Thèse en cours

Optimisation robuste pour les problèmes de décision à plusieurs niveaux dans les réseaux de soins à domicile sous incertitude

FR  |  
EN
Auteur / Autrice : Maïna Boivent
Direction : Feng Chu
Type : Projet de thèse
Discipline(s) : Informatique mathématique
Date : Inscription en doctorat le 01/10/2026
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
Partenaire(s) de recherche : Laboratoire : IBISC - Informatique, BioInformatique, Systèmes Complexes
Equipe de recherche : AROBAS : Algorithmique, Recherche Opérationnelle, Bioinformatique et Apprentissage Statistique
Référent : Université d'Évry Val d'Essonne

Résumé

FR  |  
EN

Les services de soins à domicile (Home Health Care - HHC) sont devenus essentiels dans les systèmes de santé modernes, avec un vieillissement de la population et une croissance significative du marché. En France et en Europe, ce secteur représente une priorité stratégique accompagnée de défis majeurs liés à la pénurie de personnel. Les opérations HHC sont caractérisées par de multiples sources d'incertitude : variabilité extrême de la demande quotidienne avec ambiguïté distributionnelle, temps de trajet imprévisibles, durées de service variables, annulations de dernière minute, demandes urgentes, et indisponibilité des soignants. Les agences font face à des défis décisionnels interconnectés sur plusieurs horizons temporels : localisation des centres de service (décisions stratégiques), dimensionnement du personnel (décisions tactiques), organisation des tournées (décisions opérationnelles), et gestion en temps réel des événements imprévus. Malgré une recherche extensive sur le routage et l'ordonnancement en soins à domicile et le routage dynamique de véhicules, quatre principales limitations peuvent être identifiées dans les approches existantes : (1) manque d'intégration hiérarchique entre les décisions stratégiques, tactiques et opérationnelles, (2) adaptabilité limitée face à l'incertitude sans exploitation de la révélation séquentielle d'information, (3) absence de gestion dynamique temps réel des arrivées stochastiques et événements imprévus, et (4) gestion inadéquate de l'incertitude avec des représentations trop simplifiées ou des approches excessivement conservatrices. Cette thèse vise à développer un cadre d'optimisation robuste multi-étapes et dynamique pour les problèmes intégrés de localisation, dimensionnement et routage dans les réseaux HHC sous incertitude. Les contributions attendues incluent : (1) formulations mathématiques novatrices intégrant décisions hiérarchiques et dynamiques sous incertitude, (2) algorithmes de décomposition pour problèmes intégrés, (3) règles de décision adaptatives et approches guidées par les données pour construction d'ensembles d'incertitude, (4) algorithmes de re-optimisation temps réel, (5) systèmes d'aide à la décision validés avec quantification de la valeur de l'intégration et de l'adaptation. Cette thèse se compose principalement des étapes suivantes : • Réalisation d'une étude exhaustive sur l'optimisation robuste pour les problèmes HHC et les approches de routage dynamique • Formulation de modèles mathématiques bi-niveaux et multi-étapes intégrant localisation, dimensionnement et routage sous incertitude • Développement d'algorithmes de décomposition (génération de colonnes et contraintes, Benders) et de méthodes d'approximation pour multi-étapes • Conception d'algorithmes de re-optimisation rapides pour gestion dynamique temps réel • Implémentation et tests computationnels extensifs sur instances réalistes françaises • Collaboration avec agences françaises de soins à domicile pour validation avec données réelles • Publication des résultats dans des revues et conférences reconnues au niveau international (IJPR, EJOR, COR, OR, Transportation Science)