Optimisation des problèmes de transport multimodal

Optimization of multimodal transportation problems

• Auteur / Autrice : Mustapha Oudani
• Direction : Jaouad Boukachour, Ahmed El Hilali Alaoui
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 21/05/2016
• Etablissement(s) : Le Havre en cotutelle avec Université Sidi Mohamed ben Abdellah (Fès, Maroc). Faculté de droit
• Ecole(s) doctorale(s) : École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016)
• Partenaire(s) de recherche : : Normandie Université (2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Mathématiques Appliquées du Havre (Le Havre, Seine-Maritime)
• Jury : Président / Présidente : Youssef Benadada
• Jury : Examinateurs / Examinatrices : Mohammed El Khomssi, Abdelhamid Benaini
• Jury : Rapporteurs / Rapporteuses : Abdelkader Sbihi, Loqman Chakir

Mots clés

Mots clés contrôlés

Transports maritimes

Recherche opérationnelle

Métaheuristiques

Conteneurisation

Transport multimodal

Optimisation combinatoire

Mots clés libres

Logistique portuaire

Localisation des terminaux

Combinatorial optimization

Intermodal transportation

Metaheuristics

Operations research

Maritime transportation

Résumé

Cette thèse est une contribution aux travaux de recherche sur l’optimisation des problèmes du transport multimodal. Les principaux concepts clé de la multimodalité dans les réseaux du transport intermodal et l’état de l’art des travaux scientifique du domaine y sont présentés. Le problème de la localisation des terminaux du transport combiné est ensuite étudié. Nous proposons un algorithme génétique à codage mixte pour la résolution de ce problème et nous comparons nos résultats avec ceux de la littérature. Un ensemble de problèmes posés dans le cadre de notre travail sur le projet DCAS (Direct Cargo Axe Seine), porté par le Grand Port Maritime du Havre, y est décrit et modélisé par des outils de programmation mathématique. Ainsi, nous avons étudié le problème du transfert de navettes ferroviaires qui consiste à optimiser le transfert d’un ensemble de conteneurs entre des terminaux maritimes et un terminal multimodal. Ensuite, nous avons modélisé le problème d’ordonnancement des trains de grandes de lignes pour le placement sur les voies de la cour ferroviaire du terminal multimodal du Havre. Ces problèmes sont résolus en utilisant une approche combinée optimisation-simulation. Une première application est basée sur un algorithme génétique couplé avec la simulation multi agents pour l’affectation des voies aux trains. Une deuxième, consiste à optimiser la manutention des conteneurs lors d’un transbordement rail-rail en utilisant un algorithme de colonie de fourmis intégré dans le modèle de simulation et une stratégie de collaboration agents pour minimiser les temps d’attente des portiques et ainsi augmenter leurs productivités.

This thesis is a contribution to research on the optimization of multimodal transport problems. The main key concepts of multimodality in the intermodal transportation networks and the state of the art of scientific works in the field are presented. The intermodal terminal location problem is then studied. We propose a genetic algorithm with mixed encoding for solving this problem and we compare our results with those of literature. A set of problems in the framework of our work on the project DCAS (Direct Cargo Axe Seine), carried by the Grand Port Maritime du Havre, are described and modeled by mathematical programming tools. Thus, we studied the problem of the transfer of rail shuttles which is to optimize the transfer of a set of containers between maritime terminals and a multimodal terminal. We then modeled the scheduling problem of freight trains for placement on rail tracks. These problems are solved by using combined optimization simulation approaches. A first application is based on a genetic algorithm coupled with the multi agent’s simulation. A second is to optimize a rail-rail transshipment of containers using an ant colony algorithm embedded in the simulation model and an agent’s collaboration strategy to minimize waiting times and increase cranes productivity.