Optimisation de tournées de véhicule avec incertitude sur la demande et logistique inverse

Vehicle routing optimization with demand uncertainty and reverse logistics

• Auteur / Autrice : Pierre Pinet
• Direction : Francois Clautiaux
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées et calcul scientifique
• Date : Inscription en doctorat le 26/11/2024
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale de mathématiques et informatique
• Partenaire(s) de recherche : Laboratoire : IMB - Institut de Mathématiques de Bordeaux
• Partenaire(s) de recherche : Equipe de recherche : Optimisation Mathématique Modèle Aléatoire et Statistique

Mots clés

Mots clés libres

Optimisation

Tournées de véhicule

Vrp

Incertitude sur la demande

Logistique inverse

Optimization

Vehicle routing

Vrp

Demand uncertainty

Reverse logistics

Résumé

La thématique générale de la thèse est le développement de techniques d'optimisation sous incertitude pour résoudre différentes variantes de tournées de véhicules avec prise en compte de la logistique inverse. Il s'agit de faire avancer l'état de l'art sur l'optimisation combinatoire sous incertitudes. La thèse répondra à plusieurs types de questionnements en lien avec la modélisation de problèmes incertains, la proposition et la caractérisation théorique de formulations, la production d'algorithmes efficaces, et leur validation pratique par le biais d'expérimentations numériques. En particulier, la thèse visera dans un premier temps à déterminer les différentes possibilités de modèles cible, en identifiant les différentes manières de modéliser l'incertitude, ainsi que les contraintes du problème. La démarche de comparaison des différents modèles sera une contribution de la thèse. Dans un deuxième temps, différentes approximations seront étudiées, en vue de leur résolution numérique. Autant que possible, tous les algorithmes proposés seront validés théoriquement. Selon les contextes, cela peut prendre la forme de preuve de convergence ou de polynomialité, de bornes sur la fonction objectif, etc. Les algorithmes seront également validés expérimentalement sur des données réelles. Comme l'un des objectifs de la thèse sera de proposer des algorithmes ayant une forte portée opérationnelle, des méthodes de simulation seront certainement requises pour construire des expérimentations pertinentes, l'enjeu ici étant de reproduire de manière réaliste les prévisions de demande et leur évolution dans le temps.

The general theme of the thesis is the development of optimization techniques under uncertainty to solve various variants of vehicle routing with consideration for reverse logistics. The objective is to advance the state of the art in combinatorial optimization under uncertainty. The thesis will address several types of questions related to the modeling of uncertain problems, the proposal and theoretical characterization of formulations, the production of efficient algorithms, and their practical validation through numerical experiments. In particular, the thesis will initially aim to determine the different possibilities for target models, identifying the various ways to model uncertainty, as well as the problem's constraints. The approach of comparing different models will be a contribution of the thesis. In a second phase, different approximations will be studied for their numerical resolution. Whenever possible, all proposed algorithms will be validated theoretically. Depending on the context, this may take the form of proofs of convergence or polynomiality, bounds on the objective function, etc. The algorithms will also be experimentally validated on real data. Since one of the objectives of the thesis will be to propose algorithms with strong operational applicability, simulation methods will likely be required to construct relevant experiments, the challenge here being to realistically reproduce demand forecasts and their evolution over time.