Algorithme génétique hybride pour quelques problèmes de routage de véhicules

Hybrid genetic algorithm for routing problems

• Auteur / Autrice : Pengfei He
• Direction : Jin-Kao Hao
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 27/10/2022
• Etablissement(s) : Angers
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Etudes et de Recherche en Informatique d'Angers
• Jury : Président / Présidente : Béatrice Duval
• Jury : Examinateurs / Examinatrices : Qinghua Wu
• Jury : Rapporteurs / Rapporteuses : Philippe Lacomme, Caroline Prodhon

Mots clés

Mots clés contrôlés

Optimisation combinatoire

Problème de tournées de véhicules

Problème du voyageur de commerce

Mots clés libres

Algorithme génétique hybride

Croisement d'assemblage d'arc

Traveling salesman problem

Vehicle routing

Hybrid genetic algorithm

Edge assembly crossover

Combinatorial optimization

Résumé

Cette thèse présente des algorithmes génétiques hybrides pour quatre problèmes de routage : le problème de voyageurs de commerce colorés (CTSP), le problème de voyageurs de commerce minmax multiples (minmax mTSP), le problème de voyageurs de commerce avec bénéfices (TSP avec bénéfices) et le problème de routage de véhicules de livraison fractionne (SDVRP). Ces problèmes sont largement présents dans des applications du monde réel et sont utiles pour modéliser de nombreux problèmes pratiques. Étant donné leur grande difficulté en terme de résolution, les métaheuristiques sont un choix pertinent pour résoudre les instances difficiles. Quatre algorithmes génétiques hybrides associés à des opérateurs de croisement dédiés et des procédures de recherche locale sont proposés pour résoudre ces problèmes. En particulier, le puissant croisement d’assemblage d’arc est étendu et généralisé pour résoudre des problèmes de routage riche. Les études expérimentales réalisées sur un large éventail d’instances de référence indiquent que les approches proposées rivalisent favorablement avec les algorithmes de l’état de l’art. Des expériences approfondies montrent le rôle des éléments clés de nos algorithmes,notamment le "croisement d’assemblage d’arc général" et la recherche locale pour le SDVRP et la préservation de la diversité pour le TSPavec profits

This thesis presents hybrid genetic algorithms for four routing problems : colored traveling salesmen problem (CTSP), minmax multiple traveling salesmen problem (minmax mTSP), traveling salesman problems with profits (TSPs with profits) and split delivery vehicle routing problem (SDVRP). These problems widely exist in real-life applications and are useful to model numerous practical problems. Given that they are computational challenge, metaheuristic algorithms are naturally presented to solve large-sized instances. Four hybrid genetic algorithms associated with dedicated crossover operators and local search procedures are proposed for these problems. In particular, the powerful edge assembly crossover is extended and generalized to solve rich routing problems. Computational studies performed on a wide range of benchmark instances indicate that the proposed approaches compete favourably with state-of-the-art algorithms. Additional experiments show the roles of the key composing ingredients of our algorithms, including the general edge assembly crossover, the local search, for the SDVRP and the diversity preservation for TSPs with profits.