qu'il peut être exprimé comme un algorithme de génération de colonnes. Nous prouvons, pour les classes générales de problèmes de programmation en nombres entiers mixtes, que la relaxation BZ fournit une borne qui se situe entre la relaxation LP et les bornes de Dantzig-Wolfe. Nous développons en outre des accélérations de calcul qui améliorent les performances de l'algorithme BZ dans la pratique.Dans le chapitre 3, nous traitons le problème du calcul d'une solution entière réalisable pour SOPMP. En utilisant l'algorithme BZ développé au chapitre 2, nous développons des heuristiques pour ce problème. En outre, nous développons des algorithmes de prétraitement qui réduisent la taille du problème et intégrons l'algorithme BZ dans un algorithme de branch-and-cut qui utilise deux nouvelles classes de plans sécants. En comparant la valeur de l'heuristique à la borne de relaxation LP, l'écart moyen calculé est proche de 10%. Cependant, lors de l'application des techniques de prétraitement et des plans sécants, il se réduit à 1,5% au nœud racine. Quatre heures de branchement réduisent encore ce pourcentage à 0,6%.Le chapitre 4 présente le BPPTL. Il s'agit d'une généralisation du problème de bin packing, dans lequel les containers doivent être affectés à des créneaux horaires qui respectent des contraintes de délai entre les articles. Deux formulations de programmation en nombres entiers sont proposées : une formulation compacte qui modélise exactement le problème, et une formulation étendue qui modélise une relaxation. Pour deux cas particuliers du problème, le cas avec un nombre illimité de bin par période et le cas avec un bin par période et des délais non négatifs, nous renforçons la formulation étendue avec une famille spéciale de contraintes. Nous proposons un algorithme de branch-and-cut-and-price (BCP) pour résoudre cette formulation, avec séparation des solutions entières et fractionnaires, et une heuristique de strong diving. Les expérimentations confirment que l'algorithme BCP est plus performant que la résolution de la formulation compacte avec un solveur commercial. En utilisant cette approche, nous avons pu résoudre de manière optimale 70% d'une classe d'instances précédemment ouvertes de ce problème.
Origine : Version validée par le jury (STAR)